美国工科 PhD丨斯坦福校友丨10后饲养员丨第三曲线中. Tifosi since 22' 每天手打一条AI 常识，因为发现我觉得是常识的事情还有人不知道。欢迎实操验证。
Joined June 2022
- Tweets6.7K
- Following4K
- Followers4.8K
- Likes4.2K
我提前2周预言了Tibo会辞职跑路…
还好只是转岗
Tibo对不起 😧 @thsottiaux
没那么玄乎。每个专业/商业领域都有自己的范式，对应标准范式把所谓的专家的所谓经验映射上去，再用对应的数学模型/数据模型关联就好了。
读过《刻意练习》没有？专家和新手对于知识的表征是不一样的。举个简单例子，国际象棋随意打乱，象棋大师和不会下棋的人，记忆能力差不多。但如果是真实棋局，专家的记忆就好很多，因为他们能识别出关键特征。
在很多很多领域这些范式早就写进教科书了。
比如供应链订单满足问题，不懂的人可能会用一般数据分析方法，以为找到异常订单筛出来一个个看，然后让专家帮自己分类就能写成skill了。实际你得首先知道，客户业务是MTS还是MTO，如果是MTO那么供货提前期是多久，承诺发货日期以什么为准，客户按照什么分级，SKU是否标准…
光看订单本身，自然觉得很多规则都要问，还问不全。
回到店铺经营得好不好的问题，你提的那些是业务指标，赚不赚钱看的是财务指标。领域专家会先问：
批发还是零售，快消还是耐用品，几级经销商，是否有季节性，是否受天气影响，库存周转多久，销售波动大不大。品牌是在这个区域是否有竞品，核心客群是哪些人，是否有私域流量…
这些是业务模型的基本要素。
业务模型决定驱动因素，驱动因素决定业务指标（也就是所谓的复购率等等），业务指标再关联财务模型，财务分析模型对应拆解到财务指标。例如单店经营可以按本量利分析，量价分析。
你换一家公司，对方的行业专家变了，业务规则变了，但底层逻辑和范式没变，依然看这些问题，依然根据这些问题找痛点，建模。某个客户的专家按照所谓的多年经验，建立起业务指标和财务指标的直觉，然后说他能判断，那只是为这些模型补充现实数据规则，砍掉不重要的枝节而已。依然要回到基本范式。依然要对应现实数据，两相印证。
如果大环境变了，或是某个重要驱动因素变了，那么即使是过去顺风顺水的“专家”也可能失败，但真正的专家可以通过完整的领域模型识别出风险点，和现实趋势对应验证。
而这些模型都写在财务分析，运营管理的书上。你们又不看书，嫌不落地，觉得行业老人就叫专家。某些真专家，有理论有实践能跨领域跨行业迁移的，企业又嫌贵，怕不了解自己的“特殊情况”。。。
随手写的不一定都能对上，提供思路耳
最近跟几个行业专家聊 AI Agent，发现一个挺难受的问题。
很多行业专家已经开始用 AI 梳理自己的业务，甚至整理出了一套所谓的 Skills。
但当他把这些东西交给程序员的时候，程序员反而不知道怎么开发，也不知道该从哪下手。
这几天跟不同的人聊下来，我慢慢发现一个问题：
行业专家的经验都在脑子里，但这些经验并没有真正变成程序可以理解和执行的业务逻辑。
比如，一个专家说，他能通过 AI 判断一家店铺经营得好不好。
但问题来了：
判断一家店经营得好不好，到底需要哪些数据？
营业额、客流量、客单价、复购率、成本，这些数据之间是什么关系？什么情况下算好，什么情况下算差？
这些东西如果没有梳理清楚，光靠一个 Skill 或者几句提示词，AI 确实能给你一份看起来挺专业的分析，但这个分析到底靠不靠谱？
所以我现在越来越觉得，我们可能走进了一个误区。
不是把行业经验写成 Skill，就等于把行业能力交给了 AI。
真正要做行业 Agent，底下还是得有业务系统、数据结构、计算规则和可调用的工具。
AI 可以负责理解问题、调用工具、综合判断、生成方案，甚至推动整个流程执行。
但它不能凭空替代这些基础建设。
这也让我想到千问办公和客如云的合作思路。
客如云本身就有成熟的门店经营系统和业务数据，AI 在这些基础能力上做赋能，才更容易真正落地。
我不知道你们有没有遇到过类似的问题。
尤其是那些懂技术，又想跟行业专家一起用 AI 改造传统业务的人。
你们是怎么把专家脑子里的经验，真正变成可以开发、可以执行的东西的？
我看了半天，他什么时候把自己名字改成RAM了啊哈哈哈哈
这年头不玩梗不能上X了
People should always be in control of the future.
