今天在理解芯片制造里面的光刻机浸液系统原理，只说了'看不懂'和'不够清楚'，AI却给了我意想不到的解释方案，给Google大写一个🐮

AI投资分析，每天要处理好多敏感数据——尽调报告、LP资料、没公开的融资数据，这些东西根本不敢上传云端，怕泄密。用了Ollama才踏实：本地部署，数据全存在自己电脑/服务器，处理时不用连外网，平台也不会存记录。
部署特简单，5分钟装好，模型切换也快（Llama3、Qwen3这些主流的都能直接用），丢进去几十页报告，几秒就能抓重点。不用再纠结“要效率还是要安全”，处理敏感资料终于不用提心吊胆了。

✅5分钟上手攻略：今晚就能用，不用懂技术！
1. 搜“Ollama官网”：认准官方链接，下载安装包（1B的小模型，网速快两三分钟搞定下载）；
下载链接：ollama.com

2. 选模型别贪大：新手先装小模型（比如Qwen3-0.6B，手机都能跑），加载快还省内存；

模型选择界面链接：ollama.com

3. 直接丢敏感数据试：比如把你的工作周报丢进去让AI总结，然后再进一步自己提问更多想了解的细节。

欢迎大家有什么更好用的方法来交流啊～

今天我主要想推荐一下我最近读完的凯文·凯利的《未来一万天》，这本书对2049年做了展望。它其实帮我解决了一个困扰已久的问题。之前，我对未来一直感到焦虑和迷茫，总觉得看不到希望。比如，我会觉得现在年轻人的机会越来越少，工作岗位也在减少。大厂几乎可以用极少的人力完成大量工作，剩下的人很难有机会锻炼自己。大厂用很少的人创造出巨大的价值，那我们的价值到底在哪里呢？这一直让我很迷茫。
但凯文·凯利这本书给了我一个想象的空间。他讨论了未来中美关系可能的发展、社会的演变，以及AI会给各行各业带来的变化。对于我们个人来说，这些变化到底是利大于弊，还是弊大于利？比如，200年前，穿好衣服、吃美食可能只是富人的特权，甚至有厨师随时为他们做饭。但现在，互联网和商业化让餐馆无处不在，24小时都能以极低的成本点到自己想吃的外卖，幸福感大大提升。
那现在的富人又拥有什么呢？他们可能有私人医生、私人助理。比如看病时，有人能安慰你，提前帮你做健康管理和预防，而不是等到生病了才去医院治疗。
其实那个过程很痛苦，但如果有私人医生或助理，他们可以帮你提前进行预防和健康管理，甚至帮助你逐渐发现自己擅长的领域，找到人生的目标和意义，让你在工作中越来越有成就感，真正找到自己的价值。
我觉得，甚至还可以有AI助理帮你从繁琐的工作中解放出来，让你有更多时间休息，或者去做一些创新的事情。所以，凯文·凯利在书里是以一种非常积极、乐观的方式预测未来。
对年轻人来说，或者说对以前的我来说，我会强烈推荐这本书。它帮我拓宽了想象的边界，让我明白为什么要对未来保持信心。比如，中美之间的关系，他认为不太可能走向战争，更有可能在某些领域进行合作，实现共赢。

8.26国务院新政00后版本解读-

国家重点鼓励的AI“原生”，我理解的是希望你去探索真正能产生价值的地方（跨职业，尤其是那些过去看起来迁移门槛很高的职业），想象力空间巨大。比如，从产业上面（无人配送+自动烹饪工厂）可以解决24小时外卖选择的多样性+食品健康安全问题。

职业上，医生+自媒体博主（传递更多正确的健康观价值）

投资人+ AI全栈开发+自媒体（更快更高效的筛选出潜在团队，降级沟通成本，让对的团队可以更快找到对的投资人，提供资源快速创新）。

帮朋友生成美妆盲盒彩蛋概念店的效果图，Google 刚出的Nano Banana多轮对话图像生成确实惊艳，它主要通过评估文本生成效果的指标间接来评估生成的图片效果，极大的提升了面对一些抽象指令的理解，让AI模型能够在和人类共创的时候，常常给出超出你预期的一些东西，这引发了我的一个思考，是否精准的提示词在创作领域是不是只是一个短期过渡呢？相反是这种多轮对话式甚至有时候有些抽象看起来不靠谱的的指令才更有可能引导和激发用户的创新力？

8.27思考:如何在AI信息分发时代保持自己的稀缺性？

如果你问我，下一代信息平台会颠覆什么？我最近有个强烈的感受——它可能会彻底改变我们“找人聊”的方式。

先说说我们现在的困境：你真的在“获取”知识吗？你有没有发现，现在想找个靠谱的“导师”太难了？国内有些平台（比如Get笔记）已经在做知识整理，能调用大咖的思考、书籍，但有个绕不开的问题：AI一“超纲”就开始“瞎聊”，更要命的是——它根本不记得你。上次你说你纠结职业选择，下次再聊，它可能连你是做什么的都忘了。这就像你对着一本会说话的百科全书提问，它懂很多，但永远走不进你的具体生活。

