vol10.增加「选择的机会」，而不是提高「选择的成功率」

卷首语

本周在推上看到一条关于“如何提高一个人的运气？“的内容，久久在脑中回响

如何提高运气的战略：增加「选择的机会」，而不是提高「选择的成功率」
如何提高运气的战术：把每一次聊天都当作面试

运气是一种看不见摸不着，但好像又真实存在的东西，有的人似乎总是运气很好，而有的人似乎总是运气很差。但如果把运气类比为概率，运气这件事似乎可以变得更具象化

对于增加「选择的机会」，本质是在提升发生的次数，只要发生的次数足够多，成功的概率必然会更高

把每次聊天都当作面试，就是不放过任何微小的机会，相信积少成多的力量

所以我理解的好运气，就是不断增加样本基数，通过数量战胜运气的低概率

Prompt

In this enchanting scene, a charming ginger cat dons a vibrant green top hat adorned with a traditional buckle, perfectly embodying the spirit of St. Patrick’s Day. The small feline sits amidst a lush carpet of vivid green shamrocks, which add a magical and whimsical touch to the composition. The soft, diffused light filters through the scene, highlighting the cat’s thoughtful expression and the playful spark in its eyes. This image captures a delightful blend of festivity and serenity, evoking feelings of joy and good luck.

内容推荐

【产品】产品管理的第一性原理

在第一篇周刊中的可复制的决策提到，做决策是昂贵的，每一个决策都会耗费巨大的心力，所以提高决策成功率有两种方法

减少决策数量，给每个决策分配足够多的资源，提高每个决策的质量
做可复制的决策，提升决策的杠杆率

要实现可复制的决策，制定原则是重要的一环。这篇文章介绍的产品管理的第一性原理，本质也是在讨论在如何做出优质的产品决策

为什么第一性原理对产品管理很重要？

第一性原理的含义是：基本的、根本的命题或假设，不能从任何其他命题或假设中推导出来。第一性原理就相当于决策需要遵循的基本原则
产品经理基于第一性原理做决策，有助于简化沟通，能够保证团队和利益相关者团结一致
通过第一性原理思考，产品经理可以更好地传达历史、当前和未来决策的理由，帮助团队快速朝同一方向前进

产品管理的第一性原理

最大化对使命的影响：在给定一组输入的情况下，制定一个能最大化影响组织使命的产品策略
通过他人完成一切：产品经理就像是体育教练，使周围人的一切变得更好

这两个原则就像是大脑的左右两侧，左脑有逻辑、研究和严谨，右脑有创造力、直觉和同理心

原则一：最大化对使命的影响

在一个公司的所有员工，工作的重点都是实现公司的使命，也就是德鲁克所说的：面向结果工作
公司绝大多数人都在直接为客户提供产品/服务而工作：他们构建产品（工程师和设计师），将产品推向市场（市场营销和销售），或帮助现有客户（支持）
产品经理想要制定最大化公司使命的策略，需要不断考虑三个问题
- 目标是什么？
  - 一切都始于目标：如果不知道应该去哪里，甚至都不应该移动，因为很可能最终会离目标更远
  - 只有产品经理确信了解公司的目标，以及周围其他团队的目标时，才能有效地设定与使命相呼应的目标
- 环境发出的信号是什么？
  - 不断倾听环境发出的信号，检测、预测和纠正路径，才能保证不偏航
  - 信号有两类
    - 来自客户的信号：关于客户如何使用产品的定性和定量数据集
    - 来自市场的信号：影响你的公司和客户的竞争、政治和社会经济格局的变化
- 存在哪些人员、资金和时间限制？
  - 人员通常是最大的限制，除了人数限制外，团队成员的实际技能和经验水平是更加重要的限制
  - 资金关系到能否找到合适人才（薪资）、使他们能够工作（办公空间等开销）、运营产品（服务器和支持）以及分发产品（营销）的能力
  - 时间是最终的限制，因为时间是固定的，一旦耗尽就无法获得更多

原则二：通过他人完成一切

产品经理是一个全能多面手可能不是一个好事
- 当一个产品经理在编码、写支持文档或设计产品时，可能是因为这些事情影响了产品的发布
- 这是在履行作为公司员工的价值观，而不是作为产品经理
产品经理就像体育比赛的教练，重要的取得胜利
- 教练不参与比赛，而是帮助团队实现目标
- 教练的风格取决于教练和球员的相对技能水平
- 当团队获胜时，庆祝的是球员，而不是教练
- 教练需要了解每个球员的工作，才能有效发挥作用
- 当队长出现时，教练会退后一步让他们领导
- 教练确保团队处于训练状态和最佳表现状态
- 教练培养团队的能量水平和心理状态

