Tesla said uncertainty in the auto and energy markets continues to increase due to impacts of rapidly evolving trade policy on the global supply chain and cost structure, and "this dynamic, along with changing political sentiment, could have a meaningful impact on demand for our products in the near-term."

特朗普政府对待关税问题的反复横跳，无疑让硅谷的芯片巨头们感到头疼，没有一家芯片企业会甘于放弃中国市场。

随着业绩向好，泽璟制药这一“隐形冠军”的光环也越来越耀眼。

<blockquote><p>2025 年，AI 领域涌现大量基于 “Agent+MCP” 公式的产品。这类产品具备思考规划和行动能力，可通过 MCP 协议调用外部工具。</p> </blockquote>  这几天，不仅能问答，还能执行任务的AI产品，如雨后春笋般涌现。 “扣子空间”测试即火，在很多分享邀请码的群，有人蹲了一下午时间抢，大家的热情让扣子空间的服务器一直显示崩溃。 在大家看来，当时Manus邀请码被炒到6万元一个，现在Manus的付费墙还阻隔了大多数人，可是扣子空间作为国产复 刻版，居然可以免费，这怎么能不让大家的热情满满。 其实，在扣子空间稍早之前，还有Fellou、Dia、GenSpark、智谱AutoGLM沉思版等产品爆火海内外。而这些产品，还有个共同点—那就是：Agent+MCP，这也几乎成了2025年爆款AI应用的通用公式。 从夸克2.0以Agent形式，打开了现在AI助手产品的新形态，加之MCP协议广泛增加了LLM调用工具的能力，上文提到的这些产品开始集中涌现，2025年成为了AM（Agent+MCP）产品大年！ 甚至，微软也推出了一款面向 Windows 桌面的多 agent AgentOS——UFO²，在系统级增加AM能力。 ## 争夺首个国产Agent+MCP 上周六，有个企业朋友和鲸哥交流，她说看到扣子空间这么火，他们下周一的通稿不知道怎么写了。本打算主打『首个国产Agent+MCP』概念，现在被字节抢发了。 实际上，字节并没有做任何官方宣传这款产品，直接在扣子官网搞了个裂变获取邀请码的活动，产品就开始迅速传播开来，大家争相体验AM产品的威力。 但字节并不是首家，只是大家能感知到声量以及能上手体验的首家。 如何理解AM，实际上就是大模型有了思考规划和行动能力，并且通过万能充协议MCP，调用外部数据库、工具等能力。 假设你有一个智能助手，它是一个 Agent，它可以帮助你完成日常任务，比如查询天气、安排日程、发邮件等。传统的AI 通常是一个封闭的系统，只能在一定的范围内执行任务。然而，当这个 Agent 使用 MCP协议 后，它可以： - 通过MCP协议 访问实时的天气数据，而不是依赖固定的模型内部数据； - 如果需要，它还可以通过 调用外部工具（如自动发送邮件、操作数据库）来执行任务。 我们通过一个案例来展示AM的产品特性，最近上海车展等大活动都在开展，于是做了个北京、上海、深圳等地的出差天气助手，帮助大家和出发城市气温做比较，给出怎么带衣服行李的建议。  **一句话一分多钟完成了网页的开发**，UI设计的还不错，最关键的是我查了下，天气信息都是对的。说明通过MCP调用了墨迹天气插件的实时信息，另一方面，也说明这个网站真实可用。 扣子空间开门红，而在扣子空间发布的前两周，GenSpark和Fellou就相继发布。 GenSpark在海外发布后的9天，其联合创始人就宣传实现了千万美金的ARR，这对一款新产品来说速度还是挺快。也说明这个产品设计不错。 Fellou产品最近想传播自己是“世界首个行动型浏览器Fellou”。他们自己做了一份调研，声称和Deep Research、Manus、Perplexity做了打分比较，Fellou在可读性、表述清晰性、准确性、思考深度和广度评比上，评分最高。（自己出的测评仅供参考）  这两者都有国产基因，但是发布的声量都没有扣子空间大。毕竟扣子上预计已经有数百万的用户，以及很多开发者。这些都是十分关注AI进化的精英，再加上扣子空间可以调用飞书的内容，推出后自然产生了巨大的效果。 字节不是唯一看好AM赛道的大厂，据新言财经报道，百度也于4月17日上线了一款名为“心响”的App。与大家不同的是，心响自己做了一些Agent模板，比如DeepSeek技巧库、AI球星卡和城市旅游等，调教好的模板用起来更方便。  而字节的Trae也在今天宣布，增加MCP和智能体的重大更新，感觉AM会成为所有AI新品的标配。 ## 谁是真正的AM产品？ 这批AM玩家，实际上最早都在做AI搜索，除了扣子空间外。 Dia的母公司此前主力做Arc浏览器，为了做更纯粹的AI时代浏览器，决心重开炉灶，做一款Agent的浏览器； Genspark最开始也是做AI搜索，但是在2.0版本后产品大转型，产品更接近浏览器形态了。 Manus当时也想开发一款搜索浏览器，与Fellou差不多同时起步。但是Manus的浏览器最终并未发布，Manus思考了三条路线，最终选择了现阶段更Agent化的样子，但是并没有接MCP。 Fellou其实和Manus同期起步，从始至终坚持AM产品，并且由于发布较晚，也接入了MCP，二者有相似之处，比如都是利用虚拟机操作，不同的是，Fellou做了多个线程的虚拟空间做任务计算，提升了产出报告的效率。 为什么都不做AI搜索了，鲸哥认为最大可能赛道壁垒太低，容易被巨头卷死。因为AI搜索，未来可能是单纯的数据以及LLM层的竞争，这种Google等大厂能随时卷死中小厂。 **大家殊途同归，其实也是意识到AM产品的产品设计，可以有很大的不同，这是可以建立用户体验壁垒的地方。** 对于扣子空间来说，产品易用是其的最大特色，没有执着于DeepSearch，而是强调Agent的输出效果。 所以还设置了探索模式和专家模式，大家希望大部分需求很快完成，因此最常用的探索模式是默认选项。不是Manus任何一个任务，都是20分钟起步的分析。 对于Genspark来说，落地Agent执行是其重要的噱头，最常见的旅行规划方案，Genspark能搜集航司、酒店等官网信息，还能直接给出电话预订，很适合国外的生活场景。 Fellou则是更好的研究型助手，内置虚拟环境，同时四个线程做研究，很多复杂的多步任务也能很好的完成，兼顾了效率和质量。 以下是让Fellou挑选出的10只最有潜力中概股，一通搜集后，它按财务业绩 (30%)、增长前景 (25%)、竞争定位 (20%)、监管风险 (15%) 和估值 (10%) 的加权评估，得出了如下榜单。大家相信AI总结的吗？  Fellow输出的10大潜力中概股报告 缺点也有，没按要求做出可视化网页的结果，这点比扣子空间和Genspark差远了，很影响输出结果的易读和美观。 以上这些产品，都面临两类选手的竞争。其一就是拥有自研大模型的企业，他们还觊觎AI Agent的市场，比如智谱和OpenAI，二者都自研了推理大模型+内置Agent，未来潜力会很大。 毕竟o3大模型内置Agent，能执行推理、思考、反思等步骤，产生的报告质量最高，OpenAI也宣布支持MCP，自己还推出了A2A协议。智谱AutoGLM能自己截图看小红书、微信等网页，以及调用支付MCP，Agent能力更强一些。 另一方面则是对话式浏览器的差异化竞争。比如Dia、纳米搜索等，这类型浏览器的Agent能力不是最强，但是在探索个性化服务，比如Dia的人格化回答，纳米的知识库。 总结来看，当下最易用的扣子空间，最好的产品形态是Fellou，最具潜力是的OpenAI未来利用o3或者o4整合Operator和DeepResearch后的模式。 ## AM产品的差别与短板 作为当红炸自己的AM产品，并非没有缺点与短板。 目前看，扣子空间的产品短板是产出内容质量不够高。 这是由于扣子空间用的字节自研的大模型，其推理大模型上限还是存在明显的天花板，输出的内容的深度远远不够。 而其他产品基本都是出海，可以使用海外的大模型服务，也可以融入海外的MCP生态，在基础能力上短期占优。 大家在Agent能力上也相差蛮多，扣子空间做的相对较浅，除了网页新闻内容，其他网站几乎都无法识别；智谱能识别小红书等保护内容，获取信息的渠道更多；而Fellou和Genspark更进一步，能查大部分电商平台网站内容。 要知道，Agent决定使用场景有多宽泛。信息研究类型是少部分人群的需求，而跨平台的决策需求，则更普适。想问“哪个平台的iPhone16最便宜”，这类问题，是大部分人都存在的消费决策需求。 只是，这个场景现阶段都做不好，扣子空间搜索的是促销新闻，查看不了电商网站；Fellou搜索的是基于获取地理位置的海外独立站，GenSpark能搜官网、淘宝和京东，漏了拼多多。 不敢想象以后电商平台也接入MCP生态，提供平台的数据插件，当然这很难实现。 综上，这些产品各自代表了“Agent+MCP”组合应用的不同方向：扣子空间侧重在工作流和工具整合上，让AI深入本地生态完成事务；Dia侧重人性化的知识获取体验；而GenSpark则在综合智能和自主性上完成度不错，Fellou追求信息整合和泛化执行的质量； 目前这几款产品也都比较火，扣子空间、Fellou都是一码难求，Dia和GenSpark在海外关注度也不错。 而大小厂还有很多产品在往AM方向靠拢，比如纳米搜索就在内测Agent能力。 其实，大众如此热衷AM方向，核心就是AM的产品壁垒能坚持半年到1年时间，而且产品口碑激发规模效应后，市场前景比较广阔。 鲸哥最近获得了久谦中台的AI服务免费邀请码，这个服务账号对外售价为一年5万元，这类券商的数据成果，最终要辅助企业商业决策，所以生成报告质量非常高。 因此，鲸哥有时候也在思考，当下阶段的数据其实更重要，未来肯定是AM更有前景。所以当下大家如何做商业化，熬过这段莽荒期，也蛮值得关注。 扣子空间对数据探索的不深，消耗模型的Token不太多，因此敢免费+裂变营销的方式内测，当然主要是因为大厂有底气；Fellou、GenSpark的生成消耗Token比较多，目前一个还没有完全公测（官网排队等邀请码），一个付费价格比较高（20美元每月）。 Manus的数据更深入，所以价格也最高，而且不是给钱就能得到会员。据说还有300万内测用户排队，因为调用的Claude模型，“全放出来Anthropic服务器就崩了”。 大家探索的AM产品形态都不太一样，对Agent能力探索以及MCP生态的接入，也深浅不一，商业化普遍采取了会员模式，但价格可能成为产品推广的拦路虎。 走高端质量高端收费还是普适质量低价收费，正逐步分野。 行业和资本乐见的是，2024年，最流行的技术可能是长文本、RAG，在2025年马上就成昨日黄花。Agent+MCP的热度还会持续很久，一定会颠覆目前的浏览器和搜索模式和用户使用习惯。 作者：鲸哥 本文由人人都是产品经理作者【鲸选AI】，微信公众号：【鲸选AI】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

东莞正以人工智能为核心引擎，掀起一场从“制造”到“智造”的产业革命，其转型路径不仅重塑了自身竞争力，更为中国制造业升级提供了独特样本。

 KRAFTON公司4月23日宣布，旗下的生存生活模拟类PC游戏《Dinkum（金垦小镇）》已于全球游戏平台Steam正式上线。  由澳大利亚独立开发者James Bendon打造的田园模拟游戏《Dinkum(金垦小镇)》，在经历三年精心打磨后终于迎来正式版发布！本作自2022年7月Steam抢先体验以来，凭借独特的澳式田园风情俘获了全球百万玩家，并在Steam平台一直维持“特别好评”的口碑。在今年2月由知名发行商KRAFTON接手全球运营后，游戏新增支持14种语言版本，进一步拓展其国际影响力。 &lt;内嵌内容，请前往机核查看&gt; # 自由打造理想家园 游戏背景设定在一个灵感来源于澳大利亚自然风貌的广阔岛屿上，玩家可以采集、狩猎、挖矿、钓鱼及建造房屋，自由发展并扩张属于自己的小镇。同时，玩家还能高度自定义环境布局与建筑风格，打造个性化的理想家园。 # 深度社交体验 玩家可与岛屿居民建立关系、协作管理小镇，通过丰富的NPC交流体验沉浸式的生活模拟。此外，游戏支持最多6人在线合作游玩，玩家可自由访问彼此的岛屿，共同经营生活。 # 正式版重磅更新 新增的创意模式为玩家提供更自由的建造体验，玩家可以设定各种物品、动物和装饰元素，甚至可手动设定时间与天气。 多人联机功能得以优化。主机玩家可自定义访客权限，提升游戏联机游玩的灵活度。 新增了访客房屋出租系统，玩家可邀请4位新NPC入住，带来稳定收益；新增双人飞机的合成配方，提升快速移动体验；新增昆虫生态瓶，现在可以更加灵活地收集与饲养各类昆虫。 &lt;内嵌内容，请前往机核查看&gt;

 《暗黑破坏神4》x《剑风传奇》动画宣传片公开，联动内容将5月7日正式上线，至6月4日结束。化身为《剑风传奇》中的格斯、格里菲斯和骷髅骑士，去撕碎恶魔吧。 &lt;内嵌内容，请前往机核查看&gt; 部分联动物品如下： 

<blockquote><p>Waveful 凭借创作、赚钱与交友三大要素，在东南亚社交应用市场迅速走红。用户可创建主题社区“岛屿”，通过图文、音视频互动，实现社交与变现。</p> </blockquote>  在“社交+”热潮下，不仅每个用户都是参与者，同时也都是“创造者”。 当前，社交应用玩法花样百出，且已经从传统意义上的沟通交流工具，逐渐演变成年轻人展现自我，寻求认同的“线上舞台”，甚至有机会获得粉丝追捧，赚取打赏奖励等等。**将兴趣爱好、创意想法转变为实实在在的收入**，这类社交产品无疑能够吸引大批用户的迅速涌入。 **既能交友，又能赚钱，**这种看似“既要又要”的用户需求在Waveful中却被很好地实现了。点点数据显示，这款应用于2020年底上线，近期增长趋势十分明显。3月初，应用单日下载量高达近20万，月下载增长346%，月收入增长397%。日前，进入印尼、新加坡、泰国等多个东南亚国家社交免费榜Top100。  2025年3月，Waveful全部商店下载量，图源：点点数据 **用创意变现，用变现提升留存，用留存裂变用户**。Waveful是如何跑通这套逻辑的呢？ ## 化身“岛民”，既交友又赚钱 **建立兴趣社区**，往往是将众多分散的用户快速聚集起来的一个有效方式，Waveful则为**社区赋予了“岛屿”的理念**，即每个社区都是一个独立的岛屿，社区成员就像是里面的“岛民”，**基于共同的兴趣爱好，通过图文、音视频等交流方式**，在孤岛上找寻伙伴，相互给予心灵慰藉。 在Waveful中，每位用户都可以建立**“主题岛屿”**，例如，游戏、美食、风景等等，进而成为岛屿的管理者，即岛主。岛主需要根据主题为它取一个个性化的名字，不过名字一旦确定不可修改。同时为“岛屿”打上相关的标签，添加文字描述及图片，以便其他用户快速加入。由此，便完成了**社区创建**。 作为“岛主”，与大多数社交应用中的群主类似，需要持续运营来保证活跃度，同时也要做好管理和维护。管理者不仅可以通过简单的发帖来吸引用户参与其中，还可以发起各种岛屿挑战，限时24小时，这种倒计时的PK方式往往最能激发用户的想象力与创造力，并为社区的参与度、人气值、活跃度都带来大幅提升。不过，过程中一旦涉及与主题内容偏离的帖子，需要及时删除清理，才能让社区良好的发展下去。 如果“岛主”一段时间无法管理“岛屿”，则可以在Waveful中将信任的用户设置为管理员，与岛主具备很多相同的权限，便于接管整个社区。这种用户自发式的圈层管理模式，在应用中形成了一个较为稳定的生态，也在一定程度上避免了社交乱象。 而对于仅想在应用中作为“岛民”，并没有管理社区想法的用户，可以通过在各个主题岛上发帖互动，来达到交友和变现的目的。初期，仅需在Waveful中完善个人资料，便可获得一定奖励，鼓励用户身份验证的同时，也提升了应用的安全性与真实性。 后续的变现多少，一定程度上取决于用户的发帖质量和朋友圈人脉。Waveful规定，用户需要通过推荐链接，成功邀请15个人加入到平台当中，且个人帖子观看数量达到5000次，方可获得创作者徽章，同时也意味着能够在应用中开启赚钱之路。 这种邀请裂变用户，获取奖励的方式，在产品上线初期是十分常见的。虽然Waveful表示这样的门槛，只要能够坚持，并不难实现，但可能还是将一些分享欲不强或好友圈不广的潜在用户挡在了门外。 为了激励用户持续创作，Waveful还上线了Superlikes功能，有点类似于常见的打赏金币，打赏金额平台与创造者进行分佣，其中的50%会给予创作者。同时应用通过广告产生的收入，也会有50%分给相关创作者。按照这种方式来看，如果能在应用中成为KOL，将会有一笔较为可观的收入。 从去年开始，Waveful不断上线玩法，从最初的图文帖子互动，逐步推出视频、音频等功能，为用户创造更加沉浸式的体验。 总的来说，Waveful将社区赋予了“岛屿”的意义，基于这一设定，向里面填充人员、功能、规则等等，以此形成了**一种自发式的管理模式和良性互动**。并通过**交友、赚钱两大核心要素**，吸引用户长期使用，提升用户留存。 ## 承接“泼天”流量，核心功能始终免费？ 2024年3月，阿根廷的一家运营了近20年，拥有6000万用户的内容社交网站Taringa宣布停止运营，其原因是，开发者认为当前社交媒体平台不断变化的环境和趋势让商业化变得十分困难。 而与其内容模式颇具相似性的Waveful也承接住了这波流量，近一年进行了30多次的版本更新，通过功能上新，优化体验，**留下了不少Taringa的老用户。** 点点数据显示，Waveful去年3月至今下载量达到199万，收入17万美元，其中内购收入2.5万美元，占比总收入14.8%，大部分收入来源于广告。意大利用户贡献内购收入的30.9%排在第一位，也是**内购收入地区前五名的唯一一个欧洲国家，与其开发者位于当地也有一定关系。**其次为印尼16.2%，菲律宾12.5%，越南11.8%，马来西亚2.4%。由此可见，**Waveful的模式在东南亚地区十分受欢迎。**  （2024.3.1—2025.4.21，Waveful内购收入区域前五名） 应用的主要内购项目是Superlikes，即用于给其他用户打赏的“点赞”，4个售价1.99美元，50个19.9美元，在此区间设有很多价格档位，随着购买数量增多价格稍有降低。不过，对于线上社交尚处于发展时期的东南亚地区来说，**付费打赏仍需要一定时间的市场教育。** 对于内购收入方面，Waveful表示，虽然存在订阅和打赏的内购模式，但应用的核心功能始终会是免费的。同时，应用还吸取Taringa曾面临大量用户数据泄露的经验教训，**在隐私保护方面加强了管理，通过使用最新的行业安全标准来收集数据，并承诺永远不会出售用户的个人信息数据。** ## 写在最后 创作、交友、赚钱，Waveful将这三大吸睛要素聚集在一起，打造出了一个突破传统社交模式的平台。从用户反馈来看，有人在其中赚到了小笔收入，也有人还在通往赚钱的路上坚持互动。但能否赚钱也只是关系用户留存的一方面，这些“岛民”能否在这些“岛屿”上找到真正的价值，创造出属于自己的“小天地”，才是关键。 作者丨子墨 编辑丨火狐狸 本文由人人都是产品经理作者【扬帆出海】，微信公众号：【扬帆出海】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

