微软希望所有人，尤其是 Windows Insider 计划中的用户，在 Windows 11 遇到性能缓慢问题时，能够在**“桌面环境”** > **“系统****迟缓”**下提交反馈。在一份新的支持文档中，微软补充道，他们致力于 Windows 11 的性能升级。  Windows 11 比 Windows 10 更耗资源，这已是众所周知的事实，我也不会引用任何基准测试来证明这一点。如果你已经使用 Windows 10 多年，最近才升级到 Windows 11，你肯定会注意到其中的差异，尤其是在老款电脑上。 当然，搭载 Windows 11 的 Copilot+ 电脑比 Windows 10 更好，但鉴于该操作系统专门针对 ARM 电脑进行了优化，这一点显而易见。但其他人呢？或者那些拥有游戏电脑的人呢？微软表示，它热衷于提升 Windows 11 的性能，现在当电脑运行缓慢时，系统会收集日志。 “我们仅收集参与 Windows Insider 计划的 PC 的日志。微软不会监视普通 PC，但如果您加入了旨在改进 Windows 的 Windows Insider 计划，您的数据就会被收集。”[微软表示](https://blogs.windows.com/windows-insider/2025/07/18/announcing-windows-11-insider-preview-build-26200-5710-dev-channel/)：“作为我们致力于提高 Windows 性能的一部分，当您的 PC 出现任何运行缓慢或迟缓的情况时，我们都会收集日志。” 目前，微软将日志存储在 %systemRoot% > Temp > DiagOutputDir > Whesvc 文件夹中，只有专门打开反馈中心然后提交反馈的测试人员才会将日志发送给微软进行调查。 Windows 11 25H2 是下一个更新，它不是一个重要的版本，但我们有理由相信它将更多地侧重于错误修复，这将有利于性能。 例如，Windows 11 25H2 加快了文件资源管理器主页选项卡的加载速度，从而有助于快速启动。虽然文件资源管理器的其他区域（包括标题栏）仍然很混乱，但“主页”选项卡现在只需 2-3 秒即可加载。而在旧款电脑上，这一时间通常超过 15-20 秒。 Windows 11 版本 25H2 正在测试一项新功能，当检测到用户远离电脑时，它会限制 CPU 的使用。目前尚不清楚该功能的具体工作原理，但它很可能关注电脑的使用模式，当检测到电脑根本没有使用或处于空闲状态时，算法就会启动并限制 CPU 的使用。 这可以节省电力消耗并延长电池寿命，但有人担心，如果 Windows 错误地认为用户远离了电脑，它可能会不知不觉地减慢后台任务的速度。 [查看评论](https://m.cnbeta.com.tw/comment/1514152.htm)

在硅谷，人工智能不仅重塑了科技，还重新定义了忠诚度的界限，重塑了职业轨迹，并引发了前所未有的激烈竞购战。高管们不惜斥资数亿美元来争取顶尖人才，而那些接受过代码和算法培训的研究人员如今正处于一场“淘金热”的中心。该领域一些重大突破背后的人正像超级运动员一样受到追捧，许多初创公司也正在体验成为科技巨头眼中钉的滋味。 [权力斗争](https://www.wsj.com/tech/ai/meta-ai-recruiting-mark-zuckerberg-sam-altman-140d5861)在 Windsurf 内部表现得最为激烈，Windsurf是一家快速发展的人工智能公司，直到最近才被视为一颗冉冉升起的新星。 几个月来，该公司一直在与 OpenAI 洽谈一项价值 30 亿美元的收购协议。但突然之间，首席执行官瓦伦·莫汉 (Varun Mohan) 放弃了这笔交易（以及公司本身），转而加入Google，并带走了几名关键员工。 据《华尔街日报》的一篇长篇报道，这一消息在一次全体员工大会上[如一颗重磅炸弹般](https://www.techspot.com/news/108648-google-torpedoes-openai-3b-windsurf-acquisition.html)落下，许多人原本以为这只是一场庆祝会。原本打算作为公司未来篇章宣传片的拍摄甚至已经开始。结果，它却成了公司分崩离析的记录。  马克·扎克伯格曾亲自联系过人工智能领域的顶尖人物。 一些员工泪流满面，不仅仅是因为这个消息，也因为随后的沉默。许多人加入这家初创公司，是期待着通过一项重大收购获得改变人生的回报。一夜之间，这种希望破灭了。 到了周一早上，他们的命运再次遭遇重创。Windsurf 的新任首席执行官 Jeff Wang 站在同一个会议室里宣布了另一项消息：公司已同意被收购——这次的收购对象是一家规模较小但雄心勃勃的人工智能初创公司 Cognition。Wang 向员工保证，无论他们在公司工作多久，他们都会获得这笔收入。会议室里爆发出热烈的掌声。 打造最先进人工智能系统的竞赛[引发了一场疯狂的](https://www.techspot.com/news/108530-ai-specialists-now-command-multi-million-dollar-paychecks.html)人才争夺战，也考验着硅谷曾经珍视的价值观。创始人主要谈论使命和意义的时代已经一去不复返；取而代之的是快速达成交易、忠诚度调整和九位数高薪的时代，旨在将研究人员打造成“造雨人”。 创始人主要谈论使命和意义的时代已经一去不复返了；取而代之的是快速交易、忠诚度重组和九位数薪水的时代，旨在将研究人员变成造雨人。  马克·扎克伯格最大的胜利是招募了亚历山大·王（中）。 Meta 已成为这场人才争夺战中最积极的参与者。在首席执行官马克·扎克伯格的领导下，该公司已启动招聘活动，旨在创建一个专注于“超级智能” ——超越人类能力的人工智能——的新研究实验室。 扎克伯格并没有将这项任务委托给他人，而是亲自联系了人工智能领域的顶尖专家。他曾试图从 OpenAI、Anthropic、Google DeepMind 和苹果公司挖来研究人员。 据报道，一些公司提供的薪酬总额超过四年3亿美元，其中三分之一仅在第一年就支付了。但资金并不总是足够的。尽管Meta实验室已经尝试招聘了数月，但仍然缺少首席科学家。 招聘的激增也暴露了行业理念上的分歧。奥特曼表示，尽管承认“雇佣兵”现象的兴起，但他“为我们行业的使命导向感到自豪”。这句话呼应了硅谷长期以来的一个信念，这个信念由凯鹏华盈董事长约翰·多尔推广，他鼓励创始人创建公司时要注重影响力，而不仅仅是财富。 然而，即使是一些相信意义的人也被 Meta 的机器所吸引。扎克伯格最大的举动是招募数据标注初创公司 Scale AI 的创始人亚历山大·王 (Alexandr Wang)。在[收购了](https://www.techspot.com/news/108357-meta-offering-up-100-million-lure-ai-talent.html)其公司价值 140 亿美元的股份后，Meta 任命他为新 AI 实验室的负责人。  Meta 招募 Safe Superintelligence 首席执行官丹尼尔·格罗斯 (Daniel Gross) 令科技界感到震惊。 王19岁时就创办了Scale，并迅速成为科技界最年轻的白手起家亿万富翁之一。今年6月，当他在员工面前宣布离开公司时，一些员工哭了。“就像迪士尼电影的结局一样，”一位员工告诉《华尔街日报》。 连锁反应立竿见影。Scale 很快失去了与 OpenAI 和Google的关键合同。几周之内，该公司宣布裁员，影响了 14% 的员工。 其他合资企业也纷纷倒闭。Meta 将人工智能安全初创公司 Safe Superintelligence 的首席执行官丹尼尔·格罗斯 (Daniel Gross) 招致麾下。格罗斯曾与 OpenAI 早期的关键人物伊利亚·苏茨克弗 (Ilya Sutskever) 共同创立了“SSI”。格罗斯的举动震惊了科技界，也让苏茨克弗感到震惊。 回到Windsurf的办公室，一种结束感比很多人预想的来得更快。周五晚些时候，就在Mohan离职消息公开几个小时后，Cognition首席执行官Scott Wu给Jeff Wang发了一封电子邮件。两人取得联系，并在一天之内就达成了协议。Cognition去年推出了一款名为Devin的热门AI编程代理，引起了轰动。此次收购意味着Windsurf的员工们不会空手而归了。 [查看评论](https://m.cnbeta.com.tw/comment/1514150.htm)

日前，**火绒安全团队和360漏洞研究院曝光并成功复现微信Windows客户端漏洞，该漏洞可使攻击者执行远程代码。**据了解，该漏洞由“目录穿越”漏洞链与“远程代码执行（RCE）”组合触发，攻击者可利用恶意文件在用户无感知的情况下远程执行任意代码，进而实现系统控制或权限维持，从而对终端安全造成严重影响。 **漏洞的技术原理在于微信客户端在处理聊天记录中的文件自动下载时，未对文件路径进行充分的校验和过滤。** 攻击者可通过发送包含恶意文件的聊天消息，当被攻击方在微信中点击聊天记录时，恶意文件会自动下载并被复制到系统启动目录。 利用目录穿越技术，攻击者能够绕过微信的安全限制，将恶意代码植入到Windows系统的关键目录中，实现开机自启动。 当被攻击者的电脑进行重启后，**攻击方即可通过该文件对受害环境执行任意远程代码，进而实现系统控制或权限维持。** 据悉，微信Windows客户端3.9及以下版本均存在此问题，建议及时从[微信官网](https://weixin.qq.com/)下载最新版本进行安装。 [](//img1.mydrivers.com/img/20250720/16da24c9201842e6a2ed823e630925f8.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1514142.htm)

安迪·拜伦 (Andy Byron)，这位在社交媒体上引起轩然大波的初创公司高管，已辞去数据运营初创公司 Astronomer 首席执行官一职。已婚的拜伦在酷玩乐队的演唱会上被“亲吻镜头”拍到搂着公司首席人事官克里斯汀·卡伯特。 拜伦和卡伯特见状迅速躲开镜头，酷玩乐队主唱克里斯·马丁开玩笑说：“他们要么有外遇，要么就是太害羞了。” [](https://static.cnbetacdn.com/article/2025/0718/780aa80a26a4279.jpg) 这起尴尬事件的视频很快就火了——Axios周五援引 Muck Rack 的数据报道称，在过去 24 小时内，关于这家初创公司的新闻文章已达 2.2 万篇，其中 9000 篇是关于拜伦本人的。（在众多笑话和表情包中，[404 Media 认为](https://www.404media.co/the-astronomer-ceos-coldplay-concert-fiasco-is-emblematic-of-our-social-media-surveillance-dystopia/)这起事件“象征着我们社交媒体监控的反乌托邦”。） Astronomer 于 5 月宣布已完成[9300 万美元 D 轮融资](https://www.astronomer.io/press-releases/astronomer-secures-93-million-series-d-funding/)，该公司周五表示，[拜伦已休假](https://x.com/astronomerio/status/1946373253519557042?s=46)，联合创始人兼首席产品官皮特·德乔伊 (Pete DeJoy) 将成为临时首席执行官。据报道，卡博特也已休假。 现在，该公司发布了[一份更长的声明，](https://www.linkedin.com/posts/astronomer_as-stated-previously-astronomer-is-committed-activity-7352406400280514560-UBvJ/?utm_source=share&utm_medium=member_desktop&rcm=ACoAADLC2vQBi-CbOt7lA-puNns0LUuU_3JECBs)宣布拜伦已经辞职。 Astronomer 表示：“我们的领导人应该在行为和责任方面树立标准，但最近，这一标准并未达到。” 该公司补充道：“本周之前，我们被誉为DataOps领域的先驱，帮助数据团队为从现代分析到生产AI等各个领域提供支持。虽然人们对我们公司的认知可能在一夜之间发生了变化，但我们的产品以及我们为客户所做的工作却从未改变。” 在董事会寻找永久替代者期间，德乔伊将继续担任临时首席执行官。 [查看评论](https://m.cnbeta.com.tw/comment/1514140.htm)

