开发者自满于AI小工具商业交付须靠Token压测与公网洗礼

像素范

业余玩票与商业落地的鸿沟在于成本压缩与长链稳定性，唯有直面公网用户的苛刻挑剔或践行费曼输出，才能突破能力天花板。

AI-assisted summary of 会用AI做东西，离真正能交付还差什么？ — original source. Check the original for full context.

Source published: 2026-10-31

Key ideas

把玩 AI 与商业交付存在本质鸿沟，业余学习常因逃避多端适配、成本控制与流程复现而锁死能力上限。 (0:00)
大模型竞争的底层是成本与稳定性，商业落地核心在于上下文压缩、缓存命中以及支撑 12 小时以上自主运行的长链工作流。 (5:00)
无商业项目机会的学习者可通过独立开发实用工具并上线公网破局，借助挑剔用户的批评完成低成本需求调研与能力反脆弱重构。 (10:00)
践行费曼学习法“以教代学”，戒除行业黑话并将大模型复杂概念转化为通俗故事，是检验与淬炼底层技术认知的高效路径。 (15:00)

Detailed notes

## Background 该视频由B站UP主“像素范”于2026年10月31日发布。视频简介指出，学习AI应从“自己做得出来”进阶到“别人用得起来、自己讲得明白”，并提倡从关注实际体验、算清成本效率、稳定交付流程以及尝试教会他人四个维度来补齐短板。

## TL;DR 讲者深入探讨了把玩AI与真正商业交付之间的鸿沟，直指仅在安全区内做玩具无法掌握多端适配、Token成本压缩与长链条可复现流程等核心工程能力。要突破这种天花板，最有效的方式是将自己置于高压的“反脆弱”环境中：一是将独立开发的小工具直接推向公网接受挑剔用户的洗礼与竞品对比；二是通过“以教代学”的费曼学习法，彻底戒除行业黑话，用通俗生动的比喻讲透AI底层逻辑。通过外部严苛要求与输出倒逼输入，最终将工具技能转化为扎实的工程本能与商业竞争力。

## Atmosphere & style 视频整体呈现出一种直击痛点、充满敲打感的务实与硬核气质。讲者言辞犀利且极具煽动性，毫不留情地戳破自学者“自娱自乐”的安全区幻想，带有强烈的实战派军训色彩。随着从残酷商业现实剖析逐步过渡到具体的破局路径与生动的故事化教学范例，情绪由严肃警醒转向启发性赋能，听感既辛辣提神又充满实操指引。

## Bulletin - [00:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=0s) 把玩 AI 与商业交付存在本质鸿沟，业余学习常因逃避多端适配、成本控制与流程复现而锁死能力上限。 - [05:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=300s) 大模型竞争的底层是成本与稳定性，商业落地核心在于上下文压缩、缓存命中以及支撑 12 小时以上自主运行的长链工作流。 - [10:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=600s) 无商业项目机会的学习者可通过独立开发实用工具并上线公网破局，借助挑剔用户的批评完成低成本需求调研与能力反脆弱重构。 - [15:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=900s) 践行费曼学习法“以教代学”，戒除行业黑话并将大模型复杂概念转化为通俗故事，是检验与淬炼底层技术认知的高效路径。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=0s) 学习环境的严苛程度决定能力上限，把 AI 当作爱好只会停留于舒适区，而商业化“饭碗”标准能逼出超越业余天花板的本领。 - [00:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=0s) 脱离实际交付会导致三大能力缺失：跨设备及跨人群适配、Token 成本控制与压缩、可复现与可交接的规范工作流。 - [05:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=300s) 商业级大模型竞争的关键在于成本优化，关注缓存命中率与上下文压缩是技术落地的核心指标。 - [05:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=300s) 成熟工程必须摆脱频繁手动确认的“Yes 工程师”模式，要求建立长链审查机制以支撑 AI 长达十数小时的自主稳定运行。 - [05:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=300s) 在 AI 抹平基础实现门槛的背景下，真正的核心壁垒在于对真实需求的商业洞察与抗报错、控成本的工程淬炼能力。 - [10:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=600s) 没有现成商业项目的学习者，应独立开发具有实用功能的小工具并推向公网，以此直面真实市场的严格检验。 - [10:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=600s) 公网用户的苛刻挑剔是极其宝贵的免费压力测试，能够倒逼开发者吃透应用商店上架规则并迅速迭代产品交互边界。 - [10:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=600s) 通过逆向拆解成熟付费软件的底层逻辑并借助 AI 优化重构，是快速掌握端到端商业交付流程的有效手段。 - [15:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=900s) 以教代学的费曼学习法能打破自欺欺人的“知识诅咒”，在向完全不懂的小白解释时彻底暴露并补齐知识盲点。 - [15:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=900s) 教学过程中为了让受众理解而穷尽不同解释路径，会像锚点一样锁定模糊概念，促使开发者彻底串联前后端底层原理。 - [20:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=1200s) 能用无数学公式的通俗故事讲透大模型演进（从规则推导、统计规律到暴力出奇迹的预训练与微调），体现了对技术本质的透彻掌控。 - [20:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=1200s) 无论是推向市场直面差评还是以教代学倒逼输出，核心都在于主动置身于毫无退路的险境，借外部高压将技能转化为肌肉记忆。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=0s) 走出舒适区：爱好与饭碗的本质差距

