「张朝阳聊拖延症的成因和解决方法」与员工摸鱼和创新异曲同工 张朝阳讲拖延症，拖延的成因是「负反馈」，要对抗这件事，就不要太在意结果（未来可能的负反馈），而是将注意力集中到「如何实现」的细节中，然后身体就一点一点动起来。张老师讲的拖延和工作中的「摸鱼」现象有内在关联，企业领导喜欢讲谋定而后动，也喜欢通过负反馈来调节项目进展，这本身就是促成员工的拖延习惯（摸鱼）的根因，但企业又需要创新，最后破局的往往是那些钝感力强，或者憋着一股劲，能过滤掉这些负面反馈（负面情绪），一点一点做下去，然后用事实说服领导进一步投入的人。这些人其实就是张朝阳老师讲的「warm up」的那部分。
4年回首，大模型究竟改变了什么 大模型自第一天诞生起，就充满了是非讨论，有憧憬有担忧。现在四年过去了，我们对这件事有答案了吗？你曾经的预言验证了吗？你的工作还在吗？你的工作更轻松了还是更难了？我的结论是，这就是个rank系统，那波人还是那波人，不同的是大家开始比拼使用AI的能力了，工作不止是“快速做出一个原型”，which 这是目前LLM最擅长的，工作还有“承担责任”，以及“把产品做成商品所需的其它步骤”。以前是产品是第一竞争力，未来尽管也重要，但「整合能力」的重要性会更显著的凸显出来。
一个大模型尚无法企及的领域，语文之「语」学习手札 谐音梗、起名字等跟音韵相关的知识，大模型基本没有什么能力可言，给出的答案质量之低也是让人非常失望。一方面是模型本身的能力问题，另一方面其实也体现了我们国家重文轻语的客观事实导致的知识丢失，体现在了LLM能力不行上。相信大部分人很小就被强制戒断了音乐课，很多同学学外语，读写可能已经高中生水平了，但听说还停留在baby阶段。感谢短视频的发展，让我有幸在还能学习的年纪学到了很多语的知识，能力有限，先留个学习笔记给诸君分享。
在Open API生态发展后，「个人 Agent」会成为继知识问答、coding之后最大的token消耗场景 在OpenAPI足够繁荣之后，在新一代的年轻人替代老一代的古董（习惯计算机的人比例大幅上升）之后，必然迎来「个人Agent」百花齐放的时代，token经济也会在这个时候真正看出价值，电费、算力才会真正成为基建。目前token主要还是消耗在知识检索上，或者企业场景，个人场景还有巨大想象空间。
LUI时代「Open API」将成为前沿产品的标准战场，开放API成为必然趋势 施乐当年断言GUI是未来，乔布斯的Macintosh横空出世，比尔盖茨紧随其后，制造了一个PC应用时代，后来移动端也制造了一个一系列的APP浪潮。LUI作为同级别的概念，现在毫无疑问是新时代宠儿，拥有海量流量，但「其上的生态，或者说agent生态却非常闭塞」。OpenAI尝试在chatGPT中融入商品信息，Klarna在2025年开始尝试做商品的API化，或者说tools化。在国内的agent相关的标准会议上，华为和微信关于是否、如何开放API，谁来授权开放API，如何做鉴权等问题上吵的不可开交，背后是一种担心，在GUI时代占领高生态位的既得利益者担心将胜利果实拱手让人，但自己的进化也极其缓慢，消费者无法获益。我作为消费者，从游戏场景讲，我们这一代人是从小玩游戏长大的一代人，和我们的父辈不同，他们老了顶多也就是下下围棋、打打麻将，我们老了还会在游戏世界里。但MOBA这种游戏，对即时的全情参与度要求很高，临时走开对队友的体验很不好，可成年人是有很多急事的，因此「AI托管是一件非常高频的需求」。但遗憾的是大部分游戏都没有很好的托管功能，甚至没有托管功能，这里面的担心基本都是上个时代的担心，比如不充钱的是充钱的玩物。但在我这代人眼里，「游戏开放API是未来的大势所趋，所有应用的开放API是大势所趋，以个人主导的agent是大势所趋」。
TTS「像」的执念很美好，但从声纹像到行为像还有很长的路，业务在TTS选型中要取舍 下一代TTS肯定是要解决few shot的音色克隆问题的，会先经历在自然度上追平精品TTS，然后达到更广域的“像”，和LLM的进一步融合，体现在表达一致性、行为一致性等，而在这一过程中，对副语言信息的挖掘会起到关键作用。作为使用者，在「自然度」和「像」不可兼得的情况下，建议从自己的业务痛点出发去选型，而不是盲目追求超现实体验，最后遗憾。
