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 173 followers
Latest posts
Last updated about 3 hours ago
猿辅导前妙多研发负责人，想把 AI 变成能独立干活的同事
about 6 hours ago
数字员工逐渐走进团队。 6月下旬的时候，Anthropic发布了Claude Tag。 它并不是第一款强调AI同事概念的产品，但它的出现却让这种产品形态变得更加具体。Claude可以直接加入公司的公共频道，持续获得团队讨论里产生的Context。 成员交代一件事以后，它会调用已经获得授权的工具继续处理，也能给自己安排之后需要继续完成的工作。 更重要的是，它不再完全等待人来发起任务。一些长期没有处理的问题，或者团队讨论里出现的异常情况，也可以由Claude主动发现并介入。 而一个AI如果要进入团队，核心价值不只在于回复质量，它还需要理解组织持续产生的上下文内容，也需要获得外部工具和相应权限，并在没有人持续盯着的时候继续推进任务。 最后交回来的最好是一份已经完成的结果，减少人类成员继续搬运信息和补齐步骤的时间。 国内今年早些时候也陆续出现了一些思路很接近的产品。 比如像Helio，它给自己的定位是AI Workforce。团队希望让AI以同事身份待在一个组织里，每位数字成员都有名字、角色和独立记忆，并且可以读取共享频道里的历史内容。 该团队此前做的是Sheet0，那是一款面向数据收集和分析的Agent，去年获得500万美元融资，核心能力是将网页、文件和API里的信息整理成结构化数据。...
实测GLM 5.3｜重回开源国模一哥
about 4 hours ago
长程调度，Agent Loop，这两个词，圈里喊了大半年，你随便刷个技术社区都能看到 乍一听挺唬人。翻译过来其实就一句话：让 AI 自己把一件大事，拆成很多步，一步一步做完，中途还记得自己为啥在干 这几个月，DeepSeek、Kimi、Qwen 都在验证这条路线。今天智谱也发了GLM-5.3 官方说，通过通过极致的后训练 Scaling：数十倍的长程任务环境、更丰富多样的环境类型、超长的后训练时间，大大提高了模型的智能上界 借着这一次GLM-5.3发布，那我们也来拆一拆，看看长程调度究竟又是用，如何自己上手写一个「长程调度」提示词 话不多说，直接开测 01...
为什么产品专业人士，赚不过只会动嘴的销售
about 6 hours ago
为什么十年磨一剑的专业人士，收入却不如一个只会打电话的销售？本文直击商业世界的残酷真相：利润从不按劳分配，只按交易分配。销售离钱更近，而专业人士困在完美主义与线性收入中。要么学会卖，要么别再抱怨——这才是职场人真正的分水岭。 最近中有一些朋友抱怨一个现象。 那个花了十年把打磨专业的市场总监、产品负责人、研发骨干，收入可能不如一个连产品底层逻辑都讲不清楚，但就是会打电话、会加微信、会拍胸脯说”没问题交给我”的销售。 更让人不舒服的是： 公司可以裁掉五个产品经理、压缩市场部的预算、把研发外包出去。 但永远在招销售。 而且不少行业，似乎销售创业总是容易些。 大家有没有想过，这是为什么呢？ 1.商业利润从来不按劳分配，按交易分配 大多数专业人士一辈子踩在一个认知坑里：以为???场是按劳分配。 实际上商业世界只是按交易分配。 你把产品打磨到完美，把用户旅程画到像素级。...
没有用户数据时，我怎样验证一个 RAG 知识库 MVP
about 6 hours ago
一个没有真实用户数据的个人AI产品MVP，基于倪海厦学习资料构建。本文从产品假设、内容加工到问答路线，详细拆解了从资料结构化到Hybrid RAG的完整决策过程，并坦诚展示了当前测试结果与用户验证之间的差距，为知识类AI产品设计提供了可参考的实现样例。 这是一个没有真实用户数据的个人 AI 产品 MVP。 项目基于倪海厦相关学习资料整理，和官方没有关联，只供学习研究。本文使用了项目过程文件、Git 提交和我以前的记录。AI 协助资料核对、提纲梳理和部分文字整理；产品取舍、事实边界、截图与最终删改由我确认。 我能说明项目做了哪些选择，当前代码通过了哪些检查。真实用户是否觉得入口清楚、回答是否有帮助、使用以后会不会???来，这些问题还没有数据支持。 第一个假设先让资料可以进入 项目开始时，我手里有...
