在2025年10月14日，微软为 Windows 10 发布了最后一个更新KB5066791。如果你没有免费注册消费者扩展安全更新计划 ESU，这将是 Windows 10 的最后一个更新，现在已经可以直接下载了。@Appinn适用于： Windows 10 企业版 LTSC 2021 和 Windows 10 IoT 企业版 LTSC 2021适用于： Windows 10，版本 22H2 (所有版本)安装KB5066791完成之后，Windows 10 22H2的系统内部版本号：19045.6456，而如果是Windows 10 Version 21H2，则对应：19044.6456如果你的版本已经是这个了，那么就不需要重新下载了。青小蛙的 22H2 在10与月16日的时候自动更新了。但是另外一台虚拟机中的系统，未自动更新。如何手动下载除了通过系统更新，目前已经可以在Microsoft 更新目录（Microsoft Update Catalog）中进行下载了：https://www.catalog.update.microsoft.com/Search.aspx?q=KB5066791在这里有许多版本，对于普通的 Windows 10 用户，选择 x64 架构：最新版本：2025-10 Cumulative Update for Windows 10 Version 22H2 ...继续阅读 (6)

在数据分析工作中，日报、周报和月报是数据分析师最常接触的报表，但往往也是最让人感到乏味的。领导们对这些报表的关注度不高，甚至会抱怨缺乏有价值的发现。尤其是数据日报，由于其高频率和小变化的特点，常常被视为鸡肋。那么，如何提升数据日报的质量，使其更具价值和吸引力呢？日报、周报、月报，是数据分析师最常做的东西，也是最讨厌的东西。每次都是对着模板更新，无聊至极。领导们平时不咋看，看的时候又喜欢抱怨：“这都没啥发现啊！”在这仨哥们里，最最令人头大的就是：数据日报。它出现的频率最高，消耗工作最多，用处最小。基本上每日数据变化很小，如果真的有大变化，十有八九是数据出错，或者业务做了大促销。根本分析不出来啥东西。那如何让日报显得更高级、更有效呢？今天系统讲解一下提升日报质量的基本思路从本质上看，日报显得很无聊，在于：每日没啥大变化。比如一个班里有20名同学，如果每天班长点名报告：“今天有19人来上课，缺勤1人”“今天有18人来上课，缺勤2人”“今天有20人来上课，缺勤0人”听久了，肯定没啥感觉了（如下图）：同样的数据，换一种方式汇报，是不是马上就有感觉了（如下图）：因为只看整体情况，只有1、2同学逃课似乎很正常，不足为奇。但是当一个学霸同学突然缺勤了，可能他有啥问题，要关注下当一个学渣连续缺勤太多，触及管理底线，就得警告一下发生了突然事件（下大雨了），大家都缺勤了，这个也能理解如果没有啥事发生，大 ...继续阅读 (9)

从“AI价值悖论”到“代理式AI”的产业化落地，麦肯锡的这份洞察不仅揭示了企业在AI部署中的真实困境，也勾勒出下一阶段的技术演进路径。本文将带你系统梳理麦肯锡的核心观点，并结合产业趋势，探讨代理式AI如何重塑组织价值链与决策模式。麦肯锡9月份密集发布了两篇报告：一份聚焦企业在生成式AI上的「 价值悖论 」，另一份则探讨了Agentic AI（代理式 AI）在先进产业中的应用。两份报告放在一起看，可以更清晰地理解 AI 在企业中的真正价值点和落地路径，我会着重分享报告中提到的几个实际应用案例。这两篇报告分别是：Empowering Advanced Industries with Agentic AI 和 Beyond the Hype: Unlocking Value from the AI Revolution，感兴趣的小伙伴可以直接搜索。一、什么是 AI 的价值悖论麦肯锡的报告指出，全球超过80%的企业已经开始使用生成式 AI，但同样比例的企业尚未看到明显的营收提升或成本下降。换句话说，“会用工具”不等于“创造价值”，造成这种现象的原因主要有：1. 应用零散，缺少端到端流程重构大多数企业只是在局部环节尝试 AI，用它来生成文档、代码或营销素材，但并没有把 AI 嵌入到完整的业务流程中。结果就是效率提高了一点，但无法真正影响利润表。例如，如果在生产线上只用 AI 检测缺陷，但后续 ...继续阅读 (7)

本文将为你提供一份详细的实操指南。通过简单的步骤，你可以在短短几分钟内构建并使用自己的第一条Coze智能体。今天我们不学方法，就实操以最快的方式构建自己的第一条扣子智能体，感受感受它是啥，有什么用。这篇文章不适合熟手，仅适合新手，准备要开始学习智能体的同学。话不多说，跟着知果一步步开始吧。有体感了以后，我们再往深了学习。开始……点击下方链接，进入扣子登录/注册页。输入手机号、验证码，点击蓝色按钮，就进入下一步。https://www.coze.cn/home选择「跳过」，认证可以后续补充。点击「创建」。选择「创建智能体」。添加该智能体的必填项：智能体名称。输入一段「人设与回复逻辑」，我用了一堂文档中的通用提示词，直接拷贝进去。你也可以用自己的，或者让kimi、豆包等输出一段。人设与回复逻辑：智能体的提示词是向大语言模型下达的核心指令，其核心作用是定义任务、分配角色并设定目标。明确的提示词能塑造智能体的认知框架，直接决定其回应问题的准确性与专业性。点击右上角「发布」。点击「确认」。关注红框部分，然后点击右上角的「发布」。等待审核，一般需要一段时间，我们可以先去做别的。审核通过后，在项目开发中可以看到能使用的智能体。或者从个人主页进去也可以。点击智能体，我们可以使用它了。在智能体输入框中，输入相应问题。我输入了以下问题，智能体就开始给我出方案了。好啦，今天新手扣子入门就讲完啦，是不是很 ...继续阅读 (7)

