Bear.Best5 条更新

动态

记录做产品过程中的短更新、小实验,以及一些刚刚发生的片段。

#AI#Coding Agent

试过大多数 Coding Agent,发现它们常有同一个问题:任务实现过程中,一旦发现问题(比如发现某个函数并不能达到预期)、换了方案(整体方案重做),或者只是想微调(实现细节调整)一下,之前为旧方案加上的逻辑和数据定义,通常不会被主动撤回。

AI 会直接开始新的实现、写一个新的函数、创建一个新的类等等。新旧方案越叠越多,最后难免堆成一座屎山,还是得靠人回头检查:哪些函数、逻辑和字段已经不再需要。

可以给负责实现与修正的 Agent 加上类似下面这样的一条 rule:

每次调整实现方案或修正问题后,检查本次修改涉及的代码逻辑和数据定义,确保每项内容都确有保留的必要。发现未使用的函数、冗余逻辑或不再需要的数据字段时,应一并清理。

如果使用 git-commit 之类的 skill,可以让 Agent 在每次提交前,自动检查本次修改涉及的逻辑和数据定义,确保未使用的函数、冗余逻辑和不再需要的数据字段都能及时清理掉。

#AI#Engineering

有了 AI,更需要规范,否则只会加速熵增。

十个项目十种架构、十种交互、十种数据结构,相似的逻辑各自在内部造轮子。

#AI#Product

很多 AI 产品看起来是在卖产品,其实更像是在卖模型。

从客户视角看,最终交付质量往往先取决于模型强不强。那问题就变成了:如果高质量产物主要靠模型,产品自己的核心竞争力到底在哪?

#Mindset#Curiosity

思想是有力量的。你如果一直往负面去想,很多时候真的会把自己慢慢推向负面。

反过来也一样。可以先有点像骗自己那样,假装自己很好奇,假装对很多食物、很多小事都觉得新鲜。慢慢地,那股好奇心反而真的会重新长出来。

有点像给自己打一枚思想钢印,做一场温和的自我攻略。

#AI#Market

现在很多 AI 的落点还停在提效上,市场也开始更认真地审视它到底能不能兑现收益,所以情绪一直阴晴不定。

如果接下来能出现几个更直接的盈利场景,让大家真正看到 AI 不是只会省钱、也能持续赚钱,那大概就是离下一轮 AI 概念爆发最近的风口了。

已经到底了。