OpenAI近期的资本操作令人眼花缭乱

旧金山共识认为目前AI被人们低估了。通用人工智能（AGI）和超级智能（Super Intelligence, ASI）即将到来.

"AI Apocalypse in 18 Months" - Eric Schmidt Warns

本文通过深入对比Google Finance传统版(2006-2017)与最新AI驱动Beta版的功能差异、用户体验和战略定位，揭示谷歌如何通过AI技术重构各个应用。

Google Finance传统模式与AI模式对比

Google AI mode的研究

AI在多方面已经超过人类平均水平，在短任务处理上成功率很高，在长任务上也显现出“每7个月能力翻一倍”的快速发展趋势，针对这个情况，我们需要重点关注和做成应对。

AI处理长任务能力每7个月翻一倍

一定要将孩子的个性化带入到故事，一定要将想传达的内容带入到故事。

让每个故事都成为孩子的专属世界：用 Storybook 点燃个性化学习的火花

AI隐形生产力税。“AI 解决方案几乎正确，但并不完全正确”

AI开发工具对研发的影响—stack overflow建议

AI时代孩子最重要的能力，不是去和AI比计算、比记忆，而是要点亮那些AI所不具备的“人性之光”：深度思考的智慧、温暖连接的情感、以及坚韧成长的内心。 未来的主角，将是那些懂得如何与AI共舞，并最终超越工具、实现自我价值的人。

AI时代，小朋友最重要的能力是什么？

Context Engineering最近因为aj变的很火，那他是什么，与prompt什么关系呢？有一个视频做了很好的解释，最核心的一点是“ Prompt Engineering 是Context Engineering的一部分，如果 Prompt Engineering 正在编写一个出色的指令......上下文工程决定该指令之前和之后会发生什么——记住什么，从内存或工具中提取什么，整个事情是如何构建的。”

【转译】Context Engineering vs Prompt Engineering，理解Context Engineering

Anthropic团队在构建其强大的Claude多智能体研究系统时，已经为我们趟出了一条路。本文将以他们的实战经验为核心蓝图，深入解析构建企业级多智能体系统的可行性、核心方法论、关键原则与落地考量，希望能为您提供一份来自一线、切实可行的行动指南。
🎯 核心要点
• 可行性所在：对于信息繁杂、路径不定的开放性问题（如市场研究、技术追踪），多智能体通过并行化，能有效扩展解决问题所需的“智能带宽”，其性能远超单个最强Agent。
• 架构蓝图：Anthropic验证的**“编排者-工作者”（Orchestrator-Worker）模式**，是一个企业可以放心参考、高度可复用的成熟架构。
• 四大成功支柱：系统能否成功落地，取决于四大核心原则的执行力：① 赋能式提示工程、② 原子化工具设计、③ 非确定性评估体系、④ 生产级工程纪律。
• 关键考量：多智能体并非万能。理解其边界（尤其是在强序列化任务上的局限性）是做出正确技术选型的第一步。

Anthropic构建企业级多智能体（Multi-Agent）系统的实战指南

《Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce 》报告基于其构建的WORKBank数据库——一个涵盖1500名员工、52位AI专家、104个职业和844项任务的庞大知识库——为我们描绘了一幅全新的AI时代工作图景。其核心价值在于：
1. 提出“意愿-能力”四象限模型：超越简单的技术可行性，将“员工意愿”纳入AI应用的核心考量，并用数据揭示了当前AI投资与市场真实需求之间的巨大鸿沟。
2. 创建“人类能动性量表 (HAS)”：首创了一套从H1到H5的标准化语言，用于精确定义人机协作的深度与模式，打破了“要么自动化，要么不”的二元对立思维。
3. 预见“核心技能大洗牌”：量化分析了未来职场核心竞争力的演变路径，指出传统高薪的“信息处理”技能价值将下降，而“人际与组织”能力将成为新的价值高地。

AI不是你的敌人，而是需要被管理的“合伙人”：斯坦福万字报告深度解

2018年Altman写一篇关于生产效率的文章，强调怎么来保证和提高生产效率，时间虽然过去很久，但关键做法相通，基本就是聚焦、拒绝、健康。
核心要点 (Key Takeaways)
1. 极端聚焦于重要之事：Altman强调，成功的关键是每年设定少数几个宏大目标，并确保它们被完成。其余的事务都是次要的。
2. 构建系统，而非依赖蛮力：他认为，花时间建立一个好的生产力系统（包括工具、流程和习惯）是非常值得的。这笔前期投资会带来长期的巨大回报。
3. 管理你的时间与精力，而非任务：