 感谢网易暴雪国服运营团队的邀请，机核网有幸参加了《守望先锋》游戏总监 Aaron Keller 在内多名核心开发团队成员关于“决斗领域”的线上群访。在采访中，开发团队透露决斗领域将会是游戏的核心重点，还透露了不少有趣的设计心得，汇总如下： （为语义清晰起见，行文有所改动） # 受访人  - 《守望先锋》游戏总监 Aaron Keller  - 《守望先锋》高级游戏设计师 Dylan Snyder - 《守望先锋》首席关卡设计师 Ryan Smith # 开场白(Aaron) 首先，非常感谢大家能来到这里，我也非常激动能和大家聊一聊我们的“决斗领域”。这个模式是我们开发团队花了很长时间打造出来的，现如今，部分玩家已经有机会体验了，我们也很高兴看到大家的反馈都非常积极，大家都觉得这个模式非常有趣。如果你们看到网上有文章在讨论这个模式，或者看到有人在玩，甚至自己和别人聊起时，我们就能感觉到，这确实是加入我们《守望先锋》的一个绝佳时机。 # 采访实录 - 角斗领域的地图池中都是镜像的玩法模式，请问这是因为攻防玩法会影响角色成长曲线嘛？后续我们能否在这个模式中玩到带有攻防要素的地图？ 其实我们“决斗领域”的所有模式，地图都是镜像设计的。原因很简单：我们有7轮的游戏，为了确保每一轮都尽量公平，我们选择镜像地图。通常我们的目标点都会设置在地图的中心，或者是一些可移动的目标，比如像推进类地图。 如果使用非对称地图，可能会导致一方的胜率有差异，因为攻防方在不同的地图中可能会有不同的优势。虽然我们也很喜欢攻防模式，但如果我们采用非对称地图，可能会引入一些不公平的因素。 - 是否计划未来在中国举办关于新模式的比赛或活动，以增加社区的参与度？ 当然，我们很高兴看到在中国的决斗领域会有一些特别的活动或比赛。不过现在我不太确定是否有什么可以公开的消息，所以我觉得最好的方式还是请大家联系一下我们当地的公关部门，看看能得到什么具体的答复。目前我确实不太清楚有哪些信息需要公布。 - 团队对新模式的定位是什么？未来会不会有计划引入与新模式相关的竞技活动？ 其实，关于角斗领域，我们在设计的时候就已经决定它将永久存在于《守望先锋》里。我们希望它成为游戏的第三大模式支柱，和快速模式、竞技模式一起构成游戏的核心模式。  为了专注于这个模式，我们也有一个专门的开发团队负责决斗模式的更新和优化。未来，他们会持续开发并支持这个模式，我们计划定期推出新的内容，比如新的英雄、新的游戏模式、新的地图，甚至是一些新的系统和机制玩法。 对于我们来说，角斗领域是一个非常令人激动的项目，也是让我们非常兴奋的一个方向。因此，我们会投入大量的精力和专注力来打磨和完善这个模式。提到竞技赛事或者活动，虽然目前谈论电竞可能还为时尚早，但我们会先观察新模式的表现，看它是否适合这个方向。现在，我们的重点还是要先推出模式，收集玩家的反馈，并持续提供支持，然后再根据情况决定未来的可能性。 - 第三人称视角的引入是否会影响《守望先锋》强调的射击手感？团队在视角切换的适配性测试中遇到过哪些挑战？ 其实，第三人称视角相比第一人称射击有很多独特之处，特别是在射击游戏中，这种差异更为明显。 那我们为什么要在决斗类游戏中采用第三人称视角呢？实际上，团队主要是希望能够让玩家更好地感知整体的战斗态势。我们希望玩家能更清楚地看到自己所处的局面，同时，关于角色的装备、技能加点和能力升级，在第三人称视角下也能显得更直观。当然，这一路走来，我们也遇到了一些不小的挑战，尤其是对于射击类游戏，我们特别重视射击的操作感。 因此，我们对英雄的动画和视角做了不少调整，使其更加适应第三人称视角。与此同时，还有一个技术难题就是性能问题。我们必须确保在第三人称视角下，游戏引擎的性能不受影响，让游戏的感官体验始终保持行业顶尖水平。  另外，我们做的调整不仅仅是简单地换个视角，还涉及到对每个英雄的镜头位置进行单独的调整。例如，在早期开发时，我们发现莱因特挥锤子时，他的锤子会穿过镜头，所以我们不得不对他的动画做特别调整。而且，在最初的第三人称视角测试中，很多团队成员会出现晕3D的情况，所以我们对镜头的距离和视角角度（FOV）进行了多次调整。 这些调整不仅限于动画，我们还在音效和视效方面做了大量的优化，以确保射击时能够给玩家足够的反馈。毕竟，在第三人称视角下，反馈可能会相对弱一些，所以我们通过一系列的调整，力求达到最佳效果。 - 之前的采访中提到过“角斗领域是一种对英雄幻想的延申”，那有什么具体的例子（升级效果）能说明这种概念呢？ 其实关于这一点，我们有很多例子可以举不胜举。我们一直在推动英雄超能力的边界，尤其是在幻想层面上，确实有两种不同的类型。第一种类型是非常具有爆发力的，换句话说，就是为了寻求乐趣而制造乐趣。即使这些设定可能不太可信，我们还是会这么做。比如说莱因哈特在蓄力时能飞，大家都知道其实莱因哈特并不具备飞行能力，但我们还是设计了这种能力。  再比如艾什，她可以召唤很多小Bob，而且还可以频繁地召唤，这也是为了给玩家带来乐趣。尽管从英雄设定上看，这些能力可能并不是英雄本来应该具备的，我们还是做了这样的设定。 第二种类型的改变或者能力提升，就是我们感觉这个英雄真的有可能做到的事情。比如说DVA操控飞行时，按个按钮就能直接砸向地面击中敌人。这个设定我们觉得是合理的，DVA有这个能力。还有雾子，它不需要传送到玩家身边，可以直接向前传送一段距离，用这种方式在地图上移动。这也是我们认为英雄是能够做到的。 再比如士兵76，他的生物力场可以直接贴在自己身上，在地图上到处走的时候依然能为他提供治疗。我们认为这些都是英雄能实现的能力。我们团队也花了很多心思去设计这些英雄的技能，尽力去设想他们能做到什么样的事情。我相信玩家也能从中找到很多乐趣，甚至会思考英雄的能力究竟能做出哪些出人意料的事情。 - 在试玩中我们无法在游戏中切换英雄，这是确定的设计，还是后续有更改的可能？ 其实在决斗模式中，我们特意决定不允许玩家切换英雄。 这样做的原因是，在游戏开始时，玩家会选择一个英雄，并从头到尾都使用这个角色。我们这样设计，主要是因为每个英雄的装备选择、技能和威能的提升，以及道具使用，都需要根据对面的英雄来进行针对。如果对手中途换了英雄，那我们就很难根据对面的情况来调整自己的策略和出装了。 这是我们决定不允许换英雄的一个重要原因。另外，我们也知道这种设计与《守望先锋》本身的机制有些不同，所以在新模式推出后，我们会特别关注玩家的反馈。 如果大家普遍反映希望能有换英雄的机制，我们可能会考虑一些不同的方式来改进。比如，我们可以考虑解决玩家在使用同一个英雄时遇到的问题，或者增加一些反制措施，例如源氏的技能可以用来格挡激光等。也有可能我们会允许在某种程度上切换英雄，但仍保持游戏的连贯性。这样大部分游戏中，我们依然能够根据对手的情况来调整自己的装备和加点。 - 角斗领域是否代表《守望先锋》目前正在寻求更多的可能，希望打破现在已有的规则框架？制作组希望角斗领域能够带来哪方面的灵感？ 从某种角度来说，决斗领域确实打破了守望先锋的一些传统设定。这些年来，我们一直听到玩家们的反馈，很多人觉得游戏和比赛有点趋同，或者某些模式已经玩腻了。为了给大家带来新鲜感和变化，我们在游戏中加入了角色升级和增强的机制，这样每一局游戏都会有一些不可预测的因素，玩家们需要在对局中灵活应变。 另一方面，我们也听说，守望先锋的对局紧张感非常强，且持续整个游戏过程，通常是一场10到15分钟的比赛，几乎没有什么休息时间，玩家没有喘息的机会。而在决斗领域这个模式里，我们设置了中间休息时间，玩家可以在商店里进行购买和战略调整，给他们更多的决策空间。 此外，我们希望决斗领域的对局能更有多样性，所以我们加入了来自全球各地的不同地图。在这种对局过程中，各种元素的引入让比赛更富有变化。 最后，我们也觉得决斗领域应该有一种与快速游戏模式不同的独特氛围。所以我们为决斗领域设计了独特的地图、专属播报和特有的音乐。这样一来，它既有些许守望先锋的熟悉感，又带来了一种全新的游戏体验，这是我们想要实现的目标。 - 为什么角斗领域目前的可选英雄并非《守望先锋》的全部英雄？是因为有些英雄还在制作？还是说有些英雄从设计底层上就不太适合这个模式，所以被排除了？ 我们发布决斗领域的时候，起初有17个英雄，虽然这并不是我们《守望先锋》里的全阵容，但我们确实有计划在未来加入更多英雄，其他英雄也在为决斗领域的开发做准备。 我们感到很兴奋的一点是，决斗领域将采用赛季模式，每个赛季都会推出新的英雄和内容。 至于为什么一开始没有全英雄加入，主要是因为每个新英雄的加入都会带来大量工作。每个英雄都有12个威能（Power），并且有自己独特的道具和装备，这就需要我们的动画、音频、视觉特效团队投入大量的资源来完成。而且一开始我们也希望通过限制英雄数量，让玩家更容易上手，先从这小部分英雄入手，能让大家更快更顺利地体验决斗领域。 另一个原因是，有些英雄相对来说更难加入到这个模式中。例如，像猎空这样的英雄，她的高效性主要取决于枪械伤害，这让我们很难为她设计合适的升级选项。 随着我们不断积累开发经验，我们在设计决斗领域的英雄时会变得更有经验，找到更多新的方法来处理这些相对较难加入的英雄。所以，未来可能会有更多新的可能性。 - 除了现有的新模式之外，是否有计划在其引入类似于街机模式的其他玩法？ 目前我们没有加入类似街机模式的决斗领域，而是一个主要的决斗领域模式。如果玩家想练习提升自己的能力，或者尝试不同的出装和加点，我们也有特别的训练场版本，玩家可以进入其中，试验各种出装和加点方式。 其实，我们未来的方向还是会根据玩家对这个模式的反馈来决定。我们会观察玩家喜欢什么、不喜欢什么，然后再决定未来是否会推出决斗领域的其他变体版本。 - 《守望先锋》自发布以来一直保持第一人称视角。那么为什么这次在新模式中加入了第三人称视角呢？ 我们在决斗领域中增加第三人称视角有几个原因。决斗领域中的英雄能力要比标准模式下的角色强大得多。比如说，像源氏，他在空中的停留时间比标准模式下要长很多。因此，当我们将视角从第一人称切换到第三人称时，玩家能更清楚地看到战局的变化，比起第一人称视角，第三人称视角更有助于玩家了解当前局面。 当然，第三人称视角还让玩家能够更好地关注英雄的技能和一些效果。比如查莉亚的泡泡技能，它可以保护玩家免受伤害。如果玩家使用第三人称视角，就能看到自己被泡泡包围，且泡泡有效地阻挡了旁边的伤害。这样一来，玩家能够更直观地知道自己身上发生了什么效果。 我们还提供了可以关闭这个功能的选项，玩家可以根据不同英雄的需求来选择适合的视角。有些玩家可能对某些英雄或角色更喜欢用第三人称视角。例如，我自己在玩坦克时，通常选择第三人称视角，因为这样能让我更清楚地看到背后的情况。 当然，如果玩家在操控那些需要精准瞄准的英雄时，也可以选择关闭第三人称视角，恢复到第一人称视角。这是完全可以根据个人需求来调整的。 - 新模式的成功与否是否会直接影响《守望先锋》后续内容开发方向？例如优先扩展角斗领域还是传统PvP？ 其实在《守望先锋》中，我们所做的很多事情都会受到玩家反馈的很大影响，尤其是玩家喜欢玩什么样的模式。至于决斗领域，我们有一个专门的团队在致力于它的研发。对我们来说，这其实是一次很大的冒险，因为在推出决斗领域之后，我们还计划继续更新多个赛季。如果决斗领域能够取得成功，那当然是最理想的情况。不过，即便它的反馈跟我们预期的有所不同，我们依然会继续发布后续的内容。 值得高兴的是，我们在其他传统模式上，比如非常受欢迎的快速模式和竞技模式，也会继续推出让人激动的更新。我们会持续更新平衡性补丁，推出新英雄和新地图等内容，不断提升游戏的品质。所以说，关于《守望先锋》的核心内容，我们依然会持续改进，让它变得更好。 - 目前角斗领域允许玩家通过模组“重塑英雄技能”，如何确保这些强力组合不会破坏对战公平性？是否有动态平衡机制？ 从某种程度上来说，玩家自己去探索和尝试的升级方式，肯定会有一些非常强力的组合，这也是我们非常喜欢这种模式的原因之一。比如，玩家们最终会找到某个英雄最强的版本，让他变得更强，这也引入了一种策略机制。就像在对战中，当你看到敌人用了一招巧妙的战术，这时就轮到你根据自己英雄的特点来做出反制。 我有一个感觉，几周后，可能会有一些玩家想出一些非常聪明和巧妙的装备搭配或加点方式，这些可能是我们一开始没想到的。看到这种情况我们非常激动，同时也在时刻准备做出平衡性的调整。我们的团队已经有了一些预案，准备好应对可能出现的问题，还有一些技术上的措施，确保我们能快速处理平衡性方面的调整。在决斗领域中，我们也已经做好了技术准备，能在出现问题时及时应对。 所以，我希望大家能多多探索，去找出那些强力组合来挑战我们的游戏平衡。我们非常期待看到你们的精彩尝试，同时也迫不及待地准备好在发现问题时做出调整，和大家一起共同塑造决斗领域的未来。 - 角斗领域模式相比普通模式加入了成长的深度，会不会有难度上的增加？有什么帮助玩家快速了解这个模式的措施吗？ 是的，实际上因为加入了威能、各种物品，还有新地图，我们也预料到玩家需要学习不少新的内容。为了帮助大家，我们尽力提供了一些小技巧、弹出提示和指引，帮助玩家顺利完成这个学习过程。同时，我们还设计了一些示范性的出装和加点模板，让玩家能更轻松地上手。就像是我们设计师根据不同风格给出的建议，玩家可以简单地开始游戏，轻松享受游戏乐趣。 的确，当玩家进入游戏商店时，面对大量选项可能会觉得信息量太大。如果真是这样，我们也会告诉玩家，没关系，可以先选择一个模板，简单开始游戏，同样能够获得成功。在这个基础上，玩家可以通过逐步探索的方式，慢慢深入了解游戏的更多内容，继续享受其中的乐趣。 - 在传统模式中，死神、D.VA之类的AOE大招常常能给战局带来关键性的转折，那在加入了成长要素之后，我还有机会打出这样的精彩场面嘛？ 当然是的。我们在决斗领域中的一个主要目标，就是希望能让英雄创造出更多令人激动的瞬间，同时也想为玩家提供更多的方式，打出这些精彩的场面。在守望先锋的标准游戏循环中，唯一的经济资源基本上就是大招的蓄能条，所以它自然成为了一个焦点，也是游戏中重要的转折点。 当然，可能还有其他一些元素值得关注，但大招无疑会吸引最多的注意力。我们希望给玩家更多的自由度，让他们在其他方面也能提升自己的关键性，并且能带来像大招那样重要的影响力。尽管我们依然会把大招放在重要的位置，毕竟它既实用又能带来炫酷的场面，但我们也希望能够提供一些不同的选择，让玩家能够有多种方式去成长，带来更多的转折和精彩瞬间。 - 无论发挥多少每个人获得的点数差别并不大，点数不足就没法多一个天赋，有解决的办法吗 ？ 这个确实是我们非常关注的一个方面，尤其是跟角色和经济相关的部分。我们也清楚，我们的经济系统是由玩家的表现来推动的。正如之前 Aaron 提到的那样，我们已经有一个技术框架，能够很快进行迭代。很显然，在游戏发售之后，我们也希望能获取到数百万玩家的数据，这样才能了解我们在哪些地方还有不足。 其实我们希望经济上的差距能给那些拼命“carry”的玩家提供一些机会，比如说让他们更早获得一些稀有或者史诗级的装备，帮助他们解锁新能力。这样可能会让他们稍微领先一点，但并不是过多的奖励，可能就早一个回合，避免有玩家一开始就攒齐所有资源，导致后面没有什么挑战性。其实这种情况是可能发生的，我自己也曾经在游戏中遇到过，刚开始就直接拿到全套装备。所以这也是我们需要特别关注的一点。 当然，虽然这些细节可能有点具体，但我们发售后会继续关注玩家的数据和反馈，并据此进行平衡性调整。毕竟我们所有人都得等到游戏发售后才能亲自体验，所以关于平衡的调整是一个持续的过程。发售后，我们会密切关注玩家的表现，然后根据实际情况进行调整和改进。 - 七局四胜制的赛制是否会对休闲玩家造成压力？是否考虑加入更短时长的变体模式？ 这是一个挺有趣的问题。其实，我们就像是把每一个小的模式进行了裁剪，然后将它们作为我们整体决斗领域的一些支柱模式，再把这些小模式拼接起来。每一局可能只有一两分钟，很短暂。但如果你把这些内容拼在一起，整体时长就和我们原本的核心模式差不多了。 我们做了很多设计和测试，感觉整体的规模并没有大到让玩家觉得玩一局就不想继续了，反而玩完后，大家还是会愿意再回来。平衡是一个持续调整的过程，所以我们发布后还会根据玩家的反馈来看看他们玩完一局后，觉得时间长不长，是否合适。 至于决斗领域的七局设置，我们也考虑过其他短一些的变体。我们尝试了很久，也做了很多局数和局长的调整，最后得出的结论是七局是最合适的设置。尽管如此，未来谁知道呢？目前我们觉得七局的设置挺合适的，未来可能会有更多的可能性，这个谁也无法预料。 我们认为其中一个最重要的方面，就是玩家投入的时间一定要得到回报。举个例子，假如有一个特别长的模式，比如说你打了七局，花了30多分钟，玩家在结束后最关心的还是能不能获得足够的通行证点，还有竞技点数等回报。这些都应该和他们投入的时间成正比，才能体现出时间的价值。 对我们来说，这是非常关键的。不能让玩家觉得自己花了这么久的时间，结果没得到相应的回报，那他们就可能会觉得不如去玩快速模式了。所以我们的系统也特别注重设计，确保能合理地反映玩家投入的时间。 - 有些让英雄发生质变的天赋非常惊艳，能不能分享一下在试玩中没有或者说被砍掉英雄的这类天赋? 其实这样的例子挺多的，比如说有一个士兵76的例子，它有一个能力升级是双重螺旋飞弹，本来是先发出一道，接着第二道会紧跟着发射。第二道有点像追踪导弹，可以锁定敌人，而且伤害大概是第一道的一半。 之前有个版本是第一道自动瞄准，而且伤害特别高，这样的出装和加点搭配，可能因为某些 bug 导致它变得有点过于强大。后来我们也做了回调调整。 还有一个例子，升级后奥莉莎会变得特别大，像是怪兽片里的大怪兽那么巨大，结果她连门都过不去了。这带来了很多问题，不仅仅是设计上的问题，也包括美术方面，甚至在工程上也出现了不少麻烦。最后，这个设计只能被废弃掉。挺遗憾的，原本没有录一些幕后花絮，要是当时有录下来，大家就能看看这些有趣的过程了。 - 开发过程中，是否有遇到过关于设计理念的分歧？团队是如何解决的？ 这是一个很好的问题。如果我们有一群如此才华横溢且如此投入的设计师一同合作，显然，我们在理念上会有一些分歧。因为每个人都有非常强烈的见解或者是自己对游戏规划的独特愿景。每个人可能在某些方面都有非常合理且有创意的想法。 不过，最终我们还是要为共同的游戏目标服务。我们希望能建立一个共同的基础和共性，这样才能做出一个完善的游戏模式。毕竟，我们都是非常职业的团队，大家已经合作了这么久，因此要克服这些分歧，最终达成一致，实际上并不是特别难。 不过在早期阶段，确实会有一些关键问题上出现分歧。比如说，我们到底是希望这个游戏模式更偏向竞技性，还是更倾向于轻松、休闲、混乱、充满乐趣的方向？一开始，关于这个问题的分歧就非常大。 我一直认为，没有任何想法是不好或者不对的。在讨论过程中，关键并不在于我们最终选择做什么，而是在于我们应该什么时候去做。因为实现任何一个想法都需要大量的资源和时间。如果我们有了一个好点子，关键是要投入足够的资源和时间，去将其打磨到最好，最终呈现出最佳效果。 所以，我们的分歧并不在于究竟做哪一个想法，而是在于哪些要尽快去做，哪些则可以等到游戏发布后再去实现。现在我们有很多想法，差不多是一篮子想法，未来都想去实现。现在我们只需要专注于那些已经讨论过并且决定先实现的想法，先做好这些。至于后续的计划和想法，很多其实都是源自于我们在设计上的分歧，或者说设计理念上的不同，这些也为未来带来了新的可能性。我们依然可以在未来实现这些想法。 - 在设计新模式时，团队如何平衡创新与玩家熟悉的玩法之间的关系？ 其实我们最简单的方法就是通过大量的试错和反复迭代来推进。 一开始，我们并没有给自己设定太多限制，更多的是想看看自己能把英雄的能力推得有多远，究竟能尝试到多疯狂的程度，直到出现问题，迫使我们做出调整。其实很快，我们就发现了这些极限。所以，在开发的早期阶段，系统的反馈让我们意识到，某些物品或能力可能已经远离了我们对英雄的基本设定，甚至与英雄的叙事（lore）背道而驰。毕竟，英雄的叙事是我们设计的核心指导思想。 即使我们尝试为英雄做一些能力上的分支调整，比如强调某一方面的能力，但最终，无论做什么，英雄的核心特色依然不能变。换句话说，不管他做什么，玩家都要觉得“这就是他应该做的事情”。这种思路也帮助我们保持了开发的专注。 至于平衡方面，之前我也提过，我们有一些工具能帮助我们快速迭代，而且我们早就预料到，刚发布模式时肯定会需要做很多调整。当然，如果一切顺利，调整少一点更好。最重要的目标是，我们希望能为每位玩家提供一个充满乐趣的体验，即使其中可能有一些混乱或者不完美的地方，整体体验依然是有趣的。 - 新模式中是否会引入新的技术或工具，以提升玩家体验或开发效率？ 当然，从各个角度来看，我们都会有一些全新的内容加入，包括玩法方面也会有一些变化。例如，在某些地图中，可能会出现像尖刺齿这样的陷阱，或者有些地图会设置三个弹跳板，这在我们传统的地图中是没有的。这些高机动性的设施，在以前的地图里并没有这么多。除此之外，我们还会有一些新的想法，可能会在新的模式发布之后进行尝试，比如推车竞速模式，也是我们之后可能会试试的一个新模式。 所以在决斗领域的玩法上，我们会有很多独特的设计，可能之前在标准模式中不会涉及的一些炫技元素，现在也可能会加入。我们最初设计决斗领域的时候，目标就是希望它能带来更多的多样性，因此会有很多新模式进入，随着时间的推移，可能会有一些模式被替换，也会有新的地图加入进来，所以大家可以期待一下。 我们在游戏中也有很多新的手段来帮助我们及时收集详细的数据，包括数据统计。通过这些工具，我们能够更频繁且全面地收集信息，帮助我们做出游戏调整。同时，我们还建立了一个叫做“游戏数值”（game values）的工具，可以让我们方便地调整游戏中的数据和数值。这对我们调整决斗模式的平衡性至关重要，因为数值的调整直接关系到平衡性。借助这个新工具，我们可以比以前更高效地进行数值调整，这样也能更好地改善玩家的游戏体验。 此外，我们会更频繁地进行调研，了解玩家对游戏的感受，看看他们希望在新模式中看到什么，或者他们的痛点在哪里。我们之前也做过一次非常成功的封闭阿尔法测试，从中收集了大量有用的信息，希望以后能继续这样进行。 其实，我们在决策领域很早就达成了一个共识，那就是希望有更多的沟通，甚至某种程度上，过度沟通也是好的。我们希望尽可能听到玩家的声音，了解他们的需求。我们希望和玩家一起，让游戏不断成长、进步，提升他们的体验。为了加强这种体验，我们会一直保持沟通、持续听取反馈，确保游戏能做得更好。 # 采访后寄语（Kevin） 其实也没什么特别要说的，还是要感谢中国的媒体，还有所有支持我们的人，包括在2月份参与我们活动的朋友们，也包括这次能够来现场的大家。我们真的很高兴看到中国玩家对我们游戏的热情，希望以后能有更多这样的机会，也希望大家能有更好的游戏体验，未来能带来更多的乐趣。

