Everything you care about in one place
Follow feeds: blogs, news, RSS and more. An effortless way to read and digest content of your choice.
Get Feederwoshipm.com
人人都是产品经理
Get the latest updates from 人人都是产品经理 directly as they happen.
Follow now 174 followers
Latest posts
Last updated about 1 hour ago
GPT-6 Sol 曝光：OpenAI 要把旗舰变成大白菜
about 3 hours ago
你最近用的 ChatGPT，可能已经偷偷换模型了。这两天，一个叫 GPT-6 Sol 的名字开始频繁冒头。 有人在 OpenAI API 模型列表里短暂看到了 GPT-6-Sol，几个小时后又消失；也有用户反馈，自己明明选的是 GPT-5.6 Sol，后台却显示被路由到了...
豆包工作还想反超WorkBuddy？
about 6 hours ago
最近我一直在用WorkBuddy和豆包工作，已经是铁粉级别了。 但如果现在让我判断国内AI办公这条赛道谁跑得更快，我大概率还是会投 WorkBuddy 一票。 而且按照现在这个趋势继续下去，我甚至觉得 WorkBuddy 和其他产品之间的差距还有可能继续扩大。 原因其实一点都不复杂。 不是因为它多了某个特别惊艳的功能，也不是因为腾讯突然做出了一个遥遥领先的大模型。 真正拉开差距的，就两件事： 模型够多，额度够大。 这两件事看起来很普通，但放到今天的中国...
个贷不良四年涨 23 倍：这门从”救大行”长出来的生意，底层逻辑是什么？
about 6 hours ago
从1999年四大AMC剥离1.4万亿不良资产，到2025年个贷不良成交4300亿，这门生意经历了怎样的变迁？本文深度解析个人不良债权从'救大行'到'收个贷'的底层逻辑，拆解债权流转四步、监管合规升级及爱尔兰NAMA的借鉴意义，带你读懂资产处置系统的宏观纵深与系统对抗。 系列：资产处置系统专题讲解 · 第 3 篇 定位：把镜头拉远，看这门生意从 1999 年四大 AMC 成立，到 2025...
实测豆包新模型2.1-pro，这次审美和长时间Agent任务都追上第一档了
about 6 hours ago
火山方舟把 Seed 模型升到 Doubao-Seed-2.1-pro-0915，1M 上下文配 256k 深度思考，主打 Agent 长时间执行不摆烂。作者用五个真实文件连测，体素樱花岛一次成稿，视觉和手感都上了第一档。 火山方舟最近给Seed模型推了一次大的版本升级。 Doubao-Seed-2.1-pro-0915，直接顶到了1M上下文和256k的深度思考，主打一个Agent长时间执行任务防中途摆烂，还降低了工具幻觉，还能拿视觉理解去搞前端Coding。 新模型可以来一大轮实测，这次我定的测评case很直接。...
想把喜欢的???事做成动画？我用 AIXTV 把《聊斋》做出来了
about 6 hours ago
最近刷短视频，古风、悬疑类的 AI 漫剧常能刷到，作者也想自己试一把：用 AIXTV 的影视片场，把《聊斋志异》里的《云翠仙》做成两集古风二维动画，又顺着古典武侠 Skill 拍了电影感的《最后一镖》。 最近刷短视频，经常能看到古风、悬疑类的AI漫剧。有时候只是随手点开，看着看着，反而想知道下一集会发生什么。 我自己一直挺喜欢看电影，也喜欢《聊斋志异》这类故事。一个普通人走进一间山中宅院，遇见的人看起来再寻常不过，等到天亮，才发现昨晚的一切另有来处。拿来做短片，很有画面感。 短视频看多了，我也心动想试试。 现在AI视频工具越来越多，从想一个故事，到设计人物、拆分镜，再到让画面动起来，一个人也可以试着做完。我就想，能不能把自己喜欢的武侠和聊斋故事，搓成几支能看下去的短片？ 这次我用AIXTV试了两种方向：两集古风二维动画《云翠仙》，以及一支电影感的古典武侠短剧《最后一镖》。这次文章里的三支视频，都是用...
DeepSeek-V4.1-Flash 的最佳 Harness 搭档，我觉得可能是 Claude Code
about 6 hours ago
DeepSeek 技术文件提到，大模型很少只跑在固定 Harness 里，不同脚手架的提示词、工具定义与上下文管理都会影响结果。官方测试显示 DSH Minimal 模式反常识地优于 Standard 与 PTC，Claude Code 开箱即用接近峰值。...
