铃阅时讯
❌

阅读视图

即梦正式上线短剧工作室,我决定公开这三年持续迭代的AI视频工作流

原创 AI沃茨 2026-11-02 23:33 浙江

这次剧本模型看着不烧心

大概三年前,我们用即梦手搓过我们第一部 AI 小短片《我是瓦猫》,

Image

当时发出来反响还不错,即梦也算是我入坑AI视频的第一批工具了。

但这阵子我在抖音上高强度刷AI短剧,发现现在是画面越来越能打,但只要里面的人物一张嘴,我脚趾头能当场抠出一套三室一厅。。。全是那种极其经典的 AI 造句,什么我不是在妥协,而是在给你最后一次体面,要么就是这不仅仅是一场背叛,更是一次灵魂的审判。

不是哥们儿,真人吵架谁这么说话啊???

每次刷到这种一眼大模型直出的台词,我撑死三秒就划走了。反过来看最近真在抖音跑出几百万赞的爆款 AI 短剧,你会发现作者在剧本上都贼下功夫,会刻意把这种AI爹味洗掉,塞很多自己的想法进去,看着才舒服不烧心。

然后这两天我发现即梦直接更了个大活,上线了即梦短剧工作室。

Image

我进去摸了一圈,发现他们这次干了件特别狠的,把全网上千部真跑出来的爆款短剧攒到一起,专门训了个写短剧的剧本模型,叫DreamScript。

Image

用人话说,就是先给AI换了个懂短剧懂爽点套路的编剧脑子,让它别再写小学生作文了。

当然,光听我说没用,所以来吧开肝!

因为最近AI美高剧特别火,我就想在美高恋爱剧的底子上整点新活,也做一部短剧,每集一分半钟左右。设定是在美国高中留学的普通东北少女,和活了三百年的纯血高冷吸血鬼校草意外灵魂互换。

做出来的成片是这样的!

你别说有点招笑了,最逗的是女主平时是在东北话和英语之间来回切换的,等他俩灵魂互换之后,这顶着一张 188cm欧美禁欲系帅脸的吸血鬼校草一张嘴也开始满嘴大碴子味地飙东北话了哈哈哈哈

其实在跑整个流程之前,我拿这个设定做了一个同题对比测试。左边丢给平时常用的某款通用大模型,右边丢给即梦短剧工作室里的DreamScript,让它们各自写第一集,你们自己看眼这个对比。

两边出来的感觉其实挺不一样的。但我主观上会更喜欢即梦给出的这版走向,更收敛也更有代入感一些。

Image

其他通用大模型写的故事大纲

大家先看上面这段,说实话,普通的模型写出来的就是流水账套路,看起来咋咋呼唬,刷到我就想秒滑走。

但下面即梦这个自研的DreamScript模型写出来的不一样,作为字节首个剧本模型,它写出来的戏是有编剧意识的。

Image

即梦DreamScript写的故事大纲

即梦这个它把冲突放在了晚上,林大鹅是为了偷溜出来拿回被没收的滑板,达蒙则是动机成谜的夜行,两个人撞上也是因为碰到了家族银饰才触发互换,前后的因果铺垫得比较扎实。

普通大模型的逻辑很无聊,男女主相撞 → 灵魂互换 → 醒来发现不对劲。逻辑没毛病但太常规了,我看到开头就能猜到后续。

DreamScript这一版明显是有递进层次的,

第一步先立人物在这一幕的状态,林大鹅偷溜去拿滑板带点混不吝,达蒙则是避开眼线的夜行,动机先立住了;第二步是制造合理偶遇,两个人各怀心思没有过多关注环境,所以会在同一个死角撞上;第三步就是剧情高潮,错位反差,把高冷少爷顶着金发蓝眼,突然飚出一口东北话的反差感拉满。

更关键的是它在第一集的结尾设置了一个很好的断点,停在林大鹅顶着黑发蓝眼的帅脸在洗手间刚一张嘴就是东北话,当场僵住。刚好把最大的反差悬念和笑点留在了结尾,会让我更有往下看的冲动。

那话说回来,我们现在来看整个即梦短剧工作室完成一个短剧全流程。

在剧本阶段,除了自研的这个DreamScript模型,还同时可以调用6个文本大模型,随时能切。如果你手里原本就有写好的网文,它最高支持直接扔10万字进去,一口气自动拆解成100集的短剧大纲和分集,手里有长篇存稿或者小说改编的朋友不用手动一章一章搬运了。

而且它针对玄幻仙侠、都市恋爱、末世规则这些常见短剧赛道,直接塞了几个对应的题材的风格Skill,可以直接一键预设风格,让剧情走向更符合剧本的题材。

Image

比如我这里额外给了一个“上古诛仙剑灵是个暴躁东北大妈”的脑洞,在开了 Skill 和没开 Skill 的状态下各跑了一版故事梗概,没用skill直接写出来的是这样的,就是很典型的套路流水账,唤醒剑灵、一路打脸、最后揭秘身世,看着热闹但经不起细琢磨。

Image

没用skill写的故事梗概

用了对应的玄幻仙侠短剧创意skill做出来的故事梗概是这样的,这里面最妙的是它在故事里加了一个关键代价,就是翠芬姐每次全力出手都会消耗封印、引来强敌,力量越来越弱濒临沉睡。有了这个设定,男主就从单纯抱大腿吃软饭,变成了必须主动变强去守护她,大结局魔头逼他在牺牲剑灵换太平和同生共死之间做二选一,人物的情感弧光和短剧的拉扯感一下就立住了,真的很懂行!

Image

用了skill写的故事梗概

故事设定丢进去之后,还会有一个选题菜单。它把受众、故事背景、人设、核心关系这些东西拆开了,点进去能看到具体选项。有灵感但不知道怎么描述的时候,这些选项能把需求说清楚。

当把这些预设参数都选好之后,就可以开始生成剧本了。第一个阶段即梦没有上来就把男女主的对白都写好,而是先给出了故事梗概。这里比较有用的是,它往灵魂互换后面接了具体麻烦,比如顶着校草的脸应付追求者、躲大蒜,还要面对吸血鬼家族。这个反差梗开始有了能继续往下演的情节。

Image

接着是人物小传。

小传把两个人互换前后的表情、语言和关系变化都写了出来。说实话,不知道大家平时有没有看小说的习惯。看了N多小说的我觉得,这个人物小传实在是写得太对味了,什么孤独的异乡人、麻木厌世的永生者,以及两个人是彼此唯一的绝对核心关系,这种感觉全部都写了出来。

Image

同一页里能看设定,也能在右边继续提调整要求,下方再选生成大纲或正文。我的话更愿意在这里先把人设确认好,省得等几十场戏都写完了,再发现两个人的设定有问题要全部推翻重来就很难受了。

Image

即梦短剧工作室剧本生成页面

然后才是分集大纲。

就是我们刚刚看到的,第一集从校园里的文化冲突,推进到血月相撞、发现互换,结尾停在校草照镜子开口说东北话,第二集让两人被迫结盟,再抛出晚宴。这两集的任务分得比较清楚,反差出现之后,后面两个主角全部都有事可做,就不会出现那种什么工具人角色,就专门跑出来恶心一下,后面又没什么戏份的。

Image

注意看它在大纲里还单独标了冲突、期待点和结尾钩子。这些标签让我们能够判断这一集到底发生了什么变化,结尾又凭什么让人想点下一集。

接着就可以进入完整剧本,我也录了一段。这里生成出来的剧本,正文里的字是可以直接手动改的。哪句话不顺、哪个词不像这个人物会说的,我们都可以自己动手换掉,需要大一点的调整,也能在右边继续跟助手聊。

但我觉得,对于像没有专业学过写剧本的普通人来说,可能一眼望去并不知道剧本中目前存在了哪些问题。所以即梦这里有一个我非常喜欢的新功能,叫做剧本医生。它可以帮我们直接诊断出来目前已经写好的这个剧本里面存在哪些问题,是否可以使用,并做出评分。

Image

它列出了必须修和建议修的地方,比如第二集晚宴的伏笔没回收,以及第十集校长突然出现在吸血鬼庄园,这两个都是观众真会觉得不对劲的地方。

然后他还会给我们输出一个完整的剧本诊断报告,

Image

综合结论认可了开篇的人设和反差,同时把主线因果、四到六集缺少大爽点列为短板。这一页把问题落到了具体集数和事件,第二集的晚宴承诺、第七集到第九集的血月时间衔接、第十集校长的出场。都落实到了具体的集数以及具体的问题。让我能很明确地get目前剧本的剧情逻辑哪里出了问题,我具体该怎么下手去改

Image

Image

我觉得这个功能最重要的作用,就是可以总览全局,帮我们提前梳理所有集数目前埋的坑,或者是想要推进的剧情是否合理。因为我们也知道,剧情中只要存在一个漏洞,后面所有的剧情就会跟着发生变动,甚至出现不合理的情况。所以这个功能我觉得真的很有必要,完全切中了我的痛点。

等我让这个医生帮我逐一把剧本修改完成之后,就可以直接进入视频生成了。

我特别喜欢即梦这里说的,祝开机顺利!

真的满满的仪式感,让我感觉自己就像是在做一个一人剧组,操控着剧组里的各个角色完成各自的任务。

Image

OK,剧本这关过完,再往下看它怎么接制作。

原来最烦的一步,是从剧本里把人物、场景一个个摘出来。即梦的短剧工作室可以批量把每集的角色和场景都拆成资产,然后在资产库里集中查看。

Image

根据剧情,即梦先把前两集的剧情资产拆解了出来。资产库里能看到7个角色8个场景,

给主角做形象时,我用到的是AnyCook。这个故事需要的不只是一男一女两张定妆照,还得区分互换前后、校服和家居服等不同状态。画布里能看到同一角色连着不同造型,每张图片对应的提示词也都能打开看,具体到了衣服、肤色、表情和饰品。哪里不符合要求,可以直接手动修改提示词,再继续生成。

Image

也可以直接在下面进行角色设计,像捏脸一样进行自己想要的角色设定,从肤色到五官的每一个细节都可以调整。

不想从头做角色的话,里面也提供了7000+AI演员和100+画风,可以先找接近自己故事的方向,再调整表情、妆容、皮肤和发型。

顺带提一嘴,这里的资产是全链路打通的。中途要是觉得主角的衣服不合适,改一次,后面用到这个角色的所有镜头就自动跟着变了,改错了还能一键退回历史版本。

要是几个人搭伙做剧,它的团队版支持最多20个人在一个项目里一起改本子、调分镜,积分也能放在一个池子里分着用,谁花了多少一清二楚,不用每次做完还拉个表格去对账。

接着我们可以推进分集视频了,一共要做10集的话会都列在同一个项目里,第一集已经有了角色和场景,后面几集仍然是待生成。哪一集推进到哪一步,扫一眼能看出来,当然也是可以批量生成的。

这里还有一步,是选脚本规划方式。生成脚本的时候有个小细节要注意,系统会让你选单个片段是15秒还是30秒上限。选完之后这一项就锁死不能改了,建议大家提前想好。

Image

到了具体的分镜里,每个镜头的长短还能单调,2秒,5秒,10秒都行。比如主角说话可以留长点,切到对方震惊脸的反应镜头两三秒就够了,不用死板地全拉成一样长。

Image

另外分镜里的角色资产变成了可点击的标签,点一下就能挑这出戏到底用哪套造型。像我们这种互换身体的戏,同样是林大鹅,在这一场里到底该顶着女高中生的身体、还是顶着吸血鬼校草的脸,直接在分镜里点选对应的人设就行,不会弄串。

Image

而且右侧还有一个故事板助手,可以辅助我们修改分镜里的各种细节。如果你不知道怎么手动修改,直接跟它对话修改就行。这里面搭载了很多不同类型的技能,比如我平时就很喜欢用它的分镜打分skill,真的可以像刚刚的剧本医生一样,帮我挑出目前这个场景里的分镜具体存在哪些问题,然后再帮我修改出来。

Image

再往下,就是我很在意的积分问题了。

以前最肉疼的,是没想清楚就直接上高清视频,跑完才发现机位、动作或者前后衔接不对,再重新来一轮。即梦可以先用480P的样片模式生成,确认画面合适后再提升画质,这个方式真的生积分。

复杂走位还可以用短剧导演台安排布景、人物站位和机位,内置道具、动作和图片转白模功能,平时用Blender的,也能通过插件导入白模作为视频参考。即梦的导演台的操作方式和我们之前讲小云雀的时候基本上都是类似的。大家可以参考我之前写的这篇文章。

烧了四万积分之后,这是我找到的Seedance2.5最好用的玩法

最后是故事板里的后期。基本上,简单的后期也都可以在即梦的短剧工作室里完成了,多轨道编辑、片段重拍、音频分离和配音等功能,可以直接在项目里收尾。

Image

今天跑完第一集,我最有感的其实还是剧本医生揪出来的那两条硬伤。

吸血鬼说东北话,这个脑洞想出来挺乐呵,但第二集画的晚宴大饼后面填没填,十集之后故事能不能圆回来,才决定了它是不是真的能做下去。

三年前做《我是瓦猫》,我们花了大把精力跟一张图、一个动作、一个镜头较劲。

现在我更想把时间放在,AI人物开口能不能更有人感,这一场戏进行完了,两个角色的关系到底推进了什么。

能帮我把这些问题提前摊开的工具,我就觉得值得折腾一把。

顺便提一句,即梦还开放了《The accident》《反相之地》《丧尸清道夫》这些爆款的原版创作画布,想学习制作思路的可以去抄作业了。

另外另外,给新上线全量用户送了免费额度,双十一SD2.5年卡能压到0.16/秒,想要发AI短剧的朋友可以顺便去看看他们的创作者激励。

他们联合红果短剧和版权中心搞了个 300 万现金的创作大赛,作品发出去满 10 万播放就有保底拿,真正能做到一边搞创作一边顺手把钱给赚了。

接下来,我要去做我的东北吸血鬼第三集咯!