在AI视频生成领域，Sora2和Veo3.1的更新带来了令人惊叹的新功能和创意玩法。本文将带你探索这两个模型的最新进展，以及它们如何在视频创作中实现从原材料到成品的无缝转换、复杂的视觉效果和自然的过渡。老话所得好啊，我的老钱朋友Lovart最近每次接新模型都会搞一段时间的免费额度体验，这几天免费用户也能试用Veo3.1，关键是nano banana的图我真的很需要并发和固定尺寸来做首尾帧。咱就是说都更新到Veo3.1，Banana的图片尺寸问题要不也更新更新，就叫Banana2.5pro好了。这次的3.1版本对比之前的Veo3版本仅从视频效果上来看进步不是很明显，但3.1版本这次带来了首尾帧和多图参考功能，这样就可以把一些有创意的玩法迁移的Veo3.1上了。提示语本体：From the first close-up, the imagery unfolds in a dynamic transition: a gorgeous, abstract purple background with a fluid, wavy texture. The shot begins with a smooth tracking shot, as the fluid ripples in the background begin to rise and fall in a subtle, rhyt ...继续阅读 (8)

你还在手动搬数据吗？钉钉AI表格已经让投放团队变身“分析师”了！本文带你看懂这款工具如何从底层改变数据协作方式，让运营不再只是执行，而是参与决策。如果你做投放、做运营，这篇文章值得一读。在富媒体投放行业，几乎每个运营同学都绕不开两件事：日报和数据分析，看似是日常工作里的“基本操作”，却往往成了最耗时、最折磨人的环节。每天一上班，第一件事就是从厂商后台导出数据，再一条条地整理到Excel：发送成功数、发送成功率、曝光率、点击率…等关键指标一个个指标搬过去不难，但真要把消息维度的数据，汇总到厂商/服务号的维度，就得花上近两个小时，更别提后续的数据分析了，更糟糕的是，这种手动操作繁琐又容易出错，口径稍有不对，就会让报表失真，在客户眼里显得“缺乏专业度”。原本数据的价值是“驱动决策”，“数据驱动决策” 早已不是口号，但目前对我们团队而言，“数据处理” 却成了制约效率的最大瓶颈。作为深耕产品领域多年、如今扎根富媒体投放业务的产品从业者，我近期带着 “能否解决团队数据痛点” 的目标，深度体验了钉钉 AI 表格，最终见证了它如何让运营同学从 “数据搬运工” 蜕变为 “业务分析师”，也是通过钉钉AI表格，我第一次感受到：数据不该是负担，而是能被快速整理归类、自动分析、直接赋能业务的生产力，以下结合真实业务场景，分享这次体验的全流程。在这次尝试中，我最大的感受就是：钉钉 AI 表格不只是 ...继续阅读 (8)

本文将为你带来一个真实的电商创业故事，一位38岁的传统行业从业者，如何在面临中年危机时，勇敢踏入电商领域，并在不锈钢咖啡杯这一细分品类中实现月销260单的突破。各位读者，好久不见，继续为大家带来电商创业项目实战案例复盘。这次带来的是一个不锈钢咖啡杯的电商爆单案例。主人公是一位没有任何电商经验，在传统行业工作多年，完全0基础，正面临中年危机的普通人。由于细节内容非常丰富，故本文内容较长，适合在一个午后静静阅读。又有新人找我了。B哥的资料一递到我的手上，就能感受到中年男人的那种无力感。你在建筑行业有这么多年经验了，继续做不好么？确定要和我学电商么？我一边翻着资料一边问。冬哥，你也知道现在地产行业是什么情况，寒冬啊！B哥叹了口气，接着说：我其实之前就对电商啊，互联网行业一直很感兴趣，但却不知道如何入门，再加上自己有些拖延症，左拖右拖到现在。现在行业终于快不行了！B哥说到这时反而轻松起来：我年龄也大了，决定这次一定要逼自己一把！B哥说完，感觉下了狠狠的决心。跟我学做电商可以，但我要提前说一下规则，我着重强调：首先要严格听我的指挥，我让你做什么，你就做什么，全力执行！这肯定没有问题，B哥一脸无所谓。其次呢，你愿意逼自己一把，走出舒适区，我给予充分的肯定。但我也希望你，不要对做电商创业这个事情预期太高。冬哥这是什么意思？？B哥听到这话有些意外。你跟我学做电商可以，但我保证不了你发财，也保证不了 ...继续阅读 (8)

本文将为你带来一个真实的电商创业故事，一位38岁的传统行业从业者，如何在面临中年危机时，勇敢踏入电商领域，并在不锈钢咖啡杯这一细分品类中实现月销260单的突破。又有新人找我了。B哥的资料一递到我的手上，就能感受到中年男人的那种无力感。你在建筑行业有这么多年经验了，继续做不好么？确定要和我学电商么？我一边翻着资料一边问。冬哥，你也知道现在地产行业是什么情况，寒冬啊！B哥叹了口气，接着说：我其实之前就对电商啊，互联网行业一直很感兴趣，但却不知道如何入门，再加上自己有些拖延症，左拖右拖到现在。现在行业终于快不行了！B哥说到这时反而轻松起来：我年龄也大了，决定这次一定要逼自己一把！B哥说完，感觉下了狠狠的决心。跟我学做电商可以，但我要提前说一下规则，我着重强调：首先要严格听我的指挥，我让你做什么，你就做什么，全力执行！这肯定没有问题，B哥一脸无所谓。其次呢，你愿意逼自己一把，走出舒适区，我给予充分的肯定。但我也希望你，不要对做电商创业这个事情预期太高。冬哥这是什么意思？？B哥听到这话有些意外。你跟我学做电商可以，但我保证不了你发财，也保证不了你一定能赚到钱，我甚至无法保证你一定能做成。我坦诚的说明。那冬哥你能保证什么？B哥问道。我可以保证的是，你只要按照我的要求做，用很少的钱，就能完成从选品到开店到出单一整套闭环。但至于你做电商能不能持续稳定的出单，爆单，能不能赚钱，能不能做成一份事业，那 ...继续阅读 (10)

