打算重新恢复独立博客了，现在托管在 Github Pages 上，域名是 xdash.me。

正逐渐将 2008 以来的博文、公众号、杂志专栏、好书推荐、自制播客视频 shownotes 等迁移过来。

为何恢复独立播客 & 从 WordPress 搬迁到 Github Pages：

- 从「椒盐豆豉」这篇博文获得启发：https://blog.douchi.space/static-blog-half-year/#gsc.tab=0

- 遵循「Setup and Forget」原则，希望在博客这件事上减少折腾，提升动力。避免每年空间续费、时不时被动迁移 IP、需要打开浏览器誊写博文等麻烦；以后可在任意设备 Markdown 写 + Git 提交 + Github Actions 完成 hugo 渲染生成。

- 静态，既加速读者访问，也让我自己不要动辄去想装插件、widget 的花活了。

- Github backed by Microsoft，稳定可靠。

- 简单，专注在输出，尤其是输出文字之美本身。

- 本地 repo 的草稿，可以直接在 Obsidian 方便地编辑；Obsidian 又是买了 Sync 同步的。所以可以移动状态下随时写，回到电脑前整理妥帖再 commit 发布。

- 没有阅读计数，不被商业裹挟，写自己想写的文，交自己想交的人。

- 部分回归初心，重拾 Geek 人格。

NAS是个伪需求

以前总是按捺不住想买个NAS放在家里，折腾点自己的东西，才显得自己够极客。现在回想，其实NAS根本就是个伪需求，他只适合很少一部分人。
梳理一下NAS的缺点吧，记录一下跟NAS做个了结。

1、费用高
一台基本功能的NAS也得2000块以上的价格，而一个阿里网盘或百度网盘的年会员费用也就158元左右，这么算下来，一台NAS可以买10几年的网盘会员了。并且NAS还需要买多块硬盘构成磁盘阵列，这也是一笔不少的费用。

2、替代方案多
NAS大部分功能可以使用主流网盘、移动硬盘、私有云或公有云服务器替代，体验也都很不错。

3、安全性并不高
这是NAS的商家一直主打的卖点，但是真相并不是，首先不说天灾不可抗力，楼塌屋倒的情况，NAS提供商为了操作易用，会损失一定的安全等级。其次，如果被黑客攻击，自己并不一定能搞得了，一旦文件丢失，那真的天价的损失。

4、维护难度大
全家就自己会搞，如果自己不在家（或者人没了），NAS出现点问题，基本歇菜。

5、更新迭代快
容易过时，硬件跟不上软件升级的速度，更何况NAS有倒闭的风险，以前自己买的极路由不再提供网络服务就是一个活生生的例子。

6、电费
买了NAS就不可能不开，长远下来电费问题不可忽视。

如果上面这些都不在乎，或都有方法解决，搞台NAS的体验还是非常不错的。

据说，阿里市值被pdd超过了，阿里连夜复盘一堆词。
pdd内部复盘，就两点：低价+仅退款。
现在，京东淘宝都醒悟过来了，也连夜加上了“仅退款”条款。

2023 年有一半时间都在研究 AI，接触到了非常多的科研报告、技术迭代和如雨后春笋般的有趣产品，2024 的 AI 创新必将更为炸裂，下面推荐几款我在日常研究过程中用到的一些比较趁手的工具和服务，希望也可以在你学习和深入的过程中帮到一二：

1、immersive translator

研究最新资料首先要解决语言障碍问题，大量跨专业的词汇很可能会看得一头雾水，沉浸式翻译（immersive translator）这款软件无论是交互体验设计还是翻译质量都做的非常不错。另外，它还支持对 PDF 做对照翻译，大大加速了论文的阅读效率。https://immersivetranslate.com/

2、Aminer

这是一款在很多细节都融合了 AI 能力的论文检索平台，它提供的「必读论文」板块从领域/机构/期刊/会议等多视角收集了很多最新最热的论文集锦，适合作为学习和研究的入口索引。面临洪水般的 AI 资讯，如果不知道学什么，可以从这里出发。https://www.weibo.com/1812166904/NsSArhsr0

3、Monica

All-in-One 的 AI 效率工具集，从 Chat/Read/Search/Write 等多个场景切入，提供了设计美观、交互强大、功能丰富的趁手工具箱。每篇论文基本都是让它先读一遍，我再提问式学习。https://www.weibo.com/1812166904/NsP8llKGi