说不定过段时间大家能在某音看到咧。

放心,台词就经过正宗东北人验证过的。

@ 作者 / 卡尔


最后,感谢你看到这里👏如果喜欢这篇文章,不妨顺手给我们点赞|在看|转发|评论 📣

如果想第一时间收到推送,不妨给个星标🌟

如果你有更有趣的玩法,欢迎聊聊🤝

更多的内容正在不断填坑中……

跳转微信打开

  •  

DeepSeek 刚提出的 Super-agent 新架构,LobeHub 已经做成了产品

原创 有新 2026-11-02 21:31 浙江

10 月 31 日,DeepSeek Harness 团队公布了一套 Super-agent 架构设计,采用 Router/Worker 双层分工:常驻的 Router 负责与人沟通、派发工作和协调进展,多个 Worker 则在独立上下文中执行任务。用户通过一个入口交代要求,后台可以同时推进多项工作.....

“人将设定目标、提出假设、确定标准,并进行评估。”——J. C. R. 利克里德,《人机共生》

10 月 31 日,DeepSeek Harness 团队公布了一套 Super-agent 架构设计,采用 Router/Worker 双层分工:常驻的 Router 负责与人沟通、派发工作和协调进展,多个 Worker 则在独立上下文中执行任务。用户通过一个入口交代要求,后台可以同时推进多项工作。

这套设计针对的是多 Agent 使用中的调度负担。执行工具增加了,人仍要在不同会话之间切换,交代背景、追问进度、转交结果。多项工作并行时,协调本身就会占用不少精力。DSH 希望将其中一部分工作交给系统,让人更多地参与决策和交付确认。

同一天,LobeHub 团队成员在朋友圈转发了这篇文章,写道:“本文的大部分设计已在 Github 仓库项目 lobehub 中实现。”他还补充,该仓库公开的就是 LobeHub 线上产品所使用的那套代码。

这条转发提供了一个可以具体观察的案例:Super-agent 进入真实的研发流程后,会怎样工作?

LobeHub 团队已经在用 LobeHub 开发 LobeHub,相关实践持续了半年左右。他们把需求交给主管 Agent,由它拆解任务、协调执行,再由人参与关键决策和最终验收。围绕多 Agent 的调度与协作,也已经成为这个超过 8 万 GitHub Stars 项目的产品功能。

具体来说,LobeHub 是一个组织不同 Agent 协作的工作平台。主管 Agent 承接用户目标、分派工作,并根据执行结果决定下一步;任务较大时,可以组建子 Agent 小队,遇到需要人作出取舍的问题时暂停,等待确认。

具体执行既可以使用平台内的 Agent,也可以接入 Codex、Claude Code 等编程工具。这些工具继续在各自的项目环境中处理文件和代码,LobeHub 则提供共同的沟通与协调入口,让用户能够在同一处交代需求、查看进度和确认结果。

▍用 Lobehub 开发一款游戏

资料研究、文档协作和软件开发,都涉及要求传递、工作分派与结果检查。LobeHub 将这些环节放进共同的工作空间,尝试组织不同 Agent 接续工作。

开发工作提供了一个值得观察的切面。GitHub 在 10 月 28 日发布的《Octoverse 2026》中披露,截至今年 9 月,平台上的中国开发者达到 1240 万;同期,GitHub 上超过四成代码修改申请以 Agent 生成的初稿开始。开发者已经在将具体工作交给 Agent,之后的审阅、修改和整合,仍然需要继续推进。

在一次 2D 弹弓游戏开发项目中,LobeHub 展现了处理、交接任务上下文的能力。项目中的交流放在 Discord,任务组织和工具调用由 LobeHub 承担。LobeHub 可以接入团队群聊,让授权成员在其中提出要求、接收进展。

游戏目标通过 Discord 交给 Agent 后,需求被整理成文档,再展开为需求分析、游戏设计、工程搭建、弹弓实现和测试等 Task。主管 Agent 安排任务顺序,将代码工作交给 Codex,并把已完成、未完成和需要人决定的事项汇报到 Discord。

各任务之间存在紧密的联系,当前置任务完成或进入代办区供人决策时,后续任务会由主管 Agent 判断是否具备启动条件、未明确的要求是否需要负责人补充。在明确启动条件后,主管 Agent 会跟进执行后续任务。

LobeHub 还运用 Linear 式 Task 管理 Agent 协作,这正是此前 Deepseek 正在探索尚未得到解决的问题,Task 保存了这些工作的要求、状态和评论。项目发生变化时,执行者可以回到已有记录查阅依据,负责人也能核对当前进展。一次讨论由此能够延续到后续实现和修改,不必只依靠群聊里不断向前滚动的消息。同时,主管 Agent 会根据需求检查并优化代码,保证能合理调用 AI 工具。

第一阶段后,观察可运行的原型发现:游戏已经初步实现鼠标拖拽弹弓、松手小鸟发射的功能,但是小鸟和木板撞上猪后,猪没有触发预期的爆炸消失效果。

管理 Agent 发现的问题会在 Discord 中反馈,随后通过输出 PR 并交给 Codex 修复,相关调用继续由 LobeHub 承接。主管 Agent 继续跟进这项修改,将新的执行结果返回讨论中。

修订后的版本会被重新交付。运行视频显示,原先的碰撞反馈问题得到修复。即使一个问题消失,主管 Agent 会继续根据需求文档对完整项目进行检查。

随后,LobeHub 会调用 Acceptance,这是 LobeHub 开源的一款 Agent Loop 工具,它可以收集 AI 交付后的证据并反馈给负责人。将检查内容与截图、录屏等证据整理成报告。负责人可以逐项审阅,对不符合要求的部分提出反馈,决定继续修改还是接受交付。报告也能够经由 Discord 返回,让结果与此前的讨论衔接起来。

LobeHub 因此将原本分散在群聊、编程工具和检查过程中的工作联系起来,尝试减少负责人在这些位置之间反复传话的负担。

▍从 LobeChat 到 LobeHub

LobeHub 团队早期推出的是开源 AI 聊天应用 LobeChat。产品最初围绕不同助手组织交互,当时助手之间的差异主要来自提示词。随着模型工具调用能力的发展,LobeChat 也逐渐成为开发者体验和测试不同模型能力的平台。

包括 DeepSeek 在内的模型厂商,曾多次选用 LobeChat 进行官方功能演示。

2024 年 7 月,DeepSeek 在发布 Function Calling 能力时,使用 LobeChat 展示了模型调用插件、获取并总结网页内容的过程。到了 2025 年 12 月,DeepSeek-V3.2 正式发布,官方再次使用 LobeChat 演示模型将深度思考与工具调用相结合的能力。

除了提供模型交互入口,LobeHub 团队也逐渐深入 Agent 能力评测。他们与新加坡国立大学 NUS TRAIL 联合发起了 MCPMark,通过 127 个真实场景任务,评估模型在 MCP 工具调用中的表现;随后又推出 IBench,从用户体验出发,评估 Coding Agent 能否发现并修复真实产品中的可用性问题。

这些工作也涉及一个更实际的问题:当模型开始调用工具、编写代码,甚至独立完成任务之后,如何保证整个执行过程可靠,最终交付的结果又该如何验证?

随着 Agent 能够承担越来越复杂的工作,单纯的聊天交互已经难以满足持续执行的需要。产品需要保存的内容开始从一段对话,扩展到长期任务所需的背景、状态与决策。

LobeChat 随后引入服务端数据库,让对话、助手和知识能够脱离单个浏览器长期保存,用户管理则划定了多人使用时的账户与访问边界。

当多个 Agent 开始共同完成一项工作,新的问题随之出现:谁来分配任务,谁来跟踪进度,不同 Agent 之间如何交接上下文,执行结果又该如何验收?

LobeHub 因此逐渐将任务管理、主管 Agent、外部执行工具接入等能力整合到同一个 Workspace 中,让 Agent 能够在共享的工作环境中持续协作。

创始人、LobeChat 核心作者徐文彬,自己也在使用 Claude Code、Codex 等执行工具。他曾描述过一种工作状态:多个 Agent 各自执行任务,使用者却要不断切换窗口、同步背景、检查进度。他将这种负担称为「人肉调度员」,并把承接调度工作作为 LobeHub 转向主管 Agent 的直接原因。

在维护 LobeChat 时,团队也需要处理 AI 生成结果的后续工作。多语言维护就是一例:团队开发了 AI 翻译工具,再将其接入仓库的定期更新流程,生成修改申请,交给维护者审阅。模型输出需要经过整理、检查,才能成为产品的一部分。

▍协作机制成为产品能力

将多个 Agent 用于日常工作之后,企业也开始调整原有流程。埃森哲 10 月 19 日发布的调查显示,在 3,000 名受访员工中,82% 认为 AI 提高了生产力,50% 表示工作速度和检查 AI 输出的要求也在提高。在另外 3,000 名受访高管中,15% 表示正在重设计端到端流程,20% 正跨职能部署 Agent。个人使用已经深入,组织对工作流程的调整仍在推进。

更长的工作过程,会把交接问题进一步放大。a16z 普通合伙人 David Haber 在 10 月 14 日的文章中,将持续数周、涉及多名参与者的业务比作接力:每次交接都可能发生等待、遗漏和信息流失,而客户需要的结果往往到流程末端才实现。他认为,能够持续保存背景、跟进事件并协调后续工作的长程 Agent,有机会承担更完整的业务过程。

把这样的业务交给 Agent,需要持续安排任务接手、同步需求变化,并在验收未通过时跟进修改。LobeHub 希望由项目中的主管 Agent 承担这些工作,个人的 Agent 则过滤消息,把需要本人判断的事项带回来。执行者之间直接传递要求和反馈,减少等待人工转述的时间。

验收和修改留下的记录,还可以成为下一次交付的检查依据。团队设想,让 Agent 在提交结果前,对照以往的易错点和遗漏项先检查一遍。反馈留在工作流程中,也有助于减少反复解释和重复返工。

用户逐步交出更多执行工作,仍要设定目标、划定授权范围,并为关键决定和最终结果负责。产品则持续保存已有决定、跟进任务变化,遇到超出授权或需要取舍的事项,再把问题交还给人。

随着模型和执行工具的能力提升,分工、信息传递、反馈和验收,也会越来越影响一项工作能否完成。LobeHub 正在尝试把这些依赖人工协调的环节,做成软件可以持续承担的工作。

✦精选内容✦

微软谷歌重整办公套件,腾讯 Buddy One 串联应用:办公 AI 开始比拼生态协同

Arc 让位 AI 浏览器,WorkBuddy 则让 AI 用上了旧浏览器

押注金融 Agent 自我进化,EasyLink 完成数千万元天使轮融资,27B 模型超越千亿级最前沿模型

AI 数据供应商转向机器人部署,Mecka 想做新一代系统集成商

当 Personal Agent 有了记忆,Today AI 尝试主动跟进

跳转微信打开

  •  

政策利率换锚?到底说了啥?

三折人生 2026-11-02 21:30 上海

政策利率“换锚”落地了,以后央行调控市场,主要看隔夜逆回购利率。

11月2号起,每个工作日都开展隔夜逆回购招标。说白了,政策利率就是央行给整个市场定的“钱价”,它一变,你去银行贷款的利率跟着动。

以前央行拿7天逆回购利率当标杆,现在换成隔夜的。因为银行间每天借短钱的交易里,隔夜占了九成以上,是日常周转的核心。期限对上后,央行控短期资金更准了。

最后提个醒:这只是调控机制换了工具,不等于直接降息。

想不想了解这次“换锚”背后更多的故事?可以点击左下角原文,查看我们的漫画解读!

跳转微信打开

  •  

2026年了,怎么还有女装店在排队?

罗雪妍 2026-11-02 21:12 中国香港

以下文章来源于:远川消费评论

远川消费评论

消费的第一现场,商业的逻辑真相

BM的中国学徒们

几个月前,晚晚宣布入局女装赛道,自创品牌,卖300多一件的开衫,网友评价是49年入国军。

十年前,评论区遍地求同款,她没有分享的义务;十年后,大家感慨,女装完了,晚晚来了。

当下的国产女装行业确实哀鸿遍野,线下店门可罗雀、红人电商穷途末路、退货率动辄过半等下行信号频频传来。

如此大环境中,以BM、WM、OM、BF、TWOI为首的少女风快时尚女装店却独自洋溢着上行期的美感。

去年夏天,TWOI的上海首店在静安CP开业时,目击网友称现场的混乱程度堪比釜山行,有人在门口排队长达8小时,还有人顶着近40度高温排到晕倒。

最后因为客流失控,门店暂停营业,主理人带着幸福的烦恼出来道歉,并修改进店规则为:小程序抢购入场名额,一人一码,不得带人,结果是原来0.01元的预约码被炒到几百。

前阵子,TWOI在阿那亚开店。一大早,店员还没开始上班,门口的队伍就绕了好几圈,刚到不久就荣获“阿那亚排队王”的称号,让人不禁疑惑:

2026年了,怎么还有女装店要抢购的?

另外几个品牌也占领了流量高地:

上海淮海百盛,一楼的黄金位置给了OM;宁波天一广场,开了十几年的H&M撤掉后换上WM的招牌;香港铜锣湾,H&M曾经的亚洲最大旗舰店位置,也将由WM接手,面积约2800平方米,月租超过200万港元。

弄不清这些字母组合没关系,反正商场里那家少女顾客含量最高、购物袋色号饱和度最高的女装店就是它们了。

最近关于退货的两则新闻,更可见行业的冰火两重天。

当其他女装店还在被退货逼得不断加码巨型吊牌时,BM直接通知顾客取消试衣间,有问题概不退款,只能换货和退代金券二选一。

都说女装商家过得苦,这些少女潮牌们怎么活出了卖方市场的硬气?

