即刻App年轻人的同好社区
下载
“我们总是通过后视镜驶向未来”
推荐读一下 Notion CEO 这篇内容，AI 一定会跨过这个阶段，就是不知道会有多快
知识工作的两个瓶颈：上下文分散和可验证性，这点分析得很准。
这也是为什么程序员最先受益，因为他们的工作环境天然解决了这两个问题。
其他知识工作者要等到什么时候？可能取决于谁先把散落在几十个工具里的上下文整合起来。
从佛罗伦萨到东京的隐喻有点残酷但真实：规模跃迁必然带来失控感。那些习惯"人类节奏"的组织会觉得很不适应，但这就是代价。新世界不是旧世界的放大版，它有自己的运作逻辑。
------------------------
每个时代都有它的奇迹材料。钢铁塑造了镀金时代，半导体点亮了数字时代，现在AI以"无限心智"的形式到来了。
Notion创始人Ivan Zhao用历史隐喻说清楚了一件事：掌握这种材料的人定义时代。
为什么AI是"奇迹材料"？
因为它解决的是规模问题。19世纪前建筑只能盖六七层，铁太重太脆，楼层一多就塌。钢铁改变了一切，骨架更轻、墙体更薄，摩天大楼拔地而起。
AI对知识工作的意义和钢铁对建筑一样。人类沟通一直是组织的"承重墙"，每周两小时对齐会、三级审批流程，都是在用人类尺度的工具解决工业规模的问题。
个人层面：什么时候能开上"汽车"？
Ivan的联合创始人Simon原本是10×程序员，现在同时指挥三四个AI编码agents，变成了30-40×工程师。他午饭前排好任务，agents在他离开时继续工作。
这就像从踩自行车进化到开汽车。但为什么只有程序员能开上车？
两个问题必须解决。第一是上下文分散，编程工具集中在IDE和代码库，但一般知识工作散落在几十个工具里。AI要写产品简报得拉取Slack、战略文档、仪表盘数据，还有只存在脑子里的institutional memory。人类现在是粘合剂。
第二是可验证性。代码能用测试验证对错，AI能用强化学习改进。但怎么验证项目管理得好不好、策略memo写得行不行？没法验证就没法训练模型改进，人类只能继续监督。
一旦这两个问题解决，几十亿知识工作者会从自行车进化到汽车，再从汽车进化到自动驾驶。
组织层面：我们还在"替换水车"吗？
工业革命初期，蒸汽机刚出现时，工厂主只是把水车换成蒸汽机，其他都不变。生产力提升很有限。
真正的突破是工厂主意识到可以完全摆脱河流了。他们把工厂建在更靠近工人、港口和原材料的地方，围绕蒸汽机重新设计整个厂房。生产力才爆发。
现在的AI聊天机器人就像"替换水车"阶段，只是附加在现有工具上。我们还没重新想象：当组织可以依靠永不疲倦的无限头脑时，应该长什么样？
Notion在做什么实验？
Notion现在有1000名员工，但同时有超过700个agents在处理重复性工作。
它们记会议纪要、回答问题综合tribal knowledge、处理IT请求、记录客户反馈、帮新员工办入职、写周报省去复制粘贴。
Ivan说这只是起步，真正的收益只受想象力和惰性限制。
从佛罗伦萨到东京意味着什么？
钢铁和蒸汽不只改变建筑和工厂，它们改变了城市。
几百年前的城市是人类尺度的，你能在40分钟内走完佛罗伦萨。然后钢架结构让摩天大楼成为可能，蒸汽铁路连接市中心和内陆，城市在规模和密度上爆炸。东京、重庆、达拉斯都不是更大的佛罗伦萨，它们是完全不同的生活方式。
知识经济现在占美国GDP近一半，但大多数还在人类尺度运作：几十人的团队，会议和邮件控制节奏，组织超过几百人就开始变形。我们用石头和木头建了佛罗伦萨。
当大量AI agents上线，我们会建造东京。数千个agents和人类组成的组织，工作流程跨时区持续运行，不用等人醒来，决策在适量人类介入下合成。
会更快、杠杆更高，但起初也更迷失方向。周会、季度规划、年度评估的节奏可能不再有意义。新节奏会出现。我们失去一些可读性，但获得规模和速度。
来源：x.com/ivanhzhao/status/2003192654545539400
推荐读一下 Notion CEO 这篇内容，AI 一定会跨过这个阶段，就是不知道会有多快
知识工作的两个瓶颈：上下文分散和可验证性，这点分析得很准。