「效率」这个价值概念很神奇，在B端通常很难形成说服力，但在C端却能实实在在驱动购买行为的发生 之前写过一个「情绪价值」的专题，讲这是一个2C和2B在价值判断上的区别点（2B是“收入、成本效率、质量、体验”），感兴趣的可以爬楼。今天补充另一个2C的强价值点「效率」，想法起源于一个抖音在美博主“无敌小鱼姐”的一期vlog，分享了一款产品“zuru水气球”，看完很感慨。2B对“成本效率”的追求往往是雷声大雨点小，这类产品基本都很难卖，因为很难证明同等效率下成本降低了，企业有的是其他的归因逻辑。但是2C则不同，水气球就是一个很好的例子，21美金280个气球，这价格可以说远超制造、营销成本了。这用2B的思维来理解简直不可思议，因为2B基本客户是严格按照成本付费的，所以会有“交付团队驻场刷成本”这个概念。这款水气球解决的问题是小孩喜欢玩水球，但家长制造水球的过程慢，且产生的垃圾不好收拾的问题，痛点之痛，发明人甚至在众筹网站Kickstarter募集了接近100万美金。从这个案例看，2C提效型产品伴随两件事要注意，一是需要一个相当大规模的痛的用户群（付费意愿），一个是足够好的专利保护机制（提效型产品太容易被复制了）。我最近就在孵化一款“AI+安全”产品，TrustC，是很像的产品逻辑，希望我能跑通。
语音大模型和文本大模型在交互模式上有着本质不同「proactive 权力不对等」 LLM爆发前，AI三大板块是CV、Speech、NLP，各有各的难题板块，LLM爆发后，视觉率先推出了diffusion框架，文图对齐开始发展，图文大模型之后是语音大模型、世界模型。早期我觉得是因为大家要蹭LLM的热度，后来我觉得是大参数可能真的有用，最近我有一些新认知，特别是写这段小结时，梁文峰也在说学习「学习」，我认为未来是AI主导探索的时代，从交互中自行提炼评价并迭代自己。今天我们来一起看下，语音大模型和文本大模型在交互抹上的异同，「proactive 权力不对等」问题。
「返工」不是十恶不赦，螺旋迭代才是常态，别总拿这个喷产品经理和吐槽领导 我发现一个政治正确的武器，就是经常大领导或者研发会喷产品经理总改需求。我记得有一次大领导说“产品经理很重要，因为如果一旦产品定义错了，那么可能要付出海量的研发成本”。很多人会错误理解这句话，极端化的认为只要产品经理改了需求，那就是失职，没一枪打准就是失职。实际上领导这句话背后只是说「每次做决策要有依据」，通过依据提高射中的准确率。领导自己也说过另一个言论，”先霰弹枪扫一下，然后盯准某个位置集中火力“，以前没雷达的时候打炮就是手指描然后修正。所以修正就是「会随着数据和信息的增多而产生的再正常不过的动作」。我记得我的+1之前说过，不要喷领导朝令夕改，时移势易，况且就算真的是错了，也要给对方犯错的quota。manus最早是搞订票的，结果最后改成做ppt才出圈，这也是很好的例证了。
推荐家乡美食，地道「邢台味道」 15岁从邢台出来，经常被朋友问起老家有什么特产，一直说不出来。现在离家20年了，经常想吃口家乡味道，但是就是没有，看来邢台的饮食还是太小众了。这大概这些就是真的牛城特产吧。留此文档，日后若富贵，必给在京的兄弟们开一家。没尝过的也欢迎来大襄都品尝。
「AI心理学」先烈墓志（2025-2026） 非常有幸在2025年做了一年的AI心理学先锋项目，很遗憾没有做成明星项目，但这并不代表AI心理学没有价值。相反，我相信未来AI心理学能力一定会成为对话智能的标配能力。留此文档，与君共勉。【非公开文档，邀请可看】
「产品护城河」没那么神，别总拿这个考验项目 我发现大家特别喜欢问一个产品的护城河在哪，话里话的意思都是“如果讲不清楚护城河，这个产品就没价值”。可真的细想，今天我们随便拉一个产品出来，比如gemini，谁又能讲清楚他的护城河是什么呢，又用什么支持这个结论是正确的，无非是给自己实现不了找了个“借口”自欺欺人罢了。这世界上没那么多能垄断的产品，真要拷问护城河，chatgpt的后继者们（claude、gemini、ds...）都不用做了。我认为做产品研发的唯二条件是「足够多的需求」「足够好用」。护城河是第二个条件的特例，即永远排第一的窍门。但如果第一个条件足够好，需求足够多，排名第十也没问题，萝卜青菜各有所爱，你总归是可以通过运行手段吃到一份蛋糕的。
