AI文章
带有该标签的全部文章 "AI".
AI不喜欢人类的金句
金句便于传播，却可能省略背景、前提和因果。AI时代，先把想法说完整，再从完整内容中提炼简洁表达。
整理脏数据，不要吝啬模型算力和 Token
杂乱文档的整理需要先理解内容、发现规则和建立结构。先给足模型能力、上下文、工具和权限，再衡量总耗时与返工成本，规则稳定后再降低成本。
从一句话到一套 SOP：普通人如何逐步提高 AI 使用效率
从一句话到提示词，再到可复用的文档和流程，工作流可以在真实使用中逐步长出来，不必一开始就设计完整 SOP。
COM 域名后缀的价值，可能只是人类的一种集体共识
COM 域名的商业溢价源于人类长期形成的共识。当 AI 逐渐成为互联网入口，这种价值的依据是否也会变化？
我用 ChatGPT 的 Page 把聊天和执行串起来
把聊天中确定的想法、要求和决定写进 Page，再让 Codex 接着执行并写回结果，减少重复交接上下文的工作。
AI 不会读心术：文档，其实是在把用户数据化
AI 无法读取未表达的意图。文档把用户的目标、取舍、判断理由和授权边界转化为可核对、可修正的协作依据，让 AI 理解用户想要什么，并在明确边界内行动。
文章的第一个读者可能是 AI，那我到底在写给谁？
当文章先由 AI 阅读，作者如何保存思考、提供信息增量，并让内容通过 AI 被人理解和使用。
怎样审核 AI 写出的文档，同时减少逐段阅读的负担？
用思维导图审核 AI 文档的结论、依据和关键条件，通过修改节点同步正文，减少逐段阅读的负担。
AI 时代的展示型项目与维护成本
AI 时代，做一个 Demo 越来越容易。可我现在看一个项目，首先考虑的已经是维护成本，而不是功能多牛逼。
看书不如聊书：分享一种新的 AI 阅读方式
以《系统之美》为例，分享我如何将 PDF 拆分、转换为 Markdown，并借助 ChatGPT 实时语音实现 AI 陪读。
AI 是一种生产力，而不是一个虚拟员工
与其把 AI Agent 当成虚拟员工，不如把 AI 看作一种生产力，围绕目标、流程与质量控制建设能够持续改进的生产系统。
做 GEO，先把产品内容写清楚
对跨境卖家来说，做 GEO 可以先处理一个具体问题：AI 读取产品页面回答买家问题时，页面有没有提供足够清楚的信息。
是你在用AI自动化，还是AI自动化在用你？
本来想让自动化替我干活，结果成了我在替它干活。我用邮件日报的教训，讲清怎么判断到底谁在用谁，以及手动、半自动、全自动该按什么顺序走。
AI 对你的了解，有多少是你自己写的？
AI 对一个人的了解，大部分来自第三方而非本人；GEO 方案只看一件事：有没有让站外不同来源对你的描述变得一致。
深度使用 AI 半年，为什么我的业务还是没推进多少？
深度使用 AI 半年后，我追问一个更根本的问题：工具越来越多，为什么业务没有同样快地前进？探索的回报不是即时可见的，但走到这一步，该让真实业务上来检验了。
把上下文交给 AI，把选择留给自己
从整理电商数据的经历出发，我开始先向 AI 提供背景和限制，让它提出多个方案，再结合实际情况判断和选择。
从“帮我做”到“你负责”：我使用 AI 半年后最大的思维转变
从把 AI 当成执行任务的助理，到开始把完整工作交给 AI 负责，我在半年使用过程中逐渐意识到，真正重要的不是让 AI 提效，而是重新划分人与 AI 的责任边界。
更好的技术标准为什么未必赢
技术标准竞争的胜负主要取决于迁移成本和生态协调，而不是方案本身是否最优。
把思维导图接进 Agent 输入框
将思维导图变成 Agent 的外部编辑器，形成“快捷键唤起—结构化编辑—直接发送”的完整输入链路，并在发送前给复杂想法一次整理结构的机会。
GEO 原文需要放在开放网络
国内内容平台可以承载 GEO 文章的删减分发版，但需要保留完整引用关系的 GEO 原文，应该放在开放网络上。
AI让纯开放办公室更难用了
AI 语音让电脑工作重新需要持续开口。开放办公室不会消失，但缺少语音空间、声学边界和隐私分区的纯开放办公室会越来越难用。
我用人类文字审美改坏了AI指令
我把“自检并修正直至通过”压缩成“逐条校正成果”，才发现追求简洁、对仗和留白，会删掉AI指令需要的动作、范围、异常出口和完成条件。
Pi Agent 能在终端里显示图片了
Pi Agent 内置终端图片显示，在兼容终端中默认开启。一次真实使用经历说明，小工具也可能在局部交互上领先主流 AI 编程 CLI。
开门造车：为什么不用等做完再说
公开构建（Build in Public）不等于每天发布成品。我的文章分发系统已经跑通但未跑顺，我决定从调试阶段开始记录问题、试错和修改。