铃阅时讯
❌

阅读视图

大语言模型行业和炼铝行业的相似之处

原创 王建硕 2026-08-03 23:42 美国

最近整个大语言模型的发展,让我忽然想起了一个看起来和它风马牛不相及的产业——炼铝。仔细想想,这两个行业其实很像。 铝:曾经和白银一样贵的金属 很多人不知道,铝曾经是极其昂贵的金属,价格和白银不相上下。原因很简单:自然界里…

最近整个大语言模型的发展,让我忽然想起了一个看起来和它风马牛不相及的产业——炼铝。仔细想想,这两个行业其实很像。

铝:曾经和白银一样贵的金属

很多人不知道,铝曾经是极其昂贵的金属,价格和白银不相上下。原因很简单:自然界里没有天然存在的金属铝,它几乎都以氧化铝的形式存在。要把铝从氧化铝里分离出来,非常困难。

后来有人发现了一种用电来电解氧化铝、把铝还原出来的方法。从此,铝的成本降到了原来的千分之一以下。

结果我们今天都看到了:我们周围几乎什么东西都是铝做的。铝合金门窗,基本上是百分之九十九点几的铝再加一点合金;飞机、汽车,也都大量用铝。整个世界似乎变成了一个铝的世界。

铝,是「固化的电」

这些铝,全都是在铝的电解槽里,用电做出来的。所以有一种说法:铝就是固化的电,是被电凝固下来的金属。

很多时候,铝几乎变相成了一种电力的运输和出口方式。

我听过一个很惊人的想法:海上有些地方风能极大,但离陆地太远,即便在那里产生了大量的电,也没办法把电运回大陆。他们的办法是——原地炼铝。把风能转化的电,就地炼成铝,然后只需要用船把原料运过去,再把炼好的铝从海上运回来就行了。电运不走,但铝可以运走。

还有一个让我很惊讶的事实:中国所有发电量里,大概 6% 左右是用来炼铝的。这个数值比我们熟悉的大多数民用电——比如照明、家用电器——加起来都要高很多。

为什么 AI 时代让我想起炼铝

那么,为什么最近的智能时代、AI 时代,会让我想起电解铝?

第一,大语言模型开源的势头非常旺盛,比如最近的一些开放权重模型。开放权重,几乎就相当于炼铝的那套工艺——所有人都可以拿到,都能上手做。

第二,GPU 就好像炼铝行业里的电解槽。它虽然贵,但会被大量地建起来。电解槽把低附加值的电,变成高附加值的铝;GPU 也一样,把低附加值的电力,变成了非常高附加值的智慧产物。

第三,也是未来这个产业最重要的部分——电力。GPU 是一次性投入,就像建起一座炼铝厂;建成之后,是巨额的、常年的、大量的电能消耗。

现在全球数据中心的用电,也仅仅占电力消耗量的 1% 左右。但未来,我相信这个数值一定会迅速增加。

物理世界已经长了很多年,智能才刚刚开始

这里有一个关键的区别:铝虽然好,但物理世界对铝的需求,已经增长了过去很多年,基本进入平稳期;而智能的增长,才刚刚开始。

所以如果要分析未来的模型,考虑 token 经济、考虑「买 token」这件事,我觉得炼铝行业在很多方面都可以拿来做借鉴。开放权重是工艺,GPU 是电解槽,而真正决定这个行业天花板的,是电。

跳转微信打开

  •  

什么是 FDE —— 不只是一个岗位,更是一种能力

原创 佳芮的创业笔记 2026-08-03 18:30 北京

你这周开始学的东西,是今天全世界的 AI 公司花百万美金在抢的能力

句子第四期新兵训练营,Day 2 下午,我给新来的 FDE 讲了一个小时:什么是 FDE。

新兵训练营是我们让 FDE 快速上手的培训体系,一期五天,从在句子怎么做事、产品能力,到真实成交案例、交付实战,一期带一批新人进来。

这不是岗位说明书。是想让每个人知道一件事——你这周开始学的东西,是今天全世界的 AI 公司花百万美金在抢的能力。我们 2023 年就在干,比硅谷早三年。

听众三十个人,岗位很杂:FDE、管培生、做商业化的、研发的、产品的,还有香港来的实习生。我讲了四件事:FDE 是什么、为什么偏偏是现在火、为什么你稀缺、你的路能走多远。

