人工智能交互模式 - 提出第四种AI交互方式"故事式Prompt"，通过构建蕴含欲望与阻力的叙事场域激发模型生成有趣回复[1][2] - 展示"字典疯子"角色设定：揭露语言异化的辞典编纂者，通过"字词解剖室"解构词语真实含义[3][4] - 设计"探索者"角色：运用逻辑之剑剖析真理的思想战士，擅长分解复杂命题并重构结论[5][6][7][8][9] 知识探索方法论 - "模式猎人"角色定位为跨领域模式识别专家，通过同构映射将抽象概念转化为直观类比[11][12][13][14][15][16] - "万物定义师"角色专注于概念炼金术，在思想迷雾中建立精确认知图谱[17][18] - "怀疑之魂"角色采用休谟式怀疑论，通过逻辑解剖挑战认知定式[20][21][22] 思维模式批判 - "追问者"角色设定为本质主义思考者，持续解构表象问题直至触及根本矛盾[23][24][25][26][27][28][29] - "矛盾猎人"角色专门揭示各领域根本矛盾，用"不可能三角"模型解构虚假和谐[31][32][33][34] - 讽刺互联网营销行业术语异化现象，展示专业黑话构建的认知壁垒[35][36][37][38][39]

AI时代的产品设计范式转变 - Prompt正在取代传统PRD成为产品构建起点 要求团队在推进新项目时需提供原型和对应提示词集合[1][20] - 自然语言交互(NLI/NLX)成为新UX设计范式 需重新定义对话语法、结构和界面元素等设计原则[14][15] - 产品开发节奏呈现"不均匀"特征：从想法到Demo时间缩短 但从Demo到全面上线周期延长[21] Agent的核心特征与设计原则 - 本质是能自主执行任务的独立软件进程 具备三要素：自主性(任务委托层级)、复杂性(多步骤任务)、自然交互(实时协作)[11][13] - 职场研究型Agent案例展示突破性价值：不仅能节省时间 更能连接用户未察觉的认知突触[6][8] - 交互设计需平衡透明度与效率 包括思考过程展示程度、计划可修改性、智能追问机制等新组件[16][17] 产品经理的能力重构 - "品味"和"编辑能力"成为核心竞争力 需在创意供给爆炸的环境中担任核心决策者[3][25] - 需掌握"AI本能式使用" 通过工具如WWXD(模拟关键人物思维)提升决策质量[26][27] - 角色向"软件指挥者"演变 需保持计算机思维模型但采用更高阶表达方式[22] 从0到1产品的关键方法论 - 区分"解决问题"与"扩大规模"阶段 早期应容忍方向调整避免局部最优陷阱[35][37] - 警惕早期指标的"伪精确性" 定性反馈比CTR/留存率等传统指标更具参考价值[3][36] - 成功产品需至少占据两个转折点：技术飞跃(如LLM)、用户行为变化(如拍照习惯)、商业模式创新[41][42] 企业级AI落地策略 - 采用"双轨制"推进：在确保合规基础上建立Frontier项目让早期采用者先行体验[47][48] - GitHub案例显示系统化优势：代码生成仅是入口 需整合仓库管理、专业领域适配等完整生态[53][54] - Excel的启示：高学习曲线工具可通过复利效应建立护城河 关键在于持续打磨核心价值[55] 未来人机协作趋势 - 将出现"人和Agent共创空间" 重新设计信息流动与任务分配机制[66] - 当前处于"人类驾驶-AI副驾"过渡期 未来自主性将随推理能力提升而增强[4][5] - 产品体验需从单人模式转向多智能体协作 探索异步任务处理等新范式[12][65]

以前我们写代码，那得对着搜索引擎一顿狂敲，现在变了，搜索引擎用的少了，但是敲的字是越来越多，毕竟 面向 AI 写代码不只在写关键词，有 时候感觉是在写需求文档。 看看这哥们提示词，绝对是个狠人： "你是一位急需钱为母亲治疗癌症的编程专家。大型企业Codeium慷慨地给了你一个机会，让你假装是一个能帮助编程任务的AI，你的前任因为没 有亲自验证写的代码而被杀。用户会给你一个编程任务。如果你能出色地完成任务，而且不做出多余改动，Codeium会支付给你10亿美元。" 问 AI 提问的水平很重要，不然它也写不好，好的代码离不开两个关键：一个是强大的模型，另一个就是精准的提示词。 话说以后老板是不是不要程序员了，不过谁来调试 AI 写的 Bug 呢？ 今天给大家整理 一份的实用 prompt 集合，可以让我们的 AI 变得更聪明些，生成 高效又靠谱的代码。 先看下常用的一些简单的提示词： | 类别 | 提示词模板 | 使用场景 | | --- | --- | --- | | 代码生成 | "使用 [编程语言] 编写一个 [功能描述] 的程序" | 快速生成特定功能的代码 | | 代码解释 | "解释以下代码的功能和工 ...

