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。

设计不好一个箱庭
遑论设计一个开放世界

方糖全栈路线图：https://github.com/easychen/stack-roadmap

方糖全栈路线图聚焦于「如何将一个想法做成产品，将其商业化并获得收益」这一问题，并从大量的学习内容中进行精选，尝试让读者在短时间内补全包括商业模式、设计、开发、运营、增长在内的「最小可行技能栈」，帮助读者完成「从螺丝钉到一人企业」的蜕变。

在经济下行的周期中，无论是更多选择的职业发展，还是更安全的副业主业双线收入都是极为重要的。这也正是路线图期望带来的价值。

小米很懂苹果用户