之前我们介绍过将文本隐藏到图片中 ImageHide 。 JPGFileBinder 可以将压缩文件隐藏到图片中，这个可能有很多人用过，可以直接用 CMD 命令来完成。 不过 JPGFileBinde

【中国，上海，2025年4月22日】华为乾崑智能汽车解决方案在上海举行“以智能 创造可能”为主题的智能技术大会，正式发布华为乾崑智驾ADS 4、鸿蒙座舱HarmonySpace 5、乾崑车控XMC等全新解决方案。     **乾崑智驾ADS4正式发布 最高可支持高速L3商用** 华为乾崑智驾ADS 4，采用面向未来自动驾驶时代的世界引擎+世界行为模型架构（WEWA架构），端到端时延可降低50%，通行效率提升20%，重刹率降低30%。 目前，缺乏难例下的驾驶数据，已成为行业瓶颈。位于云端的乾崑智驾世界引擎，可利用AI生成难例扩散模型，所提供的高质量、高密度的难例场景密度是真实世界的1000倍，实现用AI训练AI。 在车端，全新发布的高精度固态激光雷达、舱内激光视觉传感器、分布式毫米波雷达等模组，可显著提升车辆感知能力。世界行为模型是业内首个智驾原生基模型，具有全模态感知能力，并可以根据不同场景调用不同的能力。     全新发布的HUAWEI XMC数字底盘引擎，行业首创全域融合架构，实现车身、电机、悬架、转向、制动等部件的中央集中控制，是当前业界集成度最高的底盘引擎。车路状态预热网络、时空智能悬架网络、全维协同控制模型等功能，可让汽车预判车辆状态和路面环境，通过对所有部件进行的一体化决策，实现整车最优控制。 乾崑智驾ADS 4与华为XMC数字底盘引擎相互协同，可带来“知行合一”的体验。   **CAS4.0多维安全能力再提升 驾驶体验再升级** 全新升级的全维防碰撞系统CAS 4.0，将以全时速、全方向、全目标、全天候、全场景五维安全为目标，持续增强主动安全能力。全新首发的高精度固态激光雷达、舱内激光视觉传感器、分布式毫米波雷达。将显著提升车辆感知能力，实现路面自适应AEB、智驾爆胎稳定控制辅助、驾驶员失能辅助、哨兵模式增强等功能。   车位到车位体验再次升级，将支持高速公路收费站ETC通行、车位到车位切换泊车代驾VPD功能。预计2025年6月，全国将有50万个停车场将支持车位到车位。 泊车代驾VPD功能将实现地下停车场跨层通行、代客充电等全新功能，预计2025年6月，全国将有10万个停车场将支持泊车代驾VPD。华为乾崑智驾将为用户免费发放单车至高600万元的“泊车无忧”权益保障。   华为乾崑智驾ADS 4共有四个版本，其中ADS Ultra旗舰版搭载高速L3专属方案。华为智能汽车解决方案CEO 靳玉志表示：“目前华为已在云端世界引擎进行了6亿公里的高速L3仿真与验证，已为高速L3量产商用做好准备。”   **鸿蒙座舱HarmonySpace 5 ：全新升级MoLA架构** 鸿蒙座舱HarmonySpace 5采用全新混合大模型Agent架构（Mixture of Large Model Agent, MoLA架构），将通用大模型的能力与音乐、影视等领域的AI能力进行整合，构建丰富的硬件、软件生态和多种空间的场景体验。     **在出行空间，语音交互更“通人性”。**鸿蒙座舱对模糊语义和复杂指令的执行能力明显提升，乘客口语化控车的成功率可达85%；乾崑云鹊垂域大模型，可支持用户语音反馈车辆问题，实现专业问诊和远程守护。 **在音乐空间，HUAWEI SOUND非凡系列正式发布，**可配置43扬声器，带来7.5.10的超环绕声学体验。借助自适应声场控制算法，全车扬声器可根据环境发出“负向”声波，起到“消音”作用。前后排音区可相互独立，互不影响；全维主动降噪效果可达6-8dBA，造就图书馆级静音环境。 **在影视空间，观影视界更精彩。**全新16.1英寸车载智慧屏，具有3K分辨率和98%P3色域。在行业首个AI画质增强引擎“山海画质”的帮助下，720P视频的感官最高可达到1440P的水平。此外，百万像素智慧车灯将升级车外彩色100英寸投影，突破空间局限。   **在主题空间，座舱从外观到内核，更“浑然一体”。**壁纸、屏保、登舱音、氛围灯联动为统一主题，彰显美学一致的精致感；应用模块协同合一，跨应用也能通过全新3D智控桌面丝滑转场。 **“乾崑伙伴”同台对话 共同呼吁安全才是真智驾** 本次发布会，广汽集团董事长、总经理冯兴亚，上汽集团总裁贾健旭，江汽集团股份公司总经理李明，奥迪中国总裁罗英瀚，东风猛士科技CEO曹东杰，岚图汽车CEO卢放，深蓝汽车CEO邓承浩，北汽新能源党委书记、董事长张国富，阿维塔科技总裁陈卓，赛力斯汽车总裁何利扬，奇瑞汽车股份有限公司总裁助理朱小冬等嘉宾应邀出席发布会，并围绕合作共赢，技术创新等议题展开同台对话。 与会嘉宾认为，智能网联汽车产业长远发展，不能背离安全这一初衷，安全才是真智驾。华为智能汽车解决方案BU CEO靳玉志、中国汽车技术研究中心有限公司党委委员、副总经理周华及其他11位嘉宾，共同发起智能辅助驾驶安全倡议，守护行业健康发展。    

<blockquote><p>在医馆养生馆的抖音推广中，一份好的视频脚本至关重要。30条精心撰写的脚本，内容多样，语言风趣，涵盖服务、专业、情感等多维度。</p> </blockquote>  ## 引言 大家好，我是言博。 上一篇推送，跟大家分享了医馆养生馆拍抖音的逻辑和文案。 大家照抄即可，当然了，如果想要更多，也可以自行用AI工具生成。 学会用AI工具，确实能提升我们工作的效率， 不过大家一定要根据自己的切实情况去做调整，切忌生搬硬套。 剩下的这15条一次放送，赶紧拿去吧！ ## 参考文案 01. 不是价格不能多打折 是水电房租不能打折 是员工工资不能打折 当然，服务品质更不能打折 02. 别人全网打卡忙 我全年无休守店王 虽然穷得叮当响 但我笑容很敞亮 03. 电话一响 别人来的是爱情 而我来的是贵人 我今天在，明天在 后天依然在 店里没发抖音的日子里 我也一直在等你的到来 04. 别人接缘分 我接贵客 今日在岗 明日待命 后天依旧守候 不发视频的日子 都在等你光临 05. 在xx市做养生x年 没有才艺，也没有颜值 只有鼓足勇气拍抖音 有缘刷到，鼓励一下好吗？ 06. 听到铃声就心跳 这次定是贵人到 本周全勤 下周继续 静候光临的日子里 已备好惊喜等你 07. 每天雷打不动干两件事 8点准时开店门 9点开始拍视频 我相信只要每天坚持 你总有一天会知道我在做养生 刷到的朋友 能鼓励一下吗 08. 做养生这行 专业是唯一入场券 用心沉淀每处细节 时间自然会为我的品质作证 09. 做生意做出了恋爱的感觉 你来了心里万分欢喜 你不来我又牵肠挂肚 要是被我知道你去了别人家 那简直比你不来还让我难受 10. 我是我的老板 也是我的员工 接待到深夜 服务到凌晨 客户的每一个好评 都是我坚持的动力 11. 不管是新客还是老客 都是我重要的心头客 不管你早来还是晚来 风里雨里我一直在等你 12. 还有不认识我的 我们重新来认识一下 我是XX，在xx开养生馆 嘴比较笨，但人很实在 点个赞，来我店 最大的优惠送给你 13. 既然做不了谁的公主 那就为自己戴上皇冠 做自己的女王 像公主一样出门 像汉子一样工作 像女神一样生活 14. 宁愿少谈一个客户 也不欺骗任何一个顾客 认可，我们就达成合作 不认可，就当交个朋友 发短视频只是告诉大家 我真的是在用心做养生 15. 这年头来个顾客不容易 每天守在店里不敢出门 有时去上个厕所 都是三步一回眸 五步一回首的 就怕错过好容易来的一次相逢 ## 最后的话 上下两篇，总计30条视频脚本已全部分享。 对于上了抖音团购，要做短视频做曝光，打门店热度和老板个人IP来说， 这样的方式最简单，高效；而且不会有限流，封号的风险。 可以帮助大家迅速打开同城门店流量； 但是，一定要记得，坚持更新！无论我们前期流量多少！ 至少坚持日更！否则三天打鱼两天晒网，很难拿到结果！ 文/言博 本文由人人都是产品经理作者【言博说】，微信公众号：【言博说】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

大就是原罪

东升西降里，斗智斗勇

人形机器人行业的发展现状。

<blockquote><p>在视频号、小红书等平台盛行的当下，微信公众号依然具有独特价值。它凭借私域黏性、内容结构化等优势，成为创作者与读者的“数字契约”载体。跨场景内容矩阵、“好友助力解锁全文”等新形式打破了“图文已死”的魔咒。</p> </blockquote>  作为产品赛道的深度观察者，我始终对微信公众号抱有敬畏之心。自2021年开通个人号「骆齐」至今，4年间我发布了几十篇文章，见证了这个平台如何塑造一代人的信息获取方式。即便在视频号日活突破8亿、小红书图文种草席卷消费市场的今天，我仍想用产品经理的视角聊聊：公众号为什么仍是不可替代的独特存在？ ## 1 被低估的护城河 2016年微信公众号推出”置顶功能”时，或许没人想到这会成为创作者与读者之间的”数字契约”。我在2023年与36氪联合发布的《创作者生态报告》中看到，头部账号的”常读用户”比例从2019年的18%攀升至43%，这个数据在知乎同期仅为7%。就像池骋在《放大》中揭示的：公众号的私域黏性正在重构内容价值评估体系。 微信团队在2023年推出的”合集2.0″功能颇具深意。当新世相将《逃离北上广》系列文章重组为可交互的专题时，单日新增付费用户突破1.2万。这验证了张小龙在2021年提出的”结构化内容”构想——公众号正在从信息流回归知识库。 ## 2 冷启动的新范式 2024年微信指数显示，”公众号+视频号”双开账号的平均阅读量是纯图文账号的2.3倍。半佛仙人在《给内容创业者的22条建议》直播中透露，他的视频号导流到公众号的转化率达到19.7%，远超其他平台。这种跨场景的内容矩阵，正在打破”图文已死”的魔咒。 更值得关注的是社交裂变的进化形态。2023年”老黄牛”公众号通过”好友助力解锁全文”功能，单篇文章在72小时内覆盖了167个三四线城市的中老年社群。这种基于微信支付券设计的传播机制，让知识付费下沉市场焕发新生。 ## 3 被重新定义的创作 当GPT-4在2024年掀起AI写作浪潮时，公众号反而成为验证原创性的试金石。我在参与微信AI团队内测时发现，自动生成的营销号内容在”星标账号”中的打开率不足人工创作的1/5。这印证了keso在《内容的手工时代》中的论断：算法永远无法复制人类的知识脉络。 传统媒体在公众号的转型更具启示意义。2024年《南方周末》将深度报道拆解为”主文章+专家圆桌+读者UGC”的三段式结构后，单篇传播周期从48小时延长至2周。这种”慢内容”的运营策略，在短视频的即时狂欢中开辟了新大陆。 ## 4 基础设施的重构 微信搜索在2024年Q2的改版颇具深意。当用户搜索”新能源汽车”时，前三条结果分别是公众号行业报告、车企服务号预约入口、创作者对比评测。这种”内容-服务-观点”的三位一体呈现，正在重塑搜索的商业价值。 付费墙的革新更值得玩味。2023年六神磊磊开通”知识库”功能后，将十年来的金庸解读文章打包成付费专辑，首月收入突破200万。这种”时间复利”的变现模式，正在颠覆传统的内容电商逻辑。 ## 结语： 当我们在2025年回望互联网内容史，会发现一个有趣现象：所有追求“更快、更短、更刺激”的平台都在加速内卷（抖音测试8秒超短剧），而坚持“更慢、更深、更系统”的公众号反而筑起护城河。 这种反差印证了克里斯坦森的“颠覆式创新”理论——主流市场追逐性能过剩时，总有一批用户需要“刚好够用”的解决方案。当朋友圈被AI生成的节日祝福刷屏，公众号里手写的《给读者的一封信》反而成了稀缺品；当短视频用3秒抓住眼球，能让人静心读30分钟的深度报道便自成壁垒。 张小龙曾说：“微信的终极理想，是让优质服务像水一样流动。”或许公众号的价值，就在于它始终是那杯需要细细品味的茶——滚水冲不开，时间偷不走。 本文由人人都是产品经理作者【产品经理骆齐】，微信公众号：【骆齐】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>在电商物流领域，仓库管理系统的上架策略至关重要，它直接影响仓库运营效率和成本。然而，许多企业在实施WMS（仓库管理系统）时，常常遇到系统推荐储位不合理的问题，导致仓库操作混乱、员工工作效率低下。本文将通过真实案例，剖析上架策略中的常见问题，并分享如何通过优化策略，让商品“自己找到家”，从而提升仓库管理的智能化和效率。</p> </blockquote>  「冷冻品推荐存常温区，冰淇淋到货秒变奶昔！」 「重货上架到顶层货架，员工化身“蜘蛛侠”玩命攀爬！」 —— 这是不是上架策略的日常迷惑行为？ 今天要扒一扒：上架策略如何用100种姿势逼疯仓库，以及如何用“空间魔法”让商品自己找到家。 ## 一、死亡案例：一场上架引发的仓库灾难 某生鲜仓曾因上架策略翻车导致： - 冰淇淋惨案：系统推荐冷冻品存常温区，到货2小时化成一地糖水，损失10万+ - 重货高空秀：50kg大米被分配到5米高货架，叉车司机怒骂“这是要练杂技？” - 爆品藏深山：销量Top 1的矿泉水藏在仓库角落，拣货员日均多跑5公里 - 效期混乱：新批次商品压旧批次上架，临期预警系统直接躺平 尸检报告： - 上架逻辑依赖“随机数生成器” - 商品属性与库位特性完全脱节 - 策略更新速度比乌龟还慢 ## 二、让商品学会“自己找家” ### 1. 动态兼容性引擎——库位和商品“自由恋爱” **目标**：让重货不上天，冻品不化水，爆品不离家**解决方案**： **1）库位DNA标签**： - 每个库位打标签：承重（≤50kg）、温区（冷藏/常温/冷冻）、高度（底层/中层/顶层） - 商品匹配规则：冻品→冷冻库位，重货→底层/自动货架，高危品→独立隔离区 **2）爆品热区绑定** - 销量Top 100商品自动锁定核心区库位（距打包台≤30米） - 热区库位动态扩容（订单量上涨10%→热区面积+20%） **3）效期智能调控** - 新批次商品必须“后进先出”，旧批次自动前置 - 按商品类型设置弹性预警（鲜奶预警7天，红酒预警365天） **案例**：某母婴仓上线动态引擎后，冰淇淋再也没化过，叉车司机卸载了腰间护具。 ### 2. 实时策略进化——让系统比市场部更懂销售 **目标**：上架策略秒级响应业务变化**解决方案**： **1）销量感知自适应** - 对接销售预测系统，爆品提前抢占黄金库位 - 滞销品自动降级至边缘区，腾出核心资源 **2）环境反馈闭环** - 员工扫码时反馈库位问题（如“此货架过高”），自动优化推荐策略 - 库位利用率实时监控，利用率&lt;60%触发策略迭代 **3）零代码策略工坊** - 运营拖拽生成规则（例：“夏季饮料→近出口+阴凉区”） - 策略模拟器：预览调整后库位分布，避免人工试错 **案例**：某饮品仓通过实时策略，旺季爆品周转率提升50%，仓库主管感叹：“系统比我还懂夏天要卖啥！” ### 3. 异常熔断机制——让反人类推荐“胎死腹中” **目标**：把奇葩推荐扼杀在摇篮里**解决方案**： **1）三级预警拦截** - L1（界面提示）：“推荐库位与商品温区冲突！” - L2（强制拦截）：“重货推荐到顶层→需主管指纹解锁” - L3（系统自愈）：“连续3次异常推荐→自动触发策略回滚” **2）库位黑名单** - 人工标记问题库位（如“货架倾斜”“老鼠出没区”） - 黑名单库位永不参与推荐，直到维修验收通过 **3）员工评分体系** - 员工可对推荐库位打分（⭐️到⭐️⭐️⭐️⭐️⭐️） - 低分策略自动进入观察名单，评分持续垫底则淘汰 **案例**：某服饰仓上线熔断机制后，反人类推荐减少90%，员工终于不用边骂边搬货。 本文由人人都是产品经理作者【双栖产品手记】，微信公众号：【双栖产品手记】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

