Zayn's Notes

Ch09-L01 课代表立正 X 新物种联盟 OPC的10倍提效之路

209 min read

课代表立正 X 新物种联盟：OPC 的 10 倍提效之路

我的理解

本次课代表立正受新物种联盟（OPC）邀请分享，核心命题是：用 AI 提效 30%与提效 10 倍，差别究竟在哪里。他以电机取代蒸汽机的历史为类比：最初只是用电机替换蒸汽机，效率提升有限；直到工厂围绕电机重新设计流水线，效率才真正飞跃十倍乃至百倍——今天的 AI 提效逻辑完全相同，30%是“动作级提速”（把原有任务换个更快的工具），10 倍是“系统级换挡”（把整个工作流围绕 AI 重构）。他将生成式 AI 定性为“人类调度算力的第三个界面”（继编程语言、图形界面之后），并提出一人公司应把自然语言当作“工作调度层”（dispatch layer），通过打通上下文、工具与记忆三者，系统性地减少每天因精力不足而丢失的行动机会和上下文。实操上，他力推彻底放弃聊天窗口、全面转向 Agent 工具（Claude Code、Codex、Cursor 等），因为 Agent 能访问本地文件、自主调用工具、自我验证并将每轮产出沉淀为可复用资产，使经验在迭代中持续积累。他最后强调：差距不在于你用了什么模型，而在于你是否建立了一套让下一轮工作继承上一轮的系统，以及是否真正完成了 mindset 和习惯的重建。