终于到了周末，KDE 团队一如既往地发布了本周工作的最新更新。本周的更新比以往更短，但为 Plasma 的铁杆粉丝带来了一些好消息。最引人注目的工作是为 Breeze 装饰的窗口添加了圆角底角。这项视觉更新计划在即将推出的 Plasma 6.5 中实现，是许多用户长期以来一直要求的功能，甚至早在 2021 年就已提交了正式提案。 它的正式发布意味着社区开发的变通方案的需求将减少。 是[kde-rounded-corners](https://github.com/matinlotfali/KDE-Rounded-Corners)一个流行的第三方脚本，多年来一直用于此目的。该功能将默认启用，但对于喜欢经典尖角外观的用户，它提供了一个选项。  Plasma 6.5 的 UI 改进仍在进行中，KRunner 搜索结果排序的优化工作已开始进行。初步改进包括移除 KDE 应用和收藏夹的优先级提升，以减少搜索结果的随机性。磁盘和设备小部件也变得更加灵活，现在允许在不运行错误检查的情况下挂载磁盘，或者在不挂载磁盘的情况下运行错误检查。 除此之外，Discover 和 System Monitor 等应用程序中的侧边栏现在可以调整大小，并且会记住您设置的宽度。天气报告小部件现在会在计算机从长时间睡眠中唤醒后立即获取新数据。 在修复 bug 方面，我们计划修复锁屏光标的 bug，使其在开启 HDR 模式时能够正确变暗。为了提升性能，Plasma 6.5 将降低 KWin 对显示器 EDID 数据中色度信息的信任度，因为这些信息经常出现错误。 文件对话框窗口大小的数据现在存储在状态配置文件中而不是设置配置文件中，并且开发人员添加了更多自动测试来验证 Plasma 的加载过程。 Plasma 6.4 的第四个错误修复版本 6.4.4 将于 8 月 5 日发布。此更新预计将解决一系列问题，例如音量控制页面在某些语言下无法正确调整大小、使用软件渲染时应用程序崩溃以及系统设置中表单闪烁等问题。 [查看评论](https://m.cnbeta.com.tw/comment/1514136.htm)

英国的[《数字市场、竞争和消费者法案》](https://www.legislation.gov.uk/ukpga/2024/13/contents)效仿了欧盟的《数字市场法案》（DMA）。然而与欧盟不同的是，英国决定忽略亚马逊和微软等公司，而只针对苹果和Google。[虽然英国已正式就美国关税展开谈判，但某些细节要等到特朗普访英后才能确定。据](https://www.washingtonexaminer.com/policy/technology/3475529/uk-new-penalties-apple-google-trade-discussions-trump/)《华盛顿观察家报》报道，特朗普预计于7月底访问英国，届时英国政府将推出新的法规。  “这将破坏我们用户所期望的隐私和安全保护，阻碍我们的创新能力，并迫使我们免费向外国竞争对手提供我们的技术，”苹果发言人告诉该刊物。“我们将继续与监管机构沟通，确保他们充分了解这些风险。” Google尚未公开评论英国的计划。 鉴于特朗普政府此前对海外针对苹果罚款的反应，特朗普很可能会在与英国的谈判中使用此类新规定。“看看他们对我们的公司做了什么，”特朗普在 7 月 8 日讨论欧盟类似的 DMA 时说道。“他们起诉苹果，起诉Google。他们从苹果那里获得了 170 亿美元，而他们根本没有理由提起诉讼。” 特朗普可能错误地提到了英国就应用商店收费提起的诉讼，该诉讼实际上可能导致高达18.3亿美元的罚款。又或者，他可能将该法规与最近的欧盟税务案件混淆了，后者最终导致苹果向爱尔兰支付了150亿美元。 “你知道，他们有欧盟法官，”特朗普继续说道。“他们在这方面，以及其他方面，从（美国）拿走了太多钱。” 竞争与市场管理局于 2025 年初 开始调查苹果和Google的市场主导地位。 访问英国期间，特朗普将会见英国首相基尔·斯塔默，讨论与美国有关的农业和其他贸易壁垒问题。 美国官员表示，他们知道这项拟议的新法律，但它不会违反特朗普总统与英国的现行贸易协定。 英国此前曾要求苹果公司允许政府提供“后门”来破解其强加密技术，导致苹果公司不再在英国提供其高级数据保护功能。美国政府此前也曾获得美国政府和情报机构对该功能的大力支持。 [查看评论](https://m.cnbeta.com.tw/comment/1514132.htm)

康宁与欧盟委员会达成的新协议将解决该公司的反竞争营销担忧，但不会影响任何苹果产品（如iPhone或 iPad）的玻璃。总部位于纽约的康宁公司以“大猩猩玻璃”品牌供应特种碱铝硅酸盐玻璃（“碱铝硅酸盐玻璃”）产品。该产品广泛用于智能手机、平板电脑和其他手持设备。  欧盟委员会在2024年的调查后发现，康宁公司利用独家合同和返利来锁定制造商。这种做法旨在排挤竞争对手和潜在的玻璃制造商。 康宁表示，将改变与制造商的现有交易，以避免调查引发的任何正式指控。 苹果公司避免了卷入这场现已解决的争端的任何风险——因为委员会裁定，苹果产品使用的大猩猩玻璃来自“特殊成分，仅供苹果公司使用”。这种特殊配方是与 iPhone 制造商合作的成果，使得苹果产品中使用的康宁玻璃不属于有争议的交易范围。 苹果公司定期向康宁公司提供研究经费，以进一步资助未来 iPhone、 iPad和其他产品更坚固的陶瓷玻璃产品的研究。据称，康宁公司也在与苹果公司合作，为其即将推出的折叠产品开发玻璃 。 康宁公司目前已承诺“放弃其与原始设备制造商和最终用户达成的所有协议中的所有独家交易条款。该公司也不会在未来的协议中使用具有相同效果的此类或类似条款。”这家玻璃制造商向欧盟委员会承诺道。 这些承诺还涵盖透明玻璃陶瓷——以“透明玻璃陶瓷”的名义销售。欧盟委员会指出，之所以将它们纳入承诺范围，是因为这种覆盖材料“未来可能会被汽车原始设备制造商更广泛地使用”。 康宁现在将“放弃其与汽车原始设备制造商和整车厂达成的所有现有协议中的所有独家交易条款”。该公司还“承诺在未来的协议中不再使用具有相同或类似效力的条款”。 在欧洲经济区，康宁同意不再要求产品制造商购买任何预设数量的碱性AS玻璃或透明玻璃陶瓷。此外，康宁也不会对任何折扣或“价格优势”设定“采购要求”的条件。 该协议还包含适用于康宁公司全球范围内的限制条款。康宁公司不会要求企业承诺从康宁公司采购50%或以上的玻璃产品，同时禁止企业提供更优惠价格的采购条件。 康宁玻璃将用于iPhone 17系列以及未来可能的折叠产品。 此外，康宁公司必须在与产品制造商签订的合同中加入一项标准的反规避条款，禁止任何合同之外的“私下交易”或其他规避限制的手段。 该协议还补充道，为了在诉讼中执行康宁的防碎玻璃盖板专利，该公司必须仅以专利侵权而非违约为依据提出索赔。“此外，康宁不会使用任何其他合同机制（例如罚款）来强化其专利主张。” 康宁公司须将这些变更告知现有合同持有人以及关键利益相关者，例如汽车制造商和整车厂。变更通知必须以英文或中文书写。 康宁已受新协议约束，有效期为九年，并将任命一名受托人监督并强制执行协议。iPhone 17系列预计将采用新款康宁玻璃，据称其防反射和防刮擦性能将进一步增强。 [查看评论](https://m.cnbeta.com.tw/comment/1514130.htm)

Reddit上至少发布了几张疑似三星 Galaxy Z Fold7商店演示机的照片，这些手机似乎无法完全打开。不过，海报上确实提到了他们可以“稍微帮忙一下”，所以这更像是铰链卡得不太好，而不是机械设计上的无法打开。 这可能是由于铰链缺陷、粗暴使用（虽然这种新机不应该出现这种情况）或试制机不符合标准造成的。此外，也有可能用户有意或无意地没有完全打开手机。  三星 Galaxy Z Fold7 盖板无法完全打开 目前还没有关于制造缺陷或任何形式召回的传闻。值得一提的是，全新设计的 Armor FlexHinge 不仅可以减少显示屏折痕，还能通过更均匀地分配压力，从而更加耐用。 三星尚未发布有关其新铰链的任何正式循环耐久性数据，但我们知道 Z Fold6 的额定开合循环超过 200000 次不会出现任何问题。 还值得注意的是，Z Fold5 推出的“原版”零间隙铰链在完全打开时的官方公差在 178.5 到 181.5 度之间。超过这个范围应该在保修范围内。或许新的铰链也有类似的公差，只是我们目前还不清楚。 [查看评论](https://m.cnbeta.com.tw/comment/1514128.htm)

加拿大科技公司 Form 推出了其 Smart Swim 2 泳镜的升级版，它可以追踪你在水中的表现和心率，并在平视显示屏上显示这些数据。由于采用了抗损大猩猩玻璃，最新版本的泳镜更加耐用。  事实证明 Form 已经研发智能护目镜大约六年了。这款眼镜旨在追踪泳池和开放水域中的一系列指标，包括通过太阳穴附近的光学传感器测量的心率、步速、划水频率、时间、距离、燃烧的卡路里、划水次数、每次划水的距离和分段时间。 [](https://newatlas.com/sports/form-smart-goggles-ar-display-gorilla-glass-swimming/#gallery:4) [](https://newatlas.com/sports/form-smart-goggles-ar-display-gorilla-glass-swimming/#gallery:4) 这款泳镜具有清晰的平视显示屏，仅显示关键数据，可以让运动员专注于游泳 其内置电池充满电后可使用 14 小时，紧急情况下，充电 10 分钟即可运行 2 小时可以将锻炼数据分享到 Strava 等平台，还可以订阅 Form 自己的游泳教练应用程序，以获得指导训练和技能分析。 这里内置了一些贴心的软件功能，例如可以将纸上的书面游泳程序转换成显示在护目镜上的指导性锻炼课程，以及无 GPS 的数字罗盘，以帮助您在开放水域中保持航向。 [](https://newatlas.com/sports/form-smart-goggles-ar-display-gorilla-glass-swimming/#gallery:2) 评论指出，[这款泳镜拥有简洁、明亮、清晰的 AR 显示屏](https://www.dcrainmaker.com/2024/04/smart-goggles-review.html)，方便您在游泳时轻松查看数据。泳镜界面设计简洁，操作简便，可快速上手游泳，并在关键模式之间切换；您可以通过配套的移动应用程序深度定制其他功能。这款泳镜还可以与 Apple 和 Garmin 手表配对，显示 GPS 数据，例如每 100 米（3.3 英尺）的配速。  Form 移动应用程序会显示 Smart Swim 2 泳镜在游泳时的详细图表和指标 Smart Swim 2 于去年首次亮相，售价 279 美元，已提供这些功能。只需额外支付 50 美元，即可获得配备大猩猩玻璃镜片的专业版，该镜片承诺可有效防止刮擦并更长时间防止起雾，前提是您使用随附的防雾喷雾（该公司解释说，喷雾只需婴儿洗发水和水，因此您可以自行补充喷雾）。 [](https://newatlas.com/sports/form-smart-goggles-ar-display-gorilla-glass-swimming/#gallery:5) [](https://newatlas.com/sports/form-smart-goggles-ar-display-gorilla-glass-swimming/#gallery:5) 新型大猩猩玻璃镜片具有防刮擦和长期防雾的功能 [从](https://www.220triathlon.com/review/form-smart-swim-2-goggles-review) [评论](https://www.youtube.com/watch?v=7tI1rIrXkUY)来看，专业游泳爱好者似乎[很欣赏 Smart Swim 2 的功能](https://www.triathlete.com/gear/swim/triathlete-tests-the-new-form-smart-swim-2-heads-up-display-goggles)和精准度；其整体评分的主要缺陷在于，许多教练和训练计划功能以及电子指南针的使用费用需要每月 15 美元或每年 99 美元。除此之外，它看起来是一款不错的装备——新的镜片应该也能更好地支撑它在水中的稳定性。 <ps direction="vertical" indicator="1"></ps> [在 Form 的网站上](https://www.formswim.com/products/smart-swim-2-pro-goggles)查看 Smart Swim 2 Pro 。 <ps direction="vertical" indicator="1"> </ps> [查看评论](https://m.cnbeta.com.tw/comment/1514126.htm)