OpenAI is against the notion that it would be acceptable for people to be relegated to a role of doing things that “AI systems think makes sense to reward in humans”.
People should not cede control of the future to superintelligence, and that requirement should ultimately constrain AI progress.
民意如流水。上次见到这么一边倒还是上次🫠
JUST IN: The Stock Market is collapsing after hours as election results come in.
Democrats have a 99% chance of control over the House & Senate.
It’s clear after tonight’s results that Americans are fed up with:
- Constant Wars erupting
- Elevated gas prices
- High Mortgage rates
- High Food Prices
- Record inflation readings
- & constant AI funding
Be ready for what’s coming…
值得敬佩的企业家，但说实话这就是我一直反对贩卖OPC这个概念的核心原因。
一个人的抗风险能力太差了，一旦倒下那么整个公司跟着走。当然这和VC这个话题没有关系。而是作为你的客户如果你是OPC，我就得做好你随时跑路、不能交付的准备。
一个正常的企业应该做好长期服务客户的准备，除非你从事可替换的工作如理发师。但这样你的溢价就很有限。
就连律所也一直是合伙人制的。
不要因为找不到合伙人就去做OPC。
Hermes Mobile居然是接入云机器收费的吗？怪不得过了那么久才推出官方移动版。Hermes看来一直没找到变现方式有点着急了。那个几乎没折扣的订阅就是个笑话。再一看订阅Plan也更新了，且加上云机器了，但是用量很不透明。才启动不到一周没啥反馈
大家别笑，Hermes没了咱们可能又要回去用OpenClaw了😧
再说他们之前推出桌面版的时候也就4个人做开发，现在移动版估计总该加两个人了吧
Hermes Agent Mobile 安卓移动端开放接入了。
但这价格貌似挺感人的，还不如接入自己的 VPS。
于是我就在 Grok Bot 中装上了最新的 Hermes Agent，然后绑定到 Hermes Agent Mobile 。
这样是不是 Grok Bot 的 Token 用完了，我就再用 Hermes Agent 来操纵这台马斯克快要承受不起的云电脑了。
马斯克既然已经开始砍额度了，后面会不会还砍配置
最后附上链接：https://
hermes-agent.nousresearch.co…
增长好快的AI Native IM，号称人和AI的协作网络。看起来他们自己训练和部署模型。这种需求肯定旺盛，但他们真的能从大模型公司嘴里抢下这块肥肉吗？
32× growth in one quarter: From 10K to 320K customers across 100+ countries, with over 100 million messages processed.
We are not building just another personal AI product. Our long-term vision for Teamily AI is to build the central platform of the next-generation Agentic Internet, where AI agents deliver services and perform real work directly, no longer confined to traditional web, desktop, or mobile apps distributed through app stores and search engines. Our recent growth has only strengthened my conviction in this vision.
Agent-as-a-Service (AaaS) will be as accessible as connecting with friends on a social network. Just as Google democratized access to information and services in the web era, Teamily AI aims to democratize access to intelligence and services in the Agentic Internet era, making the right intelligence, people, and services equally accessible to everyone.
In this letter to Teamily AI customers, ecosystem partners, and investors, we share our growth, reflect on our early foresight and what we've built, discuss how we see the evolving AI agent landscape, and outline where we're heading next.
