铃阅时讯
❌

阅读视图

为什么情侣总会因为「小事」吵架,这些小事

warfalcon 2026-11-06 23:47 辽宁

日本大和房屋问过 600 对有娃双职工夫妻:家务各做几成?丈夫最多选“我三她七”,妻子最多选“他一我九”。

差就差在捡袜子、换卷纸、收衣服这些没名字的小活儿。丈夫压根不把它算家务,两本账就这么对不上。

情侣为小事吵到没完,争的早不是那件事本身,而是它“算什么”。迟到是堵车,还是不在乎我?忘回消息是忙,还是不爱了?

事情小到证明不了啥,人就爱拿旧账去填空当。你今天累不累、这段关系还剩多少好感、从小家里啥规矩——全会影响你怎么读对方。

所以吵架时只说这一次,别让“每次”“从来”“就是”把事变成定罪。比如别说“你从来不照顾孩子”,换成“今天都没陪孩子玩”。

真有长期家务不公、夹着贬低控制、或者信任已经很低,那就不是读法问题,得当大事谈。剩下那些,先把事说清,“算什么”留到第二天再定。

跳转微信打开

  •  

为什么情侣总会因为「小事」吵架,这些小事背后隐藏着什么?

warfalcon 2026-11-06 23:33 辽宁

图片

有读者留言询问:

很多时候看起来是鸡毛蒜皮的小事,但吵起来就没完没了,究竟是我们在吵什么?

从一个调查说起,2017年,日本大和房屋问了600个有孩子的双职工已婚男女:家里的家务,夫妻俩各做几成?

丈夫回答最多的,是「我三她七」。妻子回答最多的,是「他一我九」。

同一个家,两本账。按调查方说法,差就差在没名字的小活儿上:捡袜子,换卷纸,把洗好的衣服收起来。不少丈夫压根没把这些算成家务。

同一个家,两本账。差就差在没名字的小活儿上。

情侣为小事吵个没完,我觉得恰恰因为事情小。

小到什么都证明不了,所以什么都能拿来证明。

吵到后来,两个人争的已经是这件事「算什么」。

01

吵到后来,争的是这件事算什么

常听到的解释是,小事背后是需求,是想被看见、被在乎。这话只对一半。

小事确实带着意思。戈特曼研究所给过一组数:婚后6年仍在一起的夫妻,新婚时在实验室里接住对方小招呼,比例是86%;6年内离婚的那些,只有33%。

一句「你看这个」没人接,是会疼的。

麻烦出在下一步。意思得靠人来读,读成什么,决定这一架能不能吵完。

孩子刚出生那阵,我第一次当爸,很多事笨手脚不会弄,有时就跟老婆产生冲突。吵起来的时候,她要是来一句「你从来不照顾孩子」,我会特别生气,然后反复给自己辩护。

她看我辩护,更火了:你都不管孩子,还给自己找一堆理由。

就这么一句接一句地吵下去。那段时间这种事总是发生。

「你从来不照顾孩子」——前一句给整个人下了结论。

后来发现要是这句话换成「你今天都没陪孩子玩」,后果就不一样。

两句话说的是同一件事,前一句给我这个人下了结论,后一句只说了今天。

今天的事明天能补,结论只能否认。而我一否认,在她那里又成了新的证据。

法律上有个区分:同一个后果,定过失还是定故意,性质差得很远。法庭上最难吵的往往就是主观状态,因为它看不见,只能推。

情侣为小事吵到后来,很容易就落到这一项上:你是忘了,还是根本不在乎。

心理学有对应的研究。Bradbury 和 Fincham 1990年在《心理学公报》上发过一篇综述:对婚姻不满意的人,会把伴侣的举动往坏处解释;实验、治疗效果和追踪数据都提示,这种解释习惯可能反过来拉低满意度。

《会好的》里有个例子:约好在餐厅吃饭,一方迟到了。迟到的人觉得是路上堵车,等着的人想「这人一贯如此」,再往下想一步,就成了「她已经不爱我了」。

一旦定成「故意」,被告要辩护的,就从那件事换成了自己这个人。在「我是不是个自私的人」这种问题上,很少有人肯认输。

这一架当然停不下来。

02

事情越小,越容易被读成证据

大事反而用不着猜。

2002年,Hawkins、Carrère 和戈特曼在《婚姻与家庭杂志》上发过一项研究:96对新婚夫妻先各自给对方在对话中流露的情绪打分,研究者再拿受训编码员的评分来对照。

妻子对这段婚姻的整体感情,会左右她怎么评价丈夫的正面情绪和低强度负面情绪;碰到高强度负面情绪,这种偏移就没了,丈夫妻子都一样。

论文的大意是:关系好坏能在于你怎么读对方的小情绪,但改写不了你怎么读一次大爆发。

统计里有个很基础的道理,可以拿来对照:证据越弱,结论越取决于你原来怎么想。

一条没回的消息,几乎证明不了什么,开会、没电、睡着了、不想理你,都说得通。证明不了的空当,就由读的人自己解释。

一般有三种情况:

头一样是当时的状态。Neff 和 Karney 2009年在《人格与社会心理学杂志》上发了两项日记研究,一项是146对新婚夫妻,另一项是82对夫妻,4年里记了3轮、每轮7天。

压力比自己平时大的时候,跟伴侣之间的一件具体小事,会更大幅度地牵动当天对整段关系满不满意。同一种小事,累的那周和不累那周,在心里分量不一样。

再就是这段关系的存量。Robinson 和 Price 1980年做过一个观察研究,让受过训练的观察员到夫妻家里记录愉快的互动。

关系适应差的那组,自己估出来的愉快行为发生率,比观察员记录低了大约一半。

存量低的时候,好事只看得见一半,坏的那个版本自然更好填。

还有一样,是各自从家里带来的规矩。

比如:我挤牙膏是从尾巴往前挤,我老婆拿起来从中间一捏,我特别不习惯。这类小事特别多。

两个人各自过了二三十年,都带着自己家的习惯进门,一定会有不习惯,会有冲突。

没有哪条标准规定牙膏该从哪挤。两个人都觉得自己是常识。

大事一般会正式商量,买房、要不要孩子,很少有人默认对方懂。小事很少有人专门坐下来谈,太小了,不值得开会。于是两套默认规则直接撞上。

社会心理学家 Lee Ross 和 Andrew Ward 把一种倾向叫「朴素实在论」:人会觉得自己看到的就是事情本来面目,跟自己看法不同的人,要么不了解情况,要么不讲理,要么有偏见。

这在牙膏这种事上最明显。没有哪条外部标准规定牙膏该从哪挤,两个人都觉得自己是常识,那对方这么干,不是不懂事,就是故意的。

开头那份家务调查也是一回事:没把捡袜子算进家务的丈夫,账上就没有这一笔。

小事还有个特点,天天发生。大事一年碰上几回,小事一天好几回。

家里开庭这件事,就从偶尔变成了日常,没有法官,判决还会累积。

所以回到题目问的,这些小事背后藏着什么。

很大一部分藏在读它的人身上:那天累不累,这段关系还剩多少存量,各自从家里带来了什么规矩。

这三样都会变。

有一次我炖牛肉,炖了两三个钟头,端上桌,我老婆先说了一句:炖这么久,多费煤气。

早些年我听到会直接生气,忙活半天,一句夸没有,先挨了嫌。

早些年我听到会非常生气,忙活半天,一句夸没有,还挨了嫌气。现在同样一句话,我大概吵了。而我老婆也不会再这么说了。

03

把定性从小事上拿下来

Neff 和 Karney 那篇论文开头引了 Jacobson 等人1982年一句话:一段关系能成,要素之一也许是整体满意度相对独立于眼前发生的事。

翻成大白话,别让一管牙膏给整段关系打分。能做的有这么几件。

吵的时候,只说这一次。说具体动作和具体请求,比如「今晚的碗你洗一下,明早我要用这口锅」,少说「你每次都这样」。

每次、从来、就是,这几个词一出口,话题就从这件事跳到了你这个人。

抱怨和批评是两回事:抱怨是为了改变某件事提的具体要求,批评只会让关系更糟。

我以前在直播里举过一个例子:我做完一顿饭,听到「你把厨房弄得一塌糊涂」,会火大;换成「做完饭顺手把厨房收拾了就更棒」,我就知道该干嘛了。

「你把厨房弄得一塌糊涂」和「顺手收拾一下就更棒」,是两回事。

要是心里真觉得对方不在乎你,那是另一件事,值得单独找个时间说,犯不上借一管牙膏去说。

挑一个不吵架的晚上,把反复吵的那两三件小事当大事谈一次,立成家规。牙膏各买各的,也算一条。

《懒人天才》里有个建议,在轻松的气氛里一起想出一条简单的家庭规则,防止沮丧感升级成争吵。

有了规矩,下次再出状况,就是「没按约定来」,用不着扯到「你这个人」。规矩还能改。

下结论之前,先看看自己今天累不累。压力大、刚挨完骂的那天,一件小事在心里分量会变重,前面 Neff 和 Karney 那项研究讲的就是这个。

那天先把事说了,「算什么」留到第二天再定。

剩下的一部分,接受它吵不完。按戈特曼研究所的说法,伴侣之间 69% 的问题属于「永久性问题」,根子在两个人性格不同,一直解决不了。

我2022年在直播里讲过一本书,《有什么问题,说出来就好了》,里面专门有一节叫「夫妻总是因为各种生活中的小事吵架,要怎么办」,第一条建议就是先认同「这个人原本就是这样」。

