做输入和输出占用的带宽差异很大：干活写文档的时候，可以随便听说唱；读书的时候，只能听纯旋律。

最近学了CodeSignal上的Prompt课程，完全免费，唯一的限制是每天只有5次练习机会，但这个限制对我来说反而没了焦虑，最终把所有练习都做完了。对我来说收获如下：

- prompt engineering的目的是“让大模型的输出变得可控”，这个定义对我来说是全新的。可控包括：①同一模型多次运行，输出接近 ②输出内容符合使用者要求 ③不同模型，输出接近（③是我自己加的，逻辑类似于“天赋”和“努力”，先努力到位，对天赋的评估才更靠谱）。

- 基础格式：ASK指令（写个文档），CONTEXT设定（开会和老板用），CONSTRAINTS要求（遵循美团文档规范），EXAMPLE示例（可以参考这个文档）。也可以增加REQUIREMENTS之类的板块，按需调整。

- 脑暴类问题，可以同一问题问多次，然后安排一个评估agent做横评。

- 文案/格式文本类问题，尝试多给案例，并约束输出格式。案例可以来自其他文档，也可以来自自己prompt的多次尝试。

- 计算类问题，用TOC方式让模型think step-by step给出思路，同时用backtracking方式验证答案、避免乱说。

课程链接：learn.codesignal.com

一个很值得产品经理思考的思想实验：拼多多的商家后台有一个一级目录叫做“流量运营”，你认为这个入口下会包含哪些功能/模块？

交易型（而非内容型）产品经理做改进类（而非创新类）的需求时，如果把AB实验结果当成不容易质疑的结论，是非常危险的。
有两个非常容易被忽略的理由供参考：

※ 用户的喜新厌旧，会放大短期收益。
大部分项目是等不到（PM看到趋势后也不想等）足够长的、让数据回归到“新功能buff”退水的实验时长的。互联网早期还有个理论是“运营关注短期价值，产品关注长期价值”，是真的吗？

※ 考虑AB组之间的互相影响，收益需要打折扣。
交易型产品一般涉及双边。假设实验是用户侧实验，实验让用户更多地选择了A组的商家，那么哪怕用户总需求没变、只是2.5%的B组用户迁移到了A组，那么AB实验的结果也会是相对提升了5%。也就是说，0%的收益可以非常体面地变成5%。

生命力≈好奇心

🎥#近期剧影游 最近的惊喜来自​《辐射S1》《洛基S2》，也终于玩完了体量惊人的《博德之门3》。小图可能有微剧透，提前免责[旺柴]

判断文档质量有一个非常简单的标准：如果不做任何调研、没有任何行业认知，这个文档是否能被写出来。
有不少文档里看起来把问题拆解成了好几层，每一层都有对应的策略，可能还附有泳道图、房子图，但内核其实和“一个出租车司机觉得自己可以帮阿里巴巴做战略规划”是一样的。

稍微观察下身边的有钱人，总会发现“怎么连他这样的人也能很有钱”的特质，这只有两种可能：
1. 这个让人讨厌的特质，不影响一个人能否赚钱，他赚钱另有原因。
2. 正是这个让人讨厌的特质，让他赚到了钱。

无论如何，“嗤之以鼻”都是个完全无用的情绪。

分享一句来自老师的观察，每一个身为父母的人都值得警醒：当你面对问题孩子的时候，要知道你面对的是他们家庭中，问题最不严重的人。

最近因为组织调整，周边协作团队总在问我项目和人员会不会有变化，我统一的答复是：在有变化之前，一切保持不变。