蜀之鄙有二僧
@grok 你来背剩下的
因为Mika 爆火的原因，最近和很多人有交流，一个最明显的感受就是：技术是枷锁，专业是枷锁。
和我交流的人里可以粗略划分为两种：一种是专业的技术人员出身，比如程序员这种。
和他们聊天的时候就非常难受，因为他们总是要问我一些具体的，我没办法回答的工程问题。
such as：phone use 你怎么选择这个技术方案呢？其他的有调研对比过吗？
我不知道啊，反正我看到不少 AI 能操控手机了，那就应该可以吧，技术方案啥的，试试呗。
怎么会想到无线调试这个方案的？还有虚拟屏这个，你是用的啥方案呢？
不知道啊，反正我就觉得手机数据线接电脑，多麻烦，不想接，虚拟屏啥的，那 AI 用手机，我也要用啊。
后期有什么规划吗？
可能会考虑多设备管理、skill 分享社区、语音本地、电话功能……
那比如多设备管理，因为要从一台设备控制另一台设备吗？考虑的转发服务方案是啥，……还是选择……
啊？不知道啊，你说的这个我也不懂啊，我做之前还没想那么细，我不知道。
我做了之后，要是AI 都把功能做好了，验收没问题，那我也没必要了解这么细啊。
…………
诸如此类，每一个都是关键技术问题，但是每一个关键技术问题我都不知道答案。
嗯，被面试拷打的感觉，面试的时候人也是这么问我的，我也是因为这类回答被pass 掉的。
与之相对的是另一类人，交流起来就舒服很多，没有啥技术方案、项目规划、框架设计。
聊到为什么这么做、未来会做些啥的时候，我还是相同的答案？但是他们的反馈和前的完全不一样。
可能有的也会出现过我这种想法，但是没有想的很深，没有足够想，于是就过去了。
亦或者表达期待认可，觉得一些思考方向确实很不错，做出来体验应该非常不错，是一个值得做好的事。
看到区别了吗？
前者总是陷在自己为自己编织的牢笼里，试图按照自己已有的架构知识，去找寻一个答案。
而另一种则自身就纯白纸，反正也不知道做啥，写啥，反正想到就做了，做了就知道了。
试试呗，试试就知道，先试，不要先想答案，上路就好，路上自有答案。
Grok Bot额度真的不耐用，老马已经亲口承认了。所以平时还是给自己的Grok Bot带上几个其他Agent 外挂吧！
今天我把这个Grok和其他Agent双向通信的项目稍微升级了下，扩展了适用范围，优化了通信可靠度，提升了文案可读性。直接把链接给到你的Agent就行
另一种方式是在Grok Bot云电脑上安装DSH等agent，通过终端直接调用。但要注意备份！之前在X上看到有人的云电脑文件夹内容莫名丢失。如果升级云电脑，之前安装的应用和软件包也会被删。
github.com/xiaozhenliu/agent…
Grok Bot额度真的不耐用，老马已经亲口承认了。所以平时还是给自己的Grok Bot带上几个其他Agent 外挂吧！
今天我把这个Grok和其他Agent双向通信的项目稍微升级了下，扩展了适用范围，优化了通信可靠度，提升了文案可读性。直接把链接给到你的Agent就行
另一种方式是在Grok Bot云电脑上安装DSH等agent，通过终端直接调用。但要注意备份！之前在X上看到有人的云电脑文件夹内容莫名丢失。如果升级云电脑，之前安装的应用和软件包也会被删。
github.com/xiaozhenliu/agent…
#每日AI常识 千问办公可以自动识别和导入WorkBuddy的会话数据、记忆、技能。点击头像-设置-数据导入-Workbuddy，选择你要导入的数据及时间范围即可。
虽然好像没什么用，但是万一 Qwen 4 好用了呢！
人应该心怀希望
我真的不想连续发帖吐槽不同的模型😆，但是我今天真的用Gemini Argon讨论一个问题还没几回合就5小时限流了。这是正经Pro，不是免费Pro啊，这是网页端，不是agy啊，Google这是训练了个什么饕餮啊