东方网记者程琦7月19日报道:在经历了连续两个周末的“疯狂补贴”后，愈演愈烈的外卖大战似乎在本周末迎来了转折点。7月18日，市场监管总局就低价倾销等问题约谈美团、饿了么等平台企业。记者今日（周六）调查发现，尽管平台补贴仍在继续，但此前“0元购”等大额优惠已难觅踪影，消费者普遍反映“热度没上周那么狂热了”。  平台自动发放优惠券，但有起送标准 **约谈后首个周末：补贴仍在，但“羊毛”不如之前好薅** 今天，记者打开美团外卖App，平台自动发放了两张优惠券，但记者尝试兑换一份免费的麦辣鸡翅时，系统提示需额外消费15.5元才能达到起送标准。而在饿了么平台，尽管“饿补超百亿”的活动仍在，一杯库迪咖啡优惠后仍需支付6.9元，且预计配送时间接近一小时。 “上周有很多0元的奶茶，这周类似的目前我也没看到。”消费者周女士告诉记者，她明显感受到平台的补贴力度正在减弱。“上周我用6.7元买到了12瓶苏打水，这周虽然还有优惠，但算下来要8块多，还要凑一块多的起送费。羊毛还是能薅，但成本高了，我就放弃了。”周女士的感受，代表了许多消费者的普遍心态。 **监管介入划“红线”，行业呼吁停止内卷** 这场补贴大战的悄然“降温”，与监管部门的及时介入密切相关。7月18日，市场监管总局明确约谈三大平台，要求其严格落实主体责任，规范促销行为，理性参与竞争，共同构建多方共赢的良好生态。 事实上，在监管部门正式约谈前，这场大战的副作用已引发业内广泛担忧。有商家称，顾客享受的补贴大头由商家承担，不参加就没流量，参加了就是赔本吆喝。随后，北京电子商务协会也发出倡议书，呼吁行业杜绝以排挤竞争对手为目的的低价倾销行为。 各大平台也在此期间先后表态。京东方面称完全没有参与“0元购”等恶性竞争；美团核心本地商业CEO王莆中则坦言，“卷没意义，对行业是伤害”，并将此前的补贴行为定义为“被迫反击”，同时指出“1元买12瓶水”等订单是“泡沫”，对行业价值不大。 **“后补贴时代”的思考：流量狂欢后，谁是赢家？** 当补贴退潮，真正考验平台内功的时刻才刚刚开始。外卖商家陈先生在接受采访时表达了担忧：“短期内订单刺激很明显，但长期看很难持续。补贴一停，订单可能会下滑得很快。”他的担忧也点出了平台面临的核心问题：如何将因补贴而来的“薅羊毛”用户，转化为有价值的存量用户。 网经社电子商务研究中心数字生活分析师陈礼腾认为，短期来看，订单暴增给中小商家带来了巨大的运营压力和成本负担；长期而言，市场将向供应链效率高、品牌力强的头部企业加速整合。 他进一步指出，短期数据亮眼并非终极目标，竞争格局正从“资金战”转向“效率战”。真正的赢家，需要平衡好用户低价需求、骑手权益保障与商家可持续盈利三者间的关系，而非单纯依赖价格战。平台亟需从“资本消耗”转向“价值创造”，通过技术创新、服务升级和规范运营，构建可持续的竞争优势，否则，即便短期单量创新高，也可能陷入“补贴一停、用户流失”的陷阱，最终难以成为真正的行业领导者。 [查看评论](https://m.cnbeta.com.tw/comment/1514116.htm)

7月19日，洛阳市餐饮与饭店行业协会、山东省烹饪协会相继发布倡议书，呼吁淘宝闪购（饿了么）、京东、美团三家外卖平台停止“内卷式”竞争，立即停止非理性补贴，取消低于成本价补贴活动，禁止强制摊派补贴，转向高质量发展，明确补贴上限与账期保障等。 在此之前，7月18日，市场监管总局约谈饿了么、美团、京东三家平台企业，要求相关平台企业进一步规范促销行为，理性参与竞争，共同构建消费者、商家、外卖骑手和平台企业等多方共赢的良好生态，促进餐饮服务行业规范健康持续发展。 经初步统计，过去一周内，已有湖北省、陕西省、云南省以及北京、青岛、大连、大同、重庆、深圳等超10个省市的餐饮行业协会陆续发布相关倡议书，呼吁外卖平台停止“内卷式”竞争。  洛阳、青岛、大连、湖北省等地餐协发布呼吁外卖平台停止“内卷式”竞争倡议书（图源：各协会官方网站/账号） 洛阳、青岛、大连等地餐饮行业协会及湖北省烹饪酒店行业协会发布的倡议书均指出，今年年初京东外卖入局餐饮行业后，率先通过“百亿补贴”等活动，挑起了餐饮行业内卷式竞争，淘宝闪购（饿了么）紧随其后持500亿补贴下场导致行业内卷加剧，近期美团也加入补贴大战让战火蔓延。各大平台以“满18减18”“免单卡”等过度补贴、超低价促销等方式开展“价格内卷式”竞争，侵蚀行业健康发展的根基，也严重违背国家反内卷政策导向。 实际上，今年5月，市场监管总局等五部门就针对外卖行业竞争中存在的突出问题，约谈过京东、美团、饿了么等平台企业，要求合法规范经营，公平有序竞争，共同营造良好市场环境。不过，京东、淘宝闪购（饿了么）等平台的补贴态势仍持续升级，有统计显示，外卖市场将涌入800亿补贴，最高日订单达2.5亿。 对于这场外卖补贴战，南城香餐饮创始人汪国玉指出，餐饮商家整体线上渗透率明显增加，但客单价下滑、利润率下降也是肯定的，希望呼吁和帮助行业回归理性，公平竞争。嘉和一品创始人刘京京表示，百亿补贴开战，最受伤的其实是商家。 山东省、重庆市、深圳市等多地行业协会在倡议书中强调，这种“内卷式”竞争已引发餐饮行业系统性风险，形成了平台、商户、消费者多方受损的“多输”困局：单杯奶茶利润跌破1元、某些餐品出现负4元“倒贴收益”等现象让餐饮商家经营利润被挤占、定价体系被破坏，同时，消费者面临配送延迟等消费体验恶化问题，最终损害全行业长远利益。 平台、商家应该如何做？山东、大连等地协会呼吁各平台立刻停止非理性补贴，取消低于成本价补贴活动，禁止强制摊派补贴，优化算法避免爆单失控，转向高质量发展，加大资源投入食安管控、配送效率与数字化赋能。云南、大同等地行业协会也呼吁商家理性参与平台活动，自觉抵制非理性价格竞争，不参与、不盲从各类补贴大战。 除了呼吁停止“内卷式竞争”，各地协会还积极呼吁，餐饮行业及商家应当将更多精力放在食品安全、服务品质等促进行业健康发展的正向举措上。如北京烹饪协会建议餐饮企业不断提升服务质量，专注技艺创新，不断推陈出新，适应当下消费环境，紧抓食品质量，增强品牌竞争力。陕西省饭店协会鼓励各方深化餐饮行业数字化应用，通过优化供应链响应速度、周转效率及客户服务精准性降本增效，以运营水平提升替代价格比拼。 今年年初，已有外卖平台率先推动产业上下游“反内卷”，如上线骑手防疲劳机制、取消超时扣款、试点养老保险补贴、为商家提供助力金等，同时上线“明厨亮灶”等食品安全保障，倡导餐饮商家走向拼服务、拼产品的创新竞争。 7月16日，美团核心本地商业CEO王莆中公开表态，美团不愿参与“内卷”，并且一直在反对“内卷”，最后还是被卷入，但参战是为了生存，外卖大战带来很多泡沫，希望社会各界能够讨论和反思。 [查看评论](https://m.cnbeta.com.tw/comment/1514114.htm)

 本期时间轴制作： 西楼 本周的新闻较为零散，凑了一桌子人一起聊聊！ 本周新闻：电竞世界杯火热开打，小孩《饿狼》遗憾第二；宝可梦精灵球交通卡推出，一起聊聊游戏周边；《塞尔达传说》真人版演员现已确定，一起聊聊游戏改编作品；“泰拳霸王”沙加特将于8月5日正式登录《街头霸王6》；X旗下AI应用宣布推出伴侣功能等。 最后祝大家周末愉快！注意防暑！

当地时间周四公布的一项民意调查显示，美国科技亿万富翁、前政府效率部负责人埃隆·马斯克的支持率已降至不足 25%。 [](https://n.sinaimg.cn/finance/transform/116/w550h366/20250715/15ef-b8e9dfa4f1e3055e6713f5fc9451b29f.jpg) 根据最新民调，马斯克的受欢迎程度仅为23%，而不受欢迎程度则高达60%。还有3%的受访者表示“从未听说过”马斯克，而14%的受访者知道他但“没有看法”。 在这项民意调查中，共和党获得了33%的支持率和51%的负面评价，有3%的受访者表示“从未听说过”这个政党，而13%的受访者表示知道这个政党但“没有意见”。 [查看评论](https://m.cnbeta.com.tw/comment/1514110.htm)