物理 AI 的大结果何时到来？
about 6 hours ago
从黄仁勋在 Computex 喊出“下一波浪潮是物理 AI”开始，汽车、摄像头、家电公司纷纷挤进这个概念，连会计师行都成立了物理 AI 实验室。但真正大规模落地的载体还不多，人形机器人全球年产量不过万台。 人人都是物理 AI。 如今业务只要和硬件相关，都有机会挤进这个概念。汽车自不必说，“汽车就是机器人”的口号响彻寰宇。连法拉第未来都在今年宣布升级为“物理 AI 生态公司”了。贾老板的生态化反，再一次比产品更早抵达未来。 汽车只是物理...
产品定义意义上的一级场景：四维模型
about 9 hours ago
传统场景分类为何总是抓不住用户真实需求？本文提出「一级场景」四维模型——核心行动者、生活目标、情境条件、利益相关者，帮你从表层场景升级到产品定义层面。通过核心承诺区、基础覆盖区与非核心区的边界划分，以及场景-痛点-需求-规格的链式验证，让产品定义不再靠猜，而是有章可循。 一、认知升级：为什么传统场景分类不够用 “通勤、购物、家庭、商务、旅行、周末、户外、夜间”，这些按时间和地点划分的场景标签，几乎是每个产品团队都会使用的分类方式。它们直观、易懂，但问题在于：同样的场景标签下，用户的用途、任务和价值结构可能完全不同。 一个典型的例子是“家庭周末”场景。同样是周末在家，有的用户是在处理家庭琐事，有的用户是在享受独处时光，有的用户是在进行亲子互动。如果产品团队仅仅根据“家庭周末”这个标签来做功能规划，几乎不可能精准命中任何一类用户的真实需求。正如张小龙所指出的，用户说“我需要的不是一个锤子，而是墙上的洞”，如果产品团队信了用户的字面表达，做出来的就真的只是一把锤子。 更深层的问题在于，这种分类方式的颗粒度太粗，导致产品的边界被无限膨胀。麻省理工斯隆商学院2023年的创新调研显示，超过72%的传统用户参与调研最终得到的都是伪需求。原因很简单：大部分用户根本描述不清自己真正想要什么，他们只能给出表面的回答。 因此，产品定义需要完成一次根本性的视角转换：不是“用户在哪个场景里做什么”，而是“产品进入用户哪一块生活，承担什么价值责任”。 二、产品定义意义上的一级场景：四维模型 从表层场景到一级场景的升级，需要回答四个核心问题。这四个问题构成了一个完整的场景定义框架： 2.1 谁：核心行动者 核心行动者即“此时真正承担任务的人”。这里需要明确用户的角色身份、关键特征、能力与状态，以及最终的目标。 值得注意的是，核心行动者与利益相关者是两个不同的概念。前者是产品的直接使用者，后者包括参与者、影响者、决策者、受益者和承担者。在产品定义阶段，必须首先锁定核心行动者，然后才能准确识别利益相关者的角色分布。...
Stella：“显化”想要的人生，60天35万美元月收入
about 9 hours ago
把「显化」做成 AI App 的 Stella，上线两个月就拿到超过 20 万次下载、1.2 万名付费用户和 35 万美元月收入。创始人在 Instagram 和...
破局产品同质化：长期主义的产品突围之路
about 9 hours ago
当产品同质化成为常态，价格战愈演愈烈，企业如何跳出低水平竞争？本文深度剖析同质化的根源，提出差异化的本质不是“做得不一样”，而是围绕目标用户构建难以复制的价值体系。从成本领先、产品差异化到品牌生态，结合小米、苹果、戴森等案例，为你拆解从定义用户到建立护城河的完整落地路径。 展会上，各种产品琳琅满目；电商平台里，商品极度丰富，可是能让我们记住的品牌却少之又少：同价位的产品功能趋同，同功能的产品外观相似，参数表越堆越长，我们能感知的差异却越来越小…… 几十年的高速发展已让消费者的问题从“有没有产品可买”变成“这么多产品该如何选择”；企业呢，则从“如何把产品做出来”，转向“如何让用户愿意持续为我买单”。当供给日渐丰富、供应链日益成熟、信息逐步透明，跟随、降价、叠加功能也越来越难建立长期优势。 真正的破局，或许不是把产品做得“不一样”，而是围绕目标用户，通过长期的积累，建立一套竞争对手难以快速复制的差异化价值创造体系——这正是长期主义的内涵：不是慢，而是构建那些需要时间持续积累才能形成的护城河。 一、产品为何越来越同质化 同质化不是个别企业的偶然选择，而是来自以下三个主要原因： 1. 模仿的短期收益高于创新。 创新需要研发投入、承担风险并经历验证周期，而跟随成熟产品则投入小、见效快，所以缺乏长期战略时，模仿便成为理性的短期选择，当大部分企业都这样选择时，就形成了市场的同质化供给。 2. 供应链的成熟降低了模仿的门槛。 零部件的标准化和...