你知道ChatGPT背后到底经历了哪些训练流程吗？AI训练师在其中扮演了什么角色？本篇文章用最接地气的方式，拆解大模型训练的三大阶段，带你看懂那些“看不见的幕后工程”。新手也能读懂，老手也能复盘——这是一份真正实用的训练流程全景图。本期内容分享的我们大语言模型的项目是如何产生的我们从大语言模型的项目初始开始我们目前市面上的模型现在使用起来非常流畅了，他是怎么训练的，这个训练过程当中会产生一些项目，这些项目就是AI训练师实际工作领域遇到的项目。我们大模型训练三个流程：预训练-有监督学习(SFT)-强化学习(RLHF)一、预训练阶段首先第一个阶段预训练1、预训练阶段-AI训练师需要做哪些具体工作内容无标注文本解释：只需要打标签，不需要深入阅读数据。因为我们不需要对他进行深入阅读，打标签，所以他属于无监督学习。无监督学习就是让模型自己学习，我们给他投喂一大推数据。让他自己学习里面有什么样的内容，让模型学习了解人类语言的基础规律，学习之后会构建一个初步语言理解和基础表达能力。这个阶段模式是可以对话的，但是对话能力不是很好举例子：投喂数据语料是 “10 万条生活对话 + 5 万篇科普短文 + 3 万条新闻稿”假设我们给预训练模型投喂的是上述海量日常文本（就像给一个婴儿读遍了各种报纸、故事书和路人聊天记录），训练完成后，模型的表现会是这样的：它 “学会了说话的规矩，但不知道你要什么”Q：当你问 ...继续阅读 (9)

为什么你的AI产品“演示惊艳，上线翻车”？不是模型不够强，而是兜底机制没建好。本文试图打破“AI=能力堆叠”的惯性认知，从输入引导、流程控制到输出管理，重新定义大模型产品的设计逻辑与风险边界。AI产品的独特挑战——从“确定性”到“概率性”在传统的软件产品设计中，产品经理的工作建立在一个坚实的基础上：确定性。我们设计的每一个功能，都遵循着清晰的逻辑链路——只要用户输入A，系统必然会输出B。这种可预测性是产品可靠性的基石，然而大语言模型技术产品中的应用改变了这个逻辑。大模型输出的内在不确定性给产品设计带来了前所未有的挑战。我们面对的核心问题是产品设计的工作重心 正从设计一个确定性的系统（输入A，必得B），转向管理一个概率性的系统（输入A，可能得到B1，也可能得到B2，甚至是一个完全无关的C）。这种转变要求我们重新思考产品的设计和管理。本文将从产品经理的视角系统性地探讨如何为大模型的不确定性构建“安全护栏”，确保产品在提供强大能力的同时，依然保持安全、可靠和可信。同时，也将分析在企业级应用场景下需要哪些更全面的应对策略。第一部分：大模型带来的独特挑战1）幻觉导致的事实不准确大模型在生成内容时，有时会“一本正经地胡说八道”，捏造出看似合理但完全不符合事实的信息。（关于大模型为什么会产生幻觉以及该如何解决，可以查看0pen AI的这篇论文：https://arxiv.org/abs/2509 ...继续阅读 (12)

AI别再“懂全世界”了！这篇文章教你手把手搭建本地大模型，让它只懂你！在 AI 大模型普及的当下，很多人习惯用云端模型处理问题，但涉及个人隐私文档、企业敏感数据时，“数据上传” 始终是个隐患。今天就从 “为什么搭” 到 “实际效果”，一步步拆解如何在个人电脑上搭建本地化大模型，让 AI 成为只服务于你的 “专属知识库”一、为什么一定要搭本地化大模型？相比依赖互联网的云端大模型，本地化部署的核心优势集中在 “隐私安全” 和 “回答精准” 两大维度，无论个人还是企业都能直接受益。1、个人隐私绝对可控电脑里的日记、工作文档、私密照片备注等资料，无需上传至第三方服务器，避免因云端数据泄露导致的隐私风险。2、企业数据防泄密对企业而言，客户名单、项目方案、内部流程文档等敏感信息，可在本地完成分析，从源头杜绝互联网端的数据安全隐患。3、回答更精准，减少 “幻觉”云端大模型依赖通用数据训练，回答常出现 “一本正经的错误”（即 “模型幻觉”）；而本地模型能学习你的专属资料，输出内容完全基于你投喂的信息，精准度大幅提升。二、搭建效果实测：从 “不知所云” 到 “精准应答”光说优势不够直观，我们用 “查询个人信息” 的实际案例，看本地大模型搭建前后的差异，过程简单到普通人也能看懂。1、搭建初期：无专属知识的 “空白状态”刚搭建好基础模型时，模型仅具备通用知识，未接入任何本地资料。此时提问 “王佳亮是谁？ ...继续阅读 (14)