许多人在学习 AI 时常常产生一种错觉，认为只要没有直接的就业压力，学到会做几个小工具、玩一玩日常功能就足够了。讲者在近期的线下演讲中直指这个痛点的核心——“反脆弱”。讲者用学英语的经典困境作为类比：很多人在象牙塔或应试体系中苦学了十二年英语，依然无法流利口语交流，看不懂英文电影、文献，也无法去海外论坛对接业务；反观一些毫无学习优势的老人或小孩，被丢到国外生活两三个月，就能毫无障碍地和外国人沟通。这并非智商有数百倍的差距，也不是累积时长的多寡，而是学习环境的严苛程度决定的。在日常把玩的安全屋里，要求的深度和实际商业落地的标准完全不在一个维度上。

```mermaid flowchart LR accTitle: 学习模式对比 accDescr: 对比把玩式学习与商业实战学习带来的能力差异与天花板

subgraph Leisure["爱好 / 把玩模式"] A["安全区练习"] --> B["容忍缺陷与随意"] B --> C["遇到瓶颈停滞"] end

subgraph Business["饭碗 / 商业模式"] D["真实商业压力"] --> E["肌肉撕裂般淬炼"] E --> F["突破天花板成为本能"] end ```

讲者强调，AI 入门之后的真正难点不是“怎么去做”，而是“如何去想”，也就是商业世界对质量高标准、严要求的约束，远比单纯的技术操作更重要。人们常常本能地缩在进可攻退可守的舒适区，害怕生存测试，厌恶你死我活的商业厮杀；然而真正的本领，恰恰如同肌肉在破坏撕裂中重组、身体在病痛中产生抗体一样，只有在极致的不适和严苛要求下才会长出来。正如讲者所言：

> “如果你把这个当做爱好，那么你的天花板就在这；如果你把它当成饭碗，那你的下限都是爱好的人一辈子不能企及的高度。”

很多学生做出的网页流程漏洞百出：页面无法返回、留言入口缺失、移动端打开键盘直接遮挡上半屏。面对讲者的指责，学生却轻描淡写地回应“我并不打算上线，我只用它来学习 AI”。这种心态直接锁死了他们的进步上限，因为一旦脱离了真实交付，有三件致命的核心能力将永远无法被触及： - **多端与多人群的适配测试**：在不同手机、电脑或 iPad 上的显示差异，面对不同知识背景、软件生态以及网络带宽的用户群体，网页能否正常工作；不碰这些，就永远用不到 AI 进行审查与自动化测试的高阶技能。 - **Token 消耗与成本压缩**：自己慢慢玩一个月，永远不会去在乎 Token 计费；而在要求几小时或两三天内高频运转、多 Agent 协同的商业落地中，入不敷出就会直接导致项目破产。 - **工作流可复现与版本交付**：缺乏规范的流程设计，一旦出错只能全盘推翻重来。

---

[05:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=300s) 商业交付的三大支柱：端侧、成本与长链流程

真实世界的 AI 竞争，本质上是成本和稳定性的竞争。以大模型厂商的技术演进为例，DeepSeek 的版本迭代、Kimi 3.1 的技术更新，开发报告前两行赫然写着的往往是“缓存命中优化”和“上下文压缩”，强调成本降低了百分之多少。如果不以商业交付为目标，开发者在日常练习中就会完全无视 Token 优化，更不会去研究 GitHub 上诸如压缩自身代码、降低 Token 消耗的辅助工具。就像学英语时逃避枯燥复杂的专业名词、只背简单介词动词一样，看似轻松，却丢掉了构建语言体系和解决核心痛点最关键的骨架。

```mermaid flowchart TD accTitle: 商业化交付的三大核心维度 accDescr: 展示做好商业交付必须考虑的多端适配、成本控制以及长链工作流

A["真正的商业交付"] --> B["1. 多端适配与全人群测试"] A --> C["2. 成本控制与 Token 压缩"] A --> D["3. 稳定流程与版本交接"]

B --> B1["兼容不同分辨率与网络"] C --> C1["利用上下文缓存 / 代码瘦身"] D --> D1["逐级审查节点"] D --> D2["长达12小时的自主长任务执行"] ```

在流程与交付层面，业余操作与工程落地的鸿沟更为巨大。许多自学者每隔两分钟就得守在电脑前手动点一下确认，沦为一个毫无技术含量的“Yes 工程师”。而成熟的商业项目要求流程具有高度的可复现性： - 能够将工作无缝交接给下一个同事； - 发生 Bug 时能在漫长的版本迭代中迅速回溯定位； - 能够设计长链条的审查机制与多级检查节点，让 AI 能够通宵连续跑 12 个小时甚至几天，第二天直接验收成果。

厂商不断扩充百万上下文、强化长程记录，就是为了支撑这种长链条工作流。如果不以这种高标准来要求自己，“求上得中，求中得下，求下求而不得”，最终只会连基本门槛都迈不进去。讲者强调，学会 AI 最快的方式仍然是“找个班上”，因为在 AI 时代，“能做什么”已经被模型抹平，真正决定差距的是在四五个月乃至一年的高压大项目中，“做什么”的商业洞察以及“怎么做稳定、控成本、防报错”的工程淬炼。

