现场直击OpenAI开发者大会：GPT-4 Turbo、用户自定义GPT、GPT商店，一切都是硅谷新王的架势
发布的feature里最关键的是GPT商店，一个猜想，未来OpenAI的前端产品会越来越像character.ai，开发者在里面开发一个个agent，agent又何必是一个App，又何必从app store分发。
最终，我们的手机上有两个超级App，找活人聊天打开微信，找AI办事就打开这个类似character的App。
发布的feature里最关键的是GPT商店，一个猜想，未来OpenAI的前端产品会越来越像character.ai，开发者在里面开发一个个agent，agent又何必是一个App，又何必从app store分发。
最终，我们的手机上有两个超级App，找活人聊天打开微信，找AI办事就打开这个类似character的App。
微信加大“自媒体”造谣传谣、假冒仿冒等问题的治理力度
11月7日讯，据微信珊瑚安全，微信加大“自媒体”造谣传谣、假冒仿冒等问题的治理力度，进一步引导“自媒体”创作者规范打标，切实履行平台主体责任，持续落实“清朗·从严整治‘自媒体’乱象”专项行动的要求，从严处置相关违规账号和内容。
11月7日讯，据微信珊瑚安全，微信加大“自媒体”造谣传谣、假冒仿冒等问题的治理力度，进一步引导“自媒体”创作者规范打标，切实履行平台主体责任，持续落实“清朗·从严整治‘自媒体’乱象”专项行动的要求，从严处置相关违规账号和内容。
#职场社畜日常
pico 不是全员裁员遣散了么，又有大批宝宝要向市场流动。不过年末面试杀猪盘可多了，分享下我给同学们拆解过的面试杀猪盘。典着呢。
1、几乎不关注你简历经历，只对招聘岗位怎么干好奇，还让你写方案，一个不够写3套。主打一个空手套方案；
2、恨不得把你目前岗位人际关系扒得底朝天，谁被架空了，谁是空降的，谁是无功太子，谁是前朝余孽，谁是资深老白兔，门儿清，甚至还和你现场推演更新关系库；
3、问岗位前景？那必然很好。问打算怎么培养你，那必然是皇族路线。因为本来也没打算要你；
4、不走正式面试流程，没邮件没短信没邀约文件，一个电话就打过来了；
5、最关键的一点，这个岗位长期招人，嘿但就是没合适的，空落落像招魂。
另外，如果刚毕业没几年就碰到知名大厂专家岗，还大有非你不可的架势
先别美，电话那边是HR又在刷周报呢，这个事在内部怎么说，叫「盘点调研」
随机例行刷几个爱表达的小白兔。
你惨啦，你遇到杀猪盘了。
pico 不是全员裁员遣散了么，又有大批宝宝要向市场流动。不过年末面试杀猪盘可多了，分享下我给同学们拆解过的面试杀猪盘。典着呢。
1、几乎不关注你简历经历，只对招聘岗位怎么干好奇，还让你写方案，一个不够写3套。主打一个空手套方案；
2、恨不得把你目前岗位人际关系扒得底朝天，谁被架空了，谁是空降的，谁是无功太子，谁是前朝余孽，谁是资深老白兔，门儿清，甚至还和你现场推演更新关系库；
3、问岗位前景？那必然很好。问打算怎么培养你，那必然是皇族路线。因为本来也没打算要你；
4、不走正式面试流程，没邮件没短信没邀约文件，一个电话就打过来了；
5、最关键的一点，这个岗位长期招人，嘿但就是没合适的，空落落像招魂。
另外，如果刚毕业没几年就碰到知名大厂专家岗，还大有非你不可的架势
先别美，电话那边是HR又在刷周报呢，这个事在内部怎么说，叫「盘点调研」
随机例行刷几个爱表达的小白兔。
你惨啦，你遇到杀猪盘了。
【统计管理系统】rp产品原型源文件
随着信息时代的到来，企业面临着海量的数据和复杂的业务环境，需要能够高效、准确地进行数据分析和决策的工具。统计管理系统作为一种数字化的解决方案，可以帮助企业实现对各类数据的收集、整理、分析和可视化展示，为企业提供准确的决策支持。本文将介绍统计管理系统的功能和优势，并讨论其在企业中的应用。 一、统计管理系统的定义与功能 统计管理系统是一种集数据收集、处理、分析和展示于一体的数字化工具。它通过收集企业内外部的各类数据，进行数据清洗、整理和分析，最终生成直观、可视化的报表和图表，帮助企业深入了解数据背后的趋势和规律。主要功能包括： 数据收集与整理：统计管理系统可以自动化地采集企业内外部的各类数据，如销售数据、客户数据、市场数据等，并进行数据清洗和整理，确保数据的准确性和完整性。 数据分析与挖掘：统计管理系统可以通过多种统计方法和算法对数据进行分析和挖掘，发现数据背后的关联性和规律，提供有价值的信息和洞察。 