    ◦ 利用早晨：将精力最充沛的早晨用于完成实际工作，把会议等消耗精力的事情安排在下午。
    ◦ 创造大块专注时间：他认为会议和办公室的干扰是生产力杀手。因此，创造不被会议、电话、邮件打扰的专注时间至关重要。
    ◦ 日程留有空闲：完全排满的日程会扼杀创造力、偶遇和深度思考的机会。保留一些“无所事事”的时间是必要的。
4. 无情地拒绝，谨慎地输入：

    ◦ 对大多数请求说“不”是保护时间和精力的关键。
    ◦ 对输入到大脑的信息（阅读内容、交谈对象）设立极高的标准，避免被低质量信息消耗心智。
5. 基础健康是基石：充足的睡眠、健康的饮食（他本人是素食者，低糖，偶尔轻断食）和不使用强刺激物，是维持长期高产出的基础。
6. 拒绝多任务：一次只做一件事。在会议中不看手机或邮件，全身心投入。

Sam Altman:Productivity

你是否也曾看到AI在几秒钟内生成整段代码，内心闪过一丝焦虑？这种“被替代”的恐惧，正弥漫在许多开发者心中。然而，现实并非如此简单。AI的浪潮确实来了，但它带来的不是一个终点，而是一个岔路口。在这条路上，决定你未来的不是AI本身，而是你的选择：是满足于让AI帮你完成任务，还是主动学习，把它变成你职业跃迁的超级加速器？ 这篇文章，就是你选择后者的行动指南。

AI时代生存指南：不做被“替代”的编码员，做持续学习的工程师

你刚刚迭代了你的AI Agent，它似乎比旧版更聪明、更流畅了。但这种“感觉”是不可靠的。当你的老板、同事或客户问“新版到底好在哪？具体提升了多少？”时，你该如何用冰冷的数据来证明？答案就是构建一个高质量、系统化的测试集。这是将开发中的主观感受，转化为工程上客观度量的唯一可靠途径。

AI应用开发告别“感觉良好”：构建高价值AI Agent测试集的指南

还记得为搭建企业知识库问答系统，在向量数据库和Embedding中挣扎的夜晚吗？当我们还在优化RAG的召回率时，一个更简单的范式已悄然崛起：搜索优先的Agent架构。最近读了一篇《》的文章，有些启发。在2025年，RAG真的还是首选吗？本文将用数据和案例带您重新审视这场技术革命。

RAG已死？2025年大模型问答架构的范式思考

RAG可以赋能大模型应用，使得企业在保持隐私、提高准确性情况下利用大模型能力。

RAG：构建企业知识防火墙与智能引擎的方法

RAG的重要性，一方面在于扩大了大模型的上下文；另一方面在于在大模型的知识外增加了知识库（而这个知识库还可以有企业的私有特性），第三个是减少了幻觉，增加可靠性。

如何理解RAG

Agent何Agentic AI概念被提及的都很多，如何区分两者？AI Agents更侧重于单个智能体在特定任务中的自主执行和工具使用，而Agentic AI则强调多个智能体之间的协作、协调和系统级智能，以应对更复杂、动态和长期的问题。

AI Agents vs. Agentic AI

高盛首席执行官David Solomon：“AI现在可以在几分钟内草拟S1 IPO招股书的95%内容（这项工作过去需要一个6人团队花费数周时间）。剩下的5%现在才重要，因为其余的已经成为标准化产品。”

高盛首席执行官：AI现在可以在几分钟内草拟S1 IPO招股书的95%内容

在当今全球金融市场中，BlackRock（贝莱德）的Aladdin系统已成为举足轻重的金融基础设施。作为全球最大资产管理公司的核心技术支柱，这一系统不仅支撑着贝莱德自身万亿美元资产的管理，还服务于众多全球顶级金融机构，包括央行、养老金管理机构和保险公司等。本文将深入分析Aladdin系统的架构、优缺点，并评估其对证券公司技术架构的适用性。

BlackRock的Aladdin系统：架构、优缺点及其对证券公司的适用性分析

Three areas CIOs should focus on include renewing customer centricity’s importance, evolving business engagement practices, and refining their organization’s digital operating model.

转：Rethinking digital transformation for the agentic AI era

AI Agent 的发展重点将是多智能体协作系统，而非单一的全能型智能体。这些系统侧重于优化后端运营，而非仅仅面向客户。


AI Agent在实际应用领域的情况(reddit 202505)

网传有一份投资回报率最高的21一件事，通过跟大模型交互，筛选出来10件，具体如下：

人生投资回报率最高的10件事

作者写的还是切中了要点，不一定是技术傲慢，或者带有技术权力的想法，反而技术很多时候不太有能力将技术用简单浅显的语言表达清楚，常常越解释越说不清，所以有的时候就懒得说，看行动。但是技术的行动又不是短期就能见效的，很多时候是中长期的事。所以就带出来了信任问题，如果逐步的建立信任，预期相符。