> “上过战场杀敌的那些士兵，就是那个逃兵，他都比在警官学院里边去专门练打靶那些人强一万倍。”

---

[10:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=600s) 破局路径一：将作品抛向市场，在被挑剔中构建“反脆弱”

如果是在校学生或身处体制内、无法直接进入商业公司任职，该如何模拟这种“饭碗式”的学习压迫感？讲者给出的第一个破局之法是：**独立开发一款真正可发布的实用小工具，直接面向公网用户交付。**

讲者列举了近期许多 UP 主的实操案例。例如有开发者利用 AI 制作了一款相册清理工具“卡带删”，核心交互极其直观：看到不喜欢的照片向左滑删除，想跳过就向右滑保留。该软件上线仅一个多月，就获得了 7 万多真实用户。用户很快在实际体验中提出抗议，认为一张张滑太慢，开发者便被倒逼着更新了双指收拢进入列表模式、上下滑浏览的新功能。

```mermaid flowchart LR accTitle: 逆向与商业实战闭环 accDescr: 拆解成熟应用并通过公网发布接受市场洗礼的过程

将小工具推向市场，必然会遭遇挑剔的公众审视。网友会拿它去跟成熟的竞品（如 Slidebox）逐帧对比，指责“抄都抄不好”，甚至引来竞争对手的攻讦。但这恰恰是最宝贵的免费压力测试： - **市场需求反馈**：在 AI 时代最昂贵的就是真实的市场动向，挑剔的挑刺本质上是在帮你免费做需求调研与产品打磨。 - **全流程贯通**：为了上线，开发者不得不去吃透苹果 App Store 的审核上线规范、证书与发布流程。 - **逆向工程拆解**：可以尝试反编译、拆解成熟的付费软件（例如扣上手机倒计时 25 分钟播白噪音、小鸟叫声提醒的番茄钟应用 BFT，或是 Mac 端的模型流量监控器），用 AI 拆解其底层逻辑，重新优化重构后放到市场竞争中厮杀。

面对被挑剔的痛苦，躲回家里闭门造车只会一无所获，唯有顶着不适感持续迭代，才能利用反脆弱机制长出应对真实商业世界的能力。那些不断免费推精品软件的 UP 主绝不是“傻”，他们是在用极高的效率收集系统边界、遗漏检查点和用户数据，为更高阶的企业培训和定制化工具沉淀真正的护城河。

> “在 AI 时代最缺最贵的就是需求，最贵的就是市场动向，而他们这些网友免费在帮你练。”

---

[15:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=900s) 破局路径二：费曼学习法与“以教代学”的锚点效应

第二条进阶路径，则是讲者自身实践多年的教学核心——**“以教代学”输出倒逼输入**。讲者坦言，自己并非一线商业工程专家，也没有上线过大型企业级应用，但却能对 Loop、Loss 值、过拟合（Overfitting）以及各种 Skills 工具的脉络洞若观火，其秘密就在于诺贝尔物理学奖得主理查德·费曼（Richard Feynman）所提倡的“费曼学习法”。

自己学往往容易自我欺骗，遇到复杂的难点心里默认“我差不多懂了”便一带而过；但一旦要把知识教给完全不懂的小白，甚至教给自己的父母、姥姥，情况就会发生剧变： - **打破知识诅咒**：小白充满困惑、怀疑甚至恐惧的眼神，会逼迫你放下身段，彻底戒除行业黑话和囫囵吞枣的敷衍。 - **穷尽认知路径**：当听众无论如何都听不懂时，讲者必须在脑海中开辟出七八种甚至十几种完全不同的解释路径，被迫把前后端所有底层概念全部串通。 - **心智锚点锁定**：教学对象就像一个锚点，将你死死定在某个模糊知识点上反复打转打磨，直到把原理彻底还原到极致清晰。

> “费曼学习法说白了它就是以教代学，没有之一，而且是核心的本事，这是被诺贝尔物理学家证实、而且基本上全人类公认的方式。”

---

[20:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=1200s) 用大白话翻译底层逻辑：将知识淬炼为本能

为了具体示范如何把深奥的 AI 技术讲透，讲者引用了博主“飞天闪客”讲解大模型底层逻辑的经典案例。该案例全程不涉及一个高深数学公式，却精准击中了 AI 演进的历史脉络与技术本质：

要把损失函数、微调、预训练、奖励机制乃至缩放定律（Scaling Law）这些复杂学术概念，转化为上述毫无公式却极其通俗生动的故事，需要讲者对底层机制具有透彻至极的掌控力。无论是直接走向公网直面苛刻的市场环境，还是通过费曼学习法“以教代学”用最浅白的话讲透原理，本质都是将自己置于毫无退路的险境之中，借外力压迫将外在技能彻底淬炼为自己的本能。

> “你能不能用最简单、最不绕弯子、最直接的语言能够教会别人，这件事情其实倒逼你的能力的成长。”