**世界上最速电动滑板车诞生了，极速160公里/时，甚至比不少新能源汽车还要猛**。据介绍，这款滑板车名为“The Turbo”，由英国公司Bo制造，定价为2.95万美元（约合21.2万元人民币），首批量产车将在2026年F1大奖赛期间交付。 [](//img1.mydrivers.com/img/20250719/6aae1c8c8b1e4f15a02e3ca14a890061.png) **该滑板车基 Bo公司现有的都市型滑板车Model-M底盘打造，搭载24000W双电机驱动系统、1800Wh电池。** 应用了灵感来自于F1赛车刹车冷却系统的冲压式进气冷却装置，配备先进的牵引力控制系统，**官方称其功率重量比据称超过了布加迪威龙**。 [](//img1.mydrivers.com/img/20250719/e3ac1a8c79c44d9e91cb20f75d4113b2.png) Bo团队坚称，尽管参数惊人，Turbo仍然 “出乎意料地易于操控”，**目前职业小轮车骑手特雷·怀特已经进行了20多次高速测试骑行，团队正准备进一步挑战极限**。 Bo公司还表示，在古德伍德赛车场的早期赛道测试中，这款滑板车速度已经能达到85英里/小时（137公里/小时）以上。 计划在吉尼斯世界纪录的监督下，将其极速提升突破100英里/小时（160公里/时）的关口。 [](//img1.mydrivers.com/img/20250719/5f118ecd1a554d07a44580b914a454b9.png) [查看评论](https://m.cnbeta.com.tw/comment/1514108.htm)

有网友发帖称，高铁车厢对方便面的食用有相关提醒，**旅客在乘车期间，请不要食用榴莲、方便面等有浓重气味的食品。**对此，12306工作人员表示，不含加热包的普通方便面可正常携带上车，**但建议乘客在列车上尽量选择味道较小的食物，以免影响其他乘客。** 有网友表示支持，认为高铁动车组密封性特别强，泡方便面味道很大，在动车组列车上食用方便面不利于车内的空气质量，影响大多数人的感受，大家要共同营造一个比较舒适的乘车环境。 如果需要用餐，可选择盒饭、三明治等气味较轻的食品，或提前准备便携且不易散发气味的食物，这种选择既是对他人的尊重，也能共同维护舒适的乘车环境。 乘坐高铁时保持文明礼仪，互相尊重体谅，是现代社会公民素养的重要体现。让我们从自身做起，共同营造和谐、舒适的高铁乘车环境，让每一次出行都成为美好的体验。 [](//img1.mydrivers.com/img/20250719/c392c82903ad4309b244b10142f7f770.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1514106.htm)

有网友发现，二手平台上部分商家正在售卖快过期的“红色尖叫”饮料，标价在48元至88元之间，**有的售价是68元一瓶，有商家称“再不喝就要过期了”。**据了解，尖叫是一款饮料的名字，农夫山泉于2004年推出了尖叫系列功能饮料，红色尖叫是其中的一个口味，因包装为红色而得名，它主要作用是补充电解质，该款饮料曾上榜“难喝饮料排行榜”。 [](//img1.mydrivers.com/img/20250719/38d2b5d786eb4b2faaf9e70333d35ed6.jpg) 众所周知，在运动过程中，机体体温就会升高，为了降温，机体通过散失水分带走热量；水分散失的同时伴随着矿物质的流失，导致电解质代谢紊乱；此时糖原和血糖也一并减少，引起疲劳提前发生。 由此便出现了能够帮助身体恢复体力、营养以及提高运动能力的运动饮料，**饮用含有电解质的饮料可以维持体液渗透压，防止脱水造成的肌肉疲劳、痉挛、眩晕等现象。** [](//img1.mydrivers.com/img/20250719/6f7739ab624342cb8de5bfb4b4bdbbe5.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1514104.htm)

近日，有网友发帖称自己在名创优品购买的铁达信5000mAh简约带线移动电源（混）（型号为 M17）3C标识为多边形。该网友发布的图片显示，此款充电宝的 3C标识外椭圆变成了近似八边形，而产品购买详情中明确注明了 “3C认证”。“机场安检带不上去，工作人员说那个圈是多边形，不是真的圈，包装写的可登机。”  评论区有网友质疑，“没3C认证的充电宝早就下架了”。有网友表示，自己去年购买的同款式充电宝，其3C标识是正常的。还有网友称，自己在名创优品购买充电宝后，回家拆开发现3C图标存在问题，“一查发现好几个型号3C认证已经注销了”。 7月19日，经视直播记者尝试与发帖网友取得联系，但截至发稿时，对方暂未回复。 随后，记者在某外卖平台名创优品店铺搜索“铁达信”发现，店铺所售的几款“铁达信”充电宝均标注了3C认证，发帖网友同款铁达信M17充电宝商品详情还标注“可上飞机”，并提供了“中国国家强制性产品认证证书”。 经视直播记者在中国质量认证中心查询该充电宝生产企业广东铁达信实业有限公司，发现该公司有关 M17 充电宝的3C认证已被注销。而扫描该产品提供的“中国国家强制性产品认证证书”二维码后，在广州赛宝认证中心能够查询到该产品的3C认证证书。据江南都市报报道，在国家认证认可监督管理委员会官网的强制性产品认证业务专栏中可以确认，广州赛宝认证中心服务有限公司是合法的认证机构。 7月19日，经视直播记者拨打名创优品客服电话，工作人员表示目前门店售卖的数码产品均符合国家要求，具备3C认证要求的产品是均已通过认证的。至于为什么会出现多边形3C认证标识，工作人员表示，会去核实相关情况。 [查看评论](https://m.cnbeta.com.tw/comment/1514098.htm)

前几天，有同学问：父母用小米手机，自己用 iPhone 和 vivo，远程协助由什么推荐方案吗？ 青小蛙也想知道有没有解决方案，毕竟现在差不多远程控制 = 诈骗，就…很难。于是把问题抛到了

减碳与创效，并不冲突。

<blockquote><p>别再把 AI 当聊天工具了！2025 年，真正能替你“动脑又动手”的 AI 智能体已悄悄上岗：从帮你一键扒视频文案，到自动做海报、剪书单号，甚至 15% 的职场决策都将由它们代劳。这篇零基础入门指南，只用 5 分钟带你穿越 70 年进化史，看懂智能体到底“智”在哪；再送 6 步搭建流程＋100 个即用模板，让你零代码也能拥有自己的数字员工。</p> </blockquote> 点击蓝字，关注我们近年来AI发展迅速，从简单对话系统发展到复杂的AI agent或AI应用开发。权威媒体报道表明，AI agent是2025年十大战略技术趋势之首，众多国内外企业纷纷发力该领域，如OpenAI发布Operator智能体，智谱AI推出自主智能体等。AI agent被定义为有能力主动思考和行动的智能体，可完成多种任务，预计到2028年15%的日常工作决策将通过Agentic AI完成。这篇文章将为你介绍AI agent，即智能体 ## 一、什么是智能体 智能体指能够自主感知环境、做出决策并执行行动  以实现特定目标的智能实体，其核心在于： ●   自主性  ：无需人工干预，自动拆解任务（如“买咖啡”分解为定位→选店→支付） ●   反应性  ：实时响应环境变化（如自动驾驶遇行人自动刹车） ●   社会性  ：多智能体协作（仓储机器人集群调度货物） ●   进化性  ：通过数据反馈持续优化策略（京东客服智能体处理18%售后问题） AI智能体类似于一个虚拟的“助手”或“代理”。它能够听懂你的话、理解你的需求，并帮你完成任务。    和传统的软件程序相比区别如下：   ## 二、 智能体发展历程 ### 1、萌芽期（1950s-1980s） 以预设规则驱动的机械自动化时代，代表如ELIZA聊天机器人（1966）通过关键词匹配模拟对话，斯坦福推车（1979）实现基础避障。 智能体如同“提线木偶”，仅能执行人工编写的固定指令链，无法适应环境变化，无学习能力是根本局限。 ### 2、感知时代（1990s-2010s） 传感器+机器学习赋予智能体初步环境交互能力：IBM深蓝（1997）依靠决策树战胜棋王，DARPA自动驾驶赛（2004）催生激光雷达导航技术，扫地机器人应用SLAM算法构建地图。 但能力严重依赖人工设计特征，工业机器人迁移新场景即失效，仍是“感知强、认知弱”的初级智能。 ### 3、认知革命（2020-2023） 大语言模型（LLM）突破语义理解瓶颈，彻底改变人机交互逻辑：GPT-3（2020）展现零样本推理能力，ChatGPT（2022）实现模糊指令理解与多轮对话，AutoGPT（2023）首次完成“开发网站”等目标的自动拆解。 智能体从“工具”跃升为“思考者”，理解人类意图成为核心能力。 ### 4、 自主进化（2024至今） LLM+Agent框架+具身智能融合引爆质变：多模态模型（GPT-4V）让智能体“看懂世界”，ReAct框架实现“思考-行动”闭环，Figure 01机器人（2024）借视觉+触觉学习煮咖啡。 产业级应用爆发——特斯拉FSD V12纯视觉决策、AlphaFold 3预测蛋白质结构，自主决策与跨场景执行能力逼近人类。 ## 三、目前流行的智能体构建平台 目前主要分三类：面向个人开发者的零代码平台（如Coze）、企业级解决方案（如百度千帆）、以及开发者导向的开源框架（如Dify），它们之前的区别与联系如下：  ## 四、智能体搭建的流程    ### 1、 梳理需求 在做智能体之前，我们应该明确我们做这个智能体是为了解决什么问题，这里的重点是梳理出那些重复性的、机械化的、不需要太多思考的工作，越详细越好，梳理出详细的业务流程，标注从起点到终点需要经过的每个环节 ### 2、 软件选型 根据场景，就是你的使用需求，选择合适的开发平台、大模型和工具 开发平台：一般来说，对于轻量级的任务，建议使用扣子、腾讯元器等零代码平台 大模型：先用最强模型（如GPT-4）建立性能基准，再逐步替换为小模型（如DeepSeek-R1），测试效果衰减是否可接受 ### 3、 明确智能体的人设与逻辑，设计提示工程 设计智能体的人设与逻辑是构建高效、可控AI系统的核心，而  提示工程  则是实现这一目标的关键技术，好的提示词能够大大提升大模型输出的准确性，帮助智能体准确地理解任务，提高大模型的输出质量，减少 token 的消耗，降低成本。可以帮助 AI Agent 理解上下文，确保对话的连贯性。  现在主要有CRISPE、BROKE、ICIO等比较好用的框架，大体就是跟智能体说清楚背景，让它代入角色，按照你想要的类型、格式、风格、长短等来输出内容，免得它不知所措或者天马行空。 ### 4、 明确各个工作流与节点的输入输出，配置信息等 （1）输入 是智能体执行任务的起点，需明确数据来源与格式 ● 用户输入：文本、文件等 ● 上下文输入：历史会话记录 ● 系统触发输入：通过调用api，如飞书文件夹token 在进行工作流设计时，输入要精简，避免冗余参数，优先提取关键字段 （2）输出 是智能体执行的最终结果，需满足可解析性与集成需求 ● 直接响应：文本回复（客服回答）、图文卡片（商品推荐） ● 结构化数据 ：API指令（如生成退货码）、文件（生成的Markdown文章） ● 动作触发 ：调用外部服务（发送短信、创建飞书文档） 在进行工作流设计时，输出尽量结构化，统一JSON格式，方便后续系统集成 ### 5、 构建智能体并调试 前面我们已经选择了开发平台、大模型和工具，并制作出了各个工作流、输入、输出、配置，这一步是将上述流程再开发平台上进行构建，配置好后，通过不断调整提示词和大模型，调试出符合我们需求的智能体 ### 6、 发布智能体 完成调试后，我们可以将智能体发布到各种渠道中，在终端应用中使用智能体。 目前支持将智能体发布到飞书、微信、抖音、豆包等多个渠道中，你可以根据个人需求和业务场景选择合适的渠道。例如售后服务类智能体可发布至微信客服。 ## 五、智能体应用 以下是智能体常见的应用领域  看完智能体的应用领域，或许你对智能体的应用还是没有直观的感受，毕竟，这些说的好像离我们生活不是很近，日常生活中，我们也用不上 那么，在日常生活中，我们什么时候会用到智能体呢？答案是：如果你发现你一直重复干着一件事情，那么，或许智能体就可以帮你实现，下面举例说明让你更有实感 1、 如果你想提取视频文案，这时候可以使用“视频提取文案”智能体 2、 如果你想设计海报，可以使用“一键海报设计”智能体  3、 如果你想做一个书单自媒体账号，你可以使用“一键生成爆款书单视频模版”智能体  — END — 本文由人人都是产品经理作者【诺儿笔记本】，微信公众号：【诺儿笔记本】，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。