目标从解决换成不升级,还能拿它开玩笑,就算管住了。

这套办法有几种情况不适用,得说清楚。

三种不适用

一、真有一本不公平的账

比如家务长期九比一,那是分配问题,不归读法管。这时候拿「别上升」去压对方,等于拿方法论欺负人,这件事得当大事谈。

二、夹着轻蔑、贬低、控制

那它就是证据,没读错。

三、信任已经很低

光修读法也不够。戈特曼在《信任的科学》里写过,不幸福的夫妻更容易掉进「恶意对恶意」互动,也更难出来,冲突讨论会变成一场非打到底不可的仗。到这一步,小事只是症状,先要补的是存量。

还有证据本身的边界。上面这些研究,样本主要是美国的新婚或已婚夫妻,大和那份是日本企业做的网络调查。

拿来解释国内谈恋爱的情侣,是我的推断,中间隔着文化和关系阶段两层。

今晚可以做的一次自查

挑出那几句带「每次」「从来」「就是」的话,数一数。

可以拿你们最近吵得最凶那三次做个检查:把当时说出口的、带「每次」「从来」「就是」的句子挑出来。

挑出几句,那一架就有几处已经从说事变成了定罪。

三次里一句都没有的那次,我猜后来吵着吵着也就过去了。

我这里输出的内容都“可直接照做”的东西:注意力 / 时间管理 / 沟通技巧 / 读书读记 

📌 找直播:关注视频号「生活黑客、读书方法」→ (近半年)

🚀 想系统一起做:加入 100天行动(最小行动、复利成长)

⭐ 不想错过更新:把 warfalcon 设为星标

(点上方「warfalcon」→ 右上角「…」→ 设为星标)

跳转微信打开

  •  

腾讯混元 Hy4 实测:多模态升级,专业工作能力更强了

原创 有新 2026-11-06 23:22 浙江

11 月 4 日,腾讯混元发布 Hy4 正式版,并计划于近期开放模型权重和系统卡片。距离预览版推出两个多月,新版加入视觉理解和电脑操作能力:面对复杂图表,模型可以结合图像、推理和工具调用作答;执行任务时,也能配合使用命令行与图形界面。团队还针对跨.....

“要实现有效的人机交互,人和计算机就需要在同一块屏幕上画图、写笔记和方程,借此彼此交流。”——约瑟夫·利克莱德

11 月 4 日,腾讯混元发布 Hy4 正式版,并计划于近期开放模型权重和系统卡片。距离预览版推出两个多月,新版加入视觉理解和电脑操作能力:面对复杂图表,模型可以结合图像、推理和工具调用作答;执行任务时,也能配合使用命令行与图形界面。团队还针对跨应用长任务,以及 Blender、CAD 等专业软件开展了专项训练。

腾讯公布的评测中,Hy4 在多项编程、搜索和办公任务测试中处于所列国产模型前列。与海外模型相比,正式版在部分复杂任务、自动化操作和电脑使用测试中超过 GPT-6.1 Sol;在腾讯内部的复杂搜索测试中,与 GPT-6.1 Sol 和 Claude Opus 5.5 的成绩接近。不过,在部分编程及科学任务测试中,它与这两款海外模型仍有差距。

腾讯公布的 Hy4 评测结果。蓝柱为正式版,蓝色虚线为 Hy4 Preview。来源:腾讯混元。

在第三方评测机构 Artificial Analysis 的智能指数中,Hy4 得到 35 分,与 Grok 4.7 分数相同,在国产模型中仅次于 Kimi K3.1 Pro。

Artificial Analysis 榜单图

11 月 4 日,在面向真实长程任务的 Agent Arena 评测中,Hy4 位列总榜第 14。目前模型权重尚未开放。按照此次评测结果,权重开放后,Hy4 将与 Kimi K3.1 Pro 并列开放权重模型第一。这项评测基于全球用户的 8500 多次真实长程 Agent 会话,Hy4 的净提升为 4.7%,进入 Agent Arena 帕累托前沿,成为该评测中效果与成本表现较优的模型之一。其每项任务的中位成本为 0.55 美元,比 Kimi K3.1 Pro(Max)的 1.46 美元低约 62%。

Agent Arena 评测图

目前,Hy4 已上线腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、ima 和企业微信智能助理大圆,并通过 API 接入 OpenRouter、Hermes 和 OpenCode 等平台。

定价方面,Hy4 正式版性能较 Preview 大幅提升,价格保持不变:输入 6 元/百万 tokens,输出 18 元/百万 tokens,缓存命中 0.3 元/百万 tokens。11 月 4 日至 11 月 15 日,WorkBuddy 用户可限时免费使用 Hy4,每日获赠一定额度,订阅用户享有更高配额。WorkBuddy 同时支持人机双写,用户可以与模型共同编辑 Word、Excel 和 PPT。

▍一款游戏的开发与修改

在腾讯公布的软件工程测试中,Hy4 正式版相比 Preview 版本提高约 16.5%。游戏开发则需要将角色动作、敌人行为、关卡和补给规则结合起来,并在运行后检查画面、继续调试。

借助 WorkBuddy,Hy4 用 Three.js 构建了一款名为《暗林求生》的 3D 生存射击游戏。玩家在森林中与一名 AI 队友并肩作战,队友会跟随、攻击,也能在玩家倒地时实施救援。前两波战斗结束后,玩家可以在营地补充弹药、购买装备,再迎战最终 Boss。游戏打包为单个 HTML 文件,可在桌面浏览器中离线运行。

第一版已经具备完整的游戏流程,但通关时长和画面表现仍需调整。验收记录显示,两局有效通关均只需一分多钟,明显短于预期。树冠遮挡的处理也存在 Bug:为让俯视镜头看清角色,游戏会在角色走到树下时直接隐藏整片树冠,只留下树干;角色离开后,树冠又突然出现。

问题反馈给 WorkBuddy 后,Hy4 按照修改要求保留树冠轮廓,同时保证树下的角色可见。第二版中,只有遮挡视线的树冠会逐渐变淡,不透明度降至约 30%;角色走出树下后,叶层再缓慢恢复。这一轮还调整了人物和怪物的外形,让 Boss 的攻击范围显示得更清楚,并重新设置敌人出现的节奏、补给和战斗难度,将单局时长的目标定为 3-5 分钟。

难度上调后,自动化测试发现战斗时间又过长。Boss 血量偏高,战场补给不足,备弹耗尽后,战斗一度拖到 475 秒。增加弹药补给、下调 Boss 血量后,后续四局自动化测试均完成通关。其中,购买强化武器的两局有效通关时间分别为 3 分 6 秒和 3 分 9 秒,Boss 战约 50-54 秒。

开发过程中,Hy4 还生成了一份可继续编辑的验收文档。标题和验收重点经人工调整后,模型在 WorkBuddy 中将选中的“调校结论”正文整理为通关时长、武器选择和弹药表现三条要点,再写回同一份文档。原始数据、测试表格及人工修改的内容均保留在原处,文档也继续区分自动化测试结果与真人体验。

▍识别拼图与检查接缝

完整的画面被拆成碎片后,原本连续的图案分散在不同位置。模型需要识别局部图案之间的联系,判断哪些碎片可能相邻,再借助代码检查它们的轮廓和图案能否衔接。

任务题面包含梵高《卧室》的 900 块碎片,要求 Hy4 将其拼合。原画和答案映射留在制题端,求解过程只能使用散片图。第一轮中,脚本读到了一份 JPG 剪贴板副本。由于透明通道丢失,模型只能依据背景颜色估计碎片轮廓,拼接结果留下了空格,窗框和床架也在多处断开。第二轮改为直接读取原始透明 PNG,模型调整求解脚本,重新提取轮廓、匹配相邻碎片。

匹配时,除了检查边缘的凸凹形状,还要确认相邻碎片上的窗框、床架和地板纹理能否连续衔接。任务要求先输出候选接缝的放大图,再逐步扩大拼接范围。如果相邻碎片推导出的位置彼此冲突,还需回退可疑连接,暂时保留空位。

从接缝放大图中,可以看到窗框线条和地板笔触在几块碎片之间连续衔接。程序先拼出这些接缝较可靠的局部,再逐步合并。经过第二轮重新提取碎片、调整匹配与布局,Hy4 修复了原有的拼图结果,并更新了演示页面。

▍根据图片搭建三维模型

Hy4 针对 Blender、CAD 等专业软件和长程任务开展了专项训练。在住宅建模案例中,模型根据一张户型图和一张装修参考图搭建三维空间:房间、门窗和动线参照户型图安排,配色与家具参考装修图,并加入键鼠控制和碰撞效果,让用户可以在浏览器中漫游

任务被分配给 6 个搭建 Agent,分别负责客厅、餐厅、厨卫、卧室等空间。坐标、墙体、门窗和控制等共享部分先行搭建,供各空间使用。初稿完成后,Agent 从预设视角截取浏览器画面,交给未参与搭建的 Agent 对照参考图评审,再由负责相应空间的 Agent 逐项修改。

整个过程经过 4 轮、共 16 次评审,耗时 6 小时 14 分钟。多个房间需要分别搭建、协调布局,每轮还要对照参考图检查、修改并复审,也考验模型在长程任务中协调多个 Agent 的能力。

最终生成的三维住宅包含客厅、卧室、厨卫等空间及主要家具,支持切换房间视角和键盘漫游。客厅延续了参考图中的木饰面、浅色沙发和橙色靠垫,整体风格较为统一。不过,家具造型、材质和光影仍较简化,厨卫设施的局部衔接也有完善空间。这一版本适合用来初步查看空间布局和装修效果。