直到我看到Delphi：原来“数字大脑”可以这么“懂你”。美国那个叫Delphi的平台，最近让我有点“颠覆认知”。它不是简单的AI聊天，而是把真实大咖的智慧“拆成了可互动的场景”——你能想象吗？Lenny（Airbnb产品经理+AI头部博主）、甚至比尔盖茨的“数字分身”都可以在上面，并且是需要经过本人认证过的内容和范围才可以回答。举个例子：如果你想请教Elon Musk怎么平衡创业和家庭，平台会调出他在SpaceX时期的管理笔记、公开访谈里的细节，甚至标注出“这是他2018年在TED提到的时间管理法”。最关键的是，它会记住你的问题——你上周问“怎么说服投资人”，这周再聊“团队管理”，它会说：“上次你提到团队执行力问题，Elon在处理SpaceX早期员工冲突时，用过一个‘极端透明’原则，你要不要听听？”

这才是核心：它不是给你“灌输知识”，而是帮你“对接经验”。它到底解决了什么“真问题”？你有没有过这种体验：看完一本大咖自传，当时热血沸腾，过一周就只记得“他很厉害”？因为知识传递有个死结：输入易，连接难；记住易，用出难。你缺的不是“书里的道理”，而是“针对你的具体场景”——比如“我现在30岁想转行，Naval会怎么劝我？”你缺的不是 “单向听课”，而是“即时反馈”——问完问题，能得到 “你这个想法忽略了XX风险，Elon在创办PayPal时踩过类似的坑……”

Delphi把这件事做通了！它把大咖经验拆成无数个“场景化模块”，你不用啃完所有传记就能直接问“针对性问题”，而且AI会尽量“不说瞎话”——标注清楚“这是本人公开资料”还是“AI推测”，大大降低幻觉概率！

对普通人来说，这意味着什么？简单说三个字：找对人，聊对事。
如果你是粉丝：不用等偶像的直播、不用抢见面会门票，直接问“你怎么看待XX”，就能获得基于他真实经历的反馈。
如果你是学习者：不再是死记硬背知识点，而是让“数字导师”陪你走每一步，帮你把知识变成自己的经验。

未来的学习，可能就是这样：不是“学会多少”，而是“用得多深”。

我觉得这个确实不是一个纯粹单选题两者确实都可以存在，buff对人类能力的增强会给人带来价值感和成就感，但是直接交付结果我个人觉得是适合大部份人且符合人性的，但是当很多工作都可以直接被交付，而人类不在是被当成生产要素和工具的核心的时候，怎么解决不同人之间的交互的幸福感和人和机器之间交互的幸福感哪个更先突破和大众认知更普及哪个更有前景。

#AI工作流

6.12随笔:AI越“靠谱”，我们越要“不靠谱”

互联网时代，我们追求的是信息平权，希望看到更多、知道更多。但现在，AI正在把这件事推向一个新高度——认知平权。

最近每天坚持用过像Particle News这样的生成式信息分发工具，发现AI能帮你用“5W分析法”（谁、在说什么、为什么、在哪里、何时）迅速梳理任何复杂信息，甚至能用“五岁小孩都能懂”的方式解释抽象概念。当AI能把所有结构化的知识和逻辑都“嚼碎”了喂给我们时，一个新问题诞生了：如果“懂了”变得如此廉价，我们普通人真正的价值护城河，到底是什么？我的答案可能有点反常识：恰恰是我们身上那些AI学不会的“不靠谱”。

一、为什么AI的“靠谱”，反而会成为陷阱？这个想法，来自于我一次失败的尝试：用AI来做内容摘要。我本以为，AI这个“靠谱”的工具，能帮我高效获取信息。但结果恰恰相反，我发现AI摘要有两个致命缺陷：
第一，它不懂我真正关心什么。 一篇Anthropic CTO的访谈，我作为AI产品经理，想看的是应用落地和背后的机会，但AI只会给我一份不偏不倚、毫无重点的“客观”总结。

第二，它会过滤掉真正的价值。 真正能启发我的，往往是那些“不靠谱”的细节。比如李飞飞提到的关于二维进阶三维的和物理世界交互的那些数据例子。这些充满人性想象的、能真正触动我的“顿悟时刻”，在AI的“靠谱”总结里，全都被丢掉了。

这次失败让我彻底明白：AI的“靠谱”，只能处理结构化的信息，但我们真正的成长，来源于那些非结构化的、充满偶然性的“不靠谱”的启发