BM的中国学徒们

BM是这类品牌共同的祖师奶。

2019年进入中国后,BM迅速活成了一个形容词,以“短、紧、露”为主要风格,只有单一尺码,穿得下BM也一度成为完美身材的标尺,凭一己之力把白瘦幼审美推向顶峰。

从早年间制造身材焦虑的“政治不正确”,到最近不让试、不退钱的服从性测试,BM没少挨骂,但BM女孩们依旧狂热。

2023年,成都店在东郊记忆园区开业,开业半年后的日均客流仍有5000人,相当于整个园区日均客流的1/5[1]。

尽管如此风靡,BM至今在中国内地也只有3个线下店,除了成都就是北京上海,远比5A景区要稀缺,其余购买渠道要么是直营APP,要么是电商平台的代购。

BM彻底打开了本就极度向往少女感的中国市场,却又保持着克制布局,空出来的位置,被敏锐的中国学徒们迅速接管。

2022年之后,BM就桃李满天下了。主要来自北京和长三角地区的中国学徒们批量出道、爆红,共同把一个名为“仓储式女装”的业态推向神坛。门店数量最多的WM已经在近30个城市开了40多家店。

所谓仓储式女装,乍一看,其实就是少女风格的服装大卖场:动辄上千平米的大店、海量款式、高频上新、价格亲民、自助挑选。

当同一个商场里,其它女装店还是3个导购苦等1位顾客时,仓储式女装们都摆出手推车供大家扫货了。

成都东郊记忆的3000平米OM门店

中国学徒们在保留仓储式女装核心要素的情况下,又做了两点改良。

一个是风格更细分,从美式辣妹到韩系甜酷,从哥特风到千禧风,一应俱全;另一个是尺码更多元,如果说BM的受众主要是两位数体重的少女,那么中国学徒们则试图把所有年轻女性都招揽过来。

于是,它们成功卡在了一个前无古人的生态位:依然是快时尚的价格,但比Zara年轻一点,比优衣库潮流一点。

比如最近,Zara的衣品画风是备战滑铁卢,优衣库则正在大会师。

相比之下,上个版本的快时尚不是没看见年轻女性,它们的货架上也都早早就跟进了BM风,只是从未来的主线任务看,它们的野心都不在于此:

ZARA忙着开大店、联名设计师、往轻奢靠拢;H&M也是调整门店和开拓高端线双管齐下;UR一边努力找准“快奢时尚”的定位,一边进攻欧美市场;就连优衣库也不甘心只做平价基础款,从奢侈品行业挖人,推出不少高端支线。

而不被视为SVIP客户的、由学生和初级职场人共同构成的二十来岁的年轻女性群体,恰恰是消费市场上最活跃的群体之一,她们可能购买力有限,但购物激情无限。

BM们无论是风格还是价格,都足以让她们酣畅淋漓地采购一番,也难怪人家店里热闹。

不过前辈的苦日子

TWOI在阿那亚开业一周后,阿那亚创始人就在微博为它写下喜报,颁发“品牌店铺中坪效第一”的奖状,并预计其月营业额能超2000万。

不久后,晚晚那边也发来首月GMV的捷报,1000万的成绩已经让舆论为她大开香槟,先是庆祝她“从全网群嘲到一夜翻身”,再是寄予“女装终于有救了”的殷切期望。

跟大多数同行比,这个成绩确实耀眼,但初代网红的变现效率还是不及快时尚新锐。

有测评博主计算过,TWOI一条定价325元的裤子成本大概是66元,有5倍左右的利润空间,远高于大众快时尚2.5-3.5倍的水平[2]。

这家店有着自成一派“奶钱风”的时尚,打眼一看,配色像母婴店,版型像睡衣,满眼软糯的奶油色、小熊头、蝴蝶结。至于性价比,恐怕还在晚晚之下:

不缺流量又不缺利润的好日子,全让BM们过完了。

众所周知,线上线下的女装同行们常年挣扎在各自的苦日子里:

线上有流量太贵和退货率太高两大痛苦来源。

早年女装商家的付费推广成本只占 GMV 的 10% 到 15%,到 2026 年已经涨到 30% 到 40%;退货率也高得离谱,行业数据显示,电商女装的常规退货率在 50% 到 60%,直播渠道甚至高达 80%[3][4]。

线下面对的则是日渐稀疏的客流和实体店的刚性成本重担。

实体店越来越像免费试衣间,拍照上网搜同款成了固定流程。

而当库存积压、资金周转困难时,电商尚且可以提前采用超长预售期的下下策,实体店只能眼睁睁看着房租水电流失,走向清仓甩卖的终局。

最后还有悬在整个行业上空的达摩克利斯之剑,女装的需求细碎,潮流变化又极快,总是要用大把确定的资金,去赌转瞬即逝的时尚。

国庆期间流行起来的“次抛衣”,就是女装行业的供需两端都彻底没招后,低山臭水遇知音的产物:

消费者对女装不抱希望,既然200块钱买一条裙子也是开盲盒,不如200块钱买十几件裙子,扔了也不可惜;商家按部就班做生意的回报率渺茫,不如一门心思把价格打下去,20块钱的裙子反倒退货率还低。

但前辈们的种种困难,BM们似乎都无法感同身受。

BM们选择重仓线下,除TWOI线上线下两开花外,其他大多没有入驻第三方电商平台,WM和OM都是连线上自营渠道也不开放,天然把主动权掌握在自己手里,直接绕开了电商女装把握不住的流量算法和居高不下的退货退款率。

到了线下,BM们会选在年轻人聚集的核心商圈开千平大店,房租贵是贵了点,但黄金地段的醒目大店、商圈里流动的火龙果色大号购物袋,本身就是引流的大型广告牌。

BF在上海徐汇的大店共3层,占地约3600平

至于潮流,这些店的标签虽然有甜有酷有奶,但细看版型,大多都是基础款,没有过于复杂的设计,大量使用碎花、圆点、条纹等简单元素的拼贴组合。

不在捉摸不透的时尚圈里灵机一动,天然降低了被淘汰的风险。如果可以懂得优衣库在打工人之间有多常青,也就不难理解BM们在年轻女性中有多畅销。

这里没有声势浩大的联名,也没有知名设计师的鸿篇巨制,只有轻松走量的潮流。在继承快时尚“小单快反”优良传统的基础上,把上新节奏拉到极限。

WM就宣称:每年开发新品1万款以上、每周能上新超过 100 款,每 50 天完成一次整体焕新[5]。

BM们的烦恼与前辈并不相通,更多是客流太拥挤如何疏通、试衣太疯狂怎么降低损耗。

巨大的流量涌来,BM们不追逐前沿的时尚,但早已自成时尚风向标。

成为网红

BM们不仅深谙大卖场的经营哲学,还在网红经济的浪潮中如鱼得水。

它们游刃有余地制造网红、利用网红、成为网红,虽不怎么在网上卖货,但成功地让网上到处流传着它们的种草帖。

具体而言,有三个低成本破圈的杀手锏:

第一招是物美价廉的高颜值店员。

这些品牌最精明的一点是用人,不仅大量招聘兼职店员,招聘现场还是一个巨大的卡颜局。

面试流程是填表、拍照拍视频、原地转一圈展示全身,具体要求堪比选秀,女生身高 170 以上、男生 180 以上,各个身材都是爱豆标准,还得懂穿搭、审美好、妆容精致。

无需百万代言费,仅需50-70的时薪,就能让店员既当廉价劳动力,又当引流网红,还当免费模特。

大排长龙的俊男靓女们当然也不白来,“BM店员”、“WM店员”等关键词早已成为社交平台的流量标签,拿来起号也不失为一件美事,完全各取所需。

第二招是小有名气的一日店长。

无需下血本找大明星带货,也无需面对代言人塌房的风险,只需用限时快闪的方式抓住眼前热乎的流量。

除了背靠乐华娱乐的BF偶有流量明星空降,其他门店请的大多是刚下综艺的人气嘉宾、年轻貌美的网红、爱豆或者网剧演员等时下有点热度、但还谈不上咖位的公众人物。

这种方式风险小、见效快,收入还能日结。

活动流程一般是早早就在线上预热,当天慕名而来的粉丝就会蜂拥而至,把店内店外挤得水泄不通,规则通常是先消费再获得互动名额。一套操作下来,店里的货也不愁卖,客流也赚足了,事后还能再在社交平台发酵一波热度。

最后一记绝招,是把消费者变成粉丝。

打头阵的BM率先用一个“BM女孩”的标签把顾客放进它自定义的时尚圈子里,让购物行为变成一种入场仪式,当传统女装店还在想着怎么把衣服推销出去时,BM已经倒反天罡地让消费者主动炫耀挤进场的资格。

再后来的中国学徒WM和OM,在前人栽树的基础上,更懂本土的流量风向,借着颜值网红的影响力牢牢拴住心向往之的年轻女性,把卖场变成秀场,消费者抢着排队结账才能获得近距离看秀的资格。

习得主理人精髓的TWOI更是再上一层楼,别的品牌还在找网红、造网红的时候,TWOI的主理人直接自己出道,喊着“奶化世界”的口号,被拥护为“奶裁”,集结出一个自称“奶女”的粉丝圈。

事实证明,如果路人的钱不好赚,那就先把路人变成粉丝。

作为这批少女潮牌里价位最高的一档,TWOI也被称为“女装界的泡泡玛特”,二者的共同之处,是都足够潮流、又足够便宜。

一个盲盒几十块钱,一件基础款 T 恤一百多块钱,性价比不明,客单价不贵。

TWOI创造的“奶钱风”,是一个改编自“老钱风”的词,只是摒弃了后者的高门槛,仅需几百块钱、一个预约码,加一个愿意在商场门口站一下午的周末,就能拿到入场券,一如急头白脸参与一次labubu抢购热潮,门票可低至59元。

这也正是这类生意的精髓所在:用最低的成本,追最快的时尚。

女装行业的前辈们都画地为牢了,换个学习榜样,一下子就找到了出路。

图片

[1] 成都“东郊”蝶变记,人民日报

[2] 奶油风带火女装届“泡泡玛特”:49元发夹炒到快两百,有人5天花了3万,蓝鲸新闻

[3] 别让低价内卷拖垮女装业,经济日报

[4] 粉丝百万也难逃关店,红人服饰为何越做越难?亿邦动力

[5] 商场里最火的女装店,正在变成同一个样子,36氪未来消费

跳转微信打开

  •  

明星带货日用品,抢了谁的饭碗?

原创 Peter Zhang 2026-11-02 20:47 北京

伙伴们,大家好!

这个双十一,杨澜因为带货被骂上了热搜。

原因是她几年前在直播间带日用百货被挖出来,被认为是与百姓争利,所以广受批评。

大明星带货日用品,到底抢了谁的生意呢?

01

大明星带货这几年很流行,他们抢的其实是中小网红的生意。

那么中小网红算不算底层呢?

虽然不是最底层,但是大家也不要高估中小网红的收入水平。

现在,除了少部分超级头部网红之外,大部分中小网红,挣的就是一份打工的薪资。

一个典型的中小主播,收入水平大致相当于私营企业的一名普通员工,甚至低于制造业普工。

2022-2023年的一个数据显示,以直播为主要收入来源的主播中,95.2%月收入低于5000元,仅0.4%月入10万以上。

而2025年全国城镇私营单位就业人员月均工资是5966元。

也就是说,中小网红和私营单位的员工,收入水平差不多。

所以中小网红其实早就不造富了,而是一个就业蓄水池。

中小主播的定位,更接近光鲜一点的“小摊小贩”,可以归为“灵活就业人群”,只不过“摆摊”的地方是在网上。

中小网红和那些明星、大网红都泡在一个池子里,人们误以为他们是同一个生态位上的人。

明星搞直播,会虹吸巨大的中小主播的流量。

比如最近双十一,一些大主播轮番开播,而很多中小主播这个时段反而成了流量相对枯竭期,很多中小主播干脆不播了。

有个做了两年家居百货的女主播在直播间里说,“这几天我们不开播,开了也没人,流量都被吸走了”。

他们很多人不是主动选择直播带货,而是因为在职场、生意场上不如意,才被迫为了生计杀入短视频、直播赛道。

但要注意,这些人不是职场的失败者。他们被挤出来,不是因为做错了什么,而是因为整个行业不需要那么多人了。

很多原本容纳大量就业的行业,容纳就业的能力大幅下降,比如教培、地产、外贸、线下零售、餐饮旅游等。

新岗位集中在AI、新能源、半导体,这些新岗位数量有限,门槛也非常高;

所以相当一部分被“结构性挤出”的人群,涌入了直播带货领域。

直播、网红,现在更多是一个就业的蓄水池,给那些在职场、生意场上被淘汰的人,一个退路。

而大明星出来带货,带的还是一些日用消费品,抢的是这批被经济转型期“结构性挤出”的中小主播的饭碗,所以会引起大家的愤怒。

02

明星带货的初衷是知名度变现,但是消费者的期待是明星可以为自己买的东西把关。

二者略微有些背道而驰。

大明星带货最大的问题,正是他们不一定能替消费者把关。

在带货这件事上,中小主播其实比大主播更加合适。

大明星的时间和精力有限,大概率没有办法亲自参与选品;

中小主播,本来粉丝数量就有限,如果爱惜自己“羽毛”,不希望和自己的粉丝做一次买卖就散伙,那么多数人对带货是比较苛刻的,愿意投入时间和精力参与选品。

很多明星坦言自己不擅长带货,不是他们不适合直播带货,而是他们不熟悉自己要带的产品,直播的时候多是照着提词器读而已。

知名度≠公信力。

在带货这件事上,多数中小主播其实比大明星更称职。

所以,很多明星都尝试过带货,但是走远的明星并不多。

03

消费者的钱,到底是该大明星挣呢,还是中小网红挣呢?

