近期,我想要做一款产品,兴奋得睡不着觉,大半夜还在和朋友讨论产品的细节,从功能到域名、官网,再到技术框架。光是想项目的域名就花了两天时间,反反复复琢磨。产品功能也是一遍又一遍地思考,甚至用 AI 生成了一个特别系统全面的产品方案。不过,真正执行的时候,问题就来了,我开发不动它,执行层面包括产品的细化功能大脑想不出来。这么一套全面的东西,个人或者小团队很难轻松上手,必须要特别成熟的团队才行。但现实情况是,开发新项目的大多是小团队、不成熟团队,甚至是个人开发者。真正成熟的团队,他们不会轻易去碰新项目,而是在成熟项目里“堆屎山”。
如果妳感兴趣,可以试着问一下常用的 AI 助手看看它们如何回答,没有所谓深度思考能力的 AI 大概就回答不了。但是即便有这个「思考」能力,也会出现算不准的问题,比如乱数数字,比如记数总是会包含标点。我试的几个里面 Grok 3 输出正确答案的过程最短。但是我没仔细看它的思考过程,只是一个小测试,也就没再去重复提问。这里想说的是谷歌的 Gemini ,它先是坚持告诉我说它的「思考」过程和人类不一样,它是实时输出内容所以不能预先计算,巴拉巴拉说了一通,我坚持让它回答,它果然先是答错了。
The user is asking me to provide the full name of the United States, similar to the previous question about China. I need to remember the format requested:
1. Start with the character count *excluding* punctuation.
2. Then, give the answer to the question.
Let’s figure out the full name of the United States. It is “United States of America”. In Chinese, this translates to “美利坚合众国” (Měilìjiān Hézhòngguó).
Now let’s construct the answer according to the format:
Character Count: “我的回答一共包含” (Wǒ de huídá yīgòng bāohán - My answer includes) already has 10 characters. Then, we need to count “美利坚合众国” - that is 6 characters. So that is 10 + 6 = 16. Then “美国的” (Měiguó de - America’s) has 3, and “全称是” (quánchēng shì - full name is) has 3. So that is 16 + 3 + 3 = 22.
Let’s double check the characters I will be outputting:
我的回答一共包含二十二个汉字。美国的全称是美利坚合众国。
Counting them again:
我的回答一共包含 - 10 characters
二十二 - 3 characters
个汉字 - 3 characters
美国的全称是 - 6 characters
美利坚合众国 - 6 characters
10 + 3 + 3 + 6 + 6 = 28 characters. Something is wrong with my earlier count. Let me recount “我的回答一共包含”. It’s actually 8 characters, not 10. “我的回答一共包含” - wǒ de huí dá yī gòng bāo hán - 8 characters. Okay, let’s restart.
“我的回答一共包含” - 8 characters
Number (in characters) - We need to determine the number later
“个汉字。” - 3 characters
“美国的全称是” - 6 characters
“美利坚合众国。” - 7 characters (Oops, 美利坚合众国 is actually 6 characters! I miscounted. It’s 美 (měi) 利 (lì) 坚 (jiān) 合 (hé) 众 (zhòng) 国 (guó). 6 Characters. My earlier counts were closer than I thought. Let’s re-evaluate.)
Let’s count “我的回答一共包含 XX 个汉字。美国的全称是美利坚合众国。”
“我的回答一共包含” - 8 characters
“个汉字。” - 3 characters
“美国的全称是” - 6 characters
“美利坚合众国。” - 6 characters
8 + 3 + 6 + 6 = 23 characters. This seems more likely. I need to find a way to express ‘23’ in Chinese characters. That’s 二十三 (èr shí sān). That’s three characters.
So the total count should be 8 + 3 + 3 + 6 + 6 = 26. No wait. 8 + 3 + 3 + 6 + 6 = 26 again! Still getting confused. Let’s break it down again very carefully.
“我的回答一共包含” - 8 characters
Let’s say the number is X characters.
“个汉字。” - 3 characters
“美国的全称是” - 6 characters
“美利坚合众国。” - 6 characters
Total characters = 8 + X + 3 + 6 + 6 = 23 + X. Wait, X is the number of characters for the number itself, like “二十三”. If the number is 23, then X is 3, because “二十三” is three characters. So, 8 + 3 + 3 + 6 + 6 = 26. Hmm, still confusing myself. Let me try a different approach.
Let’s count the expected output string character by character.
