<p align="right"><font color="#3f3f3f">2025年04月24日</font></p> ## LLMs与生意之间的关系 - **满足赚钱的前提下尽量简单使用**：过度的使用LLMs主要有3方面的影响，1是成本，当前主流的Claude、ChatGPT等模型的使用成本较高，2是效率，LLMs本身的执行速度比较慢，高度泛化(过度依赖LLMs)的产品很难同时兼顾丝滑和成本，3是不确定性，LLMs本身的不确定性决定了，最终必然是一个成功率，而不是确定性的成功，这对一些生意场景实际上不可接受。 - **使用LLMs的两个方式**：1是将LLMs集成到产品中，但是需要考虑上面的成本、效率、不确定性的问题，特别在垂直场景，在满足要求的情况下，适当降低泛化程度获得效率、成本和确定性。2是侧面的使用LLMs，如通过AI编程的方式实现一些规则化的提效工具代码，这个本质上也是在使用LLMs来提升商业价值。 - **每个行业都需要值得用AI做一遍的含义**：我个人的理解核心路径就是上面说的两种对LLMs的使用方式，将其组合在一起后，客观的将LLMs引入到团队工作的各方面，包括开发、测试、运维、运营等一系列事情，最终带来的效率质变，会转化为利润。如10个人干100万的生意，要干200万的生意就需要20个人，那么人均利润并没有变更，效率的质变如果可以让10个人干1000万的生意，那么很多重人力的行业都可以重做一遍，低利润的生意也可以变成高利润的生意。 - **AI编程对生意的影响**：我个人的文章中写了很多关于AI编程的延伸，这个看似只是提供编码效率的事情，我觉得可能是影响更加深远的，他对开发效率带来的质变，本质上会把数字化程度再次推高一个台阶或数量级。总体来说我认为这波LLMs的热潮主要是面向B端的机会更多一些。 - **发挥技术杠杆的效果**：这波AI热潮下技术杠杆的能量会更大，类似目前推崇的超级个体、一人公司的概念。对于大多数技术来说，想通过炒股变成富豪几乎是不可复制的，但是通过技术杠杆创业，是具备一定可复制性的。 ## AI Agent的理解 - **AI编程工具**：目前AI Agent中非得最高的是AI编程领域(如cursor估值据说以达到百亿美金)，其主要原因是这个产品的开发团队本身就是那波发烧级用户，比较容易形成AI产品的螺旋上升正循环。 - **AI编程工具的边界**：AI编程工具虽然叫做编程工具，从通俗意义上可以理解是生产力工具。但是随着AI Agent的泛化程度变高，**AI编程会从生产力工具变为产品基础设施**，如Manus中实现用户任务的方式，本质上就为一件小事编程。 - **AI Agent的成功路径**：核心是基于用户的使用数据进行检测、采集、优化。从数据中捕捉不确定性的问题所在，积累真实的评测和微调数据集，形成基于数据优化的正向循环。 - **AI Agent的面相数据采集做产品设计**：需要从产品角度做好引导用户反馈的机制，AI Agent中用户的反馈就是在做人工标注的过程，这是AI Agent最重要的数据资产。 - **通用与定制之间的取舍**：如果做一个平台类的产品如coze、dify，那么通用性比较重要，如果做某个领域的特殊商业场景提效，那么要向定制的尺度拨的更多一些，虽然通用与业务效果并不直接冲突，但是会有比较大的摩擦力，越垂直的场景，我个人觉的约应该是高度定制的。 ## 关于个人 - **AI时代的能力变化**：前面的一篇文章中已经讲过，对LLMs的边界认识和有效的使用姿势、理解和表达能力，再次基础之上架构能力、对模块的面向AI编程拆解，也是比较关键的能力，要能够设计对AI编程足够友好的编码颗粒度，并且从架构上把控代码的走向。