#产品知识库
掌握以下这些设计原则，先不说能不能设计出好的作品，至少审美水平一定是可以提高的！
亲密性
将相关的元素组织在一起，使他们看起来是一个组，而非散乱彼此无关。
视觉有序性
要让读者的视觉路径是有序的，有明确的起点和终点，而非来回横跳，没有起始的。
对齐
让元素之间通过某种方式对齐，形成一条隐形的线，另外，左对齐和右对齐比居中对齐更好用，因为它们能够形成一条更硬的线，看起来效果更明显，一个页面最好只用一只对齐方式。
当然，在整体遵循对齐原则的基础上，可以通过某些元素打破对齐，从而达到刺激眼球的效果，但是既然打破就不会畏畏缩缩，要打破得足够彻底，如果只是稍微偏离一些，就会让人感觉像是错误。
重复
设计的某些方面需要在整个作品中重复。重复元素可能是一种粗字体、一条粗线、某个项目符号、颜色、设计要素、某种格式、空间关系等。读者能看到的任何方面都可以作为重复元素。视觉的重复可以让作品的各部分连接在一起，从而达到风格的统一，而不是彼此孤立。
对比
对比是为页面增加视觉效果的最有效的途径，也是在不同元素之间建立一种有组织的层次结构最有效方法。要记住一个重要规则：要想实现有效的对比，对比就必须强烈。千万不要畏畏缩缩。如果对比不够强烈，就会变成冲突，看起来非常难受，比如白色和浅灰色，让人感觉是失误导致的。
创建中心点
在页面上放一个很大、有趣而且明显的东西。如果能让读者的视线停在这个中心点上，他们往往更有可能阅读其余的文本。
留白
留白比密密麻麻铺满元素更能够吸引眼球驻足。留白也是对比的一种方式，在非常拥挤的页面上突然留下一些白，就能够让这个地方脱颖而出，吸引读者的注意。
掌握以下这些设计原则，先不说能不能设计出好的作品，至少审美水平一定是可以提高的！
亲密性
将相关的元素组织在一起，使他们看起来是一个组，而非散乱彼此无关。
视觉有序性
要让读者的视觉路径是有序的，有明确的起点和终点，而非来回横跳，没有起始的。
对齐
让元素之间通过某种方式对齐，形成一条隐形的线，另外，左对齐和右对齐比居中对齐更好用，因为它们能够形成一条更硬的线，看起来效果更明显，一个页面最好只用一只对齐方式。
当然，在整体遵循对齐原则的基础上，可以通过某些元素打破对齐，从而达到刺激眼球的效果，但是既然打破就不会畏畏缩缩，要打破得足够彻底，如果只是稍微偏离一些，就会让人感觉像是错误。
重复
设计的某些方面需要在整个作品中重复。重复元素可能是一种粗字体、一条粗线、某个项目符号、颜色、设计要素、某种格式、空间关系等。读者能看到的任何方面都可以作为重复元素。视觉的重复可以让作品的各部分连接在一起，从而达到风格的统一，而不是彼此孤立。
对比
对比是为页面增加视觉效果的最有效的途径，也是在不同元素之间建立一种有组织的层次结构最有效方法。要记住一个重要规则：要想实现有效的对比，对比就必须强烈。千万不要畏畏缩缩。如果对比不够强烈，就会变成冲突，看起来非常难受，比如白色和浅灰色，让人感觉是失误导致的。
创建中心点
在页面上放一个很大、有趣而且明显的东西。如果能让读者的视线停在这个中心点上，他们往往更有可能阅读其余的文本。
留白
留白比密密麻麻铺满元素更能够吸引眼球驻足。留白也是对比的一种方式，在非常拥挤的页面上突然留下一些白，就能够让这个地方脱颖而出，吸引读者的注意。
👍3❤1
#产品知识库
最近再次开始沉迷多邻国，他们真的挺有意思
1.通知发送策略
根据 CEO 在 TED 的演讲分享，有几个亮点：
1）连续签到的展示
有超过100万的日活用户连续签到天数在365天以上，连续签到最久的是日本人
2）通知发送时机：
- 如果连续 7 天忽视通知，第 7 天会发一个通知告知之后不会再发送，第 7 天反而会有更多的用户打开
- 通知的最佳发送时间是在上一次使用后的 24 小时。因为前一天有空，今天同样的时间也大概率有空
另外，还有个有意思的点是连胜 30 天会解锁隐藏图标。对于这里，个人觉得最大的作用是，当你在 30 天之后，某天没有如期打卡，通知里的应用图标是橙色的，会更显眼更 emergency 的感觉
2.情绪的传递设计 - 小组件 “你完全不学是吗”
通过文案+组件人物的状态传递情绪，安装小组件的学习者中有一半至少维持了六个月的连续学习记录
他们写的一个设计思路挺有意思的：https://blog.duolingo.com/widget-feature/
3.分级排行榜
学习意愿↑-》每天打卡↑-》进入高等级分组排行榜-》分组互卷
更会每天打卡，因为排行榜前 7 位才能到下一个等级。越到后面越卷
促进卷的手段也很明确：
每个单元结束，经验+80，远高于日常小单元。并且还能获得 15min 经验值 double的 buff。这个使用时长又上来了