▍从财报整理到估值模型

金融是混元重点优化的专业场景之一。混元团队基于真实业务构建了数千个工作空间和上万个任务,覆盖基金研究、证券分析、资产配置、财税会计等方向,并联合腾讯金融科技 FiT 邀请 213 位专家参与众测。在 579 个真实金融任务中,Hy4 的综合得分为 3.04 分,满分为 4 分。

针对金融等办公场景,混元还围绕时效检索、多源信息整合和事实一致性校验进行专项优化。这些能力也用于公司研究:整理历史财报、建立预测假设,再将数据与分析过程呈现在财务模型和研究报告中。

在苹果公司财务建模与估值案例中,Hy4 结合历史财报整理财务三表,预测未来五年业绩,并通过现金流折现(DCF)和相对估值分析公司价值,最终交付 Excel 模型与 PDF 研究报告。

首次生成的文件出现了部分公式报错,导致数据无法显示。问题反馈给 WorkBuddy 后,Hy4 对文件进行了修复。

最终交付的 Excel 包含 9 个工作表,整理了苹果近四个财年的主要财务数据,并拆分单季度表现及产品、地区收入。模型按业务类别预测未来五年收入,连接利润表、资产负债表和现金流量表,设置基准、乐观、悲观三种情景,并计算折现率、现金流和每股价值。配套的 15 页 PDF 报告汇总了财报表现、预测假设、估值、机构观点与风险。Excel 中部分预测和估值结果可以通过公式联动,部分情景和敏感性分析则为静态结果。

▍让成果接入团队工作

这些案例背后,是混元对模型能力和实际工作流程的持续优化。6 月 5 日,在腾讯云 AI 产业应用大会上,腾讯高级执行副总裁汤道生与首席 AI 科学家姚顺雨谈到,团队重建了预训练和强化学习基础设施,并将产品需求落实到训练数据、标注和评测标准中。

围绕办公和编程任务,混元与 WorkBuddy、CodeBuddy 开展协作,并与软件工程、金融、安全等领域的专家共建数据。WorkBuddy 也已接入腾讯多个部门及内部系统,员工用它处理报告、分享成果、沉淀可调用的技能,并将实际使用中遇到的问题反馈给产品团队。

在 10 月 29 日举行的腾讯全球数字生态大会上,汤道生介绍,过去一年,混元重建了数据与训练基础设施,平均每两个月推出一个大版本。随着迭代推进,专业软件、跨应用任务和金融场景也被纳入更有针对性的训练。

腾讯也在探索 Hy4 在科研和模型研发中的应用。在一项生物研究任务中,模型将 84 张无序切片对齐,重建了包含 699 万个细胞的小鼠胚胎三维结构。结合研究系统 Hyra 2.0,它还参与优化了内部小模型的预训练基础设施,并参与研发细胞和物理仿真模型 HyCell、HyPDE。腾讯希望这些探索为下一阶段的递归自我改进(RSI)做准备。

对团队而言,模型完成任务后,成果能否供团队继续使用、支持后续协作,同样重要。保留下来的代码、文档和研究材料,可以作为后续开发、分析与讨论的基础。

✦精选内容✦

“破解”热潮背后,Efflora 在为 AI 搭建安全训练场

网易智企在乌镇首发 AI 原生安全产品体系,给 Agent 划出行动边界

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

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

跳转微信打开

  •  

全球AI App收入榜单来了,Claude用8%的用户收到21%的钱

原创 Unique Research 2026-11-06 23:00 上海

Agent 的收入还很小,Muse 的用户增长不能忽略

非凡产研 × AIWatch · 全球 AI App 榜单

Claude 只有 ChatGPT 8% 的用户,却收到了 21.8% 的钱

“真正值得写的变化,往往发生在第一名之外。”

看 AI App 榜单,下载榜最容易让人兴奋,也最容易让人误判。

一个新功能、一轮投放,都可能把下载量迅速推高。

但用户用完以后会不会留下,又愿意在哪里付钱,是另外一回事。

非凡产研与郎瀚威团队(AIWatch)刚发布的 10 月全球 AI App 百强榜里(包含收入、下载、活跃用户),ChatGPT 的应用商店内购收入达到 4.80 亿美元,占收入 Top100 合计的 60.6%。

这个数字当然惊人,但如果文章只写 ChatGPT 很强,其实没有什么可分析的,大家都知道它强。

我更注意的是另一批产品。

Tipsy 只有 328 万月活,内购收入却达到 1801 万美元,排在全球第四。

Muse 一个月拿到约 950 万次下载,月活涨到 1237 万。

Nexus 的下载接近 1000 万次,榜单监测到的应用商店内购收入却只有 2500 美元。

这些产品放在同一张榜上,很容易让人产生一个错觉:它们在做同一种生意,只是规模不同。

实际上完全不是。有人靠订阅赚钱,有人先占入口,有人经营一段长期的角色关系,还有人把 AI 塞进具体工作里。

把它们混在一起比较,很多结论都会跑偏。

数据说明:本文数据来自非凡产研 × 郎瀚威团队(AIWatch)联合发布的《2026 年 10 月全球 AI App 数据榜单》,统计周期为 2026 年 10 月,覆盖 Google Play 与 Apple App Store。榜单未统计国内安卓应用商店,国产产品数据与实际情况可能存在较大差距,部分国产应用可能缺失。内购收入仅为应用商店监测口径,不包含网页端订阅、广告、硬件、企业服务、API 等收入。

郎瀚威团队(AIWatch)专注全球 AI 产品数据研究,持续监控 1 万+ AI 工具公司,从 14+ 维度拆解 AI 产品的增长与竞争格局。团队规模 30+ 人,已为 40 家 AI 产品公司、投资机构和出海团队提供数据分析服务。

ChatGPT 很强,Claude 的增长更有嚼头

10 月,全球收入 Top100 的应用商店内购收入合计约 7.93 亿美元。ChatGPT、Claude、Grok 三款产品拿走了 78.9%,前十名拿走 87.5%。

