Forwarded from AI探索指南
用Nano Banana/豆包，简历照片或者用在领英等国外求职APP的照片可以这样处理，换一换背景、调调肩宽感觉高级多了。（非原创）
提示词：整体风格参考 Sony A7111+85mmf/1.4的棚拍肖像，竖构图、浅景深：主体清晰，背景柔化虚化。采用柔和的三点布光，具有自然阴影，并在头发与肩部加入细微轮廓光。保留自然的皮肤质感、毛孔与细节，避免“磨皮”塑料感。眼睛中有明亮自然的 catchlight。最终呈现为高端、适用于Linkedln 的专业级棚拍头像。
提示词：整体风格参考 Sony A7111+85mmf/1.4的棚拍肖像，竖构图、浅景深：主体清晰，背景柔化虚化。采用柔和的三点布光，具有自然阴影，并在头发与肩部加入细微轮廓光。保留自然的皮肤质感、毛孔与细节，避免“磨皮”塑料感。眼睛中有明亮自然的 catchlight。最终呈现为高端、适用于Linkedln 的专业级棚拍头像。
Forwarded from AI探索指南
2025 年末，我在阳朔出差的时候，收到了知乎科技的年度盘点邀请。在我坐飞机从桂林回北京的时候，对着窗外的云层，我拿起 iPad 把我的2025年的创业故事记录了下来。
这一年过得太惊心动魄了。前三个季度，我们被传统世界的“慢”拖得几乎窒息，融资流程的繁琐、团队协作的内耗，让我一度看不到希望。后来我们决定孤注一掷，彻底拥抱 AI Native。
以前觉得不可能的事，现在变成了日常。用 AI Coding 让全员全栈，5分钟上线 Nano Banana 2 的新功能……当速度提上来的时候，焦虑反而消失了。
在知乎的「AI 中场时刻」里，我看到了子羽歌的万字长文。他说 AI 眼镜正在成为新的器官。从 Ray-Ban Meta 到国内的雷鸟、魅族，AI 找到了最好的容器。甚至豆包手机的出现，让系统级 Agent 开始接管我们的生活。软件变硬了，体验变实了。
我也看到了许华哲 Harry 对具身智能的回望。他提到的那个焦虑让我感同身受：我们是不是太忙着做量产、做应用，而错过了通用智能那个最大的“西瓜”？
中美在机器人赛道上的分野，软件在 Vibe Coding 下的狂奔，硬件在眼镜和手机上的博弈……这就是 2025 年的众生相。
大家都在这场风暴里，有人迷茫，有人狂奔，但都在用力地活着。
如果你也身处这个行业，或者对 AI 的未来感到好奇，推荐去知乎搜一下「AI 中场时刻」。那里没有宏大叙事的公关稿，只有我们这些从业者最真实的2025年。
这一年过得太惊心动魄了。前三个季度，我们被传统世界的“慢”拖得几乎窒息，融资流程的繁琐、团队协作的内耗，让我一度看不到希望。后来我们决定孤注一掷，彻底拥抱 AI Native。
以前觉得不可能的事，现在变成了日常。用 AI Coding 让全员全栈，5分钟上线 Nano Banana 2 的新功能……当速度提上来的时候，焦虑反而消失了。
在知乎的「AI 中场时刻」里，我看到了子羽歌的万字长文。他说 AI 眼镜正在成为新的器官。从 Ray-Ban Meta 到国内的雷鸟、魅族，AI 找到了最好的容器。甚至豆包手机的出现，让系统级 Agent 开始接管我们的生活。软件变硬了，体验变实了。
我也看到了许华哲 Harry 对具身智能的回望。他提到的那个焦虑让我感同身受：我们是不是太忙着做量产、做应用，而错过了通用智能那个最大的“西瓜”？
中美在机器人赛道上的分野，软件在 Vibe Coding 下的狂奔，硬件在眼镜和手机上的博弈……这就是 2025 年的众生相。
大家都在这场风暴里，有人迷茫，有人狂奔，但都在用力地活着。
如果你也身处这个行业，或者对 AI 的未来感到好奇，推荐去知乎搜一下「AI 中场时刻」。那里没有宏大叙事的公关稿，只有我们这些从业者最真实的2025年。