清华和上交的最新论文中，上演了一场“学术打假”的戏码。文中研究者们对当前“纯 RL 有利于提升模型推理能力”的主流观点提出了相反的意见。 通过一系列实验，他们证明引入强化学习的模型在某些任务中的表现，竟然不如未使用强化学习的模型。 论文批判性地探讨了 RLVR 在提升 LLM 推理能力方面的作用，尤其是在赋予模型超越自身原有能力方面，效果可能并非像人们普遍认为的那样“无懈可击”。  消息一出，网友们纷纷下场站队。 有人认为这篇文章抓住了 RL 自身的漏洞，虽然提高了采样效率，但它似乎在推理方面存在不足，未来我们需要新的方法来释放 LLM 的全部潜力。  也有人表示，或许强化学习实际上限制了模型开发新推理行为的能力。真正的推理增强可能需要蒸馏等方法。  质疑声之外，RL 的追随者也在为“信仰”发声：这种说法是错的，验证远比生成简单的多。  也有网友表示，这更像是奖励结构的缺陷，而非 RLVR 本身的问题。如果用二元奖励结构，出现这种情况可以理解。但我们可以调整奖励结构来缓解这个问题，甚至还能激励更好的推理。  ## 强化学习：擅长加速，不擅长开路 实验中，研究人员在三个具有代表性的领域进行了实验，来评估 RLVR 对基础模型和 RLVR 模型的推理能力边界的影响。 在数学任务实验中，研究团队在 GSM8K、MATH500 和 AIME24 等基准上评估了多个大语言模型系列（如 Qwen-2.5 和 LLaMA-3.1）及其经过 RL 训练的变体。他们通过分析 pass@k 曲线，比较了基础模型与 RL 模型的表现，发现虽然 RL 在低 k 值下提升了模型的准确性，但在高 k 情况下却显著降低了问题的覆盖范围。 此外，研究者还手动审查了模型生成的 CoT（Chain of Thought）推理过程，以确认正确答案是推理得出而非纯属运气。最后，他们还研究了采用 Oat-Zero 方法训练的模型，并对数据集进行了过滤，剔除容易猜测的问题，从而聚焦于更具挑战性的样本。 整体结果显示，尽管 RL 能在初始准确率上带来提升，基础模型在推理覆盖率方面仍表现更为稳健。  在编码任务实验中，研究团队在 LiveCodeBench、HumanEval+ 和 MBPP+ 等基准上评估了源自 Qwen2.5-7B-Instruct-1M 的 RLVR 训练模型 CodeR1-Zero-Qwen2.5-7B。他们通过 pass@k 指标来衡量性能，并根据预定义的测试用例评估模型的正确性。 结果显示，RLVR 提升了单样本 pass@1 的分数，但在较高采样数（k = 128）时，模型的覆盖率有所下降。与此相比，原始模型在较大 k 值下表现出了持续改进的潜力，而 RLVR 的性能则趋于平稳。这表明，尽管 RLVR 提高了模型的确定性准确性，但在探索多样性方面存在一定的限制。  在视觉推理实验中，研究团队在过滤后的视觉推理基准（MathVista 和 MathVision）上评估了 Qwen-2.5-VL-7B，删除了多项选择题，聚焦于稳健的问题解决能力。RLVR 在视觉推理任务中的表现提升与数学和编码基准中的改进相一致，表明原始模型已能够解决广泛的问题，即便是在多模态任务中也同样如此。 跨领域的一致性表明，RLVR 提升了模型的推理能力，同时并未从根本上改变模型的问题解决策略。  ## 推理能力的边界 使用单次通过的成功率或平均核采样衡量模型推理能力边界的传统指标存在重要缺陷。如果模型在少数几次尝试后未能解决难题，但却本可以通过更多次的采样获得成功，此时其真实推理潜力可能会被低估。 如果为基础模型投入大量采样资源，它的性能能否与经过强化学习训练的模型相匹配？ 为精准评估大语言模型的推理能力边界，研究团队将代码生成领域常用的pass@k指标拓展至所有可验证奖励的任务。针对一个问题，从模型中采样k个输出，若至少一个样本通过验证，该问题的pass@k 值为1，否则为0。数据集上的平均 pass@k 值反映了模型在 k 次试验内可解决的数据集问题比例，能严格评估 LLM 的推理能力覆盖范围。 直接按问题采样k个输出计算pass@k可能导致高方差。他们采用无偏估计法，对评估数据集D中的每个问题生成 n 个样本（n ≥ k），统计正确样本数。对于使用编译器和预定义单元测试用例作为验证器的编码任务，pass@k 值能准确反映模型是否能解决问题。 然而，随着 k 增大，数学问题中“黑客”行为可能凸显，即模型可能生成错误的推理过程，却在多次采样中偶然得出正确答案，这一情况常被以往指标忽视。为此，他们筛选出易被“黑客”攻克的问题，并手动检查部分模型输出的 CoT 正确性。结合这些措施，他们严格评估了 LLM 的推理能力极限。 ## 当强化学习不再“强化” 清华与上交的这篇论文，为当前业界广泛推崇的强化学习范式敲响了警钟。让我们不得不重新思考强化学习在大模型训练流程中的真正角色。 我们也不能将模型的“能力”与“效率”混为一谈。能力，指的是模型是否拥有解决某类问题的潜质与逻辑链条；效率，则是在给定的能力范围内，模型能以多快、多稳、多省资源的方式得出答案。 强化学习或许确实能够提升模型在已有能力基础上的输出表现（比如在低采样次数下更快给出正确答案），但这并不代表它为模型带来了新的推理路径或更复杂问题的解决能力。相反，在高采样场景中，RL 带来的“收敛性”可能牺牲了答案的多样性，从而错失了解决更多难题的机会。 雷峰网认为，强化学习更像是一种能力调控器，而非能力创造器。它可以让模型更擅长做已经能做的事，但难以让模型做出“原本不会的事”。正因如此，若将 RL 简单视为提升模型通用智能的万能钥匙，未免过于乐观。接下来的技术路线，可能需要更多关注基础模型在表示能力、知识组织与推理路径构建等方面的设计，而非过度依赖下游的策略微调。 总的来说，这项研究的意义不在于“RL 无用”的结论，而在于它揭示了在过热预期背后，强化学习真正适用的边界。这或许会促使研究者和企业在制定大模型优化方案时，回归问题本质，用更清晰的标准衡量“能力的提升”究竟意味着什么。 参考链接： https://arxiv.org/pdf/2504.13837 https://x.com/iScienceLuvr/status/1914171319970848942 https://limit-of-rlvr.github.io/

<blockquote><p>本文讲述了京东在与美团的商战中发动的六次关键攻击。从为骑手缴纳社保、利用成本优势到借315晚会推出品控措施，京东在多个层面给美团造成压力。</p> </blockquote>  早上去健身时，发现了一个有趣的变化。 门口那群外卖小哥着装竟然换了，以前清一色的黄色工服，今天却齐刷刷变成了红色，这让我忍不住多看了几眼。 练完后饿得不行，去吃了口凉皮，刚坐下，端起筷子，就听到老板手机里传来外卖APP的提示音：您有新的订单了。 我一边嗦着凉皮，一边留意下订单情况，十个订单里居然有八个是京东的，看来京东已经挖走不少美团的骑手，这直接打到了美团的痛处。 其实，这场商战中，京东已经对美团发动了六次致命攻击，几乎每一击都扎到腰子上。**那么，这六脚到底是什么？** ## 01 京东第一招是“社保核打击”，直接戳中美团商业模式的软肋。**这一招可以说是“制度性降维打击”，杀伤力主要体现在不对称竞争上。** 2025年2月19日，京东宣布给全职外卖骑手缴纳五险一金，这包括基础工资、绩效奖金和各种补贴，覆盖了达达集团超过120万骑手。不仅如此，兼职骑手也被纳入意外险和医疗险体系。 这一举动一下子占领了道德制高点。京东用“为兄弟交社保”这样的情感化表达，把社会责任的标杆牢牢立在了舆论场上。 再看看美团，745万注册骑手中，只有3.5%签订了正式劳动合同。长期以来，骑手们一直处于“无社保裸奔”的状态。这种行业潜规则被京东一举撕开，直接暴露在公众视野中。 **第二招，京东利用强大的成本结构优势，扩大战果。** 京东有自建物流体系和1900亿现金储备，能轻松承担每位骑手每月约2646元的社保支出（按北京骑手月均收入9800元算）。 但对美团来说，如果要给80万全职骑手缴纳五险一金，每年的成本将超过200亿元，这相当于美团2024年净利润的68%。 这种“京东烧得起，美团跟不起”的财务杠杆，逼得美团仓促跟进社保政策。 但为了控制成本，美团不得不引入“稳定兼职骑手”这样的模糊标准，试图平衡舆论压力和运营需求；结果，美团陷入了既要堵住舆论缺口，又不敢放弃众包模式的战略困境。 **这两招下来，京东占据了舆论高地，还引发了外卖骑手的大规模流动，形成了“高福利、高留存、高服务品质”的良性循环。**而美团那边，骑手群里甚至流传着“跳槽指南”。 显然，京东想通过社会责任重构了商业规则，让美团在“道德谴责”和“财务失血”的双重压力下进退两难。 就像刘强东说的：靠克扣五险一金赚钱是耻辱。这句话不仅是对美团商业模式的公开批评，也为后续的攻势埋下了伏笔。靠着这连环杀招，京东在骑手和商家两端实现了资源的全面收割。 ## 02 **京东第三脚，借势315晚会，把危机变成了优势。这一招堪称“舆论杠杆”的经典操作。** 具体他们是怎么做的呢？ 315晚会后，央视曝光了外卖行业的一些乱象，比如：黑心外卖”问题，引发了公众对食品安全的强烈担忧。京东当晚就顺势推出了“百倍赔付”政策，并宣布对外卖商家实施“源头验厂+智能质检+全民监督”三重品控措施。 这一下子，把大家对食品安全的恐慌，直接转化成了对京东的信任。京东外卖刚上线第一个月，食品安全、品质明显高于行业，所以，直接证明了自己是品质外卖，这很合理。 然后，大概半个月后，京东又趁热打铁，把315事件说成是“平台纵容的必然恶果”，还列出了美团的“五宗罪”。 **其中最狠的一条，直接指出美团“放任40%的幽灵餐厅存在，危及消费者健康”。** 不仅如此，还用数据说话，说美团外卖的事故率是快递行业的三倍以上；这些话一出，大众自然会觉得美团是个“黑心平台”。 紧接着，我看到的是，京东搞了个“品质商家联盟”，拉拢了20万实体餐饮品牌入驻，承诺“零佣金+流量扶持”；而这些商家，刚好受不了美团的高抽成，于是纷纷倒向京东。这一下子，美团就被动了。 **所以，我认为在于，这波暗线杠杆是通过“食品安全危机—平台道德缺陷—消费者用脚投票”这条线，让美团陷入两难。** 美团要是跟着京东加大品控投入，每年要多花50亿；要是不投入，就面临用户流失。 更关键的是，京东用“幽灵餐厅曝光率、骑手事故率”这些新指标，重新定义了行业的评价体系；以前美团引以为傲的“配送时效”“市场份额”等优势，现在反而成了被指责的“原罪证据”。 用对手护城河埋葬对手的战术简直是商战中的核武器。 **第四脚，我觉得不能怪京东，而是美团自己给了对方可乘之机。为什么呢？** 先说说第四脚是什么，这件事要从李斌和刘强东的一顿饭说起。我觉得，这顿饭的本质可能是李斌顺带宣传车、卖车给东哥。 结果，4月9号，李斌发了条微博，说要做“给家人吃的外卖”。这句话看似平常，但实际上进一步强化了京东外卖在消费者心中的品质形象。 **没想到，美团接招了，而且接得不是时候。** 4月12日，美团CEO王莆中突然在社交媒体上炮轰京东外卖。他先是说，阿里、滴滴等企业都曾尝试过外卖业务但最终失败，暗示京东可能也会重蹈覆辙。 接着，他又贬低京东的仓配体系，说这是“大而无当”的东西；他还炫耀美团非餐饮品类的日订单量已达1800万单，暗示这给京东带来了巨大压力。最后，他预告美团即将发布即时零售品牌，暗示京东的举动是“狗急跳墙”。 **可京东刘强东直接用“社会价值论”进行了反击，他怎么做的呢？** 同一天，刘强东通过内部对话截图流出，其实，这本身就是一种公关策略；他要求团队“加入小哥应急小组帮扶骑手”“参与出口受阻企业采购”，强调“不打口仗，要创造社会价值”。 他又做了一波对比；这次还是京东为骑手缴纳五险一金，与美团外包模式直接形成了社会责任的差距。外加上，蔚来CEO李斌等企业家公开声援京东、骑手们晒出社保记录，形成了强大的基层舆论攻势。 所以，这一轮，我认为是京东用社会责任感打了美团的脸。你想想看，人家正忙着搞百亿补贴，提升用户体验，你却出来回应，这不是明摆着给别人做嫁衣吗？ ## 03 **第五脚，京东宣布利润永远不能超过5%。这个很讨巧。** 讨巧在哪呢？ 刘强东在一段内部讲话视频里明确表态，京东外卖的净利润永远不能超过5%，超过了，他要处分相关责任人。 他还提到了一个叫“三毛五”的理论，说得很直白：京东外卖每赚100块钱，只能留下5块钱作为利润，剩下的95块钱要用来支付各种成本，比如：骑手的工资、福利，还有给商家和消费者的让利。 乍一听，这是在限制自己的赚钱能力，但仔细一琢磨，这里面的门道可不少。 先说说外卖行业的现状。现在外卖平台佣金问题老生常谈。加上广告费，抽佣比例高达25%到30%，听起来好像利润很可观。 但实际上呢？摩根大通的一份报告说得明明白白：2024年全球九大外卖平台的平均净利润率只有2.2%，即使是利润率最高的Uber Eats，也不过3.3%。 再看看美团，2024年的净利润率大约是3%，而2023年更是低到只有1.1%。至于饿了么，创业17年了，到现在还在亏损，盈利遥遥无期。 相比之下，京东外卖设定5%的净利润上限，这个数字乍一看挺高，实际上却是在压缩自己的利润空间，逼着自己优化成本结构。**更重要的是，这背后藏着更深的战略意图。** 再说说京东自己的情况。 2024年11月，京东公布的Q3财报显示，京东集团整体利润率是4.6%。如果外卖业务能达到5%的净利润率，那可比京东电商零售业务的整体利润率还要高。这意味着什么？ 表面上看，京东通过设定5%的净利润上限，在舆论场上一下子占据了道德制高点。毕竟，“不让利润过高”这种说法，听起来就很“为消费者着想”，很容易赢得公众好感。 但实际上，他们想通过低利润运营策略，冲击美团等竞争对手的商业模式。要知道，美团核心盈利模式是靠高抽成维持运转。 如果京东用低利润，吸引商家和消费者，美团就不得不跟着调整，甚至可能陷入“降利润—亏钱—难以为继”的恶性循环。 所以，这一招的巧妙之处在于：表面是自我约束，实则是对对手商业模式的精准打击。 ## 04 当然，故事到这里还没完，**第六脚**更有意思。 京东发布了一封《致全体外卖骑手兄弟们的公开信》，里面的内容耐人寻味。 信里提到，有竞争对手平台又开始玩“二选一”的游戏，强迫骑手们不能接京东平台的秒送订单。如果违反了，就会被封杀。 要知道，以前骑手们可以在三大平台之间自由接单，这样才能保证自己的收入。但因为个别平台搞“二选一”，大家的收入大概会降低16%到25%左右。对于靠跑单养家糊口的骑手来说，这可不是小事。 京东在信里对骑手们的遭遇表示了同情，同时，也毫不客气地谴责了这种违法违规的行为。接着，在信里还提出了四点措施： 一，保证单量，二，加大全职骑手的招聘力度；三，为骑手的家属安排工作；四，绝不强迫骑手们“二选一”。 表面上看，措施是为了帮助骑手解决问题，但实际上呢？背后的意思只有一个：送餐速度有点跟不上了，要招更多的人。但直接招人又不好招，前面的招式已经用得差不多了，怎么办？ 答案是：从根本上入手。通过关心骑手、共情满足他们的工作需求，巧妙地解决了招人的问题，同时还向竞争对手发出了警告。 嗯，这办法真香。所以，复盘猛踹的六脚，战术解码一下，京东都用了什么公关策略？ 第一脚，社保阳谋；第二脚，成本绞杀；第三脚，315道德劫持；第四脚，CEO嘴炮陷阱；第五脚，利润锁喉战；第六脚，二选一反杀局。 写到这里，我想起一句话：不要和雷军比营销，雷军最擅长用无中生有、偷换概念。京东第六脚何尝不是？只不过，他们还加入了共情。 不过，美团居然接招了。 美团的回复是：他强由他强，清风拂山岗；他横任他横，明月照大江；听起来很有禅意，但留言区置顶的第一条评论却调侃道：他东任他东，不过两分钟。相信京东是不会轻易放过对方的。 那么，第七脚会踢到哪里呢？目前来看，东哥亲自去送外卖了。这背后，京东外卖最想做的，恐怕是占据消费者心智。你想，在一个存量市场里，想要分一杯羹，可真是有一点机会也不能放过。 美团，要不也重新在消费者心智上占据高地，来个锁喉策略？比如，搞一波大额补贴？ 毕竟，就像一位朋友说的： 这场外卖战争，资本的较量只是初级阶段，真正看不见硝烟的，是意识形态的斗争。 文：王智远 本文由人人都是产品经理作者【王智远】，微信公众号：【王智远】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

特斯拉首席执行官马斯克表示，他下月起将大幅缩减在政府效率部（DOGE）的工作时间，将更多精力投入到特斯拉的经营上。这缓解了投资者对于他分心政府事务的担忧。马斯克周二表示，自下月起，他将把更多的时间投入特斯拉，并表示他在DOGE的工作已经大体完成。特斯拉股价在盘后交易中应声大涨约5%。 [](https://n.sinaimg.cn/finance/transform/128/w550h378/20250417/7c63-3434d66233a9562cd648fdcabe848374.jpg) 随着特斯拉销售大幅下降、并且特朗普的关税措施推动成本上升，投资者和分析师们日益敦促马斯克将精力重新聚焦到公司经营。过去几个月，马斯克参与政府事务引发消费者的强烈反感。 特斯拉公布第一季度调整后每股收益27美分，低于分析师的平均预估，该公司还放弃了早先对2025年销售将恢复增长的预测。 华尔街对马斯克的政治活动感到不满，认为这些活动疏远了核心客户，严重损害了特斯拉的品牌形象。今年以来，由于特斯拉股价下跌，马斯克的个人财富缩水超过1300亿美元。 Deepwater Asset Management管理合伙人Gene Munster表示，马斯克显而易见应该结束在DOGE的工作，“这是修复品牌形象的关键一步”。 不过，马斯克表示，他不会辞去政府效率部的工作，在特朗普的任期内仍会一定程度参与政府工作。他即将达到作为政府特别雇员一年130天的工作时间上限。 特斯拉表示，目前正在“进行审慎的投资”，为汽车业务的未来增长打下基础。未来表现将取决于包括产量增长和“更广泛的宏观经济环境”等因素。 马斯克在电话会议上强调，他一直在推动降低关税，关税决定“完全取决于总统本人”。特朗普政府的关税措施已经引发了通胀上升的忧虑。 关税措施也加剧了特斯拉所面临的挑战，并可能扰乱全球汽车供应链，推高行业成本。尽管由于特斯拉在加州和德州拥有大型工厂，该公司预计比多数汽车制造商受到的影响要小，但其车辆仍含有部分非美国产零部件，公司也已就潜在影响发出预警。 马斯克在电话会议中表示，特斯拉正在推进供应链本地化，以缓解物流压力、降低成本上升风险。 马斯克正将特斯拉的未来日益押注于自动驾驶（如无人出租车）和机器人业务（包括人形机器人Optimus）。 特斯拉表示，随着持续推动制造和运营降本创新，预计在硬件相关盈利的基础上，来自人工智能、软件和车队运营的盈利将加速增长。 特斯拉还表示，包括更经济的车型在内的新款汽车仍计划在今年上半年投入生产。公司在为更新版Model Y更换生产线期间，已经利用停工期为新车型投产做好了准备。 马斯克称，计划6月在奥斯汀启动的无人出租车服务初期将投放10至20辆汽车，随后逐步扩大规模。 [查看评论](https://m.cnbeta.com.tw/comment/1494758.htm)

