人是目的而非手段

能做、能做好、能做得又快又好是三件事。 假设通用Agent可以借助浏览器、借助Action能力自主完成各种任务，达到"能做"的水平，但现实中真正需要的场景往往是需要把事情做好，甚至又快又好的。 一个人可以广泛涉猎，快速上手，但一生真正能做好的领域又有几个呢？艺术家要发散，审计师要严谨，一套通用的思维方式怎么能达到两个方向的"能做好"呢。一个人可以聪明绝顶、学习能力超强，但直接去打螺丝也不会比工厂里的工人打的更快更好。每个领域每个岗位都需要打磨最佳的工作流，培养最匹配的思维方式，而这个工作流通常就是定制化的，这个思维方式大概率也是互斥的。 什么任务都能做听起来很酷，但能做的又快又好才能产生价值，想实现又快又好就需要扎进垂类里不断打磨。 AI的未来，需要沉下心来，扎进具体的场景里，解决用户真实的痛点，积累每一个高价值场景的knowhow/数据/流程，等把每个垂类都打磨出真正专业、高效的agent时，AGI才可能会到来。

1. 5个可能在微信发生的AI落地场景 （1）场景一：折叠群消息订阅 折叠群里可能隐藏着想看的消息，有些群聊价值不高但不想错过少数消息没办法直接折叠，这浪费我们不少的时间，或许可以支持订制折叠群里自己感兴趣的话题，聊到对应话题时，小助手会推送消息，再选择是否去查看，就不需要每个群消息都自己去看了。 （2）场景二：公众号文章智能订阅 有时关注的公众号较多，没办法全部查看会错过一些高价值的文章，还有些公众号会发相似的内容也会造成时间的浪费，是否可以有一个智能订阅的功能，去设置自己感兴趣的话题和内容，之后优先推送这些符合要求的用户更想看的内容。 当前公众号内容推荐模式评论：推荐对公众号的信息冗余来说可能不是一个好的解法。推荐的本质是在供给无限的前提下通过计算概率推送内容，不要求内容百分百准确。但在公众号的场景可能不太成立，公众号的内容本身就是精挑细选过的，用户追求的是就是确定性的高价值信息，可以说就像是每天有一张精美制作的报纸，只展现我最关心的优质信息，这与推荐的逻辑一定程度上是相悖的。所以最佳的解法可能不是推荐，是智能订阅，在自己精挑细选的基础上再加一层智能筛选，优先展现自己最想看的内容。 （3）场景三：活动监测 在各种群聊中、公众号里经常会有自己感兴趣的活动出现，但因为消息过于繁多，经常会错过一些想参加的活动，有时会出经常举办活动的公众号/群里刷一刷，但比较浪费时间，如果能有一个小助手实时监测我感兴趣的活动给我推送能带来极大便利。 （4）场景四：潜在错过消息提醒 生活中经常会出现因为平时比较忙碌，各类消息轰炸，导致有时候会错过一些朋友的消息，会造成不必要的误会，如果可以自动监测那些可能被 miss 的消息，提醒用户关注，就能解决不少生活中的误会。 （5）场景五：打卡接龙任务一键代办 生活中经常会有很多任务处理的场景，比如需要群接龙，群打卡等操作，但每次都需要进群去查看冗长的上下文信息就比较浪费时间，但如果能有小助手给一个提示，说XX 群有一个关于XX的接龙，你要不要去接，回答肯定之后就自动处理能节省很多精力 2. 这些场景的共性与解决路径 （1）上述场景的共性思考： a.这些问题都是随着微信中好友的数量、关注的数量激增，导致了一定程度上的信息过载，需要有方法处理信息过载。我认为推荐不是好的处理方法，微信不能像内容消费平台一样有较高的随机性，微信的核心要求之一就是确定性，即我能确保收到重要的消息/咨询，能确保关注到我在意人的动态。一旦不确定性产生，用户就会审视这个产品，就会在使用时保持怀疑，就会减损微信的核心价值。 b. 那什么是更好的解法呢，是我有一个可靠的小助手，我和小助手充分沟通需要，小助手帮我对信息过滤，只保留下我需要的内容。如果信息量过大也没问题，一个不够两个，两个不够我找十个。在既保证了确定性的同时，也大幅的节约了我的时间，而AI的出现就让小助手成为可能。 (2) 关于小助手与开放Agent生态的思考： a. 今天流行的Agent其实就是我们说的小助手，能够基于给定的目标处理信息，逐步完成任务，但只是还远远没达到钢铁侠的贾维斯的水平。目前看来，AI能力的发展还远远达不到通用Agent的地步，我认为通用Agent约等于超级AGI，今天宣言做通用Agent的是个伪命题。 b. 通用Agent短期实现不了，不代表小助手的事情没法做，我们可以让每个小助手只负责一件事，有专门看折叠群消息的小助手、有专门处理群接龙任务的小助手，用户想处理什么样的任务，就可以有什么样的小助手，甚至之后定火车飞机票、交电费水费电话费也可以有专门的小助手。 c. 那这些小助手该由谁来做呢，我们可以建立一个开放的Agent生态，通过定义出C端的交互规范，并且开放微信的部分权限，让Agent开发者可以自主的搭建完成各类任务的小助手，然后把这些小助手统一集成在我们标准的交互界面中，至于这个交互界面，可能还是用户熟悉的对话框。