 本期节目为2025年7月7日的《 [“我是山间的风”：博尔赫斯前的阿根廷简史 Vol.1](https://www.gcores.com/radios/195599)》录后谈。 从2025年2月开始，每周1-2期的播客节目将配备会员专享的《录后谈Aftertalk》。在这里也许你能听到录音结束后的感想，意犹未尽的争论，或是录后的反省大会。总而言之，和会员朋友们分享有趣的闭麦后录音室秘密小花絮！㊙️

<blockquote><p>上线 11 个月，拿下 100 万海外用户、跻身非洲多国畅销榜 Top10，国产 AI 音乐平台 Mureka 用一套“简单模式+高级模式”的组合拳，把 Suno 当成靶子打。从 8 分钟长曲到一键出片，它让素人秒变音乐制作人，也让专业音乐人把灵感直接变现。当 AI 开始写歌、编曲、混音甚至拍 MV，音乐创作的门槛被彻底打穿——这一次，中国团队把“颠覆”写进了全球乐谱。</p> </blockquote> 作者丨子墨编辑丨火狐狸 今年3月，昆仑万维发布了Mureka O1与Mureka V6模型，其中Mureka O1也是全球首个“会思考”的音乐推理模型，能够通过自我评判来提升音乐的品质，实现专业级人声和混音效果，集成作曲、编、录、混全能音乐工作室的作业模型。而Mureka V6则是能明显改进人声的清晰度，致力于更好地编曲并提升歌词的准确度，当前支持涵盖英语、西班牙语、日语等10种语言。 这两大新模型，结合用来增强音乐生成的Mureka V5.5，共同支持着AI音乐生成平台Mureka的发展。自2024年8月上线开始，Mureka就选择了将Suno作为对标，希望在这一领域能够打造出领跑国际的产品。 点点数据显示，Mureka接入Mureka O1与Mureka V6模型后，在海外市场不断受到关注，进入了非洲南部多个国家音乐畅销榜Top10当中。根据insightrackr数据，产品至今在苹果和安卓双端下载量接近100万，其中56%来自于美国用户，少部分来自墨西哥、英国、加拿大用户。 如今，短视频在全球范围内的风靡，带动着AI内容创作的热潮，AI音乐这一细分赛道也在UGC内容的融入后，变得兼具娱乐性与工具性。Mureka能否凭借昆仑万维的AI能力优势，在音乐领域闯出一番天地呢？ ## 简单+高级，双模式满足多元需求 当前，市面上能够用简单的文字生成歌词，选择曲风后，再输出一小段demo的平台不在少数，而Mureka将其列为“简单模式”。在这一模式下，用户可用300字以内的文字描述想要生成的音乐，如果没有想法，也可以选择AI随机生成选项，或从各个曲风分类中选择文字模板，例如“一首充满力量的主题曲，强烈的嗓音和鼓舞人心的节拍，讲述一起征服挑战，携手面对未知。” 而后，Mureka则可以创作出一首完整的歌曲，时长大多在3分至3分半之间。在简单模式下，平台还支持纯音乐的创作，并且考虑到其后续用途，特别增加了Vlog、电影、动画、广告、活动等模板文案。例如“欢快的尤克里里旋律配以轻柔的钢琴，适合生活方式和烹饪视频博客。”用这样的文案模板生成的内容，就可以直接用于Vlog中当作BGM，让用户能够在短时间内快速上手，高效获得想要的内容。  从目的上来说，当前使用AI音乐的用户群体大致分为两种，一种是抱着好奇心和尝试心态的人，Mureka的简单模式就可以满足这些人的基础需求。而另一种，则是较为专业的创作者或音乐人，他们对于歌曲的细节有着更高的要求。为此，Mureka同步推出了“高级模式”。 在“高级模式”下，Mureka不仅能生成歌名、歌词，还能进行段落标记、歌词优化以及内容续写等等。用户提供一段文字，AI则可以根据内容进行续写，以此保持整体风格的连贯性和一致性。 为了能够减少AI“调教”的次数，更高效地生成用户满意的歌曲，Mureka还做了一些细节处理，如上传参考歌曲、自定义歌手、添加歌曲描述，甚至可以识别并利用哼唱的旋律进行内容生成。不过，目前自定义歌手和旋律哼唱仅在Mureka V5.5和Mureka V6模式下可用。  总的来说，Mureka通过简单模式降低创作门槛，高级模式提供更精细的调整，兼具满足了娱乐型和工具型用户的深度需求。值得注意的是，在接入Mureka V6后，平台理论上最长可以生成4分30秒的音乐，这一时长已经超过了很多同类产品。 不过，被Mureka对标的Suno，今年5月新发布的版本中，已经可以支持8分钟的音乐时长，适用于电影或长篇博客等复杂场景。但用户反馈表示，一些超过6分钟的曲目常常会出现段落重复或情感连贯性不强等问题。由此可见，Mureka想要成为行业头部，在生成时长和稳定性方面，都还有可进步空间。 ## 打通文字-音乐-视频全流程，用户无需“再创作” AI音乐能够火的原因，很大一部分在于社交媒体的快速传播，其中也不乏很多重度创作者，靠着AI制作，在社媒中收获大量粉丝，从而实现内容变现。由此，Mureka向后续场景端做了延伸，推出了视频生成玩法。即生成的歌曲能够被一键制作成贴合情绪表达的视频，并带有歌词字幕，直接下载后就可以分享到社媒平台，相当于为用户节省了大量再创作的时间。 而这些重度创作者，驱动着整个行业发展从最初的娱乐化向着专业化方向发展。越来越多的专业音乐人，也逐步借助AI激发灵感与创造力。为顺应这一潮流趋势，Mureka还上线了音频编辑功能，支持裁剪、局部编辑、延长任何歌曲，并支持通过“乐器分轨”功能，将歌曲分离成单独的音乐轨道。 如果对于音乐品质有着更高的追求，用户还可以在其中个性化创建AI音乐模型，它能够更理解创作者的音乐偏好。这一过程，需要299人民币，且需要一次性付款。 Mureka官方数据显示，当前平台内购采用订阅购买积分的方式，1积分可以创作1首歌曲，并分为基础会员和尊享会员。尊享会员可享受平台上的全部内容，而基础会员权益则不包括下载视频、哼唱旋律、局部编辑及延长音乐等高级功能。年度尊享会员折合0.25元/首，相对来说是性价比最高的。  不过，从用户反馈来看，Mureka似乎也遇到了AI生成的通病，高峰时期等待时间过长，出现用户“排队”几个小时，等待几百人的情况。还有美国用户表示，相较于其他平台，Mureka生成的稳定性要更强，但情感表达稍有欠缺。音乐作为情感表达的重要载体，其创作能够直击心灵往往是用户所追求的重要因素之一。 ## 写在最后 Mureka作为AI音乐生成出海领域的代表产品，正在推动着技术升级以及整个行业的水平提升。然而，作为内容创作的新兴产物，AI音乐仍面临一些亟待解决的问题，生成速度的瓶颈以及情感表达的深度，与人类还是具有较大差距。在从娱乐转向实用的过程中，若能持续提升模型的细腻程度，则有望在商业化道路上建立起独特的竞争优势。 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。作者丨子墨编辑丨火狐狸 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>当同行们还在用“闪电扩张”堆人头时，Gamma 创始人 Grant Lee 用 30 人团队就服务了 5000 万用户。这篇文章浓缩了 Grant 的最新分享，告诉你 AI 时代如何用小而美的“部落”取代臃肿的军团，把效率、适应性与成本优势一次性拉满。</p> </blockquote> 你有没有想过，在AI浪潮席卷的当下，团队构建这件事可能需要被彻底重新思考？当大多数创业公司还在疯狂招人、快速扩张时，有一家公司却用30人的团队服务着5000万用户，并且还在持续增长。这不是什么天方夜谭，而是Gamma联合创始人兼CEO Grant Lee正在实践的现实。 最近我看了Grant的一次分享讲座，主题是《重新思考团队构建：30人创业公司如何服务5000万用户》。这次分享让我深受启发，因为它挑战了我们对于团队扩张的固有认知。Grant并没有像大多数创业者那样专注于产品创新或技术突破，而是把目光投向了一个更根本的问题：在AI时代，我们该如何重新定义团队构建的方式？关于AI时代新的团队形式，我之前也写过几篇文章，感兴趣的朋友可以看：《零员工公司的崛起：一个人+AI如何打造独角兽》、《4个人做到年收入600万美元，AI时代，小团队如何建立可复制的成功机器》和《AI时代不再只有独角兽了，这家创业Studio想用AI赋能普通人，致力于AI超级个体一人公司，每年孵化出10万个“驴角兽”》 听完这次分享，我开始反思：为什么我们总是默认公司发展就必须伴随着大规模招聘？为什么我们认为解决问题的答案永远是”招更多人”？Grant的经历让我意识到，也许我们一直在用错误的方式思考团队增长。在一个AI技术日新月异的时代，传统的”闪电扩张”模式可能已经过时了。相反，我们需要的是更灵活、更高效、更具适应性的团队构建方式。 从Gamma的故事中，我看到了一种全新的可能性：不是通过增加人数来解决问题，而是通过重新定义角色、优化协作方式、强化文化认同来实现高效运营。这种方法不仅更具成本效益，还能在快速变化的市场环境中保持更强的适应性。接下来，我想深入探讨Grant分享的三个核心观点，以及我对这些观点的深度思考。 告别专业化分工：为什么generalist(通才)是AI时代的王牌 Grant在分享中提到了一个核心观点：在AI时代，我们需要从招聘specialist(专才)转向招聘generalist(通才)。这个观点初听起来可能有些反直觉，因为过去几十年来，商业世界一直在强调专业化分工的重要性。但Grant用他们团队的实际经验证明了，在一个技术快速变化的环境中，通才的价值远超专才。 他举了一个非常具体的例子：Gamma的设计负责人，也是他们的第一个员工。这个人不仅是一个视觉设计师，还能编程，同时还深谙用户体验研究。Grant说，这样的通才能够”connect all the dots”（洞察全局）。我深深认同这个观点，因为在我的工作经历中，我发现那些能够跨领域思考的人往往能产生最具创新性的解决方案。 当这位设计师既懂设计又懂技术时，他在设计原型时就能考虑到技术实现的可行性。他不会设计出一个美观但无法实现的界面，也不会因为不了解技术限制而提出不切实际的需求。更重要的是，他能与工程师进行更深层次的对话，因为他理解工程师面临的挑战和约束。这种跨领域的理解能力，在我看来，正是AI时代最稀缺的能力之一。 我认为这种转变的背后有更深层的原因。首先，AI技术的发展速度极快，专业边界正在快速模糊。一个只懂前端开发的工程师，如果不了解AI和机器学习的基本原理，很快就会发现自己的技能变得过时。相反，一个既懂前端又对AI有所了解的通才，能够更好地适应技术变革。其次，在小团队中，每个人都需要承担多重角色。一个只会单一技能的专才，在资源有限的创业环境中价值有限。 Grant还强调了通才的另一个重要特质：既喜欢学习也喜欢教学。这点我深有体会，那些最有价值的成员往往不是技术最强的，而是那些既能快速学习新技能，又能将知识传授给他人的人。他们成为了团队的知识节点，连接着不同的专业领域，促进了整个团队的成长。 这种对通才的重视，其实反映了一个更深层次的管理哲学：在不确定性极高的环境中，适应能力比专业深度更重要。当然，这不是说专业能力不重要，而是说在专业能力的基础上，我们需要更强的学习能力、更广的知识面和更好的协作能力。Grant提到，他们在面试时会特别关注候选人能否向别人教授一项新技能。这个标准非常有趣，因为它既测试了候选人的专业深度，又测试了他们的表达能力和知识迁移能力。 我觉得这种招聘理念的转变，对整个科技行业都有重要启示。我们可能需要重新定义什么是”优秀的员工”。过去，我们可能更看重候选人在特定领域的专业成就；现在，我们可能更需要看重他们的学习能力、适应能力和跨领域协作能力。这种转变不仅适用于创业公司，对于大公司来说同样重要。在AI时代，那些能够快速适应变化、持续学习新技能的员工，将成为企业最宝贵的资产。 Player Coach模式：当领导者既是教练又是球员 Grant分享的第二个核心观点是引入player coach（球员教练）模式。这个概念来自美式足球，指的是那些既在场上比赛又承担教练职责的球员。Grant认为，在AI快速发展的时代，传统的纯管理者模式已经不够灵活，我们需要那些既能亲自上场”作战”，又能指导团队的领导者。 这个观点让我想起了软件开发中的一个经典问题：technical lead（技术负责人）应该继续写代码吗？传统观点认为，管理者应该专注于管理，把具体的技术工作交给下属。但Grant的经验表明，在快速变化的技术环境中，那些仍然保持技术敏感度的领导者更能做出正确的决策。 Gamma的工程团队就是这样运作的。他们的工程领导者都有丰富的管理经验，但同时仍然热爱编程，仍然参与日常的技术工作。这种模式的好处是显而易见的：当需要做技术决策时，这些领导者能够基于第一手的技术理解做出判断，而不是依赖于下属的汇报。当团队成员需要指导时，这些领导者能够提供具体的、实用的建议，而不是空洞的管理话术。 我认为player coach模式的价值不仅在于技术层面，更在于它创造了一种不同的团队文化。当领导者愿意”roll up their sleeves”（卷起袖子）和团队一起工作时，整个团队的士气和凝聚力都会得到提升。员工会感受到领导者对工作的热情和投入，这种感染力是纯粹的管理者无法提供的。 我特别认同Grant提到的一个观点：在AI时代，技术变化如此之快，以至于传统的层级式决策模式已经无法适应。就像足球场上的情况瞬息万变，需要场上的球员能够快速做出调整一样，现在的技术团队也需要能够快速响应变化的领导者。一个只会开会、做PPT的管理者，在这种环境中是无法有效领导团队的。 从更广的角度来看，player coach模式反映了一种更加扁平化的组织结构。在这种结构中，领导者不是高高在上的决策者，而是团队中的资深成员，他们通过专业能力和经验为团队创造价值。这种模式可能更适合知识密集型行业，特别是那些技术变化快速的领域。 我觉得这种模式的成功，很大程度上取决于领导者的个人素质。他们需要有足够的技术能力保持在一线的竞争力，同时也要有足够的管理智慧来指导团队。更重要的是，他们需要有足够的自我认知，知道何时应该亲自上场，何时应该退居幕后。这种平衡能力，可能是player coach模式成功的关键。 小而美的力量：为什么文化比规模更重要 Grant分享的第三个观点是关于scaling（扩张）的：相比于单纯增加人数，投资于brand（品牌）和culture（文化）是更可持续的扩张方式。这个观点在我听来特别有深度，因为它挑战了我们对于公司成长的传统认知。 Grant强调，brand和culture是”同一枚硬币的两面”。品牌是文化的外在表现，而文化是公司价值观的内在体现。他认为，当团队规模较小时，每一个新成员的加入都会对整个团队产生显著影响。如果这个新成员不能很好地融入团队文化，其负面影响会被放大。相反，在大公司中，一个不合适的员工可能不会对整体产生太大影响。 这个观点让我想起了一个生物学概念：在小型生态系统中，每个物种的作用都更加关键。如果一个关键物种消失，整个生态系统可能会崩溃。同样，在小团队中，每个成员的文化契合度都至关重要。这就是为什么Grant他们会维护一个”living culture deck”（活的文化手册），并且不断更新和完善它。 我特别认同Grant提到的”small tribe”（小部落）概念。他认为，当团队保持小规模时，成员之间会形成一种类似部落的紧密联系。这种联系带来了continuity（连续性）、shared context（共同语境）和tribal knowledge（部落知识）。这些都是用金钱买不到的宝贵资产。 在我自己的工作经历中，我也深刻体会到了小团队的魅力。当团队规模较小时，每个人都能清楚地知道其他人在做什么，团队的目标和优先级是什么。这种transparency（透明度）和shared understanding（共同理解）极大地提高了协作效率。相反，当团队规模变大时，信息传递变得困难，误解和冲突增加，效率反而可能下降。 Grant提到了他们的一些具体做法，比如每周三次的全员会议：周一深入讨论metrics（指标），周三和周五进行company-wide show and tell（全公司展示分享）。