<blockquote><p>本文通过案例详细讲解数据指标体系建设与应用。以某耐用设备企业售后部门为例，阐述梳理业务流程、明确结果指标、设计分类维度、增加过程指标四步法。</p> </blockquote>  提到数据指标体系，很多人会脱口而出AARRR或者GMV=UV*转化率*客单价。可实际工作场景很复杂，如果是非销售流程，这两套就不管用了，那更常用的指标体系梳理方法是什么呢？今天结合一个具体例子分享一下。 案例场景： 某耐用设备企业，售后部门负责回答客户咨询/新品安装/保修3年/3年内主动保养产品/过保修期收费维修等多种服务，还会在服务过程中开展二次销售。售后部门报表原先长这样（如下图）:  大家一致认为，这个表数据看似很多，但是太乱了，看不出来个所以然，需要重新梳理指标体系。可是交给数据部门以后，分析师小明同学看得头都大了: 这一堆东西到底是啥跟啥呀！想拆解收入=客户数*客单价，可售后很多服务是不收费的，想拆解AARRR，可客户没有所谓活跃留存，都是一单一单处理需求。到底这个指标该咋梳理？？！！ ## 梳理业务流程 之所以这位同学会感觉混乱，是因为他被“售后”俩字蒙蔽了眼睛。虽然表面上都归售后部门管，但负责人不同、处理流程不同、收入/费用产生方式不同，因此实际上有好几种分支业务。梳理指标体系第一步，就是理清业务流程，区分清楚不同目标的业务。 第一，解答客户咨询是总部直接管的，上门安装、维修、保养等都是各地网点支持的；解答客户咨询不产生收入，只支付客服人员工资即可。而上门所有工作，除了人工，还有可能产生配件/物料成本，甚至有可能有收入，因此要分开。 第二，安装新设备和主动保养，是售后主动发起的动作。安装是一定要做的，主动保养客户则不一定接受（甚至可能联系不上），所以应该区分两个流程。 第三，客户发起的保养、修理需求，需要单独分类。 第四，在咨询、保养、保修、维修中，都有可能产生二次销售机会，但是又不是100%会有，因此应单独统计在各流程中产生的二次销售线索，之后再看二次销售线索跟进完成情况。 因此梳理业务流程后，主要业务流程如下，基于这个更细化和清晰的流程，可以开始确定指标。  ## 明确结果指标 梳理清楚流程后，下一步是确定结果指标。结果指标一般有三类： 1、衡量流程的收入、成本指标 2、衡量流程完成数量（一般看最后一步是啥） 3、衡量流程完成质量（根据流程性质来定） 在第一步梳理中，我们已经清晰了收入、成本指标。这一步重点确认流程的数量与质量。 在本例中，有四类流程，其中： 1、二次销售结果指标最好定。它就是一个销售流程，可以直接把结果指标定为：销售成交商品数，销售线索的转化效率。 2、客户咨询仅仅是回答问题，能完成任务即可。因此可以看接听咨询数量，如果想进一步考核服务质量，可以看客户满意度评分或15秒/30秒接听率。 3、主动作业+保修，均不产生收入，都是基础服务，因此可以看完成工单数量，如果想进一步考核服务质量，可以看客户满意度评分或平均完成时间（越短越好）。 4、维修类会产生收入，但可能有些用户不接受，选择自行修理/找别人修理，因此可以做个二段式考察，第一段考察客户来电后是否及时答复，另一段记录是否能促成用户付费。  当然，这些指标并不是教科书要求，理论上只要有指标反映数量和质量即可，具体的定义可以根据实际情况做增减。比如只考核平均服务时间，可能导致某些用户等待太久，引发投诉。那么就可以增加一个指标：等待超过24小时工单数。这样及时发现及控制问题。 结果指标一般是业务的KPI指标，因此需要与业务确认清楚，明确了以后再推进下一步。 ## 设计分类维度 定好了结果指标，可以开始设计分类维度。一个懒省事的设计办法，就是直接按组织架构设计维度，这就有了开头报表中“话务一组、话务二组，A城市服务1组，服务2组”这种维度。 这样的设计，在考核绩效的时候是很清晰的，但是在做分析的时候却没啥用。因为小组名字并不是影响业务的关键。想让指标体系具有一定的分析能力，就得设计一些能解释问题的维度。 比如咨询产品使用情况，可能在新产品推出、老产品升级的时候最多，因此需要增加一个产品维度。产品维度和咨询量指标结合，就能看出新品关注度与常见问题。  比如安装任务，和产品销量有很大关系，并且安装需要分地区执行，因此需要增加城市维度，并且配合当地新品销量数量指标使用（不需要销售金额，安装以设备台数算工作量）。 比如旧品保修，和当地旧品保有量+达到一定年份的旧品数量有关。因此需要设计一个旧品使用年限维度，结合旧品数量，来观察保修/维修需求变化。  这样设计分类维度，不仅给出了具体维度，而且给出了分类维度结合哪些指标，可以读出业务含义。这么做能极大提高分析效率。 文章开头“流水账”式报表，就没有做清晰的区分，一股脑把所有维度和所有指标交叉结果丢出来，除了提供大量冗余数据搞得人头昏脑胀以外，没啥作用。设计维度要考虑和哪些指标交叉使用，是个重要的设计原则。 ## 增加过程指标 清晰了结果指标与分类维度后，可以适当增加过程指标。之所以最后梳理过程指标，是为了帮助看报表和做报表的人清晰重点，避免一上来就铺了一地各种指标，陷在数据细节里无法自拔。并且过程指标不见得都有数据记录，因此要先做结果指标，再看过程细节。 梳理过程指标的时候，可以沿着业务流程，把每一个结果指标产生过程展示出来，比如： 主动保养，分为：联系客户→确认时间→上门服务→服务完成四步 二次销售，分为：线索跟进→确认需求→收费→配套安装四步 保修，分为：接受需求→确认资格→上门检查→配件调拨→完成服务五步 诸如此类，沿着流程逐一梳理，就能得到过程指标。 注意！在销售/获客场景中，每多一步都会流失一些用户，因此转化过程形似漏斗。但是在售后场景则不同，保养、保修等过程，客户提了需求一般都会完成，过程流失不是考察重点，此时考察的重点是过程消耗的时间，尽可能减少时间消耗，减少客户等待才是重点。在梳理指标体系的时候，需要清晰标注前后过程指标的关系，便于他人理解和使用。  在梳理过程指标的时候，有可能有些步骤缺少数字化工具，没法采集到数据，这时候就只能先空着，等有工具采集数据再说，过程指标有可能得逐步丰富。 ## 小结 梳理指标体系，包括四步： **1、梳理业务流程** **2、明确结果指标** **3、设计分类维度** **4、增加过程指标** 梳理指标体系的过程，本质是站在数据角度理解业务，用数据描述业务的过程，因此要紧密练习业务实际，才可以做出适合工作的指标体系。 本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

自主决策能力是 Agent 受到重视，并被称为 AI 时代“新基建”原因。从这个角度看，Workflow 似乎做不出真正的通用 Agent。 而要谈真正具备决策能力和自我意识的 Agent，其实要从 AlphaGo 的问世说起。这是 AI 首次展示出非模板化、非规则驱动的智能行为。而 AlphaGo 也靠着深度神经网络与 RL，进行自我对弈与自我优化，最终击败人类顶级棋手，敲响了 Agent 时代的第一声锣。  从某种程度上说，Devin 可以算是通用 Agent 的滥觞。它首次把 AI 的编码能力、任务执行与反馈机制整合成一个完整的闭环，为后续产品提供了清晰的范例。 后来，Manus 延续了 Devin 的工作流思路，并提出 “More Intelligence” 的理念，不再满足于简单地串联工具，而是试图通过任务拆解、自我反思、模型调度等方式，让 Agent 具备更强的理解力和适应能力。而 Genspark 则走了一条更加模块化的路线，把每个任务步骤都变成一个可组合的部分，让开发者可以像拼乐高一样，快速搭建出属于自己的 Agent 系统。 但在当前主流关于“如何构建 Agent”的技术路径中，有两个被广泛认可的共识：一是拥有基础模型是构建 Agent 的起点，二是 RL 是赋予 Agent 连贯行为和目标感的“灵魂”。它决定了 Agent 如何理解环境反馈、进行长期规划，并作为连接 Perception 与行动 Action 的关键桥梁。 反观 Manus，由于缺乏底层模型能力和算法能力的支撑，它的系统结构相对开放，十分容易被模仿，甚至有团队在三天内就实现了复制，也因此被一些批评者视为“套壳”。不过从 AI 科技评论的角度看，这种批评也有失公允，毕竟 Manus 在产品设计和任务编排上依然有不少可圈可点的创新。 但“Agent 不能仅靠 Workflow 搭建”的看法，已经逐渐成为业内的共识。正是在这样的主流认知下，那些始终坚持深耕强化学习的团队，反而在新一轮技术演进中走到了更前沿的位置。 ## 没有 RL 的 Agent，只是在演戏 Pokee AI 创始人、前 Meta AI应用强化学习团队负责人朱哲清，就是一位对 RL 始终坚定信仰的“长期主义者”。 朱哲清曾向 AI 科技评论表示，RL 的核心优势在于目标驱动，它不是简单地响应输入，而是围绕一个清晰目标，进行策略规划和任务执行。而一旦缺少了 RL 的参与，Agent 就容易陷入“走一步看一步”的模式，缺乏内在驱动力，最终难以真正胜任复杂任务的完成。 他认为真正的 Agent 的核心在于其执行能力与影响力。如果一个系统只是单纯地生成内容或文件，那它更像是一个普通的工具，而非真正的 Agent。而当它能够对环境产生不可逆的影响时，它才具备了真正的执行性。总的来说，只有与环境发生深度交互，且产生的影响不可逆，才能称之为真正的 Agent。  他表示带有 Workflow 的产品，实际上是  发展的初期形态。虽然它有明确的目标和流程，但仍需要人为干预，这样的系统仍处于早期阶段。真正的 Agent 不仅仅是按照预设的工具来操作，而是能够根据给定目标，自主选择和使用工具完成任务。 在他的认知中，Agent 的发展可以分为多个阶段。早期的例子，比如 Zapier 的工作流系统，更多是模拟人的决策行为，但并非真正智能的 AI Agent。之后又有了 像 LangChain 这种类拖拽流的可组合型的任务执行模式，逐步向系统化过渡。到了现在，用 Claude 去做 MCP 的时候虽然工具的调用和规划能力都比较有限，但已经开始向更高水平的 Agent 演进。 而下一阶段的 Agent，将不再需要用户或开发者了解具体的工具或技术细节。用户只需简单提出任务要求，Agent 就能够根据目标自动选择工具，并规划解决路径。此时，整个过程的自主性与智能性将达到前所未有的水平，Agent 也将真正实现从工具到智能体的转变。 他坦言，RL 算法确实存在诸多挑战。比如线下训练时，使用的数据集与真实世界往往存在巨大差异，导致模型一旦从线下迁移到线上，就可能“水土不服”，再比如操作动作空间过大时，RL 系统很难稳定泛化，效率与稳定性之间的平衡始终是个难题。 但即便如此，朱哲清仍然坚持自己的判断：无论是 o1 还是 Rule-based reward model等模型范式的出现，RL 始终是站在技术舞台上的“隐形主角”。虽然它未必是 AGI 的唯一通路，但在迈向真正 “Superhuman Intelligence” 的过程中，RL 是一个无法绕开的技术节点。 在他看来，相比那些过于模糊、甚至略显理想化的 AGI 概念，能够超越人类在某些任务上的智能体，才是一个更实际、可度量的目标。RL，就是驱动这一目标落地的关键引擎。  ## 没有 RL 的 Agent，也能往前走 然而，凡事都有两面。有人坚信 RL 是 Agent 的核心驱动力，也有人对这个观点提出质疑。 香港科技大学（广州）博士生，DeepWisdom 研究员张佳钇就属于对 RL 持保留态度的那一派。他追求跨环境的智能体，在与 AI 科技评论对话时表示： DeepWisdom研究员张佳钇认为，现有RL技术虽能在特定环境中提升Agent能力，但这本质上是“任务特化”而非真正的智能泛化。在实现跨环境数据的有效统一表征之前，RL面临的跨环境学习困境难以突破。 他认为利用 RL 对语言模型进行环境内优化本身没有问题，但问题在于，目前很多研究使用的仍是能力较弱的基础模型（base model），即便训练到“最优”，也只是对单一环境的适配，缺乏跨环境的泛化能力。在他看来，“使用 RL 训出一个适应某个环境的 Agent 已经很近，但距离训出通用跨环境的 Agent 还有很长的一段路要走。” 同时他也并不完全认同“没有 RL 就没有 Agent”这一观点。他表示业界对 RL 的“过度崇拜”掩盖了一个关键事实：OpenAI Deep Research 的成功更多依赖于其强大的基础模型 o3 早期版本提供的先验知识，而非只有 RL 本身。 虽然近期的学术研究表明RL确实能提升较弱基础模型的能力，但提升幅度有限，这也正是学术界和初创公司面临的核心挑战——如何在缺乏顶级基础模型的情况下，通过建立持续有效的 RL 数据收集流程来缩小与巨头的差距。  不过，张佳钇也并不全盘否定 RL。他表示 RL 的局限性更多是技术阶段的产物，且目前尚未出现一个能够有效解决泛化问题的算法。因此，RL 的问题不完全是方法论本身，而是当前技术仍处于早期阶段。 除此之外，他还向 AI 科技评论表示，更期待能够看到一个跨环境泛化的模型（比如 UI-TARS-1.5） —— 在任何环境下都能执行不同任务，而不是针对某个环境进行“定制化适配”。在他看来，这样的模型可能在未来出现。一旦实现，“Agent 就只需要在模型上做个简单系统就可以了。” 在整体架构上，他也给出了他对 Agent 演化路径的划分 —— 他将 Agent 的发展过程分为六个阶段： 第一阶段：构成 Agent 系统的最底层节点，语言模型被调用来执行基本任务； 第二阶段：在底层调用节点基础上，构建出固定的 agentic workflow，每个节点的角色与职责预设明确； 第三阶段：底层组件演化为具有自身逻辑和动作空间的 autonomous agent； 第四阶段：多个 autonomous agents 通过主动交流机制构建系统，形成 Multi Autonomous Agent Systems（MAS）； 第五阶段：底层组件拥有与人类一致的环境空间，成为Foundation Agent，开始协助人类跨环境完成任务； 第六阶段：Foundation Agent 基于人类目标与其他 Agent 产生联系，演化出具备自主协作能力的Foundation Agents 网络。真正实现以人类目标为核心的多智能体社会，达到Agent与人类共生的范式。 而目前大多数  Agent 产品公司仍停留在第二到第三阶段之间，尚未迈过第四阶段的门槛，而“最大的瓶颈在于当前 Agent 仍严重依赖人类预设的 workflow 节点，缺乏真正的自主性。” 在张佳钇看来，当前大多数 Agent 产品仍停留在第二到第三阶段之间，尚未迈过第四阶段的门槛。突破当前瓶颈的关键在于使 Agent 摆脱人类预设经验的束缚，通过自主探索获取跨环境经验并学会与各类专业 Agent 协作。  但在 Follou 创始人谢扬来看，这个问题又有所不同。 他认为 Agent 和工作流自动化是可以组合起来的。在他眼中，Agent 应该是一些可以协助人类提升生产力的工具，而并非一个独立的个体。它的价值不在于模拟人类，而在于高效协助人类，把复杂的任务拆解、执行，并最终完成目标。 在谢扬看来，很多人过于执着于“Agent 是否像人”这个问题，而忽略了它真正的应用意义。他更关心的是，Agent 是否真的能在现实中帮人把一件事做完，无论是搜索信息、分析数据，还是调度工具，Agent 也不应该成为一个新的“入口”或者“平台”，而应该成为一种嵌入式能力，真正融入人类的工作流程之中，成为“能执行的思考”和“能学习的工具”。 在这个过程中，他并不否认“自主性”的重要性，尤其是在环境感知和情境理解上的价值。但在他看来，衡量一个 Agent 是否真正有生命力，更关键的标准在于它是否“可组合”“可调度”。只有当 Agent 能够被灵活地组织在不同的垂直任务中，支持模块化的能力组合，并与人类实现高效协同，它才真正具备长期应用的可能性。 基于这样的理念，Follou 也构建了一整套融合 Agent 与工作流的架构体系，他们将浏览器（Browser）、智能体（Agent）和工作流自动化（Workflow Automation）等核心组件融合在一起，浏览器负责访问和渲染 Web 内容，智能体负责基于 LLM 理解上下文和做出决策，而工作流自动化则执行具体任务，调用 API、插件或脚本。 在谢扬看来，这种结构并不是技术炫技，而是一种“实用主义”的选择。他更关心的是，Agent 是否真正能在现实中把一件事做完，而不是停留在看起来很聪明的幻觉里。  在 RL 信徒与质疑者的观点交锋中，我们能看到一个逐渐清晰的趋势：Agent 的演化已不再是单一范式的胜利，而是多种技术路线的协同博弈。归根到底，构建 Agent 从来不是拼哪一种技术最炫，而是拼能不能把每一块基础能力连接成一个真正可运行的系统。 从理解指令，到规划路径、感知反馈，再到调用外部工具完成任务，每一环都需要精密协作、形成稳定闭环。模型能力再强，如果没有目标规划和执行机制，也只能停留在“懂你在说什么，但却做不了任何事”的阶段，而即便策略再优秀，如果基础模型跟不上、感知不准确，也会陷入“会动但不聪明”的窘境。 所以，构建 Agent 不是“拼模型”或“赌范式”的零和游戏，而是一次工程能力、系统设计和认知理解力的多维较量。 RL 可以塑造目标感，模型提供理解力，外部接口延展执行力，三者缺一不可。而如何把这些能力组合在一起，真正打造成一个可泛化、可迁移甚至是可迭代的系统，才是 Agent 走向通用市场的重要一步。 一个新的未来 而现在每天被人们挂在嘴边的 Agent，其实最早在人工智能领域是一个非常宽泛的概念：只要一个系统具备感知和决策能力，它就可以被称为 Agent。 但随着 Copilot 类产品的兴起，Agent 的概念又被重新定义：是否需要人介入决策，成为划定 Agent 边界的关键标准。如果一个系统可以在没有人参与的前提下独立完成决策和执行，那它就属于真正意义上的 Agent。 在这个标准下，其实我们今天看到的大部分 AI 应用都可以被视为某种形式的 Agent。比如在编程领域，一个 AI 模型可以完成代码生成、编译、测试、修改的循环；在游戏中，AI 控制的角色可以自主应对环境变化，失败也不会造成真实世界的损失。这些任务虽然复杂，但由于风险较低、反馈明确，所以系统即使出错，问题也不大。  但如果朝着通用 Agent 的方向发展的话，那么最大的衡量标准，就不再是语言生成的能力或者执行速度，而是任务解决的成功率。从系统架构上来看，着往往取决于两种关键的设计： 如果是串行的 Agent 架构，即由一个上层 Agent 发出决策，再调度多个下层 Agent 执行子任务。如果是在这种模式下，调度层的指挥能力和下层的配合能力就直接决定了任务是否能够高效完成。 而如果是并行的 Agent 架构的话，则是需要多个智能体在同一时间共同协作完成任务，这就需要系统从头到尾都不能出错，因为就算每个环节的成功率都能够达到七八成，但最后的整体成功率也会指数级下降。 因此，雷峰网认为，要构建真正强大、可落地的通用 Agent，必须确保系统的稳定性、容错机制和跨模块协同能力，否则就难以胜任复杂任务。这便是目前通用 Agent 面临的主要问题。 而通用 Agent 一旦能够落地，它将会让大家的边际成本显著下降，同时望成为继 PC 操作系统和手机系统之后的新一代人机交互入口。这一点类似于当年微软和英特尔组成的“Wintel 模式”，即操作系统带来人机交互，芯片提供计算能力，二者结合直接引爆整个生态。同理，今天的苹果也凭借自研的 iOS 和芯片称霸移动端，而安卓阵营与高通的配合也形成了另一套强大体系。 雷峰网认为，顺着这个思路去想，在通用 Agent 的未来中，很可能会诞生类似的生态闭环：AI 操作系统 + 模型原生芯片，进而催生出下一代 Wintel 模式。到时候，我们或许将看到专为 Agent 设计的模型级芯片，亦或者是 AIPC 的兴起，共同见证整个智能交互方式的范式跃迁。