事都是真事,不是编的。涉及同事的地方,对外这一版我把名字都换成了化名。

下面是全部内容,一页一页放上去。

什么是 FDE 你站在了一个十年一遇的位置上 · 新兵训练营第四期 · Day 2 · AI 项目交付

这个词从哪来 · Palantir 第 13 号员工 Shyam Sankar,2000 年代末发明

如果一个问题能用一份需求文档解决,那这个问题早就被解决了。 · — Shyam Sankar · Palantir

好想法不是在 Palo Alto 吃草莓时冒出来的。它们出现在吉布提的田野上、底特律的工厂车间里。 · — Shyam

精妙的不是把人派出去,是背后那套分工 · 前线两种人搭班子,后方把现场抽象成产品

Palantir 今天 · 3000  亿美元市值

为什么这两年突然火 · 钱花了,东西却跑不起来

Agent 还没有现成的样子。SaaS 你一上来就知道要做成什么样;Agent 不是 —— 只能钻进客户真实业务里一点点

为什么 FDE 稀缺 = 为什么你值钱

第一个该招的,不是工程师 · 大部分公司做 AI 落地第一反应是招算法 —— 错了

上一页那个学法语的 00 后女生 · 就是她 · 小胡 —— 她为什么行,下一步难在哪

我交过的学费 · 再强的 PE,一个人也补不上「读懂客户的生意」

那 FDE 到底要什么样的人 · 会写代码、懂行业,都能补。这两样补不出来

再看一个真人 · 小麦 · 现场每撞一堵墙,他把它变成一个产品

再看一个产品怎么长出来的 · 句子守护 · CTO 亲自下场,逼出来的产品

我喜欢的画像 · 硅谷黑帮那股气质 —— 我不强求统一画像

最后一轮,我亲自面 · 能坐在这的 FDE,已经是百里挑一

对在座每个人 · 别因为你不是 CS 科班、不是算法出身,就觉得自己边缘。

再往上看一层 · 会写代码 + 这股劲,天花板不可限量

你的路怎么走 —— 台阶是实的

一条主线 · 不管你在哪个台阶,衡量你的标准不变

最根基的一件事 · 把事情做完、拿到结果、靠谱

你的进阶之路 · 对外这条线 FDE · FDE 四级台阶,一级一级往上走

还有第二条线:对内 AI 管培生 · 同一件事,两个名字

为什么一个人能干以前一条流水线的活 · 1 + N:一个人加一支 Agent 团队

天花板有多高

三代组织,你赶上了第三代 · AI 第一次让协作可以并行

我给你的,是真烧得起 · 你的天花板不是公司给不给你工具

你能走多远 · 这种人,离自己出去开公司,其实只差一步。

把话说在前面 · 我也不会反对你去创业。

我对组织的思考 · 我没办法为你的成长负责,但能为你的成长创造空间

你这个 FDE 的天花板,就是你自己。

我常跟大家说一句话 · 3 年以后 ——

你赶上了什么

收尾 · 先说句实话 · 产品还不完美,但一直在变好

你在做的,是这个时代最值钱的事 ——

附 · 现场可能被问到的 · backup —— 先想好答案

阅读原文

跳转微信打开

  •  

AI 时代的学习方式:从愚昧山峰上不断跌落

原创 Tapir 2026-08-03 15:48 北京

大家好,我是 Tapir,真的是好久没写文章了。

最近 AI 的发展真的是突飞猛进啊,不知怎的 Coding Agent  在去年下半年突然就变得好用了,遥想当年还在用 Copilot 做代码补全,当时都觉得很先进了,但现在看来也还没脱离古法编程 😂。如今的我可以说一行代码都不会写了,我对于代码的掌控主要停留在概念层和架构设计,当出现 Codex 之类的工具突然无法使用,只得回归古法编程,打开文件树看代码仓库简直陌生到可怕,不知道这是好事还是坏事呢?我们确实逐渐在把代码变成如同汇编一样的黑盒,去梳理编写概念,得到了效率的同时慢慢也丧失了对于底层代码的理解和掌控感,AI 作为工具反过来影响了我们自身。

其实我挺想念 AI 出现之前的时代的,当时每一行代码我都能解释,为什么这么做也是经过各个工程师和产品设计的讨论,虽然慢,但是胜在简单安心,精进编程能力的道路也是相对清晰。而 AI 的出现让我有点迷茫了,或者也许不只是我。如果 AI 什么都会,我们应该做什么,留给我们的路线是什么?

最近我们团队里面正在尝试组建「AI Native」团队,按我的理解就是要让 AI 工作的时间超过人工作的时间,打破传统的工作模式,让 AI 变成所有人工作的核心工具。以前说人人都是产品经理,现在 AI Native 的终局可能是人人都是产品、设计、研发、测试、市场 😃。我们现在还在阵痛期,对于非工程背景的角色如何参与代码开发也在试错。但我确实觉得现在大家都太浮躁了,所谓谋定而后动,有时候也许慢就是快。我在这个阵痛期也是感觉工作变得越来越无趣,也开始焦躁烦躁。

吐槽吐的差不多了,故事才刚开始,我最近又重新燃起了热情,因为我好像发现了 AI 之于我的价值所在了!