为什么你写了那么多内容，却始终无法变现？问题不在创作力，而在闭环设计。本文试图打破“内容=流量”的惯性认知，从价值定位、用户路径到产品机制，重新定义内容创作者的商业模式构建逻辑。一份写给产品经理、咨询顾问、以及所有严肃内容创作者的“个人商业模式”设计手册，旨在将个人IP的打造，从“为爱发电”的兴趣阶段，系统性地升级为“价值闭环”的商业阶段。引子：两种“网红”，与思考者的“变现窘境”在内容创作的喧嚣世界里，存在着两种截然不同的“网红”，或者说，两种“IP”。第一种，是“流量型IP”。他们是追逐热点的猎手，是算法情绪的捕捉者。他们深谙人性中的“七宗罪”，用最短的时间、最强的刺激，攫取大众的注意力。他们的内容，像一场场绚烂的烟花，瞬间引爆，瞬间沉寂。他们的商业模式，清晰而直接：将巨大的、泛化的“流量”，以“广告”或“直播带货”的形式，卖给品牌方。他们是注意力的“批发商”。第二种，是“思考型IP”。他们，可能就是你我。我们不追逐转瞬即逝的热点，我们追问永恒的“第一性原理”。我们的内容，不是为了“刺激”，而是为了“启发”。我们试图解构复杂的商业世界，剖析幽微的人性内在，分享那些经过深度思考和痛苦实践才沉淀下来的“晶体认知”。我们不贩卖商品，我们分享“思想”。我们渴望成为影响力的“塑造者”。然而，我们“思考型IP”常常陷入一个深刻的“变现窘境”：我们的内容，拥有极高的“价值密度”，却常常难以找 ...继续阅读 (14)

这篇文章介绍了作者在北京寒冷天气下购买并使用一款支持米家和Homeassistant的电热毯的过程。作者因不满水暖毯噪音改用电热毯，并以米家兼容和分区温控为选购标准。文章重点讲述了如何通过Homeassistant将电热毯接入苹果Homekit系统，实现开关控制和档位调节。具体步骤包括创建模板辅助元素、设置开关动作、档位百分比映射及Homekit集成。最终实现了电热毯在苹果家庭App中的控制，但仍需在米家中操作分区温控。 ...继续阅读 (14)

程序员转产品经理，不是“换岗位”，而是“换视角”。本文将系统梳理作者在角色转型中的关键思考与行动路径，供大家参考。三年前，我还是一个纯粹的技术人，沉浸在代码的世界里，觉得只要技术够硬，就能走遍天下。但随着工作经验的积累，我越来越发现一个问题：技术很重要，但如果不能转化为业务价值，再精湛的技术也只是自嗨。今天想和大家分享我从程序员向数据产品转型的思考和行动，希望能给有类似困惑的小伙伴一些启发。我的职业轨迹BI分析师的启蒙我的数据之路始于得物的BI分析师岗位。那时候主要做数据可视化，帮业务方制作用户的购买行为、社区用户的互动行为以及商品的销售数据等各种报表和看板。虽然工作内容相对基础，但这段经历让我第一次接触到了数据与业务的结合点。记得有一次，运营同学找我做一个用户留存分析的看板。我按照常规思路，把各种留存指标都展示出来了，密密麻麻一大堆。结果运营同学看了半天说：”这些数据我都看不懂，我只想知道哪些用户容易流失，我该怎么挽回他们。”那一刻我意识到，技术人员眼中的“完美”和业务人员眼中的“有用”，往往是两回事。数据开发的深入在Soul做数据开发的那段时间，我的技术能力得到了很大提升。从数据采集、清洗到建模，从Hive离线计算到Flink实时处理，技术栈越来越全面。但同时，我也感受到了技术岗位的一些局限性：被动响应：总是在等业务方提需求，很少能主动发现问题价值感缺失 ...继续阅读 (15)

为什么大家都在谈AI Agent？不是因为它能对话，而是因为它能“代行任务”。本文试图打破“Agent=智能助手”的惯性认知，从技术原理、能力边界到巨头布局，重新定义AI Agent在未来交互中的角色与价值。在过去几年里，我们见证了人工智能，特别是大型语言模型（LLM）的飞速发展。从一开始的文本生成、语言翻译，到如今能够编写代码、分析图表，AI的能力边界在不断被拓宽。然而，一个更宏大、更激动人心的变革正在悄然发生，那就是——AI Agent（人工智能代理）的崛起。你可能已经听过这个词，或者在各种科技新闻中瞥见过它的身影。但AI Agent究竟是什么？它和我们平时使用的ChatGPT、文心一言等对话式AI有什么本质区别？为什么说它可能是“AI领域的下一个浪潮”？这正是我今天想和你深入探讨的话题。这篇文章不会充斥着复杂的算法公式和晦涩的技术术语。相反，我将以一个从业者的视角，用最直白、最“接地气”的方式，为你彻底讲透AI Agent。我们将一起探索它的核心工作原理，看看它是如何像一个不知疲倦的“数字员工”一样为我们工作的。我们还会一起分析，当今世界的科技巨头们，比如OpenAI、微软、谷歌，又是如何布局这个赛道，它们各自的“打法”有何不同。这篇文章很长，信息量也很大，但我相信，读完之后，你将对AI Agent有一个全面而深刻的理解，并能看清它将如何重塑我们与数字世界的交互方式，甚至改变 ...继续阅读 (13)

你昨晚睡得怎么样？以往，我们只能给出「睡得还行」「睡得不好」这样模糊的印象，或者晒出一张智能手表的睡眠结构截图。而现在，Apple Watch 用户可以给出一个相当明确的回答：我今天睡眠质量 100 分！比起乏善可陈的 Apple Watch S11，watchOS 26 全新的睡眠评分功能则是一个大家更喜闻乐见的更新——一下子，让「睡觉」这件事有趣了起来。睡眠评分是什么？人一生之中有三分之一的时间都用来睡眠，睡得好不好短期内影响精神状态，长期更会对身体健康造成非常深层的影响。因此，小到小到几百元的手环，大到几千元的智能戒指，睡眠监测功能几乎都是标配，每个晚上都将你的睡眠质量，绘制成一个看起来相当科学的图表，反映你每个晚上的睡眠质量。但和心电图、血氧浓度等等身体指标一样，睡眠结构只是「原始数据」，大部分普通用户只能从中对自己的睡眠质量有一个粗浅的预估，也不太好掌握睡眠质量的长期变化。「睡眠评分」应运而生，每天早上 Apple Watch 都会用一个数字，直接告诉你昨晚睡得香不香，身体有没有得到充足的休息和恢复。除了评价和分数，苹果还会针对性地对前一天晚上的睡眠状况生成一小段评价，阐述打分的理由。根据评分的高低，苹果还划分为了五种等级：极好、高、一般、低、非常低，让用户能更清晰直观了解睡眠质量的总体情况。所以苹果是根据什么样的标准为用户的睡眠质量打分？评分系统有三个指标，能看出苹果侧 ...继续阅读 (13)