头部集中不意外,新增收入的分配更能说明问题。

按本月上榜产品的环比数据回推,这 100 款产品比 9 月多赚了约 9486 万美元。

其中 ChatGPT 多了约 6088 万美元,Claude 多了约 1745 万美元,两家合计贡献 82.6%。

剩下 98 款产品加在一起,只分到不到两成的增量。

ChatGPT 的基本盘还在扩大。月活 15.47 亿,环比增长 4.6%;下载 8661 万次,增长 6.1%;内购收入增长 14.5%。

到了这个体量,还能保持三项指标同时上涨,确实很难追。

但 Claude 这个月的表现更有嚼头。

它的下载量增长 34.2% 至 2266 万次,月活增长 15.4% 至 1.24 亿,内购收入增长 20.0% 至 1.05 亿美元。

收入增速高于月活增速,这一点尤其值得记下来。

Claude 的月活只有 ChatGPT 的 8.0%,收入却达到 ChatGPT 的 21.8%。

按当月内购收入除以月活粗算,Claude 是 0.84 美元,ChatGPT 是 0.31 美元,相差约 2.7 倍。

这个算法很粗,不能当成真实的人均付费,更不能据此解释原因。

它至少说明,Claude 虽然用户少得多,却在应用商店里收到了相对更多的钱。

下个月如果收入继续比月活跑得快,这个信号就更扎实了。

Gemini 的 699 万美元,不能证明 Google 不会赚钱

Gemini 10 月有 6.67 亿月活,全球第二,内购收入却只有约 699 万美元,排第八。

它的月活是 Claude 的 5.4 倍,榜单内购收入只有 Claude 的 6.7%。

看到这组数据,最直接的文章写法是“Gemini 空有流量,变现远远落后”。

很顺,但账不能这么算。

这里统计的只是 Google Play 和 Apple App Store 内购。网页订阅、捆绑会员、广告、企业服务都不在里面。

Google 又有一整套产品生态,用户未必要在 Gemini App 里单独付钱。

所以,这 699 万美元能证明的是 Gemini 在应用商店里的直接内购规模,证明不了 Google 靠 AI 一共赚了多少钱。

对 Meta AI、DeepSeek 以及其他有外部收费渠道的产品,也是同一个道理。

Gemini 的内购收入本月其实增长了 66.9%,只是基数低。

Meta AI 更夸张,内购收入增长 520.3%,绝对值是 32.9 万美元。

百分比很热闹,放到收入榜上仍然很小。

读这类数据,最好别急着替产品判输赢。

先看它选择了什么收费方式,再看这张榜到底看见了哪一部分。

最会收钱的产品,不一定有最多用户

Tipsy 是这份榜单里很值得研究的一款产品。

328 万月活,1801 万美元内购收入,全球第四。

它排在自己身后的,有 Suno、Perplexity、Gemini,也有大量下载量比它高得多的应用。

Tipsy 不是孤例。zeta 内购收入 885 万美元,PolyBuzz 为 493 万美元,Whispy 为 427.5 万美元。

把 AI 伴侣、角色生成、小说生成三类放在一起,收入 Top100 里共有 31 款,合计约 7269 万美元。

占总榜收入只有 9.2%,听起来还不算大。

但去掉 ChatGPT、Claude 和 Grok,剩下 97 款产品合计收入约 1.67 亿美元,这 31 款占了 43.5%。

换句话说,巨头把通用助手的大部分钱拿走以后,角色、陪伴和故事已经吃下了剩余市场的一大块。

它们在公共讨论里的声量,跟真实付费规模并不匹配。

为什么有人愿意持续付钱?榜单不会回答,但产品形态能提供一些线索。

普通工具解决一次问题,用户下次可以换一家;角色互动和连续故事会积累共同经历,换产品就意味着中断这段体验。

前者比能力,后者还经营关系。

不过,这个赛道也不是闭眼收钱。Tipsy 本月收入只增长 1.3%,zeta 下滑 9.5%,PolyBuzz 下滑 6.8%。

SeaHaze 收入增长 805.7% 至 207.8 万美元,Whispy 增长 58.1%,波动同样很大。

用户愿意付钱是一回事,能不能一直留住他们,是另一回事。

内容、角色体验和更新速度,缺一个都可能反映到下个月的数据里。

视频产品冲下载很猛,Suno 和可灵已经在认真收钱

Nexus 10 月下载量达到 997 万次,增长 298.2%;月活达到 801.9 万,增长 345.4%。

Framly 也拿到 319 万次下载和 273.5 万月活。

这组数据很漂亮。榜单里的内购数字却很淡:Nexus 为 0.25 万美元,Framly 没有记录到应用商店内购收入。

这不等于它们没有收入。钱可能走网页端,可能来自广告,也可能产品暂时就是免费扩张。

榜单看不到,就不应该替它补一个结论。

同样做创作,Suno 和可灵 AI 已经在应用商店内购上跑出了更清楚的规模。

Suno 下载量增长 32.0%,月活增长 9.3%,内购收入增长 15.5% 至 1279 万美元,排全球第五。

可灵 AI 下载量增长 40.6%,月活增长 9.6%,内购收入增长 21.4% 至 468 万美元。

两款产品的下载、月活和收入都在涨。

反面样本也有。AI Video 本月内购收入下滑 54.7%。

仅凭一个产品不能说整个赛道都在退潮,但视频生成能力越来越普及以后,只提供一个简单生成入口,确实会越来越难收费。

用户第一次生成视频,可能只是因为新鲜。

到了第二次、第十次,他就会开始计较结果稳不稳定、修改麻不麻烦、能不能真的拿去用。

下载量很难把这些差别讲清楚。

Agent 的收入还很小,Muse 的用户增长不能忽略

个人智能体最近很热,但 10 月榜单里的内购收入还谈不上爆发。

五款产品合计内购收入约 713 万美元,只占百强总收入的 0.9%。

拿这组数字去吹“Agent 收入时代来了”,显然太早。

但 Muse 的用户增长不能忽略。

它 10 月下载约 950 万次,增长 67.8%;月活达到 1237 万,增长 172.0%;内购收入为 68.9 万美元,增长 252.2%。

目前收入不大,用户入口已经起来了。

WorkBuddy 的数据也值得留一下:下载 252 万次,增长 77.5%;月活 193 万,增长 58.4%;内购收入 35.15 万美元,增长 138.1%。

体量不大,三项指标倒是都涨得很实在。

Manus 和 Pocket 展示了更成熟一点的付费样本,也都有各自的烦恼。

Manus 内购收入约 274 万美元,只增长 0.9%;Pocket 用 7.5 万月活做出 242 万美元内购收入,但环比下滑 31.4%。

Agent 还有一个天然的问题:很多工作根本不在手机 App 里完成。

电脑、浏览器和外部工作流里的使用与付费,这张榜很难完整覆盖。

所以现阶段更值得看的是,谁开始被持续使用,而不是谁的内购排名暂时靠前。

出海产品已经分叉,国产数据则要先打个折

10 月收入 Top100 里有 34 款出海产品,合计内购收入约 6484 万美元。

它们的打法已经很不一样。

Dola AI 有 1.13 亿月活,Seekee 有 5466 万月活,都在做很大的用户盘。

本次监测到的应用商店内购收入分别只有 1.23 万美元和 20.96 万美元。

这两个数字不包含它们可能存在的其他收入,也不能拿来证明商业化失败。

Tipsy 和 PLAUD 走的是另一条路。

前者用 328 万月活做出 1801 万美元内购收入,后者用 65.6 万月活做出 666 万美元。

用户不算多,付钱的人群却很明确。

出海收入里还有一块很集中:12 款 AI 伴侣产品合计约 3778 万美元,占全部出海产品内购收入的 58.3%。

可灵、PLAUD、Manus 等产品则证明,出海并不只有陪伴这一条路。

国内产品要另说。修正 Muse 的分类后,收入 Top100 中剩余国内产品为 5 款,合计内购收入约 1228 万美元。

豆包约 616 万美元,增长 48.5%;即梦约 267 万美元,Kimi 约 233 万美元。

这些数字可以参考环比,不适合判断完整体量。

榜单没有统计国内安卓应用商店,国产产品的数据可能与实际表现差很多,部分应用也可能缺失。

硬拿这 1228 万美元去讨论国产 AI 的真实收入份额,就不严谨了。

这份榜单最有用的地方,不是给所有 AI App 排出一个整齐的名次,而是把不同产品的选择暴露出来。

有人先要用户,有人先收钱;有人适合看内购,有人必须结合其他渠道;还有人这个月冲得很猛,下个月才知道能留下多少。

下个月我会先看三个地方:Claude 的收入还能不能继续跑赢月活,Muse 的千万月活能留住多少,Nexus 接近千万次下载之后会不会出现更清楚的收费路径。

至于 ChatGPT,它大概率还是第一。

真正值得写的变化,往往发生在第一名之外。

本期完整榜单如下:

跳转微信打开

  •  

两件事挺意外的

原创 moomoocat 2026-11-06 22:26 新加坡

今天的行情有两件事挺意外的。

一个是一整天都没看到官军进场的痕迹,六大宽基ETF都显著缩量了,路况如此凶险,竟然就自动驾驶让车自己开了。另一件意外的事是没有官军介入的情况下,a股就靠着前几天收拢的这点残兵败将竟然撑住了。

当然收盘还是跌了,但跌幅可控,中位数-1.84%,在东亚周围这一圈里今天已经算是跌最少的了。日本今天-6%,韩国-6.5%,台湾-4.5%,几乎都受到了昨晚美股大跌的冲击。

美国那边的鬼故事是民主党中期选举大胜后,要上台清算ai科技产业,各种限制法案说的有板有眼的,搞得好像要一棍打死的样子。事实上肯定不会的,民主党又不是野人,不是专门来搞破坏的。科技7巨头里除了特斯拉,剩下6个都是民主党金主,你们见过谁对榜top大哥动手的?

这一波美股的本质还是连涨4年,涨太久涨太多了,强弩之末势不能穿鲁缟,最近风吹草动遇到点什么事就激烈反应,比如英特尔业绩指引miss了10%,股价直接-30%,为什么,因为它前面一年涨了700%,预期打满都溢出来了,稍稍有一点miss市场就不干了。

我贴一下纳斯达克100etf的月线你们看一下,上一次调整还在2022年,当时最大回撤35%,前后调整了一年。美股不是不会跌,他们只是跌完了以后填坑能力很强。

这次纳指罕见连续2个月长阴线,有中期见顶的信号,目前最大回撤15%,按照历史经验看这个回撤程度可能不够,有没有下半场要看。我对美股抄底的心得经验是,回撤10%抄底赚多赔少,回撤20%抄底赢面大,回撤30%全是是黄金坑。

说回a股,今天收盘后很多人在那里嘀咕,为什么官军全天围观没下场?我也想过这个事,心里面有3个答案,根据概率从高到低:

1、担心美股持续下跌,a股承压,不愿顶着全球普跌的行情硬接,战线后撤。

2、觉得今天的波动在可接受范围,没必要强行干预。

3、有可能授权资金有限,要斟酌买入节奏。

有可能是某一个原因,也有可能1、2、3都占,有一个细节能看出来官方对行情还是挺在乎的。就是中午的时候光模块三熊集体公告基本面良好,这种一看就是被窗口指导了,出来喊话安抚市场。类似的喊话10月23日中午喊过一次,当时市场很给面,光模块午休结束后瞬间暴涨,这次重施故技效果很差,涨了不到1%就被砸回来了。

靠喇叭护盘,可一不可再,a股已经没多少信用余额了,要充值了亲。

……

后面的篇幅我要和你们分享我下午琢磨明白的一件事,就是为什么现在中国的互联网上缺乏原谅机制,公众人物只要犯错就是社死封杀,没有容错率。

之前我把这事理解成老百姓菜市口围观砍头行刑,王刚老师演的和珅有一段经典台词:“百姓哪懂什么大是大非,只要所杀之人比他们地位高,身价大,他们就欢喜。今天杀了王亶望,百姓欢呼;明天杀了你纪大人,百姓照样欢呼。”

明星艺人挣的再多也和网民无关,要是原谅了,他们转头又能唰唰挣钱,远不如把他们打进深渊来的爽。

然后我在这个基础上又往前多想了一层,网民拒绝原谅是因为无法从原谅中获利,如果让他们觉得原谅有好处,多半就不会一棍打死了。有证据能证明我这个推论吗?有的,有一类特殊人群往往能得到网民的宽宏大量,就是运动员,体育明星。

我具体不点名,但这些年见过知名运动员出轨劈腿、打人、骂人、被曝当小三、赌博、发表错误政治言论、嫖娼、骗钱……坏事没少干,要换别的行业早封杀了,但是这些运动员公众最后都原谅了,也不一定原谅吧,但至少都默许他们继续比赛,没有追着喊打喊杀。

为什么?因为运动员还有用,他们能参加比赛,为国家争取成绩赢得荣誉,监管部门睁一只眼闭一只眼,公众也觉得从中受益,哪怕这个受益只是概念上的,情绪上的,摊薄到个人也值不了啥,但公众还是决定从宽原谅了。

所以不是现在的网民不会原谅,要看你的社会价值,要看原谅你或者惩罚你,哪一个对网民更有利。对大多数公众人物来说,平时创造的社会价值都不如让自己倒霉提供的情绪价值大,所以犯错就没了。

随便聊聊,权当一乐,上钟了。

跳转微信打开

  •  

什么样的品牌才算被记住?今年双11,我对天猫的思考

原创 怪盗团团长裴培 2026-11-06 22:14 北京

品牌被搜索了,才说明品牌被记住了,而品牌在哪里被搜索最多?