相关链接

【创业】YC 的创业者的必读袖珍指南

在创业的道路上，YC 为初创公司提供了许多宝贵的建议。这些建议不仅仅是战术性的，更是帮助创业者找到成功之路的基础性指导

我觉得这些建议同样是在制定原则，创业这条道路需要做很多选择，没有原则的指导很容易跑偏

以下是 YC 的创业者的必读袖珍指南的 22 条建议

立即启动
打造人们需要的东西
做一些无法扩展的事情
找到 90% 问题与 10% 解决方案的平衡
找到 10 到 100 个热爱你产品的客户
所有初创公司在某个时刻都会遇到严重问题
编写代码 - 与用户交流
“这不是你的钱”
成长是优秀产品的自然结果，而非先决条件
在你打造出人们需要的东西之前，不要扩展你的团队或产品
估值不等于成功，甚至不等于成功的可能性
如果可以的话，避免与大客户进行长时间的谈判
避免与大公司进行企业开发咨询 - 他们只会浪费时间
除非参加展会是获取客户的最佳方式，否则避免参加
在产品市场契合之前 - 做一些无法扩展的事情：保持小规模和灵活性
初创公司在任何时候只能很好地解决一个问题
创始人之间的关系比你想象的更重要
有时你需要“开除”你的客户（他们可能会毁了你）
忽略你的竞争对手，你更可能死于自杀而非他杀
大多数公司并非因为资金耗尽而倒闭
要友好！或者至少不要成为一个混蛋
睡觉和锻炼 - 照顾好自己

相关链接

【技术】构建 AI 应用的 3 + 1 原则

继续分享 AI 技术相关的文章，这篇内容介绍了构建可靠 AI 应用的 3 + 1 原则，即 LLM 三角原则。这些原则可以在构建 AI 应用时提供一个指导方向

3 + 1 原则包括

SOP（标准操作程序）
工程技术
模型
上下文数据

原则一：SOP（标准操作程序）

SOP 本质上就是说明书，通过一系列的标准步骤来完成一件事情，从这个角度来说，菜谱、代码、公交路线都可以算作 SOP
SOP 的关键是解决隐性认知跳跃
- 比如一个生成文章标题的 SOP：1. 阅读这篇文章；2. 给出文章标题。从人的角度来说是合理的，但其实第一步和第二步中间缺少了一步：思考哪些标题与这篇文章相关
- 隐性认知跳跃的另一个典型例子就是专有名词，比如“畅销书”这个专有名词有多种解释，可以被翻译为“这个作家销量最好的书”，也可以被翻译为“在当前分类下这个月卖的最好的书”
一个数据分析 SOP 的例子

原则二：工程技术

应用的具体技术实现方案，有两种常见的方案：LLM 原生架构（工作流）和代理
LLM 原生架构（工作流）
- 将 SOP 翻译为具体实现需要的步骤，需要考虑的问题
  - 哪些 SOP 步骤应该放在同一个流程中？哪些步骤应该拆分为不同的流程？
  - 哪些 SOP 步骤应独立执行（但它们可能会从前面的步骤中获取信息）？
  - 哪些 SOP 步骤可以通过确定性代码执行？
- 一个基于给定 SOP 的“维基百科作者” LLM 原生架构示例
代理（agent）
- 代理是 LLM 原生架构的独立组件，是包含上下文的提示的 LLM 使用实例
  - 可以将代理理解为一个中间人，比如一个快递员，在我和商店（LLM）间来回传递商品（上下文和 LLM 回复）
  - 不是所有的代理都是一样的
    - 有些代理会使用“工具”，有些则不会
    - 有些代理可能只被使用一次，而其他代理可能会被递归调用或多次调用，并且携带之前的输入和输出
- 对于能够使用工具的代理（比如搜索网页），需要考虑自主代理和非自主代理
  - 自主代理是大模型自己思考什么时候需要使用工具，优点是简单、能够快速实现，但缺点是无法保证输出质量、很难调试
  - 非自主代理就是人工控制什么场景需要使用工具，更够更好地控制输出内容的质量，但也更复杂