有了 Codex 和这几个 Skill，Logo 设计自由了！
about 9 hours ago
哈喽，大家好，我是萤柳！ 前几天我想找一个真正能做 Logo 的 Skill。 GitHub 上相关项目不少，有的说能生成专业品牌系统，有的强调一次给出六套 SVG，还有的把流程做得像设计公司。 只看项目主页，很难知道它们用起来到底差在哪。 我最后挑了三个。 第一个是 Taste...
真正成熟的 AI 产品，都能在设计什么时候交还给人
about 9 hours ago
当AI Agent开始执行真实业务操作时，产品设计的核心不再是让AI做得更多，而是决定它何时必须停下来。本文深入剖析人工接管机制的设计逻辑，从风险分层到动态权限系统，揭示AI产品从“帮我想”到“替我做”的关键转变。 过去两年，AI 产品最明显的变化，是从“帮我想”逐渐走向“替我做”。 聊天模型可以回答问题，Agent 则开始浏览网页、读取文件、调用工具、修改表格、发送信息，并尝试把一个多步骤任务从头推进到尾。对用户来说，这种变化很直观：以前需要把每一步讲清楚，现在只要说出目标，AI 就会自己规划中间过程。 有意思的是，Agent 越能干，产品里的暂停、确认和接管机制反而越多。 OpenAI 在 2025...
如何利用 AI 生成高质量、有价值的数据分析报告？
about 11 hours ago
客户要求“尽快给一份分析报告”，但别急着让AI生成。真正有价值的报告，前提是先梳理需求、明确受众、确认内容。本文从需求分析、报告类型到生成流程，系统拆解如何用AI高效产出高质量分析报告，避免沦为“看起来像报告”的空壳。 客户说尽快给我一个分析报告，我们可千万不要认为有AI辅助很简单，一上来就立刻生成报告，也不要急着开发分析报告生成系统。在开始之前，最好先把需求、报告受众、报告内容和交付形式???理清楚。 AI 可以参与数据分析报告的生成，但一份真正有价值的报告，前提是先完成业务梳理、数据梳理和需求确认。 PART 1｜先做客户需求分析 1. 客户要的是报告，还是工具？ 首先要确认，客户需要的是一份分析报告的成果，还是需要一个能够生成分析报告的工具。 这两个需求看起来相关，但实际交付内容完全不同：前者关注报告本身是否能回答问题，后者还要进一步考虑数据接入、处理流程、生成逻辑和使用方式。 2. 明确分析报告的目标受众...
教你用Workbuddy开发部署上线业务AI应用（一）
about 10 hours ago
从今天开始，老马会把 WorkBuddy 这款 Agent 工具的使用，与各行各业真实存在的问题结合起来，直接分享可以落地的解决方案。 每个行业、每家公司在真实业务中遇到的问题肯定不完全相同，但其中也存在共性。老马要分享的，就是这些共性问题的解决思路。 这次拿到的是一位旅游平台粉丝提供的业务需求。需求点比较多，因此先挑其中一个业务卡点，具体讲讲如何结合 AI 完善它。 如果你也在旅游行业，这篇文章会更对口。如果不是也没关系，只要你的业务环节存在类似问题，同样可以借鉴。 本文脉络 理清业务需求...