ps：他们有web 版是我没想到的，EDM 的链接是跳转到web
最近再次开始沉迷多邻国，他们真的挺有意思
1.通知发送策略
根据 CEO 在 TED 的演讲分享，有几个亮点：
1）连续签到的展示
有超过100万的日活用户连续签到天数在365天以上，连续签到最久的是日本人
2）通知发送时机：
- 如果连续 7 天忽视通知，第 7 天会发一个通知告知之后不会再发送，第 7 天反而会有更多的用户打开
- 通知的最佳发送时间是在上一次使用后的 24 小时。因为前一天有空，今天同样的时间也大概率有空
另外，还有个有意思的点是连胜 30 天会解锁隐藏图标。对于这里，个人觉得最大的作用是，当你在 30 天之后，某天没有如期打卡，通知里的应用图标是橙色的，会更显眼更 emergency 的感觉
2.情绪的传递设计 - 小组件 “你完全不学是吗”
通过文案+组件人物的状态传递情绪，安装小组件的学习者中有一半至少维持了六个月的连续学习记录
他们写的一个设计思路挺有意思的：https://blog.duolingo.com/widget-feature/
3.分级排行榜
学习意愿↑-》每天打卡↑-》进入高等级分组排行榜-》分组互卷
更会每天打卡，因为排行榜前 7 位才能到下一个等级。越到后面越卷
促进卷的手段也很明确：
每个单元结束，经验+80，远高于日常小单元。并且还能获得 15min 经验值 double的 buff。这个使用时长又上来了
ps：他们有web 版是我没想到的，EDM 的链接是跳转到web
👍9
#程序员
@Airyland 真的格局很大，把 https://GPTsHunter.com 的 GPTs 数据共享出来，于是出现了 https://GPTsToday.com https://GPTs.works 等优秀的网站。
@Airyland 真的格局很大，把 https://GPTsHunter.com 的 GPTs 数据共享出来，于是出现了 https://GPTsToday.com https://GPTs.works 等优秀的网站。
#程序员
《如何阅读一篇论文》，https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf，看到 Srinivasan Keshav 教授在很多年前就写了一篇文献，给研究人员和论文审稿人提出了一些建议，也是“三遍法”，更为系统和详细：
1）5~10min，鸟瞰纸张，回答五个问题：类别/上下文/正确性/贡献点/明晰性
2）最多 1h，看图表和参考文献，确认准确性，事实依据是否充分；善用划词评论，跟论文作者对话
3）初学者 5h，老手 1h，假设自己是创作者，以同样的命题重新实现论文，对比本篇论文的创新性，审视细节、挑战内容
也有人说还有第 0 步，那就是上社交媒体看看，有多少人赞同/不赞同这篇论文🐶
《如何阅读一篇论文》，https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf，看到 Srinivasan Keshav 教授在很多年前就写了一篇文献，给研究人员和论文审稿人提出了一些建议，也是“三遍法”，更为系统和详细：
1）5~10min，鸟瞰纸张，回答五个问题：类别/上下文/正确性/贡献点/明晰性
2）最多 1h，看图表和参考文献，确认准确性，事实依据是否充分；善用划词评论，跟论文作者对话
3）初学者 5h，老手 1h，假设自己是创作者，以同样的命题重新实现论文，对比本篇论文的创新性，审视细节、挑战内容
也有人说还有第 0 步，那就是上社交媒体看看，有多少人赞同/不赞同这篇论文🐶
#产品知识库
飞书发布会速记
1、开放群入口，钉钉走过的路，通过开放高频入口，提升信息分发效率，提升产品使用频度，对平台、ISV、企业都有好处，之前有聊过（https://mp.weixin.qq.com/s/n6y8Q6ooWzJrZP7oSym0-g），此处不展开
2、开放主导航给其他应用，此处值得掌声👏👏绝对正确的策略，虽然体验的人不少在喷，但平台永远解决不了所有业务问题，必须要做好开放和兼容体验。
3、AI 智能伙伴， 产品能力上没有新东西，定义上类似一个工作伙伴。唯一亮点是，AI 的数据源输入支持自定义，这是非常重要的一点，解决了「AI如何理解人」的问题。否则，AI在工作场景很难提效。
4、我期待中AI的一个应用场景是，帮助企业把隐性知识显性化，很多散落在各处的知识和经验通过被AI学习，然后在企业内得到有效的流动、分发和复用。你会不同业务总是在探索重复的事情，而集团内早已有最佳实践。