相关链接

原文

Lesson 68 of 68 课代表立正 X 新物种联盟：OPC 的 10 倍提效之路 哦，no！ Hide transcript Transcript 00:00 哦，no！ 00:00 不好意思，不好意思，来了来了，谢谢。 00:03 是我，我现在用手机接入， 00:06 这个就是最麻烦的问题。 00:07 对我，我还特地确认了一下， 00:10 然后青青说我不知道为什么又看错了， 00:12 但是我现在手机接入，然后跟大家讲，啊， 00:15 我老婆会开车， 00:17 然后青青你帮到时候你帮我 share 00:19 screen，你是有那个链接的，可以， 00:22 没问题，对，我用手机讲就好，对， 00:25 实在不好意思大家，没事，美好的小天气， 00:28 果然还是我之前哇，对我我自己是。 00:31 对对于时差极其敏感， 00:33 但是课代表可能因为有很多的活动是在美国， 00:37 所以对时区没有我这么敏感。 00:40 而且我应该那个什么。 00:42 没关系，那对应该应该那个确认一下，没关系， 00:46 那好，我们就是刚才在跟大家闲聊啊， 00:49 然后那个那我就正式开个场，那今天非常开心， 00:53 邀请到我在西雅图本地的好朋友， 00:56 然后也是我的我的 AI 00:58 AI 世界的领路人课代表立正同学来跟我们做这场 01:03 分享，然后我就简单。 01:04 介绍一下，就是哎呀，算了， 01:06 那个自我介绍交给你吧。 01:08 我就只说我我自己的一个一个小的体验， 01:11 就大概在今年二三月份的时候， 01:13 就因为 OpenCL 响火了这件事情， 01:16 其实那会儿让我有一点点焦虑。 01:18 就虽然我明明是处在一个这种所谓的休息状态， 01:21 但是看到人人在谈 OpenCL， 01:23 我也是有点觉得哎呀跟不上啊等等， 01:26 会有这样一种感觉。 01:27 然后那个时候就反正课代表就一直在我们认识这一 01:31 年就不遗余力的在给我渗透各种， 01:34 就是他对 AI 的一些非常本质的认知。 01:37 然后那段时间反正我都忘了聊具体聊了些什么， 01:41 但是。 01:42 我当时就意识到一件事情， 01:44 就为什么我仍然会在 AI 这件事情上有一些焦虑， 01:48 即使我自己已经用了很多啊，是因为呃， 01:51 就是我我我觉得我没有去去真正的去理解到一些特 01:55 别本质的东西， 01:56 以及就是我我觉得要有一个我我觉得他对于 AI 有 02:00 特别本质理解的人哦， 02:02 就我我跟定跟定这样的一个人， 02:04 然后他会给我一种就是当我自己的认知还没有到那 02:08 一步的时候，给我一种稳定感。 02:10 然后我觉得， 02:11 就是虽然我身边有很多很多做 AI 的人啊， 02:14 也不是说大家做不好啊，没有完全没有这个意思， 02:18 但是始终我觉得好像没有让我有一种那种就是这个 02:21 这个人的认知扎的特别特别深的那种感觉。 02:24 对， 02:25 但是我当那段时间看了比较多课代表和他合伙人鸭 02:28 哥的文章以后，我就觉得哦。 02:30 就是我当时心里面， 02:31 就是我我觉得我的理性层面可能都不太能说得清楚 02:35 ，但是我的内在就是有一种非常强的稳定感。 02:38 我觉得嗯，就跟他们就没错，就就有这种感觉。 02:42 然后包括我自己后来， 02:43 我其实到到到现在我都没有装过龙虾， 02:46 但是我用 Cloud Code 02:49 就就很快就上手， 02:50 然后也真的帮我解决了真实的问题。 02:53 然后包括就很多时候我们零零散散的一些交流， 02:56 然后包括我之前看课代表在另外一个社群。 02:59 分享就真的是让我一下子就是非常具象化的看到了 03:04 哦，就是一个顶级的高手， 03:06 并且是兼具技术背景和个体创业背景的人是怎么能 03:11 够就是把 AI 用到一个就是就是既有那种工业级的 03:16 水准，然后同时又很接地气，就大概那种感觉吧。 03:21 对，所以我就觉得。 03:23 呃，就就很很很期待，然后， 03:25 然后当时当时我还我还我还跟课代表说， 03:28 就我说我觉得我的我这边的人好像都对 AI 不是很 03:31 感兴趣，就我的社群里面， 03:33 我当时分享我用 Cloud Code 做的东西， 03:37 然后都没有人理我， 03:38 然后我就觉得我社群里没有人就是喜欢这个 AI， 03:42 然后那我在想这个分享。 03:43 就当时课代表也说我们要不要一起做场直播， 03:47 然后我就觉得啊， 03:48 我的用户里头好像都没有人对这感兴趣。 03:51 但是后来我就一想，哎，我们联盟啊， 03:53 这个 AI 的氛围很火热， 03:55 所以这或许是一个很好的场。 03:57 样子，然后我就跟 Lucky 说，然后， 04:00 所以我们大概一个多月前，然后就开始约， 04:03 然后就各种时间凑不上，等等等等， 04:05 然后就约到了一个月后的现在。 04:07 结果呢， 04:07 没想到当我把这场活动开放给我的社群的时候， 04:10 居然我们在一天时间里面报了将近八十个人， 04:13 我惊呆了。 04:14 所以之前那是我的错觉嘛， 04:15 就是没有人讨论 AI，所以大家还是感兴趣的。 04:18 嗯，好吧，就大概就说这么多，然后那个， 04:24 那接下来就交给课代表，然后那个，呃， 04:29 我共享一下屏幕，呃，嗯。 04:32 我们今天我不知道你会讲多久啊， 04:35 然后大家如果在听的过程中有什么问题，啊， 04:39 欢迎在评论区随时提。 04:42 我作为主持人，我会记录大家的问题。 04:45 最后，最后我们有一些时间。 04:48 好的，呃，我你那有回音？ 04:50 有回音， 04:51 我把我的这边就是 connect 04:55 device 关掉了。 04:57 现在怎么样？ 04:58 现在可以了。 05:00 好，稍稍等我一下，因为我在车里边， 05:06 我把这个声音给调一下，可以吗？ 05:13 可以，嗯，好，谢谢青青介绍啊， 05:15 然后我稍稍回应一下你前面的那个介绍， 05:18 就是尤其是给可能不太知道我的背景的同学们一点 05:21 简单的背景吧。 05:22 我自己是一个经济学博士， 05:24 但是就是美国的经济学它的训练其实是非常数理的 05:27 ，所以说在那个时候呢， 05:29 我就开始接触一点点的这种， 05:31 就是从 linear regression 05:34 到 lasso regression 05:37 等等这些所谓的上一代的 machine 05:39 learning。 05:41 然后后来我第一份工作是一七年在亚马逊做一个经 05:44 济学家，那个时候就是大规模的去学习 AI， 05:47 然后也去就了解了 AI 在这种互联网大厂的一线的 05:49 应用是什么样子。 05:51 但是我们这里说的这个 AI 呢， 05:52 都是上一代的 AI， 05:54 就是 machine learning 啊， 05:56 new 啊， 05:57 就是 deep 呃 deep 05:59 learning 这些东西。 06:00 我后来再去 Meta，然后再去腾讯。 06:04 我当时在腾讯是一个数据科学的副总监， 06:07 手下也会管一个这种专门的算法团队。 06:10 然后就是在腾讯工作的期间，AI 出现了， 06:14 而且是那个时候我也是因为在做自媒体， 06:17 所以说跟各个行业的人有很多交流， 06:19 尤其跟这个美国硅谷这边人很多交流。 06:22 在 ChatGPT 出来之前， 06:25 然后美国这边其实已经很多人啊， 06:27 就是一线投资人已经在讲生成式 AI 的事情了。 06:31 于是我去呃访谈的时候知道了这一点， 06:34 我那个时候就感觉到，呃， 06:36 我之前认为的 AI 的一个天花板被生成式 AI 给打 06:40 破了。 06:41 在那之前呢，我其实对 AI 是比较失望的。 06:44 我在二零年出了一系列的视频去讲， 06:46 就是 AI 不像大家想象的那么厉害。 06:49 AI 能干的事儿呢，其实是有限的， 06:51 因为它呃是需要很多数据， 06:53 然后你数据越多和你的这个训练越强， 06:56 它其实就只能专心于一个系一个具体的任务， 06:59 它不 general，它不能去呃做通用的任务。 07:03 所以说那个时候的 AI 是有很多局限， 07:06 它在这个搜索推广和这个呃就是搜索广告对吧和推 07:11 荐很好用，但是离开了这个领域呢， 07:14 其实它能做的事情非常有限。 07:16 可是生成式 AI 出来之后呢，一切就改变了。 07:19 所以说在那个时候， 07:21 我也集中的学习了生成式 AI。 07:23 我看昨天就是前天发的一个文章里边，呃， 07:26 就发了一个怎么说， 07:28 就是呃社区截图里边有一个同学专门提到了我在二 07:32 三年时候写的关于 ChatGPT 最重要的五个问 07:35 题。 07:36 那期文章我刚刚就是我看晴晴讲的时候， 07:39 我就发到了我们的这个聊天里边。 07:41 那篇文章其实现在去看呢， 07:44 很多东西还是非常本质的，以及在那个文章里边， 07:47 我其实是提了我认为最重要的问题。 07:50 和做出了非常非常大胆的预测，在那个时候， 07:53 国产所有人都在吹捧文心一言呐。 07:56 然后我那个时候就说，别去管文心一言做什么， 07:59 就是文心一言不重要，文心一言做不成的， 08:02 就类似于这种非常当时看起来非常大胆和非常非共 08:06 识的一些预测。 08:07 然后现在呢，也都是一一应验了。 08:09 在这个过程中， 08:10 我也是就是把更多的精力和注意力和热情投入在了 08:15 AI 的这个学习和使用中， 08:17 包括我的这个 co-founder 和一起教课的 08:21 这位鸭哥， 08:22 他也是之前就是已经是一个非常厉害的程序员。 08:26 那他对 AI 的理解也是很本质， 08:28 所以说我们两个的搭档吧， 08:30 大概就是我负责一些概念上的理解， 08:33 我负责共情大众， 08:35 就是我共情这些不是特别厉害的程序员， 08:38 大家学 AI 的时候有什么挑战， 08:40 然后有什么程序员觉得很简单， 08:43 但是我们可能觉得不简单的东西。 08:46 然后我去想这个技术在业务上怎么应用。 08:49 那亚哥呢，就提供不断的实验， 08:51 就是他可能每个每天啊， 08:53 他每天是要平均消耗十亿 token 以上的。 08:57 就是就是天，而且这个可能在最低都不是很多， 09:00 就是就是最低也都是要十亿 token 以上， 09:04 就是每天平均都是十亿 token 以上， 09:06 就是他要不断的尝试各种东西， 09:09 合用 AI 搭建了很多很多的业务和技术的这个框架 09:12 ，他对 AI 的使用能力是非常非常强。 09:15 我们在很多硅谷的朋友，包括在 OpenAI、 09:18 Meta 工作的朋友，都非常的佩服他， 09:21 就是他在技术圈里面是很厉害的。 09:23 所以说，我们两个的这样的搭档， 09:25 就让我们去教 AI 和去有这样的一个 AI 09:29 的社区。 09:29 呃，也就是说，这是为什么？ 09:31 我觉得确实，呃， 09:33 我们在一定程度上可以提供晴晴刚刚所说的这种， 09:37 呃，就是对 AI 非常深度的技术理解。 09:40 就是我们不是从概念上去理解 AI， 09:42 我们真的去把所有的论文该该读的论文都。 09:46 AI 知道怎么样子部署本地的这个呃， 09:49 open open 模型，然后我们。 09:53 对这些技术呢有一些很本质的思考， 09:56 然后对技术的应用也有很本质思考。 09:59 那我们综合了这么多东西， 10:02 我们也希望就是在不断的教学中帮助大家跟上这个 10:06 时代。 10:07 因为虽然说 AI 有这么多知识， 10:09 有这么多感觉需要学的东西和了解的东西， 10:13 但是其实我现在觉得啊， 10:15 就是一个普通人想跟上这个时代，想使用 AI， 10:19 说难有点难，说不难也不难。 10:22 这个难就在于啊，它其实要改变两件事情。 10:24 我一会儿在这个就是 presentation 里 10:28 面会讲，它需要改变 mindset， 10:30 它需要改变思维方式，然后需要改变习惯。 10:33 就是这两个看上去很软， 10:35 但是其实很难改变的东西。 10:37 其实，就咱们我看到咱们社区的介绍， 10:39 就是也有很多人是关注内修的。 10:42 其实，你关注内修就会发现， 10:44 健康饮食是不是说难难，说简单也简单。 10:47 只要你改变了你的思维方式，改变了你的习惯， 10:50 你就可以健康饮食。 10:52 但是，这么多人的饮食不健康，甚至就是我们说。 10:55 可能不太好的例子啊，就比如说张雪峰， 10:58 他一直吃外卖，然后一直饮食不是很健康， 11:01 哪怕他跑步，对吧？ 11:02 他做很多锻炼， 11:03 但是他明明知道他吃的东西不健康， 11:05 但是还是很难改， 11:06 就是就是因为这个 mindset 和习惯， 11:09 其实是很难改的一个东西。 11:11 这就是为什么我觉得可能咱们这个社区去讲这些东 11:14 西很有用，因为因为大家注重内修的话， 11:17 其实可能比普通人更容易去改变自己的 11:19 mindset 和习惯。 11:21 这是我可能一个开场吧。 11:23 那我今天去给大家讲的呢，这个标题，呃， 11:26 其实并不夸张。 11:27 用 AI 提效百分之三十和提效十倍， 11:30 差别到底是什么？ 11:32 我们也会看到很多人是用 AI，奇效的十倍、 11:35 上百倍，甚至你如果去看，就是 Y C 的， 11:38 就是美国这边投资人去讲， 11:40 他们见到了很多人是奇效一千倍。 11:42 我觉得鸭哥他肯定是有奇效一千倍的， 11:45 就这个并不夸张。 11:46 但是我们不用去追求那么多， 11:48 我们先看怎么样子迈过这个奇效百分之三十到奇效 11:52 两倍的坎儿，把这个坎儿迈过了以后， 11:54 剩下的就是你通过习习惯不断积累、 11:57 不断迭代就好了。 11:58 然后在这里边。 11:59 你就是开宗明义嘛，我们去想，百分之三十呢， 12:03 是你做同样的事情，但是做得更快一点。 12:06 就是我之前我要做一件事儿， 12:08 我去 Google 上搜一下，或者说， 12:12 我跟呃，现在我不跟 Google 去搜了， 12:15 然后我直接去问一下 AI。 12:17 但是这个要想做十倍呢， 12:19 其实你是需要把整个工作系统给换掉的。 12:22 那在这后面我去讲具体的方法啊， 12:25 但但是我这儿可以稍稍给大家举个例子， 12:28 就是当年电机去取代蒸汽机的时候。 12:30 在一开始，就是尤其在工厂里边， 12:33 工厂之前是在蒸汽时蒸汽机的时代也是有工厂的， 12:37 然后工厂的这个排布呢， 12:39 就是蒸汽机放到整整个工厂的中间， 12:42 然后用齿轮啊皮带啊把这个动力传到旁边的机器上 12:46 。 12:46 然后电机发明了之后呢， 12:48 大家想的肯定就第一步是用电机去把这个蒸汽机给 12:52 取代掉。 12:53 那电机因为它可能更便宜啊，功率更高啊， 12:56 包括它的这个持续时间更长啊，占地儿更小啊， 12:59 大家就能得到一个百分之三十的奇效。 13:02 但是其实是过了几十年，大概是四十年的时间， 13:06 我们的工厂的效率才真正提高了。 13:08 它不是因为发明了什么新技术， 13:11 而是因为发明了流水线。 13:13 我们发现电机和蒸汽机的区别是蒸汽机特别大， 13:17 电机特别小。 13:18 电机可以很小的情况下输出很高的功率。 13:21 那这个时候我们工厂的排布不应该围绕动力去排布 13:25 ，而应该围绕你的生产生产流程去排布。 13:29 然后大家就慢慢发现流水线， 13:31 然后可能一开始把两个机器上下游放到一起， 13:35 慢慢的把所有的整个生产流程都串联起来。 13:38 当把整个的生产流程从输入到输出围绕。 13:42 新技术重构一遍的话，大家才发现哦， 13:45 可以提效十倍到一百倍。 13:47 所以说，今天我跟大家讲的呢， 13:49 就是所有人其实都。 13:51 接触都可以接触到最新的模型、最新的工具。 13:54 模型和工具这件事儿呢， 13:56 不是我们真正提效的关键， 13:58 就是它的这个电机已经到了你手里了。 14:01 你真正能提升多少效率呢？ 14:03 其实是在于你怎么去构筑你的流水线。 14:06 我不知道这部分有没有讲清楚。 14:08 如果讲清楚的话，我们就可以开始了。 14:11 好的，那青青帮我翻到下一页吧。 14:18 好， 14:19 这个就是我用 AI 去读了一下咱们的那个社区的介 14:22 绍啊，然后这里边主要讲的就是， 14:24 其实大家应该都有一定的这个 AI 背景了， 14:27 所以说我就不去讲那些特别特别基础的东西， 14:30 我也不会去跟大家去做工具的 tutorial， 14:33 就是说这个按钮怎么点，那个按钮怎么点， 14:36 然后这个小技巧，那个小技巧， 14:38 或者怎么样写 prompt， 14:40 我就不给大家讲这些东西了，下一页。 14:43 然后大家虽然是超级个体， 14:47 然后是这种呃一人公司， 14:51 但是我相信大家也意识到了。 14:56 就是我们最后要找的是这个业务的效果或者业务的 15:00 结果， 15:00 所以说我们不是说要强调一人公司是一个人单干， 15:04 而是我们是要把很多不同的东西结合起来， 15:07 并且利用一个社群的这种力量去不断的往前走。 15:10 所所以说基于这个理解， 15:12 我到最后也给大家专门开放了我们 15:14 Superlinear Academy 15:17 的一些特殊的邀请， 15:18 并且我们还有我们那个课程的， 15:21 就是可以给大家一些名额。 15:22 呃，我一会儿在最后会介绍， 15:25 大家可以利用 Superlinear 15:28 Academy 的这个社群做什么事情。 15:31 它是就是大家想在里边去介绍自己的业务， 15:34 去找种子用户，去做冷启动都是非常欢迎的。 15:37 嗯，我们下一页。 15:39 好，这是我刚刚说的那个例子所说的点啊， 15:42 就是大家都有， 15:43 大家都有 Cloud Code， 15:45 大家都有小龙虾， 15:47 大家都有各种各样的 AI 工具。 15:49 那为什么有的人是可以做到提效很多， 15:52 有的人提效就发现他可能做一个任务的时候确实能 15:56 达到个两两两倍、三倍、十倍的提效， 15:59 但是如果看他整体提效呢，只有百分之三十。 16:02 那这里边的区别就是，你如果想做这个，就是呃， 16:06 你你如果还是思路还是用电动机去替换替换蒸汽机 16:10 ，那落到 AI 上呢，就是我原来有什么任务， 16:13 然后这个任务的我去做这个任务的方式不变， 16:17 只不过是换了一个工具。 16:19 那这个就叫做动作级提速。 16:21 那你确实写文案可以变得更快了， 16:23 然后你总结会议啊，AI 直接就给你总结好了。 16:26 你在这件事情上你会发现哦，提效好多， 16:29 但是你整体的提效只有百分之三十。 16:31 如果说你想要做到一个十倍的杠杆的话， 16:35 就需要系统级换挡。 16:36 那你需要 AI 去读上下文， 16:39 然后你需要 AI 去可以把所有的工具和所有的你的 16:43 文件。 16:43 全都整合起来，你尽量只在 AI 里边去， 16:46 就是我这里面说的 AI 呢， 16:48 基本上指代的是我 agent 工具。 16:50 我一般说我 agent 工具会说是 Cloud 16:53 Code、ChatGPT 的 Codex， 16:56 或者说是 Google 的 Anti 16:58 Gravity，或者说是 Cursor， 17:01 这四个在我看来是 agent 工具。 17:03 小龙虾，我在今天就不多多聊了。 17:06 就小龙虾，它其实也算是一个 agent 工具， 17:09 但是因为一些就是设计上的问题， 17:11 或者说设计上的呃哲学吧。 17:13 我自己并不是特别喜欢用小龙虾， 17:15 这是我自己的一个呃 preference， 17:18 或者说这是我自己的一个使用偏好。 17:20 呃，我这里边说， 17:21 大家听到我说这种就是呃这些工具的时候， 17:24 你可以把它理解为就是我说的是 Claude、 17:27 Codex、 17:28 And Gravity 和 Cursor。 17:31 然后如果大家想把它带入小龙虾的也可以， 17:34 但是要注意就是小龙虾其实是有一些它自己的特色 17:37 在的。 17:38 大家这种感觉，那么接下来呢，就是我们流水线， 17:41 就像流水线的呃这个搭建， 17:43 它其实不是一步到位的， 17:45 不是说有一个人一上来就知道最理想的流水线是什 17:49 么样子的， 17:49 而是需要在使用的过程中不断的去迭代， 17:52 不断的去把它变好。 17:54 那我们在使用 AI 的过程中也是， 17:56 你不要去看这一次任务。 17:58 你的 AI 是不是一下子给你达到了十倍提效？ 18:02 而是要看这个任务在在做第二次的时候， 18:05 它的提效是不是比第一次提效多了很多？ 18:08 这是一个很关键的点。 18:10 所以说这一页其实是一个理念上的区别， 18:13 而且是在我看来啊， 18:15 就是我们能把 AI 用的越来越好的一个非常重要的 18:18 观念上的变化。 18:20 好，这一页要是没有问题的话， 18:22 我们可以到下一页。 18:24 那我们如果要去了解一下， 18:27 就是 AI 它的这个变革，或者说是， 18:32 就大家都在说 AI 好厉害，好厉害，可是我觉得。 18:38 比较少少有人啊，真的去反思一下， 18:41 就是 AI 它为什么这么厉害？ 18:43 就是每每年互联网或者说是这个科技界都有那么多 18:47 新东西，今天是巨深智能，明天是光伏， 18:50 然后呃后天是这个，反正就是呃元宇宙， 18:53 然后 Web Three， 18:56 然后这个 O to O 等等的这么多东西。 18:59 为什么 AI 和那些东西都不一样？ 19:02 为什么 AI 这么本质？ 19:03 为什么 AI 的变化这么大？ 19:06 我们也可以说很多，就是啊， 19:08 就是 AI 是取代智能啊，然后这是一个新物种啊， 19:12 然后我们可以去说这种东西。 19:14 但是我想用一个更加精确的语言去告诉大家它为什 19:18 么这么不一样。 19:19 所以说我们就不会去过度的去说它。 19:22 不该承载的那些意义， 19:24 但是我们也充分理解它本身的意义有多大。 