Forwarded from AI探索指南
Fk8jTEdBMcYnR8XitrxDjKau258Zv3.jpg
758.6 KB
我发现 AI 高手和普通人有一个最核心的差距，就是对细致工作的拆解能力。
今年我培训了快 1 万名学员，给他们讲 AI。但讲完之后，他们只能提出一些很大、很空泛的需求，比如“能不能帮我做一个什么都懂的智能助理”。然而，现在的 AI 还不支持这样大而全的需求，或者说在处理这类需求时效果不佳。
那高手是怎么做的呢？他们会把一件工作拆分成非常小的步骤。比如写一个方案，首先是选题，接着写大纲、调整大纲，然后根据大纲写内容，完成初稿后进行审核、精修，最后排版。工作流本质上就是工作步骤，就像做菜，最终产出的是菜肴，但前期要经历买菜、挑菜、洗菜、切菜等处理，之后才是炒菜。现在的工作流也是如此，是对信息进行类似洗、切、烹饪等各个步骤的处理。
很多人没办法把工作拆解得这么细致，因为他们自己原本就不清楚自己是怎么做的，或者只是凭着本能和直觉做事。他们只知道说“我要一个炒好的菜”，却完全没想过自己过去是如何把菜炒出来的。
所以，未来非常有价值的能力是把工作，尤其是细致的工作进行流程拆解，并从每个流程中提取经验。比如切菜用什么刀法，煮菜用小火还是大火、煎多久、什么时候翻面。对于工作也是一样，要写出一份好的报告，需要收集什么数据，用什么理论模型处理数据，整个处理过程有哪些需要注意的坑。
如果能把工作流程标准化（SOP 化），并对整个 AI 应用过程进行经验萃取，这是非常有价值的能力。现在我有一些项目就需要这样的人才来提炼工作流、进行经验萃取，然后做成智能体（agent），这决定了智能体的质量。
如果你具备这种能力，有以下几个好处：第一，可以将自己的经验复刻，打造一个 AI 数字员工团队帮你工作；第二，可以出来创业，成为 AI 在某一业务领域的独立顾问，帮企业萃取经验、打造智能体；第三，更重要的是，有一天我们或许真的能复刻出自己的数字员工，帮助我们解决各种问题。
今年我培训了快 1 万名学员，给他们讲 AI。但讲完之后，他们只能提出一些很大、很空泛的需求，比如“能不能帮我做一个什么都懂的智能助理”。然而，现在的 AI 还不支持这样大而全的需求，或者说在处理这类需求时效果不佳。
那高手是怎么做的呢？他们会把一件工作拆分成非常小的步骤。比如写一个方案，首先是选题，接着写大纲、调整大纲，然后根据大纲写内容，完成初稿后进行审核、精修，最后排版。工作流本质上就是工作步骤，就像做菜，最终产出的是菜肴，但前期要经历买菜、挑菜、洗菜、切菜等处理，之后才是炒菜。现在的工作流也是如此，是对信息进行类似洗、切、烹饪等各个步骤的处理。
很多人没办法把工作拆解得这么细致，因为他们自己原本就不清楚自己是怎么做的，或者只是凭着本能和直觉做事。他们只知道说“我要一个炒好的菜”，却完全没想过自己过去是如何把菜炒出来的。
所以，未来非常有价值的能力是把工作，尤其是细致的工作进行流程拆解，并从每个流程中提取经验。比如切菜用什么刀法，煮菜用小火还是大火、煎多久、什么时候翻面。对于工作也是一样，要写出一份好的报告，需要收集什么数据，用什么理论模型处理数据，整个处理过程有哪些需要注意的坑。
如果能把工作流程标准化（SOP 化），并对整个 AI 应用过程进行经验萃取，这是非常有价值的能力。现在我有一些项目就需要这样的人才来提炼工作流、进行经验萃取，然后做成智能体（agent），这决定了智能体的质量。
如果你具备这种能力，有以下几个好处：第一，可以将自己的经验复刻，打造一个 AI 数字员工团队帮你工作；第二，可以出来创业，成为 AI 在某一业务领域的独立顾问，帮企业萃取经验、打造智能体；第三，更重要的是，有一天我们或许真的能复刻出自己的数字员工，帮助我们解决各种问题。