可视化展示：统计管理系统可以将数据分析的结果以直观、易懂的形式展示出来，如表格、图表、仪表盘等，帮助用户更好地理解数据，并支持决策过程。 预测与优化：统计管理系统可以通过历史数据和趋势分析进行预测，为企业提供决策的参考依据。同时，它也可以帮助企业对业务流程和策略进行优化，提高效率和竞争力。 二、统计管理系统的优势 提高决策效率：统计管理系统可以简化数据处理和分析的过程，减少人工操作的时间和成本，提高决策的效率和准确性。 增强决策科学性：统计管理系统基于严谨的统计方法和模型，能够客观、科学地对各类数据进行分析和挖掘，为决策提供科学依据。 实时数据更新：统计管理系统具备实时数据更新的能力，可以及时反馈最新的数据情况，帮助企业把握市场变化和业务动态。 可视化展示效果好：统计管理系统通过直观、易懂的数据可视化展示，帮助用户更好地理解和分析数据，提高决策的效果和沟通的效率。 支持多维度分析：统计管理系统可以根据不同的需求对数据进行多维度的分析，帮助企业从不同角度了解问题，并制定相应的策略。 三、统计管理系统在企业中的应用 销售管理：统计管理系统可以帮助企业分析销售数据，了解销售趋势、客户偏好等信息，优化销售策略和资源配置。 财务管理：统计管理系统可以帮助企业分析财务数据，如收入、成本、利润等，提供财务报表和预测，支持财务决策和风险评估。 市场营销：统计管理系统可以帮助企业分析市场数据，如市场规模、竞争对手、消费者洞察等，指导市场定位和推广策略。 供应链管理：统计管理系统可以帮助企业分析供应链数据，如库存、物流、供应商绩效等，优化供应链运作和成本控制。 人力资源管理：统计管理系统可以帮助企业分析人力资源数据，如员工绩效、培训效果等，支持人力资源决策和人才管理。 仅展示部分截图，下载后可一键打开直接编辑使用。
source
随着信息时代的到来，企业面临着海量的数据和复杂的业务环境，需要能够高效、准确地进行数据分析和决策的工具。统计管理系统作为一种数字化的解决方案，可以帮助企业实现对各类数据的收集、整理、分析和可视化展示，为企业提供准确的决策支持。本文将介绍统计管理系统的功能和优势，并讨论其在企业中的应用。 一、统计管理系统的定义与功能 统计管理系统是一种集数据收集、处理、分析和展示于一体的数字化工具。它通过收集企业内外部的各类数据，进行数据清洗、整理和分析，最终生成直观、可视化的报表和图表，帮助企业深入了解数据背后的趋势和规律。主要功能包括： 数据收集与整理：统计管理系统可以自动化地采集企业内外部的各类数据，如销售数据、客户数据、市场数据等，并进行数据清洗和整理，确保数据的准确性和完整性。 数据分析与挖掘：统计管理系统可以通过多种统计方法和算法对数据进行分析和挖掘，发现数据背后的关联性和规律，提供有价值的信息和洞察。 可视化展示：统计管理系统可以将数据分析的结果以直观、易懂的形式展示出来，如表格、图表、仪表盘等，帮助用户更好地理解数据，并支持决策过程。 预测与优化：统计管理系统可以通过历史数据和趋势分析进行预测，为企业提供决策的参考依据。同时，它也可以帮助企业对业务流程和策略进行优化，提高效率和竞争力。 二、统计管理系统的优势 提高决策效率：统计管理系统可以简化数据处理和分析的过程，减少人工操作的时间和成本，提高决策的效率和准确性。 增强决策科学性：统计管理系统基于严谨的统计方法和模型，能够客观、科学地对各类数据进行分析和挖掘，为决策提供科学依据。 实时数据更新：统计管理系统具备实时数据更新的能力，可以及时反馈最新的数据情况，帮助企业把握市场变化和业务动态。 可视化展示效果好：统计管理系统通过直观、易懂的数据可视化展示，帮助用户更好地理解和分析数据，提高决策的效果和沟通的效率。 支持多维度分析：统计管理系统可以根据不同的需求对数据进行多维度的分析，帮助企业从不同角度了解问题，并制定相应的策略。 三、统计管理系统在企业中的应用 销售管理：统计管理系统可以帮助企业分析销售数据，了解销售趋势、客户偏好等信息，优化销售策略和资源配置。 财务管理：统计管理系统可以帮助企业分析财务数据，如收入、成本、利润等，提供财务报表和预测，支持财务决策和风险评估。 市场营销：统计管理系统可以帮助企业分析市场数据，如市场规模、竞争对手、消费者洞察等，指导市场定位和推广策略。 供应链管理：统计管理系统可以帮助企业分析供应链数据，如库存、物流、供应商绩效等，优化供应链运作和成本控制。 人力资源管理：统计管理系统可以帮助企业分析人力资源数据，如员工绩效、培训效果等，支持人力资源决策和人才管理。 仅展示部分截图，下载后可一键打开直接编辑使用。
