# AI 日报笔记 ## 20261024 ### 划线 · 匿名读者 562D > 牛人AI分身带来的服务平权，会有一波非常大的爆发。 ### 划线 · 匿名读者 562D > 所有商业的起点都是产品，基于我们对用户需求的假设和推断 ### 划线 · 匿名读者 562D > AI商业的本质是对结果承担责任，直接交付结果 ### 划线 · 匿名读者 562D > 未来商业竞争最重要的，是抢夺人类表达真实意图的第一入口。你愿意跟谁聊，那个AI就掌握了你的真实信息，它可能就是商业化开始的地方。 ### 划线 · 匿名读者 562D > AI原生不是把AI嵌入现有产品和工作流，而是以可规模化调用的机器智能为起点，重新设计产品、工作流和组织，创造过去无法实现的客户价值。 ### 划线 · 匿名读者 562D > 一个直接的检验：假如拿掉AI，这个产品和业务是否仍然成立？ 如果仍然成立只是效率下降，大概率属于AI增强；如果产品价值、工作流或组织方式都无法成立，才更接近AI原生。 AI增强、AI原生 ### 划线 · 匿名读者 562D > 第一，有没有做到用户价值的巨大创新；第二，体验飞跃基于原生技术突破；第三，通常会倒逼出基础设施创新；第四，一定会有原生商业模式出来。 ### 划线 · 匿名读者 562D > 开始标准化、成为社会基础设施 ### 划线 · 匿名读者 562D > 第一，Agent的开发基础设施进一步成熟；第二，找到低成本的用户交互方式 ### 划线 · 匿名读者 562D > 智能复利：AI时代的核心竞争壁垒 ### 划线 · 匿名读者 562D > 设计Agent和知识库，手把手教它，把人的经验蒸馏给它，在实验室场景中从30分慢慢爬到60分，再找一个不怕死的客户一起试。 ### 划线 · 匿名读者 562D > 想清楚你第一个要让AI Agent上岗、要解决的那个端到端的真实问题是什么 ### 划线 · 匿名读者 562D > 想清楚你第一个要让AI Agent上岗、要解决的那个端到端的真实问题是什么 ### 划线 · 匿名读者 562D > 想清楚你第一个要让AI Agent上岗、要解决的那个端到端的真实问题是什么 ### 划线 · 匿名读者 562D > 想清楚你第一个要让AI Agent上岗、要解决的那个端到端的真实问题是什么 ### 划线 · 匿名读者 562D > 想清楚你第一个要让AI Agent上岗、要解决的那个端到端的真实问题是什么 ### 划线 · 匿名读者 562D > 想清楚你第一个要让AI Agent上岗、要解决的那个端到端的真实问题是什么 ### 划线 · 匿名读者 562D > 进化速度高于一切指标。能否进入智能进化的循环，远比盈利能力重要 ### 划线 · 匿名读者 562D > 现代组织的基本单元，从岗位变成了任务 ### 划线 · 匿名读者 562D > 能否都让Agent干了，实在干不了，短暂调用人的能力 ### 划线 · 匿名读者 562D > 让人越来越out of the loop，而不是in the loop ### 划线 · 匿名读者 562D > 组织整体的智能化，比任何个体用上AI工具要重要得多。 ### 划线 · 匿名读者 562D > 能选择值得追求的方向、定义有价值的问题、创造新认知，并能组织人类智能和机器智能去落地的新型创造性人才。 ### 划线 · 匿名读者 562D > 真正的创造力本质是提出原创问题、解决复杂问题的能力。 ### 划线 · 匿名读者 562D > 人的位置上移：清楚地描述目标，把上下文给够，让它自己找路径 ## 20261023 ### 划线 · 匿名读者 EEA9 > 国内用户更快表现出需求的是：日程管理、To-Do List、知识管理，以及类 CRM 场景 ### 划线 · 匿名读者 EEA9 > 不同维度的上下文之间，是有化学反应的。这个化学反应，某种意义上就是产品的壁垒之一。 ### 划线 · 匿名读者 EEA9 > 一是，基于用户分身的特点和需求，个性化的生成内容（比如AI日报），会是机会； 二是，看板（仪表盘）就是AI- native产品的必要产品形态 ### 划线 · 匿名读者 EEA9 > 享受沉浸在“物理反馈过程中”的情感体验 ### 划线 · 匿名读者 EEA9 > 价值尺度与交易媒介 ### 划线 · 匿名读者 EEA9 > 与全球“顶尖工程技术人员”面对面的“高密度技术推演”，也是最核心的“信息校准”手段。 ### 划线 · 匿名读者 EEA9 > 执行可以外包，积累不能外包 ### 划线 · 匿名读者 EEA9 > 专家的判断逻辑与工作路径被一步步结构化、编码进系统。 ### 划线 · 匿名读者 EEA9 > Context最好收集，每天产生高频业务动作与结果反馈；离业务目标最近、见效最快；团队能最快跑通人机协作。 ### 划线 · 匿名读者 562D > 能力本身强大的人，产出效率将是普通人的千百倍，AI持续加大人与人之间能力的不均衡。 ### 划线 · 匿名读者 562D > 能创造、管理、调度多个硅基员工的人，比无法使用硅基员工的人，具备无限时间上的绝对优势（Agent可7×24小时不间断工作） ### 划线 · 匿名读者 562D > 决策力、自学力、与AI沟通的能力 ## 20261022 ### 划线 · 匿名读者 562D > 投迁移，不投风口 ## 20261019 ### 划线 · 匿名读者 15D4 > 我们的主动性，来自感知用户所处环境的变化 ### 划线 · 匿名读者 15D4 > 需求不断升级从普通标注、专家数据和工具操作，逐步延伸到机器人与物理世界 ### 划线 · 匿名读者 15D4 > 专家知识的难点，在于识别条件、处理例外、判断何时应承认不知道。工具操作要保留工作过程：先查什么、调用什么、在哪发现错误、怎样修正。 ## 20261018 ### 划线 · 匿名读者 1FCF > AI做完之后，新冒出来的麻烦是什么 ## 20260928 ### 划线 · 匿名读者 EB58 > 个人Agent的根本矛盾：服务于消费者，还是服务于商家 ### 划线 · 匿名读者 EB58 > 它产生的需求有两个特点：一是高度依附于已有的意图或记录；二是它不产生停留。 ### 划线 · 匿名读者 EB58 > 对需求明确的人，Agent能提高效率；对还没想好的人，浏览本身就是决策，跳过浏览等于跳过需求的形成。 ### 划线 · 匿名读者 EB58 > 没人要求时会不会继续做？遇到不会的东西会不会自己学？能不能把问题扎得足够深？发现更重要的问题后敢不敢改方向？ 自律、自学、钻研、判断 ### 划线 · 匿名读者 EB58 > 大模型拼的是数据的信息密度和干净程度 ### 划线 · 匿名读者 EB58 > 最好的礼物之一，就是人们用“你没有预料到的方式”使用你的产品。 ## 20260924 ### 划线 · 匿名读者 EB58 > 确定 Benchmark、找数据、搭环境、做训练 ### 划线 · 匿名读者 EB58 > 稳定产出足够多的可用数据 ### 划线 · 匿名读者 EB58 > 一份合格 RL 数据至少包含四部分：Task（要完成什么任务）、Context（所需文件、数据或应用环境）、Metric（评价方法与计分规则）、Reference Answer（可参考但不要求逐字匹配的结果）。 ### 划线 · 匿名读者 EB58 > Anthropic 已派研发人员入 JPMorgan 等投行，体验实际工作流程。 ### 划线 · 匿名读者 EB58 > Coding 追到 SOTA 八九成后，模型厂可能转向金融、法律、医疗等，需外部专业知识的任务。 ## 20260923 ### 划线 · 匿名读者 EB58 > 理解技术、明确边界、 拿回评价标准、找到真正合理的比较对象 ## 20260916 ### 划线 · 匿名读者 45C4 > 新的数学发现，会打开新的科学大门，进而带来新的药物、新的材料、新的工程方案。 ### 划线 · 匿名读者 45C4 > 你主要通过语音跟它交流，当然也可以打字；它有持久记忆，知道你是谁；它是主动地发现问题、解决问题，不只是等你问。 ### 划线 · 匿名读者 45C4 > 内心极度在意，把自己负责的事做到最好；不是表演出来的热情，而是真实的、发自内心的驱动力 ## 20260915 ### 划线 · 匿名读者 45C4 > 当 Agent 扩大权限，同时增加可验证性； ### 划线 · 匿名读者 45C4 > 模型进入企业，首要问题不是“模型不够聪明”，而是信任、Eval、数据、业务规则、真实环境的各种约束； ### 划线 · 匿名读者 45C4 > 做通，再判断可总结的“原子经验”，能继续进入产品。 ### 划线 · 匿名读者 45C4 > 完全扎进客户具体问题，先不考虑规模化，只想着解决问题，最后总能自然出现“可泛化部分” ### 划线 · 匿名读者 45C4 > 先解决不能规模化的问题，再判断什么值得规模化” ### 划线 · 匿名读者 45C4 > 金融、医疗、军工，没这条根本不敢接API。 ### 划线 · 匿名读者 45C4 > 零数据保留（ZDR ## 20260914 ### 划线 · 匿名读者 2A74 > 上下文工程、评测集、Agent 编排、失败模式分析 ### 划线 · 匿名读者 2A74 > UI 细节、边界条件、高并发、安全、成本 ### 划线 · 匿名读者 2A74 > Agent 是执行主体，人负责定义问题和验收结果 ## 20260912 ### 划线 · 匿名读者 5F75 > 向内看三个问题：你有什么与众不同的观点？什么事别人做着难受、你却乐此不疲？什么问题你觉得很痛、特别想解决？ ### 划线 · 匿名读者 5F75 > 产品卖的不是"完成了什么"，而是"做的时候感觉如何"。价值锚点从"结果"搬到"过程"。 ### 划线 · 匿名读者 5F75 > 旁观者最易犯的错，就是拿成熟产业的标准，去衡量刚出生的东西。 ## 20260911 ### 划线 · 匿名读者 5F75 > 过去App Store的核心，是让用户找到应用。AI Agent时代，核心变成让Agent找到服务、调用服务、组合服务。 ### 划线 · 匿名读者 5F75 > 全球算力争夺：楼还没盖完，算力已被签走 截至今年年中，北美数据中心空置率，已连续三年维持在1%左右，在建容量中，95%已提前签给客户。现在新签的合同，很多只能买到2028年才能交付的算力。 ### 划线 · 匿名读者 5F75 > 第三国市场，已成中美AI公司的兵家必争之地。 ### 划线 · 匿名读者 5F75 > Kimi在K3爆火后，正和微软、亚马逊、谷歌谈云平台托管和收入分成，希望让三家直接托管和销售Kimi K3。 ## 20260909 ### 划线 · 匿名读者 5F75 > 技能、技巧可以培养，但思想品德、领导力、创新性等70%以上的要素是天生的。 ## 20260908 ### 划线 · 匿名读者 B64B > 半年后话题已变：“效率和效益怎么真正挖出来” ## 20260907 ### 划线 · 匿名读者 B64B > 当智能可以外购，人只剩下创造力 ### 划线 · 匿名读者 B64B > 什么叫元创造力？就是你在脑海和心种，“看见”了某个原本“不存在于现实世界”的东西，然后用自己极强的文字功底，把它描述了出来。 ## 20260905 ### 划线 · 匿名读者 B64B > Manus如何评测研究报告质量：用「信息量」和「隐喻率」两个指标 ## 20260903 ### 划线 · 匿名读者 3CB4 > 前者是IT建设项目，后者是管理变革项目——从"以人为主"的业务流程，转变为"AI为主、人类把关"的业务流程。 人只在需要决策、资源协调和异常判断时介入。 ## 20260902 ### 划线 · 匿名读者 3CB4 > 判断需求先过三问：痛点够不够硬、自己是不是用户、AI够不够到。 ## 20260901 ### 划线 · 匿名读者 DAE3 > 评估 Harness 看三个结果——任务收敛多快、错误能否被限制在局部、每交付一个成功结果需多少成本 ## 20260831 ### 划线 · 匿名读者 B798 > 创始人的主观判断，应转化为可重复的评分标准、评估集和测试流程。 ### 划线 · 匿名读者 B798 > 先拆工作 → 再分人机 → 重设岗位 → 重设流程 → 调组织 ## 20260830 ### 划线 · 匿名读者 B798 > Harness四要素：工具链（行业专用API/数据库/执行器）、记忆系统（用户/项目/行业上下文）、规则引擎（合规要求/最佳实践）、行业know-how（只有干了十年才知道的术语、流程、潜规则）。 ### 划线 · 匿名读者 DAE3 > 2026不是模型元年，是Harness元年 ## 20260827 ### 划线 · 匿名读者 B00D > 规划、设计、构建、测试、部署、运维 ## 20260822 ### 划线 · 匿名读者 B00D > 是工具、流程、数据和效率，最后考验的，依然是公司怎么对待人 ### 本篇笔记 · 匿名读者 C285 AI时代的皇冠不是大模型，是容纳人+agent的新秩序结构 ## 20260821 ### 本篇笔记 · 匿名读者 C285 Palantir 的 FDE 方法论 ### 划线 · 匿名读者 C285 > 用户反复做同一件事（重复即模式，模式即机会）、在工具间复制粘贴、频繁切换工具或标签页、无奈地说“我不得不这么干”、做到一半拿出手机 ## 20260816 ### 划线 · 匿名读者 C285 > 先建benchmark（评估基准），是一切的起点， 很多公司容易跳过的“关键步骤” ### 划线 · 匿名读者 C285 > 新模型来了，怎么决定是否放进生产？ • 进入生产前，先用LegalAgentBench快速自动化评估，看它在法律任务上的“基础水平”。 • 然后做人工测试，让这模型和“现有模型”做side-by-side对比；再针对每个产品页，检查critical user journey（关键用户路径），因为一个模型，可能在通用任务上很强，但在某特定产品场景里，表现很差。 • 进入生产后，有持续监控机制，包括 A/B 测试、参与度跟踪、uptime（正常运行时间）、token 使用效率、product feedback。 ### 划线 · 匿名读者 C285 > 用户说"慢"至少包含三个指标： 首Token延迟 （发出任务后多久看到第一个字）、 解码速度 （每秒吐出多少Token）、 排队时间 （并发请求量直接影响）。