这种做法在大公司中是很难实现的，但在小团队中却能产生巨大价值。它确保了所有成员都对公司的进展有清晰的了解，也提供了一个展示和学习的平台。 我认为这种对文化的重视，反映了一种更加人性化的管理哲学。Grant说：”为什么要一个人做事呢？团队合作是如此有趣。”这句话看似简单，但背后蕴含着深刻的洞察。在一个充满不确定性的创业环境中，团队成员之间的相互支持和激励可能比任何管理制度都更重要。 我觉得Grant的经验给我们的启示是：在考虑扩张时，我们应该先问自己，增加人数是否真的能解决问题？还是说，我们可以通过优化现有团队的效率、改善协作方式或者提升每个成员的能力来实现目标？这种思考方式，可能会让我们发现更多创新的解决方案。 从更宏观的角度来看，我认为这种小而美的团队模式，可能代表了未来组织形式的一个重要趋势。在AI能够承担越来越多常规工作的情况下，人类员工的价值将更多体现在创造性、判断力和协作能力上。这些能力在小团队中往往能得到更好的发挥和发展。 招聘的艺术：如何识别高agency的候选人 在分享的Q&amp;A环节，Grant回答了一个非常实用的问题：如何识别具有high agency（高主动性）的候选人？这个问题触及了招聘的核心挑战，因为简历往往无法真实反映一个人的主动性和解决问题的能力。 Grant的方法很有启发性：他会让候选人详细描述他们遇到的最具挑战性的项目或问题，以及他们是如何解决的。关键不在于解决方案本身，而在于候选人对问题的理解深度和解决过程中的思考方式。那些具有高主动性的人，不会直接跳到解决方案，而是会首先深入理解问题的本质。 我特别认同Grant提到的”five levels down”（深入五层）的概念。真正优秀的员工会不断追问”为什么”，直到找到问题的根本原因。表面上看起来的问题，往往只是更深层次问题的表征。而那些缺乏主动性的员工，通常停留在表面层次，执行上级交代的任务，而不会深入思考任务背后的逻辑和目的。 这让我想起了一个经典的管理故事：当你要求员工在墙上挂一幅画时，有些人会严格按照你的指示执行，而有些人会先问为什么要挂这幅画，这面墙是否合适，还有没有更好的选择。后者显然具有更高的主动性，也更有可能为团队创造价值。 Grant还提到了他们使用的另一个工具：work trial（工作试用）。这是一个非常聪明的做法，让候选人实际承担工作职责一段时间（通常是三个月），然后再决定是否正式录用。这种方法的好处是显而易见的：它消除了面试中的演技成分，让双方都能真实地了解彼此。 我认为work trial的价值不仅在于评估候选人，也在于帮助公司更好地定义职位要求。Grant坦承，他们最大的招聘失败都发生在那些职位定义不清晰的情况下。当公司自己都不确定需要什么样的人时，怎么可能做出正确的招聘决策呢？work trial提供了一个双向了解的机会，让公司和候选人都能更清楚地了解职位的实际要求。 我觉得Grant的招聘理念的核心是：相比于技能，态度和思维方式更重要。技能可以学习，但主动性和思考深度是很难培养的。特别是在AI时代，具体的技能可能很快就会过时，但那些能够持续学习、主动思考、解决复杂问题的能力，将始终保持价值。 基础设施思维：为什么要提前考虑长远布局 在Q&amp;A环节，Grant回答了一个关于AI时代基础设施决策的问题。虽然他没有详细展开，但我从中读出了一个重要观点：在技术快速变化的时代，我们需要更早地考虑基础设施决策，因为一旦达到一定规模，再想改变就会变得极其困难。 Grant特别提到了experimentation infrastructure（实验基础设施）的重要性。他们虽然很早就开始构建这方面的能力，但他觉得如果能够投入更多资源，可能会取得更好的效果。这个观点让我深有感触，因为在我的工作经历中，我也见过太多因为基础设施债务而陷入困境的团队。 我认为这种基础设施思维在AI时代尤其重要。AI技术的发展速度极快，新的模型、新的工具、新的方法层出不穷。如果公司的基础设施不够灵活，就很难快速适应这些变化。相反，如果公司提前构建了灵活的、可扩展的基础设施，就能够更快地试验新技术，更快地推出新功能。 实验基础设施的价值在于它降低了试错的成本。当你想要测试一个新的AI模型或者新的产品功能时，如果有完善的实验基础设施，你可以快速地进行A/B测试，收集数据，分析结果。这种快速迭代的能力，在竞争激烈的市场中可能是决定性的优势。 我还想到了另一个层面的基础设施：team infrastructure（团队基础设施）。Grant提到的culture deck、定期的全员会议、work trial等，都可以看作是团队基础设施的一部分。这些看似简单的制度和流程，实际上为团队的高效运作提供了基础保障。 从更宏观的角度来看，我认为基础设施思维反映了一种长期主义的价值观。在一个快速变化的环境中，很多公司容易陷入短期思维，专注于立即可见的成果。但真正优秀的公司，会在追求短期成果的同时，投资于长期的基础设施建设。这种投资在短期内可能看不到明显的回报，但在长期内会带来巨大的价值。 我觉得这种思维方式对于个人发展也很有启发。我们不应该只关注当前的技能和能力，也要投资于那些能够长期受益的”基础设施”，比如学习能力、思考框架、人际关系网络等。这些投资可能不会立即带来回报，但会为我们的长期发展奠定坚实的基础。 AI时代的组织变革：从blitzscaling到精益团队 综合Grant的整个分享，我认为他实际上在描述一种全新的组织形式，这种形式可能更适合AI时代的特点。传统的blitzscaling（闪电扩张）模式强调的是快速增长和规模化，但Grant的模式强调的是效率和适应性。 我觉得这种转变的背后有深刻的时代背景。在过去，技术变化相对缓慢，商业模式相对稳定，因此规模化扩张是获得竞争优势的有效方式。但在AI时代，技术变化极快，商业模式不断演进，过于庞大的组织可能反而成为包袱。相反，小而灵活的团队能够更快地适应变化，更快地做出调整。 这让我想起了生物学中的概念：在稳定的环境中，大型生物往往更有优势；但在变化剧烈的环境中，小型生物往往更容易生存。同样，在稳定的商业环境中，大公司往往更有优势；但在快速变化的环境中，小而灵活的团队可能更有优势。 我也注意到，Grant的模式并不是简单的”反增长”，而是一种更加精准的增长方式。他们仍然在招聘，仍然在扩张，但他们更加注重质量而不是数量。他们宁愿花更多时间找到合适的人，也不愿意为了快速扩张而降低标准。 从商业角度来看，这种模式也更加可持续。传统的blitzscaling模式往往依赖于大量的外部资金支持，而Grant的模式更加注重内在的效率和价值创造。这种模式可能更适合那些希望建立长期可持续业务的创业者。 我认为这种组织变革可能会对整个科技行业产生深远影响。如果更多的公司能够证明小团队可以创造巨大价值，那么我们可能会看到一种新的创业模式的兴起。这种模式不再追求快速的规模化，而是追求高效的价值创造。 当然，我也意识到这种模式有其局限性。不是所有的业务都适合小团队模式，一些需要大规模运营的业务可能仍然需要传统的扩张方式。但对于那些知识密集型、创新驱动型的业务，Grant的模式可能提供了一种更好的选择。 我觉得最重要的是，Grant的经验提醒我们要保持开放的心态，不要被传统的商业模式所束缚。在一个快速变化的时代，我们需要不断地重新审视和调整我们的组织方式、管理方式和发展策略。只有这样，我们才能在激烈的竞争中保持优势。 对未来的思考：小团队模式的可持续性 听完Grant的分享，我不禁开始思考：这种30人服务5000万用户的模式，是否能够持续下去？当用户规模进一步扩大，当业务复杂性进一步增加时，这种小团队模式是否仍然有效？ 我认为这种模式的可持续性很大程度上取决于AI技术的发展。如果AI能够承担越来越多的常规工作，那么人类员工就可以专注于那些真正需要创造力和判断力的工作。在这种情况下，小团队模式不仅是可行的，可能还是最优的选择。 但我也看到了一些潜在的挑战。首先是人才密度的问题。小团队模式要求每个成员都是top performer（顶级表现者），但这样的人才毕竟是稀缺的。当越来越多的公司采用这种模式时，对高质量人才的竞争可能会变得更加激烈。其次是业务复杂性的问题。虽然AI可以处理很多常规工作，但随着业务的发展，总会有一些复杂的问题需要专门的人才来解决。 我也在思考这种模式对员工个人发展的影响。在小团队中，每个人都需要承担多重角色，这既是机会也是挑战。一方面，员工可以获得更全面的经验，发展更多元的技能；另一方面，他们可能很难在某个特定领域达到很深的专业水准。这种trade-off（权衡）是否值得，可能因人而异。 从行业角度来看，如果小团队模式变得普遍，可能会对整个就业市场产生影响。一些传统的管理岗位可能会减少，而对多技能人才的需求可能会增加。这种变化可能会推动教育体系的改革，让人们更早地开始培养跨领域的能力。 我觉得最有趣的是，这种模式可能会催生一种新的工作文化。当工作变得更加灵活、更加多样化时，员工可能会获得更多的职业满足感。他们不再是流水线上的螺丝钉，而是能够影响整个产品方向的关键角色。这种工作体验的提升，可能会吸引更多优秀的人才加入小团队。 我认为Grant的经验给我们的最大启示是：在思考组织发展时，我们不应该被传统模式所束缚。每个时代都有其独特的挑战和机遇，我们需要根据时代特点来调整我们的组织方式。在AI时代，小而精的团队可能比大而全的组织更有优势。 当然，我也不认为小团队模式是万能的。不同的业务、不同的发展阶段可能需要不同的组织模式。关键是要保持灵活性，根据实际情况来调整策略。正如Grant所说，他们也在不断学习和适应，这种学习的心态可能比任何具体的管理方法都更重要。 总的来说，我认为Grant的分享为我们提供了一个重要的视角：在AI时代，我们需要重新思考团队建设的方式。不是所有的问题都需要通过增加人数来解决，有时候，提高效率、优化协作、强化文化可能是更好的选择。这种思维方式的转变，可能会带来更多的创新和突破。 实践中的启示：如何在自己的团队中应用这些理念 听完Grant的分享，我开始思考如何在实际工作中应用这些理念。毕竟，理论再好，如果不能落地实践，也就失去了价值。我觉得Grant的经验给我们提供了一些具体的行动指南。 首先是招聘理念的转变。我们可以开始在招聘中更加重视候选人的学习能力和适应性，而不仅仅是专业技能。在面试中，我们可以问一些开放性的问题，比如”描述一个你遇到的复杂问题，以及你是如何解决的”，然后深入挖掘候选人的思考过程。我们也可以考虑引入work trial的方式，让候选人实际体验工作内容，这样可以更准确地评估匹配度。 其次是leadership development（领导力发展）。我们可以鼓励团队中的技术专家承担更多的mentoring（指导）责任，培养他们的player coach能力。这不仅可以提高团队的整体效率，也能为这些技术专家提供职业发展的新路径。当然，这需要适当的培训和支持，帮助他们平衡技术工作和管理工作。 第三是文化建设。我们可以开始更加系统地思考和构建团队文化。这包括明确团队的价值观、建立定期的沟通机制、创造分享和学习的机会等。Grant提到的weekly metrics review（周度指标回顾）和show-and-tell session（展示分享会）都是很好的实践，可以根据团队的具体情况进行调整。 我也意识到，应用这些理念需要循序渐进。不是所有的团队都能立即转变为Gamma这样的模式，我们需要根据现有的条件和约束来制定实际的行动计划。比如，我们可以先从小范围的pilot project（试点项目）开始，验证这些理念的有效性，然后逐步扩大应用范围。 从领导者的角度来看，我觉得最重要的是要有勇气挑战传统观念。当周围的公司都在疯狂招人时，我们需要有勇气问一句：”增加人数真的是解决问题的最佳方案吗？”当行业普遍追求规模化时，我们需要有勇气探索精益化的路径。这种勇气和远见，可能是区分优秀领导者和平庸领导者的关键。 我也想到了一些实施中可能遇到的挑战。比如，如何说服投资者和股东接受这种”反增长”的模式？如何在保持小团队规模的同时满足业务增长的需要？如何确保团队成员不会因为工作强度过大而burnout（倦怠）？这些都是需要仔细思考和规划的问题。 我认为最重要的是要保持实验的心态。Grant自己也说，他们仍在学习和适应中。我们不需要一开始就有完美的答案，而是要愿意尝试、愿意调整、愿意从失败中学习。这种growth mindset（成长心态）可能比任何具体的管理方法都更重要。 从更宏观的角度来看，我觉得这种理念的传播可能会推动整个行业的变革。当越来越多的公司开始证明小团队可以创造巨大价值时，我们可能会看到一种新的商业模式的兴起。这种模式不再追求快速的规模化，而是追求高效的价值创造。这种转变可能会对整个创业生态系统产生深远影响。 技术民主化的深层意义：AI如何重塑工作本质 从Grant的分享中，我看到了一个更深层次的趋势：AI技术正在民主化许多原本需要专业技能的工作。这种民主化不仅改变了我们需要什么样的员工，也改变了工作本身的性质。 传统上，很多工作需要专门的技能和长期的培训。比如，设计一个用户界面需要专业的设计师，编写代码需要专业的程序员，分析数据需要专业的数据科学家。但随着AI工具的发展，这些门槛正在逐渐降低。现在，一个非专业人员也可以使用AI工具来完成一些基础的设计、编程或数据分析工作。 这种变化对团队构建产生了深远影响。当技术门槛降低时，我们就不需要那么多的专业人员了。相反，我们更需要那些能够有效利用AI工具、具有良好判断力和创造力的generalist。这正是Grant所说的”通才”的价值所在。 我认为这种技术民主化还会带来另一个重要变化：工作的focus（重心）将从”如何做”转向”做什么”和”为什么做”。当AI可以处理大部分的执行工作时，人类的价值将更多体现在战略思考、创意产生和问题定义上。这种转变要求员工具有更高层次的思维能力，而不仅仅是技术技能。 从这个角度来看，Grant强调的learning ability（学习能力）和teaching ability（教学能力）就显得尤为重要。在一个工具和技术快速变化的环境中，那些能够快速学习新工具、适应新环境的人将具有巨大优势。同时，那些能够将知识传授给他人的人，将成为团队中的valuable node（价值节点）。 我也意识到，这种变化可能会对教育体系产生深远影响。传统的教育更多关注知识的传授和技能的培训，但在AI时代，我们可能更需要培养学生的批判性思维、创造力和协作能力。这种教育理念的转变，可能需要相当长的时间来实现。 从个人发展的角度来看，我觉得每个人都需要重新思考自己的career path（职业路径）。过去，我们可能会选择一个专业领域，然后在这个领域内不断深入。但在AI时代，我们可能更需要发展T-shaped skill set（T型技能结构）：在一个领域有深度，同时在多个领域有广度。 这种变化也会影响公司的竞争优势。过去，公司的竞争优势可能来自于拥有更多的专业人员或更先进的技术。但在AI时代，公司的竞争优势可能更多来自于team dynamics（团队动力）、organizational agility（组织敏捷性）和cultural strength（文化强度）。这正是Grant所强调的文化建设的重要性。 我认为这种技术民主化的趋势还会带来一些社会层面的变化。当更多的工作可以由AI完成时，人类的工作时间可能会减少，但工作的质量和意义可能会提升。人们可能会有更多时间用于创造、学习和个人发展。这种变化可能会推动整个社会价值观的转变。 总的来说，我认为Grant的小团队模式不仅仅是一种管理创新，更是对技术民主化趋势的一种适应。在一个AI工具日益普及的世界里，small but mighty（小而强大）的团队可能比large but sluggish（大而缓慢）的组织更有优势。这种认识可能会推动更多的公司重新思考他们的组织模式。‍ 本文由人人都是产品经理作者【深思圈】，微信公众号：【深思圈】，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。

