即刻App年轻人的同好社区
下载
周五看完F1大电影到现在，已经循环OST两天了，这电影真的如网友评论的有一种“经济上行的美”，让人梦回好莱坞黄金时代，连配乐也是如此。
剧情方面，其实节奏非常好，有好多车迷一开始说太抓马脱离现实，我看完只感觉编剧应该是听完过去几十年的F1历史里台面上下的抓马剧情，迫不及待地浓缩到了一部两个多小时的电影里🤣
甚至还当了一波预言家...
实话说，这片子比真实F1比赛的观赛体验还要好，懂得都懂🤣
最后在沙漠里飞车的结尾我真的太喜欢了，灯光亮起，我却还是不舍得离开一个自由的梦。
布拉德皮特主要用颜值和身材起到一个让50岁老年车手的龙傲天+万人迷人设合理化的作用
这片子快下映了，没在IMAX的荧幕上看过绝对是一种遗憾
剧情方面，其实节奏非常好，有好多车迷一开始说太抓马脱离现实，我看完只感觉编剧应该是听完过去几十年的F1历史里台面上下的抓马剧情，迫不及待地浓缩到了一部两个多小时的电影里🤣
甚至还当了一波预言家...
实话说，这片子比真实F1比赛的观赛体验还要好，懂得都懂🤣
最后在沙漠里飞车的结尾我真的太喜欢了，灯光亮起，我却还是不舍得离开一个自由的梦。
布拉德皮特主要用颜值和身材起到一个让50岁老年车手的龙傲天+万人迷人设合理化的作用
这片子快下映了，没在IMAX的荧幕上看过绝对是一种遗憾
3 32
最近经历了一些幺蛾子，最强烈的感受就是
越无知的人越敢胡言乱语
而这又分两种情况：
1️⃣ta甚至意识不到自己的无知
1️⃣ta其实也知道自己在瞎说，但他在赌他的输出对象更无知；而他的无知让他对“未知”的部分没有任何敬畏。
越无知的人越敢胡言乱语
而这又分两种情况：
1️⃣ta甚至意识不到自己的无知
1️⃣ta其实也知道自己在瞎说，但他在赌他的输出对象更无知；而他的无知让他对“未知”的部分没有任何敬畏。
13 01
太久没整理阅读清单了，攒了一坨，放即刻感觉有点长，完整版放newsletter了
## 最近看过的一些报告：
[Stanford: 2025 AI Index Report](hai.stanford.edu)
[McKinsey：The State of AI Report](www.mckinsey.com)
[Mary Meeker’s AI Trends Report](www.bondcap.com)
[Iconiq’s State of AI 2025 Report](www.iconiqcapital.com)
[Box：State of AI in the Enterprise report](www.box.com)
[A16z：How 100 Enterprise CIOs Are Building and Buying Gen AI in 2025](a16z.com)
[A16z：Insight for Enterprise AI Builder]
a16z.com
## 最近看过的一些综述和论文：
- A Survey of LLM-Driven AI Agent Communication: Protocols, Security Risks, and Defense Countermeasures
- LLM 驱动型 AI 代理通信调查：协议、安全风险与防御对策
- arxiv.org
- Survey on Evaluation of LLM-based Agents
- 调查基于 LLM 的智能体评估
- arxiv.org
- Large Language Models for Information Retrieval: A Survey
- 大型语言模型的信息检索：综述
- arxiv.org
- Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task
-你正在变得离不开LLM了？当心太过依赖LLM对大脑带来的认知债务。
- arxiv.org
最近看过信息量最大的几期播客：
youtu.be
## 最近看过的一些报告：
[Stanford: 2025 AI Index Report](hai.stanford.edu)
[McKinsey：The State of AI Report](www.mckinsey.com)
[Mary Meeker’s AI Trends Report](www.bondcap.com)
[Iconiq’s State of AI 2025 Report](www.iconiqcapital.com)
[Box：State of AI in the Enterprise report](www.box.com)
