2024 写得太少了，持续搬运一些笔记碎片到博客，作为 AI 时代巨浪下的点滴标注
随着 AI 能更好遵循某些行文特征来扩写，人类的自主表达也许会越来越不重要了；之前把 wyh.life 域名续到了 2028 年，差不多到时就不需要 Blog 这种低信息密度的古董了。到时候传播的可能是某个 Agent 坐标，继承了本人的所有思想认知、经历及价值观
如果你碰到了 YH’s Agent，问问 TA 这个问题：「在 AGI 降临之前的时代里，你最希望做的事情是什么？」
让 ChatGPT 参考 Row, Row, Row Your Boat 儿歌（千千入睡最爱；其中有一段是 “if you see a little snake, don’t forget to shake”）写了一段开篇歌谣：
Row, row, row your boat, gently down the stream,
If you see a little agent, don’t forget to dream.Think, think, think it through, let it guide your way,
AI helps to solve the puzzles, every single day.Code, code, code the lines, train it till it’s wise,
Data flows like rivers deep, reaching for the skies.Chat, chat, chat along, let the questions flow,
AI learns and grows with you, more than you could know!
2024.12
跟同事聊到 AI Coding 是 “Task Engine” 的一种能力表达，也即人可能不再是生产力的基础要素，生产关系也会被重塑。仔细想想还是有点细思极恐：
- 社会主要矛盾是否在 AI 产业革命时代会有新的变化？
- 往近了说，我们的「工程师红利」还会持续很久吗？
好在 LLM 时代我们并不落后，Bet on AI, Long China
最近又起了一个新项目，本来是开心的事情，越搞越郁闷。又重新思考了一下大厂生产关系问题，很像一些开发框架（framework）的关注点，业务交付靠持续堆叠能力（components stack），但为了保持秩序，有时候要 cut concerns、有时候要贴 facade；就像组织架构里的实线虚线，让真正干活的人能专注交付价值、避免协同工作时踩脚或阻塞。所以怎么设计一个大厂里有持久战斗力的组织协同框架？
PM 需要乐观主义，「目标永远能达成」；这一点心态上要跟技术及架构师视角分割开。对边界问题有一定的钝感，否则什么都做不下去了。不要受困于秩序，尝试在混沌中激发涌现效应…
Quote
当斯科特（微软 CTO）攻读博士学位时，他注意到他遇到的一些最优秀的工程师强调了成为短期悲观主义者和长期乐观主义者的重要性。“这几乎是必须的，” 斯科特说。“你看到世界上所有破碎的东西，而你的工作就是努力修复它。” 即使工程师们认为他们尝试的大部分都不会成功，而且一些尝试可能会让事情变得更糟，他们也 “必须相信他们可以解决问题，直到事情最终变得更好。”
一个对 PM 来讲有价值的指标是 (业务价值 - 交付过程中熵增成本) / 人天，如果这个指标能在一段时间窗口内稳定，说明事情有 Scaling Laws，堆人天就行了。当然项目价值兑现的加速度也很重要；职场光阴苦短，大家都很急
2024.11
LLM / Agent 带来的很多改变，跟小朋友成长过程非常相似，比如思维发育、对世界认知的建立、语言表达能力的习得等。联想到了最近小不点儿要戒断抱睡，所以妈妈毫不理会她的「妈妈抱」请求；但最近某次生病时她带着哭腔的「妈妈抱」得到了充分满足，这个案例进到她的小脑瓜的 Reward Model 之后，每次撒泼打滚都是满带着哭腔的声音…
成年人也一样，比如需要经常反思（ReAct）、结合一些标注数据做强化学习。一些表达能力强的意见领袖的特征：信息输出流畅（Token 吞吐高）、同主流价值观对齐好（RLHF）、并且有一些跳脱思维带来的有启发意义的表达（temperature 高？）
刚开始学写代码时，过来人给的经验是：多看框架源码，动手打断点做调试，跟着执行流来了解背后逻辑。本质上是对框架代码的人脑泛化和检索生成能力的构造；现在这一过程被 AI 做的相当好，尤其 Claude 3.5 之后的改变
超长上下文窗口的代码大模型，所带来的颠覆性能力是可做到“一眼千年”，如果能装下完整变更历史，就能像 X 光一样透视出工程的演进过程。很多协同规范、工程最佳实践都毫无必要，一些 large-scale changes 会极为简单。很像 IDE 1.0 -> IDE 2.0 变迁中，syntax-aware IDE 提供了工程级别代码重构的能力后，开发者终于不用一个个字符来改代码了
Lenny’s Podcast 的一个采访，PM 是组织运行的垫片，而且是一种「不公平」的岗位，很难用某些具体标准来定义岗位职责、包括 PM 岗的价值评判上。因此提到了一些有意思的观点，比如会在 work “on the meeting” 而不是 “after the meeting”
Product management is unfair. We’re expected to be on both a maker and a manager’s schedule. Nothing is planned around “PM capacity.” We can’t hire or fire but are expected to make things happen (and fast). We are the cushion for organizational dysfunction. PMs who thrive will be the ones who build their own systems, methodologies, and tools to make the job work for them, not the other way around.