## Notable quotes > [20:00](https://www.bilibili.com/video/BV17ZxB6ME6Z?t=1200s) 你能不能用最简单、最不绕弯子、最直接的语言能够教会别人，这件事情其实倒逼你的能力的成长。 — 像素范

## Mentioned DeepSeek, Kimi 3.1, 理查德·费曼, 卡带删, Slidebox, App Store, BFT, 飞天闪客, GitHub

## Video description 学AI，可以把“自己做得出来”，再推进到“别人用得起来、自己讲得明白”。 ① 关注实际体验：不同设备、不同用户，能否顺利完成任务？ ② 算清成本效率：时间、模型费用和返工消耗，都需要纳入考虑。 ③ 做到稳定交付：结果能否复现，流程能否交接，出错后能否找到问题？ ④ 尝试教会别人：用通俗例子解释概念，在追问中发现自己的知识盲点。暂时没有相关工作，也可以从小工具试用、分享教程开始。把作品和理解交给真实反馈检验，再有针对性地补齐短板。

[Source](https://www.bilibili.com/video/BV17ZxB6ME6Z)

中文简报

开发者自满于AI小工具商业交付须靠Token压测与公网洗礼业余玩票与商业落地的鸿沟在于成本压缩与长链稳定性，唯有直面公网用户的苛刻挑剔或践行费曼输出，才能突破能力天花板。讲者深入探讨了把玩AI与真正商业交付之间的鸿沟，直指仅在安全区内做玩具无法掌握多端适配、Token成本压缩与长链条可复现流程等核心工程能力。要突破这种天花板，最有效的方式是将自己置于高压的“反脆弱”环境中：一是将独立开发的小工具直接推向公网接受挑剔用户的洗礼与竞品对比；二是通过“以教代学”的费曼学习法，彻底戒除行业黑话，用通俗生动的比喻讲透AI底层逻辑。通过外部严苛要求与输出倒逼输入，最终将工具技能转化为扎实的工程本能与商业竞争力。把玩 AI 与商业交付存在本质鸿沟，业余学习常因逃避多端适配、成本控制与流程复现而锁死能力上限。 (0:00) 大模型竞争的底层是成本与稳定性，商业落地核心在于上下文压缩、缓存命中以及支撑 12 小时以上自主运行的长链工作流。 (5:00) 无商业项目机会的学习者可通过独立开发实用工具并上线公网破局，借助挑剔用户的批评完成低成本需求调研与能力反脆弱重构。 (10:00) 践行费曼学习法“以教代学”，戒除行业黑话并将大模型复杂概念转化为通俗故事，是检验与淬炼底层技术认知的高效路径。 (15:00)

Reading summary

讲者指出，仅将 AI 当作把玩爱好与将其作为“商业饭碗”存在本质壁垒；开发者只有脱离自娱自乐的安全区，在严苛的商业约束与真实反馈中构建“反脆弱”能力，才能实现从制作玩具到真正工程化交付的跨越。爱好把玩与商业交付的本质鸿沟 (0:00) 许多自学者往往满足于做出粗糙的小工具，面对流程中断、移动端键盘遮挡等明显缺陷，常以“不打算上线、仅供学习”来敷衍。讲者将这种现象类比为传统应试英语学习：在象牙塔苦读十余年仍难以开口，而在国外真实生存环境下生活两三个月却能快速沟通，其根源在于学习环境的严苛程度不同。把 AI 当作爱好会容忍缺陷并迅速触碰天花板，而商业世界对质量与标准有着极致约束。肌肉需经撕裂重组才能生长，真正的工程能力同样需要在高压厮杀与生存测试中淬炼出来；脱离了以交付为导向的实战，开发者将无法建立起严肃面对产品缺陷的职业本能。商业化落地三大硬核工程支柱 (5:00) 真实商业竞争本质上是成本与稳定性的竞争。以 DeepSeek 和 Kimi 3.1 等前沿模型的技术演进为例，厂商往往优先强调上下文压缩与缓存命中优化，而业余练习者却普遍缺乏对 Token 消耗与成本控制的敏锐度，难以理解长周期运行中的经济可行性。讲者强调，成熟的商业交付依赖三大支柱：一是适配多样化分辨率、网络条件与不同知识背景用户的多端全人群测试；二是通过上下文管理与代码优化降低 Token 成本；三是构建具有高可复现性、支持多级审查、能自主连续运行 12 小时以上的稳定长链工作流，以此摆脱每隔几分钟守在电脑前手动确认的“Yes 工程师”状态。破局路径之一：将产品推向公网接受严苛检验 (10:00) 针对无法直接进入商业公司任职的学生或体制内群体，讲者建议独立开发实用小工具并直接推向公网交付。以相册清理应用“卡带删”为例，该工具上线一个多月便获得 7 万多用户，用户的严苛挑剔倒逼开发者迅速迭代出双指收拢的列表浏览模式。公网发布会直面真实用户的挑刺、同行攻讦以及与成熟竞品（如 Slidebox）的残酷对比。讲者认为，这种批评是最宝贵的免费压力测试，不仅能帮助开发者获取昂贵且真实的市场动向，还能倒逼其吃透应用商店审核机制，甚至通过逆向拆解成熟付费软件（如番茄钟应用 BFT）的底层逻辑，在实战中摸索系统边界并积累护城河。