我的答案是:谁能帮助消费者筛选出好的产品,谁就应该挣这个钱;

不是说谁需要挣钱,谁就应该挣消费者的钱。

哪怕是街边的小摊小贩,他们确实需要赚钱,但是如果卫生质量不达标、没有性价比,那么这个钱他们不应该赚。

如果明星真能带来更好的产品和更低的价格,这个饭碗抢就抢了,没什么好骂的。

但问题是,明星不一定能提供这种品质的保证。

消费者只为自己的血汗钱买单,不能为某一个群体的就业和生计买单,甚至不需要为绑定了某种情怀的商品买单。

不鼓励以情怀、公益等缘由,变相绑架消费者的选择权。

消费者已经交过税了,至于买的是谁家的产品,消费者只对自己的钱负责。

消费者的消费,不应该承担就业、公益甚至支持民族企业等额外的功能。

你的好友张湧拍了拍你

并请你点一下“分享”

跳转微信打开

  •  

解读 dsh-superagent:一个主动型 Coding Agent 的工程常识与后厨美学

原创 增长黑客范冰 2026-11-02 20:34 上海

我最近花了不少时间,通读了 DeepSeek 新开源的 dsh-superagent 的全部设计文档。如果用一句话来定位它,这是一个真正奔着「主动干活」去研发的 coding agent 原型系统。市

为了折腾自己的贾维斯,周末看了下 DeepSeek 新开源的 dsh-superagent 的设计。

如果用一句话来定位它,这是一个真正奔着「主动干活」去研发的 coding agent 原型系统,宗旨是「尽量少占人的注意力,尽量多产出价值」。

为了把这句话兑现成可运行的工程,它没有搞那些花哨的提示词魔法,而是把经典分布式系统和操作系统里被验证过几十年的架构手段,老老实实搬到了 agent 工程里。我归纳了其中 5 个最实用的设计,并用餐厅后厨的比喻来逐个解释下。


推荐的 5 个实用设计

设计 1:Router-Worker 前后台分离 + 活人感注意力纪律

许多 agent 一旦接了个大任务(比如重构一个模块),它的会话就被完全占死了。你发新消息它不理,想中途调整方向只能强行掐断进程。

dsh-superagent 把交互和干活彻底拆成两拨会话:一个 Router(主会话)专门负责跟人对接,常驻在前面,维持用户的全局记忆、偏好和对话上下文;背后则挂着多个 Worker(执行会话),按需启动,并行去跑具体的代码修改、测试或者文档排查。

这种结构带来了天然的 sessionless 体验:用户无论什么时候在群里说话,Router 永远在场,随时都能搭理你,绝不会因为系统正在改代码就假死。

更绝的是它配套的一套近乎苛刻的「注意力纪律」: 1. 绝对不在干活期间给用户发垃圾进度,只在「必须由人来拍板决断」或者「产出了可用阶段性成果」这两个节点开口; 2. 每次需要人介入,严格限制只能问一个结构化问题,把选项列清,绝不抛大而化之的开放式反问; 3. 过程保持极度安静; 4. 汇报绝对诚实,草稿就是草稿、必须打上未完成标记,失败了就老老实实报失败原因,绝不掩饰。

这就像一家体面餐厅里的「前厅领班」与「后厨厨师」。

Router 就是那位穿戴笔挺、站在台前的值班领班。他脑子里记着你的口味偏好、忌口清单和上次来坐的哪张桌子。后厨的厨师们(Worker)则只管埋头颠勺切菜,根本不用直接跟食客废话。食客要是中途想加杯水或者问句菜品,领班立刻就能笑着回应,绝不会出现服务员全部缩进厨房、大堂空无一人的尴尬场面。

更关键的是这位领班极有教养:厨师在里面切葱姜蒜、热油锅的时候,领班绝不会每隔二十秒跑来桌边跟你念叨「先生,我们现在开始切葱了」「我们刚把锅烧热了」。他只有在两种情况下才会走近餐桌:要么菜端上来了请你品尝;要么后厨发现最后一份海鲈鱼卖空了,拿着菜单问你一句结构化的问题:「后厨的鲈鱼售罄了,我们为您换成石斑鱼还是红鲷鱼?」


设计 2:事件驱动 + 按来源分 Thread 串行处理(agent 界的 epoll)

传统的 agent 要么是一个单向循环(经典的 ReAct,即模型思考一步、调用一次工具、再观察结果的循环),一旦这个循环跑起来,外部来了个 GitHub issue 或者一条即时通讯消息,它根本插不进去;要么就是简单粗暴地为每个新消息起一个新 agent,结果多个 agent 读着不同时间点的截断上下文,各做各的决策,提交代码时互相踩脚、疯狂打架。

dsh-superagent 的解法是:做一套事件驱动架构。

任何外部输入(新提交的代码、issue、群聊消息)进入系统时,都被封装成一个 Trigger(不可变事件,指已经发生、不可篡改的事实记录)。系统会根据数据源把这些事件织进不同的 Thread(处理线程)里。

核心规则非常严密:同一个 Thread 在同一时刻只允许跑一个 Eval(评估任务);如果当前 Eval 正在执行,新来的事件绝不丢弃,也不强行中断当前任务,而是暂存在队列中,等当前评估结束后合并进下一批批量处理;而不同 Thread 之间完全并行。

这就巧妙达成了「并行度」与「一致性」的平衡。更妙的是,在这些事件被送进昂贵的 LLM(大语言模型)之前,会先经过一层轻量规则与小型模型的粗筛,把闲聊、机器自动生成的通知和无意义噪声直接过滤掉,不让核心流程为垃圾输入买单。

你可以把这看作后厨挂点菜单的流水铁夹。

每张餐桌都对应厨房墙上的一叠点菜单。同桌客人追加的菜品,新单子一律老老实实夹在这一桌单子的最末尾,厨师做完手里这一道,伸手揭下一张接着做,一张餐桌上的菜严格按照先来后到出餐,绝不会出现两位厨师同时抢做同一张桌子的菜、结果端出两盘一模一样的酸辣土豆丝。

与此同时,1 号桌和 2 号桌是两条完全独立的单子,两位厨师可以在两个灶头上同时起锅、各做各的。而在服务员把点菜单送进厨房之前,还有个传菜小哥负责把关:客人写错了的废单、小孩子画在纸巾上的涂鸦,在前厅直接就被扔进垃圾桶,根本进不了后厨的视线。


设计 3:异步 ReAct Loop(5 秒规则 + 唤醒机制 + Watchdog)

让大模型写代码,最怕它敲下一行编译或者跑全套单元测试的 shell 命令,然后整个会话就傻傻地卡在那儿干等。

dsh-superagent 定了一条硬性指标:前台 shell 命令只要执行超过 5 秒,系统立刻自动将它沉淀为后台任务。命令转入后台后,Worker 马上恢复自由身,在下一步循环里就能继续接收新消息、阅读其他代码或者规划下一步。后台任务或者子任务一旦跑完,会通过一套唤醒机制把对应的 Worker 唤醒,告诉它输出拿到了,接着往下推导。

为了防止程序死循环或者跑飞,所有后台任务挂着 30 分钟的硬性超时上限,时间一到直接杀掉,并在报告里如实写明「因超时终止」。

在这个体系里,还有一个不可或缺的兜底角色:Watchdog = 旁边盯着火候的监工(模型限流、agent 卡死、任务超时由它收拾)。

大模型 API 遇到 429 限流、网络抖动、速率限制甚至 Worker 崩溃是家常便饭。普通 agent 碰上这些报错直接就崩了,人如果正巧在睡觉,整个晚上就白白浪费;而 Watchdog 就像操作系统里的守护进程,捕捉这些故障后负责退避重试、拉起重启或者妥善兜底。

这就像在后厨里,炉灶的火力是有限的。

大厨把食材下锅,如果是一道猛火爆炒的小炒肉,5 秒内就能见分晓,大厨就在灶前直接出锅;但如果大厨下了整只老母鸡,需要慢火熬高汤,他绝不会站在锅前傻等两个小时。这道菜在 5 秒内就会被直接挪到旁边的文火小炉子上,定上一个响铃计时器,大厨转身去砧板前切别的凉菜。

等到炖汤的时间一到,计时器「叮」地一响,大厨再被叫回小炉子前开盖收汁。要是慢炖时间超过了半小时还没动静,厨房规矩是直接关火倒掉,绝不占着地方。厨房里还有一个专门背着手巡视的看灶师傅(Watchdog):他不管今天做淮扬菜还是川菜,就专盯着煤气阀门和火苗。高汤溢锅浇灭了火苗、或者天然气管网突然水压不稳,大厨不用操心,看灶师傅第一时间上去关阀、重新点火、调稳火候,让整个后厨不至于因为一口锅扑了而彻底瘫痪。


设计 4:版本化 Policy + Mandate 授权单 + 影子模式

给 agent 赋予自主权是一件极度危险的事。稍不留神,它可能顺手把生产数据库给删了,或者在公开仓库里提了一堆荒谬的 PR。很多系统试图在提示词里用自然语言叮嘱「请小心谨慎」,但在大模型面前,这种叮嘱就像耳边风。

dsh-superagent 拿出了一套工程化极其严肃的三道防线: 

第一道是版本化的 Policy(策略规则库),系统接单的准入条件是用机器可读的配置写死的,每一版都有独立版本号,不能模棱两可; 

第二道是 Mandate = 授权单(写明这单活能做什么、依据哪版规矩,事后可查)。一旦评估通过接下这单活,系统会签发一张完全不可变的授权单,上面清清楚楚地印着执行范围、权限强度以及依据的是哪一版 Policy,整个干活链路全凭这张授权单行事,事后随时可以审计和追责; 

第三道是设计文档里规划的 record-only 影子模式:对于团队心里还没底的主动行为,系统先运行在影子模式下。按照设计蓝图,这时候 agent 只被允许记录「如果让我做,我本来打算执行这三行命令、修改这个文件」,但实际上完全不执行。经过数天甚至数周的日志审查,确认它的判断稳定靠谱之后,才把开关推上去真正放权。

它的底线原则非常克制:永远先窄后宽,从最短的权限白名单起步。

这就像后厨对待一个刚入职的试用期厨师。

店里有一本明明白白的员工守则,印着第 3 版店规(Policy)。新厨师每天打卡上班,领班会根据他今天的工种给他脖子上挂一张授权牌(Mandate):上面盖着钢印,写得清清楚楚:今天你只能碰 3 号切菜墩、只能加工胡萝卜和土豆、绝对不准碰放着鲍鱼干贝的名贵食材柜。万一今天菜品出了问题,翻出挂牌就能查清是谁批的条子、依据的哪条规矩。

对于店里打算推的新菜品,主厨会让他先上「影子班」:他在案板旁边拿着笔和纸观摩,心里琢磨每一步该怎么放盐、怎么颠勺,但他只准在纸上把做菜步骤写下来,绝对不准碰锅铲。晚上下班后,主厨翻开他的笔记本,一页页核验他的配比。连看一个礼拜,发现这个新人体会极为到位、从来不出格,这才准许他第一次真正开火炒菜。


设计 5:Stored Work 先记账后动手 + 全链路恢复

做分布式系统的人都知道,世界上最脆弱的事情就是把状态存在内存里。网络随时可能中断,服务器随时可能重启,LLM 的 API 随时可能返回一段格式错误的坏数据。

dsh-superagent 的核心设计叫 Stored work = 先记账后动手(动作先写进数据库再执行)。系统产生的每一个关键动作——不论是给 Worker 派活、投递一条通知,还是回复人类一句话——必须先在持久化数据库里落库记账,然后才执行实际的网络调用。

比如它的 Outbox(发件箱)机制,所有发往外部的消息先排队落盘,由独立机制保证严格按照对话序列发出,失败了自带指数退避重试,绝不会因为网络抽风导致同一条消息发了三遍,也不会把消息弄丢。

更震撼的是它的异常恢复能力:哪怕机器在半夜被强行重启,未完成的派工在重启拉起后,会随身带上一张「恢复便签」。便签用大白话提醒苏醒过来的 Worker:「你刚经历了一次系统重启,不要盲目从头再来一遍。请先去检查工作目录、查看本地 Git 提交历史,确认哪些步骤其实已经做完了,再决定要不要重复调用外部动作。」不仅如此,连一条消息究竟「读没读过」,系统都坚持在调用 LLM 之前完成状态落库。绝不重复发一条消息,也绝不丢一条状态。

这就是后厨出菜口那本厚重泛黄的「传菜记录本」。

厨师炒好一盘红烧肉,绝不是端起来就往大堂跑。他必须先走到出菜台,用笔在记录本上工工整整写下一行:「18:05,3 号桌红烧肉已出锅,传菜生小李接盘」,写完盖上章,传菜生才能把盘子端走。要是小李在路上脚底打滑把菜打翻了,没人需要靠脑子去回忆刚才发生了什么,前台翻开账本,按退避流程重新安排补做。

更绝的是应对突发状况:要是后厨突然遭遇全楼跳闸断电,半小时后来电,整个厨房不至于陷入无头苍蝇般的混乱。领班从出菜台拿起那本账本,打着手电筒核对:哪道菜已经送达客人桌上、哪道菜客人已经动了筷子、哪道菜其实刚下锅还没盛盘,账目一清二楚。厨师绝不会因为断了次电,迷迷糊糊又给 3 号桌重新炒一盘他们早已吃得干干净净的红烧肉。


回头看我自己搭的个人系统:五处刺痛与启发

读完 dsh-superagent 的这份设计文档,我顺手打开了我自己捣鼓了快两年的个人自动化工程。

坦白讲,在没有仔细推敲专业 agent 架构之前,我一直觉得自己的系统跑得挺溜。但一旦拿着它这 5 个设计当镜子照过来,我系统里那些掩盖在「能跑就行」之下的工程硬伤,几乎无处遁形。

1. 闹钟驱动 vs 事件驱动:统一分拣层的缺失

我的系统本质上是一个「闹钟驱动的 Loop 工程」。它完全依赖一批定时任务轮流在固定时间醒来干活:早上八点醒来抓一次待办,中午醒来扫一遍未读邮件,晚上醒来整理今日笔记。