2026年的双11进入高潮期了。过去几年,每年都有人提出“双11光彩不再”,甚至“今年可能是最后一届双11”,但每一次都落空了。不管你承不承认,天猫双11作为中国零售电商乃至整个消费板块“风向标”的作用,在可见的未来,仍将持续下去;我想不到任何一个类似量级的风向标。

在11月4日天猫举办的一个双11内部沟通会上,我听到了北京大学国家发展研究院编制的“中国线上消费品牌指数”(CBI)主题演讲,感觉很有收获!这是今年双11期间我最大的惊喜。

其实,这个指数已经编制到第七期了,最近课题组根据品牌在淘宝APP被搜索的情况,把其中的“搜索指数”单提出来,给国货品牌单独做了一个排行榜。

这个搜索指数主要综合了两方面信息:第一是品牌在所属行业内的相对搜索热度,第二是品牌的销售规模(在全行业范围内标准化)。前者衡量的是消费者“主动寻找”该品牌的程度,后者则衡量其市场体量。这个指数下的头部品牌,是那些在本行业内不但市场规模靠前、而且受到消费者主动关注的品牌。

所以,在现在这个时间节点,我们为啥要特别关注消费品牌的主动搜索?

有人会问了:“为啥不直接比GMV? 品牌追求的不是销售额吗,GMV越高的品牌自然就越大。”说到这里我可就不困了,因为在今年的双11过程中,无论天猫自身还是主流品牌方,都在反复强调一个观点:GMV很重要,但不是唯一重要的考核指标。尤其是在短期,只要不考虑ROI,任何品牌都可能通过一次性或脉冲式的投流曝光,获得巨大的GMV增长;可是然后呢?我自己做自媒体多年,深知只要你肯花钱买量,没有冲不出来的数据,理论上每篇推文都能10万+。问题是你一旦不投流了,有多少真实的粉丝能沉淀下来?你的自然流量又是多少?

我最近一直研究AI漫剧,这周还有两位漫剧界的朋友对我吐槽:“规矩不能坏”“吃了不烧心”,这些梗通过推荐算法接触到了数以亿计的观众,但是有多少观众会主动寻找、主动关注其中某一部剧呢?观众真认为主题相似的两部剧之间有区别吗?我觉得这里有个很好的类比:单纯依靠投流和热梗接触观众,不能占领其心智的漫剧,相当于内卷化的非品牌或“白牌”商品;真正占领了用户心智,让其产生主动搜索欲望的漫剧,相当于真正的品牌商品。后者比前者难度高得多,但是利润也厚得多,生命周期也长得多。

品牌被搜索了,才说明品牌被记住了,说明消费者记得的不仅是价格便宜,还有某种功能、定位或叙事击中了他。而这恰恰是天猫的主场优势——用户打开淘宝APP,就是为了买东西,或者至少看看有没有值得买的东西;对商品的发现经常是通过搜索框完成的。就拿我自己来说,每次打开淘宝,一般是先在首页停留一会儿,然后几乎每次都会搜索。最近搜索最多的,是一些具体的威士忌品牌,还包括具体的年份、桶型。这首先说明我是个酒鬼,其次说明我使用天猫时已经形成了清晰的购买意愿,第三说明这几个威士忌品牌显然已经占领了我的心智。

搜索,是检验营销有没有留存的一把尺子,也是直接促成复购的行为,更能给企业省钱。天猫的人在会上有个表述:“假设今天一个用户拉新成本是50块钱,通过反复触达建立了心智、拉升了主动搜索,可能复购成本会从50块钱下降到10块钱。所以,品牌搜索指数这个指标,本质上是对企业经营成本下降指标的衡量。”说的何其好啊!

上文提到的CBI500指数,到2026年第三季度为止,统计了7期。在其覆盖的13个行业当中,有7个行业的搜索指数排行榜,始终由国货品牌占据首位——也就是7期统计的榜首都是国货。而且,今年双11期间,有近180个新品牌冲进了各行业的前10名,其中大部分是国货新品牌。最典型的例子是美妆行业,花知晓、HBN、Fan Beauty Diary...这些火透半边天的品牌,都可以归为国货新品牌之列。在我看来,这说明了两点:

  1. 国货品牌对用户心智的占领程度在加深,越来越多的用户习惯于主动搜索它们了。

  2. 越来越多的国货品牌在成立之初就考虑到占领用户心智,而不是简单的做高GMV。

在上述过程中,天猫的作用是什么呢?按照Fan Beauty Dairy管理层的说法:“一是摇篮,天猫是孵化品牌的摇篮;二是加速器,我们SKU每年增速40%,天猫肯定是功不可没的;三是蓄水池,通过我们跟天猫搞的各种活动,积攒了很多用户的品牌心智,所以在大促期间,我们有一个集中的爆发。”

我对上面提到的“蓄水池”这个说法,尤其感兴趣:这说明品牌在天猫的活动不全是“消耗型”的,其中有很多是“积累型”的。《一代宗师》里面有句经典台词:“一门之内,有人要做面子,有人就要做里子。”如果大家都做面子,没人做里子,那就是纯粹的消耗,是只顾今天、不顾明天的做法;“内卷化竞争”的原因之一就在于此。

“消耗型”的活动,效果很好衡量。GMV上升了多少,ROI多少,有没有上热榜,这些都是立竿见影的。“积累型”的活动,其实效果也可以衡量,现在数据分析这么发达,钱是不会花的不清不楚的;问题在于你有没有耐心?作为品牌方,如果你积累用户心智,什么样的场所最合适呢?(或者说,到底有没有这样的场所?)

按照近年来冉冉升起的宠物国货品牌麦富迪的说法:“我们最早认为天猫是一个生意场、流量场,后来慢慢发现,它更是一个品牌心智的阵地……它完全就是按照打造长期品牌力的概念运营的,并不是纯粹说我来卖货。各个平台有各个平台的优势,但天猫对我们来讲就是一个品牌心智的阵地。”

“各个平台有各个平台的优势”,这个说法很中肯。比如有的平台就适合基于内容的爆发式、脉冲式销售,有的平台更适合以绝对的价格优势取胜,有的平台在一些特定商品品类有奇效……但是迄今为止,就我的观察而言,没有一个能替代天猫在“长期品牌力”方面的优势。早在2018年我第一次参加双11活动时,这就是品牌方讲给我的观点,现在仍然没有变。

附带说一句,这次天猫双11沟通会,CBI指数项目的负责人之一、北京大学数字金融研究中心特约研究员纪洋教授提到了一个有趣的研究发现:这几年,消费一方面变得更加情绪化,一方面又变得更加理性,这是怎么回事呢?关键要看商品品类有没有“情绪消费”特征。具有情绪消费特征的品类,例如潮玩、美妆、宠物用品……在经济波动增强、不确定性提高的时候,它们的品质从统计角度看是往上走的。这个发现,为“悦己消费”“颜值主义”等热门概念提供了理论支持!相信去年抢购过Labubu、今年双11期间囤积大牌美妆用品的消费者,能够对此心领神会。

因此,经济波动增强,不意味着国货品牌就没有增长机会,更不意味着新品牌不再有出头的机会。而且情绪消费特征品类的“品质上升”,意味着它们不一定要通过单纯的价格竞争去争取市场。美妆是最典型的例子:统计显示,低客单价不会带来更高的品牌搜索量,高客单价与高搜索量的组合才是常态。事实上,就算在不具备情绪消费特征的品类,例如家居日用品当中,“低客单价”与“高客单价”两种路线也是同时成立的,都可能炼成高搜索量的品牌。一言以蔽之:价格内卷不是唯一出路!

这就让国货品牌更有积极性去建立长期用户心智了:如果市场没有任何增量,那大家只能争夺存量,品牌再怎么努力也用处不大;如果市场上只有低客单价产品能够获胜,那品牌的意义也很有限,还不如集中精力卷价格。

现在,严肃的学术研究告诉我们,消费行业是有成长空间的,品牌的长线运营是大有可为的。当消费者主动寻找品牌时,需要一个稳定入口,它就是天猫。内容让人产生兴趣,天猫旗舰店则承接这份兴趣,把品牌认知转化为实际生意。

当然,具体到双11期间,媒体和分析师最关注的,肯定还是最直接的GMV数据。这是人之常情。占领用户心智的本质,不是“不重视GMV”,而是“重视今后每一期的GMV”;也就是“一顿饱”VS“顿顿饱”的区别。当一个人没有太多选择、只求短期生存时,前者或许会占据上风;但只要前者得到了保证,就不可避免地要考虑后者。我认为,这就是现在正在发生的事情。

跳转微信打开

  •  

从能用到进入生产:腾讯如何构建企业级Agent生产力系统|甲子光年

原创 田思奇 2026-11-06 22:06 北京

从个人助手到组织级生产力系统。

作者|田思奇

作者|栗子

每到月底,销售负责人都要弄清哪些客户回款逾期,以及逾期的原因。对企业Agent来说,这远比查一张报表复杂。它需要连接客户管理、合同和财务系统,核对发票与跟进记录。同一个问题,销售只能看自己负责的客户,主管可以查看获授权的团队数据,财务人员的权限又不一样。