破局路径之二：以费曼学习法与通俗化倒逼底层掌控 (15:00) 第二条突破路径是通过费曼学习法“以教代学”，利用向零基础小白或家庭长辈传授知识的方式打破“知识诅咒”。当面对听众的困惑与质疑时，讲述者被迫舍弃行业黑话，在脑海中穷尽十几种解释路径，将模糊的技术概念彻底串通并锚定在底层原理上。讲者引用博主“飞天闪客”对 AI 演进史的通俗比喻佐证这一方法：从依靠死记公式与严格推导却上限极低的“严谨做题”（符号主义与专家系统），到通过找偏方总结规律的“套路答题”（统计概率驱动），再到依靠海量刷题但无法解释黑盒原理的“暴力提分”（预训练与 Scaling Law），以及最终公开规律针对特定场景微调的“局部打补丁”（开源模型与微调）。能够用毫无公式的通俗故事讲透技术机制，本身就是将外部知识内化为核心掌控力的体现。讲者总结认为，在基础大模型抹平单纯操作门槛的时代，决定开发者差距的是商业洞察与抗报错、控成本的工程能力；无论是承受公网用户的无情挑剔，还是通过“以教代学”讲透底层机制，只有将自身置于无法逃避的真实压力下，才能跨越从会做工具到稳定交付的鸿沟。

Source quotes

[20:00] 像素范: 你能不能用最简单、最不绕弯子、最直接的语言能够教会别人，这件事情其实倒逼你的能力的成长。

Original transcript

[0:00] 我们很多同学跟我说老师我没有就业需求我的AI学成这样就够了吧这是我这一周我在这次线下演讲里边的一个关键主题就说的是反脆弱什么是反脆弱以及怎么去学这个东西很关键有些人学英语我不知道你们学英语学了多久有的人学了英语学了12年依然做不到口语清晰流利表达依然做不到去就是完全的看英文的电影英文的音乐英文的文献英文的论坛对接但是有很多比你们学习能力差很多的老头老太太很多的小孩他们在国外生活两三个月就已经做到了跟外国人流畅沟通这是怎么回事我用了十年学他们就学两个月我英语也很费精神难道这十年之间我的总时长还不如他这两个月吗不可能那难道是我智商比他低了几百倍吗也不可能到底问题出在哪了认真听我说在AI你们一旦登门以后再想往里边走重点的难点并不是去做而是去想换句话说高标准严要求的实际商业要求大于你的落地行为认真品这句话我一直跟你说老师我想进AI这个行业我想用AI我想学AI我想跟上这个时代怎么办我一直跟你们推荐找份AI的工作干但是很多同学一直不理解为什么要找份AI的工作干这就像是老师我想学会英语怎么办你去外国刷盘子去你都学英语学得快很多的东西在我们日常的日常的去玩的状态中它的要求和它的深度和你实际用的要求和深度是完全不一样的如果你把这个当做爱好那么你的天花板就在这如果你把它当成饭碗那你的下限都是爱好的人一辈子不能企及的高度我们很多的时候的人生被制约在制约在一个平静期间的原因就是的挑战怕那些生存测试我们需要把自己放到一个安全的位置这个安全的位置让我们进可攻退可守如果失败如果做差了就做差了我们不喜欢到激烈的你死我活的商业之中去竞争但是不好意思本师永远是在激烈的厮杀中通过退去你身上的那些弱的状态然后而生长出来的它就类似于长肌肉的过程它就类似于出现抗体的过程中有所不适让你的肌肉撕裂破坏你才会生长出新的东西这句话是什么意思呢我看过一些学生们他们做过一些小的网页这个网页我经常会跟他说我说同学你这个网页做的不好他的这个流程是不对的他的用户其实不会点到这儿他到这一篇的时候没有返回他的这块的时候没有留言他这个想留言的时候他需要再打开键盘的时候这个键盘会把上半部全部都挡住然后他会跟我说一句但是我并不打算把我这个网页上线我只用它来学习AI这句话是非常可惜而且是非常遗憾遗憾于他的学习过程在整个的过程中我大概看了一下的东西他的很多东西都已经卡住了但是他自己也不知道这件事情呢我都知道他可能在很长一段时间内就是开心于自己可以做很多很多东西但是永远不能白指干头再进一步为什么呢有三件事他根本就没有没有接触到,而且永远不会接触到,第一个,这个网页做出来以后,实际的用户体验是什么样子,这实际的用户体验里面包含了,在不同的手机端,不同的电脑端,甚至不同的pad端呈现,到底是什么样子,在不同的用户人群中,不同的知识水平,不同的软件生态,不同的流量代码,流量包的这些人使用起来,他到底是什么样子,也就是说他没有去做多个人群的适配,他如果没有去做多个人群的适配他就不会去学习测试的那些工具那么AI用于审查测试的这个部分的所有的技能对于他来说都不用去研究他也不用去接触好第一个第二个他在整个跑的这个过程中做这个程序的过程中他没有去研究任何的如何省token因为他的周期拉的很长比如说我一个月我慢慢做每一次审核到期了以后那么他就永远不会接触到GitHub上有些工具比如GrewMe是吧鞭策我什么拆解我或者说什么还有一个专门去省token 