这种模式最大的毛病在于缺乏弹性:很多时候明明几个小时内什么都没发生,定时任务还在傻傻地空转轮询;而一旦外部突发了好几个任务,它们又挤在同一个时间点扎堆触发,抢占资源。更要命的是,我为每个入口都手写了一套定制的触发逻辑:抓邮件写一套,看即时消息写一套,接收外部链接又写一套,逻辑分散凌乱。

dsh 给我的直接启发是:我需要拆掉那些各自为政的定时闹钟,把所有外部入口归拢成一个真正的排队分拣层。 无论是收到一条微信长文链接,还是邮箱进了一封新邮件,它们都应该作为标准的数据源事件,先落进同一个队列,按来源拆进不同的线程里串行评估。空闲时完全休眠,事件来时有序分拣,而不是天天靠闹钟催醒。

2. 体检报告 vs 看灶监工:从被动报警到主动自救

在稳定性方面,我原本颇为自得于自己写的一套「每日体检」机制。这套机制能够定期巡检:某个该跑的数据同步进程挂了没有、依赖的底层容器是不是还活着。

但我忽视了一个根本性的差异:我有「体检」,却没有「监工」。 我的巡检程序就算发现「该跑的进程死掉了」,它能做的全部事情,也只是往我的手机上推一条刺眼的报警通知:「注意,同步进程已于两小时前异常退出」。如果这条通知发出来时我正在睡梦中,或者正在外面开会,这条报警就没有任何意义,整个系统依然处于瘫痪状态。

dsh 那个 Watchdog 的设计提醒了我。真正的工程系统不需要一个只会朝主人哭喊的巡检员,而是需要一个能在旁边盯着火候、具备兜底能力的现场监工。模型限流了,监工应该自己去计算指数退避,等两分钟重试;子任务假死了,监工应该果断把超时进程掐断,清理掉临时文件并记录原因。人在睡觉时,系统必须学会在边界内自救,而不是把每一个小感冒都变成主人的半夜惊魂。

3. 散文式人读文档 vs 机器可读授权:影子模式的救赎

翻看我自己系统的规则配置,我忍不住苦笑。我写了洋洋洒洒好几千字的规约文档,里面充斥着诸如「遇到重要文件修改时务必谨慎」「不要频繁向外部接口提交请求」「整理笔记时保持原有格式」这类充满主观色彩的散文段落。

我一直幻想大语言模型在执行时能体会我的苦心。但现实是,散文式的规矩只能寄希望于模型的自觉性,稍微换个大版本模型,它就经常「会错意」或者干脆放飞自我。

dsh 的 Policy 与 Mandate 机制告诉我:规矩绝不能写成给人类读者陶冶情操的散文,而必须收敛成机器可读、可精确校验的配置清单。 某一个自动化任务动手前,到底能不能写磁盘、能不能访问外网、每次最多修改几个文件,必须由程序根据版本化策略签发不可篡改的凭证,动手前先验票。

更重要的是它的影子模式,这正是我之前极度欠缺的过渡手段。以前我写了个新的自动化想法,要么不敢放开让它跑,要么一放开就直接捅娄子。我完全可以给新任务加上一个为期一周的影子模式:让它每天如常触发,但只准把「我本打算删除哪几条数据、把哪篇笔记归档」写进观察日志。我看了一周觉得可以了,再正式推到生产环境。

4. 崩溃整轮重来 vs 先记账后动手的断点续跑

我的个人系统里为了防止任务重复执行,大量使用了简单的「标记文件」或者布尔值标志位。任务开始时建个临时标记,结束时删掉。

这种土办法最怕中途断电或者网络抖动。一旦一个耗时十几分钟的多步骤任务在第十四分钟因为网络闪退挂掉,那个标记位通常还残留在磁盘上。下次定时任务醒来,看到标记文件以为还在跑,直接跳过;或者我手动把标记删掉,整个任务又必须从第一分钟的第一步从头再洗一遍,导致前半截已经执行完的操作被重复执行,甚至在外部系统里产生两份重复的记录。

dsh-superagent 的 Stored Work 才是正规军的打法:不要迷信内存和易失性标志位,动手之前先写账本。 每一个步骤、每一条待投递的消息,先落到轻量数据库里,附带明确的状态机。哪怕机器中途重启,新进程读着数据库里的账本,带着恢复便签,就能清楚地知道第 1 到第 4 步已经做完且在本地留下了文件,直接从第 5 步接着往下推。这种断点续跑的底气,正是来自于「动作未动,账本先行」。

5. 各自开火的通知轰炸 vs 统一出海口的领班过滤

最后一点,也是我日常被骚扰得最痛苦的一点:我的个人系统缺乏一个统一的「注意力出口」。

我的知识库同步任务写完了会给我发条推送,代码抓取任务报错了会给我发封邮件,定时整理系统跑完了又在聊天工具里敲我一下。每个子系统都以为自己的事情最紧急,每天手机屏幕上密密麻麻全是系统自己跟自己聊天的流水账。久而久之,我干脆把所有通知都设成了免打扰——这直接导致真正重要的系统故障报警,也被我一并忽略了。

dsh-superagent 的注意力纪律是一剂清醒剂:所有对外输出的消息,必须经由前台领班这一层统一收敛和把关。干活过程中的一切碎碎念,全部按在日志里;日常自动化运行得顺风顺水时,根本不需要向我表忠心。只有当系统确实产出了立即可用的阶段性成果,或者碰到了预设规则之外、必须由人类亲自做抉择的分水岭时,才允许敲开我的大门,并且一次只准给出一个结构清晰、选项分明的单选单。


结语

拆解完 dsh-superagent 的整套设计,你会发现一件很有趣的事:无论是前后台分离、事件驱动、异步非阻塞任务,还是发件箱模式、版本化授权单以及守护进程,这里面没有任何一个技术点属于前无古人的「新理论」。它们几乎全都是计算机工程过去几十年里,在操作系统、网络通信和分布式架构中被反复咀嚼过的常识。

但在 agent 这个被狂热情绪裹挟、充斥着各种华丽名词与概念包装的新领域里,能把这些质朴的工程常识不打折扣地一次性做全、做扎实,本身就是极罕见的事情。

这份原型的真正价值,不在于它讲了多么玄妙的智能故事,而在于有人真的耐下性子,用最冷峻严密的工程骨架,把一个原本晃晃悠悠的实验品,焊成了一台规整运转的机器。

最难得的是,他们把这张设计蓝图开源了出来(仓库名 dsh-superagent-prototype),清清楚楚摆在所有人面前——当然也要说句公道话:开源的是研究用原型,与内部版本有差异,其中一部分设计(比如影子模式)还停留在蓝图阶段。但这丝毫不减这份文档的参考价值,恰恰相反,能把「哪些是已被验证的常识、哪些是下一步的方向」坦荡写出来,本身就是工程诚实的体现。


小广告:我打算做一个《AI 写作工程学》的课程。课程浓缩了我用 AI 产线写完并出版《前线部署工程师》(首印售罄加印)的整套真实流水线:选题、素材基建、合成起草、去 AI 味、出版三通道,8 个模块配 8 件可直接抄走的实操模板。感兴趣的朋友,可以早鸟预购。

https://zerodaybook.mikecrm.com/rEgDmgL

阅读原文

跳转微信打开

  •  

iPhone Duo,为什么还是最特别的那个折叠屏

原创 窄播 2026-11-02 20:25 江苏

一个还无法绕开的参照系。

消费者对一个公司、一个品牌的判断,不会随着一次评分或者一款产品的失利立即归零,而是会在一次次体验落差中逐渐改变。

作者 | 李威(北京)

iPhone Duo上市之后,围绕它的讨论已经从抢购、加价,迅速转向应用适配、内屏开裂。

部分首批用户称,手机没有经历摔落或明显外力,内屏却在正常开合时沿铰链位置出现裂痕或显示异常。苹果随后回应,称已经注意到「少量」设备的内屏问题,要求员工为符合情况的设备提供更换,但没有公布受影响设备的数量和故障原因。

这一争议与苹果此前的产品表述形成了反差。iPhone Duo发布后,苹果硬件工程高级副总裁Tom Marieb曾对媒体表示,团队为铰链的可靠性投入了大量精力,并邀请外界「用结果来检验我们」。苹果CEO John Ternus也表示,公司一直等到折叠屏在质量、耐用性和设计上达到自己的标准,才决定推出产品。

软件也没有完全准备好。发售初期,在何同学测试的25款常用应用中,有大约八成没有完成充分适配。一些应用展开后仍然保留粗大的黑边,或者只是把普通手机的界面等比放大。

虽然微信等产品随后紧急更新,但部分界面仍然存在黑边,一些常用的应用的体验也还在调整中。苹果也开始要求开发者从2027年4月起,为新提交或更新的应用提供Duo截图。

但是,这些吐槽并没有阻止iPhone Duo成为近期最受关注的消费电子产品之一。

苹果官方渠道一度缺货,线下门店聚集着反复开合屏幕、检查折痕和测试应用的消费者。虽然溢价已经下跌,但两天前走出苹果门店,还有人在追着问有没有手机要卖。诸多应用都在发布适配iPhone Duo的官方信息。

这是一个很有意思的现象。尽管折叠屏早已不新鲜,苹果的创新性也屡遭质疑,没有交出一款完美的折叠屏产品,但它仍然具备独特的影响力,能让消费者、开发者和商业伙伴重新围绕这个品类行动起来。

迟到的iPhone Duo,仍然是特别的那个

苹果进入折叠屏市场时,三星、华为、荣耀、OPPO等厂商已经推出了多代产品。铰链怎么折,机身怎么减薄,内外屏如何切换,多款应用怎样同时运行,这些问题已经被研究了很多年。iPhone Duo引起的关注,显然不能用「折叠屏的新鲜感」来解释。

苹果还是在有意讲一个市面上的答案还不够好、所以iPhone Duo要来重塑产品体验的故事。苹果全球市场营销高级副总裁Greg Joswiak就直言,公司研究过已有的折叠屏,其中不少产品「缺乏启发性」。

在苹果的解释中,iPhone Duo不是两块手机屏幕的简单拼接,这样展开后容易得到一块比例奇怪的方形屏幕。它应该是一种介于iPhone和小型iPad之间的设备,用户打开手机后,应该感受到原有设备自然扩展,而不是在两个生硬拼接的产品之间切换。

靠屏幕比例破局,并不是苹果一家的想法。小米在苹果发布iPhone Duo之前推出了介于大折叠与小折叠之间的「中折叠」产品小米18 Fold。雷军称其为「兼具便携与视野的全新体验」。华为在2025年就推出了尺寸相近的「阔折叠」产品Pura X。

靠体验破局,正如开头所说,iPhone Duo在上市之初没有解决好屏幕可靠性和软件体验。苹果当下最有记忆点的「体验进化」,应该是靠磨砂质感进一步减弱了屏幕的折痕,以及那个很炫酷、很快就被复现但在此之前没有人比苹果更早拿出来的内外屏切换动画。

但这些竞品和不足并没有影响iPhone Duo在商业层面的动员能力。

WPS、淘宝、小红书、高德地图、飞书等产品都围绕iPhone Duo在发布适配大屏、分栏和半折状态的新版本或说明。《WIRED》在测评中观察到,一些迟迟没有为安卓折叠屏提供双栏界面的应用,很快为iPhone Duo完成了类似优化。

对这些公司来说,支持一种新的屏幕尺寸原本只是产品开发工作;但当这块屏幕属于新款iPhone,适配本身既是在服务潜在用户,也是在借新品上市展示自己的产品能力。一样的折叠屏,给产品带来的是不一样的回报维度和回报预期。

即便是没有主打适配,多邻国、卫龙、可口可乐、娇韵诗等上百个品牌也都借iPhone Duo的势进行了营销。他们把iPhone Duo的Duo,变成了多邻国的Duo,双倍、加倍的Duo和爽多了的Duo。在此之前,也没有一款折叠屏产品展现出了这样的营销号召力。

iPhone Duo目前表现出来的「特别」之处是:它是不是一款成功的折叠屏,现在还无法确定,但消费者愿意为它重新比较,开发者也会赶着更新,商业伙伴愿意把一次适配变成对外传播的消息。

苹果未必还是折叠屏技术的领先者,却仍然是行业判断折叠屏能否进一步进入大众市场时,一个还无法绕开的参照系。

把产品经验变成对下一款产品的期待

一位iPhone用户在考虑是否购买iPhone Duo时,面对的是一种不太熟悉的折叠屏形态,以及一套非常熟悉的使用体验,包括设备如何操作,照片、应用和账号可以迁移,与Mac、AirPods、Apple Watch的连接可以延续,购买和维修也有熟悉的渠道。这些不变的体验,能够帮助用户更快判断新产品是否适合自己。

但是,这种体验并不是苹果独有的,甚至苹果现在也不是最好的。CIRP的调查显示,截至2026年9月的一年里,美国iPhone用户的同系统留存率要低于安卓用户。ACSI发布的2026年美国手机满意度调查中,苹果的得分也要略低于三星。

苹果的独特认知来自两点:一个是早期持续的产品创新,形成了独特的行业生态位和品牌影响力;另一个是后期在更连续、更稳定地提供好的产品与服务。

首先,苹果过去几次产品创新是其建立独特性的基础。从iPod到iPhone,苹果曾经把已经存在的技术,变成用途更明确、使用更方便的产品。消费者未必了解其中的工程突破,却记住了苹果让他们可以这样操作音乐播放器,可以这样使用手机。

虽然这些产品后来被普及、被追赶,但这些产品带来的认知仍然留在苹果身上。所以,当苹果开始做头显、折叠屏时,市场会多问一句:它会怎样做?这种期待并不要求苹果每次都最先推出产品,而是相信它有可能从设计、交互和软硬件配合中,找到一个值得尝试的答案。

其次,苹果也在通过日常的产品更新维持这种认知。相对一致的设计语言、操作逻辑和设备协同,让不同产品之间保留了联系。同时,稳定的服务也会让用户在使用一款产品时获得更好的体验。这种持续性和稳定性,让苹果可以在一款产品没有参数上的领先优势时,还能保证差异化。

这种持续性和稳定性也会影响其他公司的投入。开发者愿意提前适配,是因为苹果已经拥有更多可能购买新品的用户;应用更丰富、服务更完整,又会提高消费者尝试新品的意愿。前文提到的适配和传播,背后既有苹果吸引关注的能力,也有过去多年积累下来的用户关系和合作经验。