随着 AI 的快速发展，越来越多的人也开始关注和思考这个问题。这个问题不仅关系到未来教育模式的变革，家长们需要让自己的孩子不输在起跑线上。更深一层来看，它也会重塑未来社会人们需要具备的知识结构、能力结构。是AI时代最高价值的问题之一。 我是一个AI 产品经理，从 23 年开始一直在从事 AI 教育相关的工作，也一直在思考未来的教育该何去何从。在不断的实践和思考中，也形成了一些自己的思考，希望能给大家一些启发，也欢迎一起讨论。 我想我们先不考虑 AI 这一变量，从一个更底层的问题出发，在没有AI的时代里，学生需要学什么东西，什么是学生们最好的学习方式？ 是填鸭式的记住更多知识吗？是通过反复练习形成所谓肌肉记忆吗？还是通过老师循循善诱，让学生一步步接受一个个编制好的精密逻辑网络呢？ 我想让我们看一下那些取得了重大成就的人们，他们又有怎样的学习路径呢？ 在对这些成功人士的学习成长路径中，我们不难发现，他们的学历是有很大参差的，既有人早早辍学打拼出自己的一片天地，也有苦读十数载摘得博士学位才开创事业。 这么看起来，上学好像不是一个必须的要素，那什么是一个人成长的必备条件呢？ 我想答案可能藏在马斯克近些年开办的学校里，马斯克让学生们选择自己感兴趣的课题自由组队，通过自由探索解决问题的方式展开学习，这与马斯克曾表达的教育观息息相关。认为先讲授学习概念再应用概念去解决问题的方式是低效且无聊的，不容易激发起学生的学习兴趣，他认为应该先让学生面对现实中的实际问题，通过实际问题激发学生的学习兴趣，然后再让学生去自主的学习知识解决问题，就能够最大化的调动学生的学习动力。 段永平也表达过类似的观点，人应该基于目标或者兴趣去学习，只是储备集邮式的学习意义不大。 从这些观点中，我们或许可以发现上面提到的一个人成长的必备条件。我想可能是抓住了社会中的主要问题、核心矛盾，然后围绕这个具体的问题，不断探索寻找解决方案。可能可以进一步讲，最好的成长方式就是围绕着一个真问题，以解决真问题作为目标探索各种解法从而获得自然的成长，而是否学了很多额外的知识，可能并没有那么重要。 那我们再回到最开始的问题，孩子们到底需要学什么？我想不是可能不是比谁的知识更渊博，谁会背更多古诗词，谁掌握了更多单词，而是看学生能自主解决什么样的问题。这个问题既可以是如何计算摩擦力、怎么让玩具车跑起来的科学技术问题，也可以是怎么逗笑别人、怎么调解一次矛盾的社会人文课题。问题并不难找，毕竟这世界上最不缺的就是问题。但无论是解决什么样的问题，都需要了解做成一件事背后的道理，都需要经过反复的练习。在一个个问题被顺利解决的时候，这些问题背后对应的知识、技能也就已经被学到手了。 说了这么多，如果这套学习方式这么好，那为什么我们现在的教学活动不这样进行呢？ 我想可能有一个最关键的原因，没有人懂所有的这些问题该怎么办，每个问题背后的知识道理拿出来都值得去专门读一个博士去研究。即使有人懂，学生为了解决一个问题要学到博士的深度吗，这也不现实。总的来说，问题背后的知识供给是不足的，学习成本是高的。这就导致这个学习模式在过去的时代里没办法成立，即使实力强大如马斯克也只能找到少数领域的专家引导孩子们自由探索，还是没办法做到真正的包罗万象。 但这两个问题在AI时代还会成为卡点吗？我想可能不会了，今天的大模型们吃掉了人类积累了几千年的各种知识语料，又有几个领域的知识是它不了解的呢，有什么样的知识是它讲不出来的呢。AI一下子提供了无限的知识供给！ 再说回学习成本的问题，孩子们要为了解决一个问题去读个博士吗？当然不用，AI让孩子不需要再经历漫长的知识的原始积累。举个例子，我现在想知道让小车以1m/s的速度行驶，需要多大的发动机转速，需要自己去学背后的物理公式再慢慢算吗？当然不用，我只需要让AI帮我算一下，我按照AI给我的解决去调试，达不到我的要求再让AI重新算就够了啊。所以，我们在处理一个问题的时候可能只需要关注我想达成什么效果，至于步骤完全可以外包给AI了！ 那在这个过程中，什么是真正关键的呢？是发现问题的能力，是解决问题的能力。解决问题的关键不是学多少知识，而是知道怎么算解决了问题，愿意为了解决问题不断的尝试。而这个过程，才是人最需要锻炼的能力，去发展出自己的判断力，去协调争取各方的配合。 但其实对于教学者和学生都提出了更高的要求，教学者需要让学生去发现一个个真问题，而学生们则需要独立自主或自行组队去攻克这一个又一个问题，在解决问题的过程中去锻炼真技能磨练真本领。而AI也将真正发挥出它的价值，成为学生解决问题过程中最好的帮手。 人或许可以真正成为人。教育的意义也不再是为了让学生成为某个细分领域合格的工具人，而是让每个学生都成为真正的创造者和领导者。