美国德克萨斯州联邦法官里德·奥康纳周五宣布，将于8月28日就司法部与波音公司（BA.US）达成的刑事和解协议举行听证会。该协议若获批，将使这家航空巨头免于因两起737 MAX空难事故被起诉，但遭到了遇难者家属的强烈反对。 [](https://n.sinaimg.cn/tech/transform/95/w550h345/20250709/bc2f-2142d721acf46afd7a20ff8b83815dcf.png) 根据协议条款，波音去年已对一项刑事欺诈指控认罪，承认在737 MAX机型的关键飞行控制系统问题上误导美国监管机构。作为交换，司法部同意在三年内解除独立监督机构对波音的监管。这一安排引发争议——2018年印尼狮航和2019年埃塞俄比亚航空两起空难共造成346人遇难，部分家属认为协议“不符合公众利益”，指责波音需承担的责任未被充分追究。 法官奥康纳在听证会安排中特别指出，将听取各方对“驳回指控是否合理”的陈述。值得注意的是，他曾在2023年将波音的罪行定性为“美国历史上最致命的企业犯罪”。此次听证会上，遇难者家属要求法院拒绝批准协议，若司法部坚持撤诉，则应任命特别检察官继续追责。 财务安排显示，波音将支付总计11亿美元和解金，其中2.436亿美元为新罚款，4.445亿美元注入空难受害者基金，剩余资金用于强化合规与安全体系。司法部强调，绝大多数家庭已通过民事诉讼获得“数十亿美元”赔偿，但具体每名遇难者家属的补偿金额未予披露。 波音方面坚持认为，刑事指控的存续应由行政部门决定，法院无权干预。这场法律博弈背后，折射出企业责任、司法监管与受害者权益之间的复杂平衡。随着听证会临近，波音能否彻底摆脱刑事追责，将成为全球航空安全监管的重要风向标。 [查看评论](https://m.cnbeta.com.tw/comment/1514096.htm)