当然,苹果也在经历失败。它的头显产品Vision Pro同样获得过大量关注,吸引了一批开发者投入,也让空间计算重新成为热门话题,但实际销售没有达到最初的高预期。价格、佩戴负担和使用场景等问题,并没有因为苹果的独特认知而消失。消费者不会长久支持一款缺少明确用途的产品。

但Vision Pro的失败没有影响到iPhone Duo的早期热度。苹果仍然有独特价值,正是因其让消费者形成了一种相对稳定的判断:苹果可能不是最早采用一项技术的公司,却有机会把设计、系统、软件和服务组合成一套更容易使用的体验。

这种判断降低了消费者理解下一款产品的成本。用户不必在每次发布时重新认识苹果,也不会只根据某一个参数决定是否购买。过去几代产品的使用感受,会进入对新产品的判断。只要这种经验大体稳定,消费者就更愿意关注苹果下一步做什么,也更愿意积极尝试一种陌生的产品形态。

技术会被追平,认知才可不断积累

姗姗来迟的iPhone Duo受到的市场追捧再一次说明,当技术逐渐成熟,品牌美誉度和消费者认知带来的重要价值,可能不再只是让一款产品卖得更贵,而是让消费者在下一次购买时,可以「无脑」做出决策。

在新能源汽车、无人机、运动相机等市场,单项技术优势能够维持的时间都在缩短。续航、影像、智能驾驶、机身重量和软件功能,一旦被市场验证,很快就会成为竞争对手下一代产品的标准配置。企业依靠一次技术突破赢得一款产品之后,很难只靠同一个优势赢得接下来的每一次选择。

顶尖的技术/产品公司,都需要完成从产品领先到品牌积累的关键循环。技术优势首先要变成具体的使用体验,再通过多代产品反复兑现体验和服务,最后才可能形成对企业和品牌的信心。发布会和畅销产品会带来暂时的关注增加和用户规模的扩大,但只有长期使用中的可靠性、服务和体验延续,才能把一款产品的成功保留到下一次竞争中。

在国内,大疆提供了一个更接近这一过程的例子。用户选择一款无人机,最初可能看中飞行稳定、图传距离或者影像质量;当他继续购买Pocket、Action或者麦克风时,影响选择的已经不只是某项参数,还包括设备是否容易使用,以及已有配件能否继续使用。大疆真正需要守住的,是用户对拍摄结果和使用过程的稳定预期。

参数领先可能只属于一代产品,稳定预期却可以进入多个产品线。当竞争对手追上影像和硬件性能时,消费者仍然会根据过去的使用经验判断,哪一家公司更值得托付。技术优势由此不再停留在产品参数里,而是变成了消费者下一次选择时可以调用的经验。

小米汽车则处在更早的阶段。发布会热度、首发订单和门店人流,能够证明小米调动了原有品牌影响力,也证明消费者愿意尝试。但汽车的使用周期远长于手机,安全、质量、软件维护、维修服务和保值表现,都需要更长时间才能得到验证和认可。

小米能否建立稳定的汽车品牌,最终要看消费者是还在把每一款新车当作一次孤立的尝试,还是开始相信小米能够持续交付可靠的汽车产品,对心仪的新车型进行「无脑」购买。

苹果只是在这条路上积累得更久。生成式AI方面的落后、Siri功能的延期,以及iPhone Duo当下出现的问题,都在改变消费者对苹果的判断。iPhone Duo的内屏问题如何处理,应用体验能否改善,都会进入消费者对苹果的新判断,影响用户下一次是否还愿意相信苹果关于可靠性和完整体验的承诺。

品牌的认知积累也并不是把过去的成功存进一个只增不减的账户。技术领先可以帮助企业赢得一代产品。更持久的竞争力来自稳定的好体验和稳定兑现的承诺。苹果仍然特别,正是因为在很多消费者心中,还在坚持做到这一点。

- END -

跳转微信打开

  •  

沙龙回顾|快手披露万人组织的企业AI生产力实践路径

快手技术 2026-11-02 20:25 北京

文末领取讲师PPT!

图片

10月31日,快手技术沙龙第六期在北京举办。本期沙龙以“从研发效能走向企业AI生产力”为主题,来自快手、OPPO及软件工程领域的多位技术专家,共同探讨AI如何从个人提效工具走向企业级生产力,并分享组织建设、智能体工程化、业务规模化提效与智能评测等一线实践。

沙龙现场,快手企业AI生产力副总裁王诩在致辞中表示,AI在带来研发生产力变革的同时,也面临Token费用持续上升、重复建设与安全风险等现实问题。大模型存在不确定性,需要通过工程手段保证安全、稳定与效果;企业AI生产力同样需要通过工程、组织与管理手段,让AI走进研发、业务场景乃至HR、财务等工作领域。他将快手AI在企业中的发展总结为实践、产品与工具推广、岗位职责调整、自上而下组织变革四个阶段,今年9月成立的企业AI生产力(iWork)组织,正是组织变革这一步的落地。

快手企业AI生产力副总裁 王诩

从工程师到全员、从团队到组织,快手iWork演进路径

快手企业智能体建设负责人、企业AI生产力专家沈浪介绍,快手的企业AI生产力实践最初是从工程师提效切入的。2025年起,快手围绕本地AI Coding工具CodeFlicker和云端研发平台KATE,逐步把需求分析、代码评审、测试用例和线上监控等能力Agent化,并将研发范式分为由人主导AI辅助的L1,强调人机协同完成需求交付的L2,以及由AI承担更多自主开发、人负责审核的L3。沈浪透露,该阶段目标是在2026年底把快手所有线上交付需求的80%提升到L2水平,当前已超过70%。

沙龙活动现场

转折发生在2026年Q2,AI开始从服务工程师走向服务更多员工。大量非技术用户开始借助CodeFlicker做演示文稿、调研和数据分析,快手由此将编程助手与Work形态产品整合为通用Agent MyFlicker,面向全员开放,截至2026年7月,MyFlicker周活跃用户数较2025年末增加约2.5倍。 

随着使用范围扩大,Token成本也成为企业规模化应用AI需要关注的问题。快手通过推行“Token积分制”,将预算折算成积分下发至员工,让员工自主选择如何使用;并通过“AI蹭饭研判官”“AI贪吃蛇大赛”“PDE集结令”等“全民AI”活动降低使用门槛,PDE集结令最终收到4000余个作品,验证了非技术人群构建工具的可能性。

年中复盘时,沈浪发现个体提效不等于组织提效,有两大问题制约组织效率,一是“孤岛区”,强AI能力员工的方法未沉淀,无法辐射团队;二是“空转区”,团队引入大量数字员工却因协作链路上下文不完整导致效率平平。

此后,快手将探索重点从个体推进到团队。沈浪将其核心规律概括为“先蒸馏,再折叠”,先把团队经验沉淀为AI可消费的知识、Skill和工作流,让AI进入真实工作,再招募数字员工在团队中独立完成重复性、确定性工作,最后再基于新的工作方式调整人与人之间的分工,让更多人聚焦到更多创造类、高价值工作上。基于这些实践,把MyFlicker升级到了2.0,可以为每个团队建设团队Agent。目前,团队AI已在快手内部规模化推广,约有500多个团队Agent、1000多个数字员工独立工作,几乎覆盖技术、销售、设计等所有团队。

到2026年Q4,快手的探索开始从团队走向组织。面对数百人规模的组织,单纯复制团队Agent无法解决复杂工作流与多系统协同问题。快手由此成立iWork,并探索MyFlicker 3.0,通过增加“AI工作台”,将原本分散的系统、流程和企业上下文转化为AI可调用的能力,建立企业级AI基座,推进全组织AI化。

从Demo走向生产,工程体系成为关键

沈浪用快手的实践印证了 "个体提效不等于组织提效",《软件工程3.0》作者、同济大学特聘教授朱少民则从第一性原理出发,回答了“AI落地为什么需要工程体系”。他指出,企业AI落地需要警惕三个假象:生成不等于完成,个人效率不等于组织吞吐,Demo成功也不等于生产可靠。在此基础上,他提出一个生产力公式:企业生产力=可交付客户价值÷总投入。如果效率提升伴随着质量、可交付率和可治理性下降,企业生产力未必真正提高。

《软件工程3.0》作者、同济大学特聘教授 朱少民

“大模型决定了智能研发的天花板,而工程体系决定了我们能摸到多高。”朱少民认为,未来企业智能研发的竞争焦点将不再只是模型能力,也包括工程体系是否完善。为此,企业需要建立“规约工程、驾驭工程、质量门禁”三位一体的工程体系:用可验证的方式明确目标、上下文、禁止事项和验收标准;利用记忆、工具权限和Agent框架约束执行;在代码、测试、交付和运行阶段建立失败升级与回滚机制。

对于具体演进路径,朱少民提出可以分三步推进:首先进行架构清理和知识沉淀,为Agent参与研发打好基础;其次搭建Harness框架,为Agent自主执行任务提供工程环境;最后构建质量门禁和反馈闭环,让Agent在可验证、可治理的前提下逐步提高自主执行能力。

随着Agent承担更多生成和执行任务,研发团队的能力结构也将发生变化。在朱少民看来,业务需求、系统架构和质量判断等能力将更加重要,产品经理、架构师与质量专家的价值也会进一步凸显。

从“超级个体”到“臭鼬工厂”,快手探索组织变革新模式

个人能力和平台能力具备之后,如何让AI真正改善端到端交付,成为下一道难题。快手磁力引擎风控技术负责人王东旭分享了所在团队从“OPC超级个体”走向“液态组织”,再到“臭鼬工厂”的探索过程。

快手磁力引擎风控技术负责人 王东旭

王东旭所在团队规模超百人,覆盖产品、运营、研发、算法和测试等职能,团队最初选择少数成员在真实业务中验证AI能否帮助个人跨越原有专业边界。例如,一名应用算法工程师独立完成AI深伪检测平台,另一名成员在25天内全栈交付反作弊洞察平台。

但超级个体的出现并没有自动解决排期等待和跨角色协作问题。团队随后推进算法与工程边界融合、技术让渡和前后端全栈转型,将部分Prompt配置与交互式运营能力交给更接近业务的运营人员,算法与工程人员则转向更复杂的算法和系统架构工作。

“全栈不是多做一份工,而是少等一个人。”王东旭表示。即使编码效率大幅提升,只要需求分析、协作、测试和发布等环节仍存在等待,局部提速就很难变成端到端收益。他借助阿姆达尔定律解释,如果编码环节只占端到端耗时的20%,即使将其压缩至接近零,整体交付速度增幅也只有约25%。“技术的天花板是数学题,组织的天花板是决策题。”

为进一步减少协调成本,团队借鉴洛克希德·马丁“臭鼬工厂”的组织思路,通过“绑目标、缩节点、搬工位”三类动作,让产品、运营、研发、算法和测试围绕同一目标集中协作,并将需求流转节点从12个缩减至6个,减少纯协调环节。在一项局部试点中,29名成员覆盖3个业务方向,需求吞吐率由36%升至84%,需求交付周期压缩至原来的五分之一,全栈交付需求数增至此前的9倍,并完成19个PDE需求。

王东旭同时强调,“臭鼬工厂”并非适用于所有场景。复杂存量核心系统、强跨团队依赖,以及无法保证人员集中投入或缺少合适负责人的场景,现阶段并不适合采用这一模式。在他看来,“一个臭鼬工厂是特例,一群臭鼬工厂才是能力”。

构建需求测试分级体系,让AI更好地测试AI

当研发速度被AI大幅拉快,质量如何守住?快手磁力引擎风控质量负责人吕冬冬给出了“需求测试分级、风险挖掘与Agentic AI Testing”的实践框架。

快手磁力引擎风控质量负责人 吕冬冬

吕冬冬指出,传统质量体系面临全量验证难以持续、人力无法线性扩张、过程指标难以代表真实质量等问题。快手相关大部门据此构建了基于“云帆”平台的智能分级体系,把是否涉及资金、主链路、历史故障和安全等判断注入Agent,形成高中低三类策略:高风险需求由人工主导、AI辅助;中风险需求采用人机协同;在其所在风控业务中,部分低风险需求由AI承担更多验证,人工负责抽检与异常升级。

更关键的是“AI测AI”的同源闭环问题:如果写代码、写用例和判质量均由Agent完成,测试通过可能只说明系统内部自洽,并不必然意味着结果正确。吕冬冬介绍,相关实践正在通过异源模型分工、固定评测集与黄金真值、差分及变异测试和人工校准等方式降低同源偏差,并坚持“依据证据而非结论”的门禁原则。他强调,未来质量团队的角色将从执行者转向质量规则制定者,在策略定义与最终准出上保留人的责任。

随着AI能力演进,吕冬冬指出,质量责任正在沿交付链路前移,从人工测试和工程自动化进一步走向AI与PDE协同。测试工程师的价值正从“做得快”转向“判断得准”,从执行者转变为规则制定者。

OPPO互联网的AI Native落地实践

OPPO产研提效产品负责人郝刚则分享了OPPO互联网业务在AI Native组织演进中的探索:从工具普及、个人提效,到组织提效,再进一步探索AI Native组织。

OPPO产研提效产品负责人 郝刚

在工具普及阶段,OPPO互联网业务将AI引入编程、测试、运营、审核、游戏和设计等日常工作,并通过AI README让项目代码和规范更容易被AI理解,同时逐步搭建研发数字人、模型广场、知识库,以及Skill和MCP中心等平台能力。

随着AI工具逐渐普及,OPPO也发现,个人效率提升并不意味着团队交付效率同步提高。为此,OPPO开始提高研发流程中AI能够参与和掌控的环节占比,并重点推进两件事:建设高质量知识库,以及打造能够持续演进的AI交付工作流,以扩大AI协同交付的覆盖范围,减少重复交接和等待。

在组织层面,OPPO先选择部分人员开展AI转型试验,再逐步推进业务流程重构、专业能力沉淀和平台底座建设。其CoMind智能体协同交付平台尝试组织需求、方案、研发与验证等环节的Agent协同,并在部分B端场景继续向发布链路延伸。郝刚同时指出,复杂C端及多端发布仍有较多人工参与,AI Native改造尚未完成。

对于如何走向AI Native,郝刚认为,需要自上而下与自下而上两条路径共同推进:管理者既要亲自上手,也要判断转型方向;员工则需要从超级个体走向协同的“蜂群”,让判断、执行和经验彼此连接,形成团队复利。

从研发提效到组织跃迁,从超级个体到臭鼬工厂,从人工验证到智能评测,本场沙龙五位嘉宾的分享指向同一判断:AI的价值不只取决于单点工具的提效幅度,更取决于组织能否把分散在个体身上的经验沉淀为可复用的团队资产,并进一步升级为面向组织的生产力基础设施。当模型能力逐渐成为通用基础能力,谁能率先完成知识、流程与协作方式的系统性重构,谁才更有可能把AI的技术红利转化为可持续的组织生产力。

左右滑动查看更多

欢迎加入【快手技术沙龙第6期交流群】

⬇️ 点击【阅读原文】,获取讲师PPT!

