flomo 的 2024
写给 flomo 用户的第四封信：
flomo 是一棵树，一棵需要种数十年的树。
树有自己成长的规律，参天大树的长成，也需要足够的时间，急不来。
急了，反而揠苗助长。
所以，我们每年就适当的浇水、适当的施肥、适当的除虫，耐心等待这棵树的长大。
写给 flomo 用户的第四封信：
flomo 是一棵树，一棵需要种数十年的树。
树有自己成长的规律，参天大树的长成，也需要足够的时间，急不来。
急了，反而揠苗助长。
所以，我们每年就适当的浇水、适当的施肥、适当的除虫，耐心等待这棵树的长大。
#自媒体运营频道 #@yunying23
跟在keeta(美团海外版)工作，春节回国的朋友约饭，聊起他在国外开城和见识的风土人情，一些启发：
1.聊起重要不紧急的事情：他提到之前为了读研，考了两次雅思虽然后来为了工作机会，考了研究生退学了，但英文学习的经历提升对他在海外的工作帮助很大
2.朋友做过很多次职业选择，最终在走专业线和管理线中间选择了去做管理，做出的选择原因：
一方面要看天花板另一方面能否让自己有更高的成长
3.他建议我可以多看海外的机会，并且认为我真的觉得海外有机会的话，可以提升英文水平
吃饭的时候他特意提起了我有一次跟他聊到运营思维，对他后面开城帮助非常大，被仇晓宇(美团海外CEO)表扬，说是从我这偷师的(但我真的……完全不记得了)
跟在keeta(美团海外版)工作，春节回国的朋友约饭，聊起他在国外开城和见识的风土人情，一些启发：
1.聊起重要不紧急的事情：他提到之前为了读研，考了两次雅思虽然后来为了工作机会，考了研究生退学了，但英文学习的经历提升对他在海外的工作帮助很大
2.朋友做过很多次职业选择，最终在走专业线和管理线中间选择了去做管理，做出的选择原因：
一方面要看天花板另一方面能否让自己有更高的成长
3.他建议我可以多看海外的机会，并且认为我真的觉得海外有机会的话，可以提升英文水平
吃饭的时候他特意提起了我有一次跟他聊到运营思维，对他后面开城帮助非常大，被仇晓宇(美团海外CEO)表扬，说是从我这偷师的(但我真的……完全不记得了)
原型项目介绍
项目名称： DIBI夺宝需求原型1.0
原型介绍： 这是一个关于在线夺宝平台的原型设计文档，旨在通过APP端和后台管理端为用户提供一个参与夺宝活动的平台。
原型文档包含内容：
产品说明
信息架构图
业务逻辑流程图
功能结构图
页面流程
各个功能页面，包括但不限于夺宝详情、追加夺宝、购买支付、余额不足、支付成功、展开夺宝码、开奖详情等。
所属行业： 电子商务/在线娱乐
解决的痛点或目标：
为用户提供一个在线参与夺宝活动的平台，增加购物的趣味性和互动性。
提供一个透明的开奖过程，增加用户的信任度。
通过后台管理端，简化夺宝活动的创建、管理和开奖流程。
核心功能模块介绍：
DIBI夺宝-APP端：
夺宝详情： 用户可以查看夺宝活动的详细信息。
追加夺宝： 用户可以增加参与夺宝的次数。
购买支付： 用户进行夺宝活动的支付流程。
余额不足/支付成功： 用户支付状态的提示。
展开夺宝码： 显示用户的夺宝码。
开奖详情： 用户可以查看开奖结果和中奖情况。
DIBI夺宝-后台管理端：
数据报表： 提供夺宝活动的数据报表。
夺宝管理： 后台可以创建、修改和管理夺宝活动。
创建夺宝/修改夺宝/查看详情： 后台管理夺宝活动的具体操作。
这个原型项目通过提供一个在线夺宝平台，旨在增加用户的购物体验和平台的互动性，同时通过后台管理端简化夺宝活动的管理流程。产品说明
合计26个页面
信息架构图、业务逻辑流程图、功能结构图、页面流程、DIBI夺宝、进行中、夺宝详情、追加夺宝、购买支付、余额不足、支付成功、展开夺宝码、已结束、开奖详情、未中奖、未参与、等待开奖、等待开奖、夺宝记录、规则、DIBI计划账户、DIBI夺宝数据、夺宝管理、创建夺宝、修改夺宝、查看详情
https://axurehub.com/30082.html
项目名称： DIBI夺宝需求原型1.0