Forwarded from AI探索指南
同样用AI，有人在原地打转，有人已经翻过了山
看到很多人拿 AI 当作业助手，复制粘贴答案交差。这没什么好奇怪的，人都想走捷径。
但有意思的是另一批人，他们也在用 AI，但玩法完全不同。
他们会输入这样的提示词：
"用三个层次解释这个概念：入门、进阶、高级。然后告诉我每个层次之间的差距在哪"
你发现区别了吗？
第一种人用 AI 跳过学习。第二种人用 AI 加速学习。
这两个方向完全相反。
跳过学习的人，三个月后还在原地。因为他们从来没真正理解过任何东西，只是借用了 AI 的输出。
加速学习的人，三个月后已经到了别人一年才能到的地方。他们让 AI 帮自己看清知识地图，找到最陡峭但最高效的那条路。
我见过一个程序员朋友，每次遇到新技术栈，第一件事就是让 AI 梳理出从基础到精通的完整路径。然后专门挑那些进阶到高级之间的难点去啃。
他说，AI 最大的价值不是给答案，而是告诉你应该问什么问题。
这话我琢磨了很久。
大部分人学东西慢，不是因为笨，是因为不知道自己的盲区在哪。你以为自己懂了，其实只是停留在表面。
AI 能瞬间把这些盲区摆在你面前。
它会告诉你，入门和进阶之间差了什么，进阶和高级之间又差了什么。这些差距就是你要花时间攻克的点。
所以真正会用 AI 的人，学习曲线反而更陡了。
陡，意味着难。但也意味着快。
你爬一个斜坡，可能要走很久。你爬一面墙，虽然累，但上去就上去了。
AI 不会替你爬墙，但它能告诉你墙上哪里有抓手。
这才是 AI 对学习的真正改变。
不是让学习变简单，是让学习变高效。你还是得懂，得花时间，得动脑子。只是这个过程被压缩了。
那些想靠 AI 不劳而获的人，迟早会发现自己什么都没学到。
而那些用 AI 主动提高学习难度的人，已经甩开别人好几条街了。
@aigc1024
看到很多人拿 AI 当作业助手，复制粘贴答案交差。这没什么好奇怪的，人都想走捷径。
但有意思的是另一批人，他们也在用 AI，但玩法完全不同。
他们会输入这样的提示词：
"用三个层次解释这个概念：入门、进阶、高级。然后告诉我每个层次之间的差距在哪"
你发现区别了吗？
第一种人用 AI 跳过学习。第二种人用 AI 加速学习。
这两个方向完全相反。
跳过学习的人，三个月后还在原地。因为他们从来没真正理解过任何东西，只是借用了 AI 的输出。
加速学习的人，三个月后已经到了别人一年才能到的地方。他们让 AI 帮自己看清知识地图，找到最陡峭但最高效的那条路。
我见过一个程序员朋友，每次遇到新技术栈，第一件事就是让 AI 梳理出从基础到精通的完整路径。然后专门挑那些进阶到高级之间的难点去啃。
他说，AI 最大的价值不是给答案，而是告诉你应该问什么问题。
这话我琢磨了很久。
大部分人学东西慢，不是因为笨，是因为不知道自己的盲区在哪。你以为自己懂了，其实只是停留在表面。
AI 能瞬间把这些盲区摆在你面前。
它会告诉你，入门和进阶之间差了什么，进阶和高级之间又差了什么。这些差距就是你要花时间攻克的点。
所以真正会用 AI 的人，学习曲线反而更陡了。
陡，意味着难。但也意味着快。
你爬一个斜坡，可能要走很久。你爬一面墙，虽然累，但上去就上去了。
AI 不会替你爬墙，但它能告诉你墙上哪里有抓手。
这才是 AI 对学习的真正改变。
不是让学习变简单，是让学习变高效。你还是得懂，得花时间，得动脑子。只是这个过程被压缩了。
那些想靠 AI 不劳而获的人，迟早会发现自己什么都没学到。
而那些用 AI 主动提高学习难度的人，已经甩开别人好几条街了。
@aigc1024
Forwarded from AI探索指南
油管就好比一座大学，推荐5 个高质量 YouTube 频道，所教的内容比国内的大学质量还好⬇️
1. Bro code
如果您想学习编程，这个频道适合您。只需一个视频，您就可以学习一整套编程语言。它简单、清晰且免费。