[A16z：How 100 Enterprise CIOs Are Building and Buying Gen AI in 2025](a16z.com)
[A16z：Insight for Enterprise AI Builder]
a16z.com
## 最近看过的一些综述和论文：
- A Survey of LLM-Driven AI Agent Communication: Protocols, Security Risks, and Defense Countermeasures
- LLM 驱动型 AI 代理通信调查：协议、安全风险与防御对策
- arxiv.org
- Survey on Evaluation of LLM-based Agents
- 调查基于 LLM 的智能体评估
- arxiv.org
- Large Language Models for Information Retrieval: A Survey
- 大型语言模型的信息检索：综述
- arxiv.org
- Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task
-你正在变得离不开LLM了？当心太过依赖LLM对大脑带来的认知债务。
- arxiv.org
最近看过信息量最大的几期播客：
youtu.be
https://ramblingai.substack.com/p/one-week-later-w2-and-3?r=5dyx4k
7 04
游戏一直是我最重要的解压方式之一（看小说是另一个）
最近处于对精力和脑力甚至价值观都非常挑战的工作高压中，感谢以下游戏给我带来的疗愈效果：
1️⃣送快递，在末日世界当街溜子，一个快递送一年也没人催天天在路上碰瓷老乡收集宝可梦
2️⃣学魔法，在魔法学校骑扫把当街溜子，没有kpi没有客户天天翘课撸猫看风景
3️⃣狂飙2077，在赛博世界开超跑当街溜子，跟好兄弟一起炸资本大楼
（开放世界圆每人一个当街溜子的梦）
感谢游戏！没有游戏我可怎么活啊🥹
最近处于对精力和脑力甚至价值观都非常挑战的工作高压中，感谢以下游戏给我带来的疗愈效果：
1️⃣送快递，在末日世界当街溜子，一个快递送一年也没人催天天在路上碰瓷老乡收集宝可梦
2️⃣学魔法，在魔法学校骑扫把当街溜子，没有kpi没有客户天天翘课撸猫看风景
3️⃣狂飙2077，在赛博世界开超跑当街溜子，跟好兄弟一起炸资本大楼
（开放世界圆每人一个当街溜子的梦）
感谢游戏！没有游戏我可怎么活啊🥹
8 10
给谷歌充的钱没白充🥹普惠大众了
歸藏: 免费的 Gemini 2.5 Pro API 额度现在又恢复了，又可以愉快白嫖了
5 30
这两天看到很多自媒体也在转发这篇论文，并起了个标题认为在“红灯区”发力是一种资源错配。
我的观点完全相反，这篇论文的数据其实表明了2点：
1️⃣AI的发展和取代人类势不可挡、并且不以大多数群众的意志为转移。
为什么有这么多的AI场景落在红灯区？原因非常好理解：因为投资建设AI的人更关注“ROI”、而不是员工愿不愿意。而红灯区的场景可能在理论上更容易取得更高ROI。
2️⃣高薪员工被替代或是技能贬值的风险其实更高。
同样是替代人工，对企业来说替代1个月薪3w的员工和替代10个月薪3000的员工有什么区别？（甚至后者更容易造成更高失业率，并不是一种对社会有责任心的表现🤣）如果两者都能替代10个呢？
月薪3w的员工，其工作有极大概率依赖知识、经验在软件世界中完成，这对于智能已经达到一定水平、但却还未能深度影响物理世界的AI来说其实更容易。
月薪3000的员工，却可能还要负责帮你倒垃圾、取快递、或者是把纸质发票贴到A4纸上...
AI导致失业其实是个不可能回避的话题，不管是直接用AI的自动化替代人力、还是重塑业务流程或商业模式导致岗位直接消失，AI在未来影响都远比现在各AI大厂公开宣扬的要大且广泛的多。
我的观点完全相反，这篇论文的数据其实表明了2点：
1️⃣AI的发展和取代人类势不可挡、并且不以大多数群众的意志为转移。
为什么有这么多的AI场景落在红灯区？原因非常好理解：因为投资建设AI的人更关注“ROI”、而不是员工愿不愿意。而红灯区的场景可能在理论上更容易取得更高ROI。
2️⃣高薪员工被替代或是技能贬值的风险其实更高。
同样是替代人工，对企业来说替代1个月薪3w的员工和替代10个月薪3000的员工有什么区别？（甚至后者更容易造成更高失业率，并不是一种对社会有责任心的表现🤣）如果两者都能替代10个呢？
月薪3w的员工，其工作有极大概率依赖知识、经验在软件世界中完成，这对于智能已经达到一定水平、但却还未能深度影响物理世界的AI来说其实更容易。
月薪3000的员工，却可能还要负责帮你倒垃圾、取快递、或者是把纸质发票贴到A4纸上...