If 2024 was the year of the super IC, I predict 2025 will be the year of the supermanager. A supermanager harnesses AI to amplify their impact while fully embracing the human side of management. By scaling their efforts, supermanagers can effectively oversee larger, flatter teams and extend their coaching beyond just direct reports, fostering a culture of continuous learning throughout the organization.
AI 生产力提升类似于 1920s 电力革命后的产业升级机会：
- 1900s 电力扩展到工业用途并提升生产力，家庭用电开始普及（冰箱、电扇）
- 1920s 电网覆盖范围大大提升，电气化在城市农村迅速推进，电力驱动的技术革命开始展现（福特汽车的流水线生产模式）
AI 会产生更多平权效应，比如认识提升（教育普及）、服务业发展（个人助理）；也会促生新的产业，比如 Jim Casey 从报童起步，创立了 UPS、受益于福特 T 型车的普及
富兰克林学徒经历时，掌握印刷技术；早年印刷所主要是文具店，只卖纸张、历书、歌谣和学校课本；铅字印刷和雕版能够印刷钞票。后续经营邮局，扩展书报出版业务。穷查理宝典在历书空白处写上谚语销量极高，创办各种共同社和公益图书馆来传播教育，匿名社论文章参政
解决信息的传播及生产的问题，是有极大的杠杆效应的
Glean Founder 的建议：
- 找到一个问题并全力解决它，不要担心别人是否也在解决这个问题，因为他们可能不是在解决，或者他们不会以你相同的方式解决
- 很多我们今天从事的工作，在五年后将不再由我们亲自完成；AI 会更具主动性，不是被动响应用户指令
如果有免费的算力会发生什么？（Bill Gates）
- 早期 PC 时代资深从业者认为 PC 算力用于白领工作（如电子表格）是浪费；现在 AI 算力可能还会作用于蓝领工作
- 现有的细分软件系统可能面临整合：如大学的排课系统、学生服务系统，会被一个更好跟学生互动的 Agent 系统代替，解决各种 On-Demand 需求
PM 日常做的是「项目」（项目关注：成本、资源、进度、质量的平衡）；产品是兑现用户价值的载体（项目不一定都能变成产品），追求的是客户粘性建立后的未来溢价。「产品」成功的要素还有服务（用户支持）、市场运营（拓宽用户渠道）等组成部分。做项目要关注交付并做好过程管理，人员可以弹性；做产品要考虑核心团队的稳定。
ToB 比 ToC 更难的一点，在于 ToB 的真实用户需求更难被抽象、产品能锚定的客群更狭窄，试错的成本更高。ToC 可以“闭门造车”，ToB 不可以（共创、或者基于已有的 Know-how 做一定程度的泛化，比如 LowCode → AI Agent Builder）。ToC 产品的商业成功，需要一个量变到质变的过程，通过规模效应盈利；ToB 是线性增长，很难靠融资来增长。
2024.10
21 年左右认为 Remote Dev 是 ToD 方向的机遇点，结果工具链层面的创新相比 AI 这种编程范式的革命要微弱很多
听了一个播客，两位身处海外大厂裁员风暴的主播讨论了一个有趣的现象：为什么程序员对「造工具」、「造框架」、「开源」等利他主义活动充满热情，而不像工业革命时期的工人那样对新技术的扩散充满防御感。两个原因是：
- 大家已习惯于互联网行业的超高速成长，生产力不足的问题远大于生产关系分配问题
- 互联网不同于实体制造业，没有明确的物理边界。软件系统的复杂度理论上可以无限扩展，不像造车造房局限于特定领域
2024.07
客户反馈钉钉的 AI 能力用着不错，魔法棒直接拉起来通义千问，交互心智也很统一，用户不会纠结 AI 能力是以 Agent 形态还是裸模型能力来供给。想一下很多事情上我们是否对客户场景有太多的假设了？
俞军产品经理书中一些观点：PM 岗位把很多打通产品研发到市场销售的价值链条传递的工作，从总经理 / CEO 职责里剥离出来了，组织可以有带宽打磨多款产品。产品体验跟产品价值交换的关系，用经济学理论来阐述，把“体验”这一感性命题转为理性的价值解构
2024.06
有些技术及产品是 “augmentation“，比如 Excel 是利好掌握工具的 worker；有些技术是 “automation“，利好决策链条上游的位置。目前业界锚定的还是 AI 能实现端到端自动化，也就是 autonomous agent
生产力的提升主要是靠赋能 “group of people” 还是靠赋能某些超级个体？换过来想，对企业业务系统提效角度来讲，用户是一个还是一群？DAU 是否是合理的商业逻辑？
2024.05
约瑟夫·熊彼特将创新定义为“发明和市场的新结合”；更简洁地说，“创新就是产品的广泛普及”。这里重要的是产品能够广泛普及，与技术是否具有革新性没有关系。因此技术研发的阶段是不会出现创新，只有当使用了这项技术的新产品热卖时、才能称得上实现了创新
乔布斯对创造的诠释则更加简洁：“创造就是联结事物”（Creativity is about connecting things）。创造这一过程其实包含了大量的模仿元素
当你没有产品的时候，先假装拥有了它（加州山景城计算机历史博物馆 PalmPilot 木制模型）