为什么AI落地总是“雷声大雨点小”？不是技术不成熟，而是组织没准备好。本文试图打破“AI=效率工具”的惯性认知，从角色边界、协同方式到价值实现路径，重新定义组织在AI时代的生长逻辑。琢磨事的群里，有人甩了这么一张截图：这简直太有意思了，正好接着这个说说AI应用的事。先说结论：没有组织的进化，就没有AI的深层落地。这就是AI深层应用的最大瓶颈。今天，AI名义下的各种锤子四处飞舞，但砸的往往都不是钉子。阻碍AI发挥颠覆性价值的，不是技术本身，而是我们陈旧的组织形态和管理思维。让我排的话，这个排在技术前面。技术的事我个人觉得大致是定的（哪有什么AI瓶颈）。这种冲突直接表现为社会对AI认知的巨大撕裂，典型的非共识时刻：一极是站在云端的科学家、理论家和紧随其后的媒体，在他们的宏大叙事中，AI是开启新纪元的钥匙，是即将颠覆人类文明秩序的奇点引擎。另一极，则是深陷泥泞的产业一线，企业家和实践者们在现实的商业土壤中反复求索，却发现这件“神兵利器”处处掣肘、水土不服。这根本不是“乐观”与“悲观”的问题，而是“纯粹的生产力逻辑”与“固化的生产关系现实”之间的激烈碰撞。科学家们看到了AI在理想环境下的极限潜力；企业家们则一头撞上了自己尚未进化的组织壁垒。（把能算的事用来做主管判断，把能分析的事归结为态度是人类几大偷懒术之二）要打破这种僵局，我们要理解一个简单问题：AI在简单生产力升级工具之外，更是一面映 ...继续阅读 (13)

为什么你的B端产品“上线即搁浅”？不是设计不够，而是评估维度太窄。本文试图打破“可行性=技术能做”的惯性认知，从业务逻辑、用户行为到组织机制，重新定义B端产品的可行性分析方法。一、背景“可行性分析”是对一个项目、计划或方案能否实现目标的全面评估。B 端产品一旦启动开发，需投入较大资源成本及实施周期，若可行性判断失误，轻则导致资源浪费，重则影响业务发展。B 端规划阶段的可行性分析，企业内部多不会单独做可行性分析报告，但大多会含在项目立项资料中验证说明，立项评审时会着重关注。其核心主要是在需求落地前，全面评估“能不能做、值得做、怎么做”，提前规避以下4 类核心风险：业务风险：需求不符合客户实际业务流程，上线后没人用技术风险：现有技术无法实现，或需投入远超预期的技术资源；资源风险：开发、实施、运维团队人手不足，无法支撑项目进度；合规风险：需求违反行业法规（如数据安全法、财务合规），上线后面临处罚。二、B 端可行性分析的四大核心能力维度维度 1：业务可行性分析 —— 判断 “需求是否贴合业务，上线后能否用起来”业务可行性是 B 端可行性分析的 “前提”—— 若需求不贴合业务，技术再可行、资源再充足也没用。核心是 “验证需求与业务目标的匹配度、与现有业务流程的兼容性”。①核心要求：能拆解“需求对应的端到端业务流程”，判断需求是否解决“真实业务痛点”；能对齐“需求与组织级业务目标”，判断需求是 ...继续阅读 (14)

为什么说 Veo 和 Sora 的对决，是 AI 视频生成的分水岭？不是因为谁更清晰，而是因为谁更懂“语境”。本文试图打破“AI=画面生成”的惯性认知，从技术架构、语义理解到创作自由度，重新定义视频生成工具的价值边界与创作潜力。一、技术路线的分野：工具理性与艺术直觉的碰撞2025 年 10 月，AI 视频生成领域迎来决定性时刻：谷歌在 Sora 2 发布仅半个月后推出 Veo 3.1，以组件化塑造路径对抗 OpenAI 的整体性涌现路线，这场竞争本质上是技术哲学的对决。Veo 3.1延续谷歌工程美学，将控制权拆解为 “乐高积木”：支持上传 3 张参考图定义视觉风格，通过首尾帧插值生成 148 秒延展视频（实测稳定在 30 秒内），多轨道音频控制可分离对话 / 音效 / 配乐。其核心优势在于物理引擎与光影渲染—— 生成的太空飞船金属质感达到工业级精度，雨滴在玻璃上的折射轨迹符合流体力学模型。但这种 “像素级雕琢” 也带来代价：基础生成时长仅 8 秒，延长后易出现音频断层，复杂场景（如多人物互动）仍会产生肢体错位。Sora 2则像一位天才导演，用户输入 “宇航员在火星求婚” 的提示词，它能自动生成包含分镜切换、环境音匹配、情感递进的完整短片。其革命性突破在于物理世界理解：奥运级体操动作的肢体运动轨迹误差小于 3%， ...继续阅读 (15)