有一天早上我偶然刷到一个关于 M5Stack Cardputer 的视频,视频里的博主利用这款硬件开发了一些软件,比如复刻了老罗的TNT、音箱歌词显示器、万能遥控器什么的,回想到之前很多人做过 Vibe  Coding 键盘啥的,我突然想要自己做些什么硬件,因为我感觉这和我的本职工作 Web 前端是一个不同的领域,我可以利用硬件能力触碰现实世界了。硬件和网页很不一样,可以有按钮,有旋钮,有一块屏幕,可以真的拿在手里。软件跑起来以后,屏幕会亮,旋钮会响应,扬声器会发出声音。写的东西不再只是浏览器里的一个页面,而会占据真实的空间。

我当时对硬件几乎一窍不通,但 AI 让我有了一种以前没有过的感觉。很多不熟悉的东西,好像都可以先进去看看,我相信 AI 能帮我解决。我对着 ChatGPT 问了一上午,终于确认了我要怎么开始玩硬件。

痴迷于硬件的新世界

经过 ChatGPT 大人的指导,我没有选择 M5Stack Cardputer,也没有选择一些基于 Linux 的终端。一方面我希望设备尽可能小巧,另外好不容易从家出来一趟,肯定希望走远一些看看,于是我选择了基于 ESP32-S3 的开发板 LILYGO T-Embed。

ESP32-S3 是上海乐鑫推出的芯片,集成了 Wi-Fi 和低功耗蓝牙,开发资料和社区项目都很多。对于我这种刚开始玩硬件的人来说,这类芯片比较容易找到资料和现成案例。 如今 ESP32 在带无线能力的 IoT 设备和个人项目里非常流行,很多过去会优先考虑 STM32 的场景,现在也多了一个很有竞争力的选择。

LILYGO T-Embed

T-Embed 其实很简单,就是一块小显示屏、一个滚轮和一个中间按键。现在回头看,选择它的理由也挺奇怪的。我正在用一款 Sonic 的定时器,它也是靠一个滚轮操作。我特别喜欢那个手感,转一下,按一下,开始或者结束,整个过程很直接。T-Embed 有这个滚轮,我一下就看中了。

定时器

还有一款推动我一步步深入的产品就是 Playdate,我非常喜欢它的全反射屏幕,这屏幕在我看来完全就是艺术品,流畅的单色画面,既复古又新潮,不知道大家有没有玩过八方旅人这款游戏,给我的感觉是类似的,八方旅人也用它的 HD-2D,让老技术焕发了第二春。

Playdate

所以我的短期目标就是开发些软件先在 T-Embed 上跑通,长期目标就是将我这几个审美趣味相投的硬件产品整合成独属于我的硬件产品。

下单 T-Embed 后我没有等他送到就迫不及待的开始实现软件,我似乎找回了那种刚开始学习编程的那种热情。于是我把这些乱七八糟的想法、参考图、喜欢的设备和交互方式,一股脑告诉了 Codex。我说我想做一个 OS,装在这个单片机上。它开始在我的 Mac 上跑 Goal,自己搭环境、写代码、做测试。我中间还经常去看,因为它有时候要调 Computer Use,经常会卡住,或者效率特别低。我看着它在那边转,又有点想帮它点一下。我给它起名叫 CadenzaOS(https://github.com/SuperTapir/CadenzaOS),Cadenza 意为乐曲中留给演奏者自由发挥的华彩段,我希望这款硬件能成为我个人表达的空间。

第二天我看它自己测试时给出的截图,真的感觉非常漂亮。当时我立刻发给朋友说:「我的天,太兴奋了」。这真的跟开发个网页不一样,这可是直接跑在 ESP32 芯片上的,用 C++ 渲染出来的界面啊。接下来几天我沉浸在这种狂热中,不断的利用 Codex 更新了一波又一波的视觉和功能。 兴奋!

等收到 T-Embed,刷上我写的 CadenzaOS,其实和我本地模拟器看到的不太一样,会很卡,扬声器的工作状态也不符合预期,但我依旧很兴奋,迫不及待的拍了视频发给朋友,分享我的喜悦。然后又进行了一波固件优化,再刷上就不卡了,真的很开心啊!

从愚昧山峰掉进了绝望之谷

经此一役我感觉自己无敌了,依靠 AI 大人我真的畅通无阻。不知道大家是否听说过「达克效应」,我觉得我此时就处于「愚昧山峰」。

我不满足于继续用 T-Embed 凑合玩,也许我可以直接去实现我的终极目标做出专属于我的设备,而做最终产品必须要一块紧凑的 PCB 和外壳,于是我简单了解了一下这块儿领域就开始尝试让 AI 帮我直接画 PCB,我还让 AI 用了 kicad-happy 这个 Skill 去画板子,出来的东西看起来真的挺像那么回事。器件摆好了,线也拉好了,板框也有了,连 KiCad 里的画面看起来都很专业。

