即刻App年轻人的同好社区
下载
今天把二手的相机、镜头、稳定器通过转转卖掉了，体验挺好的，赚了几万块，让我甚至对二手交易都改观了。我在腾讯攒的相机镜头，到字节没时间拍的，但是一直放在家里，因为东西比较贵，在闲鱼上扯皮，就让我心累，于是就干脆放着。
1. 转转在二手交易这个非标的市场，实现了标准化。
- 用户输入产品名称型号，系统识别是否支持回收，如果可以，有验收师上门验收。
- 验收师会按照标准来检测产品，不同的产品，都有不同的验收方法和标准，让我有点震惊，比如镜头，会细到霉点>=3个，直径3mm内，或者霉点直径>=3mm，数量少于3个，都算有霉点，对应扣多少钱。这样验收师，只需要按照标准检测，在系统里输入对应的数据，不依赖个人经验
- 验收方式也标准化，比如稳定器，很多验收师是自己没用过的，就有专门的教程视频，教他们怎么来验货，然后拍照、拍视频，录入系统存档，方便追溯。
2. 标准化解决信任问题，实现规模化
- 根据标准，系统自动算钱，现场直接打钱，你不用担心这个验收师在瞎搞。
- 标准的细则，对应的价格，是转转的核心壁垒，意味着他回收价肯定低于市场价，roi可以达到一定程度。而那些二手小公司，上门会压价，可以割韭菜，但是做不大。
- 二手市场极度非标，是卖家和买家的信息不对称的博弈，而有不对等的博弈，带来不信任，这个市场就很难做大。转转通过标准，贯穿了回收和售卖，解决了信任问题。甚至我因为回收，后面也愿意在转转上买二手商品，我不信任某个人，而是信任转转的这套标准和系统。
- 转转深圳有100+验收师，全国有3000人，覆盖所有地级市和部分县城，而且近几年发展非常顺利，也比较少听说转转压价的行为。
- 验收师验货后，直接顺丰快递，运到本地的仓库，仓库进行统一管理。再通过仓库，按订单，运往全国。
3. 这套标准，是否可以被AI自动化
- 今年多模态理解足够强，假如把这套标准作为know how，与模型对齐，那么其实可以很大程度上辅助自动定价，豆包、ChatGPT、Gemini，其实都可以看出来镜头里有多少个霉点、是否有灰尘，或者相机的热靴是否生锈。
- 当然实践起来，依然有很多困难，比如模型有幻觉，一个幻觉可能意味着损失很多钱，这是容错率低的场景；比如线下实物，怎么拍是很关键的，用户不一定知道怎么拍，才能把问题暴露出来。
- 总之，行业knowhow、标准，依然是非常重要，不会因为AI而被取代掉，甚至会因为AI变得更加有壁垒
1. 转转在二手交易这个非标的市场，实现了标准化。
- 用户输入产品名称型号，系统识别是否支持回收，如果可以，有验收师上门验收。
- 验收师会按照标准来检测产品，不同的产品，都有不同的验收方法和标准，让我有点震惊，比如镜头，会细到霉点>=3个，直径3mm内，或者霉点直径>=3mm，数量少于3个，都算有霉点，对应扣多少钱。这样验收师，只需要按照标准检测，在系统里输入对应的数据，不依赖个人经验
- 验收方式也标准化，比如稳定器，很多验收师是自己没用过的，就有专门的教程视频，教他们怎么来验货，然后拍照、拍视频，录入系统存档，方便追溯。
2. 标准化解决信任问题，实现规模化
- 根据标准，系统自动算钱，现场直接打钱，你不用担心这个验收师在瞎搞。
- 标准的细则，对应的价格，是转转的核心壁垒，意味着他回收价肯定低于市场价，roi可以达到一定程度。而那些二手小公司，上门会压价，可以割韭菜，但是做不大。
- 二手市场极度非标，是卖家和买家的信息不对称的博弈，而有不对等的博弈，带来不信任，这个市场就很难做大。转转通过标准，贯穿了回收和售卖，解决了信任问题。甚至我因为回收，后面也愿意在转转上买二手商品，我不信任某个人，而是信任转转的这套标准和系统。
- 转转深圳有100+验收师，全国有3000人，覆盖所有地级市和部分县城，而且近几年发展非常顺利，也比较少听说转转压价的行为。
- 验收师验货后，直接顺丰快递，运到本地的仓库，仓库进行统一管理。再通过仓库，按订单，运往全国。
3. 这套标准，是否可以被AI自动化
- 今年多模态理解足够强，假如把这套标准作为know how，与模型对齐，那么其实可以很大程度上辅助自动定价，豆包、ChatGPT、Gemini，其实都可以看出来镜头里有多少个霉点、是否有灰尘，或者相机的热靴是否生锈。