「置身钉内」揭开了管理的遮羞布，管理者看了能自省，蛤蟆兵看了能共情 「置身钉内」是一个好文章，我在其中能找到很多共鸣点，包括产品方法论（如何调研、如何取舍）、LLM下的产品创新（LUI之路的坑）、工具型产品的立场选择、牛马之苦、管理弊病...来一起看下这篇“讨伐檄文”吧，看看牛马的反抗，如何整顿职场，让事业部一把手“无招”下课。或许这篇文章还能促成我国的劳动法、工会的进步，甚至是推进程序正义，依法治国的进程。
一本不定期更新的「情绪价值」学习手札 总被人评价为情商低，虽然但是，挣扎一下。今天我们就来聊聊什么是情商，什么是情绪价值。我的核心观点是「在产品上，情绪价值本身就是价值，是和revenue同等级别的高价值」，「在人际关系中，提供情绪价值往往有客观代价（高能量、高适应性、没那么负责）」，如何平衡利弊提供情绪价值是门手艺，我功力不够，没办法直接给出行动指南，特留此文档，持续case by case的整理学习实践笔记。
语音助手的核心功能「施法前摇-唤醒词」可以去掉吗？ 我也算是语音交互的重度用户了，有一天我突然意识到，自己像是瓶里的跳蚤，已经被完全规训，一遍遍嘴里喊着“小爱同学”、“小度小度”...浑然已经忘了，为什么要像个傻逼一样讲这个毫无意义的话。我认为通过音频的空间感知能力+认知能力+伺机而动的交互能力，完全可以实现一款主动交互的助手。核心指标就是唤醒时机是否是用户需要的时机。
「交互」中藏着Conversation AI十大难题之首“ASR字准率”的弯超路径 “让整个对话顺利推进并解决用户问题”优先于“让 ASR 塞进 LLM 的文本 100% 正确”，通过副语言信息可以使agent具备动态交互反馈能力，从而绕过ASR字准问题，直接提升用户问题解决率。一种“对话轮次”换“对话效果”的方案。特别是对环境极差情况的提升。
从循证医学出发，探索AI的循证之路「循证AI/Agent」 AI已经开始大规模介入大家的工作和生活，生产者现在更多是在注入个人知识，尝试一定程度的将AI退化成状态机，获取可控的表现，但越来越多的证据证明只要给AI设定一个判断标准就能获得更好的结果， TSL(Trust Sourcing Levels) 循证等级可能就是通往AGI的一条路，在此预言，立下flag。
「因果推断 Causal inference」区别于传统ML的独特部分「非对称关系」 因果推断和统计机器学习、数理统计的区别和联系是什么？因果和统计机器学习一样，也是基于数理统计发展出来的应用分支，因果的核心是构造一种非对称关系，也即称为找到了病根。在因果技术中，会很关注非对称关系的存在性、健壮性、可干预性。也因此会非常在意最终的RCT验证。
信任是毒药？让「循证」成为一种工作习惯 你是否有过这些困扰，跟有些人“话不投机半句多”，费劲准备的汇报和调研材料被老板痛批“没有思考，就是个传话筒”。如果你遇到过，那么你适合点进来看一下，可能你的循证意识出现了问题。
那些令人成瘾的「游戏运营设计」 从小就爱玩游戏，又菜又爱玩，玩的时候也在想这游戏到底哪好玩，也在憧憬自己如果做游戏怎么设计。现在虽然没有从事游戏工作，但他山之石可以攻玉，苹果的知名设计师Jony Ive在履职苹果之前也是在一个毫不相干的领域工作，Burberry做设计工作。遂有本文，看看游戏的设计是否能链接其他业务。
如果说「宗教」是个产品，重新打开看 高晓松曾经出过一系列白活类节目，《晓说》、《晓松奇谈》，里面有把“建立政权”和“创业”做类比，私以为非常恰当（豁然开朗），并且也增进了我后续对《毛选》的理解。一直想做一件类似的事情，直到近期有陪家人去了一趟藏传佛教寺庙，看到了一些非常有特色的设计。遂有此文，博君一笑。
mark一个大佬关于写作的吐槽《Paper writing tips - three sins of authors in computer science and math》 1. 定义好读者知识背景，选择对应的位置直接开始，不要previous review，不要尝试兼容所有人；2. 直接上结论，在哪个具体问题上，用了什么方法，有什么效果，怎么用的，具体数字报告什么样；3. 解读实验报告，预警偏激理解；