阅读原文

跳转微信打开

  •  

我用Buddy One连起了团队的上下文

原创 → 2026-11-02 20:16 北京

WorkBuddy升职了,也升值了。

文 | 阑夕

来了来了,总算来了。

作为全村的大学生,WorkBuddy推出了AI办公场景的协同体系Buddy One,覆盖腾讯文档、腾讯会议、ima、腾讯网盘等所有工作需要打交道的腾讯系产品。

从此以后,账号通用,上下文通用,积分通用,整个AI办公场景,都被收束到了同一个世界线里。

我知道你们在想什么,我也在想一样的事情:

腾讯终于也有类似Google AI Ultra、Microsoft 365这样的「全家桶」服务了。

只能说盼星星盼月亮,如期而至的盼来了人间相遇。

· · ·

说实话,我对腾讯会议和腾讯文档的依赖,可能是高于WorkBuddy的,因为这两个老登产品,是从AI时代降临之前,就一直在用的。

而且用得相当稀碎:

我是腾讯文档的付费用户,因为有着高频率的转存、编辑和共享等需求,这笔支出是断不了的;

我的助理是腾讯会议的付费用户,毕竟对外组织语音交流的都是他,每隔40分钟就重开一次的做法,有点那啥;

团队里还有一个视频编导,他还续着WorkBuddy的Pro会员,每天负责把我的各种产出整理组织成视频脚本;

现在能明白我对Buddy One的热烈欢迎了么?

借着这个机会,我准备把整个团队的协作流,全部放在一个Buddy One的账号底下跑一遍。

先绑 Buddy One ID,免费,在 WorkBuddy 的管理中心把文档、会议、ima、网盘挨个关联上,一两分钟的事,以后也不用隔三岔五重新授权了。

绑上之后,在 WorkBuddy 里说一句话,它就会同时去翻腾讯文档、会议记录、ima 知识库和网盘,找到的东西都标着出自哪里,不用再一个个应用去搜了。

我的这套尝试,未必是Buddy One的标准用法,但全程跑下来后,确实能够解决一个小型团队——或是OPC——最为迫切的低成本协作需求。

虽说「磨刀不误砍柴工」,但在以前的软件模式里,磨刀石的成本其实是最大的障碍,而且往往要个人去配合一套巨大的系统。

所以我太能理解SaaS行业面对AI「噤若寒蝉」的脆断性了,如果说WorkBuddy解决的是生产力的问题,那么Buddy One就是在继续推动AI Native,消灭可见的剩余成本。

比如产品之间的「间隙」。

这是一个很多人都会同意的结论:

在AI替人干活的新一代办公协作场景,搬运成了自己负担最重的体力活,把会议记录搬过来,把历史文档传上去,把项目背景重新交代一遍,各个应用都在AI化,唯有夹在中间的用户,还在从事某种意义上「手工业」。

复制,粘贴,上传,下载,分享,同步,对齐,拉通⋯⋯和日新月异的模型相比,这些交接动作还留在原地。

其实当WorkBuddy开始断崖式领先中国AI办公市场的第一天起,我就在想,对于腾讯而言,这是一次巨大的机会,知行合一的落实「万物皆可调用」的Agent生态。

理论上,会议、文档、知识库、储存和Agent同属一家公司,确实构成有利条件,但组织架构上的一家人,并不会自动变成工作关系上的一家人。

可以理解为一种历史遗留问题,互联网公司过去习惯按照业务来划分产品,各自设计账号权益、主打功能和付费体系,但用户的上下文却是连续的,在没有AI的时候,需要依靠大量的沟通协作去解决。

只不过在有了新的工具之后,还抓着旧的流程不放,怎么想都不合理。

所以Buddy One是整个AI办公行业的一次大跨步,它在尝试用账号级别的权限,以及商业价值的统一,去一次性抹掉产品边界带来的成本。

· · ·

至于如何尽可能的「榨干」Buddy One,我也付出了很多「努力」⋯⋯

比如我让 WorkBuddy 每晚 11 点跑一个定时任务,把团队分享群里的视频自动转存到关联好的腾讯网盘,每条配一份标到秒的拆解笔记,编导在 WorkBuddy 里构思分镜的时候,可以任意调用。

相当于多人的经验和启发,都能挂载在同一个启发库里。

这套东西是编导搭的,过程比我想的折腾,抖音和 B 站都有反爬,WorkBuddy 前后换了好几种办法,最后自己摸出一条从浏览器里取视频流的路子,写成脚本塞进了定时任务,他为了确认是不是真自动,还特意在群里发视频、电脑上故意不点开那个群,一分钟后视频照样落到了本地,唯一要手动的是抖音和 B 站链接,微信不让读群聊,得隔几天转发给它一次。

拆解笔记也不是看标题瞎编的,它会抽帧、转写,比如群里有人发过一条讲茶百道停牌的视频,笔记里写得很清楚,黑底、一张产品图、一行粗体论点、底部固定标语标红,一套模板用到底,这种东西以前看完也就看完了,回两句「学到了」就沉底了,现在都能留下来。

拿这周的短剧那期来说,编导只说了一句,结合腾讯文档里的逐字稿,从灵感库里找 3 个开头参考,出一版分镜。

它第一次跑去 ima 翻了我的旧选题稿,补一句说是网盘里那 18 条视频,才挑出三条开头,标好第几秒、原话、用在哪个分镜,连同 ima 那三篇一起整理成分镜表,落进了腾讯文档。

分镜编导自己又顺了一轮,但凑齐逐字稿、旧稿和参考视频这一步,以前要翻小半个钟头,这次一个字没搬,这就是前面说的那个「间隙」。

而且库攒起来以后,还能反过来用,编导又让它把这 18 条视频的拆解笔记整体过了一遍,归纳出开头前 10 秒最常用的五种手法,定性判断先行、反常识推翻、数字对撞、落到「你」身上、证据前置,每种都带着例子和秒数,最后结合我们账号的调性给了五条开头公式,还附了一条避坑,说这里面没有一条是用「今天我们来聊聊 XX」开场的。

传统软件时代的所谓「全家桶」,大家都很熟悉了,以Apple One为例,如果真的是苹果生态的重度用户,那么开通这个,一定要比单买iCloud、Apple Music要来得划算。

但在AI时代,出现了有些微妙和矛盾的画面:

老登大厂,模型能力不行,部门墙也厚,所以拿不出有竞争力的「全家桶」,小登公司倒是灵活敏捷,但苦于品类宽度有限,只能专注于卖Token,也不太见得到「全家桶」的机会。

唯一的例外,可能是Google AI Ultra,最初我真买过249.99美金/月的版本,因为那会儿Gemini还是SOTA,捆绑Veo视频生成额度、Google Drive、YouTube Premium、NotebookLM之后,真的挺香的。

从业务本身来看,Google AI Ultra是从Google One升级而来的,后者是一门相当传统的订阅生意,利用Gmail、Google Photo、Google Drive等产品线产生的储存需求,让用户每个月付几美元。

Google AI Ultra改变了这套逻辑,把价值主张从买空间变成了买能力,在最新一季财报里,CFO直接挑明了,说Google One的AI套餐已经成为了公司增长最快的订阅服务。

这和Buddy One正在做的事情,不能说非常相似,只能说极其相似。

我的评价是,它既是一家公司自信于提供AI生态的表现,也是一次推动旧产品「原生化」的挑战,在兼具舒适熟悉和创新突破的磨合下,让用户尽快无痛的用起来。

软件可以只为一个功能负责,但我们对于Agent的要求可没这么低,它必须为更长的一段工作过程负责,并交付一个有始有终的结果,而且不能把摩擦都给用户手操。

大厂还没有资格偷懒,产品多、用户多、入口多,依然是有利条件,但能不能把这些条件组织成顺畅的工作流,才决定优势最终值多少钱。

至少在我这里是可以证明的,Buddy One,好用,爱用,猛猛用。

跳转微信打开

  •  

一家基金和它的 600 个实习生

原创 与你同在的 2026-11-02 20:00 北京

人是最宝贵的资产。

来到真格实习生聚会,大家普遍都有一句感慨:怎么哪里都是真格的人!

一开场,就是 Kimi 和腾讯的校友轮番开放麦招人。这让人想起黄仁勋介绍 Black Forest Labs 的 CEO 时,那句颇为骄傲的话:「他曾经是我的实习生。」

从实习生成长为创业者,这样的故事也在真格不断发生。

真格到今天已举办 23 期实习生项目,有超过 600 名校友,其中 70 位活跃在其他 VC 及 Meta 等一线 AI 团队。仅过去两年,还有 34 位校友加入真格被投企业,担任 CEO 助理、中台负责人,或负责商业化等关键业务。

你在许多重要的场合仿佛都能听到真格的名字。好像一切加上一个「真」字,就不一样了。

这次,在北京、上海和深圳的活动现场,我们采访了几位真格校友。

在真格实习,被真格投资

2013 年,在真格成立早期,徐小平老师在哈佛演讲时就曾提出「最好的工作不是进入世界 500 强,而是加入一家初创。」

上海活动开始前两个小时,真格的第一位实习生 Alex 就到了现场。

他一个人走进餐厅包厢,铺好一块布,摆上三条裤子,又临时搭起两个试衣间。

就这样,包厢变成了运动服饰品牌Ambo的新品发布会。

Alex 加入真格时,团队只有四五位正式员工。Alex 在领英上看到校友安娜(真格创始合伙人)的主页,主动发去一条 cold message,很快便来到北京上岗。

只要有活动、会议,安娜都会带着他,给了很大的自由度。后来在安娜的介绍下,他加入了当时刚刚起步的真格被投企业完美日记,迈出了第一步。

这次活动现场,他主动举手,向大家做了一分钟的 Elevator Pitch。这让人想起早年的创业者,守在电梯旁,希望在电梯抵达顶层之前的短短一分钟里,说服一位潜在投资人。

站在首批上线的裤装产品旁,Alex 说:「我想把产品供应链上的创新和本土化的叙事结合好, 做个新的本土运动品牌。」

2014 年,王逅逅来到真格时,团队也只有 12 人。她记得,大家什么事都会做。

有一次,安娜提起真格还没有网站,同为实习生的王想想当晚就动手做了一个,一直忙到十点。「那时候好像有什么事,大家就会一起把它做出来。」

实习时,王逅逅已经开始做自媒体。徐老师提出用自己的钱投资她和王想想,支持她们一起创业。两人转而开了一家中国设计师买手店。

这次创业尝试虽以失败告终,却让王逅逅真正体会到了创业者的处境:「累,要面临很多压力。这些压力没有人有办法帮你解决,就得自己想办法。」

她至今仍记得那些午后。

时间来到十年后,又有一批年轻人从真格出发。

不久前,Hypit 的产品开源约一个月,便获得了 2.3 万 GitHub Star,ARR 突破 100 万美元。

两位创始人都是 00 后。22 岁的昱东从北大本科毕业后,放弃了去清华读硕士的机会;23 岁的群琳毕业于清华大学计算机系。

他们也曾是真格第 20 期的实习生。

创业前,昱东曾加入跨境 MCN,买来 40 台二手 iPhone 做海外账号矩阵,尝试过 AI 电商带货、宠物短剧、真人短剧等。群琳则做过拥有 30 万粉丝的 AI 虚拟人账号,也在智谱参与过视频生成模型训练。

回忆在真格实习的经历,两人印象最深的是听雨森(真格管理合伙人)分享聚美优品的创业故事。从他的讲述中,能真切感受到创业带给一个人的状态。所以他们觉得,听了那么多创业故事,不如自己去做。

实习生项目结束的当晚,两人打车回五道口,路上就想好了要一起创业。

如今,Hypit 只有四名全职成员,还有两位实习伙伴。一位 18 岁,是在小红书黑客松巅峰赛上认识的;一位 16 岁,是通过小红书认识的,独立负责了这次的宣发。

从真格实习生到真格支持的创业者,他们也切身体会到了真格的「投人」哲学。昱东说:「真格是独一无二的。投人的底层逻辑就是对人有尊重,重视人的持续成长。」

相信年轻人,支持青春的不可思议。

加入初创,参与一家公司的从零到一

前两个月,安娜在办公室里突然发现,一眼扫去坐的都是实习生。

安娜不由得感叹:「近三年,真格团队约 70% 的新成员都是由实习生转正留用。就像刚成立时,真格真的是实习生在推动。」

这些曾在真格独当一面的年轻人,如今也走到了创业一线。

2019 年,Ande 第一天来真格实习时才 19 岁。

2026 年,Ande 策划了自然意志的第一次模型发布。

今年 8 月底,Ande 刚准备从字节离职,加入朋友的创业公司。就在这时,与他同期实习、现任真格投资副总裁的 Debbie 给他发来消息:「自然意志正在准备第一次模型发布,你要不要和自然意志聊一聊?」