https://www.youtube.com/
2. 麻省理工学院开放课件
麻省理工学院是世界上最好的大学，他们在 YouTube 上免费提供课程。你几乎可以免费成为麻省理工学院的学生。
https://www.youtube.com/
3. Charisma on Command
这个频道将教您如何在日常生活中变得更自信、更好地说话、更有魅力。
https://www.youtube.com/
4. Khan Academy
该频道特别关注科学和数学，充满了有价值的教育视频，使学习变得有趣且引人入胜。
https://www.youtube.com/
5. CrashCourse
如果您想了解任何概念，无论是心理学、地理还是科学……这个频道拥有让您变得更聪明的一切。
https://www.youtube.com/
@aigc1024
1. Bro code
如果您想学习编程，这个频道适合您。只需一个视频，您就可以学习一整套编程语言。它简单、清晰且免费。
https://www.youtube.com/
2. 麻省理工学院开放课件
麻省理工学院是世界上最好的大学，他们在 YouTube 上免费提供课程。你几乎可以免费成为麻省理工学院的学生。
https://www.youtube.com/
3. Charisma on Command
这个频道将教您如何在日常生活中变得更自信、更好地说话、更有魅力。
https://www.youtube.com/
4. Khan Academy
该频道特别关注科学和数学，充满了有价值的教育视频，使学习变得有趣且引人入胜。
https://www.youtube.com/
5. CrashCourse
如果您想了解任何概念，无论是心理学、地理还是科学……这个频道拥有让您变得更聪明的一切。
https://www.youtube.com/
@aigc1024
Forwarded from AI探索指南
最近，EdrawMax拿到G2“全球最易用图表软件 Top1”，说实话，那一刻我挺感慨。
刚好这几天，有即友私信问我：
“你们是怎么做到的？”
我觉得这是个挺有意思的话题，索性开个帖子，从一个产品负责人的视角，聊聊我们这几年在产品创新上的一些真实思考。
在国内，大家可能更熟悉 Draw.io、Visio。而 EdrawMax 的主要市场在海外，所以国内知名度并不算高。但如果你听说过「亿图」（现在叫 万兴图示），那就是我们。
这是一款已经有 20 年历史的国产软件。不过，至少在我心里，它一点都不“老”。
一、越是内卷的时代，越不能幻想“一战封神”
这两年，几乎所有软件赛道都在被 AI 重塑。
每个产品人，都会忍不住去对标：Cursor、Midjourney、Gamma、和各种一夜爆红的 AI 新物种。
说实话，我们也心动过。但冷静下来会发现一个现实问题：资源和野心之间，是有 Gap 的。
李善友在《第二曲线创新》里提到一个词——
利基市场（Niche Market），我非常认同。
与其幻想一个 Big Surprise，一上来就正面硬刚巨头，不如在自己真正擅长的细分场景里，先活下来，再长大。不论是成熟产品，还是创新产品，
在资源有限的情况下，利基市场往往才是最优解。
二、一个“几乎已经饱和”的市场，我们还能做什么？
全球图表软件市场，真的非常非常饱和：
•前面有 Miro、Canva 这样的巨无霸
•后面有 Excalidraw 这种开源白板
•中间还有一堆体验不错、价格更低的工具
那 EdrawMax 的机会在哪里？
答案其实并不复杂：用我们最擅长的能力，结合 AI，解决真实存在、但一直被忽略的痛点。