要求把那个让AI自己检查压缩自己代码让自己的token使用量降低为什么呢因为很多的真实事世界的商业的逻辑中他要求在两次要三天之内或者几个小时内跑出来你需要大量的去消耗你的 [5:00] Token或者多个agent一起去跑东西那你就需要重新考虑你的流程是不是太费钱了是不是入不敷出你不考虑成本这件事情很多时候都是很多商业创业失败的原因你就没办法去研究整个流程中真正和竞争对手比拼的那个部分到底是怎么应用的他们的产品痛点在哪以及我们整个这个工具之中他如何能够优化很冗余的很拖沓的很落后的结构这个部分你是根本不会研究的你每一次都绕过这个部分不研究每一次都绕过这个部分不研究那你的实力其实是有重要的短板的而现在我们的很多产品它更新的核心点就是在优化成本Deepseek更新然后这次的Kimi3.1更新他写在自己发开发报告的前两行就是我们优化了缓存命中优化了我的上下文的压缩使得我的成本降低了百分之多少这件事情在你的学习工作中完全被屏蔽掉了那么你又如何能够登堂入室正式学会AI呢能得到一个结论就是我不在乎这个但你不在乎这个恰恰就是你学不了这个这回回到学英语里边我们很多同学说老师我不愿意背那些什么什么这个什么特别生化的单词我就喜欢背那些什么借词啊什么什么动词啊就这些东西但是你一旦真实生活中你就知道了那些名词才是我们真正语言中的关键你哪怕动词啊反复套的语法结构啊你都弄不明白但你蹦单词对方都能明白然后你再通过他的说你就能学会所以你漏掉了这个你觉得对于你来说其实无所谓的技能其实恰恰是你能串联所有知识结构中最关键的一个环节这是第二个第一个我们不考虑多端第二个不考虑成本第三个不考虑流程以及不考虑交付什么叫不考虑流程测试交付呢整个商业路径中我们用AI去做一个东西我们一遍能做成第二遍如何复现如何把我的工作内容交给下一个人如何在多个版本迭代中我可以找到我的上一个地方我到底错在哪了或者说如何在整个的操作流程中我设计逐级的检查节点不至于每一次推翻都从头全来你说老师我就做个小东西我不用研究这个东西但你如果做个小东西你不去研究这个部分那么你就完全不理解为什么AI这几个版本全部都在扩充自己的上下文长度一百万的上下文或者多段的长长链记录谷歌最近几个模型更新的点都在于12个小时不停不停止去更新很多同学就用AI自己一分钟都不能离开AI就一定是隔一会点一个隔一会点一个我们在做很多东西的时候今天晚上交给AI跑跑一晚上第二天早上我看就可以了我不知道有多少同学根本就想不到这就是老师我的AI为什么两分钟就确认一下你有没有试过那个go模式啊你有没有给他试过一个长线的你有没有梳理清楚你的长线的审查模式长线的过程你有没有去做自己的多个检查节点并且用另外的工具去帮助他检查那你如果没有做过这种长线复杂流程的话那可能你永远就是那种摁一下摁一下摁一下yes工程师而真实的情况下不是这样的那你永远不能登堂入室能明白他的一步到位或者说长线工作流程到底怎么做所以我只是抛砖引玉说了几个那绕回来说老师那这玩意儿我一定要做那么好吗对的如果你不以上作为标准就要求上得中求中得下求下求而不得如果你不以上为标准那你就得不到中的这个本事那这里边还是在绕回来说了就是那同学老师同学说老师我我到底该怎么学学的这件事情如果你真想去把AI学会我再给你强调一下最好的还是找个班上为什么找个班上呢去接触实际的商业需求在AI时代你能做什么不重要AI都能做你家AI别家AI都能做但是要做什么很重要以及怎么做什么很重要换句话说我们上班学的不再是产出这个思想范式你一定要转过来我们上班学的就是在高压的明确商业需求的情况下他到底怎么做出一个东西以及在制作的过程中我们是否要考虑他的稳定是否报错啊多端可以使用啊是否成本控制是否可复现这些东西都必须有实际的商业要求在一个复杂的精益求精的或者四到五个月甚至一年左右的一个大项目中才会得到淬炼而这个部分的能力淬炼之后你才能长出脱离其他人更强一些的以饭碗作为学习方式的一种技能这种饭碗所长的学习技能是远超于 [10:00] 所有票有的技能就是我这么跟你说上过战场杀敌的那些士兵就是那个逃兵他都比在警官学院里边去打专门练打把那些人强一万倍上过战场杀过人的那些人他比那些所有格斗教练都要强他哪怕是个逃兵最次都要强为什么经历过生死的洗礼他所看的东西他所思考的东西他所用的方法完全跟这些我们纯练的人完全不一样是完全两种人需求压迫做重新生长重新梳理变到了完全不一样的思路这是非常有必要的而且你只要试过一次我当然知道这件事对于你们来说太恐怖了太难了我何必呢我就想放在一个安全位置安全位置学不到本事我们在中国乡村里边在自己的什么家里边你学不会能在外国应用的英语就像在外国人他们在美国学不会能跟中国人流畅沟通的中文你无论用什么样的方法都学不会为什么那是玩这是活活的东西远胜玩这回答我们之前那个话题为什么我们学了十几年英语都学不会但是有些人出国一两个月放在一个陌生环境下自己就能学会英语为什么因为他那是活他不会就死了