19:27 那这个这句话如果用一句话去总结， 19:30 就是我们这个生成式 AI 它到底有多， 19:33 它到底是个什么东西啊？ 19:35 一句话的话就是， 19:37 它是人类调度算力的第三个界面。 19:40 人类调度算力的第三个界变， 19:42 人类调度算算力的第一个界面是编程。 19:46 人类调度算力的第二个界面是我们的图形交互界面 19:49 ， 19:50 就是 graphical user 19:52 interface。 19:53 咱们今天看到的这个飞书，对吧？ 19:56 然后我们今天可以点几个按钮就加入这个飞书， 19:59 然后我们去看到这个， 20:00 就是反正就是我们没有任何的编程能力就可以去做 20:03 这么多事情，是因为我们有这么第二个交互界面， 20:06 图形交互界面。 20:07 所以说普通人都是可以调度很多算力去做很多自己 20:11 想做的事儿的。 20:12 但图形交互界面的问题是什么？ 20:14 就是你所有的需求都需要有人给你做出来， 20:17 是需要很贵的程序员去把这个按钮给你做出来了之 20:20 后，你才可以去点这个按钮。 20:22 所以说它虽然很好用、很易用，但是它很贵。 20:27 那现在呢，自然语言可以调度算力了以后， 20:31 它就会让你的个性化的需求、 20:33 长尾的需求变得空前容易的被满足。 20:37 你人就是人， 20:38 你想你如果想在物理世界中想调度一些东西的话， 20:43 其实是很。 20:44 很贵的，就是你的这个， 20:46 无论是你自己动手也好啊， 20:48 或者说你操作工具也好啊，或者操作机械啊， 20:51 或者说你雇别人想要搬一个东西， 20:53 其实是非常贵的。 20:54 但是你在虚拟世界中， 20:56 你在数字世界中是很便宜的。 20:58 你只要会写程序，你现在通过云， 21:00 你可能几几毛钱的东西， 21:02 你就能调度海量的算力去帮你做事情。 21:04 但问题是我们不会调度这些算力。 21:06 所以说之前的这个超能力呢， 21:09 是存在于程序员身上的。 21:10 这也就是为什么这个互联网公司积累财富的速度是 21:14 空前的。 21:15 之前可能世界上最有钱的洛克菲勒， 21:18 我记得他的财富就就还好， 21:20 就虽然已经是就是钢铁大王，然后石油大王， 21:23 然后运输大王，所有东西都加到一起， 21:26 就他对这个社会的掌控其实是比现在的这些互联网 21:30 新贵要强得多。 21:31 但是他的财富的量量级是不如现在这些互联网公司 21:35 的互联财富量级， 21:36 这是因为就哪怕算上通货膨胀也不如， 21:39 这是因为互联网创造财富的能力是非常强， 21:42 就是因为我们调度算力去 build 这件事儿。 21:46 变得就是很便宜， 21:47 可是它是掌握在一个这个特权阶级， 21:50 就是会会编程的人的这个手里。 21:52 那现在呢， 21:53 我们每个人通过自然语言就可以去调度了， 21:57 它就变成了我们每个人所有的超能力。 22:00 所以说我希望刚才说的这件事情呢， 22:03 就帮大家了解清楚了 AI 它的这个本质是什么。 22:07 那对于咱们，就对于咱们社区里边， 22:09 更重要的就是自然语言， 22:11 尤其我们想要达 10 倍的提效， 22:13 我们要把自然语言当成一个一人公司的工作调度层 22:17 ，工工作调调度层。 22:19 这个工作调度层，其实我是从英文翻译啊， 22:22 其实我中文没有找到一个特别对应的翻译， 22:25 叫 dispatch layer。 22:28 大概是个什么意思呢？ 22:29 就比如说，你想象物理世界中， 22:31 物理世界中我要去送外卖，那那些外卖小哥， 22:34 对吧？ 22:35 他就是这个工作调度层， 22:37 就是 dispatch layer。 22:39 我可以去接各种各样的单子， 22:41 我可以去规划各种各样的东西， 22:43 但是你是需要这个外卖小哥把这个外卖送到人的手 22:47 里边的。 22:47 那我们在这个虚拟的业务上， 22:50 或者说网络的业务上，AI 或者自然语言， 22:54 它其实是可以极大的提升我们的工作调度层， 22:58 让我们的就是效率极大的提高， 23:00 和我们能接触的范围极大的提高， 23:03 并且能做到很多我们之前做不到的事情。 23:07 具体来说，就是过去呢， 23:09 人是要打开很多个不同的软件， 23:11 然后去甚至购买很多的不同的 size，对吧？ 23:14 我们要买费书，然后我们要去啊买腾讯会议， 23:18 然后我们要去买小沃通， 23:19 然后我们要去啊买 Google Doc， 23:23 我们要去买这个邮件，我们要去买各种各样的， 23:26 反正就是软件， 23:27 然后我们要在这里边搬运各种各样的东西， 23:30 然后去把它做这个搬运工，搬运了以后呢， 23:33 最后形成一个业务结果。 23:35 可是现在呢，我们用自然语言去不断的定义目标， 23:39 然后让 AI 想方设法的去得到我们的上下文， 23:43 让 AI 想方设法的去调用这些工具， 23:46 它就可以用我们的自然语言去把这整个调度层全都 23:51 控制好。 23:51 那接下来我们就可以不断的把这里边越来越自动化 23:55 。 23:56 越来越做得更好，就是通过比如说写 skill， 24:00 通过你的这个记忆系统， 24:02 通过你的就是上下文的这个规划，让它越做越好。 24:07 最后呢， 24:08 你就可以让整件事情在更加自动化的同时， 24:12 也帮助你提升它的质量和效果。 24:14 所以说， 24:15 就是这就回应上一页我讲的百分之三十呢， 24:19 它是更快的做到一件事儿，但是十倍是你。 24:23 你用语言去不断调系统调度这个工作的调度层， 24:27 这才能不断的， 24:28 而且十倍不是说我今天跟大家讲了以后马上就得 1 24:32 0 倍了。 24:33 我今天是帮大家打开了这条通道， 24:36 今天这个通道如果你继续做下去的话， 24:39 它就是可以通向一个十倍的结果。 24:41 好的，这有没有问题？ 24:43 要不要？ 24:44 那行，那大家可能刚听那个就是说这个东西呢， 24:49 觉得嗯，也许有道理吧，当然也可能有点抽象。 24:54 那我们再去看到我们这个艺人公司的场景里边， 24:59 真正我们的价值是怎么产生的， 25:02 和我们如果想要去创造更多的价值， 25:06 我们要做什么？ 25:08 我就丢这样一句话， 25:10 我可以大家就是不知道飞叔怎么样表情啊， 25:14 或者说是这个去。 25:15 理解一下这个东西是大家同不同意吧？ 25:18 就是亲戚，你也可以跟大家讲一下， 25:21 就是同意或者不同意的话，啊，大家可以说一下。 25:26 就是一人公司，我这里边说的， 25:28 一人公司每天丢掉的不只是时间， 25:31 而是丢掉的你的行动机会和上下文。 25:34 这句话不知道大家就是能不能听听懂？ 25:37 呃，一件事儿，对吧？ 25:40 然后我洗完澡以后忘了，然后我就没去做， 25:44 或者说我开了一个会， 25:47 然后我觉得有五件事儿需要做， 25:50 但是我接下来就要开下一个会了， 25:54 所以说就是我五件事儿。 25:57 之中的第一件，我可能找时间差钱就没有去做。 26:01 那想开个门，已经到家了。 26:03 就举一个最简单的小例子吧， 26:06 就不是用很复杂的例子。 26:08 比如说我跟欣欣聊完了以后呢， 26:11 我就说我应该去跟 Lucky 约一个会， 26:15 然后 Lucky 这个会呢， 26:17 我可能是应该是呃，比如说周五的一个会。 26:21 但是我就要去找 Lucky 聊，对吧？ 26:25 说 Lucky，你什么时候有空啊？ 26:28 呃，我这个接入一下，应该。 26:31 稍等一下，我电脑接入了。 26:38 大家在听的过程中，如果有什么问题，或者是啊， 26:45 就任何想不一定是问题吧，感想啊， 26:50 然后共鸣啊什么的，都欢迎在评论区互动啊。 26:56 然后问题我都会记录下来， 27:00 放到最后我们一起来问。 27:03 我来了。 27:05 可以听到吗？ 27:06 可以。 27:06 好的，好的，好的，回家了。 27:09 嗯，对，刚刚就说，就是很简单的例子。 27:12 其实这件事儿在我身上就一直发生， 27:15 就是我想约一个会， 27:16 然后这个会呢是需要可能花二十分钟去约的， 27:20 因为我要去呃呃，就是知道对方的时间， 27:23 然后呃我可能还要去知道我的一些时间， 27:26 可能我还要发一个， 27:28 就是这个会到底是干什么的事情。 27:30 啊，然后这件事儿，如果说我在很忙的一天呢， 27:33 它可能就过去了，啊，我就不做了。 27:35 然后可能还有一些事情， 27:36 就是比如说我要去给我的团队同学交代一件事儿啊 27:39 ， 27:39 比如说要去 update 一下我的 27:41 landing page， 27:43 然后然后我就知道我可能要给他发五个五个不同的 27:46 那个文件，然后这个五个文件呢， 27:48 就是啊我要去找，然后找完以后， 27:49 我们还不能直接发给他， 27:51 我还要告诉他我为什么要给你发文件一， 27:53 为什么要给你发文件二。 27:54 或者说我一个客户，这个客户呢， 27:57 我可能会就是要给他说为什么我的课程是非常适合 28:01 你的，然后我要去跟他讲， 28:03 就是我对你的了解是什么， 28:05 然后别人的案例是什么样子， 28:07 然后我这个课程针对你的情况可以解答你的什么问 28:10 题。 28:11 这些东西，如果你做到位的话， 28:13 如果你做到位的话，它都是机会。 28:16 但是你每天的消耗就是在于啊，所有做这些事情， 28:21 你都是需要精力的，都是需要你的能量的。 28:25 可是它需要的能量就比你多的能量， 28:28 就比你具具备的能量多那么一点点。 28:31 这其实是我觉得我们每天百分之七八十这个没有做 28:35 的事情，或者说是丢掉的机会，呃， 28:38 它的本质就是不是说这件事儿我做不了， 28:41 而是说这件事儿它需要开始需要做到位所需要的这 28:45 个 energy 比我具备的 energy 多了那么 28:49 一点点。 28:50 大概是这种感觉， 28:51 所以说这一页我不知道大家有没有了解。 28:55 我把我们就是丢掉的东西，呃，总结成这三类， 29:00 就是行动、机会和上下文。 29:03 而且这个上下文是这个是这是这样的意思啊， 29:07 就是我可能跟有的人线下聊了天。 29:10 然后这个线下聊的天呢， 29:12 它可能跟我之前聊的天是有关系的， 29:15 可能跟我之后做的一些事情是有关系的， 29:18 它可能激发了我的一些行动， 29:20 或者说就是举个例子啊，我有一个学员， 29:24 他做的这件事情很有意思。 29:26 他的这个故事可以激励很多其他的学员， 29:29 他在我脑子里边可能有可能过一会儿忘了， 29:32 我在下次卖课的时候呢， 29:34 我应该把这个学员的例子给拿出来说， 29:37 但是我忘了，或者说我没有总结， 29:40 或者说我要去拿出来说的时候， 29:42 就比如说我今天在跟大家说， 29:44 我没有办法去啊一下子把这个例子拿到大家面前， 29:48 那大家可能就没有感觉， 29:50 这都是所谓的丢的机会和丢的上下文。 29:53 那我们想要真的把这个十倍杠杆落地， 29:57 就是我们系统性的去减少这三类的呃遗漏啊， 30:02 就的行动、就的机会和就的上下文。 30:05 好。 30:06 那最后呢，再重复一遍， 30:08 就是它差距不是在模型上，而是在工作方法上。 30:12 我们现在大多数人在我们教学的过程中看到了， 30:16 大多数人这个使用的方式是聊天，是通过聊天窗， 30:20 就是通过 ChatGPT，通过豆包去聊， 30:24 然后 AI 给你一个东西， 30:26 不管是改文案也好还是什么。 30:29 首先你限制在了聊天窗能做的事情，第二呢， 30:33 就是人在这里边是最大的一个。 30:35 就是 bottleneck， 30:37 人在这里边是这样的瓶颈。 30:39 因为 AI 做事情可以很快， 30:41 AI 调度算力它可以全天候的运作， 30:44 然后它的思维速速度是你的一千倍到一万倍以上。 30:48 但是你如果通过聊天的话，AI 很快的做完了， 30:51 它要等你，而且它要等你把上下文给到它， 30:54 然后你它做出来的东西呢， 30:56 它还要等你复制粘贴到另一个软件里边去把它使用 30:59 掉。 30:59 我去，我去拿个水啊！这边没水了。 31:09 对，那我也在这儿跟大家来个小互动吧，就是， 31:15 呃， 31:15 有多少人现在就是跟 AI 的互动就都是在聊天里面 31:21 ，可以扣个一； 31:23 然后有真的在用 Agent AI 做事情的， 31:29 可以扣个二。 31:31 嗯。 31:31 那个课代表， 31:33 你要你要把共享屏幕换到你的自己那儿，有道理， 31:37 因为你一会儿要点灯，你肯定要共享，是吧？ 31:42 那我可能还要就是设置一下。 31:49 哇，看来还是只用过聊天的人占大多数啊！ 31:54 在在我们今天的，应该应该很多是我社群的伙伴， 32:01 我感觉啊， 32:02 联盟应该绝大部分人都已经用 Web 32:07 Coding 了。 32:10 嗯。 32:10 呃，你需要我停止共享吗？ 32:14 呃，等我一下下，我把对，那我要退出， 32:20 然后再重建。 32:22 我共享的话需要开一下，确实没有太多用过。 32:29 那我们就稍等片刻，其他人可以再来互动一下。 32:36 我们现在在场四十多位， 32:39 只有不 10 个人打了一和二。 32:44 我可以再打一打，好，那我停停掉。 32:48 好，我给大家先看一下，就是一个，嗯，等一下， 32:53 他说停勿输入密码， 32:55 我先给大家看一下这两个区别。 32:58 呃，我们社区有一篇文章啊， 33:02 就是讲这个 Chat 和 Agent 33:06 工具的区别。 33:07 你关一下东西，这就是一个 Codex， 33:12 然后这个是 Cloud，就是等一下， 33:17 你你的共享没成功，哎，在下边开始共享， 33:22 然后共享到你那个界面。 33:25 好了，哦，现在有，可以吗？嗯，好。 33:33 对，可以了。 33:33 就是我如果用 Chat 的话， 33:35 它是这样的一个东西，对吧？ 33:37 或者说 Cloud Code 33:39 它是这样一个东西。 33:40 那我现在呢， 33:41 我如果打开 ChatGPT 自带的 33:43 CodeX 是这样子的， 33:44 如果打开 Cloud Code 所自带的这个 33:47 Cloud Code 是这样子的， 33:49 如果打开 Cursor 呢， 33:51 是一个它之前和这些东西长得不一样， 33:53 现在它的这个 GenAI 33:54 模式也是几乎是一样的东西。 33:56 你所有跟拆，我在这里边跟大家讲， 33:59 就是如果说今天大家上完这个听完这个分享，呃， 34:03 只记住一件事儿的话， 34:05 那就是以后不要打开 ChatGPT， 34:08 所有你想在 ChatGPT 里做的事情， 34:12 都直接打开这个 CodeX 去说， 34:15 甚至比如说就是帮我改一下。 34:17 如下文案对吧？ 34:19 然后我们随便去随便去编一个文案啊， 34:24 随便去说一个文案，对啊，就这样吧， 34:28 就说这种话。 34:30 呃，我要发邮件，发微信好了。 34:39 也都在这里边做，嗯，他你就会第一你会发现， 34:43 就是你在 Chat 里边做的事情呢， 34:46 在这个 Gentle 工具里边全都能做， 34:50 然后你开始有了这个习惯。 34:52 你就会发现这里边能做的事情比你 Chat 里边多 34:56 十倍， 34:57 因为它可以掌握你本地的所有的文件和调度各种各 35:01 样的工具，它可以写各种各样的代码去做。 35:05 比如说啊，我跟他说一个非常不合理的要求， 35:09 把这个做成一个网站，并部署到。 35:12 花哨一点，然后刚才这个东西呢， 35:18 它就会变成一个网站。 35:23 而且就是这个网站， 35:25 我一会儿发到发到这个链接里边， 35:28 大家都是可以看到的。 35:30 大家都是可以看到的，就是它的能力是强很多。 35:35 但是今天讲的这个东西呢， 35:38 反而不是它的能力的区别。 35:41 呃，我还要跟大家去看一下，这是咱们社区的。 35:46 比如说， 35:46 我们今天社区的分享其实就是这样一个 PPT， 35:50 然后这个 PPT 是我跟就是在这个里边做的。 35:54 呃，前期我记得在社区里边有稍微分享一下， 35:58 就是我当当我们做这样一个 PPT，呃， 36:01 我基本上会说两句话，但是其实有一个没有分享， 36:05 就是我两句话会生成一个六十分到八十分之间的 P 36:08 PT，接下来呢， 36:10 我会花不少的时间去把它做得更好一点， 36:13 然后这个更好的是做做得更好的， 36:15 其实是我觉得我个人杠杆的一个最大化的使用。 36:19 比如说昨天我去干什么呢？ 36:21 我昨天就，大家可以看， 36:23 就是我是基本上是说话去讲这样的一个东西。 36:27 就是明天呢，我要去呃做一个分享， 36:30 这是新物种的 PDF，然后这个是我分享的主题， 36:34 然后我刚才说了一些要求。 36:36 啊，我会告告诉他，我本地有一个文件， 36:39 然后我想用这个在亚马逊给亚马逊做培训的这个讲 36:43 座为主体去分享我今天的东西， 36:45 但是我还找不到文件夹了，我不记得了，哎， 36:48 你帮我找，然后去讲一下这些东西， 36:51 然后这些东西呢，我大概知道名字， 36:54 我都不用去文件夹里找出来给他。 36:56 然后再说你要不要去？ 36:58 然后我说我去睡觉了，你先构思，搭建起文件夹， 37:01 然后推进整个 PPT 的构建， 37:03 然后包括整个 demo， 37:05 最后部署就部署上到网站上。 37:07 我明天早上起来看。 37:08 然后睡前呢，我就觉得哎不放心， 37:10 所以说我其实睡之前呢，我又加了一句这句话： 37:13 做完以后你再看看我其他的 presentati 37:16 on，尤其是最近跟一个对冲基金做的， 37:18 去自己检查一下。 37:19 然后他嗡嗡嗡做，做完以后呢，他又去做， 37:23 然后他又去检查。 37:24 这个就是我早上发给琴琴和 Lucky 的第一版本 37:28 ，还有 Neil 他们看到的这第一版本。 37:31 但之后呢，我打开它， 37:32 我就说这个东西我现在人上线了， 37:35 我人上线看看怎么样子做的更好。 37:37 我会觉得嗯，这几个 demo 我做的不太好， 37:41 然后我会去让他去把这个东西全都做好一点。 37:44 然后我会又说呢，就是，呃，我在这个使用使用， 37:47 我要给大家提一个很重要的点， 37:49 就是我今天教的所有的东西都是可以跨工具使用的 37:52 。 37:52 你可以在 Cursor 上使用， 37:54 你可以在小龙虾上使用， 37:56 你不需要去绑定任何一个工具，这个挺重要的， 37:59 加上去。 37:59 然后呢，我在后面还应该邀请大家，大家来社区， 38:03 因为咱们这个社区是一个这样的东西，是吧？ 38:06 然后我可以要求大家建立合作，然后加里的东西。 38:09 然后我再看，我就发现又有想法了， 38:11 就是说我觉得这个节奏啊，可能要改一改啊。 38:14 然后我还要给大家提供一些新的思想啊。 38:17 然后我就直接用自然语言去去跟他说。 38:20 然后基本上就是这个这些所有的过程都是我是在跟 38:23 他试图把这个东西做得更好。 38:25 它其实解放的是我做 PPT 排版所有的那些搬砖类 38:29 的工作。 38:29 我在这里边真正我个人的杠杆是什么？ 38:32 我给他提供思想，我给他提供审美， 38:35 我给他提供判断， 38:36 我跟他想方设法的把这个 PPT 做得更好。 38:39 而且其实我这些东西都是上传到了 GitHub， 38:43 就是大家如果感兴趣的话呢， 38:45 所有的文件全都是在 GitHub 上是可以看到的 38:49 。 38:49 哦，这是刚刚说的那个那句话。 38:52 现在 AI 做好了，就做成了一个网站。 38:56 我还要再花哨一点，是挺花哨了吧？ 39:00 你买了 ChatGPT， 39:03 你买了 Claude，这些东西都是送的， 39:07 一定要去使用一下。 39:10 大家感没感受到，就是这个的区别是什么？ 39:14 哦，话说我是不是在这分享嘛？ 39:17 他又在背后去做这些东西，这是一个本地的， 39:21 然后过一会儿他会把它 deploy 39:24 到这个网站上， 39:25 然后我们就可以直接到时候就分享这个网址了。 39:30 希望这个具体的点吧， 39:31 就给大家看到了一个这个正确工具。 39:35 那这个正确工具它的原理是什么？ 39:38 它其实背后还是同样的大语言模型。 39:41 但是它上面加了这个大家现在说的这种 39:44 harness，就是给它加了各种各样的工具， 39:48 然后呢，让它有文件系统， 39:50 然后让它比如说去调度计算机本本地的算力去做东 39:54 西的时候，又把上下文呢让它可以读到， 39:58 就比如说它编一个程，编成结果呢， 40:01 它自己可以读。 40:02 那在这种情况下，它就可以多步决策， 40:05 然后它可以调用工具，然后它可以自我迭代， 40:09 那它就可以比这个 Chat 做更多的事情。 40:12 同样的事情，我放到 Chat 里边会怎么做？ 40:15 我会说把这个东西，我如果要做成网站怎么做？ 40:18 然后 ChatGPT 给了我一大段脚本， 40:21 然后我把这个脚本， 40:22 他会告诉我你放到什么工具里。 40:24 这个时候我就要嗯嗯走出 ChatGPT， 40:27 进到另外一个工具里边去开始去做。 40:29 然后中间不懂的呢，我还要问 ChatGPT。 40:32 那现在为什么它可以做啊？ 40:34 就是因为它其实它知道， 40:35 就是它可以去调度那些工具， 40:37 然后所有的需要人告诉 ChatGPT 40:40 的东西。 40:40 他自己就得到了这个上下文和这个叫 40:43 feedback loop， 40:45 得到了这些所有的信息， 40:47 那他就可以自己的往下走， 40:49 就不需要依赖人在中间一步一步的跟他就是交互了 40:53 。 40:53 对，我们再稍稍看一下的话， 40:56 这个东西就会变成一个网页啊。 41:00 但是我们先不急着看它，呃。 41:03 哦，好了，我可以把这个放到咱们的聊天里边。 41:10 咦？ 