这也是为什么程序员最先受益，因为他们的工作环境天然解决了这两个问题。
其他知识工作者要等到什么时候？可能取决于谁先把散落在几十个工具里的上下文整合起来。
从佛罗伦萨到东京的隐喻有点残酷但真实：规模跃迁必然带来失控感。那些习惯"人类节奏"的组织会觉得很不适应，但这就是代价。新世界不是旧世界的放大版，它有自己的运作逻辑。
------------------------
每个时代都有它的奇迹材料。钢铁塑造了镀金时代，半导体点亮了数字时代，现在AI以"无限心智"的形式到来了。
Notion创始人Ivan Zhao用历史隐喻说清楚了一件事：掌握这种材料的人定义时代。
为什么AI是"奇迹材料"？
因为它解决的是规模问题。19世纪前建筑只能盖六七层，铁太重太脆，楼层一多就塌。钢铁改变了一切，骨架更轻、墙体更薄，摩天大楼拔地而起。
AI对知识工作的意义和钢铁对建筑一样。人类沟通一直是组织的"承重墙"，每周两小时对齐会、三级审批流程，都是在用人类尺度的工具解决工业规模的问题。
个人层面：什么时候能开上"汽车"？
Ivan的联合创始人Simon原本是10×程序员，现在同时指挥三四个AI编码agents，变成了30-40×工程师。他午饭前排好任务，agents在他离开时继续工作。
这就像从踩自行车进化到开汽车。但为什么只有程序员能开上车？
两个问题必须解决。第一是上下文分散，编程工具集中在IDE和代码库，但一般知识工作散落在几十个工具里。AI要写产品简报得拉取Slack、战略文档、仪表盘数据，还有只存在脑子里的institutional memory。人类现在是粘合剂。
第二是可验证性。代码能用测试验证对错，AI能用强化学习改进。但怎么验证项目管理得好不好、策略memo写得行不行？没法验证就没法训练模型改进，人类只能继续监督。
一旦这两个问题解决，几十亿知识工作者会从自行车进化到汽车，再从汽车进化到自动驾驶。
组织层面：我们还在"替换水车"吗？
工业革命初期，蒸汽机刚出现时，工厂主只是把水车换成蒸汽机，其他都不变。生产力提升很有限。
真正的突破是工厂主意识到可以完全摆脱河流了。他们把工厂建在更靠近工人、港口和原材料的地方，围绕蒸汽机重新设计整个厂房。生产力才爆发。
现在的AI聊天机器人就像"替换水车"阶段，只是附加在现有工具上。我们还没重新想象：当组织可以依靠永不疲倦的无限头脑时，应该长什么样？
Notion在做什么实验？
Notion现在有1000名员工，但同时有超过700个agents在处理重复性工作。
它们记会议纪要、回答问题综合tribal knowledge、处理IT请求、记录客户反馈、帮新员工办入职、写周报省去复制粘贴。
Ivan说这只是起步，真正的收益只受想象力和惰性限制。
从佛罗伦萨到东京意味着什么？
钢铁和蒸汽不只改变建筑和工厂，它们改变了城市。
几百年前的城市是人类尺度的，你能在40分钟内走完佛罗伦萨。然后钢架结构让摩天大楼成为可能，蒸汽铁路连接市中心和内陆，城市在规模和密度上爆炸。东京、重庆、达拉斯都不是更大的佛罗伦萨，它们是完全不同的生活方式。
知识经济现在占美国GDP近一半，但大多数还在人类尺度运作：几十人的团队，会议和邮件控制节奏，组织超过几百人就开始变形。我们用石头和木头建了佛罗伦萨。
当大量AI agents上线，我们会建造东京。数千个agents和人类组成的组织，工作流程跨时区持续运行，不用等人醒来，决策在适量人类介入下合成。
会更快、杠杆更高，但起初也更迷失方向。周会、季度规划、年度评估的节奏可能不再有意义。新节奏会出现。我们失去一些可读性，但获得规模和速度。
来源：x.com/ivanhzhao/status/2003192654545539400
34 128
Fofr最近在研究 JSON 格式的提示词，我在他的游戏截图生成提示词里加了圣诞彩蛋
我以前对这个东西觉得是故弄玄虚，但现在看来，至少有一点好
它的迭代非常稳定，尤其是在跟模型共创的时候。当你写提示词与 Gemini 共创时，不需要反复去提示一些基本的格式，它不会给你改乱。
针对 JSON 格式，它通常能保证格式的稳定：