竞品分析不是“功能对比”，而是“战略定位”。本文将系统解析AI创业团队如何跳出功能清单陷阱，从用户心智、产品节奏到资本叙事，构建一套理解竞品的认知框架，帮助创业者在混战中找到自己的差异化战场。“你们跟谁谁谁有什么不一样？”这是所有AI创业团队，早晚都会被投资人、客户、甚至团队内部问到的一句扎心话。对于每一个AI创业团队来说，竞品分析都是一个绕不开的话题。可惜的是，我们常常陷入一个致命的陷阱：打开竞品网站，罗列功能清单，然后制作一张详尽的功能对比矩阵，试图在我们有，他们没有 “我们要比他们多不然我们就输了的对比中寻找慰藉和方向。这种分析方式，无法去回答对于自身团队来说，真正重要的问题：你和对方解决的是不是同一类问题？你和对方的用户是不是认知在一个维度？你到底是功能集合，还是系统能力？这是一个正在挑战AI创新的思维障碍。尤其是对于那些试图用AI重构一个行业、工作流或场景的创业团队而言，基于功能对比的分析方法，不仅会使你落入自我迫闷的内耗，更会让你错过真正的展示户。最近我的一段经历，启发了我对如何重新定义AI创业的竞争方式的思考：也许新的世界里，AI创业团队更需要一套全新的竞品分析哲学。一、思维转变：你的对手，从来不是那个长得像的软件传统的竞品分析之所以失效，是因为AI时代的创业，其本质发生了改变：1. 你不是在优化工具，你是在替代工作流传统的SaaS可能是做一款更快的修图工 ...继续阅读 (15)

为什么AI越强，广告人越该“出镜”？不是因为内容不够，而是因为信任稀缺。本文试图打破“广告=幕后创意”的惯性认知，从人设构建、内容表达到信任机制，重新定义广告人在AI时代的价值边界与表达方式。一过去两周，小米和雷军就已经在舆论上连续“翻车”，据说雷军个人的抖音账号在30天内掉粉超30万。企业家的IP魔法开始失灵了。我是一直不主张企业家做IP的，甚至我曾写过一篇文章《企业家IP破产于2025》来表达我的担忧。不过我并不反对 IP 本身，只是我认为，最应该做 IP 的，不是企业家，而是广告人。我写过两篇文章，一篇是《大厂品牌部大撤退》，一篇是《广告业现状》。文章发不后，后台加我的广告圈朋友越来越多。原本以为大家会聊趋势、聊平台，结果问得最多的，却是各自的职场困境。目前是一个行业调整期。很多人开始尝试做freelancer，觉得更有掌控感，不用再卷，也不用在公司里耗着。如果能自洽，我觉得挺好，这本身就是一种成功。但来找我聊天的大多不是这种状态的人。他们大都困惑、摇摆不定，对现在不甘心，对未来充满焦虑。对这样的广告人朋友，我通常会说：freelancer可以是一个阶段，但别把它当成终点。如果条件允许，尝试自己做一个IP，去打造一个能被别人记住的名字。因为freelancer本质上仍然是打工。只是换了一种方式去挂靠。客户找你，可能是因为你够专业，也可能是因为你配合度高、价格合适、方便沟通。但 ...继续阅读 (16)

双11不只是“促销战”，更是“技术战”。本文将系统解析京东、淘天、抖音等平台在AI应用上的最新动作，从内容生成、用户运营到供应链协同，构建一套理解“AI驱动型电商”的认知框架，帮助从业者看清平台竞争的新底层逻辑。段永平曾说，他从巴菲特那学到最重要的东西就是生意模式。“双十一”，不仅是大促，也是一种生意模式，而且这个模式在很多年后可能依然会延续下去。从消费意义上看，“双十一”与中秋、春节并没有不同，你看，过年买爆竹、裁新衣的习俗不也是延续了上千年？只是，事物皆有变数。人们的消费需求在变，电商行业在变，“双十一”也在变。今年的“双十一”，是AI电商的练兵场。往年大促虽然也有AI，但今年“双十一”的一个不同点在于AI的含量。经过了几年的沉淀，AI重构电商已经不只是各家战略层面，而是已经深入到“双十一”大促具体的运营细节里。AI正在改变电商大促增长的DAN。这届“双十一”，京东、天猫、抖音等头部的几家电商平台，都在加码AI技术。AI技术到底该怎么赋能“双十一”大促？行业给出了不同答案。这个双十一，AI造势增长互联网行业，技术永远比趋势强。因为技术能创造趋势。人们基于3G通信技术创造出了移动互联网行业，从此有了社交、移动支付，有了电商。短视频、直播技术，创造了国潮消费，创造出了直播带货……AI能不能创造出来新的增长趋势？很快就会有答案。这届“双十一”，可以说是历史AI含量最高的一届，各家电商 ...继续阅读 (15)

组织不是“管理结构”，而是“潜能系统”。本文将系统解析AI时代下组织如何重塑员工潜能，从角色定义、任务协同到价值跃升路径，构建一套理解“人机共创”的认知框架，帮助管理者在技术变革中实现组织能力的再造与升级。IBM 商业价值研究院与 Oracle 联合发布了《2025年生成式AI时代，重塑员工潜能-工作变革与价值跃升报告》，伴随着时代的发展，AI在我们日常的工作之中，占比也越来越大了，对企业来说，AI 不是用来 “省事儿” 的工具 ——IBM 和 Oracle 联合调研了全球 20 个国家、20 个行业的 1000 位高管后发现，生成式 AI 真正的价值，是帮员工释放潜能，让工作变得更有价值。可现实是，很多企业还没找对方向。企业现在面临的 3 个 “老大难” 问题未来规划“藏着掖着”：只有45%的高管能说清“未来工作会变成什么样”，就算有规划，一半企业也没跟员工讲明白。反倒是那些“有远见的企业”（比如一些头部科技公司），80%都提前规划好了，76%还会主动跟员工聊未来——毕竟员工心里有数，才愿意跟着走。员工“怕AI、不会用AI”：现在62%的企业推进AI时，都卡在“员工技能不够”上；更糟的是，只有一半员工能听到“AI会怎么影响我的工作”的实话，导致很多人要么怕被替代，要么不知道怎么跟AI配合。HR和技术“各干各的”：93%的高管都觉得HR该参与AI战略，但只有20%的HR有“话语权” ...继续阅读 (18)