转：让金融机构高层领导拥有对IT的掌控感

AI时代的阅读

转一个阅读科技文献的方法论。

【译】软件工程师如何高效阅读科研论文

Claude在24年12月份发表"Building effective agents" ，这篇文章的核心思想是：构建高效的 AI Agent 系统，应从简单的构建模块开始，逐步增加复杂性，并根据任务需求选择合适的工作流模式。同时，要重视工具设计和迭代优化，确保 Agent 的可靠性和有效性。 这篇文章为开发者提供了实际可操作的指导，强调了在实际应用中保持简单性和灵活性。

如何构建有效的Agent

[转]关于人生体验

2024年2月18日，伯克利大学的Matei Zaharia,等发表了一遍关于复合AI系统的文章，阐述了相关概念和问题，并指出复合AI系统的核心在于通过巧妙的工程设计，整合多种AI能力，从而达到更好的性能，而不仅仅是依赖于模型的简单放大。

从大模型到复合AI系统的转变2024

剑来已完结，摘录了一些还不错的句子。“读遍道书三万轴，知道不知道。豪取功名六千年，知足知不足。”

《剑来》摘句

江湖未远，道理长存——《剑来》读后记

关于用力过度

关于生命

Sam Altman从创业和公司管理的角度出发给出了一些关于团队执行、目标管理、激励机制方面的建议，虽然这些建议在很多地方都不一定适用。但值得阅读。

我最希望别人在年轻时告诉我的—openai samaltman

👉 管理建议：领导人应具备最重要的特质是：他能给人们描绘出一个未来的蓝图。真正的领导者和优秀的管理者有能力反思自我。谦逊是很重要的领导原则。
👉 给年轻人的建议：学习一两个基础的技能，让你在所有人中能够处于前 10%。同时要学习多项技能。

蔡崇信访谈 —— 从阿里巴巴到 NBA 的跨界人生

蔡崇信说“我们知道阿里落后了，因为我们忘记了我们真正的客户是谁。我们的客户是使用我们的App进行购物的人，而我们没有给他们最好的体验。在某种程度上，我们砸了自己的脚”。马云阿里内网发表公开信：要认清自己，重回客户价值轨道。

马云阿里内网发表公开信：致改革 致创新

10%目标定律：无论你在生活中想要什么，你都要做10次尝试。

马斯克：10%目标定律

2024国九条：国务院关于加强监管防范风险推动资本市场高质量发展的若干意见

这篇文档很好的帮助理解如何将知识库与大模型结合起来使用。

langchain:使用langchain和chatGPT来处理问答

一年前的一篇文章从数字化角度思考俄乌战争，值得一读。

【转载】从科技创新视角考察俄乌冲突及其启示

字节跳动从应用层面构建入口，让用户零代码构建bot，整合workflow与LLM，走了与文心一言、通义千帆不一样的路，并且是让人很有启发的路。

coze（字节跳动）在大模型应用上另辟蹊径

Sora的发布像去年chatGPT问世一样惊世，它生成的视频是如此的逼真，如此的流畅，并且还将物理世界的光影与受力考虑进去，实在令人惊奇。AI技术发展速度之快，超出了我的想象，并且微软、Google、NVIDIA、OpenAI、Meta、苹果等巨头你追我赶展现的产品令我五味杂陈。

Sora于2024年2月16日发布

“一个人的命运,当然要靠自我奋斗,但也要考虑到历史的行程。”

由《大江大河》雷东宝经历想到的

如何了解业务：查看内部信息来源和分析师、商业出版物、政府或监管机构以及博客上可用的在线信息。参加贸易和专业会议。你想了解公司的长期目标、战略、商业模式和计划。你还需要了解它的历史，特别是最近的历史，以及它目前面临的问题、挑战和威胁。

【摘句】如何了解业务

看《哈佛商业评论》中文版上的文章，有很多的译者已经是DEEPL、ChatGPT、飞书等AI工具了。改变是逐步的，也是显著的。

【碎碎念】20240114 关于AI翻译

上周听了清华王子阳的一个讲座，重点是讲商业模式，其中关于数字化转型、以及大模型建设有不少值得思考的见解。找了些朱武祥教授这方面的思考，总结如下。

朱武祥教授对数字化转型与商业模式创新的理解

以前总是以不熟悉为由不去接触，但是用了一下发现Jupyter特别好用，很容易上手，很容易用程序把一个事讲明白。（主要针对python）

【碎碎念】20240107

Platform Engineering被Gartner视为2024年一个重要的技术趋势，其实这个概念就跟我们之前一直在内部提倡的以技术中台为基础的，开发者门户，开发者工具集类似。