1. AI coding到底改变了什么？ 让软件产品的开发成本逐渐趋近于0，使得之前许多收益无法cover成本的长尾细分机会可以成立，具体有两个表现： a. 大幅降低企业定制软件的开发成本，通过效率的提升，有机会颠覆企业软件开发的市场。 b. 让大量细分的产品需求有机会被满足，针对少数人群使用场景的产品值得被开发。 c. coding将成为一项像使用计算器一样基本技能，但这一过程需要有组织性的推动。 2. 带来的商业机会 a. 基于AI coding的企业软件开发服务。是一个挣快钱的机会，但由于ai coding逐渐普及，将逐渐失去利润空间。 b. 订阅制的工具类to c产品。场景无限细分，配合敏捷的增长方式针对特定人群做不同的工具类产品，机会长期存在 c. 教育培训机会。出现AI时代的"新东方"，从教授ai coding的技能开始，走向教授AI时代的人机协作方式

1. 目前看起来AI生成图像的领域存在着三类机会： a. 一是to B或者叫to 专业大C用户的专业生图工具/社区，规模天花板有限，需要纵向打磨能力服务好特定人群。 b. 二是在原有修图工具的基础上利用AI能力提升修图效果，如扣除背景中多余物体，在脖子P上项链，这类机会更可能被原有修图工具通过优化迭代自身产品吃掉，提升自身产品附加值。 c. 三是借助AI可以带来许多有趣的生图玩法，如之前风靡的yearbook风、黏土风，这类机会更像消费品，借助AI能力可以定义出很多有趣的玩法，但怎么"引爆流行"才是这类机会成立的关键。所以这类机会会长期存在，就像流行单品、潮词热梗会不停变化一样。 2. 不管怎么说，都不存在一种to C的通用生图平台的机会，都需要围绕着特定场景做深入打磨服务好特定人群。因为AI生图本质上是一种底层的技术能力，可以和各个场景相融合，而各个场景所依赖的条件不只是AI生图能力，需要其他要素结合才能产生价值，所以追求通用的生图平台最后只能是什么都得不到。

1. 能勾起用户原始回忆的功能/内容往往能获得不错的使用量，并引起自传播。 (1) 张小龙说"摇一摇"激活了人们最原始的"性"的动机和动作，才会有这么好的效果。 (2) 帕基特诺夫曾评价《俄罗斯方块》："人类都有一种内在欲望，那就是 '从混沌中创造出秩序'。《俄罗斯方块》的系统虽然简单，但却能从根本上满足这种欲望。" (3) 知名营销咨询公司 华与华 也有类似的观点，华衫说人类进化几千年来，会有一些意象和旋律反复出现在人们身边，而这些意象和旋律就成为了文化母体。