义乌：宇宙尽头的事实和观察

今天的内容主题是关于义乌的见闻。4月底参加消费圈内人组织的活动，去义乌。义乌号称是宇宙的尽头，你能想到的东西义乌都有。大领导对义乌的评价是：莫名其妙、无中生有、点石成金。这次的行程主要是：义乌小商品城、网红带货街区、尾货街区，以及吃中东菜。

线下调研的感受是立体的，人、空间、路人、场景、车辆等等，形成了综合的感受，看资料写的7.5w家店铺，和实地走一走的感受完全不同。

@郑立涛 @旺仔珂珂糖 感谢两位团长

#程序员

我娃，现在上小学二年级，正是处于刚学了千以内加减算法的时候。在他们的想象力中，亿就是很大的数字了，同学之间经常互相问问题，想让对方出丑，如问两亿三千二百万零八十八加上一百二十九万等于多少。
截图中V友问的这个问题，就要分清楚是真实需求，还是别人想象不到别的更难的题目，所以只会把数字说大来难为你。
先说真实场景，10亿级别的手机号码，即使真的有几条脏数据，也不会有把这些重复手机号找出来这种需求。
如果谁跟你提这个需求，就可以理解为是在为难你。
相对于把这几条重复手机号码找出来并且清除掉带来的收益，需要花费的代价，以及可能带来的新问题，综合起来看，绝对是得不偿失。
如果是考察你的思维，那么倒是可以聊一聊，但聊完可以给出题人一个鄙视的眼神，鄙视对方没招了，只会把数字加大来难为人。
首先，10亿条数据，肯定不在一张表里，正常到了这个量级，都会分库分表，那么直接 sql group by 方案就排除了。
那就只能把数据导出来，注意，导出来也需要花大功夫，所以我说真实场景没必要，但现在只是考察思维，我们就当已经导出来了。
之后最简单粗暴的办法可以是用一台大内存的服务器把10亿个手机号码载入内存，然后排序，然后遍历，用窗口从头到尾扫描过去就可以了。
当然我知道，你们一定有更好的办法，请在评论区说明。

晚点独家丨阅文再换帅，新 CEO 侯晓楠曾是腾讯第一批校招生

番茄小说年收入竟然已经超过100亿了。

#产品经理

从渗透率看待新机会，你总会发现商业充满了非零和：

理解过生态多样性的朋友（例如微信生态），认真分析当下 AI 的渗透方式，就如演化生物学家研究寒武纪那样：

生态位是如此「空白」，新物种大爆发指日可待。

#程序员

一句话搞清楚微调 fine-tuning 和嵌入 embedding 的使用场景：
如果你想实现记忆功能，用 embedding ，如果想给模型增强或者增加能力用 fine-tuning 。
如上下文记忆、ChatPDF、ChatDoc、智能客服、虚拟女友、虚拟人等等，都需要用到记忆功能，那么就用 embedding 。
如写梗、写笑话、写诗、写对联、模仿写作风格，都属于增加新能力或者增强已有能力，就要用 fine-tuning 。

继续把回答群友提问搬过来，其实是老生常谈话题，但是可能会有人不知道，所以继续科普。

@DemoChen 问：好奇一个问题，用向量化的话，用户提问和向量数据库匹配后，找到最相关的 Top N ，提交给 chatGPT 这个是利用 messages 字段吗
我答：topN 这里的 N 不是指长文档，而是短文本。所以第一步，把长文档拆分成短文本。
举例可以按照自然段拆分，如果自然段太长，还可以继续拆分成更短的。一般每个短文本300字左右。
所有的一切都是围绕着官方文档的限制去做的，官方文档只提供这个接口，那就只能用这个接口。接口限制了 token 大小，才会用上向量方案。
所以最后找出来的就已经是短文本了，可以整个提交给gpt。