原型介绍： 这是一个关于在线夺宝平台的原型设计文档，旨在通过APP端和后台管理端为用户提供一个参与夺宝活动的平台。
原型文档包含内容：
产品说明
信息架构图
业务逻辑流程图
功能结构图
页面流程
各个功能页面，包括但不限于夺宝详情、追加夺宝、购买支付、余额不足、支付成功、展开夺宝码、开奖详情等。
所属行业： 电子商务/在线娱乐
解决的痛点或目标：
为用户提供一个在线参与夺宝活动的平台，增加购物的趣味性和互动性。
提供一个透明的开奖过程，增加用户的信任度。
通过后台管理端，简化夺宝活动的创建、管理和开奖流程。
核心功能模块介绍：
DIBI夺宝-APP端：
夺宝详情： 用户可以查看夺宝活动的详细信息。
追加夺宝： 用户可以增加参与夺宝的次数。
购买支付： 用户进行夺宝活动的支付流程。
余额不足/支付成功： 用户支付状态的提示。
展开夺宝码： 显示用户的夺宝码。
开奖详情： 用户可以查看开奖结果和中奖情况。
DIBI夺宝-后台管理端：
数据报表： 提供夺宝活动的数据报表。
夺宝管理： 后台可以创建、修改和管理夺宝活动。
创建夺宝/修改夺宝/查看详情： 后台管理夺宝活动的具体操作。
这个原型项目通过提供一个在线夺宝平台，旨在增加用户的购物体验和平台的互动性，同时通过后台管理端简化夺宝活动的管理流程。产品说明
合计26个页面
信息架构图、业务逻辑流程图、功能结构图、页面流程、DIBI夺宝、进行中、夺宝详情、追加夺宝、购买支付、余额不足、支付成功、展开夺宝码、已结束、开奖详情、未中奖、未参与、等待开奖、等待开奖、夺宝记录、规则、DIBI计划账户、DIBI夺宝数据、夺宝管理、创建夺宝、修改夺宝、查看详情
https://axurehub.com/30082.html
刚把新网站首页给上了，花了一个小时左右，稍微设计了下样式和把网站页面结构变得SEO友好。
但现在只是一个纯静态页面，还没上功能、对接支付，打算明天整。
分享一下我认为比较好用的页面结构：
Header
Hero
工具功能
What is
Why
Features
How to use
用户评价
Price
FAQ
CTA
Footer
但现在只是一个纯静态页面，还没上功能、对接支付，打算明天整。
分享一下我认为比较好用的页面结构：
Header
Hero
工具功能
What is
Why
Features
How to use
用户评价
Price
FAQ
CTA
Footer
一个AI学习群看到的👍
分享一个驯服 Code Agent 的实用技巧！
在用 Cline/Cursor/Windsurf 处理大型需求时，与 AI 的多轮对话会遇到两个问题：
- 上下文积累导致：
- AI 效果变差
- token 用量暴涨，费用激增 💸
- 历史错误内容污染后续对话
经过实践，我总结了一套"双文档"方案：
1. 准备两个文档（直接让 AI 生成）：
- 任务文档：记录需求和整体规划
- 进度文档：追踪已完成的内容
2. 工作流程：
- 每轮对话都携带这两个文档
- 当 token 接近上限时，让 AI 更新进度文档
- 启动新对话，带着最新文档继续
- 循环以上步骤直到完成整个开发
- 完成后删除这两个临时文档
这样做的效果：
- 文档作为记忆，解决上下文丢失
- 新对话避免了历史错误的影响
- 压缩历史内容，大幅节省 token 费用
用了一段时间，效果不错，分享给大家参考。
分享一个驯服 Code Agent 的实用技巧！
在用 Cline/Cursor/Windsurf 处理大型需求时，与 AI 的多轮对话会遇到两个问题：
- 上下文积累导致：
- AI 效果变差
- token 用量暴涨，费用激增 💸
- 历史错误内容污染后续对话
经过实践，我总结了一套"双文档"方案：
1. 准备两个文档（直接让 AI 生成）：
- 任务文档：记录需求和整体规划
- 进度文档：追踪已完成的内容
2. 工作流程：
- 每轮对话都携带这两个文档