41:11 不好意思，又聊天怎么打开嘞？ 41:16 你指的是飞书的聊天吗？ 41:20 聊天，就是聊天在左下角。 41:24 对，哦，好了，大家可以点开的话就可以看到， 41:31 就是我刚才那一句话， 41:35 它其实上又变成了一个网站。 41:39 虽然就是因为我是随便拿了一个我在给腾讯做企业 41:45 培训的时候的，就是一句话，它没有任何意义。 41:51 我只是想告诉大家，就是 AI 其实是很听话的， 41:55 哪怕这个没有很很有意义的东西， 41:57 它最后也会给你就是干很多的活， 42:00 搞出来一个非常 fancy， 42:02 然后非常就是呃调度了很多算力， 42:05 之前很贵的方式才能做出来的这么一个东西。 42:08 你如果把一个有意义的东西交给他， 42:11 他就更能把你这个有意义的东西给放大了。 42:14 好，就是这一点， 42:17 就是从 Chat 到 Agent 42:21 的具体是什么意思？ 42:24 那使用 Agent 之后呢？ 42:28 我们接下来想要做好的就是通过使用 agent， 42:31 把自己做的所有的事情， 42:33 尤其是这个调度层变成一个系统， 42:36 把经验标准和资产留下来， 42:38 让下一轮的工作继承上一轮。 42:40 比如说大家刚刚看到我去跟这个 AI 说的东西， 42:43 对吧？ 42:44 跟这个 agent 说的东西。 42:46 我会去说，就是其实我有很多东西没有说， 42:49 比如说我做成 PPT 的这个 skill 是本身就存 42:53 在的，这就是为什么我不需要跟他说格式， 42:56 它的格式都已经做的很好， 42:58 并且他自己会去检查这个格式。 43:01 应该我记得就是如果大家去看他的 thinkin 43:05 g 的话， 43:05 他会去说他自己去看一下这个排版是不是对的。 43:09 啊，然后它就是背后的很多东西都是存在的， 43:12 这是因为我之前已经做过了， 43:14 它的这些过去的经验是可以复用到下一轮的。 43:17 然后我也会去说，就是你看我有这些内容， 43:20 然后你去参考这些内容。 43:21 所以说我我虽然看似给大家讲的东西只有这么一个 43:25 简单的 prompt， 43:26 但是其实是这样一个简单的 prompt 43:29 背后再加上我过去那么多次 43:31 presentation 的积累。 43:34 然后得到了这么一个内容， 43:36 所以说这就是 system， 43:38 就是我每次做的时候其实都有迭代。 43:40 那我这次呢，其实也有一些新的迭代。 43:43 我会让他也积累下来， 43:45 让我的下一次工作变得更好和更快和更有效。 43:49 好，所以说这个道理我就不用再多讲了吧？ 43:53 刚才已经通过呃做事情讲了，就是聊天窗口呢， 43:58 你每次都要从零开始。 44:00 然后你是很难跨过不同的工具的， 44:02 然后你是很难验证的， 44:04 因为你需要人先把它做对做错，告诉 AI， 44:07 然后 AI 再去做。 44:08 这里面很多时候人所知道的信息， 44:10 或者说你的就是比如说软件报错了， 44:13 你都不知道去哪儿看， 44:14 你都不知道应该给他报什么信息，是很难验证的。 44:18 然后做完了以后， 44:19 这个资产呢都是在你的聊天窗里边， 44:21 你要自己去下载、下载、下载。 44:24 而我这样去做呢，我直接跟他说了，对吧？ 44:27 就是你的所有的这些东西呢，全都要留在本地， 44:30 而且我还去跟他说，就是。 44:32 这个分享的结构等等， 44:34 它都会成为一些本地的文件。 44:37 这就是我下一次去使用的资产。 44:41 对，你看，像这个就是 AI 自动帮我去说的， 44:45 就是我的什么样的思想是在这个对冲基金、 44:49 亚马逊、腾讯、 44:51 美团到这个咱们这这都是我企业培训的客户啊， 44:56 到咱们这个个超级个体或者一人公司的思想呢， 45:00 就是他会帮我去总结一下， 45:03 就是什么样的这些思想是共通的，这些都是资产。 45:08 所以说，最后的结论，希望就反复跟大家讲一下， 45:12 是系统，是经营环境，对吧？ 45:15 是构建你的这个 dispatch 45:19 layer，上下文到工具到记忆。 45:22 把这三个连起来了，你就会有一个不断的提效。 45:27 嗯，我现在给大家展示第一个这样的一个工具吧。 45:33 第一个这个工具叫 Intake。 45:37 大家，我先停一下。 45:40 临时共享一下，大家能看到我的这个脸吗？ 45:48 就是它是一个， 45:50 就是我这看到是一个大屏还是小屏？ 45:57 能看到，我给大家看一下我的手表。 46:03 诶。 46:04 看我这个手表在干嘛？ 46:07 它在录音， 46:09 然后它已经录了一个小时四十八分钟的录音了。 46:15 对，然后我看一下这个，我以为是昨天晚上的， 46:21 所以说有些东西我我大家这样看到的也正好是一个 46:27 最原始的东西。 46:29 我现在再去直接共享屏幕吧， 46:32 直接共享屏幕给大家看，我在。 46:36 演示的东西的过程， 46:38 这个 context intake 46:42 它其实对应的是一个 skill， 46:45 我到时候也会把这个 skill 分享给大家。 46:50 这个 Skill 干的东西是什么呢？ 46:56 就是他把我每天的。 46:59 他把我每天，就是我每天是打开手表， 47:02 然后去录音。 47:03 那我每天在说什么东西的时候， 47:06 都会被这手表录下来。 47:07 苹果现在这个手表是，如果你打开录音的话， 47:11 这个 Ultra 是可以录满二十四小时。 47:14 如果是买一个就是最新的非 Ultra 47:17 的这个普通的苹果手表，可以录十几个小时。 47:20 所以说基本上都是可以全天候的录音的。 47:23 呃，然后。 47:24 在这儿， 47:25 这是一个英文的这个 dashboard 啊， 47:28 但是可以给大家还是看一下大概的感觉。 47:31 他会说：“这是我在五月十二号的录音， 47:35 五月十三号的录音有几条， 47:38 然后录了大概多长时间？ 47:40 那我打开以后呢， 47:42 去看五月二十号昨天我都干了什么事情？ 47:46 然后在这里边， 47:47 比如说我在跟小红书聊 AI 怎么样去帮他们进行呃 47:52 AI 提效，然后我再去这个聊这些东西。 47:56 然后如果说……” 47:58 对，包括这个一些提炼出来的关键词。 48:02 那在这边就是他每天晚上的十一点五十九分就会自 48:08 动的把我的这个所有的录音 48:11 transcribe 一下，就变成文档。 48:16 啊，并且它其实还是有一些处理的， 48:20 所以说最后呢，到到现在是有这么多个文字。 48:24 呃，如果我给大家找一下它在哪儿的话， 48:28 应该是就是本地的文件嘛， 48:31 本地的文件应该是在这个课代表，然后。 48:35 Context intake， 48:38 这是每天的文件。 48:39 我打开昨天的文件， 48:41 我就会看到这个昨天他发生的做具体的事情。 48:45 然后他会把整就是不同的会议给区分开来， 48:48 然后去讲这是昨天这个会议所干的事情。 48:52 而且他还把这个就是整个的就是说的所有的东西的 48:56 transcription 全都给用起来。 48:59 然后这件事情几乎是不怎么花钱的。 49:02 因为我就是本地的， 49:04 我我做的事情呢是用苹果手表录音， 49:07 然后自动同步在呃 Mac 上， 49:10 就是我所有的苹果的手表的录音都会自动的同步到 49:14 这里，然后他就直接去拿这个， 49:16 用一个本地的模型去就行了。 49:18 就现在的这个呃，尤其通义千问， 49:21 我们应该是用通义千问模型，很快而且精度很高， 49:25 而且本地的就不花任何钱。 49:27 就可以得到我每天发生了什么事儿。 49:30 今天我刚跟老婆出去吃饭嘛，然后他还说， 49:33 就是有了这个东西以后，我们再有什么矛盾， 49:37 去说谁当时说了什么，完全都可以找到。 49:40 对，就是就是谁当时说的对，说的错，对吧？ 49:43 他不光有这个东西可以检查， 49:45 而且他会把这个录音全都给出来， 49:48 就是我当时这个所有的录音全都会有。 49:51 所以说，真的就是你可以想象各种各样的做法。 49:55 包括你有了这个 MT 以后，你可能会说： 49:57 今天我自动给我发一个日报。 49:59 我今天发生了什么事儿是重要的？ 50:01 什么事儿是需要我 follow up 的？ 50:04 甚至在这之上再使用 AI， 50:05 就是这些 follow up 的东西， 50:07 我是不是应该自动的去发一个邮件？ 50:09 我是不是应该去提醒我？ 50:11 是不是应该放到我日历里边？ 50:13 然后是不是我应该把它写成一个文档？ 50:15 是不是我应该把它发成一个公众号？ 50:17 就比如说啊，假设我是琴琴的话， 50:19 琴琴呢就是很善于自我自我反思嘛， 50:21 那他可不可以把自己的 skill 写成一个自我反 50:24 思 skill？ 50:25 然后他每天发生了这些事情， 50:27 然后自动的就生成了一个公众号文章。 50:29 啊，或者说生成一个小红书文章， 50:31 然后他检查一下，然后就可以发出去。 50:33 那他不就是可以去 lifestyle 50:36 创业了吗？ 50:36 就是把每天自己发生的事情，对吧？ 50:38 和配合他的理解啊，就是形成这样的一个。 50:41 这样的一个怎么说呢？ 50:43 自己的内容资产，呃， 50:44 这些都是可以大家可以想象的。 50:47 但是我这儿给大家强调的呢， 50:49 是你的所有的这些东西， 50:51 就是来自于你用 agent 的思路去使用， 50:55 呃，就是。 50:55 上下文工具和记忆，这是三这个这件事情的关键。 51:00 有了这些东西，你才有更多的可能。 51:03 不然的话，AI 就是巧妇难为无米之炊。 51:07 你说你我我我可以给大家问这么一个问题啊， 51:11 就是呃，给大家做一个思想实验。 51:14 今天我给你十个世界上特别厉害的程序员， 51:17 但是他们只能解决你的技术问题， 51:20 他们不能说我怎么帮你炒股， 51:23 或者说我怎么帮你思想构思你的业务。 51:26 但是我给你十个最厉害的程序员免费使用， 51:33 知道怎么样子把他们用好的扣一， 51:38 觉得牛给了我这十个十十个程序员， 51:43 我也不知道怎么用的，可以扣个二。 51:49 全都是二码啊，一点五二， 51:54 一点五二还是很厉害的。 51:59 我觉得我是一点六到一点四到一点六之间吧。 52:04 嗯，对，这就是为什么大家会有 AI 焦虑， 52:08 为什么大家 AI 用不好， 52:11 就是一方面大家其实 AI 东西太多了， 52:15 然后 AI 很多东西学不好。 52:18 其实更本质的一个原因呢是，给大家 AI， 52:22 假设你 AI 的用使用能力非常强， 52:26 你其实也不知道拿它来干什么。 52:29 因为巧妇难为难为无米之炊， 52:32 就是这个这个的点呢， 52:34 是在于我们现在呢去做自己的业务， 52:38 还是按照上一个时代的思路去做自己的业务， 52:43 或者说基于我们在上一个时代的能力去做业务。 52:48 如果说我今天给你这十个非常厉害的程序员， 52:52 你不知道怎么做， 52:53 你跟这十个非常厉害的程序员工作一个月到两个月 52:57 ，你就会有更多的想法。 52:59 为什么？ 53:00 因为你你现在的习惯是我身边没有这十个厉害的程 53:04 序员啊， 53:05 所以说我怎么可能会想到就是怎么使用他们呢？ 53:09 就是我， 53:09 如果我每天我天生就知道我怎么样子是会， 53:12 我应该怎么使用这十个很厉害的程序员的话， 53:15 我会很痛苦，因为我没有这十个程序员， 53:18 我知道怎么用他们， 53:19 我只会说我又错过了这个机会， 53:21 我错过了那个机会，很痛苦， 53:23 所以说我不会去想这件事儿。 53:25 但是给了你这十个人呢，你就慢慢的会去想， 53:28 哎呀，这些人十个人在我面前晃， 53:30 我给他们分配点任务吧， 53:32 然后你慢慢就会激活你这个发现需求， 53:34 或者说发现使用他们的这个能力， 53:37 使用他们的这部分脑子， 53:38 然后你就可以把更多东西交给他们了。 53:41 所以说我今天跟大家教的呢，就是第一， 53:44 你使用 agent 工具， 53:45 你身边就有了这么十个程序员。 53:48 第二，你先不用去想你怎么使用它们， 53:51 你先注意积累上下文，然后注意打通工具， 53:54 注意形成记忆，把这三件事做好了， 53:57 你未来想做更多的事儿， 53:59 就有更多的材料去帮你做。 54:02 然后你熟悉这些做法了以后， 54:04 你自然而然的会慢慢开始想到怎么样子去使用它。 54:08 这个我没有讲清楚。 54:11 好，这是第一个，就是第一个 demo。 54:18 在那之上呢，其实还有更多的东西啊， 54:25 比如说有一个。 54:27 应该是在我我大家不急不一定急着做， 54:32 但是我觉得还是可以给大家讲一讲这个 54:36 context architecture。 54:41 这个 context 54:42 architecture 是什么呢？ 54:45 我们这个叫 context intake， 54:48 我们把上下文每天记录下来了。 54:49 但是我们想要使用它，我们想要提炼它， 54:52 我们想要把它有价值的东西给提炼出来。 54:54 那这个 context 54:55 architecture 就就稍稍复杂了。 54:58 它其实是把海量的我的上下文。 55:00 前后蒸馏了二十遍，就不断的蒸馏， 55:03 然后不断的挑战。 55:04 为什么蒸馏好多遍呢？ 55:05 就是你在这次蒸馏出来了之后， 55:07 然后你可能就要拿着这个蒸馏出来东西去挑战上一 55:11 轮的蒸馏。 55:12 就是说这个东西为什么在这一轮是重要的？ 55:15 那上一轮它为什么没有被更多的发现出来？ 55:18 或者说它在上一轮有什么交叉验证等等等等？ 55:21 总之呢，蒸馏了很多次之后呢， 55:23 它会出现一个这样的东西。 55:25 我找一找。 55:25 嗯，大家如果看这个命名就会看到， 55:30 它会每天就是这个 heart beat， 55:36 就是这就是小龙虾一个很核心的东西， 55:41 就是它它每天会自动的去做很多事儿，然后。 55:47 算了，我直接打开这里边吧。 55:51 对， 55:51 这个就就是我蒸馏到最顶层的一个核心功理体系。 55:57 这个核心公理体系就是我的一些核心价值观。 56:01 我拿着这个核心公理体系， 56:03 配合我这蒸馏出来的各种各样的上下文， 56:07 包括就是比如说它这个公理一， 56:09 然后它是被什么东西给这个更更好的验证了， 56:13 怎么走？ 56:14 那我用这个东西再去调度一个 AI， 56:17 那个 AI 就会更像我， 56:18 因为它继承了我的所有的核心价值观。 56:21 比如说我的核心管理体系是选择与赛道决定上线， 56:25 执行下线。 56:26 然后核心命题是什么？ 56:27 然后在什么时候应用？ 56:29 市场和用户是检验真真理的唯一标准。 56:32 核心命题是什么？ 56:33 然后这个推演是什么？ 56:35 应用是什么？ 56:36 这个东西我不能全都给大家看啊， 56:39 因为因为确实是很多很核心的东西， 56:42 包括我的 AI 其实是就是把很多微信上的聊天都讲 56:46 了，它甚至会发现，就是同样一个公理， 56:49 我在对外的时候说是怎么说， 56:51 然后我在跟我的会员是怎么说， 56:54 和我在私下讲微信的时候是怎么说。 56:57 是说法是不一样的， 56:59 然后那大家就可以想象这样一个 AI 它有多懂我， 57:02 和当我使用这个 AI 的时候， 57:05 它说的东西就多像我。 57:06 这个就是这个 context intake 57:10 到之后还可以做的一件事儿， 57:12 就是我们不急着去做这件事儿， 57:15 因为你的反正材料都在这里。 57:17 如果大家到时候感兴趣的话，我们的。 57:20 社区是直接开源这这个做法的， 57:22 就是我们这个是我们社区啊， 57:25 一会儿我给大家再更多的介绍一些。 57:28 就是在这里边，为什么 AI 只会说正确的废话， 57:31 以及怎么把它逼出舒适区？ 57:33 我们在这儿是直接开源了这样一套系统， 57:36 大家都是可以去使用的。 57:38 然后刚才那个 context intake 57:42 的那个也是开源的， 57:44 就是我今天给大家展示的所有东西都是大家可以直 57:47 接去使用的啊。 57:49 呃，就是在这儿。 57:50 Intake skill。 57:52 那你那你想要装怎么装？ 57:54 有了这些工具特别特别装， 57:56 不要看这是 GitHub 就觉得很可怕， 58:00 就一点都不可怕。 58:01 就之前很可怕， 58:03 之前我也有时就是装的话都很麻烦。 58:06 但是有了以后呢， 58:07 我就跟他说 New Chat 这个东西， 58:11 就是我刚刚复制了一下这个链接， 58:13 复制了一下这个链接，然后帮我安装一下， 58:17 打个回车就行了，就这么简单。 58:19 大家现在就可以， 58:20 如果你有 Cloud Code 或者说是 58:24 Codex，我还可以直接做一下， 58:26 然后它就有了。 58:27 有了以后呢，如果你不会用，你再跟他说， 58:30 教给我怎么使用，教给我怎么打开， 58:33 然后就可以做到这件事儿了， 58:35 就可以做到全天候的记录， 58:37 并且自动化的帮你总结成文字了。 58:39 到这儿有没有问题？ 58:41 我嗓子有点紧，可以最好跟大家互动一下， 58:44 然后那个我再继续继续说。 58:46 对大家有什么想问的，或者想表达共鸣的、 58:53 感想的，都可以，欢迎开麦。 58:58 我我我我猜，可能很多人还在。 59:04 呃，就是因为看前面的互动， 59:07 就很多人之前只用过 Chat， 59:11 所以看到这个界面，可能大家还在一个， 59:15 我我猜测哈，有一部分人可能还在心理冲击中。 59:20 陌生感， 59:21 陌生感对我其实之前在那个四十四总会分享的时候 59:25 ，就是那个场馆上四四四总会分享， 59:28 我就发现一个问题， 59:29 就是我平时打交道的对象大多数是在大厂工作的人 59:33 ，啊，包括我们课程其实是大厂工作的技术同学， 59:37 包括 OpenAI、 59:39 Anthropic 的这个程序员。 59:42 他们会来上这个课，所以说很多这个话我是， 59:47 哪怕我尽量避免术语了， 59:49 也会就是默认大家的这个认知。 59:53 就是对这种工具的了解程度吧， 59:55 熟悉程度有一个默认值。 59:57 哦，然后我就比较不太容易共情， 59:59 就是我已经太久没有做那种第一次接触这个工具的 01:00:03 那个那个感觉了， 01:00:05 所以说我比较难共情大家这个感觉。 01:00:07 呃，但是我希望啊，就是我今天讲的所有东西， 01:00:11 大家都是能完全理解的。 01:00:13 所以说这里边有什么听不懂的，直接问我， 01:00:16 然后听不懂的直接我重重新讲都没有问题。 01:00:19 我是希望就是所有的这些东西，其实从 01:00:22 呃，就是怎么说呢？ 01:00:24 从技术上没有任何难度哦，但是它， 01:00:28 我也我我也我也认同，就是它的陌生感。 01:00:33 对， 01:00:33 然后我们今天确实在场的大家的这个对 AI 的使用 01:00:38 之前的基础差距应该是蛮大的。 01:00:41 对，就是有非常新的新手， 01:00:43 然后也有就是可能已经用呃 Vibe 01:00:46 Coding 做了一些自己工具， 01:00:49 甚至自动化了工作流的人。 01:00:51 对，所以嗯， 01:00:52 就我觉得这个内容肯定主要是面向后者的， 01:00:55 因为这个活动是呃新物种联盟的活动嘛， 01:00:59 所以我们啊联盟的伙伴们， 01:01:01 我觉得应该是就是吸收这些内容应该是更容易的。 01:01:04 所以大家有什么就是想问的都可以开麦，嗯。 01:01:08 好，大家问呢，就欢迎直接问啊。 01:01:11 然后我在这儿再把刚才我给大家说的东西重新再讲 01:01:15 一遍，后面的我就不重新再讲了。 01:01:17 但是我重新再讲一遍呢， 01:01:19 试图让大家把每个环节是干什么的， 01:01:22 就是我的手表录制的这件事儿的这个环节是干什么 01:01:26 的，给想清楚，就是搞清楚。 01:01:29 嗯，大家想要使用它呢， 01:01:31 我们相当于你去下载一个软件，对吧？ 01:01:34 然后 GitHub 就是一个开源软件的平台。 01:01:39 这个开源软件的平台， 01:01:41 就是我们把这个东西做出来了以后放在这儿， 01:01:45 我们的所有的源代码大家都是可以看到的， 01:01:48 就是在这个文在这个平台上， 01:01:51 你可以看到我们所有东西。 01:01:53 这就是，比如说我们想要， 01:01:55 假设我们是一个坏心眼儿， 01:01:58 我们想要去你录制的所有的信息发给我们一份儿复 01:02:02 发给我们一份儿这个副本。 01:02:04 呃，就是如果说你真的去看这个代码的话， 01:02:07 因为这个代码是 100%公开的，对吧？ 01:02:10 你下载的是个 100%公开的代码。 01:02:12 如果我们有这样的坏心眼，你在这里边就能看到。 01:02:15 就是开源在这件事情的意义，就是你可以相信它， 01:02:19 因为所有的东西，包括所有的源代码， 01:02:22 全都是你能看到的。 01:02:24 然后呢，你通过在这个开源平台上，呃， 01:02:27 你本来呢你要下载， 01:02:29 你可能是就是要下载的方式是通过这种方式去下载 01:02:33 ，或者说是去 download 一个压缩包， 01:02:37 然后去安装。 01:02:38 现在你就跟 AI 说。 01:02:40 怎么样子去下载就行了， 01:02:42 就把这个东西复制粘贴给你的呃 agent，哎， 01:02:47 要不我给大家试一下吧，就是，就先让我装了， 01:02:51 但是，对这个东西我装了， 01:02:53 我找一个我没装的给大家看一下这个是什么意思啊 01:02:58 。 01:02:58 好，这个吧，这是一个发邮件的， 01:03:03 有发邮件的这个 skill，它可以直接发邮件， 01:03:09 然后导出正文，下载附件，对。 