AI导致失业其实是个不可能回避的话题，不管是直接用AI的自动化替代人力、还是重塑业务流程或商业模式导致岗位直接消失，AI在未来影响都远比现在各AI大厂公开宣扬的要大且广泛的多。
Roxane: 记录下最近读到的斯坦福的一篇论文： 《AI智能体在未来工作中的应用：对美国劳动力自动化和增强潜力的审计》 论文引入一个全新框架Workbank，用于系统地了解美国劳动力中，哪些工作内容是员工希望AI智能体实现自动化或增强的，以及这些期望与当前技术能力的一致性。 框架基于调研收集了包含1,500名工人对104个职业844项任务的偏好，以及52位AI专家的评估，对于选择AI落地场景和创业都有一定参考价值。 几个数据： 1️⃣在文中，45.2%的工作者将H3（平等伙伴关系）作为期望的主导人类代理度级别。 “腾出时间进行高价值工作”是积极支持AI参与工作的人中占比最高的动机（69.38%） 2️⃣文中结合对AI自动化的能力和意愿将大量场景分为四个象限，其中绿灯区（高能力高意愿）主要是一些高重复性、低价值的任务比如质检、报税、整理文档和报告等。红灯区（高能力低意愿）则是一些创作类和高价值认同的工作比如IT技术支持、供应链分析等。 （有趣的是：很多红灯区的任务其实都属于目前比较火热或企业非常关心的AI方向） 3️⃣文中基于24年平均工资和AI参与度的水平对比了一些重点岗位，有一些过去高价值的工作很明显正在被AI取代，首当其中的就是数据分析...
5 30
记录下最近读到的斯坦福的一篇论文：
《AI智能体在未来工作中的应用：对美国劳动力自动化和增强潜力的审计》
论文引入一个全新框架Workbank，用于系统地了解美国劳动力中，哪些工作内容是员工希望AI智能体实现自动化或增强的，以及这些期望与当前技术能力的一致性。
框架基于调研收集了包含1,500名工人对104个职业844项任务的偏好，以及52位AI专家的评估，对于选择AI落地场景和创业都有一定参考价值。
几个数据：
1️⃣在文中，45.2%的工作者将H3（平等伙伴关系）作为期望的主导人类代理度级别。
“腾出时间进行高价值工作”是积极支持AI参与工作的人中占比最高的动机（69.38%）
2️⃣文中结合对AI自动化的能力和意愿将大量场景分为四个象限，其中绿灯区（高能力高意愿）主要是一些高重复性、低价值的任务比如质检、报税、整理文档和报告等。红灯区（高能力低意愿）则是一些创作类和高价值认同的工作比如IT技术支持、供应链分析等。
（有趣的是：很多红灯区的任务其实都属于目前比较火热或企业非常关心的AI方向）
3️⃣文中基于24年平均工资和AI参与度的水平对比了一些重点岗位，有一些过去高价值的工作很明显正在被AI取代，首当其中的就是数据分析...
《AI智能体在未来工作中的应用：对美国劳动力自动化和增强潜力的审计》
论文引入一个全新框架Workbank，用于系统地了解美国劳动力中，哪些工作内容是员工希望AI智能体实现自动化或增强的，以及这些期望与当前技术能力的一致性。
框架基于调研收集了包含1,500名工人对104个职业844项任务的偏好，以及52位AI专家的评估，对于选择AI落地场景和创业都有一定参考价值。
几个数据：
1️⃣在文中，45.2%的工作者将H3（平等伙伴关系）作为期望的主导人类代理度级别。
“腾出时间进行高价值工作”是积极支持AI参与工作的人中占比最高的动机（69.38%）
2️⃣文中结合对AI自动化的能力和意愿将大量场景分为四个象限，其中绿灯区（高能力高意愿）主要是一些高重复性、低价值的任务比如质检、报税、整理文档和报告等。红灯区（高能力低意愿）则是一些创作类和高价值认同的工作比如IT技术支持、供应链分析等。
（有趣的是：很多红灯区的任务其实都属于目前比较火热或企业非常关心的AI方向）
3️⃣文中基于24年平均工资和AI参与度的水平对比了一些重点岗位，有一些过去高价值的工作很明显正在被AI取代，首当其中的就是数据分析...