- 当然实践起来，依然有很多困难，比如模型有幻觉，一个幻觉可能意味着损失很多钱，这是容错率低的场景；比如线下实物，怎么拍是很关键的，用户不一定知道怎么拍，才能把问题暴露出来。
- 总之，行业knowhow、标准，依然是非常重要，不会因为AI而被取代掉，甚至会因为AI变得更加有壁垒
25 182
因为搬家，要把积攒多年的相机镜头卖掉，发现了相机维护的关键点
1. 相机镜头卖出好价格，关键不是快门次数少，而是是否有发霉，磕碰，生锈，进灰
2. 平时拍照，如果因为下雨或雾气，相机沾水，一定要及时擦干，否则在热靴，相机屏幕旋转部分很容易生锈，但又不会注意到
3. 镜头一定要放干燥箱，不然很容易发霉，在镜头表面有淡淡的白色的霉点，不仔细看，看不出来
4. 如果相机镜头长期不用，尽早卖掉，否则保存不好，价格会掉
1. 相机镜头卖出好价格，关键不是快门次数少，而是是否有发霉，磕碰，生锈，进灰
2. 平时拍照，如果因为下雨或雾气，相机沾水，一定要及时擦干，否则在热靴，相机屏幕旋转部分很容易生锈，但又不会注意到
3. 镜头一定要放干燥箱，不然很容易发霉，在镜头表面有淡淡的白色的霉点，不仔细看，看不出来
4. 如果相机镜头长期不用，尽早卖掉，否则保存不好，价格会掉
22 13
之前分享过GPT 4O的涂鸦p图用户case 再到higgsfield的draw-to-video的产品能力，让我们看到「涂鸦即交互」
nano banana又出来一个创意玩法，直接生成妆面分析和优化建议，让我们看到「涂鸦即UI」，对比新氧魔镜的妆面分析，后者实现成本高太多
有个共识是，未来的 UI 会个性化，但这个案例让我看到，未来的 UI 不一定都是 coding 实现的，也可能是生成图片
AI 产品越来越往更符合我们现实生活中的自然互动的趋势发展了
nano banana又出来一个创意玩法，直接生成妆面分析和优化建议，让我们看到「涂鸦即UI」，对比新氧魔镜的妆面分析，后者实现成本高太多
有个共识是，未来的 UI 会个性化，但这个案例让我看到，未来的 UI 不一定都是 coding 实现的，也可能是生成图片
AI 产品越来越往更符合我们现实生活中的自然互动的趋势发展了
14 54
在大厂里组建一个类似 AI native 的团队是怎么样的感受？ 今天周五七夕，项目周会想快速过进展，大家还不肯，要仔细讲，认真学习，热烈讨论，然后很自然地拖堂了。
线上周会结束后，有几个问题依然意犹未尽，线下 5 位同学继续在封闭会议室白板讨论，到八点，甚至有老板看我在群发出来的讨论现场视频，都忍不住来会议室看看。
问题讨论完毕，我们三个人，在整理刚刚的结论时，又开始唠嗑，讲自己因为什么加入这个项目，从刚开始的疑虑，到后面的熟悉，再到现在的极度信任，到现在，也就是晚上十一点半。
我们像是在大厂里，有创业的感觉和感情。真难得，也真开心，甚至有点乌托邦。
线上周会结束后，有几个问题依然意犹未尽，线下 5 位同学继续在封闭会议室白板讨论，到八点，甚至有老板看我在群发出来的讨论现场视频，都忍不住来会议室看看。
问题讨论完毕，我们三个人，在整理刚刚的结论时，又开始唠嗑，讲自己因为什么加入这个项目，从刚开始的疑虑，到后面的熟悉，再到现在的极度信任，到现在，也就是晚上十一点半。
我们像是在大厂里，有创业的感觉和感情。真难得，也真开心，甚至有点乌托邦。
35 52
今天nano banana有点小刷屏，包括higgsfield在内的各个AI产品都光速接入了该模型。有个感慨，当「模型首发就是红利」成为共识后，那么这个低垂的果实其实就已经没有了。去年经历过模型首发或接近首发的爆发式红利，真的很爽，躺赢的那种，今年越来越少了。
接下来更重要的是，在模型都平权的情况下，你的产品，作为一个系统，如何因为增加一个模型，或者升级一个模型，让你的产品体验、用户心智比竞品更好。这其实是更难的事情，并且需要在模型升级之前做好准备，没有那么多短平快的手段了。
接下来更重要的是，在模型都平权的情况下，你的产品，作为一个系统，如何因为增加一个模型，或者升级一个模型，让你的产品体验、用户心智比竞品更好。这其实是更难的事情，并且需要在模型升级之前做好准备，没有那么多短平快的手段了。
18 14
这几个月对Claude Code的逆向、架构分析的博客很多，但这篇依然写得很棒，作者vivek 过去几个月一直在使用和调试 Claude Code，并且编写了一个记录器，用于拦截并记录每一个网络请求。然后基于自己的使用经验以及截获分析的所有日志，对Claude code进行了深度的剖析。