01:03:13 呃，平时呢，他就会教给你你应该怎么装， 01:03:17 然后你就要去搞这些步骤配置。 01:03:21 那我刚才给 AI，为什么我说把这个东西给 AI， 01:03:26 然后安装这个？ 01:03:28 就行了呢，因为 AI 啊，他会进来， 01:03:30 他会读这些所有的东西，他会去讲哦， 01:03:33 我应该怎么安装啊，然后我应该怎么配置啊， 01:03:37 他去真他去读安， 01:03:38 他去他是去读这个网页的安装规范， 01:03:41 然后去去这个进行相应的东西， 01:03:44 然后去把它复制粘贴到要对的地方， 01:03:46 他说你看这上面要求的是什么东西呢， 01:03:49 所以说我会怎么样子，对， 01:03:52 他去像人一样的一样把它下载下来了， 01:03:55 然后进行安装。 01:03:56 对，这是怎么样子去安装这个 skill， 01:03:59 你就相当于安装了一个这样的软件吧。 01:04:03 那之后再去使用这个 skill 的话， 01:04:06 我就去 invoke 它，对吧？ 01:04:09 然后我就比如说，呃， 01:04:11 我可以把这个这段儿给先停掉啊。 01:04:13 我先把我这次录制的这个东西先停掉。 01:04:16 那我停掉之后，这个是 Max 带的东西， 01:04:19 这是我们技术选型之一。 01:04:21 我们技术选型就是尽量的去做一个有效的东西。 01:04:25 比如说我这时候我可以选择不用 Apple 01:04:28 Watch。 01:04:29 我可以选择去买一个录音笔， 01:04:31 买一个我记得阿里是出的， 01:04:33 然后豆包也是出的这个那种录音豆， 01:04:35 然后 Cloud 都有这样的东西。 01:04:37 那我们发现那个东西不好用，那个东西我要买， 01:04:40 然后装，然后还要在他们生态里面去使用。 01:04:43 我发现 Apple Watch 最好用的， 01:04:46 那我们就会去多做一些东西， 01:04:48 让这个 Apple Watch 01:04:50 它背后的这个怎么说呢？ 01:04:52 就是这个文件，我们去读它背后的这个文件， 01:04:56 然后去呃自动的拷贝复制到我们想要的这个集中的 01:05:00 目录之下，然后去让它全都把这个文件呢， 01:05:04 比如说你看这就是每天的录音嘛，放下来， 01:05:07 然后我们再去调用本地的模型去把这个录音变成文 01:05:12 字， 01:05:12 然后再去调用本地的模型去把这个文字变成总结。 01:05:16 这是我们这个 skill 所干的事情，呃， 01:05:20 应该过一会儿它会自动的上传到这里边， 01:05:23 就会多出来一个 recording 十一， 01:05:26 然后我这个时候哪怕每天它不是。 01:05:29 它可以每天自动化的运行， 01:05:31 但是我也可以就是在这个时候出现了这个新的 re 01:05:35 cording 呢，我就跟他说， 01:05:37 你看看有没有新的 recording， 01:05:41 然后去帮我把它自动的变成文字啊，或总结一下， 01:05:44 他就会去干这件事情。 01:05:46 那我这这个呢，这个网页。 01:05:48 看上去很复杂， 01:05:50 只是为了告诉大家每天告诉我他每天就是干了多少 01:05:55 事情，他总共干了多少事情， 01:05:58 就是让我更加可视化一点。 01:06:00 不知道这个解答有没有就是重新讲这一边， 01:06:05 有没有让大家觉得就是整个路径还是就是没有什么 01:06:10 ，只是陌生，就真的只是陌生， 01:06:13 但是没有什么难的。 01:06:15 好，沉默我就当做是，能能理解哈。 01:06:19 第二个呢是这个同样的，这个就是亚哥， 01:06:24 这是亚哥他的这个 repository， 01:06:29 就是他的所有的东西， 01:06:32 在这支里边呢有一个 G Doc Skill。 01:06:38 这个 Google Docs Skill 01:06:41 就是说我可以用我的 AI 把东西写进我的 01:06:44 Google Docs 里边。 01:06:46 同样的， 01:06:47 你可以在 AI 里边去说安装这个 G 01:06:50 Docs Skill，是吧？ 01:06:52 是可以的。 01:06:53 那我在这儿吧，我在这儿说这个。 01:06:55 AI 提效的 PPT，这是我跟腾讯的那个东西嘛？ 01:06:59 然后我就说，你总结一下我们做的。 01:07:02 哎，算了，我们今天我我我那我们就做这个吧。 01:07:06 我们这个 AI 提效，对， 01:07:08 是这是咱们今天的这个 OCP 的这个超， 01:07:11 这是新新物种新物种联盟，对吧？ 01:07:14 你帮我总结一下我们做的所有东西，写成个文档， 01:07:24 用安装好的 G Doc Skill 01:07:32 放进一个谷歌文档，并设置成嗯公开可评论。 01:07:41 Codex 本身是不能调用 Google 01:07:45 Doc 的，对吧？ 01:07:46 因为它就是它没有你的这个权限， 01:07:49 它没有办法做你用你的方式去调用。 01:07:52 所以说， 01:07:53 我们这个 skill 呢所做的主要就是给 01:07:56 Codex 01:07:57 帮的权限和当我在说做这件事情的时候， 01:08:01 它具体应该做什么。 01:08:02 然后一样的方式去安装，我已经安装好了， 01:08:05 所以说就不需要再重新安装了。 01:08:07 但是本来这些东西我可能是会成一个本地的文件， 01:08:10 但是我现在呢就可以把它变成一个 Google 01:08:13 Doc。 01:08:14 同样的， 01:08:14 你做飞书也可以用这样的方式去控制飞书，呃， 01:08:18 包括你在这上面就是去约会议啊等等都可以。 01:08:21 甚至我今天因为我不知道大家的邮箱， 01:08:23 但是我比如说知道这个邮箱， 01:08:25 我可以说把这个 Google Doc 01:08:28 发给谁。 01:08:29 那有了这样一个工具， 01:08:30 它在上一步的想象力是什么？ 01:08:32 比如说我说每次 meeting 满了以后呢， 01:08:36 我都把它成为一个 Google Doc， 01:08:39 自动的发给谁？ 01:08:40 那以后我就再也不用管这件事儿了，对吧？ 01:08:43 比如说我有一个 intern， 01:08:45 或者说我有一个做增长的同学， 01:08:47 那我说所有增长相关的各个会议，当我发完， 01:08:50 当每天你在我手表上总结了， 01:08:52 就是跟增长相关的所有的东西， 01:08:54 你都把它整理清楚， 01:08:56 放到 Google Doc 里边， 01:08:58 然后自动的发邮件发给我那个做增长的 inter 01:09:01 n，然后他就会自己去干这件事儿了， 01:09:04 然后你就再也不用管这件事儿了。 01:09:06 你的 intern 每天就会得到相应的这个内容。 01:09:10 那这个点，哦，我一会儿可以大家看它的效果。 01:09:14 但是这就是要跟大家所讲的， 01:09:17 当你每连接更多的工具到 AI 里边， 01:09:20 你就可以在 AI 里边做更多的事情， 01:09:24 你就不需要在不同的工具里边跳来跳去， 01:09:28 而且你有很多自动化的潜力，然后你就会。 01:09:32 把你这个搭搭搭系统的乐高吧， 01:09:37 这个相当于就多多多几块，这部分有讲清楚不？ 01:09:45 好，好，第三个，第三个， 01:09:49 其实我今天本来打算再打磨一下的啊， 01:09:54 但是现在没打磨，那正好给大家看一个比较， 01:10:00 就是这是我真实工作，就是我每天在用的东西。 01:10:07 我每天在用的， 01:10:09 刚才做这个给大家看了一看了一部分了，对吧？ 01:10:13 那我再给大家看这样一个个人网页。 01:10:16 那这个个人网页呢，是有英文的，然后有中文的。 01:10:20 他做的就是包括我的个人经历啊， 01:10:23 然后我的一些想法的总结啊， 01:10:25 然后我的一些业务对吧？ 01:10:27 比如说我的课程的业务， 01:10:29 然后我的企业培训的业务， 01:10:31 然后我的这个就社区是什么样子都可以放在这儿， 01:10:35 然后我的 app 可以在这下载。 01:10:37 呃， 01:10:38 但是它其实是跟很多我的其他东西是有联动的。 01:10:42 呃，我做这个东西的目的是什么？ 01:10:45 我做这个东西是给我带来更多的业务机会，对吧？ 01:10:50 带来更多的销售。 01:10:52 那我其实背后呢， 01:10:53 我会去把这些所有的东西连接到，比如说， 01:10:57 这是我采访的代劳，那 OK， 01:11:00 就是可以到我的 YouTube 上。 01:11:03 呃，然后我采访的这位大佬，他有一个页面， 01:11:07 他有好多个不同的这个呃， 01:11:09 然后他也可以都连到 YouTube 上。 01:11:12 然后我如果没记错的话， 01:11:14 这个 YouTube 本身。 01:11:16 他还有一个备注是可以让他们再回来的， 01:11:20 那这个就可以做搜索引擎优化，对吧？ 01:11:23 就是当别人搜索这个 Elon 这位大佬的时候呢， 01:11:28 可能 Google 的页面就会说 Elon， 01:11:32 我试试试吧。 01:11:34 但是这个人可能有点有名啊， 01:11:36 所以说就搜他可能不太合适。 01:11:39 我们搜一个。 01:11:41 我们搜一个这个吧，这是一个谷歌的， 01:11:44 这是一个 Meta 的 Director，啊， 01:11:48 重名的有点多，搜索出来。 01:11:50 但是 anyway 就是有一些人， 01:11:53 我希望做到的呢， 01:11:54 就是他搜他搜出来的是我的 YouTube， 01:11:57 然后这个 YouTube 01:11:58 呢又会连接到我的这个主页， 01:12:00 然后主页上呢我会看到我的其他的东西。 01:12:03 那在这里边我要给大家指出来一点啊， 01:12:05 就是我自己是没有耐心，这是我之前从来没做， 01:12:08 在 AI 之前从来没做， 01:12:10 我自己是没有耐心把我的嘉宾顺序梳理一下的， 01:12:13 我自己也没有耐心把我的所有的视频按照这个话题 01:12:16 去探索的，就是按照话题去把它组织起来的。 01:12:19 那包括这个东西， 01:12:20 你看就是这个 playlist， 01:12:22 它是有一个具体的描述， 01:12:24 这些全都是 AI 干的， 01:12:26 就是我全都是让 AI， 01:12:27 就是像刚才那个 Google Google 01:12:30 Doc 的那个 skill 一样。 01:12:33 我给 AI 我的 YouTube 权限， 01:12:35 让 AI 下载了我的所有的视频， 01:12:38 下载了我所有视频的这个就是 transcrip 01:12:42 tion，就是那个字幕， 01:12:44 然后调用了我就是所有的数据去让 AI 去给我组织 01:12:48 ，所以说这些东西呢，全都是 AI 给我分类好的。 01:12:51 所有的嘉宾全都是 AI 给我分类好的， 01:12:55 并且就是给他们设置了， 01:12:57 就是把所有的这个跟这个嘉宾有关的东西， 01:13:01 按照嘉宾的话题给组织好。 01:13:03 就是每个嘉宾有他们自己的页面， 01:13:06 然后这个页面也全都是 AI 组织和做的。 01:13:10 那做完这些所有的事情呢？ 01:13:12 我还把我的优我不是已经把 YouTube 文章和 01:13:16 呃呃这个视频都下载好了吗？ 01:13:18 我就把它同步成了播客。 01:13:20 同步博客这件事情也是 AI 去帮我做的， 01:13:23 就是所有的我的新的视频全都自动下载到本地啊， 01:13:27 然后去把它自动的上传到博客。 01:13:30 呃，我就不去做播客了。 01:13:31 所以说， 01:13:32 大家现在打开小宇宙是能看到我的播客的。 01:13:34 我自己是懒，非常懒于在小宇宙上再去上传。 01:13:37 就是之前我要做这件事儿， 01:13:39 我要把我的视频转成音音频，对吧？ 01:13:41 然后要在小宇宙上上传，然后上传了以后， 01:13:43 我要写 show notes 什么东西的， 01:13:46 很麻烦。 01:13:47 然后我现在这些东西都是自动的， 01:13:49 就是你打开小宇宙就可以搜到我的这些东西。 01:13:51 就是我只需要在 YouTube 上去发表， 01:13:54 然后小宇宙上就会自动的去发。 01:13:56 那这里边的所有东西啊， 01:13:58 包括如果去看我的这个本地的一些文件， 01:14:02 你就会看到我的不同的文件的整理， 01:14:05 比如说品牌业务的东西，然后工具代码的东西， 01:14:09 然后个人身份的东西， 01:14:11 就是所谓的刚才那个 context 01:14:14 越积越厚， 01:14:15 那我在使用它们的时候也就更加的得心应手。 01:14:19 这个文件其实不是给我看的， 01:14:21 这个文件是给 AI 看的，就是告诉 AI， 01:14:23 你比如说我要去做一个宣传我的课程的东西， 01:14:27 那这些学员评论在哪儿找？ 01:14:28 然后这个往期案例在哪儿找？ 01:14:30 然后我的一些 logo 文件在哪儿找？ 01:14:33 对吧？ 01:14:33 我的这些幻灯片在哪儿找？ 01:14:35 然后对。 01:14:36 这些全都是放在这里边。 01:14:38 那我没有去用一个那么系统的东西， 01:14:41 所以说大家今天看到的东西是一个非常怎么说呢？ 01:14:46 raw 就是非常。 01:14:47 这一摊那一摊的东西， 01:14:49 但是我觉得这就是创业公司的样子， 01:14:51 就是创业公司不是所有东西都摆得整整齐齐的似的 01:14:54 ，就是这一摊那一摊，但是它就是有用， 01:14:56 就是它能不断的推推进这个业务往前走。 01:14:58 对，就是就是呃，刚刚嘴上说了很多，对吧？ 01:15:02 我们一人公司怎么样子用 AI 才不 miss 01:15:06 action， 01:15:07 不 miss opportunity， 01:15:11 怎么样子去构建系统？ 01:15:13 呃，这个文档和背后的这些文件， 01:15:16 就是不断在积累的系统， 01:15:18 而且他们都是真的是放到这个网站上， 01:15:21 是能得到得到效果的。 01:15:23 哎，这个做好了，我们可以把这个， 01:15:27 但是我不知道他为什么没有改啊？ 01:15:30 那里它是权限是可以改的，这应该就是刚才那个。 01:15:35 刚才我做的这件事情， 01:15:38 老是把飞叔和那个 CodeX 给混起来。 01:15:42 哦，他他现在是生成导入了， 01:15:45 但是他现他就是我我替他做了一步， 01:15:49 就是他正在做改权限的那一步呢。 01:15:52 哦，然后被我做了。 01:15:54 然后大家会去确认，而且这一步你看嘛， 01:15:59 他其实是他自己去点的， 01:16:01 就是他不是在用程序化的方式去做这件事儿， 01:16:06 他是去操作电脑去做这件事儿。 01:16:10 对，这就是 AI 其实比大家想象的， 01:16:13 就是这种 agent 工具比大家想象的要强很多的 01:16:17 原因，就是它能编程的地方编程， 01:16:19 然后它能使用 a 就是 A P 01:16:22 I 就是别人给你提供的接口吧， 01:16:24 你它能使用接口的使用接口， 01:16:26 但是这些都不行的时候， 01:16:28 它甚至可以自动的它去操作你的电脑去做这件事儿 01:16:32 。 01:16:32 你看它这儿就是说啊做好了， 01:16:35 我就可以把这个东西分享给大家了。 01:16:38 对， 01:16:39 刚才的这个就是我都不知道我的页面去哪儿了。 01:16:55 这儿好，这个讲清楚了没有？ 01:17:04 就是关于我个人的东西， 01:17:07 我会想方设法的积累起来和整理起来， 01:17:10 然后被 AI 用自然语言去进一步的调度。 01:17:14 刚刚看到的这些东西都是我用 AI 去调度的， 01:17:18 包括我的书啊，就是我可能书， 01:17:20 比如说这本是这本书， 01:17:22 那我在这里边可能就会放一些， 01:17:25 放了一个这个顾问，就是你可以去。 01:17:28 问他问答，这是一个为了增长做的事情。 01:17:32 那它背后的这个资料， 01:17:34 那也是我积累下来的这个 context。 01:17:38 那这里边就给大家再强调一下它的意义啊， 01:17:42 就意义不是在于第一轮请求比我在 01:17:46 ChatGPT 上快多少， 01:17:50 而是在于这个第二轮请求， 01:17:53 它有无数的复利可以帮助我做的越来越有效和越来 01:17:58 越质量高。 01:17:59 好，也是到此结束。 01:18:02 有没有什么其他问题， 01:18:04 或者想让我再重新多讲一讲的？ 01:18:08 啊，我能问一下， 01:18:10 现在从 AI 生成内容角度上来说， 01:18:14 你的工作流是什么样子的吗？ 01:18:17 就是因为我尝试了很多遍， 01:18:20 但是 AI 还是没有办法完美的生成我想要的那种样 01:18:26 子。 01:18:26 嗯，首先预期是你只能生成了百分之八十， 01:18:30 你不能生成，不太可能生成 100%，呃， 01:18:33 这是预期啊。 01:18:34 但是你往上能做得更好的话就更好。 01:18:37 呃，然后我给大家看一个， 01:18:39 我当时给那个思思他们做的那个 SQL。 01:18:43 嗯。 01:18:54 那不是这个，是那个播客起名儿那个吗？ 01:19:00 我觉得那个特别值得演示一下， 01:19:04 就那个让我大受震撼，就是理解了呃， 01:19:09 用 agentic 01:19:11 AI 做这件事情和用聊天框做这件事情的本质不同 01:19:17 是什么？ 01:19:19 是的。 01:19:19 找不到就让人家找吧，我其实不该自己找的。 01:19:32 这个点，对，今天给大家稍稍讲一下， 01:19:35 我觉得那个还是挺有意思。 01:19:37 你看，这就是我命名没有命好， 01:19:40 因为那个东西我其实展示了之后， 01:19:42 我就没有再去使用它了，所以说命名没有用好。 01:19:46 为什么没有使用了？ 01:19:48 因为它是高度贴合思思的 SOP， 01:19:51 而不是我的 SOP。 01:19:52 就是我一会儿也给大家讲这个意义是什么。 01:19:56 AI content，哎，有点像，是的， 01:20:03 好像是这个，对，就是我试图我试图改它， 01:20:10 但是没有改好，原始在这儿。 01:20:14 好，这是这个是思思的啊，就是在这个里边。 01:20:20 如果说我去调度一下这个 skill 呢， 01:20:25 你会发现， 01:20:26 我来我来给大家展示一下怎么调度它吧。 01:20:31 比如说我装着一堆视频， 01:20:34 然后这个视频是我可能接下来要发的， 01:20:39 还有一个就是视频的脚本，对吧？ 01:20:43 然后我说。 01:20:44 你调度这个 scale 01:20:49 去给这个视频呃起名字， 01:20:54 我相信他能听懂我在说啥。 01:20:59 好，我把 Skill 的这个文档给拿起来了。 01:21:02 大家想象的这个 Skill 是什么？ 01:21:05 大家想象的这个 Skill 是，呃， 01:21:08 我有什么爱好，对吧？ 01:21:09 我有什么偏好？ 01:21:10 你要起我的观众是什么样子的啊？ 01:21:12 你要起一个什么样的标题？ 01:21:14 你的标题要注意什么？ 01:21:16 不要注意什么？ 01:21:17 你标题有多少字数？ 01:21:18 等等，这是大家可能会给 AI 起起的， 01:21:21 做的 Prompt。 01:21:22 但是我这个 skill 做的东西是什么呢？ 01:21:26 我这个 skill 是首先我阅读了思思的这个标题 01:21:31 整理，他的标题风格整理，然后和他的 SOP。 01:21:35 四四的 SOP，如果大家认真去读的话呢， 01:21:38 就会发现起标题之前你要去做一些东西， 01:21:42 然后你要有一些东核心的这个思路， 01:21:45 然后呢有一些原则，然后有些特点， 01:21:48 然后借鉴的栏目。 01:21:49 关键呢，然后还有角度，各种各样的角度。 01:21:52 然后呢，它有一个流程。 01:21:54 这个 skill 01:21:55 不光要把这些所有的风格给记录下来， 01:21:58 还要把这个流程给记录下来。 01:22:00 那么为什么要有这样一个流程？ 01:22:02 这个流程就在于起标题不是一个创意工作， 01:22:05 而是一个工程工作。 01:22:06 最后一步是创意工作， 01:22:08 但是你要用工程先把东西发现出来，然后再收敛， 01:22:11 而且还要前后的这个哦，就是不停的， 01:22:14 就是 review 和这个反馈。 01:22:16 那他就说了，就是你看， 01:22:19 要第一步呢是首先要干什么， 01:22:21 然后第二步呢去网上搜索， 01:22:24 然后第三步呢批量提交题，第四步人工审核， 01:22:28 然后并修改出版标题，第五步人工审核，啊， 01:22:33 然后最后再去生成这么一个东西。 01:22:36 那我如果说他 follow 了，等等啊， 01:22:41 你这个你跑完之后，可能就要到了。 01:22:46 我的感觉是，他该乱跑了， 01:22:50 但是没有去按照 SQL 的方式去跑， 01:22:55 没有执行里边的这个文件流。 01:22:59 对，那这个 SQL 里边其实所讲的呢， 01:23:05 就是你要去遵循这个。 01:23:08 遵循就首先有风格对吧？ 01:23:10 这个为什么我不用它， 01:23:12 就是因为这个风格是高度贴合思思的。 01:23:15 然后它就要有工作流了， 01:23:16 这个工作流其实就是把一个程序。 01:23:19 要做的事情用文字描述清描述清楚， 01:23:23 你看它就会有生成阶段和评审阶段。 