9 12
昨天在差评刷到这篇推文，一下子就被这个app打动了，还安利给了朋友（安卓用户敲碗ing）
gzh的评论区有个网友说得挺对的：也许当初进了大厂，也没机会做出让自己满意的产品；从某种程度上来说这未尝不是一种幸运呢。
无论如何，No Feed是一个好产品，而好作品就是最好的名片。祝好🫰
gzh的评论区有个网友说得挺对的：也许当初进了大厂，也没机会做出让自己满意的产品；从某种程度上来说这未尝不是一种幸运呢。
无论如何，No Feed是一个好产品，而好作品就是最好的名片。祝好🫰
菠萝的胃: 似乎是个很好的时机回顾过去一年以来找工作的这段经历。 毕业进大厂好像成了下一件你不知道为什么但是好像就是必须要做的事情。你已经十年寒窗苦读进了一所看起来不错学校读本科，以不错的成绩毕业又进了一所似乎更棒一点的学校读研究生，于是你理所应当要接着走那条已经被无数人验证过的看起来安全舒适光鲜亮丽的道路继续走下去。 你不知道这个世界上还有什么别的选择。 从24年春天开始找暑期实习开始，你终于认真写了人生中的第一份简历。一张薄薄的A4纸上密密麻麻的挤满了你东拼西凑出来的可以被视作「有用」的东西。可是你知道这张纸无法说明哪怕1%的真实的你。 大部分的面试都很糟糕，你也讲不清楚究竟是为什么。可能是你并不buy in 那套学来的可以让你通过面试的套话和法则，也或者你真的思考不够复盘不够逻辑不通没有产品sense就像他们告诉你的那样。 但你还是很幸运地遇到了赏识你的老师，得到了很好的机会进了大厂实习。在那里你认识的都是特别棒的朋友和老师，你从他们身上学到好多，受到很多帮助。可不知为什么你就是感到自己像是棵硬拧成了螺丝钉形状的野草，在钢筋混凝土的密闭大楼里日益枯萎。 你躺在逼仄的出租屋床上呆呆的望着天花板逼问自己这一切究竟有什么意义。 这痛苦的一切最终以千辛万苦拿到那一纸offer收尾。而你只是松了一口气，甚至不知道自己应该是开心这一切终于结束了，还是为自己拿到新一轮痛苦生活的门票而感到难过。 开始做NoFeed之后，你才终于感到自己一点点活了过来。 漫天的思绪终于像云一样重新飘回了你的脑袋上空。 如果可能的话，继续做野草吧，继续在大雨中被冲刷，继续在烈日下被暴晒。
5 10
#AI阅读清单分享-Week2
本周的阅读量不大，工作有点忙。
优化了一下阅读清单的分类体系，方便阅读和分享。
#商业视角
1️⃣关于AI时代B2B软件定价趋势的分析：
www.growthunhinged.com
🐎个人认为，作者对比分析的一些产品其实属于几类不同市场，并不都适合放在一起讨论；但整个文章仍然质量非常高，图画的也很好看。
一篇适合扩展阅读的付费文章：www.thevccorner.com
2️⃣我曾推荐过的一篇A16z在23年发布的文章，探讨AI到底应该如何在b2b市场中发挥作用。文章中有一些观点随着技术发展需要重新看待，但我觉得这几个对谬误的讨论仍然重要：
❌“更多即是更好”： 认为AI生成的内容越多、越长，就越有价值或越能体现生产力——在B2B环境中，这与事实恰恰相反。生成内容质量不稳定会增加工作流中的额外步骤和修正需求，反而拉低效率。
❌“AI技术的先进性是核心竞争力”： 人们常误以为AI技术的先进性本身是B2B竞争的最终目标或获胜关键，而非其**如何实际赋能业务**工作流。
💡另外，文中还提到一个值得关注的问题——关于信息过滤的风险： AI在“收敛”信息时，可能会无意中过滤掉某些关键的、但非主流或难以识别的“噪音”，从而影响决策的全面性。（这其实也是我在用AI总结和阅读的时候最担心的问题。基于LLM的注意力机制，这也许在特定场景中会是个非常严重的问题。）
3️⃣这篇关于Chatbase的深度分析，非常推荐创业路上的人阅读。除了一些可借鉴的成功经验外，还有很多关于创业的思考。我非常喜欢其中的一句话：“创业不仅是为了赚钱，还是为了证明一种可能性，证明在这个充满炒作和快钱诱惑的时代，仍然可以通过专注于产品价值和客户需求来建立一家伟大的公司。”
mp.weixin.qq.com
#技术观察
1️⃣一个RAG的竞赛获奖方案，包括github代码，适合学习mp.weixin.qq.com