4、Similar Web

Similarweb 是一款进行网站流量分析的强有力武器，它是每一位研究产品的人必不可少的工具之一，提供了几乎所有网站的月访问量、平均访问时长、跳出率等信息，也会给你推荐与当前网页功能相仿的竞品产品。这对做 AI 产品探索和流量分析的使用者来说，简直是神器。https://www.weibo.com/1812166904/NfM6VsfjA

5、Papers with code

这是一个论文和对应工程实现（含代码、数据集、测试方法等）的索引工具。下次你看到别人推荐优质论文时，可以直接用它去找代码实现。https://www.weibo.com/1812166904/NtUdA1DWJ

6、Connected Papers

这个产品做的非常有用，输入一篇论文，它会将这篇论文的依赖和被依赖项以知识网络的形式全部呈现出来。类似的产品还有 litmaps 、researchrabbit 等。https://www.weibo.com/1812166904/Nw2w3AqKj

以上推荐的工具或服务中，前三个我基本上每天都会使用。后面附带的链接是我使用时的一些心得和总结，感兴趣的朋友也可以看一看。#2023最爱的3个产品

#2023最爱的3个产品

Pocket Casts：年中抛弃了花里胡哨，华而不实的Snipd后，我又重新用了回老牌播客客户端Pocket Casts，之前弃用它主要是因为搜索引擎太不给力，经过最近一年的升级迭代已经大有改观，综合看来它依然是所有泛用播客客户端里面UI/UX设计最细腻的一款。

小红书：不是搜索引擎，胜似搜索引擎。不是电商平台，胜似电商平台。我看好小🍠。

Coze（Cici）：虽然目前只是一个GPT4的套壳，但是我们可以从它身上看到字节强大的产品力，后面字节要是能鼓捣出来自己的大模型，那么它的前景不可估量。我已经暂停给ChatGPT Plus续费了。

新东方成立了30年，看看离开新东方的人都在干什么：

1、胡敏：2004年从新东方离职，后创办新航道。
2、罗永浩：2006年从新东方离职，后创办锤子科技。
3、王强：2006年离开新东方，创立自己的教育公司。
4、徐小平：2006年离开新东方，与俞敏洪、王强共同创立真格基金。
5、李笑来：2007年从新东方离职，成为比特币首富。
6、沙云龙：2010年从新东方离职，后创立朴新教育。
7、江博：2013年从新东方离职，后创办自己的教育机构。
8、陈向东：2014年从新东方离职，创办“跟谁学”及“高途课堂”。
9、周思成：2018年从新东方离职，创办思橙教育。

现在，轮到董宇辉了。

分享些chagpt在社区项目的应用思路。

以前在字节做社区的时候，从来没有烦恼过内容打标等等的问题，因为字节有庞大的cqc团队，只要社区运营给cqc提需求，不断制定和完善内容判定标准、内容标签判定标准，就会有专门的同学来处理剩下的事情。产品只需要关注审核流程上的优化迭代、以及各种标签上面的合并拆分即可，更多的精力可以和算法合作一起将内容推荐这个事情做得更加精准。

而在其他非内容型的大厂，压根就没有内容审核人力的投入。先抛开和字节算法的差距，底层内容质量判定和标签这些在降本增效大背景的今天，根本没有可能有预算大规模投入来做，这就导致了内容推荐在这些业务里面变成了伪命题。

和绝大多数小公司一样，内容的筛选是由社区运营团队完成的，内容安全可以通过对接成熟的机审sdk完成，但是质量判定和打标就依赖人的维护了，而一般社区运营身兼数职，就会造成内容审核的积压导致社区内容更新不及时，表现在用户体验层面是经常会有深度使用的用户反馈刷到重复的内容（因为新内容刷完触发了兜底机制）。而过去缓解审核积压的手段，顶多是给一些优质kol开白名单，他们的内容只要过机审就可直接进入推荐流，但是这种方式治标不治本。