《Claude Code 为什么这么牛！? 》ybzavo65ti.feishu.cn
原文比较多内容，我摘取其中一些关键的信息，有些地方我最近做agent也有共鸣
1. 保持简单：Claude Code在每个环节都选择了架构的简洁性。它避免了Multi-agent系统、复杂RAG（检索增强生成）搜索算法等可能引入的调试和评估复杂性。
只使用一个主循环和扁平的消息历史记录。在处理复杂任务时，它能够通过“克隆”自身来创建sub agent，但最多只有一个分支，这既能实现任务分解，又能确保代理始终关注最终目标，这里的sub agent本质是一个tool
2. 性价比：超过50%的重要LLM调用都使用了更小的模型（如claude-3-5-haiku），用于读取大文件、解析网页、处理Git历史记录和总结长对话。这些小模型比标准模型（如Sonnet 4、GPT-4.1）便宜70-80%，显著降低了成本。
3. LLM原生搜索而非RAG：拒绝了RAG，转而让LLM像人类一样，使用复杂的ripgrep、jq和find命令进行代码库搜索。这更符合LLM理解代码的优势，并减少了RAG带来的新且隐蔽的故障模式。
4. 明确的算法指导：为LLM需要执行的最重要任务编写详细的算法，包含决策点、启发式规则和示例。这有助于LLM结构化决策，避免指令冲突，而不是仅仅罗列一堆“该做”和“不该做”的规则。
《Claude Code 为什么这么牛！? 》ybzavo65ti.feishu.cn
原文比较多内容，我摘取其中一些关键的信息，有些地方我最近做agent也有共鸣
1. 保持简单：Claude Code在每个环节都选择了架构的简洁性。它避免了Multi-agent系统、复杂RAG（检索增强生成）搜索算法等可能引入的调试和评估复杂性。
只使用一个主循环和扁平的消息历史记录。在处理复杂任务时，它能够通过“克隆”自身来创建sub agent，但最多只有一个分支，这既能实现任务分解，又能确保代理始终关注最终目标，这里的sub agent本质是一个tool
2. 性价比：超过50%的重要LLM调用都使用了更小的模型（如claude-3-5-haiku），用于读取大文件、解析网页、处理Git历史记录和总结长对话。这些小模型比标准模型（如Sonnet 4、GPT-4.1）便宜70-80%，显著降低了成本。
3. LLM原生搜索而非RAG：拒绝了RAG，转而让LLM像人类一样，使用复杂的ripgrep、jq和find命令进行代码库搜索。这更符合LLM理解代码的优势，并减少了RAG带来的新且隐蔽的故障模式。
4. 明确的算法指导：为LLM需要执行的最重要任务编写详细的算法，包含决策点、启发式规则和示例。这有助于LLM结构化决策，避免指令冲突，而不是仅仅罗列一堆“该做”和“不该做”的规则。
36 333
最近 lenny的一篇付费文章《如何让公司员工采用AI》，是采访很多 AI 公司的实践经验，我转为飞书文档，附上中文翻译，推荐阅读ybzavo65ti.feishu.cn
我今年做的AI项目，也在推动项目组的同学采用AI native的工作方式，在此补充一下实践过的有效办法：
1. 不建议逼大家必须用AI，因为组织的惯性是很难改变的，而是通过AI native的项目，吸引对AI更感兴趣的同学，然后在这个有AI氛围的团队内鼓励用AI native的工作方式。跑通后，再用标杆的案例，去影响更大的组织。
2. 在AI native的项目里，需要新的分工和新的技能，每个同学都要开始做自己不擅长的新东西，然后发现自己不行，所以更愿意利用AI。如果做的事情已经很熟了，哪怕麻烦点，大家依然会倾向于用人工的方式解决。
3. 互相学习，有些同学用AI就是厉害，那就可以当老师，我们的周会，都会分享自己的一些AI经验，而不是单单同步项目进展，当然带来不好的结果是，周五6点后我们会议还是会快乐的拖堂。
4. 把使用AI工具的门槛降到足够低，基于公司的一些通用工具，就可以搭出来，快速给自己用。如果门槛高，比如付费、审批，那很多人就不愿意用了
最后放一张，Zapier 如何衡量不同岗位员工的 AI 熟练度，只是作为参照，不一定是标准答案，为了方便阅读，用ChatGPT转成了中文版