<blockquote><p>在小红书平台，高客单价市场增长迅猛，用户支付转化率高。本文讲解如何在小红书卖爆高客单价商品，从选择小赛道、提升流量精准度，到用主理人塑造价格合理性、卖产品等于卖调性等多方面展开。</p> </blockquote>  数据显示，小红书高客单价市场已形成成熟生态，500-3000元价格带呈现爆发式增长，核心品类的用户支付转化率是大众商品的1.5-2倍 可当下众多高客单商家的评论区，却还被 “太贵了，劝退” 的声音淹没 首先明确一点，高客单对标的是高净值人群，这类用户追求的并非 “便宜”，而是能带来情绪溢价的载体 其消费决策链路已发生转变，从“物质享受” 转为追求 “个性体验”，从 “功能需求” 转为追求 “身份认同”，从 “我需要” 升级为 “我值得” 在小红书卖高客单、卖的不只是商品，也是用户们愿意买单的生活方式 ## 一、高客单就选小赛道 与其在红海赛道卷生卷死，不如在蓝海赛道高歌猛进 小仙炖以“鲜炖燕窝”新品类戳中贵妇的心窝，狂甩干燕窝和即食燕窝，一年能卖8个亿 在舒肤佳、力士还在把沐浴露、香皂卷出花的时候，浴见早已找到了沐浴油作为突破口 内衣品牌“内外”不做内衣全品类，而是找准“小胸显饱满”“大胸无勒痕”等细分需求，客单价400+仍卖断货 你会发现这几年在小红书崛起的“红品牌”没有一个是标品，都是有创新，有主张的新品牌，切的就是那些没有看起来不起眼，没有被大品牌做过的细分类目 **正如《品类战略》中提到，几乎每个品牌的成功首先都是品类的成功** 对于中小商家而言，找到品类分化的机会点是一条卖好高客单的捷径，用“小切口”撬动“大市场”，才是逆袭的关键 当然了，找到小众赛道突围不能只靠主观判断，可以利用聚光DMP工具挖掘用户需求，例如通过“行业标签×深层行为（收藏未下单）”来判断 ## 二、提升流量精准度 高客单产品通常决策周期都比较长，只是依靠“广撒网”的方式容易导致ROI普遍较低 高客单品的流量逻辑是“质＞量”，盲目投信息流等于烧钱，小红书70%的成交来自搜索，高客单价用户更是主动搜索型，所以我们可以通过关键词矩阵布局提升流量精准度，下方举例 - 品类词：如“抗老面霜”，竞争激烈则转向“30岁抗老面霜”（加年龄标签） - 场景词：如“婚礼钻戒”“闺蜜礼物”，通过聚光DMP筛选长尾词 - 地域词：高端家居锁定“北京别墅装修” 如果可以做到目标词月均笔记1000篇，再通过企业号+KOS+素人矩阵生产200篇，几乎可以抢占20%流量入口，用户搜索3次至少看到1篇你的内容 ## 三、用主理人塑造价格合理性 主理人通过塑造独特人设，讲好故事，同样可以成为品牌独有的精神图腾和流量密码 例如，年糕妈妈依托“浙大医学硕士严选”人设实现品牌GMV破十亿；章小蕙直播间靠“旧时代名媛”人设单场销售额即破亿；董洁本身就是“松弛感中产生活”的实体符号，才能让她的穿搭推荐成功溢价 这些主理人不需完美，但一定要不可复制 纵观这些主理人的笔记和直播，你会发现他们不仅是在讲产品，也在分享怎么缓解压力、怎么科学育儿，甚至聚焦年龄焦虑等社会议题。一个“活”的主理人才能收获“真”粉丝，让消费者产生情绪共鸣才是他们愿意承担产品溢价的本质原因  ## 四、卖产品等于卖调性 **1）视觉统一提升品牌格调** 不论你的走的是甜美风、极简风还是暗黑风，一定要要为品牌定一个统一的风格，最忌杂乱无章 **不要让用户刷到10篇笔记像看了10个品牌，真正的高手，会把视觉体系变成“品牌宗教符号”，当用户一眼就能识别出你的配色、构图、字体时，你的定调工作已经成功一半** 视觉统一不是美学选择，而是降低用户决策成本的战略武器  **2）以生活方式为品牌定调** 在香皂这个品类，「Boozi.」以仿生水果香皂的卖点将市面上均价5~10块的香皂定价拉到了118~280，但销量并不低，卖出了百万GMV 这种高于普通香皂n倍的定价，会让消费者对品牌自然形成高不可攀的印象 「Boozi.」的主页简介是“每个人都是自己的生活艺术家”，有意无意给用户植入买的不仅是香皂，是一种社交货币，也是一种时尚艺术的生活方式 当产品成为用户理想人格的实体化符号，价格就只是筛选同频者的工具。其用户画像显示，超七成购买者为25-35岁艺术从业者、设计师、买手店主，他们愿为“洗手时像在触摸艺术品”的情绪价值支付高昂溢价 **高客单生意的本质是“筛选”。当你的用户说“太贵了”，不是产品出了问题，而是你找错了人** **记住：卖500元的商品需要理由，卖5000元的商品需要的是情绪痛点的共鸣** 本文由人人都是产品经理作者【汪仔5712】，微信公众号：【Vic的营销思考】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

今天凌晨，奥特曼突然发文宣布推出自家最新的 o 系列模型：满血版 o3 和 o4-mini，同时表示这两款模型都可以自由调用 ChatGPT 里的各种工具，包括但不限于图像生成、图像分析、文件解释、网络搜索、Python。 总的来说，就是比前一代的性能更强而且价格更低。  消息一出，马上就有网友晒出了两个模型的“小球测试”结果，并配文：“这确实是迄今为止看到的最好的测试结果了。”  也有网友晒出了满血版 o3 和 o4-mini 在 HLM 基准的中的排名，其中 OpenAI 的两款新模型仅用了几个小时的时间就稳稳的“盘”上了榜单前三，引得网友大呼震惊。   o3 与 o4 mini 全面进化 除了网友们的测评结果外，我们也来看一下 OpenAI 给出的两个模型的官方数据。 首先，o3 在多个基准测试中表现优异，包括 Codeforces、SWE-bench 和 MMMU 等，刷新了多项纪录。除此之外，o3 在应对复杂现实任务时，比 OpenAI o1 减少了 20% 的重大错误，尤其在编程、商业咨询和创意构思领的方面能力最为突出。  o4 mini 这边，别看它体量不大，但专为快速、高效的推理任务而设计，可以支持比 o3 更高的使用频率。 在数学、编程和视觉任务上的表现依然非常亮眼。在 2025 年 AIME 数学竞赛中，借助 Python 解释器的帮助，o4-mini 取得了99.5%的高分，几乎达到了该测试的满分水平。专家评估同样显示，它在非 STEM 任务以及数据科学领域的表现已经超越了 o3-mini。  此外，o3 和 o4-mini 首次实现了将图像直接融入思维链的能力，它们不仅“看得见”图像，更能“通过图像思考”。这带来了视觉与文本推理的全新融合方式，显著提升了它们在多模态任务中的表现。 关于这点，OpenAI 图像推理研究员 Jiahui Yu 发文称：“自最初推出 o 系列以来，“图像思考”始终是我们在感知领域的核心战略之一。早期发布的 o1 vision，曾为这一方向提供了初步的探索与预览；而如今，随着 o3 和 o4-mini 的发布，这一战略终于以更为成熟和完整的形式落地。多模态能力的持续演进，不仅推动了模型在理解世界方式上的跃升，也成为 OpenAI 实现 AGI 愿景中不可或缺的关键一环。”  模型性能毋庸置疑，而关于这两款模型可以自由调用 ChatGPT 里的各种工具的能力，OpenAI 首席研究官 Mark Chen 也发文表示：一旦推理模型学会了端到端地使用工具，它们就会变得更加强大，而最新的 o 系列模型正在“向未来迈出的质的一步”。  所谓“质的一步”，无非是将大模型的能力扩展到目前最火的 Agent 领域，值得一提的是，这已经不是 OpenAI 第一次向 Agent 领域进发了。 今年年初，OpenAI 接连推出 Operator 和 Deep Research 两个产品宣告向 Agent 进发，在此之前，他们还推出过一个类似于代办助手的 Agent 产品 —— ChatGPT tasks，来试了试水花。 而这次的满血版 o3 和 o4 mini 则是支持直接调用 ChatGPT 里的各种工具，从之前的“聪明大脑”直接进化为了“灵巧双手”。 有网友在试过了 o3 最新模型的调用能力后表示，模型帮他做了一些需要跨工具才能完成的工作，这让他感觉到了 Agent 给人们带来的便捷。  OpenAI 做 Agent，得天独厚 关于如何才能做出真正的 Agent，目前坊间的主流观点是：强化学习加基座模型。 但在 Agent 的实际研发中，大多数专注于 Agent 的公司并不具备自研基座模型的能力，能够组建强化学习团队的更是凤毛麟角。它们唯一的机会，往往在于依靠强悍的工程能力持续打磨产品体验，或通过差异化定位，探索某些功能层面的创新。 然而，由于缺乏底层模型的掌控权，这样的努力终究只是为自己在与大模型公司的赛道上争取些许缓冲时间。正因如此，那些具备训练基础模型能力的公司，在开发 Agent 时，往往能够实现事半功倍的效果，占据天然优势。 巧合的是，Deep Research 团队曾在多次访谈中强调，他们认为基于强化学习的端到端训练是当前 Agent 技术变革的关键所在，原因在于强化学习能够有效突破传统 AI 系统在复杂场景中面临的灵活性不足和泛化能力受限的问题。 在此基础上，叠加 OpenAI 本身在基础模型上的强大优势，或许不久之后，Agent 就会被吃进 ChatGTP 的某个版本之中。  一位长期从事 Agent 方向的研究人员曾对 AI 科技评论表示：“用强化学习训练 Agent，本质上更像是将语言模型的能力在特定环境中进行定向强化和适配。也就是说，强化学习更多是在帮助语言模型在某一特定场景中“训得很好”。然而，目前许多学术研究仍停留在使用较基础的 base model 进行环境内训练，这样的工作即便做到极致，其成果也往往只是某个环境下的“特化版本”，难以实现跨环境的泛化能力，因此其实际意义和应用价值仍然有限。” 顺着这个点往下看，不难发现其实 OpenAI 已经同时掌握了基础模型和训练方式，拥有从底层能力到上层产品的完整控制权，也因此在定价方便拥有了更大的自主权。 例如，Deep Research 的 Agent 以每月 200 美金的价格对外订阅，全部收入可以留在体系内部，而那些依赖第三方模型的独立 Agent 团队，不仅受到 API 成本和模型性能波动的限制，在产品定价上也显得捉襟见肘。 “略知皮毛”不如洞彻本质，“套壳”并不是长久之计，这么一看，OpenAI 做 Agent，就得天独厚。 开源 Codex CLI 新模型之外，OpenAI 还开源了一款本地代码智能体：Codex CLI。它是一个轻量级的编码助手，可直接在用户的终端命令行中运行，为的是充分发挥 o3、o4-mini 等模型的推理能力，紧密连接本地开发环境，未来还会支持 GPT 4.1 等其他模型。 值得一提的是，它甚至支持通过截图或手绘草图进行多模态编程，直接刷新了代码交互与内容理解的边界。  雷峰网观察到，为了测试这个功能，在发布会的直播中，开发人员还现场用 Codex CLI 展示了一波实施摄影的 ASCII 画面，让不少直播间网友大呼：“Intresting！”参考链接： https://x.com/sama/status/1912558495997784441 https://news.ycombinator.com/item?id=43707719#43711155 https://github.com/openai/codex https://x.com/jhyuxm/status/1912562461624131982

<blockquote><p>在竞争激烈的商业环境中，私域运营成为实体店铺业绩增长的关键。本文分享一套私域成交流程，涵盖从激活用户、建立信任到促进成交的关键环节。通过持续互动、输出优质内容、情感共鸣等手段，逐步将潜在客户转化为忠实客户。</p> </blockquote>  在如今竞争激烈的商业环境中，私域运营已成为实体店铺实现业绩增长的重要手段。 通过私域运营，你可以直接触达目标客户，建立深度信任关系，从而实现高效转化和长期价值挖掘。 今天，我将分享一套经过验证的私域成交流程，帮助同城实体老板实现业绩增长。 私域运营的核心在于建立与客户的长期信任关系。通过持续激活用户、建立认知、建立信任、拉升欲望，你可以将潜在客户转化为忠实客户，甚至成为你的品牌传播者。 私域成交流程不仅能够提升客户的购买率，还能通过裂变分享带来更多的新客户。 ## 一、私域成交流程的关键环节 ### **1.持续激活用户** 定期互动：持续与用户互动、私聊、持续发互动型的朋友圈，持续给客户提供价值，增强客户的粘性，并且持续激活那些沉默的客户。 ### **2.持续建立认知** ①输出优质内容：通过持续输出有价值的内容，帮助客户更好地了解你、你的产品和你的品牌。 ②多渠道展示：利用微信公众号、朋友圈、社群等多种渠道，展示你的专业能力和品牌优势。 ③客户反馈：积极收集和展示客户的反馈和评价，增强品牌的可信度。 ### 3.持续建立信任 ①情感共鸣：通过分享你的创业故事、生活点滴等，与客户建立情感共鸣，增强客户的认同感。 ②专业形象：通过展示你的专业能力和成功案例，树立专业形象，让客户对你产生信任。 ### 4.持续拉升欲望 ①稀缺性：通过限量、限时等手段，制造产品的稀缺性，激发客户的购买欲望。 ②紧迫感：通过限时优惠、倒计时等方式，制造紧迫感，促使客户尽快购买。 ③从众心理：通过展示客户的购买记录和好评，利用从众心理，增加客户的购买意愿。 ### 5.剧本朋友圈 ①故事化内容：通过故事化的内容，展示你的创业经历、产品优势和客户案例，增强内容的吸引力。 ②情感化表达：在朋友圈中表达真实的情感，让客户感受到你的热情和用心。 ③互动设计：设计互动环节，如提问、投票等，增加客户的参与感和粘性。 ④剧本朋友圈步骤： 第1步：用户期待——痛点+好处的精准狙击 目的：筛选精准客户，让用户主动“举手”表达兴趣。让用户自我筛选，只吸引真正有需求的人。 第2步：增强好奇——用“延续性”扩大意向池 目的：通过新增痛点或用户反馈，吸引更多人参与。 第3步：互动送礼——用“互惠原则”建立信任 目的：通过免费礼物降低用户防备，增强好感。 第4步：证明反馈——用“真实记录”强化可信度 目的：展示承诺兑现的过程，塑造“言行一致”的形象。 第5步：激发欲望——用“价值锚点”推动下单 目的：让用户觉得“不买就亏”，主动询问购买方式。 第6步：营造畅销——用“从众效应”制造疯抢氛围 目的：利用心理学让用户跟风下单。 第7步：成果展示——用“闭环思维”为下次成交铺路 目的：维护所有用户情绪，无论买或不买。 具体应该怎么写剧本朋友圈，以后再分享给你们。 ## 二、私域成交流程的具体步骤 ### 1.成交路径 ①识别你：通过优质的内容和互动，让客户认识你。 ②记住你：通过持续的内容输出和互动，让客户记住你。 ③熟悉你：通过多渠道展示和透明沟通，让客户熟悉你。 ④信任你：通过专业形象和情感共鸣，让客户信任你。 ⑤购买你：通过稀缺性、紧迫感和从众心理，促使客户购买你的产品或服务。 ⑥推荐你：通过优质的产品和服务，让客户主动推荐你。 ### 2.用户旅程 ①用户兴趣：通过优质的内容和互动，激发用户的兴趣。 ②用户熟悉：通过多渠道展示和透明沟通，让用户熟悉你。 ③用户认可：通过专业形象和情感共鸣，让用户认可你。 ④用户信任：通过透明沟通和优质服务，让用户信任你。 ⑤用户购买：通过稀缺性、紧迫感和从众心理，促使用户购买。 ⑥用户分享：通过优质的产品和服务，让用户主动分享。 ### 3.运营流程 ①输出内容：定期发布有价值的内容，如行业知识、使用教程、客户案例等。 ②信任推进：通过透明沟通和专业形象，增强客户的信任感。 ③分类跟进：根据客户的兴趣和需求，进行分类跟进，提供个性化的服务。 ④用户激活：通过限时优惠、互动设计等手段，激活用户的活跃度。 ⑤促进成交：通过稀缺性、紧迫感和从众心理，促使用户购买。 ⑥裂变分享：通过优质的产品和服务，鼓励用户分享，带来更多的新客户。 本文由人人都是产品经理作者【老陈的深度思考】，微信公众号：【老陈的深度思考】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>在数字化和AI技术飞速发展的今天，玄学和寺庙经济似乎与高科技格格不入。然而，它们却在现代社会中持续繁荣，甚至被一些人视为AI无法触及的领域。本文深入探讨了玄学和寺庙经济的核心——仪式感，分析了AI在这一领域面临的挑战，以及AI如何在不破坏仪式感的前提下，巧妙地融入并提升这一古老经济模式的效率。</p> </blockquote>  这两年，所谓的AI算命、AI起名之类的东西，很红，用户只需输入个人信息，如出生日期、地点等，AI便能生成详尽的性格分析、运势预测等报告。很多玄学公司甚至现在正大张旗鼓准备出海！ 有人说，整个玄学乃至寺庙经济领域都会被AI颠覆。 我觉得有一个算一个，能说出这种话的人，既不懂AI也不懂玄学更不懂寺庙经济！ ## 一、玄学与寺庙经济的核心是仪式感，这块AI毫无建树 先来看看很火的AI算命！ AI算命和真人算命到底有什么不同或者说弊端？ 我认为，主要有三点： ### ① AI缺乏环境氛围 算命先生桌上的罗盘、观音像、木头签筒、红绳、焚香……等，都能潜移默化的引导客户的大脑进入一种“仪式”，在这种仪式内，他会更容易相信算命先生的话语，更容易被引导。而AI 给不出这个氛围，它只是一个页面或语音界面，不“沉浸”。 ### ② AI缺乏身体语言 一个算命先生对你的眼神、语气、呼吸、静默……都能营造“神秘权威”。他能突然一拍桌子说：“你是不是母亲身体不好？”——哪怕是套路，也容易被击中。这是AI没办法做到的。 ### ③ AI缺乏互动反馈 真人算命可以根据你的反应“见招拆招”，动态调整“话术路径”。AI 目前只能基于“静态上下文”生成内容，缺乏实时情感捕捉+策略转向能力。 上面三点决定了真人算命永远比AI算命多1万倍的仪式感。 而**仪式感，其实才是寺庙经济或者说玄学经济的核心！** 我们得承认，**人其实是很乐意为“人工的、复杂的、低效的仪式感”买单的。** 比如说，虽然本质都是茶，但店员冲泡+环境营造+排队体验的现制茶饮，就是比便宜量大快捷的工业罐装茶饮卖得更高价！ 如果商业模式只便宜量大快捷这一种（这是鼓吹AI的人天天放嘴上的），现制茶饮这个行业就不会出现，更不会做得这么大！ 事实上，**AI在5秒内给出一个算命结果，在玄学逻辑中是个大忌。人需要过程才能产生情绪投入的（比如等待抽签、诵经、观看符箓书写、焚香等等）没有过程，就没有“信”。别说5秒了，在正式的法事仪式中，50分钟都是常态。** 同理， 一个开光的佛珠，和没开光的，其原材料可能一样； 一个“转运法会”，其实就是诵经+祈福的程序； 一场“超度”，其实是你在旁边听师傅念了几个小时…… 但**客户愿意为这些“看不见的东西”付出几百几千甚至几万，是因为：这些仪式感营造了“我在解决一个人生重大问题”的体验。** **客户买的不是东西，是一种让自己感觉情绪释放 + 缓解焦虑 + 希望注入的仪式感。** 这点从寺庙经济的典型产品“法事”的成本构成也能看出来。 我们拿道观的某个法事举例，他的成本构成如下：  你会发现：客户支付的价格里面，上面几个成本项顶多占个20%，价格构成的80%以上都来自【情绪释放 + 缓解焦虑 + 希望注入】的仪式感，这东西是虚的，除了那20%，他背后并不对应真实的成本。 ## 二、仪式感=人+场地+程序 所有的仪式感，都要满足：人+场地+程序这三个要素。 而这又是AI没办法替代的。 ### 仪式感三要素之：人 所谓的人，可以是：道士、和尚、牧师、萨满，理论上谁都可以，只要他能够满足1特点：权威性！ 人们愿意服从一个有“有权威”的人，因为他代表了“某种神圣性或者合法性”。 比如说，道长穿上法袍 ，你很容易进入一种“听他说话”或者“看他表演”的状态。 这和医生穿白大褂、心理咨询师坐在你面前是一样的心理效果。 在这一刻，他就是权威，你要听他说话，看他做事！ 仪式不能自嗨，必须有这样一个或者多个权威人物来引导（至少是参与）！ 而且，人越多越好，毕竟仪式感也需要从众心理，一个人跟着一群人烧香拜佛，他很容易产生【大家都一起做的事情，肯定是有道理的事情，我很安心】的从众心理。 ### 仪式感三要素之：场地 所谓的场地，指的就是寺庙、或者道观。 仪式感需要特定的场景，比如同样一段经文，如果在地铁口听到你觉得是诈骗，但在道观里香火缭绕、钟声回荡的环境里，它就激发敬畏和感动。 这就像一个剧场，如果你是街头扮演皇帝，会被当神经病；但你穿上戏服站在舞台上，别人就鼓掌叫好。 道观=舞台 法事=剧本 道长=演员 香客=观众兼投资人 脱离了这个结构，仪式就失去了神圣性和权威性，剩下的只是“江湖套路”。 还有很重要的一点，国家对“封建迷信”的打击一直存在，主要是“边界管控”的方式。 **在国内，只有是寺庙/道观等合法宗教场所内的相关活动（如法事）才是合法正规的。** **也就是说，仪式感一旦离开寺庙/道观这个容器，超出这个边界。就没有“合法性”了，容易被视为“搞封建迷信”，引来社会主义铁拳的打击！** 总体来说，寺庙/道观拥有三重正统性： 宗教正统：符合法教经典、师承、科仪； 文化正统：祖宗传承、民俗结合； 法律正统：有备案、有登记、能合法开展宗教事务。 所以，**寺庙道观等宗教场所是“卖宗教或玄学类仪式感”的唯一合适且合法的容器。** 当然，考虑到算命、风水等已经成为了一种民俗，早已遍布中华大地，一般只要不起什么纠纷，普通民间算命风水先生搞搞这个业务，国家也懒得管！ ### 仪式感三要素之：程序 程序是什么？ 程序是一套时间有序、结构完整、情绪有预期的行为流程。 行外人形象地把程序称为：装神弄鬼 这套程序帮我们从一个心理状态，过渡到另一个心理状态。 过程是这样的： 起点 → 我焦虑、不安、迷茫、想知道命运 中段 → 你引导我说话、点香、抽签、听法语 终点 → 我安心、释怀、开始相信、愿意继续等或者愿意做出某些改变 拿道教仪式来举例： 焚香 → 敬神 → 念咒 → 发愿 → 解签 → 谢恩 这跟心理疗愈的“感受问题—命名—表达—整合—行动”一模一样。 只是用的是神圣语境。  可见，所谓程序，虽然看起来是装神弄鬼，但它完全不是形式主义，而是一套对人类心理把握得很好的剧本！ 这其实和商务洽谈合作中的仪式感有异曲同工之妙！  ## 三、AI唯一的机会：部分替代真人 上面说了这么多，其实不代表AI在这个领域没用。实际上，大有可为，只是前提要放对地方。 **AI在寺庙经济和玄学这方面，最大的作用是取代无需仪式感的真人部分。** 我们也说过了，真人是仪式感的核心要素之一，完全离不了。 但真人，其实也是有弊端的，那就是没办法规模化。 **商业模式上有一个悖论：越有仪式感，越难规模化；越能规模化，就越没仪式感。** 一个真人算命先生，他一天就只能算几十单，如果想扩大规模，那么意味着就要多招聘人，但是人是情绪化、不稳定的，同时玄学又是一个缺乏客观标准的事物，这会导致交付的产品没办法“标准化”，换句话说“产品质量不稳定”！ 因此，我们能够得出一个结论： **真人算命 = 高仪式感 + 高客单价 + 低扩展性** **AI算命 = 高扩展性 + 低仪式感+低客单价** 这是寺庙经济和玄学经济中的“规模化悖论”。 有没有什么方法，既能够不太降低仪式感，又让AI派上用场，提高效率，不让整个商业模式都那么依赖人力呢？ 答案当然存在！ 那就是：**只让AI负责前端引流，后端仍然是以真人交付为主（真人交付过程也利用AI提升效率）。** 需要提醒的是：国内只能合法寺庙/道观内做以下事情，其他场地做都涉嫌违法！ 比如： 1）通过AI工具快速、批量生成质量达标的内容，如文章、图片或视频，分发到社交平台，进行引流。以往，这些内容都需要真人全程制作，现在用上了AI，妥妥地降本增效了。 2）利用免费或者价格低廉的AI算命、AI起名等服务，从公域吸引流量到私域，等到流量足够多的时候，对这些客户群进行分层，高净值的引导去做个法事供奉个福位，中净值的供奉个牌位或者供个灯，低净值的卖个开光手串或者平安符。 3）AI负责服务的前80%，完成基础推演（基础格局解读、运势方向），服务的后20%真人插入进行批言、解读，起到背书作用。这样在客户感知上会产生【这是AI算出来的结果，但真正的道长背书过了】，从而提升可信度，进而提升售价！ 说白了，**在寺庙经济和玄学这个领域。AI越努力模拟人类的“效率”，越接近被忽视的命运；而那些靠“人为浪费”创造仪式感的产品，反而收割了最多信任和利润。** 人类是愿意去购买“笨拙背后的真诚”的，AI最大的敌人不是更先进的AI，而是现制茶饮中那杯要等上几分钟的手冲茶。 作者：嘉亮学长 公众号：嘉亮学长 本文由 @嘉亮学长 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自AI生成，由作者提供 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

