🎉分享一个配置化图表工具--Fast Chart

Fast Chart是一款旨在协助设计师和开发者实现图表的提效工具，注释区代码可用于Echarts、AntDesignCharts（桌面端）或AntV/F2（移动端）中图表的实现，从而使图表的设计与调整不再耗时费力

可快速配置想要的桌面端/移动端图表类型，其中类型包含：

折线图（Line charts）：含单折线图、多折线图、迷你折线图
柱状图（Histograms）：含单色柱状图、多色柱状图、分组柱状图、堆叠柱状图、迷你柱状图
条形图（Bar charts）：含单色条形图、多色条形图、分组条形图、堆叠条形图
面积图（Area charts）：含基础面积图、堆叠面积图
散点图（Scatter Charts）：含气泡散点图、矩阵散点图
特殊图表如折柱混合图、地图、漏斗图、雷达图、饼图/环形图

除各图表专属配置项外，其他通用调整项有：数据回填（插件生成的对象）、尺寸调整、标签、轴名称、图例等属性配置（更多图表类型与配置内容将在后期补全），并支持保存模板&使用模板一键回填

链接🔗 https://www.figma.com/community/plugin/1170304287472941363

来自设计资源站： uiuihub.com

#自媒体运营频道 #@yunying23

做电商，尽量不要选择SKU多的品，原因有三：

1、SKU多，压货成本高，会对资金周转有影响，进货库存盘点也琐碎

2、配置链接麻烦，拍摄制作素材图、库存配置、价格配置的工作很多，电商平台的后台不好使，配置的时候只想原地爆炸（最近的切身体会

3、需要比较多的仓储空间及成本，SKU多，每个SKU都得有货，就要有空间放，自己家的房子做仓库还好，要租仓库的话就是一笔固定支出

我选的品就是SKU多的，最近开始有点头疼这个问题了🥹

#自媒体运营频道 #@yunying23

调研，是一门语言艺术，它讲究说学逗唱。

昨天听课最大的启发是“噪声模式是一致的”。
换言之，就是“人们总是在重复自己的失败模式”并且不断的把相同的失败归因给不同的外部。
对我来说，我的失败模式是之前从来没有做出过真正赚钱的产品。
要努力突破这个失败模式。

用户使用产品时，每一次点击都是昂贵的成本。

to b 领域经常开玩笑，说客户总是期待「神奇按钮」，可以一键 xxx，只要按下问题就解决了。

听起来搞笑，但这就是人的本能。

尽可能让用户少点击、少跳转，最大限度降低用户操作量。

用户的使用成本=金钱成本+学习成本+执行成本

傻瓜式操作可以降低用户的使用成本。

《平庸公司的日常》

产品更新，需要写产品功能的说明性文案。

产品经理懒得写，转给实习生。

实习生快下班了，随手写了一条交差。

产品经理看都没看，让实习生直接给研发。

新功能上线后，因为说明性文案写的简单不全面，产生很多客户咨询。

客服部门不清楚，就找产品部门了解情况。

产品经理写了相关的说明话术，发给客服部门。

产品经理本周工作产出 +1

客服部门 kpi +1

产品经理看到客户咨询变多也有点慌，没公开提需求，私底下联系关系好的程序员，帮忙改一下文案。

程序员加了好几天班懒得改，就说问题不大等等看，过段时间用户习惯了应该就没事了。

于是文案就没改。

程序员工作量 -1

后来，客服把相关问题的解答写入问答库。

再有客户提问，通过机器人就可以解答。

实习生无所谓，他从头到尾都没意识到问题。

产品经理无所谓，这事和他的 kpi 无关，没出大事就行。

客服部门无所谓，有机器人回答，偶尔接入人工，也在他们的正常工作量范围内。

公司高层无所谓，他们脱离一线，不管具体业务，压根不知道有这件事。

这件事就这样过去了。

新人引导流程怎么打磨都不过分
永远有想象不到的意外发生

而第一印象只有一次

李开复：零一万物大模型并列世界第一

最近看到很多落地页都有类似这种效果，调研了下大多数是使用typed. js实现的。typed. js是一个模拟打字机效果的库，支持设置输入以及删除后重新输入的效果。

Github：https://github.com/mattboldt/typed.js/

也可以在这里直接体验效果：https://codepen.io/jin-dang/pen/jOoEXXX

和@歸藏 一起视频会议看完 OpenAI 的发布，讨论了一会，背脊发凉…

1️⃣ 没想到卷推理卷到了这种程度😨 现实交流场景下300ms 左右的体验奇点真没想到就这样被越过了，真技术驱动、大力出奇迹

2️⃣ OpenAI 严格按照去往数据更多的地方的战略一骑绝尘，AI 的信仰真不假

3️⃣ 要取代的是人和现实世界交互的器官（眼、耳、口）。人真变成API ，细思极恐，例如 OpenAI完全可以用自己的机器人去和心理咨询师、律师、专家、专业销售人员套数据 🤯 这个范式机会多如牛毛

4️⃣ 推理卷的狠越可能 Q* 已经实装（猜测，概率低）

5️⃣ OpenAI在合成数据领域积累好深，工程化能力和我当年近距离了解的 Dota2 团队的思路如出一辙。将结果智慧用到了极致

6️⃣ 反而，原生多模态带来的效果、可能的抽帧处理都在预期之中

7️⃣ Elo 分很客观，别听 Sam 早期说要做工具，他就是想欺骗人所认识的世界（或者是就是人的等价物/API，硅基“人”）。世界只有极少人会用复杂推理来压测模型。更别提他们还有agent成果攥着（猜测，概率大）

开的是潘多拉魔盒，造的是“神”🫣