这是腾讯云智能体开发平台ADP负责人马雁翔在腾讯全球数字生态大会上举的例子。模型已经能理解指令、调用工具,但各家企业有自己的流程和权限。Agent能否真正完成工作,取决于它是否理解这些规则,能否跨系统执行任务。

AI投入能否兑现为业务价值的问题也愈发突出。Gartner在2026年10月公布的CEO调查显示,44%的受访CEO难以向利益相关者证明AI的财务回报,63%认为重构运营模式是加速价值兑现的重要举措,52%将部署AI Agent作为员工列为重要方向。

10月29日至30日,腾讯全球数字生态大会在深圳举行。腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生强调,员工用AI Agent提效已经是必选题,“否则不进则退”。

在他看来,企业落地Agent的难点不是模型不够强,而是断点太多:AI能写方案、做分析,却接不上业务系统、拿不到数据。落地的关键在于连接,把人、工具、系统和数据连起来,让Agent理解业务并参与实际工作。
为此,腾讯将围绕办公协同、数据管理与业务执行三大场景,助力企业打造可运营、可进化的智能生产力系统。

同期,在腾讯全球数字生态大会的AI产品发布台上,两天时间里,围绕应用、数据、安全和工程四个板块,腾讯集中发布了40+款Agent产品。从员工日常使用的工作入口,到业务应用开发、云端运行和安全治理,腾讯正在尝试构建一套支撑Agent进入企业生产的完整产品体系。

1.超级个体,不等于超级组织

准备此次大会演讲时,汤道生把想法交给WorkBuddy整理,再用元宝核实信息,反复讨论修改。这种人与Agent协作的方式,正成为日常工作的一部分。

据国家数据局统计,中国日均Token调用量从2024年初的1000亿,增长至2026年7月的超过500万亿,增幅超过5000倍。

但个人拥有得力的AI助手,不等于组织自动获得更高的生产力。

WorkBuddy高级产品经理李俞指出,员工的资料散落在不同AI工具中,换一个应用就要重新解释项目进展,企业还得分别管理账号和权限。许多公司培养出一批善用AI的“超级个体”,却没有建立有效的协作方式。

“超级组织不是买出来的,是长出来的。”李俞说。

此次发布的Buddy One办公套件,是腾讯给出的一种解法。它以WorkBuddy为工作台,整合腾讯文档、ima等产品,将账号和使用管理纳入统一体系。腾讯文档让Agent利用文档内容和编辑记录理解进展,ima提供知识管理,腾讯网盘则集中保存资料和Agent成果。

汤道生描述了新的协作方式:团队讨论后把需求交给AI,Agent完成初稿,员工修改、验收,成果再沉淀到知识库。下一项任务开始时,Agent可以调用已有资料,延续团队进度,不必重新了解项目背景,也不需要员工反复传递文件。

办公之外,经营管理还有另一层困难。ERP、CRM和财务软件积累了大量数据,却各有查询方式。汤道生提到,数据工程师制作一张经营报表可能需要两三周,管理者看完再追问细节,更新报表又得等上几周。等数据准备齐全,决策时机可能已经错过。在他看来,速度本身就是竞争力。

腾讯尝试通过MCP接口和Skills,让WorkBuddy连接企业已有的管理系统。腾讯云经营服务智能体磐石小O,可以让员工直接查询销售业绩、客户情况和回款进度,不必逐个系统查找报表,操作过程可审计、可追溯。销售拜访前,它结合CRM数据和公开信息准备客户动态与沟通建议,协助预约会议;拜访后整理报告、生成待办,按需发起审批。

汤道生把办公协同、数据管理和业务执行列为企业Agent的三个重要场景。WorkBuddy已经让员工更方便地使用企业信息,但客服、销售和营销等专业任务还有各自的业务规则。要让Agent接手这些工作,企业需要能够按业务需求构建和管理智能体。

2.业务Agent的价值,要在经营中兑现

腾讯此次发布的Agent应用产品,覆盖了从智能体开发到具体行业运营的多个环节。

腾讯云智能体开发平台ADP帮助企业构建业务Agent;音视频AI平台WAND整合多模态模型,优化内容生成成本;腾讯云实时智能支持实时对话,并将交流转化为业务记录;元宝搜索提供可追溯的外部信息;天籁语音大模型处理多人、多语种语音;腾讯企点营销云MAGIC AI连接客户分析与营销活动,腾讯云Mall的云小莫则辅助商家经营私域生意。

其中,ADP的升级体现了腾讯对企业Agent构建的思考。

马雁翔提到一家客户,早在ADP 3.0时期就搭建了几十个智能体,今年又希望用Agent识别供应链风险:检索公开的原材料及供应商风险事件,结合内部数据判断哪些供应商和零部件可能受到影响,最终生成深度分析报告。

客户不仅要求Agent自主执行,还关心过程是否可控、Token成本是否划算。ADP让工作流承担固定的批量检索,由云端Agent完成交叉验证和深度分析,兼顾任务灵活性与成本。

新版ADP进一步将自然语言引入构建过程。业务人员只需描述需求,平台便能辅助构建智能体和工作流,配置、预览、调试与评测也可以在同一工作区完成。

大会上展示的养老信托场景就是一个例子:员工提出面向老年客户提供养老信托咨询的需求,平台便生成智能体及相关知识、工具和流程配置。ADP还将智能体与站点服务结合起来,前者负责分析和执行,后者承载操作页面、业务逻辑及数据状态。企业由此可以直接构建完整的业务应用,而不必止步于单个智能体。

让Agent运行起来之后,还要保证它能长期工作。ADP此次升级的云端Agent Harness负责管理任务执行、记忆、工具调用和沙箱调度。员工关闭电脑,长任务仍能在云端继续执行,沙箱按需启停,减少资源闲置。业务人员发现结果有误,可以直接提出反馈,由平台生成候选优化准则,经人工审核和样本复评后启用。

建成的Agent可以通过AgentPortal按部门、岗位分发,也能进入WorkBuddy。反过来,员工在WorkBuddy中验证有效的工作流,可以借助ADP连接器转化为企业智能体,统一管理和推广。新版ADP开放130多个Open API,覆盖十个模块,让员工积累的工作方法成为团队可以复用的能力。

伊利已将这套协作带到销售现场。WorkBuddy汇聚经营数据、形成策略,再下发给上千名导购,整体运营提效超过50%;ADP导购智能体则提供商品推荐与沟通话术,A/B测试显示销售订单提升26%。分析报告能够更快生成固然重要,策略能否被一线采用,才决定它是否真正带来经营收益。

另一项需求是及时、可靠地获取外部信息。元宝AI搜索总经理叶莎妮提到,企业客户常反馈AI回答慢、不准确,甚至无法回答问题。模型承担的任务越复杂,信息的时效与出处就越重要。

此次升级的元宝搜索整合公开网络、腾讯生态及行业信源,通过多源召回、排序和结果增强,返回结构化信息与可核验来源。其索引规模达到千亿级,接入157个以上权威垂直领域接口,日均调用数亿次;企业可通过API、MCP或Skill使用,无须自建搜索系统。

“没有出处,答案再漂亮也难以置信。”叶莎妮说。

语音则让Agent能够处理更多会议和电话中的业务信息。腾讯云副总裁、天籁负责人商世东提到,一位头部客户已经不只关心识别效果,更希望语音AI帮助业务增收,并在出现问题时准确定位原因。

天籁此次发布三款大模型:语音理解模型结合会议文档、屏幕分享、参会人信息等上下文信息辅助转写,在交替和重叠发言中区分讲话人,支持16种语言及多种方言,通过多轮精修提高准确性;语音生成模型采用端到端架构,支持自然对话、方言表达,5到10秒即可复刻声音;同声传译模型能够在讲话人持续发声时输出翻译,并保留其音色。三款模型均已上线腾讯云语音服务。

Agent接手的工作越多,企业越需要解决持续运行、成本管控和团队共享的问题。

3.装机只是开始,管得住才能规模化

今年3月6日,腾讯大厦楼下的OpenClaw装机活动排起长队。有人带着孩子来,也有退休工程师专程体验。那时,成功安装Agent、接入QQ,已经足以让用户兴奋。

半年多后,腾讯云通用计算产品副总经理肖娜发现,大家不再满足于把Agent装好,而是希望交代一项工作,第二天直接收到结果。腾讯自己的研发流程也发生了变化:以前一天发布一个版本已很不容易,如今一些企业产品由产品经理在三个小时内完成构建和上线,研发人员主要负责架构与质量验证。

腾讯云由此将云端自托管Agent产品整合升级为AgentHosting,品牌理念是Always Here:人可以离开电脑,云端的Agent一直都在,任务继续往前走。

围绕这一点,腾讯云提出Here to Run、Here to Govern、Here to Connect,分别关注持续运行、组织治理和能力连接。据腾讯披露,相关产品已支撑百万级Agent在云端稳定运行,服务上千家企业。

该品牌下覆盖四款产品。首先是负责部署和常驻,面向个人和开发者的Lighthouse Agent——它支持将OpenClaw、Hermes等Agent一键部署在用户自己的云端实例上。本地电脑关闭后,任务仍能继续执行,记忆插件则保留背景与偏好,减少重复交代。

遇到复杂任务,用户还可以让多个Agent协作:领航员拆分任务,交给行业分析师、程序员等专业Agent,再汇总成果。每个Agent可单独配置模型,避免简单工作消耗昂贵算力。接入腾讯会议、腾讯文档后,它还能处理日常办公任务;碰到账号登录、文件上传等需要人工操作的环节,Agent会通过云桌面请求接管,完成后继续执行。