原则三：模型

核心是确定目标是什么，有了目标之后才能找到合适的模型
选择模型时需要考虑的纬度
- 任务复杂性：简单的任务（比如摘要）可以用较小的模型完成，而推理通常需要较大的模型
- 模型运行的环境：在云端还是在边缘设备（比如手机）上运行
- 定价：需要考虑业务影响并预测的使用情况，以及是否具有成本效益
- 延迟：随着模型变大、内容变多，延迟也会增加
- 标记数据：是否有数据可以丰富模型，提供示例或相关信息
如果自己没有数据，最好的方案还是选择一个强大的模型（比如：Claude 3.5 sonnet、gpt-4o）
如果需要使用自己的数据微调或者增强模型，需要考虑
- 隐私：如果数据包含私人信息，必须匿名化数据避免法律责任
- 法律、合规性和数据权利：在训练模型时可能会出现一些法律问题，比如：OpenAI 的使用条款政策禁止在没有 OpenAI 的情况下使用生成的响应来训练模型
- 模型内容的滞后性：训练模型是一个需要时间的漫长过程，所以模型的更新频率是很低的
- 开发和运营：可重复、可扩展和受监控的微调，同时不断评估结果的性能
- 成本：训练模型的复杂性和每次训练所需的高强度资源（GPU），需要花费很高的成本

原则四：上下文数据

提供特定的任务信息，给大模型 LLM 更多的背景，从而获得更好的回答
提供上下文数据的方案
- 替换提示词的内容，比如：“帮我以简洁的方式总结这些邮件：{邮件1}、{邮件2}”，大括号的内容被替换为具体的邮件信息
- 提供具体的例子，让大模型根据例子作出回复
- 通过 RAG （检索增强生成）找到相关的数据（RAG 的介绍）

最后总结一下通过 3 + 1 原则实现 AI 应用的步骤

从明确的 SOP 开始：将需要实现的目标拆解为具体的实现步骤
选择合适的模型：平衡能力与成本，建议从较大的模型开始
利用工程技术：LLM 原生架构，选择性地使用代理
提供相关上下文：使用上下文学习和 RAG，避免提供无关信息
迭代和实验：不断的测试和改进，找到最合适的解决方案

相关链接

【观点】重要的是你能提供什么价值，而不是你是一个好人

一篇很有意思的文章，作者以直白甚至有些刺耳的方式阐述了一些残酷但有价值的人生真相

很喜欢文章开头那个测验：列出五件关于你自己的令人印象深刻的事情，只有一个条件——你不能列出任何你是的东西（例如，我是一个好人，我很诚实），而只能列出你做的事情（例如，我刚刚赢得了全国象棋比赛，我做的辣椒是最好的）

想了很久自己好像没有办法列出五件做到的事情，也许这就是直面真相的过程吧

六个能够让你变得更好的“残酷真相”

真相一：世界只在乎它能从你身上得到什么

社会是一个需求驱动的系统，人们需要房子、食物、娱乐…
你需要通过学习独特的技能来满足这些需求，否则社会将排斥你
你的内在品质（如诚实、善良）只有在它们能转化为对他人的实际帮助时才有意义

真相二：你是一个“好人”，可能没有价值

现实世界对你的期望是你能提供实际的价值，而不是你是一个“好人”
仅仅依靠内在的美好品质是不够的，你需要通过行动来证明自己的价值
所以具备实际的技能和能力，才能在社会中获得尊重和成功

真相三：你恨自己是因为你什么都不做

自我厌恶往往源于缺乏实际行动和成就
消费他人创造的东西（如电视、音乐、游戏）不会增加你的个人价值
唯一的解法是不断的实践和努力，提升自己的技能和能力

真相四：你所生产的东西不一定要赚钱，但必须对人们有益

你需要找到一种方式，通过你的技能和能力，为他人提供实际的帮助和价值
这不仅仅是为了赚钱，而是为了在社会中找到自己的位置和意义

真相五：你内在的东西只有因为它让你做的事情才重要

内在的美好品质只有在它们能转化为实际行动时才有意义
所以需要通过实际成就和贡献，来证明自己的价值

真相六：你内心的一切都会抗拒改进

人类的心理有强大的防御机制，会抵制任何改变和改进
要变得更好，需要克服这些心理障碍，勇敢面对现实，提升自己的能力和价值

相关链接

工具推荐

HivisionIDPhoto：轻量级的 AI 证件照制作工具，并且还是开源免费的
kotaemon：一个基于 RAG 的文档交互工具，适合用在文档问答、文档摘要、内容生成等场景
Cursor Directory：在 cursor 的带动下，自然语言编程越来越近了，这个网站收集了很多提升 cursor 内容回复的提示词，能够更大地发挥 cursor 的作用
Notty：一个类 Notion 编辑体验的笔记工具，结合了 AI 内容生成，代码是开源的
picjumbo：免费图像、背景和照片下载网站，图片质量很高，很有设计感