2️⃣《 The Real Cost of Open-Source LLMs - They're not free, they just move the bill.》一篇文章介绍企业自部署开源模型可能需要花费的各种成本。substack.com
3️⃣meta工程师的一个访谈，介绍了关于提示工程、RAG、微调、和评估四大技术的实际应用。本文前段时间已经在即刻推荐过，再收录一下。web.okjike.com
4️⃣llamaindex官方关于Agentic RAG的技术博客：
www.llamaindex.ai
#实战案例
1️⃣介绍作者如何在AI的帮助下，在7周内成功推出了16期全球播客《Kids Chatterbox》mediaandthemachine.substack.com
#产品视角
1️⃣Deeplearning的文章：吴恩达关于如何决定哪些用例值得开发的观点。
www.deeplearning.ai
（btw，我建了一个substacks专栏，方便存放和分享整理、排版后更易于阅读的笔记，欢迎订阅✌️：ramblingai.substack.com）
本周的阅读量不大，工作有点忙。
优化了一下阅读清单的分类体系，方便阅读和分享。
#商业视角
1️⃣关于AI时代B2B软件定价趋势的分析：
www.growthunhinged.com
🐎个人认为，作者对比分析的一些产品其实属于几类不同市场，并不都适合放在一起讨论；但整个文章仍然质量非常高，图画的也很好看。
一篇适合扩展阅读的付费文章：www.thevccorner.com
2️⃣我曾推荐过的一篇A16z在23年发布的文章，探讨AI到底应该如何在b2b市场中发挥作用。文章中有一些观点随着技术发展需要重新看待，但我觉得这几个对谬误的讨论仍然重要：
❌“更多即是更好”： 认为AI生成的内容越多、越长，就越有价值或越能体现生产力——在B2B环境中，这与事实恰恰相反。生成内容质量不稳定会增加工作流中的额外步骤和修正需求，反而拉低效率。
❌“AI技术的先进性是核心竞争力”： 人们常误以为AI技术的先进性本身是B2B竞争的最终目标或获胜关键，而非其**如何实际赋能业务**工作流。
💡另外，文中还提到一个值得关注的问题——关于信息过滤的风险： AI在“收敛”信息时，可能会无意中过滤掉某些关键的、但非主流或难以识别的“噪音”，从而影响决策的全面性。（这其实也是我在用AI总结和阅读的时候最担心的问题。基于LLM的注意力机制，这也许在特定场景中会是个非常严重的问题。）
3️⃣这篇关于Chatbase的深度分析，非常推荐创业路上的人阅读。除了一些可借鉴的成功经验外，还有很多关于创业的思考。我非常喜欢其中的一句话：“创业不仅是为了赚钱，还是为了证明一种可能性，证明在这个充满炒作和快钱诱惑的时代，仍然可以通过专注于产品价值和客户需求来建立一家伟大的公司。”
mp.weixin.qq.com
#技术观察
1️⃣一个RAG的竞赛获奖方案，包括github代码，适合学习mp.weixin.qq.com
2️⃣《 The Real Cost of Open-Source LLMs - They're not free, they just move the bill.》一篇文章介绍企业自部署开源模型可能需要花费的各种成本。substack.com
3️⃣meta工程师的一个访谈，介绍了关于提示工程、RAG、微调、和评估四大技术的实际应用。本文前段时间已经在即刻推荐过，再收录一下。web.okjike.com
4️⃣llamaindex官方关于Agentic RAG的技术博客：
www.llamaindex.ai
#实战案例
1️⃣介绍作者如何在AI的帮助下，在7周内成功推出了16期全球播客《Kids Chatterbox》mediaandthemachine.substack.com
#产品视角
1️⃣Deeplearning的文章：吴恩达关于如何决定哪些用例值得开发的观点。
www.deeplearning.ai
（btw，我建了一个substacks专栏，方便存放和分享整理、排版后更易于阅读的笔记，欢迎订阅✌️：ramblingai.substack.com）
16 011