但一家企业运行几十、几百个Agent,麻烦远不止让它们保持在线。肖娜举了一个成本上的例子:用顶级模型调整一页PPT的字体和色号,最后花了几百元,相当于请资深设计专家工作半天,却只完成简单排版。企业还必须明确每个Agent的职责、权限和成本。

这正是ClawPro要解决的统一治理问题。该产品负责人黄绮婷发现,有员工希望公司直接提供配置好的Agent;熟手调试出的Skill只能在群聊中分享,更新后还得重新发送,管理者也难以掌握整个团队的使用情况。

今年4月开始公测、此次正式全量发布的ClawPro,可以统一纳管多个云端和本地Agent,按组织分发配置与技能,并通过四级权限隔离管理模型、技能和配额。企业可以统一查看Token消耗、开展安全审计,也能通过API将Agent嵌入业务系统。

一家财税代账企业把资深会计的经验整理为Skills,通过ClawPro分发给员工后,单个会计服务的客户数从200多家增至400多家,整体效率提升50%。目前ClawPro已服务超过1000家企业。企业不必再让每位员工从零配置Agent,成熟的工作方法也能在组织内迅速推广。

经验积累之后,还需要持续流通形成能力供给。AgentHosting旗下的SkillHub提供技能发现、评测、更新和分发能力,让开发者和企业能够找到并复用已有的专业技能;SkillPay进一步衔接技能的付费与交付,让有价值的经验不仅能够分享,也有机会形成持续供给。

产品体系的另一端是专业场景深耕。腾讯云开源、可自托管的AI Agent引擎Octop,从云服务器运维切入,将Agent能力延伸到具体工作。开源三个多月,其GitHub Star数已超过1.1万。社区中已有法律科技企业基于Octop搭建合同审查工作台,并通过对接长安链,为AI引用的依据存证。

从Lighthouse Agent让任务持续执行,到ClawPro统一治理、SkillHub流通专业能力,再到Octop深入行业场景,AgentHosting试图解决的已不再是安装一个Agent有多方便,而是如何让大量Agent长期工作、持续获得新能力,并融入企业已有的业务系统。

对于企业,真正有价值的不是装上多少个Agent,而是能否把它们变成一支可管理、能协作、会积累经验的数字员工队伍。

4.Agent进入生产,最终要算经营账

随着Agent开始参与企业经营决策,企业不仅要让它获取数据,还要确保它能正确理解数据的含义。同样是销售额,不同部门可能采用不同的统计口径。Agent即使能查询数据库,也未必能准确理解业务。

腾讯此次发布的AI原生多模数据库TDSQL Nexa Lakebase,通过Nexa Knowledge构建可持续演进的语义层,帮助Agent理解企业数据及其业务关系。多模AI数据底座TDSQL Boundless以一套内核兼顾事务、宽表、分析、搜索和语义检索;TDSQL-C PostgreSQL提供弹性、隔离的数据库后端;TencentDB Agent进一步把腾讯云多年积累的数据库运维经验封装为Skills,让Agent承担部分DBA工作。

能够正确理解数据之后,还要确保使用过程安全可控。AI产品发布台的七场安全分享,从网络攻防延伸到业务风险防控。腾讯云AI Agent网络全链路安全方案可统一用户与Agent身份,实施细粒度授权,并识别多轮对话中的风险,按需进行数据脱敏、人工接管或阻断。让Agent既能获得完成任务所需的权限,又能在明确的安全边界内执行,帮助企业放心将更多业务交给AI。 新一代云安全中心则整合主机、容器和云安全态势管理,推动安全防护从被动响应走向主动运营。

腾讯云无境则利用AI自主开展渗透测试。据腾讯披露,其单站验证平均耗时约91分钟,成本为百元级,帮助企业更高效地发现漏洞。在业务侧,天御风控Agent结合黑灰产情报,基于AI仅需对话即可随时随地完成业务风险分析和策略调优。

这些基础能力未必直接带来销售增长,却决定着企业能否放心将更多业务交给Agent。腾讯的优势在于,企业微信、腾讯文档等产品已经进入大量企业的日常协作,腾讯云又积累了服务不同行业客户的经验。这使腾讯有机会从员工熟悉的工作入口出发,进一步连接业务系统,参与企业的经营流程。

回看腾讯此次44场集中发布,从应用构建到数据、安全和工程能力,其布局已经超出单一AI工具的范畴。汤道生提出的可运营、可进化的智能生产力系统,象征着腾讯也在逐渐深入参与企业的日常经营。

Agent能否真正成为企业生产力,最终要由业务结果回答。

对于腾讯而言,重要的不只是让更多企业部署Agent,而是让客户愿意将更重要的工作交给它,并在长期使用中获得收益。专业经验能否在组织内持续积累,复杂任务能否由Agent稳定完成,将决定AI是否真正超越个人效率提升,进一步改变企业的经营方式与竞争力。

(封面图来源:腾讯全球数字生态大会)

END.

跳转微信打开

  •  

粮食和蔬菜。

i食色摇闲情 2026-11-06 21:57 山东

明日立冬,崂山的大白菜丰收,辣白菜又开始做了,像一个闹钟准时响起。大兴安岭的金鹏明天要开车穿过积雪的森林去发货。南方的柚子、橙子、苹果每日新鲜采摘,草莓熟了,蓝莓还不够好吃,小番茄需要晒太阳……每一天,我在关心我的粮食和蔬菜。

晚安。

跳转微信打开

  •  

朋友看了《夹缝生长》后写的推荐

欧阳威 2026-11-06 21:13 新加坡

写完《夹缝生长》,最初我没什么信心——毕竟第一次写书,请几位师长、朋友看过后,有个评价我很认可:如果砍一半更好。

但我改了三五遍之后,实在自己看吐了,改不动了,所以就想着——先发布,后续再考虑迭代吧。

书发布后的这些天,收到了几位朋友的好评,顿时有了点信心。以及有位朋友批评:过度谦虚就是求拼命表扬。

所以我开始继续宣传了。

这是我初入安全行业时的老同事老朋友欧阳威发在朋友圈的,征得他同意后转载。

以及,这本书,买了送给你沉迷 AI 的朋友,也是极有价值的——毕竟现在大多数人 vibe coding 做出来的东西,都是自己用,还没能创造出社会价值和商业价值,看看这本书,或许能找到一些思路——点下面链接打开小程序,可以打开京东链接

京东购物丨点外卖领国补

——

每个人都应该在自己喜欢的公众号文章里,看到过知识星球的推荐。

知识星球的创始人吴鲁加,把他 20 年的创业心得写成了《夹缝生长》这本书。

能够从 0 到 1 打造出拥有数千万用户的产品,并把这些年的经验和教训系统地写出来,这样的产品经理和这样的书都极其罕见。

所以,不管是创作者、产品经理,还是普通读者,我都强烈推荐读一读。

今天早上终于拿到了这本书,刚刚翻了一下,有几点感受:

第一,语言朴实,让人愿意读。

没有大词,也没有晦涩的专业术语。把复杂、重要的事情用最简单的话讲出来,这是优秀产品经理最重要的特质,不是之一。

这也是好书的特征。好书的第一要求,是让人愿意读下去。读完一句,还愿意接着读下一句。

第二,强调用户需求,放下小我。

我们每个人都有 ego(小我),它们能帮助一个人坚持,也能做出一些细分领域有特色的产品。

但如果要做出真正优秀的大众消费级产品,产品经理必须学会放下小我。

对于产品经理来说,产品不是用来证明自己的,而是用来解决用户真实问题的。

如果把自己的小我凌驾于用户需求之上,就可能演变成对用户的傲慢:只相信自己的想法,却听不见用户真实的声音。

好的产品经理,不是有多少自己的想法,而是有多大能力放下自己的想法。

第三,真实案例讲述朴实的道理。

书中通过知识星球的真实经历,讲述了很多做产品的朴实道理。

我觉得这些道理特别值得反复读。读得多了,才能找到其中的「最大公约数」,把最核心的东西提炼出来,变成自己的日常纪律,并且严格执行。

这些看似简单的道理,背后都是产品经理踩过无数的坑、付出无数教训才换来的。

产品经理是一份非常有挑战的工作,简直是用户“分分钟教你重新做人”(作为产品经理,我挺喜欢这句话)。

因为做产品,每天都要面对现实、面对不同的人、面对自己的局限。你必须学会放下成见,理解别人,接受反馈,还要不断修正自己的判断。

所以我常常觉得,读优秀产品经理写的书,不仅是在学习做产品的方法,也是在学习做人的道理。

正如这本书的名字一样,一款经过海量用户和多年时间验证的好产品,往往不是在理想的环境中长出来的,而是在现实的夹缝中找到生存空间,一点一点生长出来的。

做产品如此,做人也是如此。

强烈推荐《夹缝生长》!