教你用Workbuddy开发部署上线业务AI应用（二）
about 10 hours ago
从本地走向云端 书接上文：教你用Workbuddy开发部署上线业务AI应用（一） 在本地使用WorkBuddy开发完AI应用，如果是自己本机或者公司内部使用，那基本上是不需要部署到云服务器上，实现公网访问的。 公司内网的话，找一台电脑???成服务器，开启内网访问即可。这个你不会操作，可以把电脑系统的情况，网络情况描述给WorkBuddy，根据指导去设置也行。 接下来要继续讲的是如何部署到云服务器的问题，对于没有接触过网站开发，或者做过站长的人，即便现在有了AI的解答辅助。 对于云服务器的细节，域名的细节问题，很多人还是一知半解的，毕竟有些坑，是要在实际操作中才会遇到的。 想当年老马还是个初中生的时候，那时候当站长学搞网站，光一个域名解析就折腾了一个星期，不过当时条件也不好，每天只能攒点零花钱。 放学了马上跑黑网吧，最多上一个小时，而且虽然有搜索引擎，但是可查到的参考学习资料比现在少多了，也不像现在有那么多自媒体分享各种入门教程。 因此，老马会从简单上手的角度，去介绍基本的知识和细节。不会面面俱到，如果要说得非常详细，那这篇文章光讲云服务器跟域名就够了。 云服务器与备案 说到云服务器，现在的成本比以前低多了，而且软硬件也升级了不少。对于大部分小伙伴们来说，我们选择云服务器，可以优先选择国内的线路。 国内的机器经常搞活动促销，价格也低，比如阿里云的新人注册，可以抢38块一年的云服务器。常规促销的，也有99一年的。...
AI互联网日报：Apple联手阿里训练中国AI、DeepSeek上线国家超算互联网、百度库库AI推出独立端
about 9 hours ago
Apple和阿里把AI本地化推进系统，百度把办公智能体做成独立端。美团红灯停表和Apple Maps广告，又把搜索、收费、履约拉进同一条工作流。这不是功能列表更新，而是系统、办公和本地生活入口都在接手原本需要人判断的动作；我会把焦点放在选择权上，入口替用户省一步时，也要交代数据、收费和规则边界。 一起来看看这两天发生的AI和互联网赛道的大事件吧！ 今日AI互联网大事件速览 1，Apple联合阿里训练中国专属AI模型，Apple Intelligence本地化继续推进 2，DeepSeek V4 Pro和Harness上线国家超算互联网，国产模型进入一站式部署通道 3，荣耀YOYO Claw接入智谱GLM-5.3，PC智能体补上更强模型底座 4，商汤大装置提出TPW指标，AI数据中心开始按Token产出算效率...
AI短视频运营：如何让AI帮你持续产出爆款选题和脚本？
about 11 hours ago
很多人用AI做短视频，第一步就错了——直接让AI写标题、写脚本，结果内容正确但不爆。AI真正的价值，不是替你拍脑袋，而是帮你把内容生产从“经验驱动”变成“流程驱动”。本文不讲工具清单，只讲选题、爆款拆解、脚本生成的具体落地方法。 过去几年，短视频和直播的内容生产方式发生了很大的变化。最早的时候，大家拼的是谁更会拍、谁更会剪、谁更懂平台规则；后来，大家开始拼选题、拼人设、拼直播间转化；再到这两年，很多团队又开始把AI工具加进内容生产流程里。 但问题也来了： 很多人以为，用AI做短视频，就是让AI写标题、写脚本、写直播话术。 结果用了一段时间之后发现，标题看起来很完整，但不像爆款；脚本看起来很正确，但不像人话；话术看起来很多，但主播在直播间里用不上。 这不是AI没用，而是用法错了。 AI真正适合做的，不是替你拍脑袋想内容，而是帮你把原来靠经验、靠感觉、靠临场发挥的工作，整理成一套可复制、可复盘、可迭代的内容生产流程。 所以，这篇文章不讲AI工具清单，也不讲很虚的行业趋势。 我们只讲一个更具体的问题： 如果你是一个短视频运营、直播运营、内容创作者，或者正在做品牌内容账号，AI到底应该怎么参与到选题、爆款拆解、脚本生成这些环节里？ 一、AI不是来替代短视频运营的，而是来重做内容???产流程的。 过去做短视频，很多团队的工作方式大概是这样的：...
库库AI 评测：百度把 GenFlow 更名后，金融办公的”自动挡”到底灵不灵
about 22 hours ago
盯盘要熬夜守着电脑，写研报要在 Word、Excel、PPT 之间来回倒数据，这是金融人的日常。百度新更名的库库AI，就是冲这些重复劳动来的。它前身是月活破亿的 GenFlow，主打一句话同时出研报、财务模型和路演 PPT，电脑关机了还能在小程序上继续跑自动化任务。金融数据、券商研报、财务 Skill 全都内置，口号是”库库干活，你放心”。到底是真本事，还是把网盘里的 AI 功能重新打了个包，拆开看才知道。 产品概述 库库AI 是百度文库网盘事业部推出的专业级...