1. 内部参数：它一般默认不会变动里边的参数
2. 后续内容：它只会修改后续的具体内容
这样能确保它不会在修改过程中把你的风格改没了或者改错。这确实非常好，而且很容易进行发散和拓展。比如：
- 批量处理：你可以让它批量修改成不同的主题，但保持风格和构图的一致性
- 协同修改：可以拆分地去修改，与模型共同创作
这样操作起来其实是比较方便的，计划将我所有的提示词转成 json 格式存起来并且展示
原始提示词：gist.github.com/fofr/eec0dae326243321c645aceba28c6119
我以前对这个东西觉得是故弄玄虚，但现在看来，至少有一点好
它的迭代非常稳定，尤其是在跟模型共创的时候。当你写提示词与 Gemini 共创时，不需要反复去提示一些基本的格式，它不会给你改乱。
针对 JSON 格式，它通常能保证格式的稳定：
1. 内部参数：它一般默认不会变动里边的参数
2. 后续内容：它只会修改后续的具体内容
这样能确保它不会在修改过程中把你的风格改没了或者改错。这确实非常好，而且很容易进行发散和拓展。比如：
- 批量处理：你可以让它批量修改成不同的主题，但保持风格和构图的一致性
- 协同修改：可以拆分地去修改，与模型共同创作
这样操作起来其实是比较方便的，计划将我所有的提示词转成 json 格式存起来并且展示
原始提示词：gist.github.com/fofr/eec0dae326243321c645aceba28c6119
18 04
看到知乎上线了他们的年度AI产品榜，刚好我也还没写总结，就借着这个榜单来聊一下这些产品。
首先国内通用聊天产品，豆包排第一，第二是Deepseek，后面有千问和知乎直答。
今年国内所有的厂商基本上都吃的是Deepseek在年初爆发的红利。我们用整整一年的时间，把这部分用户从完全不了解AI拉到了每天使用AI。
在做产品上字节是厉害的。不管是能力还是产品策略、运营策略、推广方法，都展现了自己在做产品上应有的战斗力。由于语音模式的低门槛，让很多小朋友和老人都能够非常顺畅地使用豆包。非圈内的用户一说就是豆包和 Deepseek，这就是他们理解的 AI。
千问的增长也很迅猛，阿里在年底终于搭建了他们的模型体系和新的团队，开始疯狂发力。最近有不少人一提起AI，就会提到千问了
然后是海外的ChatBot产品，Claude、ChatGPT和Gemini
Gemini排得相当靠前。谷歌在年底的这一波发布还是太猛了，又有钱，又有卡，又有人，模型还强。低成本提供最优质的模型，是这个行业现在最强的推广手段，也是最稳定的
Anthropic 在今年也确定了自己的发展方向，在产品的人力和资源投入上，维持较低的水平。但是通过Claude Code这种对开发的依赖比较低，又能发挥模型能力的产品，快速地抢占用户心智和市场。尤其在编程领域，非常难以撼动，2B的收入很高
Sam 最近确实不是很好过。自从GPT-5发布以来，大家对于OpenAI的模型就一直没有什么好的评价，尤其是在模型的语言风格和回复策略上。但是在产品层面，ChatGPT确实是最好的。这也是为什么它的用户忠诚度比较高的原因
然后就是即梦和可灵两个内容创作工具，国内今年在图像和视频领域基本上是相较于海外一骑绝尘的。但是年底Nano Banana Pro发布、Sora2发布以后，直接将图像和视频模型带到了一个新的领域。针对于视觉推理以及编辑能力，我们需要尽快赶上
最后是Cursor，基本上开启了今年的Agent大幕。在Agent这一块的创新，包括上下文工程、底层多个模型的混合调用，以及关于Agent的操作的基本交互逻辑，都为很多AI产品指明了方向。卡帕西的年终总结也非常着重地提到了Cursor以及 vibe Coding
25年，我们AI领域是非常幸运的。模型和产品都有非常大的突破，期待26年的 AI 圈还有什么狠活
首先国内通用聊天产品，豆包排第一，第二是Deepseek，后面有千问和知乎直答。
今年国内所有的厂商基本上都吃的是Deepseek在年初爆发的红利。我们用整整一年的时间，把这部分用户从完全不了解AI拉到了每天使用AI。