source
👍1
#产品知识库
今天让我想起了一个事儿。
我记得很久以前，有一次在一个群里聊起了《EVA》 ，然后一个人可能并不太懂或者并没有太深入的了解这个动漫。
我说，你不懂 EVA。
对方非常伤心，并且暴躁而且表示自己很爱 EVA。
那时候的我很困惑。为什么一个人连一个事物的基本内容都不了解，就声称自己爱一个事物呢。
这个类困惑，困惑了我很多年。
直到后来，几经周折我才明白，没个人都在自己的牢笼，就像人们都在天地的牢笼里一样。
你不能你更痛苦，就看到其他人的小痛苦，但是其他人却认为这是最痛苦的时候，感到困惑和认为对方软弱。
每个人的天平是不同的。
同样不能因为，你坚韧无比，看到别人因为小事而烦恼就认为对方软弱。
这就是尊重吧。
不能以己度人。
今天让我想起了一个事儿。
我记得很久以前，有一次在一个群里聊起了《EVA》 ，然后一个人可能并不太懂或者并没有太深入的了解这个动漫。
我说，你不懂 EVA。
对方非常伤心，并且暴躁而且表示自己很爱 EVA。
那时候的我很困惑。为什么一个人连一个事物的基本内容都不了解，就声称自己爱一个事物呢。
这个类困惑，困惑了我很多年。
直到后来，几经周折我才明白，没个人都在自己的牢笼，就像人们都在天地的牢笼里一样。
你不能你更痛苦，就看到其他人的小痛苦，但是其他人却认为这是最痛苦的时候，感到困惑和认为对方软弱。
每个人的天平是不同的。
同样不能因为，你坚韧无比，看到别人因为小事而烦恼就认为对方软弱。
这就是尊重吧。
不能以己度人。
看了OpenAI dev day之后的一些想法，抛砖引玉一下：
看了OpenAI Dev Day，觉得OpenAI现在比较像PC时代Intel+Microsoft两家的结合，提供了芯片和操作系统以及最核心的几个杀手应用，通过技术升级+大Capex投入的规模效应来形成壁垒，同时做操作系统、应用商店和超级应用。
在芯片行业直接对标Intel的第二名还有机会，操作系统的第二名机会就很少了。大Capex投入形成的规模效应还是有被挑战的可能的，操作系统形成的网络效应和非常高的迁移成本，基本上非常难以挑战，并且更加赢家通吃。Dev Day之后很多人哀嚎OpenAI干掉了很多startup，本质上还是因为这些startup在做计算器写字板浏览器这样要么很简单没门槛，要么操作系统肯定会做的事情。
简单粗暴类比下历史，面对Intel+Microsoft，赢家有几种情况，第一种情况就是得像Character这样训自己的模型，在情感陪伴领域有很好的表现以及很低的推理成本，在一个细分市场里面有机会大幅超过openAI，类似于NVDA做GPU或者ARM做低功耗的芯片，然后再围绕独特的模型能力打造独特的产品和生态。
第二种情况是在Windows上构造类似Adobe这样和业务结合非常紧密，迁移成本非常高的软件，让微软自己做不出来。这会考验AI能力是否真的能和业务场景深度结合带来增量价值。
第三种情况是基于Windows提供的浏览器能力，做社交网络，电商等。核心还是用户数据和用户关系的沉淀。这里的关键会是AI的新能力如何形成之前无法产生的连接，以及这样的连接如何能够沉淀形成网络效应。移动互联网早期第一个把滤镜做到极致的不是instagram，而是Hipstamatic，当时红极一时，2010年还拿到了Apple App of the Year的荣誉，然而Hipstamatic的滤镜虽然做到了极致，但并不具备网络效应，现在估计都没几个人记得这个应用了。而Instagram虽然号称也是创始人Kevin从学摄影的经历得到灵感，但其实它的前身是一个叫Burbn的社交应用，做的是类似Foursquare的签到分享应用，这天生具备网络效应的设定，后来才改名为Instagram专攻照片拍摄和分享火起来的。第一波AI创业公司也必然会诞生很多Hipstamatic这样的产品。
同时Dev Day发布的Stateful API很重要，不只是因为降低开发者成本，更重要的是意味着用户在OpenAI模型上的时间投入开始产生了迁移成本。之前的GPT等于还是一个滴滴司机，和用户服务完没有留下记忆，下次见面需要用户重新把prompt和上传的文件再说一遍。现在真正变成了能记得住历史的助理，用户沟通的时间越长，积累的stateful数据越多，就越无法离开。目前看这个stateful的数据还没办法迁移，是和同一个OpenAI账号绑定的，类似这个助理还没办法跳槽去别的助理公司。