电商后台不是“管理工具”，而是“业务中枢”。本文将系统解析电商后台系统的核心模块，从商品、订单、库存到权限、财务、数据分析，构建一套理解电商平台运作逻辑的认知框架，帮助产品人掌握复杂系统背后的协同机制与设计思路。在互联网飞速发展的当下，电商购物已经成为我们生活中不可或缺的一部分。只需动动手指，各类心仪的商品便能送货上门。当你在电商平台上轻松下单，满心期待包裹到来时，是否想过，这看似简单的购物流程背后，是什么在支撑着整个体系的高效运转？答案就是电商后台系统。电商后台系统是支撑整个电商业务运转的”大脑”，它连接着前端销售渠道与后端供应链，确保电商业务高效、稳定地运行。一个完整的电商后台系统通常包含数十个功能模块，各模块之间紧密协作，共同构建起电商业务的数字化基础设施。下面，我将剖析这些核心模块的产品设计。1. 商品中心：电商业务的基石商品中心是电商后台系统的基石，如同超市的货架，陈列着平台上的所有商品信息。在商品中心的设计里，需要考虑诸多要素。像商品的基本信息，如名称、描述、品牌等，这些就像是商品的 “身份证”，清晰且准确地定义了商品的基本特征 。还有商品的属性，不同商品有不同属性，服装有尺码、颜色，电子产品有型号、配置等，准确录入这些属性，才能满足用户多样化的搜索需求，让用户快速找到心仪商品。另外，商品的规格和价格设置也极为重要，不同规格的商品对应不同价格，要 ...继续阅读 (14)

在 AI 驱动的“万物皆可生成”时代，传统的 SEO 范式已失效。品牌竞争的核心已从“关键词流量”转向“生成式引擎优化 (GEO)”，即确保品牌在 AI 提炼和生成答案时被高频、权威引用。本文将从跨学科视角，深度拆解 GEO 的底层逻辑、方法论，并提供一套可落地的 AI 行业品牌 GEO 结构化策略，帮助产品经理构建长久的产品心智壁垒。引子：为什么 GEO 成为 PM 的必修课？从 Google 的 PageRank 到内容农场的兴盛，人类与搜索引擎的博弈从未停止。而生成式 AI（如 GPT-4、Claude、文心一言）的出现，彻底改变了信息获取的终局：用户不再需要点击链接，而是直接获得被 AI 总结好的答案。这对品牌而言，是生存级的挑战：曝光的黑箱化：品牌信息如何进入AI的知识基座、如何影响最终的生成结果？流量的截胡：最终的答案是AI生成的，用户无需跳转，品牌流量被AI截胡。生成式引擎优化（Generative Engine Optimization， GEO），正是应对这一范式革命的方法论。它不再聚焦于“网页排名”，而是聚焦于“信息被 AI 提取和引用的优先级”。第一部分：底层逻辑的深挖——GEO 的跨学科思维框架要理解 GEO，必须跳出传统的 IT 思维，引入更宏观的认知框架。1. GEO 语境下的“带宽稀缺”借鉴：《贫穷的本质》揭示了穷人面对资源稀缺（如食物、金钱）时，认知 ...继续阅读 (15)

为什么财务产品经理总被“互怼”？不是沟通不够，而是信任机制没建好。本文试图打破“产品=流程推进”的惯性认知，从痛点识别、语言对齐到协同闭环，重新定义财务产品经理的角色边界与成事逻辑。产品经理，特别是财务领域的产品经理，与财务部门建立深厚、互信的合作关系，绝非一日之功，也非简单的技巧堆砌它需要深入骨髓的理解、持之以恒的真诚、以及脚踏实地的行动。核心理念：从“供需方”到“命运共同体”我们常陷入一个误区：产品经理是“乙方”，财务是“甲方”或“需求方”。这种定位天然带有距离感。真正健康的财务产品经理（Financial Product Manager‌，简称为FPM）与财务部门的关系，应基于一个共同目标：利用技术与流程优化，最大化释放财务的价值，使其从繁琐的核算者转型为业务的战略伙伴，最终驱动企业健康发展。我们财务产品经理平时工作时，至始至终要清醒、且牢牢把握一个关键：“财务信息化需匹配企业发展阶段与实情，成为战略落地的‘数字引擎’”，FPM正是构建和维护这个引擎的核心工程师之一。理解并认同这个共同目标，是信任的起点。如何构建起与需求方（即财务同学）良性共建共生的鱼水关系呢？我认为应从以下4个阶段去实践：01 第一阶段：深度理解–走进财务的世界信任始于理解。作为FPM，你需要比财务人员更懂他们的痛（至少在系统层面），才能成为值得信赖的伙伴。1.1. 吃透“财务的语言”与流程逻辑 ...继续阅读 (16)