Codex 惊人的工作时间和 Token 消耗量

看上去像那么回事

我又找了一个网上的开源工程让它参考,跟它改了一晚上(花了大量的时间和 token!)。后来终于有了一版看起来差不多的东西,但其实我自己没有判断力,只是 AI 似乎觉得这已经 OK 了,我当时想,先打一个板子试试,OK 的话就先这样了。其实这时候我已经隐隐感觉不对了。。。

在我进入嘉立创在 AI 的指导下一步步填写晦涩的各种参数,填写完 PCB 的订单以后,还要走一个 SMT 的流程,我理解 SMT 就是把我们需要的电子元器件比如扬声器、麦克风、功放、芯片装在 PCB  上,结果一进去我人傻了,似乎导入嘉立创的工程里还是有很多问题在 SMT 的环节全部暴露出来了,就是一大堆报错,我当时真的直接崩溃了,本来以为画 PCB 已经是最难的一关,结果还有第二关,甚至可能还有第三关。

无能狂怒😢

其实我还脑子一热买了一堆元件、杜邦线、面包板、万用表,简单玩了一下,让 ChatGPT 指导我各种插线,有一定收获,但是也没玩太明白hhh 

于是我跌入了绝望之谷,我知道了硬件这个领域还有太多我不懂的东西,我交给 AI 做的工作如果我都无法判断,没有概念,那这些混乱也会被 AI 放大,直至失控。。。

从跌倒的地方爬起来

消沉了一段时间以后,我觉得还是退回来,做一些我相对擅长的事情,比如确定这个产品需要做成什么,需要哪些硬件,外形如何,如何使用。于是我开始尝试跟 AI 讨论把这个概念设计和外形工业设计定下来,为此我还学习了一些工业设计的技巧。最终形成了概念设计文档、硬件清单和一个 3D 模型(虽然还是挺粗糙的)。希望能交付给第三方帮我搞定硬件。

一个初版模型

但是在我接触了一些闲鱼上的代做单片机相关的商家以后,都对我这个产品不太感兴趣,经过多轮沟通给我报价 8500,虽然我想过会很高(毕竟后面跟 AI 探讨的太起劲了,把这个产品扩展的有点全能了😓),但是没想到会这么高,再评估一下后续可能返工带来的时间和金钱成本,我还是放弃了,感受到这个 Leap 以后,我的兴趣确实逐渐消散了。

在跌倒的地方种一朵花

将 Cadenza 搁置以后,我其实也没有一下子从硬件的世界里退出来。因为前面搞 PCB 的时候,我已经下载了 KiCad、嘉立创 EDA,注册了嘉立创账号,B 站也刷了不少相关视频。算法大概已经知道我最近在折腾什么了,机缘巧合之下我刷到了几个 PCB Art 相关的视频,制作精美的电路板艺术深深地吸引了我。

我当时第一次看到这个东西,觉得还挺神奇的。原来 PCB 不只是拿来放芯片、拉线、实现功能,也可以做成一件作品。阻焊层可以决定板子的底色,露出来的铜可以做图案,沉金会让露铜的部分变成金色,丝印还可以加文字和线条。最后做出来的东西,真可谓是艺术品!(当然还有就是嘉立创现在可以薅羊毛,免费的板子谁不爱呢?😂)

形形色色的 PCB 艺术(取自 B 站各视频封面)

我就选择了一位老师跟着做,大致了解流程以后,感觉不难,信心回来了。我开始准备图案,以艾尔登法环为主题,先在 Sketch 里面处理图片(这次图案正面部分取自一位老师的视频中的梅琳娜、背面是黄金树,但我做了一定加工),中间还用 GPT 去做了一些生图或者调整图片细节,调黑白关系、把细节简化,再导进嘉立创 EDA。这里也有很多要试的地方,比如图片到底要放在哪一层,哪些地方露铜,哪些地方保留阻焊,尺寸做多大才合适。好在这次的目标很具体,我能直接看到图片变成什么样,也能判断哪里不好看。

在 Sketch 中编辑 PCB Art 图片

最后我真的在嘉立创下了一份样板订单。看着订单一步步从生产的各个流程到最终发货,我很开心。我没有数电、模电的基础,对硬件的了解也只是皮毛,没有去修改理解 PCB 的能力,但是对于这块简单的电路艺术板我还是大致跑通,踏踏实实的做出来了。

我的 PCB 订单

这块板子没有让我突然学会硬件,但它让我重新找回了一点动手的感觉。Cadenza 那种完整的硬件产品,对当时的我来说实在太大了。PCB Art 小很多,也简单很多,但它给了我一个能自己走完的闭环。

重新学习如何和 AI 一起协作

完成 PCB 艺术板后,我其实想多去学习一些这方面的技巧,能有朝一日做出 B 站上各位大佬一样华丽的作品,但我发现了一个问题,就是大家在构建作品的时候还是要使用如「嘉立创 EDA」类似这样的专为 PCB 设计而建立的平台,当然最终我们的板子的载体还是 PCB 使用这类软件当然是无可厚非的,而且是最准确的,但是其实其中绝大部分的功能对于普通玩家是不需要的,而且我用起来觉得各种操作一言难尽。