01:23:27 然后生成阶段呢， 01:23:29 就是你要去每一轮都要生成对应的文件， 01:23:33 像这个文件里边呢， 01:23:35 就会有几十个你根据对这些风格的理解所生成出来 01:23:41 的这个选项。 01:23:42 然后接下来呢，要开两个 AI 去分别审核， 01:23:45 所以说就是为什么 round one A 01:23:48 round one B， 01:23:50 就是这个评审 A 和评审 B 是两个不同的 AI， 01:23:53 两个不同的 agent。 01:23:55 然后接下来呢，有了这个评审之后， 01:23:58 你要再带着最开始去进行迭代，迭代完了以后呢， 01:24:03 再有一个 AI 去把所有的这些东西综合起来和选择 01:24:08 。 01:24:08 到最后呢，你还要有一个人去检查你的这些术语。 01:24:12 我听到了一个观众的声音，可能那个呃， 01:24:16 Lucky，你帮忙关帮帮大 B 大麦吧，啊， 01:24:20 只有你有权限。 01:24:22 好的好的， 01:24:23 所以说就是大家不要觉得你说几句话给 AI， 01:24:27 然后调你的提示词就叫做调 AI 了。 01:24:30 就是这里边你看嘛，是分成了八个步骤， 01:24:34 是分成了八个步骤去打磨出来这么一个标题。 01:24:38 然后通过这个步骤呢，我觉得看水平了。 01:24:42 就是以我的要求的话， 01:24:44 它能达到个百分之八十以上；以四四的要求呢， 01:24:49 可能就只能达到百分之六十以上。 01:24:52 对，就是不同的人要求也是不一样的。 01:24:55 但是总之就是， 01:24:56 大家不要觉得就是我去跟 AI 反复的说我要这个不 01:25:00 要那个，AI 就能理解你。 01:25:02 是需要你自己对这个内容先有非常深刻的理解， 01:25:06 你对这个流程有非常深刻的理解， 01:25:09 然后你才能教 AI 教好它到底什么是它该遵循的， 01:25:13 什么是它不该遵循的。 01:25:15 不是向 AI 许愿，而是一个人很有灵气，对吧？ 01:25:18 假设你就把他 AI 当成一个很有灵气、 01:25:21 非常渊博的实习生，但是他不知道你的风格， 01:25:24 你怎么样子教给他？ 01:25:26 当你有这么一个像思思那么复杂的文档吧， 01:25:29 然后就是这么清晰，不不光是复杂， 01:25:32 就是它这个东西很明显是经过了很多层， 01:25:35 就是无数次迭代，能看出来是经过了无数次迭代， 01:25:38 包括流程也好，包括为什么做， 01:25:40 包括为什么做的解释，全都沉淀下来了之后， 01:25:44 你才有可能把这个东西做好。 01:25:46 这就是为什么我去强调。 01:25:48 上下文记忆是这么重要，就不光是工具。 01:25:51 上下文和记忆为什么重要这么重要？ 01:25:54 你有更多的材料，你的 AI 发挥的才能更好。 01:25:57 所以，我就是 AI 是大家能力的差距的放大器， 01:26:02 而不是抹平了大家的能力差距。 01:26:05 你看这个，它其实就一直在跑嘛。 01:26:08 你看这儿，它一直在 thinking， 01:26:12 然后已经改了很多个不同的东西了。 01:26:15 呃，如果看的话，就是第一轮， 01:26:18 第一轮应该在这儿也会出现。 01:26:20 对，就是他正在不停的去一步一步的去改， 01:26:24 就是他会去找这个卖点是什么东西， 01:26:27 然后去找他的这个风格策划是什么， 01:26:31 怎怎么策划的。 01:26:32 最后你会看到在这里边会出现八个文件发布的八个 01:26:36 文件，然后哪怕以 AI 来算力， 01:26:39 他要花大概二十分钟到半小时才能把这个标题给想 01:26:43 出来。 01:26:44 不知道这个案例有没有讲清楚， 01:26:46 就是所谓 agent 和 chat 01:26:49 的区别是什么？ 01:26:50 你用 chat 是不可能做这些事情的。 01:26:54 Hello，立正，可以听到吗？可以的。 01:27:02 对，那个我是黄小灿啊，桌上正好摆着你两本书， 01:27:06 对对对， 01:27:07 前两天正好那个人游的一个老师给我寄了你的两本 01:27:11 书，所以这个这个这个很有幸啊啊， 01:27:14 然后跟你这个请教交流几句啊， 01:27:17 我想问一个技术性的问题， 01:27:19 还有其他几个这个呃可能是呃这种更深的认知层面 01:27:23 的问题吧。 01:27:24 啊，首先第一个啊， 01:27:26 就现在 Cloud 和这 Codex 里边， 01:27:28 就我们做一个项目啊， 01:27:29 就我们肯定会用多个 Session 来做。 01:27:32 但一个 session 觉得这个做长了之后， 01:27:35 它的这个上下文肯定会比较长， 01:27:37 它的响应速度也会比较慢啊。 01:27:39 我好奇一下，就是这个这个纯技术问题啊， 01:27:42 你你你是怎么解决这个问题的？ 01:27:44 是比如说啊， 01:27:45 session 可能定期的可能会给它做清理， 01:27:48 还是说呢，这个这个会呃用什么样的方式？ 01:27:51 可能比如说会用这种类似于这种多 agent 01:27:54 的划定它的边界， 01:27:55 一个 session 01:27:56 就比较集中就干一类活啊， 01:27:58 用什么的方式可能来解决这个问题？ 01:28:00 嗯，好呃，好问题。 01:28:02 但是这个问题最近已经被模型公司解决的差不多了 01:28:07 。 01:28:07 就是这个 session，你看它有我看看啊， 01:28:11 嗯，对，没有，呃。 01:28:13 就是它的上下文在这儿会有一个框， 01:28:16 我随便再说一句话，做的不错。 01:28:19 我们会不会触发这个东西？ 01:28:21 就是当它超过百分之五十的上下文窗口的时候呢， 01:28:25 这边会出现一个这个进度条，是一个环状的框。 01:28:28 然后，如果到了 100%呢， 01:28:30 它会触发叫 auto compact， 01:28:33 就是它会自动的把这个上下文给 compact 01:28:36 起来，然后把关键东西提炼出来， 01:28:38 然后去相当于它内部就是这个模型带着这个 01:28:40 compact 的东西重新再触发一个上下文。 01:28:44 在这里边， 01:28:44 它应该已经被 compile 过几轮了。 01:28:47 然后我有一些做得更久的， 01:28:48 比如说我做的个人网站， 01:28:50 可能它会 compile 过十几轮。 01:28:52 然后 compile， 01:28:54 如果说你只是想要无脑的去执行的话， 01:28:56 这个就够了。 01:28:57 就是它其实 compile 大多数时候是 01:29:00 compile 的不错的。 01:29:01 但是如果你这个任务比较复杂的时候， 01:29:04 你的它的 compile 01:29:05 可能和你想要的重点是不一样。 01:29:07 那你就需要知道你的模型就是快到这个 01:29:09 context window 的上限了， 01:29:12 那你就可以让他说我需要把什么样的关键资料给输 01:29:14 出出来， 01:29:15 你把这些东西形成一个 markdown 01:29:17 放在那儿，嗯，然后呢， 01:29:18 你就把它这个新开一个 session 01:29:21 也好啊， 01:29:21 或者说是在这在这个 session 01:29:23 就是啊等它这个 context window 01:29:26 saturate， 01:29:27 然后变成一个新的 context 之后， 01:29:29 再把这个 markdown 给它啊就行了。 01:29:32 呃，session 变慢呢？ 01:29:34 我记得是可能是之前 Codex 有一个 01:29:36 bug 会导致这些问题，现在几乎没有了。 01:29:39 就是你看我这里边就是有这么多个无所谓的， 01:29:42 就就同时就同时跑的 session， 01:29:45 它是因为对 G P C P U 的占用嘛， 01:29:48 所以说那它可能会变慢。 01:29:50 但是你如果不是同时跑很多个高高 C P U 01:29:53 占用的呃 session 的话， 01:29:55 问题应该不大， 01:29:56 就是它不会说因为我这儿有很多个 01:29:58 session 而导致它性能变差了。 01:30:01 哎，这个呃呃两部分哈， 01:30:03 就是第一个呢是呃就是 compact 这这这这这 01:30:06 个事儿，这个事儿肯定能理解哈啊， 01:30:08 但我在 cloud 里边啊， 01:30:10 就 Codex 我目前没感受到 cloud 是有这个 01:30:13 问题的。 01:30:13 啊，我在 Cloud 里边， 01:30:15 比如说我最近我在开发一个呃项目， 01:30:18 然后这个项目里边呢，就是呃这个， 01:30:20 比如说就就就一个筛选啊， 01:30:22 我跟他聊了多个版本的这个具体的呃东西， 01:30:25 然后里边就压的东西就呃很多， 01:30:27 然后他也我我我我也我也我也让他做过 01:30:30 compact。 01:30:31 但做了 Comptech 之后， 01:30:33 就是还是这个 searching， 01:30:35 你同样给他发呃一个指令，它响应的速度就是慢， 01:30:37 它会响应的速度这个甚至昨天可能到了这种十几分 01:30:40 钟。 01:30:40 后来我跟他聊说为什么出现这种情况， 01:30:42 他给我的建议就是说， 01:30:43 那这个 searching 就太长了， 01:30:45 你最好新开一个 searching。 01:30:47 这是 Cloud 的这个这个 searching， 01:30:50 他他他他回复我的。 01:30:51 所以这个我不知道该怎么理解这件事儿。 01:30:53 Codex 现在我觉得可能没有这个这个感受啊， 01:30:56 这是这这是第一个，我觉得进一步的疑问。 01:30:59 后边那个呢，就是比如说把它啊， 01:31:01 把整个项目的的呃这个这个你开发到一定阶段啊， 01:31:03 把它把它比如说汇总成一个 Markdown 01:31:06 啊，或者或者一个这个整体的文件啊， 01:31:08 然后在 Search 01:31:10 里边需要的时候可能再带进来。 01:31:11 这个这个理解了，这个 get 了。 01:31:14 就前一个我不知道这个是我的什么打开方式不对吗 01:31:17 ？ 01:31:17 还是？ 01:31:17 呃，我觉得这个可能得做做实验， 01:31:20 就是比如说你把同样的你要开同样的模型对吧？ 01:31:24 然后就选同样的模型，然后同样的模模式， 01:31:28 然后你。 01:31:29 一个是你让他总结出来成一个文档， 01:31:31 然后放到一个新的 session 里边， 01:31:34 然后另外一个是在旧的 session 里边， 01:31:37 然后同样的去做一件事情啊， 01:31:39 然后如果说那个新的 session 01:31:42 确实就快很多的话， 01:31:43 那说明 OK 就就是那个呃上下文太长了， 01:31:46 或者那个 session 太长了， 01:31:48 历史太长了。 01:31:49 如果不是的话， 01:31:50 那可能是因为这个任务本身就比较复杂， 01:31:53 或者说他到底用了一个更慢的方法去做。 01:31:55 OK，这个实验已经做过了， 01:31:57 就是新的新的 search 就是更快， 01:31:59 新的 search 可能就一分钟之内它就干完了， 01:32:02 那在老的 search 里， 01:32:04 同样一个指令它要跑十分钟以上。 01:32:06 那那我猜啊，就是我我不知道具体的问题， 01:32:09 但是我猜。 01:32:10 可能是在这个老 session 01:32:12 的这个整个的跟他对话的交流中呢， 01:32:15 给他提了很多要求，就比如说你要注意这个， 01:32:18 你要注意那个，那他就带着这个包袱， 01:32:20 就是因为用户跟我说过了这个事儿很重要啊， 01:32:23 所以说我就要去考虑，就他他就想很多， 01:32:26 他就像一个就是被调教了很久的员工， 01:32:29 他遇到事情他脑子就要想很多事情， 01:32:32 就是老板想这个想那个， 01:32:33 然后新员工可能就没有这样的包袱， 01:32:36 可能他就会做得更快一点。 01:32:38 OK OK 好听明白了， 01:32:40 然后呃这是这是第一个想交流的话题啊， 01:32:43 第二个想交流的话题是呃这个呃就我们我们都知道 01:32:47 嘛，就 AI 来了之后， 01:32:49 其实很多 SaaS 的这样的这种软件啊， 01:32:52 其实它就呃没有价值了啊，然后这个这个啊， 01:32:56 所以这是一个现实。 01:32:57 那我好奇的是，从你的体感或者从你的角度来说。 01:33:01 存在一种所谓 AI 时代的 SaaS 嘛？ 01:33:04 它可能呈现不是以 SaaS 的这种状态哈啊， 01:33:08 它呈现可能是以。 01:33:09 这个这个这个这个呃别的可能是以知识库或者可能 01:33:13 是以别的啊什么样的这种方式， 01:33:15 反正就是我觉得呃呃这个在人类社会里边啊人类社 01:33:19 会因为精细化的分工协作而带来生产力提升这件事 01:33:22 儿， 01:33:23 我觉得只要是在人主导的这种生产力和经济体系里 01:33:26 边，应该还是成立的啊。 01:33:28 但是就在 AI 时代这样的所谓的分工。 01:33:31 啊，然后它会变成一个什么样的状态啊？ 01:33:34 然后如果还存在一个所谓 AI 时代所谓杀死的这种 01:33:38 逻辑，不管面向的是超级个体， 01:33:40 还是面向的是很多弊端的公司， 01:33:42 它更可能以什么样状态存在？ 01:33:45 是知识库， 01:33:45 还是呃这个所谓的这种呃动态更新的这种是基于垂 01:33:49 直行业的 skill 和 know how， 01:33:52 还是它更可能是个什么样的存在？ 01:33:55 就黄老师，这个问题太好了，然后说太长， 01:34:01 就是太太太复杂了。 01:34:03 我我稍稍，我稍稍分一分啊。 01:34:07 就首先中国的 SaaS 和美国的 SaaS 很不一样 01:34:10 ，我更了解的其实是美国的 SaaS， 01:34:12 因为中国的 SaaS 感觉就是飞书、钉钉， 01:34:15 然后其他的小公司就是像就是我记得中国最大的数 01:34:18 据的 SaaS 神策吧， 01:34:19 可能也就是几千万的这样的规模， 01:34:21 就几乎是没有规模，就没有没有没有什么估值， 01:34:24 因为中国也没有什么特别大的这种叫 enterp 01:34:27 rise， 01:34:28 就美国财富五百强每一个都有很很大很大的这个购 01:34:31 买软件的 budget。 01:34:32 但是中国是没有的，啊， 01:34:34 包括国企也是基本上没有的。 01:34:36 然后这时候就是超级巨头呢，又是愿意自己做， 01:34:40 所以说中国的市场和美国市场很不一样。 01:34:43 那美国市场的 SaaS 在 AI 现在估值被杀得很厉 01:34:46 害。 01:34:47 但是其实中间存在很多错杀， 01:34:49 以及市场现在已经开始慢慢的去 correct 01:34:53 这件事情， 01:34:54 和就是包括很多这个就是就是这里边的结论呢， 01:34:57 应该说很多人嗯并不是说哦就认为 SaaS 01:35:01 一定会被 AI 杀死，有这么个原因， 01:35:04 包括就是我在出来自己做的前一家公司是这个一个 01:35:08 DeepSeek，它是把 01:35:10 Meta 里面的 A/B 实验的工工具拿出来卖给其 01:35:14 他的大企业，后来也被 OpenAI 收购了。 01:35:17 呃，就是那家公司和类似的公司， 01:35:20 我觉得一时半会儿并不会被 AI 取代。 01:35:23 为什么呢？ 01:35:24 因为它不是就是， 01:35:26 或者说有有什么样的公司很容易被 AI 取代啊？ 01:35:30 很容易被 AI 取代的公司是， 01:35:32 要么给你做一个小功能、小自动化。 01:35:36 然后要么呢是就是就是把数据进行一些简单的处理 01:35:39 。 01:35:39 我们经常说， 01:35:40 你把 Excel 中中国为什么没有 SaaS 01:35:42 公司？ 01:35:43 因为中国做 Excel 的人太厉害了， 01:35:45 就是使用 Excel 的人水平太高了。 01:35:48 美国人水平 Excel 使用水平不行， 01:35:50 所以说他们就需要很多 SaaS 01:35:52 去解决那些中国 Excel 可以干掉的事情。 01:35:55 这些东西会被取代的。 01:35:57 但是像比如说 Salesforce、 01:35:59 像 Cloudflare、 01:36:01 像包括 DeepSeek、 01:36:02 像包括 Versail 这样的公司。 01:36:05 他们其实就是包括 data data 01:36:08 bricks 等等，就是数数据库这样的。 01:36:11 他们其实第一个底下有生态，然后第二个有标准， 01:36:15 然后第三个就是他们做的这个东西呢， 01:36:18 是一个就是。 01:36:19 A I 就不要说 A I 了， 01:36:21 就是一个公司花五十个程序员去做， 01:36:24 也不是马上就能做好的东西。 01:36:26 因为它外部做的这个东西， 01:36:29 它有的时候你作为一个工具卖给一个公司， 01:36:32 和公司内部去做，它。 01:36:34 的这个怎么说？ 01:36:35 就是大家的使用使用方式是不一样的， 01:36:38 然后很多时候这个能不能用好是取决于这个使用方 01:36:41 式的。 01:36:42 所以说这些公司呢，不见得会被 AI 直接去取代， 01:36:45 而这些公司现在我们也看到， 01:36:48 他们都是在非常积极以 Salesforce 为首 01:36:51 吧， 01:36:51 就 Salesforce 其实是个特别大的这种 S 01:36:55 aaS 公司，然后特别慢， 01:36:57 但是他们也非常积极的， 01:36:59 就是想方设法的把他们所有的东西全都开放给 AI 01:37:02 可以直接使用。 01:37:03 包括像 Slack， 01:37:04 就是 Salesforce 马上 Slack 01:37:07 这样的一个通讯软件， 01:37:08 他们都会把这个东西变成一个 01:37:09 Headless， 01:37:10 就是不需要打开 Slack 就可以去操作 01:37:13 Slack，然后交给 AI 去使用。 01:37:15 我觉得这是一个正确的方向， 01:37:17 就是当我们我们自己啊， 01:37:19 就是每个公司自己的业务是把它从人为主， 01:37:23 AI 为辅助，慢慢变成 AI 为主， 01:37:26 人为辅助这么一个转变， 01:37:28 就是我们应该尽量的把这些工作 01:37:30 operation 运营交给 AI， 01:37:33 人在这里边提供必要的东西，提供判断， 01:37:37 提供上下文，然后提供流程，提供这个终点线， 01:37:41 提供这个审核等等，对吧？ 01:37:43 那在这种情况下， 01:37:45 工具也应该尽量的默认 agent 是你使用工具的 01:37:50 人。 01:37:50 我觉得 SaaS 公司能完成这一步的转型的话， 01:37:55 短期之内吧，所谓的短期就是三五年之内， 01:37:59 没那么容易被取代。 01:38:01 OK，对，嗯，理解。 01:38:04 那那如果是这个，如果是面向未来看呢？ 01:38:07 就比如说这个这个举例子啊， 01:38:09 就是你看今今天今天你也在演示也在讲， 01:38:12 就是作为一个超级个体， 01:38:14 作为这个时代的艺人公司， 01:38:16 你的工作范式已经变成这个样子了，对吧？ 01:38:19 那未来就是你我或者有更多人， 01:38:21 我觉得他的工作范式一定也会往这个地方来演进。 01:38:25 啊，但那每个人都需要这个这个， 01:38:27 或者每家公司吧， 01:38:28 都一定需要搭建一个自己在 AI 时代的啊这样的一 01:38:32 个，你叫它工作系统也好， 01:38:34 或者叫叫叫叫叫什么东西也好啊啊。 01:38:36 那在这个搭建系统的过程中，一方面呢， 01:38:39 肯定你需要自己摸索，但另一方面呢， 01:38:42 肯定也有一些，比如说假设你在某些地方啊， 01:38:45 你已经沉淀了一些这个这个成熟的或者是这个这个 01:38:48 有价值的 know how。 01:38:50 其实这些东西它也许是有机会， 01:38:52 它可以被你说封装一下，或者是或者是开源出来， 01:38:55 它它能让更多人我觉得能感受到价值。 01:38:58 所以如果是面向未来看，不管是面向超级个体， 01:39:01 还是面向这个众多的这种中小公司， 01:39:03 因为我理解未来的中小公司的范式， 01:39:06 它就越来越趋近于所谓的 O P C 或 O P 01:39:09 T 嘛。 01:39:09 啊，然后那这个在这样的一个领域， 01:39:12 在这样的一个这种图景里边， 01:39:14 它会存在一种所谓未来的啊 AI 时代的这种 Saa 01:39:17 S 吗？ 01:39:18 它可能不叫 SaaS 了，对， 01:39:20 但大概表达是这个意思哈。 01:39:22 我明白了， 01:39:23 我我我觉得这个东西要分两个点来回答， 01:39:26 然后我会给大家看一下我的那个课程的一个课件， 01:39:30 嗯，这是我们那个就是课程课区主课的那个课件。 01:39:35 然后这是一个有一个核心判断， 01:39:37 这个核心判断就是当 AI 我们理解前面说它的本质 01:39:41 是自然语言调度算力， 01:39:43 那这个自然语言调度算力它带来的东西是什么？ 