在做产品上字节是厉害的。不管是能力还是产品策略、运营策略、推广方法，都展现了自己在做产品上应有的战斗力。由于语音模式的低门槛，让很多小朋友和老人都能够非常顺畅地使用豆包。非圈内的用户一说就是豆包和 Deepseek，这就是他们理解的 AI。
千问的增长也很迅猛，阿里在年底终于搭建了他们的模型体系和新的团队，开始疯狂发力。最近有不少人一提起AI，就会提到千问了
然后是海外的ChatBot产品，Claude、ChatGPT和Gemini
Gemini排得相当靠前。谷歌在年底的这一波发布还是太猛了，又有钱，又有卡，又有人，模型还强。低成本提供最优质的模型，是这个行业现在最强的推广手段，也是最稳定的
Anthropic 在今年也确定了自己的发展方向，在产品的人力和资源投入上，维持较低的水平。但是通过Claude Code这种对开发的依赖比较低，又能发挥模型能力的产品，快速地抢占用户心智和市场。尤其在编程领域，非常难以撼动，2B的收入很高
Sam 最近确实不是很好过。自从GPT-5发布以来，大家对于OpenAI的模型就一直没有什么好的评价，尤其是在模型的语言风格和回复策略上。但是在产品层面，ChatGPT确实是最好的。这也是为什么它的用户忠诚度比较高的原因
然后就是即梦和可灵两个内容创作工具，国内今年在图像和视频领域基本上是相较于海外一骑绝尘的。但是年底Nano Banana Pro发布、Sora2发布以后，直接将图像和视频模型带到了一个新的领域。针对于视觉推理以及编辑能力，我们需要尽快赶上
最后是Cursor，基本上开启了今年的Agent大幕。在Agent这一块的创新，包括上下文工程、底层多个模型的混合调用，以及关于Agent的操作的基本交互逻辑，都为很多AI产品指明了方向。卡帕西的年终总结也非常着重地提到了Cursor以及 vibe Coding
25年，我们AI领域是非常幸运的。模型和产品都有非常大的突破，期待26年的 AI 圈还有什么狠活
26 92
Open AI 这个年终总结不行，藏师傅给他补一下
🍌 Nano Banana Pro 提示词：
为你的 ChatGPT 年终总结做一张分享图
Open AI 这个年终总结还是没国内大厂专业，分享图该有的信息都没有，我自己用大香蕉搞了一套提示词
把你的总结截图和提示词扔给 Nano Banana 就行
-------提示词------
任务目标：
基于用户同时上传的年终总结截图中的数据和信息，设计一张风格鲜明、极具视觉冲击力的 3D 年终总结海报，用户名 [guizang]
整体风格与情绪（固定风格）：
核心风格： 融合 3D 趋势、游戏化元素和高饱和度色彩。
材质感： 画面主体呈现精致的黏土（Clay）或软塑胶材质渲染，边缘圆润，光影柔和，给人一种“盲盒玩具”的亲切感。
排版感： 整体布局要像一份精致的高级杂志，疏密有致，信息架构清晰。文字排版简洁明了，不要添加任何卡片、胶囊或底框类的装饰背景。
画面主体（核心视觉）：
视觉中心是一颗巨大的、紧密堆叠的 Q 版 3D 黏土球体。球体的组成元素需要根据用户上传截图中的具体内容来动态生成：
数据气泡： 将截图中提取的关键数字和对应的标签（例如：消息总数、聊天次数、生成图片数、活跃度排名等）制作成圆润的黏土数据气泡嵌入球体。
主题图标： 根据截图体现的用户兴趣点，添加相应的通用黏土图标（例如：游戏手柄、大脑、图表、对话气泡等）。
类别建筑（核心要求）： 分析截图中的内容侧重点，在球体中融入几座代表不同聊天品类的精致微缩黏土建筑。例如：
如果包含 AI/技术内容，加入一座带有科技感的未来数据中心建筑。
如果包含游戏内容，加入一座像素风格的游戏城堡。
如果包含创意/艺术内容，加入一个微型艺术工作室。
组合方式： 所有这些元素（气泡、图标、建筑）必须非常紧密、融洽地挤在一起，无缝组成一个完美的球形，不露出内部结构。
背景设计（固定框架）：
底色： 采用高饱和度的暖橙色到柔和紫色的渐变背景（参考之前的风格）。
背景文字： 在星球背后，放置六个巨大的、带有喷溅纹理和反向蚀刻效果的汉字，主题可以是“冒险 创新 探索”（上排）和“创造 硬核 冲击”（下排），部分被球体遮挡，增加街头硬核感。