阿里的ATA/语雀，美团的学城，大量散落在各处的洞察，经验并没有被有效利用。ATA和语雀的做法是人工精选和搜索，但这件事能被AI更好的解决。
5、协作是一群人实现共同目标的过程，仿佛来到 Teambition发布会，and 俊元皮肤还是这么好。
飞书发布会速记
1、开放群入口，钉钉走过的路，通过开放高频入口，提升信息分发效率，提升产品使用频度，对平台、ISV、企业都有好处，之前有聊过（https://mp.weixin.qq.com/s/n6y8Q6ooWzJrZP7oSym0-g），此处不展开
2、开放主导航给其他应用，此处值得掌声👏👏绝对正确的策略，虽然体验的人不少在喷，但平台永远解决不了所有业务问题，必须要做好开放和兼容体验。
3、AI 智能伙伴， 产品能力上没有新东西，定义上类似一个工作伙伴。唯一亮点是，AI 的数据源输入支持自定义，这是非常重要的一点，解决了「AI如何理解人」的问题。否则，AI在工作场景很难提效。
4、我期待中AI的一个应用场景是，帮助企业把隐性知识显性化，很多散落在各处的知识和经验通过被AI学习，然后在企业内得到有效的流动、分发和复用。你会不同业务总是在探索重复的事情，而集团内早已有最佳实践。
阿里的ATA/语雀，美团的学城，大量散落在各处的洞察，经验并没有被有效利用。ATA和语雀的做法是人工精选和搜索，但这件事能被AI更好的解决。
5、协作是一群人实现共同目标的过程，仿佛来到 Teambition发布会，and 俊元皮肤还是这么好。
#程序员
《向量数据库》，https://guangzhengli.com/blog/zh/vector-database/，这是一篇值得阅读的长文，它介绍了向量数据库的方方面面，包括 Vector Embeddings、Similarity Search、Similarity Measurement、Filtering 等等，单纯从实现角度来看，技术复杂度并不高。
短短几个月，各大数据库厂商也增加了对向量的支持，https://github.com/openai/openai-cookbook/tree/main/examples/vector_databases，可以在这篇 OpenAI 写的文档里找到各自对应的代码参考。
但随着 LLM 底层能力的提升，如今的 ChatGPT 已经支持了 128k 的上下文，而且在 GPTs 中也默认提供了检索能力，这波操作，针对大部分需求场景来说，可以直接免除对向量数据库的调用了。随之而来的，也是向量数据库风投的“降温”。
《向量数据库凉了吗？》，https://mp.weixin.qq.com/s/0eBZ4zyX6XjBQO0GqlANnw，这篇文章给出了一个观点：“专用向量数据库陷入了一个死局之中：小需求 OpenAI 亲自下场解决了，标准需求被加装向量扩展的现有成熟数据库抢占，超大需求也几乎没什么实现的门槛。留给专用向量数据库的生态位也许能足以支持一家专用向量数据库内核厂商活下来，但想做成一个产业是不可能了。”，感兴趣的也可以读一读。
《向量数据库》，https://guangzhengli.com/blog/zh/vector-database/，这是一篇值得阅读的长文，它介绍了向量数据库的方方面面，包括 Vector Embeddings、Similarity Search、Similarity Measurement、Filtering 等等，单纯从实现角度来看，技术复杂度并不高。
短短几个月，各大数据库厂商也增加了对向量的支持，https://github.com/openai/openai-cookbook/tree/main/examples/vector_databases，可以在这篇 OpenAI 写的文档里找到各自对应的代码参考。
但随着 LLM 底层能力的提升，如今的 ChatGPT 已经支持了 128k 的上下文，而且在 GPTs 中也默认提供了检索能力，这波操作，针对大部分需求场景来说，可以直接免除对向量数据库的调用了。随之而来的，也是向量数据库风投的“降温”。
《向量数据库凉了吗？》，https://mp.weixin.qq.com/s/0eBZ4zyX6XjBQO0GqlANnw，这篇文章给出了一个观点：“专用向量数据库陷入了一个死局之中：小需求 OpenAI 亲自下场解决了，标准需求被加装向量扩展的现有成熟数据库抢占，超大需求也几乎没什么实现的门槛。留给专用向量数据库的生态位也许能足以支持一家专用向量数据库内核厂商活下来，但想做成一个产业是不可能了。”，感兴趣的也可以读一读。