01:39:47 如果我们去看历史， 01:39:48 去把所有的需求按照需求来分类， 01:39:51 有就是我二二乘二的象限，要么是生产力的需求， 01:39:55 要么是娱乐的需求，要么是集中的需求， 01:39:58 要么是长尾的需求。 01:40:00 那第一代生产力的集中需求是被这个就是软件， 01:40:04 包括 SaaS，呃，去满足的。 01:40:07 从第一代的 Windows 到后面这个是一个邮件 01:40:11 自动化，是这样去满足的。 01:40:14 那集中的娱乐需求是被门户网站来满足的， 01:40:17 雅虎啊、新浪啊这些东西， 01:40:20 包括 Netflix 其实也是。 01:40:22 那长尾的娱乐需求是被抖音、 01:40:24 被这种带推荐算法的分发给满足的， 01:40:27 包括 YouTube 其实我也把它定义为长尾的娱 01:40:31 乐需求，它是个人、个性人满足个性人。 01:40:35 那长尾的生产力需求是通过 AI 去满足的， 01:40:38 所以说刚刚所说的这个点， 01:40:41 就是我认为未来的软件一定是分散的， 01:40:45 它一定是个人真生成出来的。 01:40:47 它不是，就是有统一的人去统一的做， 01:40:50 统一的人统一的做的这些东西呢， 01:40:52 早就被过去的这些 SaaS 公司所满足了。 01:40:55 这些东西变得更便宜，也很难交到个人手上。 01:40:59 为什么？ 01:40:59 第一，就是因为这些个性的需求太长尾， 01:41:02 每个人都不一样。 01:41:03 第二个呢，就是这里边的匹配和分发成本太高了。 01:41:07 就大家可以想想一想啊， 01:41:09 就是我上一次去网站上找工找工具是啥时候？ 01:41:12 就是人是没有这个习惯的。 01:41:13 我不在 App Store 01:41:15 上找一个适合我的工具， 01:41:17 我也不会去一个网站上去找适合我的工具。 01:41:19 我默认就是我有一个需求，这个工具是不存在的。 01:41:22 所以说，人不太能改变这个习惯。 01:41:24 但是我现在有一个新的习惯， 01:41:26 就是如果这个工具不存在，我跟 AI 聊聊天， 01:41:29 把它做出来。 01:41:30 那在我看来，就是这个这个机会存在， 01:41:32 这个机会就叫做 Codex 或者 01:41:34 Claude， 01:41:35 它不是在于另外的在这之上的一层 layer 01:41:38 了啊，这是我的一个看法。 01:41:40 包括我们社区啊，其实有很多人做这个， 01:41:43 我一般不说，但是如果你看我们社区里边， 01:41:46 就是大家做的 projects。 01:41:48 每一个人啊，都是想在这里边， 01:41:51 就是我们社区就是做技术的同学特别多， 01:41:54 然后所以说喜欢做这个乐高或者说做造轮子的人特 01:41:59 别多，然后你看他就是这里边给那个。 01:42:02 录录录 demo 变便宜的 cloud 01:42:05 skill，然后 agent 的万能钥匙， 01:42:08 然后呃 cloud code 上的小工具， 01:42:11 但是这些问题就是你做的再好， 01:42:13 你怎么让让其他人知道和使用你呢？ 01:42:16 你没有这样的一个分发渠道， 01:42:18 然后也没有一个就是非常成立的这种。 01:42:21 经济模型以及你做的这个东西很容易就被模型直接 01:42:25 给取代了， 01:42:26 所以说我不是特别看好在模型之上再来一层这种集 01:42:30 成的 layer。 01:42:31 嗯，当当然就是你满足。 01:42:33 一小部分人是永远存在的，就像内容一样，对吧？ 01:42:36 就是我用我做了以后，然后我身边有一个社群， 01:42:39 然后大家有共性的需求， 01:42:41 然后大家都用我的这个东西， 01:42:43 我觉得这个是没有问题。 01:42:44 但是我是说， 01:42:45 这个东西你很难去 go global， 01:42:48 就是变成一个特别多人用的东西。 01:42:50 嗯嗯嗯，理解。 01:42:51 对，就这个这个我分享一下我最近的体会啊， 01:42:55 还有我们在一线的一些呃感知啊， 01:42:58 因为最近是这样， 01:42:59 就是相当于我们啊这个我和另外一个团队的伙伴纯 01:43:03 手搓。 01:43:04 你可以理解，纯手搓干了这个一个多月啊， 01:43:07 就基本上就干了一个说能替代掉过去所有企微的 01:43:10 S 三 M， 01:43:11 还有能替代掉小鹅通的这么一个这么一套系统啊。 01:43:15 就除了说小不支持小鹅通上传视频的这个课程， 01:43:18 其他所有的能力，比如说基于你在企微里边。 01:43:21 啊，这个分层打标签、自动化、智能化的运营， 01:43:24 然后接通所有的这种接口，对吧？ 01:43:26 这些全全都打通了啊， 01:43:28 然后所以大概就就干了几件。 01:43:30 然后呢，这个那干完这个事儿之后哈， 01:43:32 就是我我现在我自己的体会哈， 01:43:35 这里边我觉得可能存在几种逻辑啊。 01:43:37 然后第一种逻辑的话呢， 01:43:39 那就是你说呃这个对所有你说做 IP 或者说所有的 01:43:42 中小公司来说， 01:43:43 存不存在一个所谓的自动化智能化私运营的需求？ 01:43:47 我觉得肯定存在啊。 01:43:48 但每家公司每个人如果他都要完全自己从零去自己 01:43:51 开发这事儿，肯定低效的。 01:43:53 对吧？ 01:43:54 但是呢，这个从商业模式上来说呢， 01:43:56 你也你也不可能像过去那样卖 S 三 M 或者卖小通那 01:43:59 样，你用个 SaaS 的方式啊去卖给他， 01:44:02 收个年费了。 01:44:02 所以我感觉呢，就这个事儿啊，首先呢， 01:44:05 这个这个存在这个需求，那能做能落下来， 01:44:08 我觉得最好的方式可能就是一种说一次性给你一个 01:44:11 交付。 01:44:11 对，一次性，比如说这个这个， 01:44:13 我收你个几万块钱，对吧？ 01:44:15 然后我们开发的这套代码呢，这个好啊， 01:44:17 直接给你。 01:44:18 啊，然后你的需求是个啥呢？ 01:44:20 简单给你提供个轻咨询，剩下你就自己干吧。 01:44:22 对， 01:44:23 然后你用 Cloud 或你用 Codex， 01:44:26 你就自己干吧，自己就是自己调， 01:44:28 我觉得就完事儿了啊。 01:44:29 但我们已经帮你把前面路就铺好了， 01:44:31 这个我觉得是能做的第一件事儿吧。 01:44:33 啊， 01:44:34 我觉得它可能是一种说替代了过去我们要每年要买 01:44:37 小沃通，每年要买什么 S3M 啊， 01:44:39 我觉得可能是大概是这么一个这个这个这个需求， 01:44:42 这是第一个啊。 01:44:43 那第二个呢？ 01:44:44 我现在的感觉是在这个背景之下哈， 01:44:47 可能就是类似于深度的知识库啊， 01:44:49 或者这种这个这个，比如说贴近于行业的啊， 01:44:53 这种一线动态更新的这种 know how 啊， 01:44:56 然后就比如说你在视频号里边，然后呢这个呃， 01:45:00 可能每个阶段会有不同的这种新的引流的打法， 01:45:04 有新的模式，对吧？ 01:45:05 然后它有它它平平台总会有变化嘛。 01:45:08 那这些东西，如果你有人专门来去啊盯， 01:45:11 专门来去动态的维护啊， 01:45:12 然后它是一个动态更新的，不断贴着一线、 01:45:15 贴着行业前沿走的东西啊，那这个事儿， 01:45:18 我觉得它是有价值的。 01:45:19 啊， 01:45:20 它能介入给到就是比如说垂直行业的这些啊相关的 01:45:23 这种客户， 01:45:24 我觉得这儿这儿可以有这么一个这种空间和机会吧 01:45:28 。 01:45:28 当然， 01:45:29 呈现上它到底是个 agent 还是它是一个所谓的 01:45:32 SQL 市场，还是它就纯粹的知识库， 01:45:35 这个可能还得再看哈。 01:45:37 啊，但我觉得也存在啊这样的一个需求。 01:45:40 然后除此之外， 01:45:41 我觉得再往下再看啊这个这个所谓的。 01:45:44 啊，其他的可能性， 01:45:45 那我觉得可能就只有说这个这个深度的来是深度的 01:45:49 可能来达成某种这个这个。 01:45:51 啊，结合关系了， 01:45:52 就好比比如说你在 AI 上你做的特别深， 01:45:55 然后我是一个所谓的 IP，我懂得做流量， 01:45:58 我懂得做我的生意，但是呢， 01:46:00 我并不愿意或者并没有意愿就花那么多时间投入在 01:46:03 了解 AI 和学习 AI 上，对吧？ 01:46:05 那有可能呢， 01:46:06 就是你来帮我完整的这个搭一套这个系统， 01:46:09 然后呢，这个相当于我的业务呢后边啊， 01:46:12 这个这个你跟我一起深度来合。 01:46:14 然后咱们分钱， 01:46:15 我觉得还存在一种类似这样的个子这样的这种可能 01:46:19 。 01:46:19 这是我在国内市场上啊，我觉得啊， 01:46:22 目前可能就是。 01:46:23 从说呃大量的呃叫中小公司或叫这种超级个体型的 01:46:27 这类的这种公司啊的这种业态上面， 01:46:30 我能看到的几类这个这个这个需求啊， 01:46:33 然后这个这个简单也做个小回应和分享。 01:46:36 我不知道就是你听完这个事儿之后， 01:46:39 你会有什么新的你会有什么新的这个这个这个感知 01:46:43 ，或者或或会有什么新的判断吗？ 01:46:46 那首先首先抱歉一下，就是我下面九点有个会， 01:46:49 然后我就跟跟他说了一下，课堂五分钟， 01:46:52 所以说我再跟大家稍微多交流几下。 01:46:54 然后就是我后面还有一些内容，呃， 01:46:57 那个但是都已经比较清楚了， 01:46:59 我就直接把那个 deck 分享给大家， 01:47:02 然后到时候大家直接看一下就行了。 01:47:04 就是我先给大家看一下我这些东西啊。 01:47:07 然后这些东西都是一些结论，呃， 01:47:09 本来还有一些故事，但是这些故事我就先不讲了。 01:47:12 包括后面有一个这个社区的邀请，呃， 01:47:15 用这个码就可以邀请。 01:47:16 然后这个一会儿可以我来帮你说， 01:47:19 你来帮我们说吧。 01:47:20 对，就是这个顺序是什么？ 01:47:22 然后回应一下那个黄老师的问题， 01:47:25 我觉得又是很好的问题。 01:47:27 我总结一下我听到的这个问题是什么， 01:47:29 或者说是讨论是什么？ 01:47:31 就是我们在看这里边啊有什么机会？ 01:47:34 第一个呢是把它从交付一个工具变成交付一个结果 01:47:38 ，或者说交付一个确定性的东西。 01:47:40 就是我不光是给你这个工具，你自己拿去学着用， 01:47:43 我直接帮你全都部署下来， 01:47:45 然后教给你怎么使用去。 01:47:47 呃，然后你之后你就可以去使用了。 01:47:49 哦，我在那个聊天里边发发了一个 FDE， 01:47:52 就是就是那个 volunteer 01:47:54 带火的一个模式。 01:47:56 然后现在很多北美公司，尤其是 AI 公司， 01:47:59 包括 Superlinear、OpenAI， 01:48:02 他们都在使用的一个模式， 01:48:04 就是你知道这个工具很厉害， 01:48:05 但是你自己没有办法把它落地。 01:48:07 那我派一个很懂这个东西的人去结合你的业务， 01:48:10 帮你落地。 01:48:11 啊，这是他们的一个模式， 01:48:13 我觉得这个模式很明显是可行的， 01:48:15 就很多公司已经在这么做了。 01:48:17 我那个访谈里边访谈的是北美呃北美的这么一家公 01:48:20 司，他们是做这种语音模型的， 01:48:22 就是相当于人工客服吧，然后去帮大家去做。 01:48:25 他们招三十个人，然后现在有三十个人， 01:48:28 然后马上要涨到一百个人， 01:48:30 就是这是一个他们呃服务中非常重要的一项。 01:48:33 所以说，我觉得这个东西肯定是存在的。 01:48:35 然后第二个呢，交付数据这个东西我也很看好， 01:48:39 但我觉得这里边有一个问题啊， 01:48:42 就是数据本身很有价值， 01:48:44 可是数据要在会使用它的人那里才能发挥价值。 01:48:47 我担心就是，比如说我这儿有一个小红书爆款库， 01:48:51 或者说是小红书各个呃赛道的，就是。 01:48:54 商业价值吧，或者说是，而且实时更新， 01:48:58 然后竞品选题等等。 01:48:59 但是我拿过来以后， 01:49:01 大多数人是问不出来足够好的问题去使用它的， 01:49:05 大多数人的 AI 也没有办法去使用使用好它， 01:49:08 所以说。 01:49:09 数据本身有价值，但是怎么样子发挥好， 01:49:12 这中间可能，呃， 01:49:13 我觉得有百分之一的人能把它发挥好就不错了， 01:49:16 它的市场就受限在这里了， 01:49:18 就是不是是因为数据没有价值， 01:49:20 而是因为能发挥它价值的人太少太难。 01:49:23 所以说我自己选择的方式就是，第一呢， 01:49:26 我们做很多开源工具，开源 skill， 01:49:29 然后我去有这个社区， 01:49:30 去让大家去聚合和分享你的工具和你的 01:49:33 skill。 01:49:34 包括黄老师你那个， 01:49:36 就是你那个工具都可以在这个社区里边。 01:49:39 如果大家感兴趣的话，很多人就会来联系你。 01:49:42 这里边已经有一万五千个做这种试图想作为一个呃 01:49:46 AI 时代的技术人或者说超级个体的人了， 01:49:50 所以就就会有很多人看到。 01:49:52 好，那我们自己觉得目前来说， 01:49:54 说实话就是比较靠谱的变现方式还是教教课。 01:49:58 它其实背后也是有一个，我们也想过很久啊。 01:50:02 那你是做工具，还是做开源，还是做别的东西， 01:50:06 还是做课程？ 01:50:08 后来去想， 01:50:09 既然 AI 它的核心是这种长尾的生产力需求， 01:50:13 它是把。 01:50:14 这个计算能力、算力给到了每个个体， 01:50:18 那我们去赋能每一个个体， 01:50:20 可能是最有意义的事儿。 01:50:23 所以说，我们为什么聚焦在这个做课程这里？ 01:50:27 呃，这是我自己的一些想法了， 01:50:30 就是抛砖引玉的去呃聊一下。 01:50:32 我觉得这里面也没有正确答案， 01:50:35 就是肯定是一个人如果把任何一个模式做到极致， 01:50:39 他都会吊打那些把另外两个模式做到一般的那些人 01:50:44 。 01:50:44 所以说应该没有就是最好的模式， 01:50:47 而是有你在哪个模式下发挥的是最好的。 01:50:50 好的，好的，收到啊，多谢立正啊！ 01:50:53 今天的交流我觉得很受益， 01:50:56 找机会我觉得再向你请教，感谢，不敢不敢，好， 01:51:00 感谢感谢，那我这样去下一个会了， 01:51:03 今天谢谢大家， 01:51:04 然后就请琴琴帮我把后面的那些东西再跟大家说一 01:51:08 说。 01:51:09 好的好的，谢谢课代表，然后那个也谢谢大家， 01:51:14 然后我最后来收个尾巴， 01:51:16 那个我共享一下这个屏幕。 01:51:19 对，最后啊，我想想，哎呦， 01:51:21 这有好几个事情要说。 01:51:23 对，第一个呢，就是课代表提到的这个社区，呃， 01:51:27 就是我们今天，因为刚才最前面也说到嘛， 01:51:30 我们会， 01:51:31 我们今天有两个部分的同学来到今天这个这个分享 01:51:35 ，一部分是我们新物种联盟的伙伴。 01:51:38 一部分是勤勤生活方式创业圈的伙伴，对， 01:51:42 然后呃， 01:51:42 我们会分别在两个社群里面给大家就是提供一个邀 01:51:46 请码， 01:51:47 就是你用这个邀请码就可以直接加入呃课代表的这 01:51:51 个。 01:51:52 AI Builders 就是 AI 01:51:54 建造者的这个社区， 01:51:56 然后去看看里面大家在做一些什么样有意思的事情 01:51:59 ，然后包括你自己做一些小项目啊， 01:52:01 想要得到一些曝光，想要得到一些用户， 01:52:04 想要得到一些反馈， 01:52:05 然后就可以在这个社区里面去啊曝光一下自己。 01:52:08 对， 01:52:09 然后那个这个链接一会儿我们会分别发到两边的社 01:52:12 群里面。 01:52:13 然后呢？ 01:52:14 呃，哦，好像没了。 01:52:16 然后就是今天现场也有一呃一个福利给到大家， 01:52:20 就是课代表这边有，因为还有还 AI 课程， 01:52:24 然后有一个这个 AI 时代的编程基础。 01:52:28 的小课啊， 01:52:29 然后我们给两边的社群各赠送三个免费的名额啊， 01:52:33 大家可以呃这个通过写复盘， 01:52:36 对我们两边社群就那个联盟就 Lucky 这边来来 01:52:40 选嘛，然后我的社群就我来选嘛， 01:52:43 就是大家听完今天分享会。 01:52:45 然后你有什么收获，有什么感想？ 01:52:47 然后在各自的社群里面发一个复盘，然后呃， 01:52:51 我们会选三个最用心的复盘来赠送你这一份 AI 时 01:52:54 代的编程基础。 01:52:56 对，就刚才其实前面他展示的那些什么， 01:52:59 就是就是就是这个 Web 01:53:00 Coding 的界面呀、 01:53:02 GitHub 啊这些东西， 01:53:04 就看上去好像很可怕啊，但它其实就。 01:53:07 你你知道了之后， 01:53:08 然后你也因为你也不需要像传统的程序员那样去用 01:53:11 它嘛，所以其实它很简单。 01:53:12 然后很多时候就是克服了我们自己这个心理障碍之 01:53:15 后，你就可以顺畅的往下走了。 01:53:17 然后这个编程呃 AI 式的编程基础这个小课就是干 01:53:19 这个事儿用的。 01:53:20 对，就是呃，让让你就把这个，哎， 01:53:23 觉得这个东西好像很陌生， 01:53:25 然后我看不懂这个心理关破掉， 01:53:28 然后你就知道怎么用 AI 编程了。 01:53:30 对，大概就是干这个的， 01:53:32 因为那个课我已经我自己看完了， 01:53:35 然后我觉得挺挺好懂的。 01:53:37 对，所以欢迎大家写复盘，然后可以。 01:53:40 领取到这个这个这个这个小课，对，然后啊， 01:53:45 最后就是介绍一下新物种联盟啊。 01:53:48 那个我看一下啊，Lucky 让我怎么说嘞？ 01:53:53 哎呀，这个我。 01:53:55 我是这个手里面，我得把那个你昨天那个 PPT， 01:53:59 那个 PPT 我都没有见过。 01:54:01 哎呀，我算了，我不找了，我就我就凭印象说了， 01:54:05 就是新物种联盟是一个 AI 时代的艺人公司加无边 01:54:10 界组织创业的啊联盟组织，然后我们的理念就是。 01:54:14 啊，这个拥抱 AI，同时内外双修，对， 01:54:17 所以我这边的伙伴们也天天在听我讲商业加修心的 01:54:21 这些东西，所以呢，大家应该也都不陌生， 01:54:24 我就不多解释了。 01:54:26 然后，如果有我这边的伙伴啊， 01:54:28 想要就真的要走这个个体创业一人公司这条路的话 01:54:32 ，也欢迎你们了解新物种联盟。 01:54:34 我们现在有启航和远航两个社群， 01:54:37 一个是适合这个啊这个。 01:54:39 高浅的在成长阶段的伙伴， 01:54:42 然后远航社群呢是呃对于已经这个年入五十到上百 01:54:47 万期呃之间的这个个体创业者们的一个， 01:54:51 大家可以在一起彼此。 01:54:53 啊，支持陪伴， 01:54:55 然后我们也会组织很多啊各种各样的活动， 01:54:59 像今天这种分享会只是一种形式， 01:55:02 然后还有什么路演啊，然后什么技能交换呐， 01:55:06 然后就各种资源资源链接的局等等等等， 01:55:10 就反正如果有兴趣的伙伴们也可以来呃了解和申请 01:55:14 加入新五种联盟啊，呃主拉主席， 01:55:18 我这说的还行吗？ 01:55:19 你有什么要补充的？ 01:55:21 嗯，那个，那那那大概就是这些喽。 01:55:25 然后呃，我看到那个呃， 01:55:27 就是评论区有一些还是有一些问题啊。 01:55:31 然后就是比较遗憾，今天可能没有时间来回答。 01:55:36 然后但是这些问题我都记下来了。 01:55:40 然后之后呢，会我我看看，比如说用。 01:55:43 让课代表发点语音，用 AI 整理一下啊， 01:55:47 或者是用什么其他的方式， 01:55:49 然后可以给到大家一起回答。 01:55:51 包括我自己可能对， 01:55:53 虽然我远远没有呃课代表没有老黄这么高阶， 01:55:56 对我的使用啊，没没有达到那么高的水平啊， 01:56:00 但是呃对于新手的很多问题我也能回答， 01:56:03 所以啊像我这边的伙伴们， 01:56:05 我们也可以在群里面多交流这方面的东西。 01:56:08 我之前真的我一直以为你们对 AI 没有兴趣。 01:56:12 对，因为我分享过好几次， 01:56:14 包括我说我用 AI 做了我自己的这个庆祝派对的各 01:56:17 种物料什么的，没有一个人问我是怎么做的。 01:56:20 然后我觉得你们完全不感兴趣， 01:56:23 所以我从来就不聊。 01:56:24 哦，如果感兴趣的话， 01:56:26 我觉得就这是一个进入下一个时代你不可回避的一 01:56:29 个话题。 01:56:30 就我们聊商业，聊修心。 01:56:32 就是在 AI 时代不聊 AI， 01:56:34 这个是绝对是不完整的。 01:56:36 对， 01:56:36 所以也欢迎大家在群里多交流自己的这些 AI 实践 01:56:40 ，包括你们的一些问题，我或许也能回答一部分。 01:56:45 嗯，好的。 01:56:45 那我们今天就到这里吧，谢谢大家的参与， 01:56:50 然后也谢谢大家包容这个一开始的这些小 bug 们 01:56:55 啊，那我们就下次再见啦，拜拜。