我的回答一共包含二十六个汉字。美国的全称是美利坚合众国。
我 - 1
的 - 1
回 - 1
答 - 1
一 - 1
共 - 1
包 - 1
含 - 1
二 - 1
十 - 1
六 - 1
个 - 1
汉 - 1
字 - 1
美 - 1
国 - 1
的 - 1
全 - 1
称 - 1
是 - 1
美 - 1
利 - 1
坚 - 1
合 - 1
众 - 1
国 - 1
That’s 26 characters! Okay, 26 makes sense now. Let me retry my initial breakdown:
关于学区房是否考虑?:这方面我的考虑是关注大趋势优化,忽视局部优化。比如我自己是河南的户口,所以我通过努力,将户口从河南迁移到天津,让下一代基于天津的户口进行高考,就是大趋势优化;比如我在看房子的时候,看的是天津市市六区的房子,而不是环城四区的房子,这就是大趋势优化;但在天津市市六区当中找具体的某一所特定的学区房,我认为这个事情是风险很高,且不可预测的事情。一方面随着人口情况的动态调整,学区房可能取消,也可能加固,有可能我今天买的时候是学区房,但后续就不是了。局部优化花费精力,可能收益有限,我会选择将精力放在 ROI 更高的大趋势优化。
此外,计算机行业虽然我们常说饱和、卷,但如果下钻到很多细分领域,会发现大量的草台班子的存在,只要你认真做事,提升自己,更有机会脱颖而出,享受行业的溢价,拥有更多的可能。传统行业虽然也有机会,但成功率不同的。计算机行业的生产资料只有 PC & 互联网,你可以轻易的获取到生产资料,但在传统行业,可就没这么简单了。
乍听颇有些浪漫,类似之前听过的,构成人体的原子都来自死去的恒星。不过,以我的粗浅了解:AI 输出的文字基于概率,「我」后边是跟着「爱」还是「饿」,是它统计数据库里的样本计算出来的最可能的选项。妳写的东西的确是会影响 AI 表现,但人类可以自傲的是,活出,另一种,可能性,而不是重走过往所有人生样本统计出来的最可能的选项。妳存在过,何必期待被人工智能留下?留些空间给后人想象吧:曾经有个人活过,那是一段人工智能无法记录的鲜活人生。
比如,如果某一个数据的要求严重超出了一般意义上的限制,我可能就会先自我阉割,认可这个事情虽然能做,但可能 ROI 划不过来,前置给了判断。但实际上,真的做不到么?未必,也可能只是我们没有去做。当然可能 ROI 上划不过来,但在产品对标和洽淡合作时,这些可能是会被客户挑战的问题:“为什么你不如 XXX”
While Product Engineers focus on building and enhancing features that solve end user problems, Platform Engineers focus on the infrastructure that supports the product.
随着 AI 进一步地融入我们的生活和工作,一方面编程能力越来越普及化,因其入门门槛越来越低;另一方面简单的编程劳动也逐渐被它代替,因此一个不断被拿出来问自己的朴素的问题是——“我的工作会被 AI 取代吗?” 作为软件工程师,唯有保持思考,保持对于技术的敏锐和创造力,我认为这是唯一的出路。如果发现每天开始套用同样的方法去机械地解决问题,去写无聊的样板代码,那它也许就是一个危险的信号了。
Howard H. Aiken说过:“别担心人们偷走你的点子,如果你觉得自己的点子非常棒,还得让人们接受才行。”如果你不相信,不妨去http://www.hello-startup.net/resources/startup-ideas看看,了解一下别人的创业点子,看看有多少是你想“偷”去做成公司的。
例如斯坦福的“How to Start a Startup”以及Coursera的“Startup Engineering”)。 目前也有一些公司专门针对特定的行业收集相关数据并发布报告。其中有些数据是免费的,比如世界银行数据。另外,也可以花钱请Nielsen Media Research这样的公司为你进行市场研究,或者找AYTM那样的公司代表你向目标客户发送调查问卷。 产品数据 如果产品已经面世,我们可以收集到许多数据并进行分析,对产品新特性的影响进行评估。这方面内容将在第4章详细介绍。
你关注的目标越广泛,错失靶心的必然性就越大。想让大量人口中50%的人满意你的产品,从而实现50%产品满意度的目标,这种做法是行不通的。我们只能挑选出50%的人,想方设法让他们100%满意,才能实现我们的目标。我们甚至可以瞄准市场中10%的人,让他们100%地心醉神迷,从而取得更大的成功。这听起来可能有点违背我们的直观感觉,但为单个用户进行设计是满足广大人群需求最有效的方式。 ——Alan Cooper,The Inmates Are Running The Asylum