举个例子,我当时在做板子的时候没注意做大了,想要回去修改就得一个一个层重新调整大小,仔细对照图案是否对齐了,还有焊盘(打孔)的位置,各种反复修改。我再去嘉立创上下单,结果发现沉金面积又超标了(不支持优惠券了),在这样反复调整下我花费了大量时间和精力在这些没有意义的事情上。

除此之外,嘉立创 EDA 还有着一定的学习成本很容易误操作。在观察了各位大佬的 B 站视频我大致总结出了各位老师的 Workflow,通常是这几个步骤:

  1. 图案、排版的前期设计和准备:这一步要利用抠图、AI 重绘、图像处理等操作让图案适合后续绘制在 PCB 上

  2. 在 EDA 上拼接:将图片素材、文字素材在 EDA 上进行整合排布,需要考虑在阻焊层、丝印层 的层叠效果

  3. 进行挖孔等操作

  4. 反复在 3D 预览中确认效果来进一步调整图案、排版

当然可能还会有一些复杂操作,比如还是让板子具备一定的能力,比如加入 NFC 芯片,或者需要异形的板子,需要绘制异形的板框等,但大致流程我想就是这样。

所以我希望能简化这个流程,让大家创建 PCB 艺术能将精力更多放在设计本身,让一些初学者更好入门上手,让大佬们能解决一些重复性的问题帮他们出一版 Draft。

于是带着这些想法,我 fork 了 PCB_lightgraph(https://github.com/tomatorigid/PCB_lightgraph) 创建自己的 PCB_lightgraph_Neo,但是由于我当时想要的太多了,有点急于求成,一股脑将自己的想法告诉 AI,让 AI 自行学习拆解老师们的工艺技法,导致最后做成了一个四不像。Neo 变成了一个功能很多,但我自己都不想用的东西。AI 把我零散的想法都实现了一遍,也把我一开始没有想明白的地方一起放大了。混乱的需求只会导致混乱的结果,AI 只是加速了这个过程。

后续我又规整自己的想法和里程碑,明确了究竟自己想要做什么,新开了项目 PCB Atelier 结合了之前 Neo、Cadenza 的各种和 AI 协作的经验,目前效果不错,已经初步实现了我想要的功能,可以像 PS、Sketch 一样操作图层(和对应 PCB 的物理层)并最终导出「嘉立创 EDA」的项目工程可以直接进行下单。后续规划是进一步提升稳定度和可靠性,并增强图片处理能力让前期选定图案的时候也可以在 Atelier 中完成,除此之外还考虑加入 AI 能力,可以接入自己的 Codex、Claude Code、API 等在 Atelier 中进行 AI 图片生成或处理,甚至是直接让 AI 来帮助完成作品的评估和修改。 

学着从愚昧山峰上自己走下来

在经历了这么多高强度和 AI 协作的项目后(感谢 Tibo 老板送的 Reset 和 Codex 限制解除!),我逐渐摸索出了一些在 AI 时代创建新项目的技巧,在这里分享给大家(奖励一下能看到这里的读者)。

想清楚方向,你究竟想要什么

这一点是最重要的,如前文所说 AI 是放大器,混乱的开始只能以混乱结束,你必须心中有数,明确自己想要什么,如果你只有一个非常模糊的想法那你应该和 AI 先一步步讨论清楚,过程中可以尝试利用 grill-me 之类的 Skill,在你确认好再进行下一步。即使你想给 AI 留出一定空间来进行自由发挥,也请保持心中有数,在发觉不对的时候赶紧悬崖勒马。

做足调研,站在巨人的肩膀上

在没有 AI 的时代,工程师们就贡献了很多了不起的工程项目,AI 很多的编码技巧就来源于这里,所以别过度相信 AI 生造的东西。

我在开启新项目的时候会留一个目录专门存放一些可以用来参考的代码或资料,AI 拥有着前所未有的搜索和信息整合能力,我会让 AI 给我一份清单,要包含我们当前这个项目相似或者可能会有关联的开源项目或者资料,再将他们克隆或者下载到这个目录,我认为这样在后续我们进行正式的代码开发时让 AI 参考本地的项目会比利用什么 API 参考线上的项目更高效。

CadenzaOS 的参考目录

当然,请注意边界,不要「过度深入」的参考其他人的开源项目,虽说这个边界很难琢磨。

判断力的缺失将导致失控和灾难

执行力可以外包,而判断力不行,如果想要做成一个广义上的好项目必须具备领域的基础知识和审美,如果当 AI 给出一些选项时,你根本无法进行抉择,只能永远让 AI 给你提供建议那你就是在完全被 AI 牵着鼻子走,这不是你的项目,这是 AI 的项目,只是你给你的 AI 支付了 Token 罢了。