实习生1天消耗1亿Token被约谈：如何衡量Token的ROI
about 9 hours ago
当一位实习生因一天消耗1亿Token却只产出十几行代码被约谈，AI Coding时代的效率焦虑被彻底摆上台面。Token消耗与代码产出之间，究竟该用什么标尺来衡量？当Input而非Output成为成本黑洞，当“每行代码成本”被证明是伪指标，从Token单价到单位任务成本，行业的算账逻辑正在经历一场根本性重构。本文拆解AI Coding的Token ROI迷思，并从个人和团队层面给出可直接落地的优化方法。 先把账算清楚：1亿Token到底是什么概念 先建立一个直观的认知。以国内主流大模型的定价来算，1亿Token大约值多少钱： 不同模型差距很大。用Flash级模型，1亿Token也就两三百块钱，一个实习生一天的工资应该不止这个数。用顶级模型，一天烧掉大几千，确实有点多。 但钱只是表象。真正的问题是：这些Token花出去了，换回来的是什么？ 实习生的帖子里，一天下来”只更新了十几行代码”。如果只看产出行数，1亿Token/15行≈666万Token/行，看着是有点高。但如果这十几行代码改的是一个藏得很深的接口bug，或是新增一个及其底层的能力，那这笔账是不是值得？ 这就是AICoding时代最拧巴的地方：我们还在用工业时代的产出指标（行数、功能点），去衡量一个完全不同的生产方式。 Token都花哪去了：Input才是成本黑洞 很多人对Token消耗的想象是：我说一句话，模型生成一段代码，消耗的Token就是生成的那几行。...
豆包工作打出“团队Agent”牌，Workbuddy、千问会跟吗？
about 9 hours ago
AI办公大战进入白热化阶段，腾讯、阿里、字节纷纷从个人工具转向组织级智能体。飞书8.0与豆包工作伙伴的深度融合，让Agent以独立协作主体身份嵌入团队工作流，而WorkBuddy打通企微、千问嵌入钉钉则走出不同路径。本文深度解析三大玩家的战略布局与产品逻辑，揭示办公AI如何从单点效率工具演变为组织协作的基础设施。 今年夏天，AI办公大战集中升温。腾讯、阿里、字节相继完成旗下产品线的整合收拢，从各自为战的功能迭代，转向以更完整的产品生态参与竞争。 这场生态之争的走向正在变得明朗：单纯赋能个人的AI工具，已经不再是竞争的终点。各家都在往更深处走，把AI能力嵌进企业已有的工作流程，嵌进团队日常的协作节奏。谁能完成这一步，谁就能在下一阶段的竞争里拿到更稳固的位置。 9月15日，2026飞书未来无限大会在北京举办，飞书8.0版本与“豆包工作伙伴”同步亮相。前者完成面向Agent的全平台系统性重构，后者是国内首个团队级智能体产品，以独立的协作主体身份嵌入组织体系，成为全员可调用、上下文共享的组织级智能角色。 这并不是一家大厂的单兵突进。腾讯WorkBuddy正在加速打通微信与企业微信，阿里千问也已经深度嵌入钉钉办公流程，三家玩家基于各自的生态优势，走出了三条截然不同的探索路径。办公AI赛道的竞争焦点，也正从个人效率工具的功能比拼，转向组织级智能的深层落地。 01 豆包工作为何选择团队Agent作为突破口？ 作为国内首个面向团队的智能体产品，豆包工作伙伴的核心突破，是让Agent以独立的协作主体身份进入组织工作流。 具体到产品形态上，豆包工作伙伴拥有专属的账号体系与人设，可以像真实员工一样被拉进任意群聊、受邀参加会议、访问授权范围内的文档与数据，企业全员都可以直接@它发起协作，不需要每个人单独配置、重复投喂上下文。 权限体系上，它完全沿用飞书的组织架构规则，企业管理员可以统一配置访问范围、设定AI用量上限、追溯所有操作日志，安全边界和真人员工保持一致。更关键的是持续的团队记忆：它能记住群聊历史、文档内容、会议结论和项目进展，积累下来的团队经验不会随人员流动而流失，还可以跨群调用、跨项目复用。 在授权范围内，豆包工作伙伴可以调用飞书全栈产品能力，甚至带着上下文替人参加会议、会后同步纪要。企业也可以为不同部门或项目配置多个工作伙伴，分别承担内容、数据、运营等不同职能。 这一切得以成立，核心是飞书与豆包工作的原生深度融合，而非两个产品的简单打通。飞书8.0的重构，本质上是把Agent从“功能调用方”变成了平台的“一等公民”，官方披露的适配逻辑分为三层：人与Agent自然协作、Agent像人一样使用全量产品、企业管理Agent像管人一样权限清晰。...