信息架构与排版（内容从截图中提取）：
顶部 (Header)： 放置白色的 ChatGPT Logo，并根据截图信息生成标题，格式为：“[从截图中提取的用户名] 的 [年份] 年终总结”。
底部数据区 (Data Grid)： 在球体下方，创建一个极简的 2x2 纯文字数据网格。从截图中选取 4 个最核心的数据，使用超粗无衬线字体展示大数字，并配上相应的文字标签和有趣的社交属性短语（例如：“社交牛逼症”、“话痨”、“六边形战士”等，依据数据特性生成）。
页脚总结 (Footer)： 在最底部用小字排版两段文字，内容直接从用户截图中的总结段落（如“你的聊天风格”和“年度亮点”）提取。
🍌 Nano Banana Pro 提示词：
为你的 ChatGPT 年终总结做一张分享图
Open AI 这个年终总结还是没国内大厂专业，分享图该有的信息都没有，我自己用大香蕉搞了一套提示词
把你的总结截图和提示词扔给 Nano Banana 就行
-------提示词------
任务目标：
基于用户同时上传的年终总结截图中的数据和信息，设计一张风格鲜明、极具视觉冲击力的 3D 年终总结海报，用户名 [guizang]
整体风格与情绪（固定风格）：
核心风格： 融合 3D 趋势、游戏化元素和高饱和度色彩。
材质感： 画面主体呈现精致的黏土（Clay）或软塑胶材质渲染，边缘圆润，光影柔和，给人一种“盲盒玩具”的亲切感。
排版感： 整体布局要像一份精致的高级杂志，疏密有致，信息架构清晰。文字排版简洁明了，不要添加任何卡片、胶囊或底框类的装饰背景。
画面主体（核心视觉）：
视觉中心是一颗巨大的、紧密堆叠的 Q 版 3D 黏土球体。球体的组成元素需要根据用户上传截图中的具体内容来动态生成：
数据气泡： 将截图中提取的关键数字和对应的标签（例如：消息总数、聊天次数、生成图片数、活跃度排名等）制作成圆润的黏土数据气泡嵌入球体。
主题图标： 根据截图体现的用户兴趣点，添加相应的通用黏土图标（例如：游戏手柄、大脑、图表、对话气泡等）。
类别建筑（核心要求）： 分析截图中的内容侧重点，在球体中融入几座代表不同聊天品类的精致微缩黏土建筑。例如：
如果包含 AI/技术内容，加入一座带有科技感的未来数据中心建筑。
如果包含游戏内容，加入一座像素风格的游戏城堡。
如果包含创意/艺术内容，加入一个微型艺术工作室。
组合方式： 所有这些元素（气泡、图标、建筑）必须非常紧密、融洽地挤在一起，无缝组成一个完美的球形，不露出内部结构。
背景设计（固定框架）：
底色： 采用高饱和度的暖橙色到柔和紫色的渐变背景（参考之前的风格）。
背景文字： 在星球背后，放置六个巨大的、带有喷溅纹理和反向蚀刻效果的汉字，主题可以是“冒险 创新 探索”（上排）和“创造 硬核 冲击”（下排），部分被球体遮挡，增加街头硬核感。
信息架构与排版（内容从截图中提取）：
顶部 (Header)： 放置白色的 ChatGPT Logo，并根据截图信息生成标题，格式为：“[从截图中提取的用户名] 的 [年份] 年终总结”。
底部数据区 (Data Grid)： 在球体下方，创建一个极简的 2x2 纯文字数据网格。从截图中选取 4 个最核心的数据，使用超粗无衬线字体展示大数字，并配上相应的文字标签和有趣的社交属性短语（例如：“社交牛逼症”、“话痨”、“六边形战士”等，依据数据特性生成）。
页脚总结 (Footer)： 在最底部用小字排版两段文字，内容直接从用户截图中的总结段落（如“你的聊天风格”和“年度亮点”）提取。
47 615
Open AI 也开始搞年终总结页面这一套了
美国、英国、加拿大、新西兰和澳大利亚用户只要开启了记忆功能的都有
APP 会多出来一个“你和 ChatGPT”一年的聊天记录
我今年用 GPT 确实不多，虽然买了两个月冤种 Pro 会员
美国、英国、加拿大、新西兰和澳大利亚用户只要开启了记忆功能的都有
APP 会多出来一个“你和 ChatGPT”一年的聊天记录
我今年用 GPT 确实不多，虽然买了两个月冤种 Pro 会员
13 20