通过大量用户研究，我们发现了几个很有意思的现象：大量 AI 生成的知识库、文章，几乎没有结构化配图；豆包、DeepSeek 生成的流程图、思维导图，不可编辑；新手用户，第一次画流程图、技术路线图，极其痛苦。
这些场景不“性感”，也不宏大。但它们有一个共同点：频率高、痛感强、没人认真把体验做到极致。而这，恰恰是 EdrawMax 的强项。
三、我们做了一件“不那么显眼，但很关键”的事
于是，我们做了一个桌面级的创新功能：
万兴图示 AI（EdrawMax AI 桌面悬浮球）
使用方式很简单：
•不需要打开客户端
•桌面划词 / 输入文本
•一键生成最合适的专业图示
刚好这几天，有即友私信问我：
“你们是怎么做到的？”
我觉得这是个挺有意思的话题，索性开个帖子，从一个产品负责人的视角，聊聊我们这几年在产品创新上的一些真实思考。
在国内，大家可能更熟悉 Draw.io、Visio。而 EdrawMax 的主要市场在海外，所以国内知名度并不算高。但如果你听说过「亿图」（现在叫 万兴图示），那就是我们。
这是一款已经有 20 年历史的国产软件。不过，至少在我心里，它一点都不“老”。
一、越是内卷的时代，越不能幻想“一战封神”
这两年，几乎所有软件赛道都在被 AI 重塑。
每个产品人，都会忍不住去对标：Cursor、Midjourney、Gamma、和各种一夜爆红的 AI 新物种。
说实话，我们也心动过。但冷静下来会发现一个现实问题：资源和野心之间，是有 Gap 的。
李善友在《第二曲线创新》里提到一个词——
利基市场（Niche Market），我非常认同。
与其幻想一个 Big Surprise，一上来就正面硬刚巨头，不如在自己真正擅长的细分场景里，先活下来，再长大。不论是成熟产品，还是创新产品，
在资源有限的情况下，利基市场往往才是最优解。
二、一个“几乎已经饱和”的市场，我们还能做什么？
全球图表软件市场，真的非常非常饱和：
•前面有 Miro、Canva 这样的巨无霸
•后面有 Excalidraw 这种开源白板
•中间还有一堆体验不错、价格更低的工具
那 EdrawMax 的机会在哪里？
答案其实并不复杂：用我们最擅长的能力，结合 AI，解决真实存在、但一直被忽略的痛点。
通过大量用户研究，我们发现了几个很有意思的现象：大量 AI 生成的知识库、文章，几乎没有结构化配图；豆包、DeepSeek 生成的流程图、思维导图，不可编辑；新手用户，第一次画流程图、技术路线图，极其痛苦。
这些场景不“性感”，也不宏大。但它们有一个共同点：频率高、痛感强、没人认真把体验做到极致。而这，恰恰是 EdrawMax 的强项。
三、我们做了一件“不那么显眼，但很关键”的事
于是，我们做了一个桌面级的创新功能：
万兴图示 AI（EdrawMax AI 桌面悬浮球）
使用方式很简单：
•不需要打开客户端
•桌面划词 / 输入文本
•一键生成最合适的专业图示
Forwarded from AI探索指南
•支持导出、分享、二次编辑
路径极短，反馈极快。
在 Day1，我们对这个功能的定位想得非常清楚：不做 AI 对话、不做通用文生图、只做「专业级文本生成图示」。而且要做，就做到一个目标：国内最好，全球 Top。
四、用户会用脚告诉你：方向对不对
功能上线后，我们看到了很多有趣的真实用法：
1、把 Wiki、技术文档转成结构化图示，辅助理解
2、 给自媒体文章、公众号内容快速配图
3、把领导布置的模糊任务，快速变成一张可交付的图
通过一轮又一轮用户访谈，我们不断发现：新需求、新场景、新的增长机会点。就这样，产品壁垒在变厚，用户粘性在变强，口碑开始自传播。
五、那通用 AI 不能做吗？
当然会有人问：
豆包可以啊，Gemini 也可以啊？
我的回答一直很简单：
我们做的是通用产品“很难认真去做”的那一段能力。
•生成的图示，几乎都可以二次编辑