一旦你失去了判断力,那这个产品就没法向前了,这就是在提醒你要补一补专业知识了,至少要从概念层上理解现在正在发生什么,当然你也可以让相关的专业人士加入你的团队为你提供判断力,AI 不会为他的行为负责,但你需要。

拆分里程碑,切不可贪快

请明确每一步的里程碑,在清晰确切的完成这个目标之前,不要做其他事,不要开发新功能引入新的混乱,这符合软件工程的准则,即使现在是 AI 时代了,也不过时。我献身说法一下,因为 Tibo 老板那几天 Reset 的太频繁了,所以我整个人就很焦虑,向着 Token 不用完就亏了,经常临睡觉一定要给 AI 安排一个任务,用 Goal 去执行,在我还没想明白某个功能的时候,我就迫不及待的交给 AI 全权去做了,Token 可能是没有浪费吧,但是项目陷入了混乱,各种功能混杂在一起,让 Debug 的难度指数级上升,AI 都改不过来(也许 AI 不认为那是 Bug ,或者就是单纯忽略掉了,所以不会自行解决)。

我建议可以使用 OpenSpec 或者就是自带的 Plan Mode,在完成这个 Plan 之前不要添加新的功能。完全确认好了再下一步,不要贪快,有时候慢就是快。

给 AI 更多的上下文和参照,包括视频

之前说过要让 AI 参照一些关联的开源项目,说的也是这个事,但是我最近发现 AI 读视频的效率也是很高,它可以抽帧去看视频。所以我现在非常喜欢发一段录屏配文字说明现在的状况。我之前在做 CadenzaOS 菜单动画的时候就非常想参考 Playdate 的菜单动画,就录了视频,发给 Codex,Codex 就根据抽帧,不断 Loop,像素级还原了这个效果,完成了以后我真的很震惊,因为最后这个效果简直是一模一样。

虽说让 AI 自己摸索,相信它也是可以自己摸索出来如何看视频的,但为了让 AI 高效完成工作我也做了一个 Skill 帮助 AI 去分析视频,已经传到 Skill 市场上了(https://www.skills.sh/supertapir/tapir-skills/inspect-video-frames)大家感兴趣可以试试。

TDD 很重要,帮助 AI 锚定目标

TDD 是神,特别是我们现在起项目会大规模使用 Loop,通过单测、E2E 测试等 AI 能清晰的认识到这次修改是否改对了,完成测试 ≈ 完成需求且无报错,AI 改的放心,人看着也放心。

请原生支持 CLI,给 AI Agent 留出入口

我觉得 AI 时代了,或多或少我们都希望让 AI 能接管或者参与到我们的项目中,GUI 显然不是给 AI 用的,CLI 才是它们真正需要的,如果你有这方面的规划,别忘了从项目一开始就支持 CLI 的使用。

让经验和工作流留在仓库里

请将工程的工作流作为项目级 Skill 留在你的仓库,不只是你开发这个项目用的开发 Skill,比如 OpenSpec 啥的,我在做 CadenzaOS 的时候想要生成一些 App 的封面图,花了大量时间和精力做调整,可不只是全交给 AI 生图这么简单,还要经过一些脚本处理,最终才能变成漂亮的 1bit 封面。在完成几个封面后,我就让 AI 将这个工作流沉淀成 Skill 存储在 Repo 里。并进行了一些测试确保 Skill 的可靠。在这之后就可以让 AI 创建新的 App 的时候主动调用封面生成 Skill 来生成了。

封面生成 Skill

通过 Skill 生成的封面,很符合我的审美!

向山进发

我发现 AI 之于我最大的作用,就是让我敢去挑战一些以前完全不敢触碰的领域。

以前我看到硬件、通信、单片机这些东西,会觉得自己根本没有入口。现在我会觉得,至少可以先进去看看。AI 对通用知识的理解,确实能帮我解决很多最开始的问题,帮我找资料、搭环境、解释概念、写一些代码,让我不用一上来就被陌生名词劝退。

垂直的知识当然还是很重要,专业的事情也依然要交给专业的人。但对我自己来说,我现在会更看重广度。多了解一点不同领域的东西,慢慢建立自己的审美趣味和判断,再借助 AI 去把这些东西融会贯通,想必就会拥有与众不同的视点。

继续向着愚昧山峰进发吧,也不用太担心跌下来。每跌一次,至少会多知道一点自己缺什么,多知道一点这个领域真正难在哪里。下次再去碰一个新的东西,说不定就会比上一次更清楚一点。

接下来我准备去玩玩 Flipper Zero,也想学一下通信相关的知识。估计后面还是会踩很多坑,但我相信 AI 能继续帮我把这个领域的门稍微推开一点,哈哈。

关于本文:

我以前很讨厌 AI 的一点就是在于 AI 让工业化生产内容变得太简单了,导致同质化的内容太多了,现在看到 AI 腔(不是。。。而是。。。)我真的很想吐,也许误伤了一些本身就这么创作的人,但看到 AI 腔总让我感觉这篇文章背后是冷冰冰的机器花了 30s 生产出来的,我就对这篇文章一点也不感兴趣了。(我早年经常翻译英文文章来练习英语,翻译的还很生硬,所以可能 AI 腔没有但翻译腔会比较重hhh)但工具也在反向影响我们,在 AI 生产的内容充斥在我们周围时,我们也在不知不觉之间受到其语言风格行为习惯的影响。 我敢保证本文 99% 由人类撰写,剩下 1% 是我让 AI 修了些错字,提供些修改建议。但我确实利用 AI 的检索和整合能力,通过对话将本文所有的素材做了收集,在我需要的时候 AI 可以将素材发给我。

项目和资料

CadenzaOS:https://github.com/SuperTapir/CadenzaOS

PCB Atelier:https://github.com/SuperTapir/pcb-atelier

tapir-skills:https://github.com/SuperTapir/tapir-skills

PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

图片

添加小编微信进群😊

跳转微信打开

  •  

老板一句「做个XX」,AI跑完调研到原型|Codex Subagents实操篇

原创 强少Qone 2026-08-03 12:00 广东

做产品的,最怕老板甩来一句:「做个 XX,你先看看。」

结果呢?你一个人查竞品查到眼花,写 PRD 写到头秃,画原型画到崩溃。折腾快一周交上去,老板扫一眼:「流程好像不太对?」血压一下就上来了。

同样是接这需求,有人熬夜一周憋方案,有人让 AI 员工接力,半天就出了能讲的雏形——差的不止是手速,是会不会把活拆给队伍。

上篇聊完「172 个 AI 员工」,后台最多的问题就是:我不写代码,这玩意跟我有啥关系?

关系大了。产品岗最累的三步——调研、写需求、画原型——正好全是能拆出去的活。这篇就手把手演示:怎么用 AI 员工三步接力,把这三座大山搬掉。

这条流水线长啥样

一个想法丢进去,三个「员工」接力,出来一份方案雏形。它像一条工厂流水线:上一道工序的成品,就是下一道的原材料。

  • • 第一步 市场调研 + 竞品分析(俩人并行):business-analyst 摸清目标用户和核心诉求;竞品分析专员找出 3 到 5 个对手,功能、定价、短板挨个比。

  • • 第二步 产品需求整理(接第一步):product-manager 基于调研结论,理出需求清单(PRD)——核心功能、用户流程、优先级。

  • • 第三步 产品原型 Demo(接第二步):ux-designer 基于需求,产出原型说明——页面结构、关键界面、主要交互,文字加简易结构描述。

  • • 最后 knowledge-synthesizer 把三步串成一份「从调研到原型」的完整交付物。

注意一个细节:第一步俩人是并行的,但三步之间是排队的——因为需求要吃调研的产出,原型要吃需求的产出。这个「看依赖决定并行还是串行」,正是上篇讲的核心。

你干的事只有一件:看汇总稿,改改,拿去讲。

一段话叫它跑起来(直接抄)

我要做一个「面向小团队的任务管理工具」的雏形,请按三步流水线来做:
第一步(调研):同时派 business-analyst 分析目标用户和核心诉求,派竞品分析专员找出 3–5 个对手,对比功能/定价/短板。
第二步(需求):等调研完成,派 product-manager 基于上面的结论整理产品需求(PRD),写明核心功能、用户流程、优先级。
第三步(原型):等需求定稿,派 ux-designer 产出原型 Demo 说明(页面结构、关键界面、主要交互),用文字 + 简易结构描述。
最后让 knowledge-synthesizer 把三步串成一份连贯的交付物,每条结论附依据。

跑完你拿到的不是一堆碎片,是一份能拿去汇报的方案雏形。

丑话说前头:第一次跑出来的东西,大概率平庸——竞品列得不准,PRD 写得像教科书。别慌,这不代表玩法不行,是你还没把「每一步交什么、按什么格式」说细。把提示词里的要求改具体,调个两三次,就顺手了。我自己的第一版也惨不忍睹,后来就是一点点磨出来的。

为什么比自己憋强

不是 AI 比你聪明,是它不累、不偏心、不嫌烦。

人做需求有个通病:精力是下坡的。第一天查竞品还精神,第三天写 PRD 就开始糊弄,最容易漏掉那个不起眼但要命的竞品短板。流水线每一步都是满状态开工,标准还统一。

记牢一句话:流水线负责「不漏」,你负责「拍板」。

三个坑,绕着走

  • • 让某一步直接替你定结论 → 它真敢编,尤其「竞品短板」这种需要实时数据的事。员工出素材,你做决定。

  • • 一次叫十几个人 → 报告厚到没人看。三步各一两个足够。

  • • 不规定返回格式 → 你会收到一堆散文。要它「按模块 + 依据」给,不然后面没法接。

想再懒一点?