封面:伊万·希施金(Ivan Shishkin),《瓦拉姆岛风景·库科》(View of Valaam Island. Kukko),1860 年,布面油画。图片来源:Wikimedia Commons,公有领域。

跳转微信打开

  •  

如何为生活的方方面面构建 AI Agent?丨Dan Martell

原创 Capihom 2026-11-06 20:51 北京

从收件箱、旅行到家庭日程,Dan Martell分享了他安排AI助手的方法:先弄清要交出去的工作,再让它起草、跟进和协作,把需要自己决定的事留给自己。

每天挑选一期硅谷AI科技值得关注的播客,让你与前沿同频。如果你现在没空可以收藏进 晚点再听LaterCast,在通勤、走路或做家务时一篇篇轻松听完

"你的收件箱,只不过是别人向你索要时间的公开待办清单。"

"如果缺少数据,就告诉我,别猜。"

"先做一遍,存成技能,再设为定时任务。"

每天打开电脑,先回邮件,再看群消息,等到终于能做自己的事,半天已经过去了。下班后还有另一份清单:订酒店、查孩子的活动通知、记住下次见面不能再叫错的人名。AI已经能写出一大段答案,这些零碎的事却往往还是得自己盯着。

Dan Martell团队里的Jen就被收件箱困住过。按他的讲述,她每天要花大量时间处理个人和客户成功业务的邮件,后来让AI先分类、标记优先级、拟好回复,自己再逐封检查、确认发送。第二天上午十点,她告诉Dan,邮件已经处理完了。

她打开收件箱时,邮件已经分好类、拟好回复,只需处理仍然需要自己判断的部分。Dan用Grok Bot安排了不同的AI Agent,分别跟进日程、家庭和公司里的事务,也想把自己从这些反复整理、催问和安排的工作中解放出来。

先把一天从收件箱里拿回来

Dan先给自己安排了一个“总助”机器人,用来了解他的工作、协调其他助手。它得先知道他负责什么、怎样沟通、哪些事情优先,后面才能按这些要求做事。

如果这些信息已经散落在平时使用的ChatGPT或Claude里,他的办法是让原来的工具整理出一份关于自己角色、习惯和沟通方式的说明,再复制给新助手。这样,新助手拿到的是一份关于他怎样工作的说明。

有了背景,他交给总助的第一项固定工作是晨间简报:每个工作日提前查看日历,列出当天要见谁、需要准备什么、有没有时间冲突,以及最该完成的三件事;周一再补上整周安排。如果原本留给专注工作的上午被杂事挤占,也要提醒他。

"每周一再加上整周安排,控制在一页以内;开始之前,有什么需要知道的,就先问我。"

为了不让简报本身变成待处理材料,Dan还会交代哪些内容不用写。邮件仍然会不断进来,但早上先看什么、今天把时间留给什么,可以按自己的优先级决定。

邮件要少改,先让它看你改了什么

总助之外,Dan单独设了一个邮件助手,让它专心处理收件箱和Slack消息。它沿用已有的文件夹和分类习惯,找出需要本人专业判断的邮件,再参考过去发出的邮件起草回复。人打开收件箱后,主要检查这些草稿和待决定事项。

这里容易漏掉的一步,是交代完“用我的语气写”之后,还要继续教它。Dan建议,最初几周只让它起草,自己审核后再发送;到了每周五,把它写的版本和自己最终发出的版本放在一起比较。

"看看我改了什么,比如删掉了哪些词、回复有多长、结尾怎么写,再调整你替我写邮件的方式,让下周的草稿少改一些。"

“像我”因此有了可参照的内容:你删掉了一段客套话,补上了哪个问题的回答,最后究竟保留了多长的解释。这些实际修改,比反复要求“自然一点”“简洁一点”更能说明你想要什么。

他也会让助手之间接力:邮件助手发现急事,先通知总助,再由总助在日历里留出处理时间。按他的安排,提醒不只停留在消息列表里,还要有相应的时间可以处理。至于是否允许AI直接发信,他把它放在经过一段时间审核、修正之后考虑;Jen的案例里,人仍然负责确认和发送。

Dan展示每周比较AI邮件草稿与实际发出版本的任务说明

每周对照草稿和最终发信,看看哪些词被删掉、篇幅和结尾怎样调整。

生活里的待办,要安排到能执行的程度

Dan也遇到过AI帮倒忙:一次替他起草邮件,竟然把朋友妻子的名字写错了。他于是建了一个专门记人的助手,保存见过谁、在哪里认识、对方和谁有关,以及这些信息是什么时候记下的。名字必须按准确拼写保存,不确定就问,不能猜。

健身房前台的新同事、徒步时认识的人,未必会出现在公司通讯录或客户管理系统里。他会在见面后主动告诉助手,对方叫什么、有什么特征,下次想不起名字时,再根据自己之前记下的情况查询。

规划旅行也有不少反复查找、安排的工作。Dan和妻子Renee去怀俄明州时,返程航班前空出一个下午,便让助手根据两人的喜好找活动,再放进日历,不用再从一长串景点推荐里挑选、拼凑行程。

为此,他事先交代座位、酒店风格、预算和饮食偏好;有新行程时,先比较机票和酒店,给出三个选项,等自己选定后再往下办理。Dan对接下来的操作也有要求:

"我选好之后,填好预订信息,付款前先征求我的同意。然后把所有安排加进日历,附上链接和确认编号。"

家庭助手沿用同样的思路:从邮件里整理孩子的预约、学校活动和运动安排,把时间、地点、要带的东西一起写进日历,前一晚提醒。需要填表时可以帮忙填写,但提交前必须让他确认。

这些事情单独拿出来都不难,却需要不断记着、查着、跟着。只给一份活动推荐,还留下了大半安排工作;连时间、地点、预订信息和提醒一起整理好,才更接近把一件事交出去。

公司缺的可能不是更多客户

到了公司,Dan想交出去的是另一种重复劳动:查数字、找问题,再追问负责人有没有进展。但查什么,首先取决于老板有没有问对问题。

他旗下有家公司曾认为需要更多销售线索,Dan分析后却发现,新客户激活太慢,也就是客户进来后,迟迟没能完成开始使用产品所需的步骤。如果这时继续增加线索,后面的接待和上手流程就会堆积,客户还可能因此流失,要先处理这个环节,再谈扩大获客。

他希望负责这类分析的助手,每周查看从线索到成交、再到客户开始使用的各个环节,找出可能卡住增长的一步,拿出支持判断的数字,并建议下一项验证。

"找出阻碍增长的那个环节,让我看到背后的数字,再建议下一步做什么测试来解决它。如果缺少数据,就告诉我,别猜。"

在他描述的安排中,助手周日晚上把分析发到相应的Slack频道,提醒负责人确认,周四再回头检查有没有进展。负责人可以顺着它提供的数字核对判断,而不必只面对一句“增长有问题”的催问。

财务助手的任务则收得更窄:每天早上七点,报告银行现金、昨日收入和支出、本周到期账单及异常费用。它只有查看权限,不能转账或付款。比起等到下个月结账后才看报表,这种安排让他能更早注意到变化,也明确限制了助手可以做什么。

Dan展示只读财务信息且禁止转账付款的任务说明

财务任务同时交代了要汇报的数字,以及不能转账、不能付款的限制。

你处理得更快,别让同事忙着接招

个人效率提高后,还有一个容易忽略的问题:你发得更快,周围的人未必接得住。Dan担心,自己和高管用AI加速之后,会把更多事项推给其他同事;如果对方仍按原来的方式处理,他们就可能被新增的工作量淹没。

为此,他还建了团队可以共同询问的助手。内容团队过去常常需要开会问他:某个故事发生时他多大,细节是什么,谈到这类问题时他通常持什么观点。如今团队可以在Slack里问专门的内容助手,它所依据的资料包括他的培训、会议文字记录和公开视频等。

这件事对团队的帮助,是成员找资料时不必都等Dan有空。助手给错答案,修正相应资料和规则之后,其他成员也能用到更新后的内容。共享的前提是给它能向团队提供的材料,个人私密信息需要另外处理。

同样,管理简报也不应只是把各个群聊压缩一遍。Dan要求先提供自己的优先事项,再让助手查看团队讨论了什么、作出了什么决定、与这些优先事项是否一致。重要内容附上出处,没能读取的部分也要说明。

销售跟进则可以从更小的范围开始:夜间检查有没有长期停在同一阶段的商机、没人跟进的线索、结束后没约下一步的电话,再提醒销售负责人。他在这项任务中明确要求,不要直接给客户发消息。AI先帮助团队发现遗漏,下一步如何沟通,交给负责这笔业务的人。

先做成一件事,再让它定期去做

Dan在结尾给出的建议,可以作为前面这些安排的起点:先完成一次,再保存方法,最后设成固定任务。

"先做一遍,存成技能,再设为定时任务。"

如果从收件箱开始,可以先选几封需要回复的邮件,给它过去的写法,看分类和草稿是否合用;改过之后,再让它参考最终版本。晨间简报也可以先做一次,看看缺了哪项准备、多了哪些无用信息,再决定每天重复什么。

反过来,如果第一份结果就看不懂、用不上,定时发送只会每天多来一份待审材料。接入多少工具、建了多少助手,都不能替代这一步检查。

前面那些细节也值得一起留下:查不到的信息要问,重要判断能找到出处,邮件先审核,财务只查看,付款和提交另行确认。把这些要求写进各自负责的任务里,才知道哪些工作已经交出去了,哪些仍要等自己处理。

写在最后

不妨从一件每天都要做、又不太需要临场判断的事开始:整理收件箱,或者汇总明天的日程。先看它能否把资料查齐、把草稿写对,再决定是否定时运行。能少盯住一件琐事,就有机会把腾出的时间留给手头真正想完成的工作,或者下班后想陪的人。

内容来源:"How to Build an AI Agent for Every Part of Your Life"丨Dan Martell

原视频:https://www.youtube.com/watch?v=SJywU4UQryQ

相关文章

如果你现在没空,可以收藏进晚点再听,通勤、走路或做家务时一次性听完⇣

⇣ 关注我,每天为你更新硅谷最新的 AI 创业/科技播客总结,让你与前沿保持同频 ⇣

跳转微信打开

  •  
❌