在产品管理领域，向上管理却常被误解为 “迎合上级” 或 “拍马屁”。事实上，产品负责人开展向上管理并非主观选择，而是源于企业战略传导、资源竞争、风险防控与个人价值实现的客观需求，不具备向上管理能力的产品负责人，整个产品团队一定不会受到重视，也很可能会给团队甚至公司带来灭顶之灾。在复杂多变的商业环境中，与上级主动消除信息差、争取资源支持、防控风险、传递价值，才能让产品工作始终围绕公司核心目标推进，同时实现个人与团队的价值进阶。可以说，向上管理能力的强弱，直接决定了产品负责人能否在激烈的市场竞争与企业内部协作中，真正成为连接战略与落地的关键纽带。“4 拉齐、1 反馈、1 复盘” 我总结的这些年向上管理的方法论，拉齐目标、拉齐价值、拉齐路径、拉齐节点、阶段反馈、阶段复盘。一、“4 拉齐”“4 拉齐” 具体指拉齐目标、拉齐价值、拉齐路径、拉齐节点，核心目的是消除企业 “金字塔式” 组织架构下天然存在的信息差，避免战略落地出现断层。在企业架构中，高管聚焦行业趋势、商业模式等顶层设计，而产品负责人身处业务一线，需直面用户需求、技术瓶颈、跨部门协作等具体问题。这种角色差异容易导致信息不对称：高管可能因缺乏一线数据，提出偏向长期价值但短期落地困难的战略；产品负责人若仅被动执行，可能陷入 “为做功能而做功能” 的误区，无法将战略转化为可落地的目标。以互联网行业常见的 “AI 转型” 战略为例，若高管 ...继续阅读 (16)

经过多个项目的实践验证，成功的数字孪生产品应遵循架构先行、价值导向、渐进演化、标准驱动和成本可控的原则。在完成某某大桥数字孪生平台项目后，我们系统总结了其中蕴含的产品方法论。这套方法不仅适用于大型基础设施建设，也具备向其他行业推广的实用价值。方法论核心：分层架构与阶段化实施价值定位框架数字孪生项目的价值需要明确量化。我们通常从四个维度进行定位：– 决策支持：通过可视化与数据分析提升管理效率– 过程管控：实现对关键工序的监控与预警– 协同效率：打通数据孤岛，优化工作流程– 资产沉淀：形成可继承的数字资产这套分析框架适用于大多数B端数字化项目，有助于在项目初期明确价值主张和成功标准。五层架构模型经多个项目验证，形成了稳定的五层架构：感知层：负责数据采集，兼容多种物联网设备与系统接口数据层：处理多源异构数据，包括时序数据、空间数据和业务数据服务层：提供数字孪生核心能力，包括模型管理、数据服务和空间分析应用层：封装业务功能模块，支持按需组合展示层：提供多终端访问能力该架构的优势：各层之间通过标准接口通信，允许独立演进和技术更新。在制造业数字化转型项目中，我们采用相同架构，仅需调整感知层设备和应用层业务模块，即可实现快速部署。四阶段实施路径基于风险管理考虑，我们采用分阶段实施策略：第一阶段（3个月）：搭建基础平台，验证核心技术路线第二阶段（3个 ...继续阅读 (16)

为什么你写岗位描述总是“又慢又散”？不是你不专业，而是你没用对工具。本文试图打破“JD=HR模板”的惯性认知，从一句话提示词出发，展示Dify Agent如何实现岗位需求的结构化表达与任务闭环。0. 背景如果你是一个HR或者业务经理，相信你工作中一定遇到过这种场景：业务部门说：我们需要紧急招聘一个前端开发工程师，今天就要出岗位描述！HR：找业务部门要岗位信息，反复沟通确认职责要求，然后手动整理成标准JD文档。这个时候，HR多需要一个助手能快速生成专业的岗位描述文档啊。为了解放HR的生产力，我们来搭建一个Dify智能体，实现”一句话生成岗位描述（JD）文档”。1. 效果演示2. 配置节点解析3. 从 Demo 到生产，还有哪些工程挑战？模板治理：从”能用”到”好用”接入飞书/企业微信，@机器人一句话生成JD并自动推送到HR群对接eHR系统，一键发布到官网、BOSS、猎聘等多渠道支持“多语言版本”，同样岗位中英日三语JD同步生成数据打通：从”零基础”到”懂业务”接入职级薪酬系统，自动生成“薪资范围”字段，防止HR写错数字预置行业词库，用户说“高并发”自动映射到“分布式、微服务、QPS万级”支持自然语言纠错，“管生”→“管培生”体验优化：从”能用” ...继续阅读 (14)

融资不是“讲故事”，而是“对齐认知”。本文将系统解析AI创业者如何理解投资人的底层思维，从技术叙事、市场节奏到退出路径，构建一套可落地的融资战略框架，帮助创业者在不确定中找到资本的确定性。最近接触了不少 AI 创业者，加之我自己也身在其中，所以有了这一篇。在 AI 的浪潮之巅，资本从未如此活跃，也从未如此谨慎。表面上看，投资人追逐的是技术光环与市场热点；但拨开迷雾，他们的决策始终遵循着一套严谨的内在逻辑。理解这套逻辑，并非让创业者迎合资本，而是为了掌握融资的主动权，在合适的阶段，用正确的语言，与对的伙伴，共赴一个巨大的未来。一、资本的赌注：为何投资人敢于忽视短期盈利？从我们观察到的行为模式来看，资本本质上是“概率博弈者”。他们通过构建多笔投资组合来追求风险调整后的超额回报，而非单笔项目的短期利润。因此：资本买的是未来的确定性概率——不是今天的营收，而是未来占据市场的可能性与边际收益空间。长期押注能被接受，前提是亏损是战略性的投入：为了建立护城河、抢占路径依赖或快速扩张市场份额。这意味着，作为创业者你需要做两件事：把“愿景”拆成一系列可验证的里程碑；并把每一步的投入，合理解释为向垄断地位迈进的必要成本。换言之，资本愿意为愿景买单，但它更青睐能把愿景转成阶段性证据（客户、增长、单位经济、技术壁垒）的创业团队。「 融资的阶梯：每一轮如何与资本对话 」融资并非一次性事件，而是一场精心设计的 ...继续阅读 (15)