但是我们是玩我们不会没关系明天再学呗后天再学呗我们没有那么高的标准那么也就没有那么夯实的本事最后再落一句那我们如果我现在在体制内是在校我没办法上班我没办法接触到一些你能描述的一些实际的商业落地我该如何把这个技能当做饭碗去哼实认真听我说两个方法第一个很简单你自己去直接对接商业我不知道你们最近有没有看到很多的up主他们在学AI的方式都做一款可发布的放到网上实际可用的工具我们来看一下这个之前给大家做了一款完全免费的相册清理工具卡带删那简单来说就是看到不喜欢的照片就往左滑删除想要跳过了就往右滑这个软件刚上线一个多月就收获了7万多的用户同时也收获了一堆的使用建议比如用户觉得这样一张张去滑动删除太慢了但现在我们就需要双指收拢就会进入到这个列表模式上下滑浏览左右滑删除在现在这个时代以我教了十几年来说我并不是个AI博主我的本职工作是老师我在教学这方面非常有经验以我作为一个老师来跟你们说一定记住了把自己抛出去去尝试对接那个世界最激烈竞争的环境slidebox在网上你发一个这样的工具一定会为别人拿着放大镜在左右互比你做成这样那那个slidebox人家做成什么样是吧你就跟人抄的你还不如他呢网友会用最苛刻最挑剔的眼光去评审你他们会最多的事来帮你集思广义但注意所有的集思广义倒逼你了解需求并且通过AI去接待需求认真听我说在AI时代最缺最贵的就是需求最贵的就是市场动价而他们这些网友免费在帮你练你发一个工具免费放上去如果真的恰巧很多人能用了利用现在逆向工程你做了几个你当时付费的应用比如说我手机里边还要下几个几个叫BFT一个应用把手机盖上然后他就播放白噪音然后一个特别有意思的插画25分钟之后然后你再可以他提示你一个小鸟叫你的专注时间结束然后你就可以把手机拿起来再操作一会儿这就用来去专注你的叫什么叫番茄番茄时钟学习法包括我的电脑上不是这台电脑我的苹果电脑上有一个专门的叫模型流量监控监控器这也是我花了点钱买的所有的这些东西我们都可以用AI进行反解反编译拆解的需求了解的结构然后去研究它的过程去优化它的界面产品的平地放上来放上来了以后研究整个的苹果的上线流程某个软件的公布里有发布流程然后到真正的付费软件领域中去比拼在市场上去厮杀这个时候就倒逼你去研究整个流程这个过程中非常的折磨人有大量的竞争对手搞你有大量的其他人其他人抄你有其他的网友骂你或者是给你提建议也有人跟你提各种各样的想法但所有的这些因素都构成了你去把它往前推进到更高的极致,它不是你自己在家里边做,它就像是你学英语把自己放到了国外,有大量的人以为你是本地人过来跟你主动打招呼,你发现你不行,这个时候两种玩法,第一种你躲到家里边,我再也不见任何外国人了,第二种我就放在外头,不行我也练,我今天不行,我明天行,你一定知道第二种会大, [15:00] 让我催生你身上的不是不是感而产生的技能这就是我们说的反脆弱每一次攻克你他说这句话我怎么听不懂啊痛苦是真实的但随之而来长的本事也是真实的所有的这种up主他们在做的一个神老师他们怎么这么这么有良心啊这些up主怎么天天费着自己的token卡卡卡做这么软件而且都做那种精品软件不断的迭代不断的更新然后不断的优化他到底在干什么对我们这么好啊他这个不要钱吗才不像他那么傻不是的他在长本事他在收集大量的市场意见他在收集每个产品中他所没有研究的那些遗漏的思想遗漏的检查点并且用检查点去搞明白AI的整个边界在哪然后他做企业培训然后他实际助力自己的工作内容然后去做自己定制化的工具那个时候他肯定不教你了他也不是不教你他自己给自己用的时候他自己用的更舒适更舒心这就是很重要的学习思路放到真实商业世界里边去比拼去厮杀商业世界会给你产生不适感同时让你滋生出或者说相应的长出你能应对商业社会的能力这是我跟你们说的第一个很简单的方式就是像这个up主一样去做模型去做工具第二个方向拿我来说我学AI的方向还是跟人打交道以输出为主以讲解为主教概念出教程比如说什么是loop比如说什么是loss值比如说什么是过你和就这些词都不是我能接触的词而是你学AI感觉挺落地的什么东西你都懂什么东西你都会很多你是也用你是也做那种商业产品吗你说一款你上线的产品你跟我说一下我看一下我没做过我真没做过我也没有跑过整个的工作流但是loop也好啊skills也好啊就这些玩意我都研究过然后这些工具呢我也都串过概念我也都懂为什么都懂这些因为我是老师你们呀这辈子可能都没有机会知道国外有一个物理学家诺贝尔物理学奖得主叫费曼你们去查一下被公认为世界第一学习法叫做费曼学习法你们去学你们去看一下这个玩意儿呢我只能给你们只能跟你们说信不信呢你们自己研究这不是我说的费曼学习法说白了它就是以教代学坏的方法没有之一而且是核心的本事这是被诺贝尔物理学家证实而且基本上全人类公认的方式所以第二个最能深入的方法我就只能跟你们讲到这了去教去说教你爸妈学AI教会了你的能力提一个巨大的值你试一下就知道你试一次你再跟我