能够唤起文化母体的内容往往能获得更好的传播和记忆，华与华所操盘的蜜雪冰城、海天酱油、小葵花等品牌的传播策略正是应用了这一方法。 2. 所以我们做产品要努力抓住用户的原始动机，打造出能唤醒用户原始动机或是文化母体的功能。 (1) 人类本质是脆弱的，总想得到确定性，总想通过和人比较的方式获得自己的位置，从而得到安全感。所以可以围绕不断给用户确定性，给用户比较坐标的方式来满足用户的原始动机。 (2) 另外，我觉得"趣味"也是一个原始动机，很多产品/内容能有大规模的传播，本质上也是暗含了趣味的要素，因此什么是趣味，以及什么能带来趣味也是一个值得持续思考的问题，目前想到的几个点 a. 自由度带来趣味，因为可以逐渐获得确定性 b. 从不确定到确定的"解除恐惧"的过程带来趣味 c. 意想不到带来趣味，因为拓宽了人想象的边界

1. 社交的本质 (1) 社交是为了合群作出的努力，合群是确认自己存在的方式 a. 人是社会关系的总和，人天生的需求就是寻找自己的存在感，而别人/群体的反馈就是确认自己存在的方式。找到一个团体是一种方式，找到soulmate是一种方式。都是合群的行为，都是为了自身的存在感。 (2) 存在感=不同类型的关系数(i)*反馈深度(n) (3) 一个社交平台的核心价值即帮助用户连接到了多少关键关系，每个关键关系提供了多少反馈深度，从而让用户获得了多少存在感 (4) 用户对一个社交产品的粘性取决于这个社交产品给了多少用户存在感 2. 体、面、线的分类 (1) 线下真实关系链构成的现实关系"体"，带给稳定的存在感，单位时间带来存在感适中，持续时间长 a. 目前主要由微信承载 (2) 基于兴趣/职业/地理位置等关系构成的垂类关系"面"，单位时间带来存在感较强，持续时间适中 a. 可能成为体的一部分，也可能单独存在 b. 目前由群聊、算法推荐、各垂类app承载 (3) dating类的关系"线"，能带来及时存在感，单位时间带来存在感强，持续时间短暂 a. 要么成为陌生人，要么成为体的一部分 3. 几个规律 (1) 越靠近熟人社交，关系链带来的价值链就越大，就越能收获长期用户价值，可以作为三级火箭的前两级。 (2) 越靠近陌生人社交，关系链的价值就越弱，用户的生命周期就越短，就越需要关注链接本身的变现效率。 (3) 关系数越多、关系链越复杂，用户真实表达的可能性越低，用户永远在寻找真实表达的可能性，所以小机会永远存在。 4. AI对社交的影响： (1) 提升连接效率：可以加强非标信息的匹配，从而匹配的更加精准