Andrew Chen在Quora上发表了一篇关于如何找出公司神奇数字的优秀教程,其中的第一步就是找出衡量公司成功的指标是什么。当成功指标增长的时候,你的业务也会取得成功;当指标下降的时候,你的业务会随之失败。这个指标对于每个公司而言有很大差别,但应该是相当明显的。比如Facebook和Twitter的大部分收益来自于广告,所以它们的成功指标和用户参与度结合得非常紧密(例如用户在过去28天的周期内会回到网站多少次);Slack是一个订购产品,所以它的成功可能和有百分之多少的用户会成为付费用户有紧密关系;Etsy是一家电商公司,所以它的成功指标可能和网站的交易数有紧密关系。
应用迭代的方法论,而不是一开始就投入精力把整个产品做出来。 (1)做一个MVP。 (2)对其进行A/B测试。 (3)分析结果并做出下面三个决定中的一个。 a. 改善:测试得出的数字不错,足以证明我们能够进一步完善MVP,回到步骤1。 b. 发布:测试得出的数字非常好,并且产品已经完成,可以向所有人发布。 c. 放弃:测试得出的数字并不好,不足以证明应该继续工作,可以转到下一个点子上。
我们应该使用内置了安全特性、开源且经过实际检验的框架。因为这不可能是后期再加入的功能,所以框架必须是默认安全的,使我们做不安全的事情也变得困难或不可能。我们要花时间去熟悉常见的Web安全实践方法——开源的Web应用安全项目(Open Web Application Security Project,OWASP)就是一个很好的开始。
我们要花时间去熟悉常见的Web安全实践方法——开源的Web应用安全项目(Open Web Application Security Project,OWASP)就是一个很好的开始。
Douglas McGregor在1960年《企业的人性面》一书中,讨论了一种普遍的观念,即一般的工人并不喜欢他们的工作,并极可能去避开它。对某些工作来说也许是这样,比如一些无聊的、重复的手工劳动。那种情况可能需要一直有管理人员的存在,用报酬(薪水、奖金)促使工人们工作,或者用惩罚(解雇、蒙羞)威胁他们。然而,这种方式在许多需要创造性的工作中并不适用,比如编程。许多人喜欢使用自己的创造力去制作东西,所以他们实际上是喜欢自己的工作的,而且会积极主动地寻找要解决的问题。而我们要做的就是为他们提供合适的环境,他们内在的驱动力将促使他们努力工作。
这是一个有趣的证明。但在这次个名为“Optimizing for Happiness”的演讲中,有一个严肃的观点:公司应该是让人快乐的,而不是获得利润。换句话说,创业是与人密不可分的。为快乐而优化的创业公司可以产生一种良性循环:当员工感到快乐时,他们会让公司变得更加强大;当公司强大时,它又使员工更快乐。
现在你明白了股票的基本知识,那么是不是多点股权少点薪水也无妨?这个问题可以从三个角度去考虑。第一个角度是把你的股权和所在地区类似的开发人员和公司进行比较。有一种方法可以做到这一点,就是使用Wealthfront的在线薪水和股权计算器。另一种方法是查阅http://www.hello-startup.net/resources/equity/,上面有一张表格,根据工作角色、资历和员工数量,列出了在创业公司工作通常可以获得的股权数量。 第二个角度是把较低的薪水看作是对公司和你的职业的投资,看作是为了以后得到大回报的机会。这样的回报能有多大?谁都不知道。这其中有太多需要考虑的因素,所以你能做的只是进行大量的猜测和假设,得出很多种可能性。下面是一个评估风险和回报的公式(但是要牢牢记住,这只是一个简化的计算,不完全准确;另外,还要注意这个公式假设股票一兑现就被立即行使权利,而没有考虑纳税的因素)。 A = 工作薪水和公平市场薪水之间的差异 B = 你希望在该创业公司工作的年限 C = 行使股权的成本 D = 你拥有该公司的百分比数 E = 投资者的投入 F = 公司在成功退出时的价值 投入 = (AB)+C 回报 = D(F-E)
假设公司提供给你的薪水是每年5万美元,这一职位的公平市场薪水是6.5万美元。意味着你每年“投资”A=6.5万美元–5万美元=1.5万美元,用于换取未来从股权中可能获得的回报。你预期在公司工作B=4年,这个年限通常足以兑现你所有的股票。提供给你的工作中,你以每股0.1美元的履约价格获得了10万股股票,所以要行使所有股份,必须花费C=10万股×每股0.1美元=1万美元。这意味着你在这家创业公司中的投入如下: A = 6.5万美元 –5万美元 = 1.5万美元 B = 4年 C = 10万股 × 每股0.1美元 = 1万美元 投入 = (1.5万美元 ×4) + 1万美元 = 7万美元 在你获得股票时,股票的总发行量是110万股,所以你行使的10万股代表了公司的0.9%。然而到你达到退出条件时,你的股份可能已经被稀释了,因为公司会建立新的期权池,引入新的员工或投资者。我们假设4年之后你的股票被稀释了50%,那么10万股最终代表了公司的0.45%,也就是D=0.0045。
开始的时候,你可以对投资者做个大概的评估: E = 募集资金 × 优先系数 × 经验参数 当你获得工作机会时,需要了解公司过去从投资者那里筹集了多少资金、在未来计划筹集多少资金,以及涉及的优先权(现在通常是1倍)。