https://opc-founder-alliance-ai-demo.vercel.app/

一人公司，如何用 AI 真正提效

这节应用课来自我在「新物种联盟」的一次分享，主题是一人公司、超级个体、小团队主理人该怎么把 AI 用进自己的日常工作。

这节课的重点不是讲某个工具的操作教程，而是回答一个更实际的问题：

当你已经会用 ChatGPT，甚至开始接触 Claude Code、Codex 这类 agent 工具之后，怎么让 AI 真的进入你的业务，而不是只停留在聊天框里？

课程一开始，我用了一个内容创业的例子：如果一个人每天有大量自我反思、业务观察、用户交流和社群互动，能不能把这些东西自动整理成公众号文章、小红书笔记、课程材料，慢慢变成自己的内容资产？

答案是可以，但前提是你得给 AI 准备三样东西：

上下文、工具、记忆。

上下文，是让 AI 知道你是谁、你在做什么、你的业务和表达方式是什么。 工具，是让 AI 能操作 Google Docs、邮箱、网页、本地文件、录音、文档，而不只是生成一段文字。 记忆，是让 AI 能持续积累你过去的素材、偏好、流程和判断标准。

如果没有这些，AI 再强也容易变成“正确的废话”。它缺的不是语言能力，而是你业务里的真实材料。

这节课最值得看的几段

00:00 - 03:52：为什么很多人有了 AI，还是不知道怎么提效

这里用了一个很直观的比喻：如果今天给你 10 个很厉害的程序员免费使用，你知道怎么安排他们吗？

很多人其实不知道。不是因为这些程序员不强，而是因为过去身边没有这种能力，所以你也不会自然地去想：哪些事可以交给他们做。

AI agent 也是这样。你不一定一开始就知道怎么用它，但你可以先做三件事：积累上下文、打通工具、形成记忆。等这些基础慢慢有了，新的用法会自然浮现出来。

04:25 - 07:05：Context architecture，为什么 AI 会越来越像你

这一段讲的是上下文的进一步处理。

把每天的录音、聊天、想法记录下来，只是第一步。更进一步，是把这些材料不断蒸馏，提炼成你的价值观、判断标准、表达方式和业务原则。

这里有一个很重要的点：同一个观点，在公开文章里、会员群里、私下微信里，表达方式是不一样的。如果 AI 只看你的公开文章，它只能学到一部分你；如果它能理解你在不同场景下的表达，它才更可能写出像你的东西。

这也是为什么课程里一直强调上下文。AI 要变得好用，不能只靠提示词。它需要读到你真实的工作材料。

07:50 - 13:50：不要被 GitHub 和 skill 吓住

这一段演示了怎么安装一个 skill。

以前看到 GitHub、代码仓库、安装说明，非技术背景的人很容易直接放弃。但现在可以把链接发给 Claude Code 或 Codex，让 AI 自己阅读安装说明，理解步骤，然后帮你安装和配置。

这里真正要跨过的是心理门槛。

你不需要把自己训练成传统程序员，但你需要知道：很多原来只有程序员能处理的事情，现在可以交给 agent 去处理。你要做的是判断这个工具大概干什么、是否可信、安装后能不能解决你的具体问题。

14:00 - 19:12：从 Apple Watch 录音，到 Google Doc 文档

这一段是很适合一人公司模仿的真实工作流。

比如，用 Apple Watch 记录每天的想法和会议，自动把录音转成文字，再生成总结。再进一步，通过 Google Docs skill，把会议内容整理成文档，设置权限，甚至发给相关的人。

这类流程看起来都不是大事，但一人公司最容易被这些小事消耗：

录音、转写、整理、复制、建文档、改权限、发邮件、同步给协作者。

AI 真正提效的地方，往往就在这些反复发生的小动作里。单次节省的不一定多，但每天都发生，就会变成明显的时间差。

20:00 - 27:25：把内容资产整理成 AI 能调用的结构

这一段展示了个人网站、YouTube、播客和本地文件之间的联动。

比如，把 YouTube 视频字幕下载下来，让 AI 按嘉宾、话题、播放列表重新整理；把视频同步成播客；自动生成 show notes；把课程、品牌、案例、学员反馈、Logo、幻灯片等资料整理到本地目录里。

这里有一句话很值得记：

有些文件不是给人看的，是给 AI 看的。

过去整理文件，是为了自己方便找。现在还要考虑：AI 能不能读懂这些材料？能不能知道课程案例在哪里、学员评价在哪里、品牌素材在哪里、视频字幕在哪里？

一人公司的内容资产不只是文章和视频本身，还包括这些内容之间的关系。整理得越清楚，AI 后面能做的事越多。

27:59 - 36:52：AI 内容生成，别只调提示词

这一段回答了一个常见问题：为什么 AI 还是写不出我想要的内容？

这里给了一个比较现实的预期：AI 能生成 80% 已经很有价值。越到后面，越需要人的判断和修改。

后面展示了一个“起标题”的 skill。这个案例很典型，因为它不是简单写一句“帮我起 20 个标题”，而是把标题生产拆成了一整套流程：

先理解风格和 SOP，再发散标题，再让不同 agent 做评审，再根据反馈迭代，最后由人检查术语和质量。

课程里有一句话讲得很准：

起标题前面的大部分工作，其实是工程工作。

很多内容生产也是这样。写文章、写标题、写小红书、做课程简介，看起来是创意活，但如果想稳定产出，就要把流程拆清楚。AI 擅长执行清楚的流程，人负责判断什么是好、什么能发、什么要删。

37:55 - 42:18：长 session 变慢怎么办

这一段是实操问题。

在 Claude Code 或 Codex 里做项目时，一个 session 做久了，上下文会越来越长，有时响应会变慢。现在很多模型会自动 compact，也就是把长上下文压缩成关键摘要。

但如果项目复杂，最好主动让 AI 输出一份 Markdown 总结，把项目背景、当前进度、关键约束、下一步计划写清楚，然后开一个新的 session 继续。

这里有一个很形象的解释：旧 session 像一个被调教很久的员工，记住了很多要求，做事时会想很多；新 session 包袱少，有时反而更快。

42:37 - 50:33：AI 时代的 SaaS 会怎么变

后面进入了一个偏商业判断的问题：AI 出现后，传统 SaaS 还有没有价值？

这里的判断比较克制。小功能、小自动化、简单数据处理类工具，确实容易被 AI 替代。但有生态、有标准、有复杂业务基础设施的 SaaS，不会那么快消失。

更重要的变化是：工具要变得能被 AI 操作。

比如 Slack、Salesforce 这类工具，如果能开放给 AI，让 AI 不打开界面也能完成操作，它们就会继续有价值。课程里用了一个词：headless。简单理解，就是工具不一定要靠人点击，也可以被 agent 调用。

以后选工具时，除了看功能和价格，还要看它能不能接入 AI，能不能被 agent 调用，能不能减少人在多个软件之间搬运信息。

50:20 - 59:40：一人公司未来的机会

这一段讨论了 AI 时代可能出现的新机会。

其中一个判断是：长尾的生产力需求，会更多由 AI 来满足。过去很多个性化工具没人做，因为市场太小、分发太难。现在一个人可以直接跟 AI 说清需求，让 AI 帮自己做出来。

另一个值得关注的机会，是从“卖工具”转向“交付结果”。

很多人知道 AI 很强，但不知道怎么结合自己的业务落地。这个时候，就需要有人帮他把工具、数据、流程、权限、团队习惯都接起来，直接搭出一套能用的系统。

这类模式在海外 AI 公司里已经很常见，比如 FDE 模式：派懂技术也懂业务的人，深入客户现场，把 AI 真正落地到业务里。

对一人公司来说，这里有很现实的启发：机会未必只在做一个软件，也可能在帮别人把 AI 用起来。

看这节课时，可以抓住一个主线

这节课虽然演示了很多工具：Claude Code、Codex、GitHub skill、Apple Watch 录音、Google Docs、YouTube、播客、个人网站、本地文件系统。

但主线其实很简单：

把你的素材记录下来，把你的流程写清楚，把你的工具接起来。

这样 AI 才能从“临时帮你写一段话”，变成每天参与你工作的系统。

对课程学员来说，最适合课后马上试的，不是搭一个很大的自动化系统，而是先选一个自己每周都会重复做的流程，比如：

直播回放整理成文章； 会议录音整理成文档； 用户问题整理成 FAQ； 视频内容同步成图文笔记； 课程素材整理成知识库。

先把其中一个流程跑顺。跑顺之后，再把它变成 skill、文档、脚本或 agent 工作流。

亮点时间戳

00:43：一人公司用 AI 的三个基础：上下文、工具、记忆

01:06：10 个程序员的思想实验，解释为什么很多人不会用 AI 提效

04:25：Context architecture，如何让 AI 更理解你的价值观和表达方式

07:59：把 GitHub 链接交给 AI，让 agent 帮你安装工具

14:14：Apple Watch 录音工作流：录音、转写、总结

16:26：Google Docs skill，让 AI 可以创建和管理文档

20:00：个人网站、YouTube、播客和内容资产的自动化整理

24:06：“文件不是给我看的，是给 AI 看的”

28:16：AI 内容生成的合理预期：先做到 80%

31:50：起标题前面的大部分工作是工程工作

34:22：8 个步骤打磨标题，展示 agent 和普通聊天框的区别

38:17：auto compact 和长 session 管理

46:55：headless 工具，AI 可以直接调用软件

50:22：AI 更适合满足长尾生产力需求

57:24：从交付工具，转向交付结果

58:23：数据有价值，但前提是用户会调用它

备注： 从 01:01:00 左右开始，主要是活动收尾、社群介绍和福利说明。如果这节课放进 AI 课程里，前面到 59:40 基本已经覆盖主要内容，后面的部分可以按课程需要保留或剪短。

一人公司，如何用 AI 真正提效

这节应用课讲的是：一人公司怎么把 AI 用进真实工作里。

它不是一节“提示词课”。更准确地说，它讲的是：当你已经有了 Claude Code、Codex 这类 agent 工具之后，怎样把自己的素材、工具、流程和判断标准整理出来，让 AI 真正参与工作。

主线很清楚：上下文、工具、记忆。

一人公司最大的问题通常不是缺少工具，而是很多东西还停留在脑子里：每天的想法、客户反馈、社群讨论、内容素材、业务判断、选题逻辑、个人风格。AI 如果拿不到这些材料，就只能泛泛回答。一旦这些东西被持续记录、整理，并且能被工具调用，AI 才会变成一个稳定的工作系统。

00:00:43｜核心框架：上下文、工具、记忆

开头先讲了一个判断：一人公司用 AI，关键是把 agent 当成工作系统来用。

这里有一个很好的类比：如果今天给你 10 个很厉害的程序员免费使用，你知道怎么安排他们吗？大多数人的真实反应可能是：不知道。

这正是很多人面对 AI 的状态。AI 能力很强，但你的工作方式还没有调整到“可以把事情交给它”的状态。所以一开始不用急着想一个很大的 AI 项目，先做三件事：

积累上下文，打通工具，形成记忆。

上下文让 AI 知道你是谁、你在做什么、你的业务怎么运转。工具让 AI 能操作文档、邮箱、网站、文件、会议记录。记忆让 AI 不用每次都从零开始。

这也是这节课最重要的底层逻辑。

04:25｜Context Architecture：让 AI 慢慢变得像你

这里讲到 context intake 和 context architecture。

context intake 是把每天发生的事情记录下来，比如语音、会议、想法、对话、工作记录。context architecture 是进一步把这些材料蒸馏成更高层的东西：你的价值观、判断标准、表达方式、业务原则。

这段里提到一个很重要的例子：同一个观点，对外公开讲、对会员讲、私下微信里讲，表达方式是不一样的。一个真正懂你的 AI，不能只读你的公开文章。它还要理解你在不同场景里的表达差异。

这对内容创业者尤其重要。

你希望 AI 写得像你，不能只给它几篇文章当样本。更有效的方式，是让它接触你的原始素材、长期判断和真实语境。这样它生成内容时，才不会只剩下正确但空泛的话。

07:45｜不要被 GitHub 和 Skill 吓住

这一段很适合非技术背景的学员看。

很多人看到 GitHub、代码仓库、安装说明，会直接觉得“这不是我能碰的东西”。但现在可以把链接交给 Claude Code 或 Codex，让它自己读说明、安装、配置、解释用法。

这里演示的是 skill 的安装逻辑。你可以把 skill 理解成给 AI 装上的一个小能力。比如让它能发邮件、下载附件、读录音、生成文档、控制 Google Docs。

这里的重点不是让大家变成程序员，而是知道：以前需要程序员处理的很多安装和配置步骤，现在可以交给 agent 处理。你需要做的是学会判断这个工具大概做什么、是否可信、怎样让 AI 帮你跑起来。

11:00｜Apple Watch 录音到文字总结：把每天的碎片变成资产

这一段重新解释了手表录音的完整流程。

Apple Watch 负责记录，skill 负责把录音文件自动收集到指定目录，再调用本地模型转成文字，最后生成总结。这样每天发生的事情就不会散掉。

这个案例很适合一人公司。

因为一人公司的很多关键信息都不是正式文档，而是临时想法、随口说的话、会议里的判断、跟客户聊天时冒出来的结论。如果这些内容不被记录，AI 就永远用不到。

你不一定要照抄 Apple Watch 这套做法，但应该建立一个自己的“上下文入口”：语音、备忘录、会议纪要、社群问答都可以。关键是让材料持续进入系统。

16:26｜Google Docs Skill：AI 开始真正操作工具

这里演示了 Google Docs skill。

Codex 本身不能直接操作你的 Google Docs，因为它没有权限，也不知道具体怎么调用。skill 的作用就是补上这两件事：给权限，告诉 AI 怎么做。

演示里的任务是：让 AI 总结今天分享的内容，创建一个 Google 文档，并设置成公开可评论。

更有想象力的是后面的例子：如果每次会议结束后，AI 都能自动把内容整理成 Google Doc，再发给增长同事或 intern，那你就不用手动整理、复制、设置权限、转发。

一人公司最容易被消耗的地方，往往就是这些小动作。它们不难，但很碎。AI 接入工具后，价值会从“帮我写一段话”变成“帮我完成一串动作”。

20:00｜个人网站、YouTube、播客：内容资产的自动整理

这一段展示了一个更完整的个人内容系统。

个人网站连接了 YouTube、嘉宾页面、播客、课程业务、企业培训、个人经历。AI 下载视频字幕，按嘉宾和话题重新整理，生成页面描述，把 YouTube 视频同步成播客，并自动生成 show notes。

这里有一句很值得记住：

“这个文件不是给我看的，是给 AI 看的。”

过去整理文件，是为了自己查找方便。现在还要考虑 AI 能不能读懂、能不能调用、能不能在下一次任务里复用。

比如你要做课程宣传，AI 需要知道学员评价在哪里、过往案例在哪里、logo 文件在哪里、幻灯片在哪里。文件系统不一定要非常精致，但要能服务业务推进。

这段也很真实：创业公司的系统经常是“一摊一摊”的，不会一开始就整整齐齐。只要它能持续积累，能被 AI 调用，就已经有价值。

27:59｜AI 内容生成：先接受 80%，再设计流程

有学员问：为什么 AI 还是不能生成自己想要的内容？

回答很直接：先把预期放到 80%。能到 80% 已经很有用，剩下的部分通常需要人来判断和修改。

后面演示了一个“起标题”的 skill。这个例子很重要，因为它说明高质量内容生成不只是写提示词。

一个成熟的起标题流程里，包含风格整理、SOP、选题理解、网上搜索、批量生成、多个 AI 分别评审、迭代收敛、人工检查术语。整个流程会生成多个中间文件，不是一次对话就结束。

这里最值得课程学员吸收的是：如果你对内容本身、用户、风格和流程没有清晰理解，AI 很难替你补齐这些东西。AI 会放大你的工作方法。你的方法越清楚，它越容易接住。

36:34｜Agent 和 Chat 的区别

这一段把 agent 和普通聊天框的差异讲得很清楚。

Chat 更像即时问答。你问一句，它答一句。

Agent 可以读文件、调用工具、执行多步骤任务、生成中间结果、让多个子任务并行推进，再把结果汇总回来。

所以一人公司要用好 AI，不能只停留在“我给 AI 一段提示词，让它写一篇文章”。更好的做法是把一个任务拆成流程，让 AI 按步骤推进。

比如内容生产可以拆成：

原始素材整理、观点提炼、结构生成、标题生成、风格检查、事实检查、发布文案、复盘归档。

这时 AI 才能进入工作，而不只是参与聊天。

37:18｜长 Session 变慢：什么时候该开新对话

Q&A 里有一个很实用的问题：Claude Code 或 Codex 的 session 做久了，上下文越来越长，速度变慢怎么办？

回答里提到两种处理方式。

一种是模型自己的 auto compact。上下文接近上限后，它会自动压缩，把关键内容保留下来。

另一种是主动让 AI 总结当前项目，生成一个 Markdown，包括项目背景、关键约束、当前进度和下一步任务，然后开一个新 session 继续。

还有一个判断方法：同样的任务，在旧 session 和新 session 各跑一次。如果新 session 明显更快，说明旧 session 里积累了太多历史包袱。

这个解释很形象：老 session 像一个被反复调教过的员工，记得老板说过很多要求，所以每次做事都要考虑很多；新 session 没有那么多包袱，有时反而更快。

42:37｜AI 时代的 SaaS：工具要变成 agent 能用的工具

后半段讨论了 AI 时代 SaaS 会怎么变。

判断比较克制：很多小功能、小自动化、简单数据处理类工具会被 AI 压缩。但有生态、有标准、有复杂使用场景的 SaaS，不会马上消失。

关键变化是：工具要逐渐变成 agent 能操作的工具。

比如 Slack、Salesforce 这类产品，如果能让 AI 不打开界面也能调用，就仍然有价值。这里提到一个词：headless。可以简单理解为，软件不再只服务人的点击操作，也要服务 AI 的调用。

对课程学员来说，这会影响你以后选工具的标准。除了功能本身，还要看它能不能被 AI 读、被 AI 写、被 AI 调用。

50:22｜长尾生产力需求，会越来越由 AI 满足

这里提出了一个更大的判断：过去集中化的生产力需求由软件和 SaaS 满足，长尾娱乐需求由抖音、YouTube 这类推荐系统满足，而长尾生产力需求会由 AI 满足。

很多个人化的小工具，以前没有人愿意做，也很难卖给足够多人。现在可以直接跟 AI 说清楚需求，把工具做出来。

这意味着，未来的软件会更分散。很多工具未必会变成一个大 SaaS，而是为某个人、某个小团队、某个具体流程临时生成或持续迭代。

这也是一人公司的机会：你不一定要做一个面向所有人的大产品。你可以先把自己的工作系统做出来，再把其中可复用的部分交付给相似的人。

57:23｜未来机会：交付结果，而不是只交付工具

最后讨论了 AI 时代的商业机会。

一个方向是把工具交付变成结果交付。客户知道 AI 有用，但不知道怎么落地。你可以帮他把系统搭好、权限接好、流程跑起来，再教他怎么用。

这类似北美 AI 公司常用的 FDE 模式：派一个懂工具也懂业务的人，深入客户现场，帮客户完成落地。

另一个方向是交付数据。但这里有一个限制：数据只有在会使用它的人手里才有价值。比如你有一个小红书爆款库、竞品库、选题库，如果用户不会提问，也没有自己的 AI 工作流，这些数据很难真正发挥作用。

所以这节课最后给出的判断也很实际：工具、数据、课程、服务都可能成立。关键看你在哪个模式里最能发挥优势。

建议重点看的时间戳

00:00:43：一人公司用 AI 的核心框架：上下文、工具、记忆。 04:25：Context Architecture，如何让 AI 逐渐理解你的价值观和表达方式。 07:45：如何让 agent 帮你安装和使用 GitHub 上的 skill。 11:00：Apple Watch 录音到文字总结，把日常碎片变成上下文资产。 16:26：Google Docs Skill，让 AI 从写内容进入操作工具。 20:00：个人网站、YouTube、播客和内容资产的自动整理。 24:06：文件不是只给人看的，也可以是给 AI 调用的。 27:59：AI 内容生成的合理预期，以及为什么要设计工作流。 31:50：起标题案例：内容生产里的工程化流程。 36:34：Agent 和 Chat 的本质差别。 37:18：长 session 变慢时，如何用 Markdown 总结后开新对话。 42:37：AI 时代 SaaS 会怎么变。 50:22：长尾生产力需求会由 AI 满足。 57:23：未来机会：交付结果、交付落地，而不只是交付工具。

Graph View

Backlinks