说老师我就不信了我教一帮笨蛋那我会的不就我会吗我不顶多叫夯实我怎么可能更会呢不绝不是你教别人绝对会让你突破就很多你没有看到那些知识点你觉得很简单度过的东西被他拦下来你才被迫需要俯下身来找到他怎么都不明白我去看看的时候你就能打开很多很多的思路把前面后面全部串通你在教的过程中以他的思维跑一遍你的对于这个东西的夯实就更稳固你多了七八种路径如果你教十次十几种路径跑你都难以想象你都忘不了它你知道吗你都不想学不会你教人教的多了以后你这个东西你想学不会你都学的会了你就晚上你说我别想啊脑子这个死脑子我要睡觉你睡不着你全是想这玩意儿为什么呀因为他们恳切的目光甚至有些怀疑和恐惧的状态会倒逼着你的那种责任心去开开动你的所有的想象力这条路我走的容易不行我得研究一个他们能走的路性你在研究路径之中你就优化了很多中间你所忽略的关键词以及优化了很多你所没有触及到的一些概念然后你把它全部的夯实你把很多细节弄明白没有那些呼噜吞噪一概而过的东西每个东西都要极致的清晰否则会被别人挑战会做别人质疑然后你不断的研究不断的深入一下就都打通了但没有人逼你有一个人学你是没办法持续把自己放到每个位置去研究某一个阶段的内容你自己学的时候你最知道今天我看看这我觉得其实这个我差不多了我看看下一个吧看下一个下一个有点难我再看回来但如果你教别人他作为一个锚点把你定死在某一个这个知识节奏阶段就把你定在这你就围绕这个东西持续打转人呢其实是很聪明的你就在这个地方打转你就把他弄明白了认得非常清楚 [20:00] 以交代学真的是一种非常无敌神奇的学习方法所以同样的我们现在能看到很多的老板很多的科技博主很多的AI圈的大神他们特别喜欢在网上发帖子做教程比如说安德鲁卡帕西他其实在教学的过程中第一树立自己的专业影响力第二其实夯实自己的学术因为他有一个明确的虚拟目标坐在那边了他就要倒逼自己的知识做的更落地更清晰这里边我强烈向你们推荐另外一个博主这个博主很喜欢叫飞天闪客他的教程很很细他一定是一个工程师他学的东西应该很好但是他会用我们大白话能理解的语言比如包括像这个我经常在想一个问题我该怎样给我老妈甚至是我姥姥讲明白现在AI的底层逻辑呢不能用任何一条公式同时还要准确无误的描述出正确的本质今天还真让我找到了一条十分恰当的例子闭上眼睛直接开始吧假如你是一个学生正在做一套数学试卷你用学过的公式和概念严谨地推导出了每道题的答案但是最后只能得60分不及格然后你就拼尽全力的学习发现在怎么努力也就只能考个70分了这已经是自己的极限了那这个时候你要放弃吗不你开始寻找了其他的解题技巧通过观察大量的试卷你应声成从中找出了一些规律比如说什么选择题三短一长选最长呀比如说题目中有派那么答案中也选择带派的呀虽然你好像知道这没什么逻辑但从统计规律来看确实有极高的概率是这个样子的于是呢遇到不会的问题的时候你就不去费劲巴力的套公式计算了直接观察题目找规律选一个最可能的答案通过这种方法你的成绩居然轻松的提高到了80分然后呀你就上瘾了找来了好几万套卷子根本不去分析每道题的原理就是通过观察各种规律甚至你找出了题目字数和最终选项的关系比如说题目字数超过100字时答案选C的情况居然有99%当然你也知道这些很扯但是就是有这么个规律圈子都不自己去算了全按照你发现的这各种规律去蒙通过这种方法呢你的成绩居然提高到了90分所有人都惊叹于你的进步但只有你自己知道你这个方法虽然有效但自己都无法解释这是为啥过段时间你把自己这个方法告诉了大家相当于对外开源了于是呢大家纷纷都能轻松考到90分了再也没有人去学习那些复杂的公式了还有些人针对一些特定的场景做专门的细微观察的规律再结合着通用的90分规律把分数小小提成了91分92分93分等等还有人呢针对同一道选择题不同的方法蒙有的答案是A有的答案是B作为最终的结果分数也能稍稍提升一些总之啊所有人都不学习根本原理了天天就在这找规律其实本来通过客户学习还是有可能考到100分的但是会非常艰辛但是由于靠懵就能考到90分所以谁也没有动力去研究怎么考到100分了人类的上限呢因此也停滞不前好了故事的第一部分讲完了原本人们费尽巴力学公式考到60分这就是人工智能早期的符号主义如果你学会某个东西你是不需要用这么简单通俗的语言或者费这么大劲去找到这么一个例子来教会那些小白如何能够弄明白什么叫做损失函数什么叫微调什么叫互训练他刚才说了好几个词比如他里边说了奖励提了一嘴这个缩放定律这些词对于我们来说日常中就能用了你能不能用最简单最不绕弯子最直接的语言能够教会别人这件事情其实倒逼你的能力的成长第二条保证路径或者说学任何事情中最有意思的保证路径再重复一遍至于险境以交代学反复被验证了我交了十几年中如果你想白齿干头更进一步把AI这个行业夯实变成你真实的本事的话这两条路真的是送给大家好了这整个给大家复盘了一下算是我们上节课的一个小补丁

开发者自满于AI小工具 商业交付须靠Token压测与公网洗礼