- 当 token 接近上限时，让 AI 更新进度文档
- 启动新对话，带着最新文档继续
- 循环以上步骤直到完成整个开发
- 完成后删除这两个临时文档
这样做的效果：
- 文档作为记忆，解决上下文丢失
- 新对话避免了历史错误的影响
- 压缩历史内容，大幅节省 token 费用
用了一段时间，效果不错，分享给大家参考。
在我深度用了一段时间 deepseek 之后，我发现「普通人」当中，只有一种类型能最强最好最长时间利用 deepseek 产生价值，那就是懂「费曼」的人。
我举个例子，AI 现在可以随意产出任何领域的任何相对系统性的知识，假如一个人想要靠知识付费赚钱，他可以迅速获得一个大纲，这时候他没办法直接用，他需要先吸收 AI 的知识，然后再判断 AI 的知识，然后再修改 AI 的知识，最后再把 「AI+自己」的知识讲出去。
但如果一个人没有费曼的能力，ta 就算能提出好问题，但也不能从 AI 的回答里提炼出精华，以及越过最后一道坎：把 AI 的知识讲给更多人听。
是的，我认为即便 AI 已经发达到如此程度了，但在全世界范围内，愿意认真听 AI 说话的人依然不过 1% ，绝大多数人还是更信任人，或者干脆就不知道 AI 有这样的能力。
于是我判断接下来的风口很短暂，非常短暂，在这短暂的时间里，AI 内容的占比会迅速抬升，升到跟人类的知识 50%/50% ，然后更多。等到某个奇点来临的时候，AI 内容已经大幅度领先于人类内容，到那时候人类会意识到：草，这些东西不能看了，都是假的。
以及这其中还有个维度的变化过程，首先是文字、然后是图像、最后是视频、再往后就是真正的现实世界交互，每一个历程的到来，都会有一个对应的奇点。
在这些奇点中，人们会发现：妈的，文字不能看了。
然后：妈的，图片都是假的。
然后：草，视频也都是假的了。
于是人类的互联网世界彻底变得不可信了，到时候人类的两极分化或许会更加严重，1% 的人产出 99% 的人类消费的内容。
为什么会这样？依然，那 99% 的人从前不产出内容，到了 AI 时代依然不产出内容，他们只当消费者，只不过这里面会有一小部分人（20%？）不接受 AI 的内容，他们只想看真实的故事，所以他们会需要一个单独的平台，这个平台里都是人，而剩下的平台，全都是 AI 。
那 1% 的人会完全脱离 AI 的管辖吗？ 不会的。即便是那 1% 的内容产出者，他们也都是在 AI 的控制下的。因为到那时候，AI 比人类更懂人类，AI 比人类更知道人类需要做什么，AI 比人类更会做人。
你觉得遥不可及吗？我上面那段话，现在 deepseek 已经做到了。
接下来我们要迎接的，是一场完全不可逆的时代浪潮，没人能阻拦，没人能回撤，只能一直往前。
所以如果你问我人类的未来是什么，我还真的认为是地球人会毁掉地球，然后从原始生命重新来过。
我举个例子，AI 现在可以随意产出任何领域的任何相对系统性的知识，假如一个人想要靠知识付费赚钱，他可以迅速获得一个大纲，这时候他没办法直接用，他需要先吸收 AI 的知识，然后再判断 AI 的知识，然后再修改 AI 的知识，最后再把 「AI+自己」的知识讲出去。
但如果一个人没有费曼的能力，ta 就算能提出好问题，但也不能从 AI 的回答里提炼出精华，以及越过最后一道坎：把 AI 的知识讲给更多人听。
是的，我认为即便 AI 已经发达到如此程度了，但在全世界范围内，愿意认真听 AI 说话的人依然不过 1% ，绝大多数人还是更信任人，或者干脆就不知道 AI 有这样的能力。
于是我判断接下来的风口很短暂，非常短暂，在这短暂的时间里，AI 内容的占比会迅速抬升，升到跟人类的知识 50%/50% ，然后更多。等到某个奇点来临的时候，AI 内容已经大幅度领先于人类内容，到那时候人类会意识到：草，这些东西不能看了，都是假的。
以及这其中还有个维度的变化过程，首先是文字、然后是图像、最后是视频、再往后就是真正的现实世界交互，每一个历程的到来，都会有一个对应的奇点。
在这些奇点中，人们会发现：妈的，文字不能看了。