1. 取决于产品是否能带来持续使用的价值，哪怕是让用户感觉有持续试用的价值 2. 还是看具体的案例，是猎奇/低频心智的东西，还是高频刚需的东西。如果是前者，需要看免费试用的东西会不会已经满足一部分用户需求或是否会对用户感知到的产品价值有降低。 3. 总的来说，在现有的算力成本，AI能力边界的情况下，免费的模式不是一个明智的选择。但随着算力成本的降低和AI能力的提升，不久的将来，"免费"可能依然是更好的模式。

1. AI时代的内容消费可能呈现出以下特点: (1) 内容将因用户的参与而呈现不同面貌,用户和创作者共同参与内容的构建过程。 (2) 内容将真正实现千人千面,每个用户看到的内容都可能是独一无二的。 (3) 相比传统的PGC(专业生产内容)和UGC(用户生成内容)模式,未来的内容生成模式可能更加灵活和动态。 2. 未来的内容创作模式可能是: (1) 专业创作者(P)负责创作大的内容模板 (2) 用户(U)参与创作小的内容模板 (3) 当用户"定位"到对应内容时,系统会结合用户的个人信息,生成最匹配该用户的内容 - 用户成为故事中的一个主角或NPC - 基于用户的观看习惯,呈现不同的观看视角或内容推进方式 - 同一内容模板会因单一用户画像的不同而呈现不同的内容

1. 教育产品的第一性原理：教育是反人类的， (1) 没有人喜欢被改变且人本质上是懒惰的，灌输式的靠学生自驱力的教育是反人类的 (2) 但人天生又是好奇的，是有求知欲的，所以引导探索式的教育是符合人类的 (3) 教育产品需要利用产品机制顺应人性，让用户能够在探索中不断进步 2. 最好的成长/教学模式 (1) 最能促进成长的教育模式：马斯克已经想清楚了，就是基于任务组队探索，共同完成一个目标。给目标给机会给空间给资源，和优秀的人一起做有挑战的事就是对人最好的教育，让人有最快的成长速度。就是要learning by doing。 (2) 最好的教学模式：在关键时刻不断提出好问题，让学生自己想明白，也就是苏格拉底式的启发式教育。 3. 留存方法论： (1) 教育类产品想要做好留存的首要任务就是利用产品机制顺应人性，具体包括： a. 利用游戏化机制减轻学习过程中的痛苦，包括过程中多给激励（小激励给足节奏感，大激励带来爽感），趣味化的动效、音效、形象设计，参考duolingo b. 利用人的好胜心、责任心，包括通过排行榜、学习PK、组队比赛等形式利用底层的人性带来动力。 4. 关于互联网学习产品的效果与AI的切入路径： (1) 很多人说互联网教育产品学下来没有好的效果，但这是互联网教育的锅吗？现实中又有什么不依靠强大自驱力的自学方式有特别好的效果呢？这件事本身就是个伪命题，学习模式无非两种：一种痛苦但有效的学习模式，一种无痛但要接受进步缓慢的学习模式；有无自驱力、学习过程是否痛苦，学习是否快速有效果，本身就是一个不可能三角。 (2) AI对教育的赋能与其去探索如何提升学习效果的天花板，不如去探索怎么让一些原本学习成本高昂的东西被广泛的大众都能学到。个人认为现阶段AI对教育的意义在于拉齐地平线，不在于突破天花板。