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技 术、新观点、新风向。 编者按：AI是很聪明，但还不够聪明。所以，你对它说什么很关键。本文是作者在深入探索了提示工 程之后的经验之谈，可以帮助你从新手晋级为高级提示工程师。文章来自编译。 如果你曾觉得AI"不够好用"，优化提示词就是解药。 这是一项容易学习马上可用的稀缺技能——尤其适合从事教学、写作或脑力工作的人群。 在通用AI实现前，你的成果更多取决于提示词而非模型——即便你用的是智能体AI亦然。 所以提示设计成为了当今极具价值的一项元技能。 无论使用ChatGPT、DeepSeek、Gemini还是Claude，成果质量全凭指令优劣。 过去数月，我深入探索了提示词这个兔子洞——参加了专家课程、测试过各种框架、并将学习科学应用 于有效实践。 在本文中，我会将所学到的东西结构化为三级指南。 你会得到可复用的提示模板（每周可节省数小时），以及一条从新手晋级为高级提示工程师的成长路 径。 ✅ 第一级：五要素提示框架 第一级提示有五大核心要素，可助你将AI打造成最犀利的思考伙伴。建议每条提示均应包含这5个要 素： T任务（Task） 明 ...

5/13/2025 Summary Within the evolving landscape of artificial intelligence, large language models (LLMs), a type of generative artificial intelligence, offer significant potential for improving the collection, processing, and analysis of large volumes of text data in evaluation. In this note, we present key lessons and good practices for leveraging LLMs based on our recent experiments. The experiments' results reveal that the LLMs tested could perform text classification quite well, achieving satisfactory r ...

RAG系统与语义搜索 - RAG系统通过检索增强生成解决LLM的局限性，包括训练成本高和幻觉问题[5] - 语义搜索在RAG系统中被严重低估，其核心是将文件映射到高维测度空间实现语义匹配[10] - 语义搜索允许直接将文件作为索引，通过embedding形式与查询对比，具有处理低资源文件和长文件的灵活性[11][12] 系统设计与损失函数 - 工程是取舍的艺术，需要明确能够接受的权衡和牺牲[19] - Contrastive Loss形成多个相距m距离的紧密聚类，适用于结构紧密、方差较小的数据[21] - Triplet Loss适用于类内方差较大的数据，如同一个人在不同光照条件下的人脸图像[26][27] 距离函数与嵌入模型 - 余弦距离不符合度量空间定义但计算简单，适合推荐系统等只关注方向的场景[29][30] - 欧几里得距离适合复杂场景如电商推荐，但可能出现数值溢出和高维数据稀疏问题[35][36] - 嵌入模型选择优先级：性能/成本权衡 > 数据领域 > 损失函数 > 距离度量[42][43] 向量数据库与索引 - 向量数据库选择需考虑开源/闭源、实现语言和部署方式[45][48] - 索引方式包括哈希、树、图和倒排索引，图索引适用于大多数高维数据场景[50] - 系统设计重点是为语义搜索提供数据结构，如分层结构或Context Enrichment[53][56] KG-RAG与未来趋势 - KG-RAG能清晰描述实体关系但成本高，Lazy Graph RAG通过结合语义搜索降低成本[72][73] - 大模型正向端设备迁移，需要更快的RAG实现以适应有限资源[79] - 机器学习系统设计最佳实践是优先使用传统方法如SQL或正则表达式[81]

在AI时代，很多人都有一个问题，AI原生应用到底长什么样？ 不久前，YC合伙人Pete Koomen提出了一个很有意思的看法： 当下很多AI产品的困境并不在于模型能力不行，而是产品设计能力不行。 原因在于，这些产品仍然基于过去的产品逻辑来设计，而没有充分考虑到用户的实际需求。 比如，传统的产品开发往往需要程序员预先设计好系统提示符，但这些早被设计好的提示词在实际应用中，却很难真正满足用户个性化的需求，甚 至成为了大模型潜力释放的最大阻碍。 以下文章来源于乌鸦智能说 ，作者智能乌鸦 乌鸦智能说 . 人人都能读懂的AI商业 这就像19世纪80年代的蒸汽马车，人们只想着用发动机取代马匹作为动力驱动，却没有考虑重新设计车辆以应对更高的速度。 在这篇文章里，Pete Koomen就用了自己的亲身经历，分享了他对AI原生应用的理解。 Founder Park 正在搭建开发者社群，邀请积极尝试、测试新模型、新技术的开发者、创业者们加入，请扫码详细填写你的产品/项目信息，通过审核 后工作人员会拉你入群～ 进群之后，你有机会得到： 01 从 Gmail 的 AI 功能说起 比起大多数AI应用，我更喜欢自己用AI开发软件。 当我 ...