我今年做的AI项目，也在推动项目组的同学采用AI native的工作方式，在此补充一下实践过的有效办法：
1. 不建议逼大家必须用AI，因为组织的惯性是很难改变的，而是通过AI native的项目，吸引对AI更感兴趣的同学，然后在这个有AI氛围的团队内鼓励用AI native的工作方式。跑通后，再用标杆的案例，去影响更大的组织。
2. 在AI native的项目里，需要新的分工和新的技能，每个同学都要开始做自己不擅长的新东西，然后发现自己不行，所以更愿意利用AI。如果做的事情已经很熟了，哪怕麻烦点，大家依然会倾向于用人工的方式解决。
3. 互相学习，有些同学用AI就是厉害，那就可以当老师，我们的周会，都会分享自己的一些AI经验，而不是单单同步项目进展，当然带来不好的结果是，周五6点后我们会议还是会快乐的拖堂。
4. 把使用AI工具的门槛降到足够低，基于公司的一些通用工具，就可以搭出来，快速给自己用。如果门槛高，比如付费、审批，那很多人就不愿意用了
最后放一张，Zapier 如何衡量不同岗位员工的 AI 熟练度，只是作为参照，不一定是标准答案，为了方便阅读，用ChatGPT转成了中文版
41 223
今天higgsfield的 draw-to-video非常惊艳，只需上传一张静态图，在上面绘制涂鸦、文字或箭头等元素，即可生成具有电影质感的视频画面，指哪儿打哪儿，一发布就直接爆了。
这个效果应该不是训练一个视频编辑模型，因为它可以基于minimax、veo3、seedance来生成的。
推测是把用户的涂鸦信息转为prompt，直接给视频模型生成，或者用该prompt生成尾帧，然后基于首尾帧来生成视频
其实Higgsfield不是首创了这种涂鸦交互，8月初Jaaz.app就支持在画布上，通过涂鸦、打字、箭头来指挥agent生图，原理就是把用户的涂鸦信息转为prompt，然后结合参考图生成对应的效果图。
更早的时候，3月在公司内 AI群里分享过GPT4O的涂鸦P图案例，是用户自发探索出来的能力。估计当时已经有创业公司在思考怎么把这种交互进行产品化，当时写了这篇文档《当大模型越来越像人，人和模型应该如何交互》ix5mo5od606.feishu.cn
刚刚在Twitter看到AI创作者Brett的一段话，很有感触，在此分享：
The best AI artists aren’t just good at prompting—they’re good at directing.
They know how to generate, filter, combine, and remix until something original emerges.
最出色的 AI 艺术家，不只是会写提示词，更擅长于‘导演’。
他们懂得如何生成、筛选、融合与重组，直到独一无二的作品浮现。
这个效果应该不是训练一个视频编辑模型，因为它可以基于minimax、veo3、seedance来生成的。
推测是把用户的涂鸦信息转为prompt，直接给视频模型生成，或者用该prompt生成尾帧，然后基于首尾帧来生成视频
其实Higgsfield不是首创了这种涂鸦交互，8月初Jaaz.app就支持在画布上，通过涂鸦、打字、箭头来指挥agent生图，原理就是把用户的涂鸦信息转为prompt，然后结合参考图生成对应的效果图。
更早的时候，3月在公司内 AI群里分享过GPT4O的涂鸦P图案例，是用户自发探索出来的能力。估计当时已经有创业公司在思考怎么把这种交互进行产品化，当时写了这篇文档《当大模型越来越像人，人和模型应该如何交互》ix5mo5od606.feishu.cn
刚刚在Twitter看到AI创作者Brett的一段话，很有感触，在此分享：
The best AI artists aren’t just good at prompting—they’re good at directing.
They know how to generate, filter, combine, and remix until something original emerges.
最出色的 AI 艺术家，不只是会写提示词，更擅长于‘导演’。
他们懂得如何生成、筛选、融合与重组，直到独一无二的作品浮现。
00:47
27 1510