@效威Fernando 问：把embedding用来增强LLM的记忆其实是两步嘛
第一步 Embedding其实是把原始文本（称为文本A）转成了向量
第二步是： 在文本向量中匹配出与问句向量最相似的top k个 -> 匹配出的文本（称为文本A`）作为上下文和问题一起添加到prompt中 -> 提交给LLM生成回答
那么A 跟 A` 是一模一样的吗？

我答：长文档，假设ID是 doc123 ，假设切分成10个文本，你给每个短文本设置一个ID，假设是 doc123_text01 ~ doc123_text10
调用 embedding 接口，为每一段短文本生成向量 。
假设你把向量存储到文本文件里，可以这样存，用 jsonline 格式，一行一条数据
{"textID":"doc123_text01","vector":[这里是向量数组1]}
……
{"textID":"doc123_text10","vector":[这里是向量数组10]}

使用时，把 jsonline 文件整个载入到内存里。
把用户的提问也调用 embedding 接口转成向量，拿着提问的向量，去内存里遍历之前的所有短文本向量，计算每个短文本向量与提问向量的距离，排序，找出向量距离最近的3个向量的短文本ID。
再拿着短文本ID去数据库找出对应的文本。
再把文本和提问放到 mesages 里去。

这是简单实现，如果你的短文本数量在一两万条级别，那么全部载入内存就是最快的方式。

你也可以用 langchain ，搭配向量数据库，向量搜索引擎使用。

去年开始做加密投资，想一年内凑齐30个🇨🇳builder，结果只完成10个不到的指标，感觉得靠AI来凑了，不然都被meme币和btc NFT给继续耽误下去了。

#运营

做自媒体的捷径 1 . 0

1⃣️ 起号捷径：抛弃完美主义

很多人起号，一条视频搞上好几天，费时费力，又不火，还导致更新笔记都是断断续续的，用不了多久心态就崩了

专业运营起号都是集中几天时间写选题和脚本，然后一次性拍完剪完多个视频，写完多篇笔记存在草稿箱，所有时间加起来不到一周，但每天都有的更新

所以建议大家，起号前期要把更新频率提上去，尽量能先日更一周。不要追求“完美主义”，要“先完成，再完美”，多做些笔记，有数据反馈后，再慢慢根据数据来完善内容质量

2⃣️ 工具捷径：学会使用工具
为什么别的博主能做到日更？因为她们都会使用工具来提搞生产力！她们都非常熟练运用自媒体工具精进内容

这里列举一些我自己在用的小工具：
✅智能文案：ChatGPT
✅敏感词检测：零克查询
✅提取文案：轻抖
✅封面：稿定设计、黄油相机

3⃣️ 内容捷径：抓住用户的“痛点、痒点和爽点”

✅抓住痛点，就是帮助他人解决那些没被满足就会很难受和痛苦的需求。比如不吃饭会饿，饿是痛点

✅抓住痒点，就是在基础需求之上，制作他人没被满足会心里痒痒的内容，比如想吃更好的东西，享受更好的就餐环境

✅抓住爽点，就是制作让他人满足了会很爽，会感到眼前一亮的内容，比如意外地吃到了霸王餐

如果能抓好以上三点，那么完成爆款，指日可待。

4⃣️ 心态捷径

✅明确目标
你为什么要做自媒体？你想达到什么效果？
用笔写下来，越具体越好，你想明白了再开始做。因为我们做任何事情都会被情绪所影响，有些事情不是你想做好就能做得好的。

✅避免焦虑
不要过度纠结内容好坏和数据好坏。也不要每天刷很多运营技巧，即使我在分享技巧，我也鼓励你多实践，否则我分享再多技巧干货，你不去做，那也没用

✅拒绝玻璃心
如果数据下滑，不要否定自己。多复盘、升级优化内容就好。
另外，只要是做自媒体，就避免不了有负面声音。轻度的负面有利于我们完善内容，但过分恶意的负面，我们要适当屏蔽，学会无视这些恶意内容

无论分享了多少方法，鼓励你们行动都是第一要义，快动起来！

#产品经理

不懂就问，产品经理属于产品设计专业对口吗