由于那段时间AI特别火，我们在想能否用chagpt的方式来从这种枯燥的工作解放人力（甚至创造人力）。其实原理也很简单，chagpt接口最主要就是角色赋予+prompt来调教机器人帮我们干活。首先角色赋予要描绘背景，赋予AI是一个内容运营的角色，并告诉他希望他做些什么事情，然后在prompt中把审核标准代入，最终让他结构化输出我们想要的标准结果，比如说是推荐分、内容评级、推荐理由、标签。通过反复调教，其实AI可以胜任一个审核员的角色的，但是偶尔也会抽风，所以需要AI筛选完，打标后，人工再过一遍就会比较稳妥。当然chagpt的劣势在于，识别不了图片，以及专业名词（黑话）等非常规用语识别不准确，在文字识别上也是相对ok的。

那有了这个内容质检和分类后，如何解决与用户的匹配又是第二个问题。过去，我曾经在亿级日活的产品里做过一段时间推荐策略，发现：10-20人推荐团队花了几年时间迭出来的画像维度尚且经常被吐槽，那如何多快好省的搭建画像体系又是另外一个问题。所以我们用染色的思路，首先赋予AI用户运营的角色，并告诉他要帮我们做人群划分打标签的工作，然后在prompt中将分类标准代入，一类数据源用一类prompt。比如付费级别、比如内容偏好等，然后用一个简陋映射管理将人群分类和内容分类关联关系管理起来，实现近似推荐的效果。

以上，是穷人版做低配推荐的思路，理论上，只要chagpt用的好，这块后期迭代的潜力也是无限的，并且能将很多推荐业务中“神经元算法”“机器学习”“亿级特征项”这种高大上的东西更有可解释性。

12.15-《2023年结束前，腾讯打出了一张镇住全场的王牌》---元梦
12.18-《「蛋仔like」在小时代“圆梦”，它却用「共创蛋时代」成就每个梦想》---蛋仔
12.23-《派对赛道不大，网易再度创造神话》---蛋仔
12.26-《元梦之星诞生多张数百万级游玩量UGC》---元梦
12.27-《玩梗玩出5亿人的快乐星球，活该它年头火到年尾》---蛋仔

论游戏媒体如何一波吃到撑…
🤷‍♂️🤷‍♂️🤷‍♂️🤷‍♂️

#2023最爱的3个产品

我愿称2023为AIGC元年，各种AI应用如雨后春笋般冒出来，好产品真的太多了，只能从喜欢程度和使用频率选出3个。

软件产品：
1、ChatGPT：
每次用gpt4都会感慨，这玩意居然才卖20刀一个月！
2、Coze：
自建bot，workflow，插件，发布到discord,电报，最重要的是，能白嫖gpt4，夫复何求！
3、Infuse：
自动刮削海报，配合家庭nas食用，看电影更舒服了。

实物：
1、model Y：
驾驶的乐趣就是有了Y之后，每个上下班的过程都很开心，甚至会对上下班的路途有期待。
2、14PM：
因为空间确实不够用了下定决心把用了5年的xsmax退役，换成了海鲜市场上淘的14pm，可能是确实隔了很多代的原因，拍照、续航、灵动岛、高刷的流畅度都让我很欢喜。
3、Apple TV：
终于可以在电视上看电影了，杜比视界，全景声，配合苹果的生态，很香。

这场讨论最终结论是：
现在是个体户的好时代。

大学有一门选修课叫做情报检索，我现在印象最深刻的在 Google 检索时添加一些高级语法，例如使用 type:/site: 等语法，就可以过滤出更精确的结果，很有用，我用了十几年，但那门课带给我的影响远不止于此。

老师一直在帮助学生训练“如何提一个好问题”的思维习惯，不是传统意义的好问题，而是提一个能够让搜索引擎更容易理解的好问题，因此我需要去理解机器背后做了什么，去了解 page rank 这类排序算法；同时，为了让机器可以更好地呈现内容，让别人搜索关键词的时候能够将我写的内容放在前排，我又去学习了 SEO。

相当于从系统视角和用户视角，两次钻研了什么样的问题对机器来说是一个好问题，得益于此，我也经常能够在搜索引擎里找到别人找不到的内容。

ChatGPT 的出现，相比传统的 Google 检索，其实就是换了一种机器思维，它接受指令的方式更接近人类语言的表达，使用者如果不具备“提一个好问题”的能力，照样无法从 ChatGPT 嘴里获得多少有价值的情报。

互联网已经汇聚了人类无数知识的结晶，你想到过的、没想到过的问题，都曾经有人提过甚至解决过，只是，它被藏到了互联网的某个犄角旮旯。情报检索是一门很有用的科学，希望它未来可以成为大学的一门必修课。