昨天一早，Meta 了放出自家用了 20 万显卡集群训练出的 Llama 4 系列模型，其中包括 Llama 4 Scout、Llama 4 Maverick 和 Llama 4 Behemoth。消息一出，直接引爆了大模型圈。 Meta 还特意强调，这些模型都经过了大量未标注的文本、图像和视频数据的训练，视觉理解能力已经到了 Next level，有种在大模型领域一骑绝尘的既视感。  Meta GenAI 负责人 Ahmad Al-Dahle 也表示：“我们的开放系统将产出最好的小型、中型和即将出现的前沿大模型。”并附上了一张 Llama 4 的性能对比测试图。  紧接着，在大模型竞技场中 Llama 4 Maverick 的排名直接跃升到第二名，成为了第 4 个突破 1400 分的大模型。在开放模型排行榜上更是超越了 DeepSeek，直接上桌坐“主座”。 “首次采用 MoE 架构”、“千万 token 上下文”...一时间 Llama 4 就被贴满了各种 Title。  但在一片赞美和吹捧声中，很快就有心细的网友发现了不对劲。这位网友用头段时间在 ? 上很火的让模型直出几何程序的方式来测试 Llama 4，但最终的结果是在画六角形内含一个受重力影响球的集合图像时，Llama 4 试了 8 次也错了 8 次，而反观 DeepSeek R1 和 Gemini 2.5 pro 则是一次正确。  也有网友表示对 Llama 4 的表现感到非常失望。按照以往惯例，更新了版本号的模型在性能上应该有很大的突破，而 Meta 憋了这么久才舍得放出来的 Llama 4 非但没有进步，在测试中的表现还不如一些现有的大模型。  还有网友非常贴心的给出 Llama 4 系列的模型能力找了个参照物：“Llama 4 maverick 这个 402B 的大模型，大概跟 Qwen QwQ 32B 写代码水平一致，而 Llama 4 scout 则近似于 Grok2 或者 文心 4.5。”  Llama 4：超级刷榜选手 在官方给出的数据中，Llama 4 的能力妥妥碾压了一众大模型，但在网友们的实际测试中，Llama 4 却显得很拉跨，越测越觉得离谱的网友们不由得怀疑，扎克伯格是不是给自家模型偷偷刷榜了？ 经过网友们的多方证实，最后发现，嘿！还真是刷的。 其实如果认真看 Ahmad Al-Dahle 发布的 Llama 性能对比测试图最下面一行的小字，你就会发现上面写着“Llama 4 Maverick 针对对话进行了优化”，而 Meta 其实早就给自己留了个“图片仅供参考，一切以实物为准”的心眼。  除了破解 Meta 官方的字谜游戏外，网友们也带着 Llama 4 进出于各大测试榜单中。 他们先是把 Llama 4 拉到了著名的 code 测试榜单 Aider ployglot 中，最终的得分比 qwen-32B还低。  在另一个代码评测榜单中，Llama 4 的成绩也只能排在中间位置。  除此之外，网友们发现在 EQBench 测评基准的长文章写作榜上，Llama 4 系列也是直接垫底。  而即使是最基础的翻译任务，网友们也表示 Llama 4 的表现也是比 3.3 的 70b 还要差得多，甚至还不如 Gemma 3 的 27B。  混乱的 Meta 正在网友们风风火火测评 Llama 4 的真实成绩时，一则发布在海外的求职平台一亩三分地上的内容更是直接给Llama 4 的作弊传闻填了一把柴。 文中提到 Llama 4 的训练存在严重问题，并且内部模型的表现仍然未能达到开源 SOTA，甚至与之相差甚远，而  Llama 4 的高分也确实是领导层为了能够在各项指标上交差所做出的“努力”。而这个则消息的爆料者，很可能来自 Meta 公司内部。  除此之外也有其他的 AI 从业者在线吐槽，表示“我们都被耍了，Llama 4 不过是一个早早被设计好的实验版本。”  还有前 Meta 员工站出来指出公司在产品研发方面存在巨大漏洞，并表示 Llama 系列模型的信息泄露问题其实从 Llama 1 就已经存在了。  而在 Llama 4 发布的几天前，Meta AI 研究副总裁 Joelle Pineau 就在 Linkedin 发文称自己已经申请将在 5 月份离职，不由得让人们将这件事与 Llama 4 作弊刷榜的事情联系到一起。  不少人疑惑，为什么一向崇尚“大力出奇迹”的 Meta 这次的翻车力度这么大，明明有钱、有卡、有数据，但模型创新能力依旧不足，还要靠作弊刷榜来找存在感？ 一个坊间流传的观点是，Meta内部研究人员压力过大，因为他们需要做出成果，给公司一个好的交代，因此会求稳，更加偏向于更能做出成果的事情，而真正重要的内容，比如基础设施的迭代、新算法的实验，这些需要大量时间去做出成果的内容，却往往没有人愿意去做。 这也导致了 Meta 很难在大模型市场上继续做出向 DeepSeek R1 这样轰动整个 AI 领域的东西，而还没有发布的超大杯 2T 参数模型也应证着这个观点：Meta 其实还没有更好的想法。 反观以研究为导向的 DeepSeek，其实一直在探索新的架构。DeepSeek 团队先是提出了强化学习里的神奇算法 GRPO，紧接着在 DeepSeek v2 时提出的 MLA 原理直接沿用到了 DeepSeek V3 和 DeepSeek R1 版本上，后来发布的全新注意力架构 NSA 更是实现了超高速长上下文训练与推理。 回到 Llama 4  这边，根据AI科技评论的了解，对大模型架构有研究的专业人士认为，Llama 4 非常缺乏技术创新，比如说，在后训练阶段还在死守DPO。而此前的一系列理论和实验都表明 DPO 的泛化能力，“比PPO差得远”。PPO在实际使用中需要调的细节很多，不易上手。在DeepSeek提出GRPO以后，越来越多的研究者开始使用GRPO及其改版。 Meta 还继续坚持用着 DPO 而不选择创新，这么来看 Llama 4 做成如此也属于意料之中。 常人没法用，专家用不着 而最让人失望的是，Llama 4 系列的模型都无法放入家用电脑，并且 Llama 4 除了一直在宣传的 10M 上下窗口外，貌似已经没有任何优势，而这一点对于大多数人来说其实并不是必需的内容。 除此之外，GPT 4o， Gemini 2.5 Pro 这些拥有生图能力的模型型号已经正式推出，而 Grok3、Gemini 2 Flash 等多模态模型也已经开始广泛开放，这也意味着更多的人没有再用 Llama 4 的理由，或者说，Llama 4 本身没有太强的市场竞争力。  反观这次 Llama 4 的翻车事件，不难看出其实 Llama 4 系列模型很可能是 Meta 在追赶大模型潮流的战略布局中的一枚重要棋子，但却因为太过于“急功近利”而选择作弊，导致直接失去了社区的支持，进而失去了自身的竞争优势。 并且 Llama 2、Llama 3 的时代已经过去，选择 Llama 作为基座的开源模型只会越来越少，雷峰网认为对于 Meta 来说，与其选择作弊刷榜博眼球，不如想想如何创新，如何提高社区适用度，能不能追上最前端的技术暂且放一边，最重要的是先把口碑先赚回来。