•把“从文本到图”的路径，压缩到最短
•保证结果稳定、结构清晰、专业可用
一句话就是：可用、可改、够好、够快。
总结关于 万兴图示 AI（EdrawMax AI） 的创新，本质上并不神秘：
1、在利基市场中，找到自己最擅长的场景
2、把一个小需求，做到体验和效果的极致
3、通过真实反馈，持续迭代，慢慢拉开差距
产品创新，很多时候拼的不是爆发力，
而是定力和耐心。
种下一棵苗，
静待花开有期。
最后放上我们产品中文版地址：https://www.edrawmax.cn/add_in/share?share_id=7ad9e005231246b1a99d8b1aa551de85
路径极短，反馈极快。
在 Day1，我们对这个功能的定位想得非常清楚：不做 AI 对话、不做通用文生图、只做「专业级文本生成图示」。而且要做，就做到一个目标：国内最好，全球 Top。
四、用户会用脚告诉你：方向对不对
功能上线后，我们看到了很多有趣的真实用法：
1、把 Wiki、技术文档转成结构化图示，辅助理解
2、 给自媒体文章、公众号内容快速配图
3、把领导布置的模糊任务，快速变成一张可交付的图
通过一轮又一轮用户访谈，我们不断发现：新需求、新场景、新的增长机会点。就这样，产品壁垒在变厚，用户粘性在变强，口碑开始自传播。
五、那通用 AI 不能做吗？
当然会有人问：
豆包可以啊，Gemini 也可以啊？
我的回答一直很简单：
我们做的是通用产品“很难认真去做”的那一段能力。
•生成的图示，几乎都可以二次编辑
•把“从文本到图”的路径，压缩到最短
•保证结果稳定、结构清晰、专业可用
一句话就是：可用、可改、够好、够快。
总结关于 万兴图示 AI（EdrawMax AI） 的创新，本质上并不神秘：
1、在利基市场中，找到自己最擅长的场景
2、把一个小需求，做到体验和效果的极致
3、通过真实反馈，持续迭代，慢慢拉开差距
产品创新，很多时候拼的不是爆发力，
而是定力和耐心。
种下一棵苗，
静待花开有期。
最后放上我们产品中文版地址：https://www.edrawmax.cn/add_in/share?share_id=7ad9e005231246b1a99d8b1aa551de85
Forwarded from AI探索指南
你用 ChatGPT 的方式，正在浪费它 90% 的能力
之前我总觉得 ChatGPT 给的答案太浮于表面，总是说一些正确的废话，我开始怀疑是 AI 能力不行，还是我表达有问题？
所以我开始测试怎么和 AI 说人话。聊了无数次不同的对话，最后总结出 7 个让 ChatGPT 输出质量倍增的技巧。不需要学什么 Prompt 工程，只需要调整你说话的方式。
如果你想让 AI 给出更有价值的答案，记住一个原则：精准的输入 = 高质量的输出。
这不是技术问题，是沟通问题。AI 不会像人一样理解你的言外之意，它需要明确的指令、清晰的框架、具体的要求。就像写产品需求文档，越详细越不容易偏离目标。
试试这些方法，你会发现 AI 能帮你做的事情，远比你想象的多。
@aigc1024
之前我总觉得 ChatGPT 给的答案太浮于表面，总是说一些正确的废话，我开始怀疑是 AI 能力不行，还是我表达有问题？
所以我开始测试怎么和 AI 说人话。聊了无数次不同的对话，最后总结出 7 个让 ChatGPT 输出质量倍增的技巧。不需要学什么 Prompt 工程，只需要调整你说话的方式。
如果你想让 AI 给出更有价值的答案，记住一个原则：精准的输入 = 高质量的输出。
这不是技术问题，是沟通问题。AI 不会像人一样理解你的言外之意，它需要明确的指令、清晰的框架、具体的要求。就像写产品需求文档，越详细越不容易偏离目标。
试试这些方法，你会发现 AI 能帮你做的事情，远比你想象的多。
@aigc1024