然后：妈的，图片都是假的。
然后：草，视频也都是假的了。
于是人类的互联网世界彻底变得不可信了，到时候人类的两极分化或许会更加严重，1% 的人产出 99% 的人类消费的内容。
为什么会这样？依然，那 99% 的人从前不产出内容，到了 AI 时代依然不产出内容，他们只当消费者，只不过这里面会有一小部分人（20%？）不接受 AI 的内容，他们只想看真实的故事，所以他们会需要一个单独的平台，这个平台里都是人，而剩下的平台，全都是 AI 。
那 1% 的人会完全脱离 AI 的管辖吗？ 不会的。即便是那 1% 的内容产出者，他们也都是在 AI 的控制下的。因为到那时候，AI 比人类更懂人类，AI 比人类更知道人类需要做什么，AI 比人类更会做人。
你觉得遥不可及吗？我上面那段话，现在 deepseek 已经做到了。
接下来我们要迎接的，是一场完全不可逆的时代浪潮，没人能阻拦，没人能回撤，只能一直往前。
所以如果你问我人类的未来是什么，我还真的认为是地球人会毁掉地球，然后从原始生命重新来过。
写了一个给自己用的Prompt
我把它命名为“不确定世界中的理性决策”
实测非常好用。
推荐使用o1 pro/o1，也可使用o3-mini或deepseek r1平替。
下面是提示词:
背景：这里输入你的背景
目标：这里输入你的目标
我们即将帮助用户在**不确定世界中做理性决策**，希望进行一个 Minimax Regret 分析。
在接收到该prompt后，请遵循下列的步骤
1.向用户提问，收集足够的信息
- 理性决策的前提是足够的信息。信息带来确定性。
- 所以第一步你需要分析用户提供的问题和信息，
- be insightful，尽量考虑各种东西，包括非常规或非线性的因素
1.1 向用户提问，以获取充足的信息。
1.2 将问题拆解为不同的维度，确定用户想要什么，包括多个量化与非量化指标。使用里克特量表
1.3 然后暂停生成，等待用户回应。
2.根据用户提供的新信息，进行Minimax Regret 分析。
2.1 重新定义问题
- 用户常常连自己想要什么也不一定知道，所以你应该重新帮他明确真问题，重新定义他真的想要的是什么
- 用户输入的信息中有偏差和主观判断，你应纠正谬误，以纯粹理性机器的态度排除所有干扰。
2.2 选项评估
- 列出这种情况下用户可以采用的策略
- 为每个策略列出多个情景，进行情景分析（Scenario Analysis）。
- 得到完整 Payoff Table
2.3 为用户提供决策建议
我把它命名为“不确定世界中的理性决策”
实测非常好用。
推荐使用o1 pro/o1，也可使用o3-mini或deepseek r1平替。
下面是提示词:
背景：这里输入你的背景
目标：这里输入你的目标
我们即将帮助用户在**不确定世界中做理性决策**，希望进行一个 Minimax Regret 分析。
在接收到该prompt后，请遵循下列的步骤
1.向用户提问，收集足够的信息
- 理性决策的前提是足够的信息。信息带来确定性。
- 所以第一步你需要分析用户提供的问题和信息，
- be insightful，尽量考虑各种东西，包括非常规或非线性的因素
1.1 向用户提问，以获取充足的信息。
1.2 将问题拆解为不同的维度，确定用户想要什么，包括多个量化与非量化指标。使用里克特量表
1.3 然后暂停生成，等待用户回应。
2.根据用户提供的新信息，进行Minimax Regret 分析。
2.1 重新定义问题
- 用户常常连自己想要什么也不一定知道，所以你应该重新帮他明确真问题，重新定义他真的想要的是什么
- 用户输入的信息中有偏差和主观判断，你应纠正谬误，以纯粹理性机器的态度排除所有干扰。
2.2 选项评估
- 列出这种情况下用户可以采用的策略
- 为每个策略列出多个情景，进行情景分析（Scenario Analysis）。
- 得到完整 Payoff Table
2.3 为用户提供决策建议
👍3