GPT4 API的定价大幅下降也是很关键的。用半导体产业类比的话，台积电创始人张忠谋在德州仪器工作的时候，针对半导体行业芯片一开始成本高，良率低，需要起量才能够提高良率降低成本的特点，颠覆了原来业界习惯性新芯片定高价的定价模型，提出了Learning Curve Pricing的概念，也就是行业领先者可以一开始就大幅度低于成本定价，使得先进芯片更快普及，倒逼产能升级，同时打压竞争对手。这一点和OpenAI现在面临的情况是很像的，模型成本还很高，但是需要更多开发者去帮助模型迭代，所以需要激进地补贴降低成本，而不是因为模型训练贵所以急于回本。
看了OpenAI Dev Day，觉得OpenAI现在比较像PC时代Intel+Microsoft两家的结合，提供了芯片和操作系统以及最核心的几个杀手应用，通过技术升级+大Capex投入的规模效应来形成壁垒，同时做操作系统、应用商店和超级应用。
在芯片行业直接对标Intel的第二名还有机会，操作系统的第二名机会就很少了。大Capex投入形成的规模效应还是有被挑战的可能的，操作系统形成的网络效应和非常高的迁移成本，基本上非常难以挑战，并且更加赢家通吃。Dev Day之后很多人哀嚎OpenAI干掉了很多startup，本质上还是因为这些startup在做计算器写字板浏览器这样要么很简单没门槛，要么操作系统肯定会做的事情。
简单粗暴类比下历史，面对Intel+Microsoft，赢家有几种情况，第一种情况就是得像Character这样训自己的模型，在情感陪伴领域有很好的表现以及很低的推理成本，在一个细分市场里面有机会大幅超过openAI，类似于NVDA做GPU或者ARM做低功耗的芯片，然后再围绕独特的模型能力打造独特的产品和生态。
第二种情况是在Windows上构造类似Adobe这样和业务结合非常紧密，迁移成本非常高的软件，让微软自己做不出来。这会考验AI能力是否真的能和业务场景深度结合带来增量价值。
第三种情况是基于Windows提供的浏览器能力，做社交网络，电商等。核心还是用户数据和用户关系的沉淀。这里的关键会是AI的新能力如何形成之前无法产生的连接，以及这样的连接如何能够沉淀形成网络效应。移动互联网早期第一个把滤镜做到极致的不是instagram，而是Hipstamatic，当时红极一时，2010年还拿到了Apple App of the Year的荣誉，然而Hipstamatic的滤镜虽然做到了极致，但并不具备网络效应，现在估计都没几个人记得这个应用了。而Instagram虽然号称也是创始人Kevin从学摄影的经历得到灵感，但其实它的前身是一个叫Burbn的社交应用，做的是类似Foursquare的签到分享应用，这天生具备网络效应的设定，后来才改名为Instagram专攻照片拍摄和分享火起来的。第一波AI创业公司也必然会诞生很多Hipstamatic这样的产品。
同时Dev Day发布的Stateful API很重要，不只是因为降低开发者成本，更重要的是意味着用户在OpenAI模型上的时间投入开始产生了迁移成本。之前的GPT等于还是一个滴滴司机，和用户服务完没有留下记忆，下次见面需要用户重新把prompt和上传的文件再说一遍。现在真正变成了能记得住历史的助理，用户沟通的时间越长，积累的stateful数据越多，就越无法离开。目前看这个stateful的数据还没办法迁移，是和同一个OpenAI账号绑定的，类似这个助理还没办法跳槽去别的助理公司。
GPT4 API的定价大幅下降也是很关键的。用半导体产业类比的话，台积电创始人张忠谋在德州仪器工作的时候，针对半导体行业芯片一开始成本高，良率低，需要起量才能够提高良率降低成本的特点，颠覆了原来业界习惯性新芯片定高价的定价模型，提出了Learning Curve Pricing的概念，也就是行业领先者可以一开始就大幅度低于成本定价，使得先进芯片更快普及，倒逼产能升级，同时打压竞争对手。这一点和OpenAI现在面临的情况是很像的，模型成本还很高，但是需要更多开发者去帮助模型迭代，所以需要激进地补贴降低成本，而不是因为模型训练贵所以急于回本。