1. 关于ugc： (1) 对于以消费内容为主的内容平台而言，ugc更长远的意义在于提高创作者体验，而非提高内容供给的丰富度。平台通过让用户以创作的方式有更深的参与和反馈，提高了粘性。随着规模的递增，消费内容的供给基本可以由pgc解决。 (2) 但以小红书为代表的兼顾社区与内容平台特性的产品而言，因为经验的足够垂直性，让ugc模式发挥了真正的价值。 2. 像小红书/快手这类重视关注流量分发和长尾内容分发的兼顾了社区和内容平台产品特性的产品，在享受到社区属性带来的更好的用户黏性、私域优势的同时，不能期望自己有抖音一样强的广告变现能力。更不能一边坚持着自己的所谓初心/理想（增加人与人之间的连接）的同时，还照搬抖音的商业化模式。

1. AGI的到来： (1) 大模型的能力会作为新的操作系统与更适合的终端形态组合起来，宣告AGI时代的到来。 a. 相信agi的实现路径的重要一环是具身智能 (2) 新的终端应该具备哪些特点： a. 感知：能更加实时感知和理解 环境、人、物体的变化 b. 信息呈现：更丰富信息形态的呈现，包括3D、 c. 交互媒介：人需要借助终端和外界完成交互。手机/电脑更多是人在终端上和信息完成交互。 -之后的终端需要演进为能够加工处理人和所在环境传递的信息，经过判断，自动与其他信息完成交互，实现从感知—决策—执行的闭环。更激进一点，新的终端要直接与物理世界发生交互。 -与人的交互方式也从单一的GUI、LUI变为从点击、眼神、动作、声音、甚至脑电波的多元交互形态。而大模型构成了终端的大脑/操作系统。 (3) 在新终端到来前的构建在手机/电脑上的AGI产品更多是时代的序章，完成数据及模型能力提升、用户需求挖掘、用户行为养成、产品形态探究的原始积累。 2. 现在主流的chat形式的大模型产品是最好的AGI形态吗？ (1) 不是。两个原因： a. chat的交互方式锁死了自己的上限，在很多的场景下，点击、触摸都是比chat更高效便捷的交互方式。 b. 现在的GPTs代替不了垂直方向的应用。更广大用户需要的是基于场景的便捷高效的解决方案，不是高自由度的探索性开发工具。探索性开发工具长远来看服务的是高级开发者，短期来看可以帮助带来灵感和一些产品启发。 3. 现在做chat类的大模型产品的价值是什么 (1) 积累数据资源，让对用户更了解成为迈向下一个时代的可复用优势 (2) 洞察用户需求：通过观察用户的chat数据，更好的了解用户 (3) 借助用户的想象力探索值得做的垂类应用：这就需要提供用户可以便捷搭建应用的空间，只是prompt和知识库不够，也需要在渠道、形态上做延伸。

1. 终端的作用： (1) 检测/感知物体 (2) 呈现信息 (3) 与外物发生交互的媒介 a. 物理层面 b. 信息层面 2. 未来的终端会是什么样 (1) 能够适配AGI的能力，作为一个超级智能伙伴存在，能够完成感知—决策—执行的闭环。 (2) 能帮人们做什么：通过人的文字、语音、视频、肢体、动作、神态等信息实现一个秘书/助理做的事。 (3) 可能是具身智能，更可能是微型的传感器，不觉得是眼镜，感觉眼镜是一个只在特定场景下高效的工具，很难做到通用。 3. 手机的问题是什么 (1) 不能做到"感知"，也就是很能充分的理解多模态信息。 a. 涉及到一个问题，终端如何理解环境和人。可能包括文字、语音、视频、肢体、动作、神态等信息 (2) 信息呈现：不能充分进行三维信息的呈现。 (3) 交互：交互形式单一，启动方式受限