<blockquote><p>在数据分析和产品优化中，埋点设计是不可或缺的一环。本文从埋点设计的标准和规范出发，详细阐述了如何描述一个埋点事件、埋点设计的具体流程、关键要素，以及在实际操作中常见的问题及解决方案。</p> </blockquote>  前文基于埋点的常见问题，讲述了如何基于埋点需求的流程标准化来推进埋点体系的建设。 接下来本文将从埋点设计过程中的标准和规范来解决埋点不能用、不好用的问题。 ## 01 如何描述一个埋点事件 判定埋点体系建设的好坏可以从**完整性、准确性、易用性**三个方面衡量，如何在埋点设计过程中，描述好一个埋点事件是保证完整性的思路。 在**描述埋点过程中可以参考5W1H原则，围绕Who、When、Where、 What、How 等维度进行埋点事件的描述**，描述清楚谁在什么时间什么地点什么场景干了一件什么事情以及怎么干的。  **Who， 即参与这个事件的用户是都有谁** **按照参与方而言可以分为主动发起方以及被动接受方**，如抖音场景下A用户观看了B用户视频，陌陌社交场景下A用户搭讪了B用户）。 按照标识类型而言可以分为用户标识、设备标识等，两者都是为了标识用户、区分用户。 **When， 即行为发生时间** **在实际场景而言，事件行为的发生事件是由代码实现自动上报。** 特殊说明，某些场景下，事件上报时间与行为发生事件可能存在差异，典型的如下单事件，触发下单行为请求接口事件（行为发生事件）与下单请求接口创建订单的时间可能存在不一致情况。 **Where， 通常指事件发生时的位置及环境状态** 在实际场景而言，事件行为的发生事件是由代码实现自动采集及上报。 用户行为发生时的位置信息如IP、国家、市、县等，行为发生时的前端设备环境状态信息如应用版本、设备制造商、设备型号、操作系统、操作系统版本、屏幕高度、屏幕宽度、网络类型等。 特殊说明，上述前端设备的环境信息，对于服务端埋点而言，需要根据具体的埋点使用需求场景而言进行判定和梳理，确认是否需要基于接口上传这些前端属性，避免影响后续分析。 **What， 通常指代事件具体是什么** **基于埋点事件类型的不同，会有不同的指代形式。** **页面浏览事件，代指页面名称，标识页面所属的具体页面**，一方面解决页面浏览事件过多整合问题，另一方面维护的页面名称提升找埋点的效率，提升埋点易用性； **点击及曝光事件，指代具体点击及曝光行为的主体标识**，点击事件如点击下单时的订单id，曝光事件如快手列表所曝光的某个视频的视频id等。相信我在使用埋点时发现未记录行为的主体标识，导致无法关联后台业务数据扩维的问题多让人头疼。 **How， 即用户发生事件行为的方式** 此处是埋点上报时的重点，**记录与事件行为强相关的业务属性，不同的事件需要记录的信息不同，在实际过程中也是最容易遗漏的地方。**  现在已经知道埋点设计过程中如何更好的描述埋点，接下来就开始具体讲述如何进行埋点设计。 ## 02 如何进行埋点设计，埋点设计的流程是怎样 当需求方提交需求后，产品经理或数据分析师就进入了埋点设计阶段，需要**通过需求调研、明确分析目标、业务拆解、埋点设计及要素设计等，搞清楚在哪些地方埋什么样的点，最终输出埋点需求文档（DRD）。**  图片3内，埋点设计前的阶段（需求调研、明确分析目标、业务拆解），可以称为**埋点规划环节，此环节主要产出物主要分为指标体系以及业务拆解后的页面、模块、操作行为路径等内容。** 下面将对各环节进行概述的同时，讲述一些执行的方法。 ### 1. 需求调研 **对接需求方，了解需求背景及目标，需求涉及的业务现状等。** 具体执行的方式可以通过业务侧埋点需求文档的描述、与业务方的1v1需求沟通、业务侧的PRD文档等方式进行。 ### 2. 明确分析目标 **此阶段是基于需求以及需求调研的情况，确定需求的目标，也就是明确需求及埋点将被用户分析哪些指标。** 具体实践上，对于指标的梳理，在行业内有较为成熟的 OSM (Objective-Strategy-Measurement) 指标体系梳理方法论，后续在指标体系系列文章内详细介绍，此处不再详述。 ### 3. 业务拆解 业务拆解的具体实现步骤，第一个步骤是要**了解产品结构**，也就是先要了解分析的范围是什么，例如需要知道对哪些页面或者哪些功能有分析需求；第二步，就是要针对这些**锁定的范围**，去明确我们要分析用户的行为有哪些；第三步，要把这些行为，落实到**具体的分析维度**上。  **1）产品结构** **明确页面及功能的范围**， 典型的页面如活动页、内容页，典型的功能如搜索、登录、注册、会员、付费、签到等。 **2）确定分析行为** **针对产品的页面及功能，分析有那些行为。** 如打开小红书内容页，会存在浏览行为、分享行为、评论行为等。 **3）明确分析的维度** **针对分析的行为，存在哪些分析的视角和维度。** 典型的如抖音的内容详情页，有页面分类、浏览的内容id、内容时长、浏览时长、浏览内容的入口来源，内容发布者用户id、观看用户id等。 ### 4. 埋点设计 基于上述的业务拆解后，我们已经明确的整个需求的背景，具体如涉及的页面及模块、分析的行为、行为涉及的分析视角等内容后，就可以进行初步的事件及埋点参数设计，输出埋点DRD初稿。 **事件设计，确定在那些页面、那些模块对那些用户做埋点，明确事件名称等。同时还需要注意对埋点事件进行命名，埋点事件的命名应规范统一、见名知意、全局唯一。** 埋点事件的命名，可参考的方案有： 1）事件行为英文直译，如注册用户，reg_user。 2）参考行业通用案例SPM(super position model 超级位置模型)，结合实践简化后的事件命名规范为：业务线+页面+模块控件+埋点事件类型。例如，应用商店- 首页-顶部banner-曝光。 **参数设计，埋点参数用于对埋点事件进行描述，一般分为：公参和自定义参数。参数命名可使用属性对应的英文便于理解，不要同一个意思的参数有多个中英文命名。** 3）公参 **指所有埋点都需要的参数所抽象出来的公共属性。** 一般包括，通用属性：如事件发生时间、会话标识id等；设备属性：如用户标识符、机型、安卓版本、网络状态；来源属性：如页面来源等。此部分参数一般会封装进sdk。  4）自定义参数 **特定埋点场景需单独定义上报的参数，该部分由具体事件进行设计**，通常此类事件进一步可以**分为用户属性、事件属性、对象属性三类。**  ### 5)、埋点设计的关键要素 **采集方式设计，现有互联网公司埋点采集方式主要是全埋点，代码埋点-前端，代码埋点-后端三种。** **在具体的操作形式上，大体上分为两种形式：** 1）自定义代码埋点 互联网公司在埋点建设初期，全面的梳理及设计，完成埋点的上线后，后续只需要根据业务的发展迭代完善即可。 2）全埋点+代码埋点 **很多互联网大厂业务复杂，如果全部进行代码埋点工作量过大，此时会采用两种方式的结合。** 针对APP 启动、APP 退出、页面浏览、点击事件等通用采集事件，使用全埋点记录，满足基本的需求。针对全埋点出现的参数不全的情况，再结合具体场景，完善具体的个性化参数，进行自定义代码埋点。 **埋点触发时机及条件设计，在埋点设计过程中，除了确定埋点的事件和参数外，还需要定义埋点的触发条件和时机，明确什么情况下触发数据的采集和上报。** 1）触发条件 **指在交互行为中，达到何种条件触发相应的埋点事件。** 触发条件不同，埋点数据也不同。典型的如曝光埋点的触发条件通过“曝光对象漏出百分比、重复展示是否重复计算”两个维度进行定义。 2）触发时机 **触发时机是指在何时触发相应的埋点事件，可分为前端触发上报、前端获取后端结果后上报、后端触发上报、后端获取前端属性后上报四种。** 以商品曝光为例，有业务规定曝光时上报；也有业务规定曝光结束上报，结束上报这种可增加曝光时长参数。 ## 03 埋点案例实战 接下来，以经典的电商购物流程举例，讲解埋点实践。   1）需求调研-业务诉求 电商购物流程中-各渠道新用户的核心流程转化情况 2）业务拆解-页面、功能、行为 核心用户行为链路：启动 app &gt; 浏览首页 &gt; 浏览商品详情页 &gt; 加入购物车 &gt; 提交订单 &gt; 支付订单  3）明确分析指标 核心指标：各渠道新增用户数、GMV、各流程转化率 维度：渠道、注册方式、支付方式等 4）埋点设计 基于业务拆解构建埋点，主要包括的事件有启动app事件、商品详情页浏览事件、加购事件、提交订单事件、订单支付事件等。 5）埋点要素设计 明确埋点采集方式、埋点触发时机和条件等信息，即可产出初版埋点设计文档，待各方评审。  ## 04 埋点常见问题 ### 1. 针对相似场景，埋点设计时是合并一个事件还是分不同的事件 针对相似场景下，**埋点是否整合，主要考虑两点影响要素，事件所需属性参数差异是否大、分析使用场景上是各自独立还是进行整体分析。** ### 2. 主被动事件的处理 **在线上行为中，很多需要记录的埋点事件非用户主动触发，为被动触发**， 例如平台头像认证审核、发放优惠券、被其他人关注、被其他人发送消息等此类情况不存在主动事件，主动触发行为的不是用户，用户是行为的接受者，被动受到影响。 **对于此类情况需要做好主体及被动接受者的埋点参数区分，避免影响分析结果。** ### 3. 曝光事件的处理 埋点事件主要分为**页面浏览事件、区域曝光事件、点击事件等三类**，针对区域曝光事件的触发事件往往需要特殊注意。 1）曝光可见比例 **区域被曝光展示范围是多少，才算一次有效曝光** ，通常有两种方案，元素曝光即可触发曝光埋点事件或曝光完全可见才能触发曝光埋点事件。 2）有效停留时长 **当曝光元素被曝光后且满足有效停留时长才算有效曝光**， 通常单位是秒。 3）重复曝光 已曝光元素在页面隐藏起来，然后再满足曝光条件再次显示在页面时是否可以继续触发曝光埋点事件，也就是是否算作一次曝光。 **通常一次内容请求不管曝光多少次都算作一次曝光** （比如上下滑动屏幕，只要不刷新发生新请求，算一次曝光）。 ### 4. 埋点参数上报时，对于用户相关事件参数，如何确定是否上报? 1）多重身份用户的设计 在企业应用体系，用户往往可能存在多种角色，如抖音的用户与主播，淘宝的用户与卖家等。**要做好用户属性的区分，对不同身份用户的属性进行不同的参数设置。** 2）非缓慢变化的用户属性 在实际场景中，**针对用户的属性存在一些变化频繁的参数，要做好考量是否需要冗余上报** ，如社交场景的用户财富等级等，因为行为发生时的属性信息与统计分析时的时点信息是不一致的。 ## 总结 **本文注重介绍了埋点设计的重要性，从多个方面讲述了如何进行埋点设计**。具体包括： - 如何参考5W1H准则进行埋点设计，描述一个埋点事件 - 具体到埋点设计过程中的流程是怎样 - 埋点设计过程中所需要考虑的各项关键因素 - 以经典的电商购物流程举例进行埋点事件举例 - 埋点过程中常见的一些问题及解决方案 本文由 @白贺BaiHe 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>常规的打折送福利，用户好像越来越不感冒了，活动效果平平。这是为什么呢？难道是福利不够大？可能问题不在福利本身，而在于缺少了点&#34;意思&#34;。</p> </blockquote>  ## 01 福利加好奇心的理念 ### 1.吸引用户的基本机制 在探索如何提升用户增长的过程中，有一个有趣的故事值得分享。北京有一家麻辣香锅店的走红和火爆有着特别的原因。这家店有一个独特的传统：顾客只要站在店门口，拿着喇叭对着大马路大喊三声「我就爱吃 xxx 麻辣香锅」，喊完三声后就能免费获得一盘店里的午餐肉。 这个设计非常巧妙。当顾客不断在门口拿喇叭大喊时，整条街上的人都会注意到这家店。同时，这种行为本身也成为了一个话题，引发了许多人的好奇心，让他们想去尝试。 虽然这家麻辣香锅店与同街其他店铺在商品上并无差异，但就是这个小小的设计，让它变得门庭若市，引发了很多人的追捧和关注。 **这种营销现象背后其实运用了一个重要的营销策略：福利加上好奇心或概率性事件。**通过一些能够引发人们好奇心，或者带有一定随机概率的方式来发放福利，因为有好奇心要素和随机性概率的存在，往往能够让用户对活动更加感兴趣，更愿意参与其中。 **这种营销策略在活动策划时特别管用，是提升用户运营效果的有效手段。** 在当今互联网运营领域，用户增长已成为各家企业的核心目标，而这种好奇心营销正是增长黑客们常用的手段之一。通过巧妙设计活动玩法，将简单的促销变成一场令人难忘的体验，不仅能够提高转化率，还能产生额外的口碑传播效应。 ### 2.麻辣香锅门店案例 再详细分析麻辣香锅店的案例，可以发现它设计的机制实际上包含两个部分：一是给顾客发放福利，免费送一盘午餐肉；二是让顾客以一种刺激好奇心的方式领取福利——站在门口大喊三声「我爱吃某某某麻辣香锅」。这种互动营销的方式使得普通的促销活动变得与众不同。 **这家麻辣香锅店的活动设计展示了一种简单而高效的门店引流方式。**它不需要投入大量的广告费用，只是通过一个小小的创意，就实现了在同质化竞争中的差异化脱颖而出。 最关键的是，这种方式激发了顾客的参与意愿，将被动的消费者转变为主动的传播者。 很多人可能会说，发放福利这个概念很好理解，但如何设计那些能引发人们好奇心的事件，或者带有一定随机概率的方式，听起来还是有点抽象。如果想不到这么好的能引发人们好奇心的方式，该怎么办呢？ 接下来将分享几个思考方向，介绍一些寻找能引发好奇心或带有随机概率事件的常用套路。 ## 02 四大套路详解 ### 1.强烈喜好与价值主张 **第一个套路是从自身的强烈喜好或价值主张出发思考。**例如，某在线教育平台对数字「3」有特别的情感倾向，可以设计这样的活动：手机尾号为 3 的用户可以获得 20 到 400 元不等金额的抽奖机会。 这里的「手机尾号为 3」就是打的好奇心牌，而「20 到 400 元不等金额的抽奖」则是利用了概率性事件的特性，形成了一种随机福利的发放方式。 **这种玩法设计巧妙地结合了平台自身的特色与用户的参与感。**对于用户来说，检查自己的手机尾号是否为 3 这一简单动作，就能触发一种「我是否属于幸运人群」的好奇心理。 而不确定的抽奖金额则进一步增加了活动的悬念感，这是概率营销的典型应用。 再比如，女性饰品店或面向年轻女性的餐厅可以设计这样一个活动：顾客只要身上带有任何粉色的物品，就可以享受特殊待遇，比如获赠一盘菜。或者书店、玩具店可以规定：顾客身上只要带有任何与海贼王相关的物品就可以享受折扣。 以上这些例子都是从自身某种强烈喜好或价值主张出发，找到能引发用户好奇心的关键节点。相比于干巴巴地宣布「来店消费享 9 折、8 折」，这些形式显然更有趣、更好玩、更能激发参与意愿。 **毫无疑问，这种设计能够更有效地吸引用户，提高转化率。** 在日益激烈的市场竞争中，如何让用户对产品或服务产生兴趣，是每个营销人员都需要面对的挑战。通过将福利与品牌价值观或特色喜好相结合，能够创造出独特的品牌记忆点，使营销活动更具识别度和吸引力。 ### 2.结合热门事件和时间点 **第二个套路是将福利发放与近期热门事件或热点时间结合起来。**这种热点营销往往能获得出乎意料的效果，是事件营销的一种常见形式。 <blockquote><p>有一个案例是，在北京「切糕事件」非常火爆的时候，某网站上线了一个活动：随机会有一个小驴拉着车从网页上飞过，用户用鼠标点击小驴，有一定概率会获得一个切糕。收集够各种不同款式的切糕后，就可以获赠一个很好的纪念品。</p></blockquote> 这个活动在网站上线期间，引发了超过 30% 的注册用户参与，这是一个非常高的比例。**这种创意营销将热门事件与用户互动巧妙结合，不仅提高了用户参与度，还增强了品牌与用户之间的情感连接。** <blockquote><p>另一个例子是与王者荣耀相关的活动。当这款手游非常火爆时，一家在线教育平台策划了一个名为「拯救网瘾少年」的活动。理念是：玩王者荣耀需要投入大量时间，与其沉溺游戏成为网瘾少年，不如将时间用于学习。他们专门向王者荣耀的资深玩家发放福利：玩家在游戏中等级越高，身份段位或获得的武器勋章越多，来平台学习时就能得到更低的折扣。</p></blockquote> 这样的活动设计比简单打折更有趣，更能激发用户兴趣。它利用了当下流行的游戏热点，将看似对立的两个领域（游戏与学习）巧妙连接，创造了一个富有话题性的营销活动。 **这种将福利发放与当下热门话题结合的方式，不仅能提高促销活动的参与度，还能获得额外的传播效果。** 在数据驱动增长的时代，营销人员需要时刻关注社会热点和用户兴趣点的变化。通过将品牌活动与这些热点紧密结合，可以借势传播，获得更大的营销效果。 **这种策略既节省了营销成本，又能提高用户的参与热情，是一种高效的营销手段。** ### 3.产品特色与功能探索 **第三个套路是将福利发放与产品特色或功能的探索结合起来。**这种方式不仅能提高用户参与度，还能让用户更深入地了解产品，实现产品功能的深度推广。 很多应用程序都尝试过类似的活动：邀请用户寻找产品中的 bug 或文案错误，找到后即可获得福利。这是这一思路下最简单的一种呈现，通过鼓励用户仔细探索产品，既能发现产品问题，又能增强用户对产品的熟悉度。 <blockquote><p>更高阶的例子如印象笔记的活动：用户只要找到产品的一个新用法、一个新的应用方式，分享出来就可以获得某些特定的折扣，比如高级会员资格直接免费送。当时在 3-4 个月的时间里，出现了很多人用印象笔记的例子，比如管理自己的会议、管理日常工作项目等常见用法。</p></blockquote> 随后开始出现各种稀奇古怪、丰富多样的应用。有一个姑娘用印象笔记来管理她所有的衣服及服饰搭配方案，美食家用它管理每天的食谱，有人用它管理收集到的所有名片和人脉关系，甚至有人用它做了一个工业生产过程中需要用到的复杂流程解决方案。 这些应用每一个都让人觉得特别有意思、特别不可思议，因为人们从未想过产品还可以这样使用，从而引发了围观和好奇。 **这种思路与杜蕾斯在 7 月 21 日大雨时将安全套当鞋套使用的案例类似。**当一个产品被发现可以用在前所未有的场景中时，往往会引发广泛关注。 这是一种典型的创意营销，能够很好地利用用户的好奇心理促进传播，同时也拓展了产品的使用场景。 此外，许多线下店铺和线上产品也会设计「寻宝」活动：在产品或店铺的不同区域埋下线索，用户找到线索后可获得特别折扣。例如在微信公众号的 5 篇文章中埋藏线索，或在线下店铺的 5 个特色区域放置线索。 用户依次找到这些线索后，就能获得某种特别折扣。在寻找过程中，用户也对产品或服务的特色功能留下了深刻印象。 **这种活动策划方式不仅让用户主动探索产品功能，还能在探索过程中发现产品的更多可能性。**对企业来说，这是一种低成本但效果显著的用户教育方式；对用户来说，则是一次有趣的探索体验。 这种双赢的互动营销模式，正是提升用户粘性和产品认知的有效途径。 ### 4.无厘头趣味狂野行为 **第四个套路是将福利发放与无厘头、趣味、狂野的行为关联起来。**这种趣味营销方式往往能够产生意想不到的效果，是吸引用户的一种创新手段。 <blockquote><p>一个典型案例是让用户对着电脑或手机大喊大叫，系统会根据喊叫的分贝大小和持续时间长短来决定折扣幅度：理论上喊得越大声、持续时间越长，获得的折扣就越高。这种看似无厘头的行为，在大学生宿舍等场景中特别有传播力。当听到隔壁有人持续大喊，而且不是喊一次，而是连续喊很多次时，往往会引发好奇和围观，进而带动更多人参与。</p></blockquote> 这种活动的奇特之处在于它打破了人们的日常行为模式，创造了一种反常态但又充满趣味的体验。用户为了获得福利，愿意做出在平时可能不会做的事情，而这种行为上的「越界」恰恰成为了活动传播的关键。 类似的这种思路还有很多，比如要求用户身上挂着某些奇装异服或奇怪的挂饰，然后去外面跑一圈；或者以奇怪的姿势或动作完成某个任务等。这些稀奇古怪的行为都能吸引围观，形成话题，构成了一种独特的心理学营销手段。 **在心理学营销领域，人们对反常规、出人意料的事物天生具有好奇心。**通过设计这些看似荒谬但实际上充满乐趣的互动方式，品牌可以迅速捕获用户注意力，激发兴趣，并在社交媒体上产生病毒式传播。 这种方法特别适合面向年轻人群的产品或服务，能够有效突破传统营销的桎梏，创造出令人难忘的品牌记忆。 ## 03 活动设计实操建议 ### 1.关键点把握 以上分享的四个套路都围绕着一个核心：将福利发放与引发好奇心的元素或概率性随机事件结合起来。具体来说： 第一种是将福利发放与强烈喜好或价值主张结合； 第二种是将福利发放与热门事件话题结合； 第三种是将福利发放与产品特色、功能探索结合； 第四种是将福利发放与无厘头趣味行为关联。 **这四种套路虽然表现形式各不相同，但本质上都是在提升用户体验的同时，增加活动的趣味性和参与感。**它们通过不同角度激发用户的好奇心，让原本简单的促销活动变得更加有吸引力。 在实际操作中，营销人员需要注意的是，这些套路不是简单套用的模板，而是需要结合自身产品特点和目标用户群体特征来灵活运用。 **一个成功的活动策划应当既能体现品牌特色，又能切中用户心理，在传播过程中自然形成话题效应。** ### 2.发挥创意思考 在设计活动时，需要充分发挥创意思考，将这些套路与具体产品或服务结合起来。优惠策略的设计不仅仅是打折促销那么简单，更是一种艺术，需要营销人员具备敏锐的市场洞察力和创新思维。 例如，假设喜马拉雅官方想针对站内的付费课程和付费音频课程的购买做一个福利发放活动，可以如何设计？是否可以让用户录制一段声音，或者根据听课时长提供动态折扣，又或者设计一场声音寻宝游戏？这些都是值得思考的方向。 **福利、好奇心、概率，这三个元素结合能让平淡的活动变得引人注目。**无论是基于价值主张的设计，结合热点事件的灵活应用，挖掘产品功能的深度体验，还是无厘头行为带来的奇趣效果，都能让用户在新鲜感中产生更强烈的参与欲望。 **——增长黑哥划重点——** **知识点1 激发用户好奇：**通过设置趣味行为或随机概率事件，提升用户参与热情。 **知识点2 结合热点事件：**将福利设计与热门话题或时间节点绑定，吸引更多关注。 **知识点3 强调产品特色：**利用产品功能或特色设计活动，让用户深刻记住产品价值。 作者：小黑哥 公众号：增长黑客之道 本文由 @小黑哥 原创发布于人人都是产品经理，未经许可，禁止转载 题图来自 Pixabay，基于 CC0 协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

据路透社报道，特斯拉CEO埃隆·马斯克(Elon Musk)喜欢“说大话”，他常常做出一些雄心勃勃的承诺，但是迟迟无法兑现。即便是现在，他的一些重大构想至今仍在推进过程中。马斯克曾表示自己是一个“病态的乐观主义者”，并强调自己最终会兑现承诺，“这才是关键”。  马斯克 **以下是马斯克尚未兑现或遭遇跳票的承诺：** **自动驾驶技术** 马斯克最著名的未兑现承诺当属特斯拉开发自动驾驶系统。他最早在2015年提及自动驾驶功能，声称三年内就会推出自动驾驶汽车。 但是他错过了这一时间点，并从2020年起几乎每年都承诺特斯拉车辆将实现完全自动驾驶(FSD)功能。2023年，马斯克自嘲是“在FSD上喊狼来了的男孩”，坦承自己未达成目标。  特斯拉FSD 特斯拉已表示，计划今年在加州推出一款无需监督版本的FSD系统，这意味着它可能不再需要人工监督，但该公司并未提供更多细节。 **低价车型** 马斯克最早在2020年宣布计划推出一款面向大众市场、售价约为2.5万美元的汽车，但当时并未提供该车型的具体信息。路透社曾在去年独家报道称，特斯拉已放弃该低价车型(有时被称为Model 2)的开发计划。 特斯拉随后表示，将会开发基于现有产品线打造的实惠车型，而非此前设想的全新车型。马斯克在2024年4月表示，特斯拉将在2025年初推出这些“新车型”。 特斯拉称，更便宜车型将于2025年上半年开始生产，但路透社上周再次独家报道称，更便宜特斯拉车型的生产将推迟数月。该车型包括一款在美国制造、简化版的Model Y SUV。 **自动驾驶出租车** 马斯克曾在2019年表示，他“非常确信”特斯拉将在2020年运营自动驾驶出租车。但直到2024年10月，他才正式宣布计划推出一款名为Cybercab的自动驾驶出租车，并在2026年开始生产。 不过，据路透社报道，Cybercab的生产可能会受到干扰，原因是特斯拉在美国总统特朗普提高关税后，暂停从中国进口部件。 **Cybertruck** 马斯克在2019年发布了Cybertruck电动皮卡，原计划在2021年底开始生产，但实际直到2023年才正式开始生产。 **新Roadster跑车** 特斯拉在2017年底宣布，新一代Roadster跑车将在2020年上市。但是2021年，马斯克将上市时间推迟到了2023年，理由是全球供应链瓶颈。到了2023年，他又表示特斯拉希望在2024年开始生产这款拖延已久的跑车。 到了去年，马斯克正式宣布特斯拉的目标是在2025年发售新一代Roadster。 [查看评论](https://m.cnbeta.com.tw/comment/1494756.htm)