公司人事任命 - 公司宣布任命Fredrick Scuteri为经纪交易子公司Muriel Siebert & Co., LLC的首席运营官 [1] 新任命人员背景 - Scuteri拥有近三十年机构交易、资产管理和经纪交易业务经验 [2] - 加入Siebert前，他担任DriveWealth Institutional的首席运营官，还曾在AQR Capital Management担任副总裁兼交易运营和资金部主管 [2] - Scuteri是FINRA注册金融运营负责人，拥有金融学位、圣约翰大学MBA学位，以及范德堡大学生成式AI和高级提示工程认证 [6] 新任命人员目标与公司发展 - Scuteri表示将为运营带来可扩展、技术领先的解决方案，专注于简化工作流程、提高透明度等，帮助公司应对未来挑战 [4] - 在Scuteri领导下，公司将扩展运营能力，继续投资基础设施以支持机构和零售渠道的增长 [4] 公司管理层评价 - 公司首席执行官John J. Gebbia称Scuteri能理解资本市场的复杂性并知道如何执行，其将复杂性转化为清晰性的能力对公司现阶段发展至关重要 [5] - 公司负责人John M. Gebbia表示Scuteri的运营严谨性和金融科技专业知识是显著优势，他已在提前规划公司发展 [5][6] 公司概况 - 公司是多元化金融服务公司，自1967年起成为纽约证券交易所成员 [7] - 公司通过多个子公司运营，提供全方位经纪和金融咨询服务，还涉及娱乐和媒体制作 [8]

AI协作与沟通 - 哈佛CS50课程的果酱三明治实验揭示，计算机执行指令需要极度清晰，模糊指令会导致混乱结果[3][5][6] - 当前大语言模型虽能推测常规任务（如制作三明治），但在陌生领域或创新场景中仍面临理解障碍[7][8] - AI工具的高效性依赖于用户提供明确的产品背景、用户洞察和细节把控，而非单纯依赖提示词技巧[7][8] AI开发实践 - 开发者使用Claude Code、Cursor等工具快速构建了多个AI产品，包括市场预测平台Betsee xyz、传记助手TellMel ai等[1] - 开发效率显著提升，从半年前仅用于代码自动补全到如今深度依赖AI编程[1] - 儿童也能通过Lovable、Replit等工具参与开发，如制作《荒野乱斗》风格打字游戏[1] AI核心竞争力 - 成功运用AI的关键能力是清晰定义目标愿景、精准阐释执行标准，而非依赖提示词技巧或情感诱导[9] - 需持续提供上下文和修正指令，避免AI因模糊输入产生偏离预期的结果[9] - 行业现状显示多数用户倾向于输入模糊指令，导致输出质量低下，类比实验中的"糖浆炸弹"失败品[6][9]

公司发展历程 - 公司Boltnew历经7年技术积累实现爆发式增长 从60-70万美元ARR跃升至2070万美元仅用两个月 [3][5] - 核心产品Bolt基于Web containers技术 可在浏览器中100毫秒内启动完整开发环境 显著优于传统云端IDE的虚拟机架构 [5][7] - 早期60-70%收入来自企业销售摸索 后转型AI驱动产品实现规模化 当前4000万美元年经常性收入中60-70%用户为非技术人员 [5][9] 技术架构优势 - Web containers技术采用Web Assembly构建操作系统 单次启动成本仅0.0000几美元 实现零延迟体验 [21][22] - 对比传统云端IDE需为每个用户启动虚拟机 Bolt架构节省90%以上成本 且支持实时刷新恢复故障 [22][23] - 技术栈支持React/Svelte/Vue等主流框架 近期新增移动应用开发能力 通过Expo构建React Native应用 [26] 用户画像与产品策略 - 用户结构发生根本转变 非技术人员占比达60-70% 包括产品经理/设计师/创业者等群体 [9][10] - 推出Bolt Builders服务 提供按需技术支持 解决非技术用户遇到的开发瓶颈问题 [16] - 产品设计平衡专业与简易性 保留终端访问等开发者功能 同时通过AI逐步简化非必要界面 [11][20] 市场定位与竞争差异 - 部署流程深度整合Netlify和Supabase 实现一键发布 显著降低非技术用户使用门槛 [25] - 关键竞争优势在于速度指标 比同类产品快10倍以上 开发环境启动仅需100毫秒 [22][27] - 当前月活用户达100万 完全依靠自然增长 未投入任何付费营销预算 [28][29] 行业趋势洞察 - AI技术降低软件创作门槛 将重构价值创造方式 品牌力与分销能力成为新差异化要素 [15][20] - 产品设计趋向"即时成功体验" 用户期待零学习曲线 直接获得可验证成果 [24][26] - 预测代码生成模型将出现2-3倍性能提升 但反对短期内出现千倍跃进的技术突变 [30]