自然意志 HR 负责人 Mia 也曾是真格团队的一员。她给 Ande 发了一段很长的消息,没有客套的一两句寒暄,讲的都是自己与自然意志团队共事的感受和故事。

去面试时,他看到工位旁摆着一排 3D 打印机、机械手和机械臂,有人正戴着触觉手套采集数据。眼前的场景让他觉得,「这件事很有意思」。

他们聊了近两个小时,聊完后,Ande 得到的回复是:「什么时候能来?」

这份坦率和真诚让 Ande 决定加入。

谈起最近的 Natura-1,Ande 用「体验太好了」来形容这次新品发布:「团队推进特别高效,大家准备的过程也特别开心。」

为了证明机器人能够自主思考、应对变化,团队决定拍一支一镜到底的人机交互视频。录制从 9 月底开始,一拍就是一整天。「其实每一次成片都能用,但总觉得不够惊艳。」

就这样反反复复,不断拍摄。直到临近发布的一天,镜头终于完整记录下了他们想呈现的一切。

当时是晚上十点多,镜头合上的那一刻,他们从摄影师手里拿过内存卡,在会议室一起看刚拍完的视频,大家眼眶都湿了。

昱曈也在加入初创后对工作有了新的理解。

问起在 Manus 实习最大的感受,她说:「大家都非常热情、有活力。」在这个年轻、扁平的团队里,即使是实习生,也有机会真正参与、推动事情发生。

在真格实习时,有两句话让她印象深刻。

一句是「出来混,重要的是出来」,另一句是「Get your hands dirty」,亲自动手做事。如今,她也体会到,年轻时就加入一家优秀的公司,与优秀的人一起工作多么重要。

她见到的每一位员工都在用 AI 做事。市场团队会自己写出漂亮的网站来展示 brief,HR 团队也会动手搭建系统、梳理流程。

在不久前发布了第二代灵巧手 WUJI Hand 2 的舞肌科技,Jerry 感受到的则是公司对「人」的重视。

团队重视人才,不少实习生都由 CEO 潘韫哲亲自面试。他经常会问候选人,是否亲自动手创造过什么东西、对机器人有怎样的兴趣,以及如何理解第一性原理。

如今,已有 6 位真格往期实习生加入舞肌。

佳音也回忆,实习结束前,她在真格和大家聊了一圈,得到的共同建议是去初创,去创新的原点。

导师、真格董事总经理姚方舟的一句话让她印象很深:「你要去找你的富矿,要找到人生斜率最大的地方。」

真格是由人组成的

北京校友活动结束后的第二天下午,叶子还给我们发来了一段长长的消息。那天上班路上,我们聊过的话题又占据了她的脑海。

离开真格后,叶子在元古成立早期就加入了团队。从酒店业务、增长到市场,她在这里尝试过的岗位一只手都数不过来。

在叶子看来,做品牌就像养育一个孩子,有自己的性格,也有想做的事。你要知道想给它穿什么样的衣服,也要知道哪些不适合它。「知道不做什么也是件很重要的事。」

「这个世界有很多不一样的事,不是只有 AI。AI 也是跟人相关的,背后也是人的需求。」对她而言,无论做什么,始终不变的是对人的好奇:「因为我喜欢人,我想去了解人。」

都说人有七年之痒,但叶子与实习时结交的朋友至今保持着联系。就在最近,她们还去了一趟印度,吃了很多小吃,也喝了很多酒。

大家就是彼此的「职场发小」,有着一份很纯粹的感情。

如阳也感慨:「五年前,我还没有这样的感受。五年后,我才发现,原来这么多优秀的公司都和真格有关,里面的人可能就是我五年前的朋友。那时我还小,不知道大家会走向哪里。现在回头看,那一批人成长起来了,正在不同的公司和行业里闪闪发光。」

2016 年,真格实习生组织拜访吴旦联合创办的游戏公司英雄互娱

很多实习生的回忆都要追溯到五年、十年前。当时的真格还在共享际,办公室在一楼和地下一层。

Ande 回忆,王强老师最喜欢讲哲学,最爱聊康德和马斯克。有一次团队外出用餐,其它桌的人都走了,独有王老师这一桌吃了三四个小时才散。大家一直在听他分享。

今天,好像一切都没有变。

现在的实习生听王老师、听雨森、听刘元分享时亦是如此,一聊就是几个小时,舍不得走。或许前面故事里那些热情、真诚、好奇,以及对新的事情的渴求,就是在这数不清的对话里慢慢形成的。

那就继续办下去吧!

第 100 期、第 200 期,还有很多人值得相识,很多对话等待开始。

文|Yanyang & Cindy

跳转微信打开

  •  

我们的车企要向领导学习

原创 帅呆的sixgod 2026-11-02 19:42 重庆

再不济也学学星巴克

文/六神磊磊

最近的新闻有点搞笑。有的车企在新品发布会上调侃老登,导致老登很生气,然后车企高管出来解释,实际上是对呛,让老登们不要玻璃心,结果老登们更生气了。这事直到今天都没有完全平息。

我觉得这事其实没有对与错,唯一关键在于:这个车到底用不用老登买。假如不用,那么再怎么冒犯也没关系,甚至,你冒犯得越狠,年轻人越支持,买得越多。好比金庸小说里的名医胡青牛,只收明教的病人,对教外的人爱搭不理、拼命冒犯,这完全可以。因为那压根就不是他客户。

反过来,假如这个车也需要老登买,那就没必要去顺嘴冒犯他们。顾客是钱,是生命线。一个企业,想明白自己依靠谁、服务谁是最关键的,何必为了几句嘴炮,与顾客和钱过不去呢。

这一点上,车企就应该向一个群体学习,就是体制内的人士,尤其是领导同志们。

他们就特别拎得清一点——我的今天是谁给的,我的未来是谁决定的,我就认真对谁负责,不纠结,不内耗。没有上级就没有今天,所以我就绝对尊重服从上级,绝不会吃饱了没事干去冒犯人家。

早些年曾流行一句话,叫“权力只对权力的来源负责”,仿佛还有点揶揄、讥刺之意,但事实上你转念一想,某种程度上这其实是优点,说明至少拎得清。对权力的来源负责,有啥错。一个人,一个企业,假如对权力的来源是哪里都不知道了,那岂不是昏头了。

你看金庸小说里,那些草莽人士就经常犯低级错误,顶撞上级,自毁前程,而官场上的人就不会,脑筋清楚得多。

令狐冲、包不同、南海鳄神、小杨过……这些都是草莽人士,又轴又犟,净爱给老板添堵。令狐冲老给岳掌门添堵;包不同非要反对主子慕容复;南海鳄神非要反对大哥段延庆;小杨过则和大小姐郭芙打架,还骂太师父柯镇恶是“老瞎子”,相当于“丧失视力的老登”。

他们的结果都很凄惨,有的打翻饭碗,流离失所,有的干脆被老板杀了,丢掉小命。

反之,你看金庸小说里的体制内人士,水平比江湖草根就高了不止一个等级。有不知轻重和衣食父母对着干的吗?非常少,他们几乎个个身段柔软,服从性好,绝不内耗。

《射雕》里的官员段天德,老板让灭牛家村就灭牛家村,让抓女人就抓女人。府尹赵从善,对大官韩侂胄说学狗叫就学狗叫。

《鹿鼎记》里的官员吴之荣,钦差大臣韦小宝想摸摸他头,他太高了,韦小宝摸着不方便,他就赶快矮下身子来让韦大人摸。

就连出身草莽的衡山派高手刘正风,花钱捐了一个参将的官,也立刻懂事起来,对来宣旨的官员恭维送礼、感激涕零。这就是身段柔软,人间清醒。

有人说,你不懂体制,那里面照样有冒犯顶撞上级的。这话就错了,那通常是在已经无法提拔、不求进步的情况下,换句话说,就是上级已经明显给不了你任何好处的情况下。这时候顶撞、冒犯,反而能让上级给你少派活。

就像之前说的,假如压根不用老登买车,那冒犯了就无所谓,反之则不行。小红书可以冒犯男的,懂球帝则不可以,关键还是要看吃不吃他的饭。

如果车企境界水平不够,学不了领导,那么至少可以学学星巴克。最近星巴克就很有意思,开始搞消费入座。这就属于完全想清楚了谁是自己的衣食父母。

最近看了一些街头采访,有的大爷很生气,说星巴克消费入座,坏了名声,以后咱都没地方蹭空调嗑瓜子了;还有的人“抵制星巴克”,理直气壮。可问题是,抵制星巴克的都是不消费星巴克的,那抵制去呗,星巴克只能憋笑。

一个简单的逻辑:如果一个人,因为你收回多年来的无偿免费座位而对你生气,那至少说明两点,一是他曾占了你不老少的便宜;二是他对你之前提供的便利毫无半点感激之情。那么这样的人还惯着做什么呢?

把事实上的顾客服务好,或者说,把自己真正依赖的人服务好,比什么都强。

说到这,不禁又想起一事。回看最近新闻,那些很撕裂的人,都是那种他真正依赖的人和他嘴巴上迎合的不一样的。

有的男的口口声声说讨厌女的,实际上他都靠女的养着,要么是老妈要么是媳妇,就连偶尔卖点货都是女的下单,没有女的他要饿死。反过来,有的女人也口口声声厌恶男的,好比最近一位高校老师,结果你发现她们最大的倚仗和权势来源,往往是幕后一两个男人。

我都觉得挺诡异的,没想到有这么一天,看来看去,居然是星巴克最自洽。

我都想考虑去配置一个大杯了。

图片

跳转微信打开

  •  

折腾一年,也是让我拿到大结果了

原创 帅呆的sixgod 2026-11-02 19:42 重庆

多吃苹果少吃苦

文/六神磊磊

‍‍‍‍

那一年,女儿郭芙闯了祸,黄蓉送她出远门。

当妈的是一万个不放心,叮咛个没完,“在道上须得留心这些、提防那些”。

分别时刻,黄蓉一瞥眼见路边摆着一担苹果,鲜红肥大,心里就一句话:“去买几个来让芙儿在道上吃,这便该分手啦。”

分手这种难受的事,被黄蓉拿几个苹果一垫,居然就有了点甜味儿。

苹果真好。

你看,当爹当妈都是一样的,不管是大侠还是凡人,总想让孩子多吃一点水果,多拥有一份甜蜜。只要手里有好吃的,路上的苦就能少吃一点。

年纪越长,越来越懂当爸妈的那点心思。这不前阵子就给我妈寄了苹果,过两天我去,被吃得只剩一个了:

这个我手上的非常好吃,第一时间给家里人的苹果,又双叒是王五四老兄推荐的——一苹坊的美娘和维纳斯

老读者听到“一苹坊”想必有些熟悉,没错,之前也推过他家的苹果汁。他们的苹果汁之所以好,是因为苹果本身够好。

‍‍‍‍

先带大家看看他们家的果园吧,果园好,苹果才好:

果园在山东烟台。中国人都知道,烟台这地方,种苹果属于老天爷追着喂饭。

北纬37°左右,正好落在全球优质苹果黄金纬度带。夏天热得克制,秋天足够绵长,能让苹果慢慢攒糖上色。

除了天时好,还有地利佳。种苹果最怕积水烂根,这里的丘陵坡地天然就排水。土壤是花岗岩风化的棕壤土,富含钾和磷,而钾这东西直接决定苹果的甜度和脆度。

咱就说,这条件,是不是得天独厚?

天时地利都有了,剩下就看人和了。一苹坊在“人和”上,属于跟自己较劲的那种。

他们摒弃大化肥,每亩地三吨有机肥,就一个目的:让土壤活起来,让苹果有苹果味。

更绝的是,他们还自己养虫子——白星花金龟。

这听着像害虫对吧?仿佛是要研制什么七虫七花膏。实际上,人家也是来上班干活的。

它们吃吃秸秆、菌糠、畜禽粪便等有机废弃物,拉出来的虫粪砂却是优质生物有机肥。主打一个变废为宝,土壤越种越肥。

给胆子大、好奇心强的朋友抓两个,近距离看看:

除了“小虫子”,还有“高科技”,这是微型气象站,用来记录环境数据,为生产工作提供指导:

理论知识说得再天花乱坠,也不如给大家看看实物,现在到底长什么样了。先看美娘:

再看维纳斯:

当真是个个珠圆玉润,给大家放图的时候,先把我自己给看馋了。

这两款苹果都是极好的,无论大家选哪款都不会踩雷。

个人实吃的感受,红色的美娘,脆口,不但甜,还带有清新的奶油果香,又不会冲淡经典的苹果味。

黄色的维纳斯,香气浓郁,扑鼻的苹果香,咬下去汁水多,很香甜,但又不是甜到发腻和无聊的那种,是水果清甜。

现在吃水果,最大的顾虑就是科技与狠活。一苹坊的苹果,大家尽管放心,通过了303项农残检测,这是检测报告:

现在是今年新鲜采摘,在价格上尽量给大家最大的优惠,保证一分钱一分货,不会是什么“陈年老苹果”。美娘是9粒装,大小85果径,75元:

维纳斯是12粒装,大小75-80果径,价格也是75元:

喜欢吃苹果的朋友可以放心下单,要是实在纠结选哪一款,不然干脆“成年人我都要”:

最后,重点再帮商家强调一下收货注意事项:

1、首次派送不成功、联系方式无效、地址错误、客户更改地址、改签等情况导致水果出现问题概不赔付,买家需自行承担相关损失。

2、请务必当场签收并确认水果的完好,如有质量问题,请在当场拍照或拍视频,并在本人或代签收人收货后12小时内联系客服反馈。如逾期,客服将判定为非卖方责任,不予赔付。

3、如因代收点签收,长时间未及时取件而造成的变质情况,我方不支持赔付,造成的相应损失须自行承担。

4、本品属于生鲜品,对物流时效要求高,快递地址如是乡、镇、村等物流欠发达地区,请自行安排好及时的收货流程,谨慎下单!

了解完的朋友,放心下单:

跳转微信打开

  •  
❌