上篇的资料包里,我放了这条流水线的现成提示词,复制就能用。你还能把它存成「常用指令」:老板每次丢想法,喊一声就跑,不用重新打字。

等你想懒到极致,还能让它定时自动跑——比如每天早上自动出一份竞品简报甩你群里。这个下篇讲,不写一行代码,关注了别错过。

最后说一句

产品岗最贵的从来不是体力,是判断力。把调研、整理、初稿这些体力活交出去,你的脑子留着干一件事:拍板。

资料包里有这条流水线的完整提示词 + 172 个员工名单 + 26 套话术。关注「强少来了」,后台回「子智能体」领。

如果你也被「调研、需求、画原型」这三座大山压过,转给那个总加班做 PPT 的同事——他需要的不是更努力,是一支队伍。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

  •  

分类

原创 李继刚 2026-08-03 00:00 北京

「万类霜天竞自由」

世界来到我们面前时,并没有附带标签。每一个对象都裹着无数细节,每一次经验也都只发生一次。理性若想从中获得知识,就必须做一件既必要又危险的事:把不同的东西看作同类。

1

一个孩子第一次碰到火,被烫得缩回手。这还只是一件发生过的事。真正的知识出现在第二团火面前:火焰的形状、大小和颜色都变了,手却在接触之前缩了回来。

过去之所以能够指导现在,是因为孩子忽略了两团火之间的大量差异,保留了一个与行动有关的共同点:它们都可能造成灼伤。分类让两个不同的对象获得了同一个认知位置,上一次的后果因而可以迁移到下一次。

若每一次经验都绝对独特,过去就无法进入未来。记忆可以储存经历,却不能自动生成知识。知识开始于一种受约束的重复:这一次虽然不是上一次,但在当前问题上,可以把它们当作同一类。

2

分类不是发现世界中早已摆好的盒子。它更像一项判断:对于眼前的问题,哪些差异重要,哪些差异可以先放在一边。所谓同类,不是两个对象拥有相同的全部性质,而是它们在某个问题下可以被同样处理。

鲸与鲨鱼都生活在海洋里。讨论栖息环境时,它们可以进入同一类;追问演化谱系时,它们又必须分开。对象没有改变,问题改变了分类所保留的差异。一个分类的边界,正是它所回答的问题的边界。

因此,每一次分类都包含一项赌注:被忽略的差异不会改变当前结论。赌对了,复杂经验被压缩,知识得以迁移;赌错了,分类便把无知整理成了秩序。分类带来的清晰,从来不是没有代价的清晰。

3

在理性认知中,感知先给出差异,概念提供区分标准,分类形成稳定对象,推理再处理对象之间的关系。分类位于感知与推理之间,像一道编译层:它把连续、具体、充满偶然细节的经验,转换成可以比较、归纳和预测的认知单位。

这也说明,错误并不一定发生在推理过程中。两个人都发热、咳嗽,可以先进入同一症状组,共用一套检查路径;但症状相似不等于病因相同。若把症状的分类直接当成病因的分类,后面的推理越严密,错误反而扩展得越精确。

逻辑能够检查一个结论是否从前提推出,却不能单靠逻辑保证对象最初被分对了。分类预先规定什么算对象、什么算证据、哪些差异值得进入推理。理性最深的错误,常常发生在推理开始以前。

4

分类会损伤整体感,但这不是它唯一的方向。不认识鸟的人看见的是「一群鸟」;熟悉鸟类的人却能看见羽色、鸣声、栖息和迁徙方式。分类没有让他看得更少,反而让原本混在一起的差异显现出来。

真正的分界不在于是否分类,而在于分类之后是否还继续观察。好的分类说:「原来这里还有差异。」坏的分类说:「我已经知道它是什么。」前者把类别当作入口,后者把类别当作判决。

当一个人被归为「焦虑型的人」或「问题学生」,类别尤其容易从描述滑向定义。原本发生在特定关系和处境中的行为,被固定成了个人本质;人们随后按照这个类别对待他,他也可能逐渐用它解释自己。分类不再只是描绘事实,而开始参与制造事实。

5

分类以前的整体没有破碎,但也没有展开。分类以后,部分变得清楚,部分之间的关系却可能消失。真正需要恢复的,不是最初那种未经区分的圆满,而是一个经过区分之后仍能看见联系的整体。

因此,成熟的理性必须同时保有两种能力:需要行动时,它能够清楚地区分;分类开始遮蔽对象时,它又能撤回原来的边界,换一个问题重新看。它不把例外一律当作噪声,因为例外有时正是分类失效的地方。

一个可靠的分类,必须允许三个问题进入:

1. 我为什么这样分?

2. 我忽略了什么?

3. 什么事实(差异)出现时,我必须重新分?

分类让知识成为可能;重新分类,才使知识不至于固化成偏见。

世界可以被分类,但世界从来不是分类的总和。

跳转微信打开

  •  
❌