平台工程(Platform Engineering)—Gartner

a16z网站向其超过 40 位合作伙伴征询了他们认为将在 2024 年成为创新动力的重要理念。其中有不少有有助于我们对大模型应用的想象。
推荐级别：☆☆☆

LLM、AI的应用—《2024 年科技领域的重大创新思想》

数字化转型过程中除了技术难题外，很大一部分问题是文化和协作问题，KPMG的调研里对此进行了说明，并给出了部分建议。这些建议有些借鉴意义。推荐级别：☆☆☆☆

数字化转型中的协作问题—《KPMG 2024 Tech Trends》

德勤分析技术的方法分6个维度：提升力：信息、互动和计算三个领域。以及基础性立项：商业技术、核心现代化和网络与信任。推荐程度：☆☆☆☆

【翻译】德勤Tech Trends 2024: Technology Evolution, Business Revolution

第一性原理就是从事物的本质出发，不被过往的（以及他人的）经验所束缚，避免和同类事物过度类比，透过重重的迷雾，看到事物的本质。

第一性原理

Chatgpt这一年风头无两，但他这两天发生一件很大的事，CEO被董事会解雇，非常的突然、甚至连他们最大的投资者都不清楚。在网上引起了很大争议。其中一个CEO写了一段很有价值的公开信。

CEO职责说明书

comment on “The role of a product owner in digital transformation”

2023年秋

如何更好的执行OKR

特斯拉的核心系统Warp Drive,特斯拉从一开始使用SAP到自主研发，也正式因为Warp Drive才使得特斯拉的销售体验、敏捷性，智能性如此独特。

特斯拉的Warp Drive(ERP)

2014年CIO Insight采访当时的特斯拉CIO Jay Vijayan的记录，主要阐述了特斯拉选择自主研发核心IT系统的原因：敏捷、无缝集成、高效运营。由此也可见马斯克的想法确实超前和值得学习。

Tesla CIO Builds IT That Keeps Pace With Its Cars

特斯拉的数字化能力建设，以及特别强于其他车企的核心包括：
1. Elon Musk的战略思维。Master Plan, Part Deux 在这里Elon讲了他的战略思考。
2. Vijayan、Nagesh Saldi以及特斯拉IT团队的执行力，4个月开发出一个ERP系统，并持续的扩展，与云、AI深入结合。
3. 新的商业模式的构建，对IT也提出新的要求，相辅相成，定义了“软件定义汽车”。

特斯拉的数字化

现在的一些电视剧拍的蛮好的，结合金融、管理等内容来使得剧情更加的合理。

《云襄传》中的金融知识-期货

数字化转型需要区别于KPI的一种新的考核模式。OKR从各方面来看比较符合数字化转型的需要。

OKR与数字化转型

苏格拉底式提问

在数字文明时代不可避免的会接触到电子产品，那怎么才能提高益处降低对宝宝的害处呢？

0~3岁婴幼儿及电子屏幕

陆奇 《以技术驱动和价值导向拥抱创业的新时代》 笔记

陆奇博士系统化的讲了数字化转型、新范式的思考框架。他的三位一体的方法论，从6个方面分解数字化需求的框架都值得学习。

陆奇 | 《新范式 新时代 新机会》5月7日 笔记

CIO们关于数字化转型的提法对比

通过思想树（Tree of Thoughts TOT)进行多种不同的推理路径和自我评估来进行深度的决策评估。

Tree of Thoughts TOT利用大模型来辅助决策推理

在有超级AI的世界里，人类会变成什么样子？
以及在走向超级AI的时代时，我们要做什么？

[转评]What would humans do in a world of super-AI?

数字化转型是企业将数字技术整合到业务所有领域的过程，从根本上改变了它为客户提供价值的方式。公司采用创新的数字技术进行文化和运营转变，以更好地适应不断变化的客户需求。

AWS：什么是数字化转型？

数字化转型：彻底重构客户体验、业务模式和运营模式。采用全新的方式交付价值、创造收入并提高效率。

SAP:什么是数字化转型？

数字化转型利用现代化数字技术（包括所有类型的公共云、私有云和混合云平台）来创建或调整业务流程、文化和客户体验，以适应不断变化的业务和市场需求。

Google:什么是数字化转型

接口是用来系统间通信的定义，尤其异构系统之间的通信，接口的设计尤其重要。

如何设计接口

为什么腾讯的产品显得强，而百度的弱

如何理解用户与客户？

COB（Client Onboarding客户引导）是指从接触客户到让新客户熟悉公司、产品服务的过程，这不是一个新概念，银行业的很早就有，对应着从客户第一次接触到客户开户，让客户熟悉公司和产品，以及搜集客户必要的信息的过程。

Client Onboarding 客户引导

Monica Rogati 是领英的数据科学家，她给了我们在挖掘数据时十个应该避免的常见错误。

【译】像数据科学家一样思考

会议很多，效率并没有因为会多而改变了很多。

关于如何开会的建议

与读者沟通–非虚构写作的核心，其中的重点是人文和温情。
所谓人文和温情是从真实的自我出发写出人情味，而不是像机器一样官僚、模糊。