<blockquote><p>在医疗信息化日益精细化的今天，实验室的质量控制早已不再是单点校准与人工复核的时代使命。如何借助LIS系统，将质控流程标准化、数字化、智能化，是每位产品经理必须面对的挑战。本文将深入解析质控模块在LIS系统中的核心价值与设计要义，结合实际案例，为你揭示功能背后的产品逻辑与优化路径。</p> </blockquote>  在急诊抢救室的红灯下，一份血糖检验报告上0.5mmol/L的误差，可能让医生对糖尿病酮症酸中毒患者的补液方案做出误判——过量胰岛素可能引发低血糖休克，而剂量不足则会延误酸中毒纠正。 同样，在肿瘤病房，肿瘤标志物检测结果的细微偏差，或许会让早期患者错失手术机会，也可能让晚期患者承受不必要的化疗副作用。临床检验结果的准确性，从来不是实验室的内部事，而是悬在患者头顶的生命线。 LIS（实验室信息系统）的质控模块，正是守护这条生命线的核心防线。它不像生化分析仪那样能直观显示检测数值，也不像离心机那样有轰鸣的运行声，却像一张无形的网，从标本采集时的冷链温度监控，到检测中的试剂匹配校验，再到报告发布前的规则审核，贯穿检验全流程的每一个关键节点。 设计这一模块时，既要牢牢扎根于ISO15189等国际标准的严苛要求——比如对质控品溯源性的强制规定，又要贴合实验室人员与时间赛跑的实际场景：急诊标本的质控结果必须在30分钟内反馈，而批量检测时又要避免重复操作浪费时间。毕竟，再完美的理论设计，若不能解决一线手忙脚乱时易出错的痛点，终究只是纸上谈兵。 接下来，我们将从功能模块设计、规则体系构建、数据分析应用三个维度，拆解如何让LIS质控模块真正成为检验质量的守护神。 ## 一、质控标本处理 质控标本是检验质量的参照物，其流转过程的每一个环节都可能影响最终结果。因此，对质控标本的全流程管理，需像追踪精密仪器的校准记录一样严谨，从源头把控质量轨迹。 ### 1.1 标本信息管理 实验室每天要处理数十甚至上百份质控标本，从全血、血清到脑脊液，从常规生化到基因扩增（PCR），若没有清晰的身份标识，很容易在流转中张冠李戴。为质控标本设计一套智能身份证体系，是避免这类错误的基础。 **1.1.1 唯一性编码** 编码规则需兼顾可读性与信息量，既不能冗长到难以记忆，又要包含关键操作信息，不止于识别，更在于追溯。例如QC-BLD-202501-001中，BLD代表血液类，202501是批次号，001是流水号——但这只是基础款。对于特殊质控品，编码需进一步定制化： - 冷链敏感型：如凝血因子质控品需在-20℃保存，编码可设为QC-COAG-202501-001-C2（C2代表-20℃）； - 分子诊断类：如新冠病毒核酸质控品，需包含基因片段信息，编码可设为QC-PCR-SARS2-N-202501-001（SARS2-N代表新冠病毒N基因）； - 时效敏感型：如血氨质控品需在采集后1小时内检测，编码可加入1H标识，如QC-AMM-202501-001-1H。 这套编码体系的核心价值，在于全流程追溯。当某批次质控结果异常时，通过编码可快速定位同批次所有标本的检测记录：是仅某台仪器检测异常（提示仪器问题），还是全实验室均异常（提示质控品本身问题），从而缩短排查时间。 **1.1.2 状态追踪** 质控标本从入库到检测完成，需经历多个流转节点，任何一个节点的延误或操作不当都可能影响结果。系统需用可视化语言实时更新状态，并明确状态转换的触发条件： - 绿色圆点（已采集）：附带采集时间、操作者ID，且需关联采集时的环境数据（如室温、湿度，对PCR质控品尤为重要）； - 黄色移动箭头（在途）：记录运输人、转运工具（如专用冷链箱编号）、实时温度（通过冷链箱传感器同步），若运输时间超过该质控品的最长耐受时间（如血氨标本超过1小时），自动触发超时预警； - 蓝色待检标识（已签收）：显示待分配仪器列表，标注各仪器当前负荷（如仪器A：已排队5份，预计等待20分钟）； - 红色感叹号（异常）：细分污染（如细菌培养质控品被杂菌污染）、过期（超过有效期）、破损（容器泄漏）等子状态，并自动关联对应的SOP（标准操作规程）处理指引（如污染标本需按生物安全等级销毁）。 ### 1.2 标本检测流程管理 实验室的日常工作就像一场精密交响乐：人员、仪器、标本需无缝配合。质控标本的检测流程管理，正是这场交响乐的指挥家，既要保证检测精准，又要避免资源浪费。 **1.2.1 任务分配** 系统的任务分配逻辑，需模拟资深实验室主任的经验判断，结合仪器状态、人员资质、项目特性动态分配： - 仪器匹配：对于肌钙蛋白等高精度项目，自动排除刚完成维护但未校准的化学发光仪，优先分配至校准后运行时间&lt;24小时的仪器；对于常规生化项目（如肝功能），则根据仪器负荷均衡分配，避免某台仪器过度繁忙； - 人员匹配：凝血功能检测需分配给持有凝血专项操作证的技术员，且该技术员近3个月的凝血质控操作合格率需≥95%；新手（入职&lt;6个月）仅能分配常规项目，并自动关联一对一指导的资深员工ID； - 紧急程度：标注STAT（急诊）的质控标本（如急诊生化），跳过常规排队，直接插入检测队列首位，且检测完成后自动推送优先审核请求。 **1.2.2 检测顺序优化** 实验室里，时间就是生命从不只是口号，急诊优先，效率为王。系统需根据项目特性、仪器兼容度、紧急程度给质控标本排优先级，减少不必要的等待时间： - 紧急程度优先：标有STAT的标本直接插队，且在仪器操作界面用闪烁红光提醒技术员； - 仪器兼容度优化：同一台血液分析仪上，先做全血细胞计数（无试剂残留影响），再做血沉（需抗凝剂，不影响前者），最后做网织红细胞（需特殊染色，避免染色剂污染前两项）； - 批量合并：同一批次、同类型的质控标本（如10份生化质控品）集中安排在同一时间段检测，减少仪器清洗和校准的次数（如生化仪每批检测前校准1次，而非每份校准1次）。 ## 二、质控报告生成 一份优质的质控报告，不该是密密麻麻的数字堆砌，而应像一位精准的解说员：用清晰的逻辑告诉临床医生结果是否可靠，用直观的图表提醒实验室主任潜在风险在哪，用规范的格式让监管人员快速判断是否合规。 ### 2.1 报告模板 实验室的需求从来不是一刀切的：临床医生查房时需要快速看到是否在控，实验室主任月度总结时要分析近3个月趋势，监管部门检查时则关注是否符合ISO15189要求。因此，报告模板必须具备弹性。千人千面，按需定制。 **2.1.1 模板库** 系统预设的模板库应像工具箱，随取随用，且每个模板都有明确的适用场景说明： - 「常规项目模板」：首页突出检测结果、靶值、SD（标准差）、是否在控等核心信息，用绿色对勾（在控）、黄色问号（警告）、红色叉号（失控）直观标识，底部附带简要结论（如本次检测在控，结果可信任），适合临床医生快速查阅； - 「微生物专项模板」：除基础信息外，增加菌种鉴定符合率（如与标准菌株比对的吻合度）、药敏试验质控结果（各抗生素的MIC值与靶值偏差），并嵌入标准菌株的形态学图谱（如革兰染色图片），方便微生物技术员比对分析； - 「监管检查模板」：严格按照ISO15189的附录要求排版，包含质控频率（如每日1次）失控处理记录（含纠正措施和效果验证）人员资质证明（附培训记录编号）仪器校准证书编号等要素，甚至预留检查人员签字栏，让监管人员无需额外索要资料。 **2.1.2 自定义** 每家实验室都有自己的特殊需求，自定义功能需足够灵活，让实验室能按自己的习惯说话： - 布局调整：支持拖拽图表位置（如将Levey-Jennings图从第3页挪到首页）、隐藏冗余信息（如对临床医生隐藏批内CV值等专业数据）； - 字段新增：某儿童医院实验室因承担新生儿筛查，需在报告中加入足跟血采集部位消毒质控结果（如酒精消毒时间是否≥30秒）；某传染病医院则要求增加HIV抗体检测的室内质控与室间质评比对结果； - 规则嵌入：可将实验室特有的质控判断规则（如新生儿胆红素检测的靶值范围需严于成人20%）写入模板，系统自动按此规则判断是否在控； - SOP关联：在报告中插入关键操作的SOP摘要（如质控品复溶时需静置15分钟），方便新手对照操作，减少失误。 ### 2.2 报告生成与审核 自动生成报告≠万事大吉，必须通过审核关才能确保数据无误。审核流程的设计，需像多层滤网，逐层剔除可能的错误。 **2.2.1 自动填充** 系统接收到仪器传来的质控结果后，需像细心的检验员一样自动算账，并完成初步整理： - 数据计算：自动计算结果与靶值的偏差（如葡萄糖检测结果8mmol/L，靶值5.0mmol/L，偏差+16%）、CV值（变异系数）、Z分数（与室间质评的比对值）； - 图表绘制：自动生成Levey-Jennings图（横轴为检测时间，纵轴为结果，用红线标出±2s、±3s范围）、趋势图（近30天结果的波动曲线）、柱状图（不同仪器的检测结果比对）； - 规则判断：根据预设的Westgard多规则（如13s、22s）自动判断是否在控，并标注判断依据（如结果超出+3s，触发13s规则，判断为失控）。 这一步将检验员从繁琐的计算和绘图中解放出来，让他们有更多精力关注数据背后的问题（如为何同一项目在两台仪器上的结果偏差较大）。 **2.2.2 审核流程** 某县级医院实验室曾因自动报告直接发布导致严重失误：系统误将mmol/L显示为mol/L（小数点错位），审核人员未发现，最终导致1例糖尿病患者的胰岛素剂量计算错误，引发低血糖昏迷。因此，审核流程必须刚性执行，且每一级审核都有明确的审核重点，层层把关，责任到人： - 一级审核（检测者自查）：重点核对原始数据与报告数据是否一致（如仪器显示值与报告填充值是否相同）、单位是否正确（如肌酐是μmol/L还是mmol/L）、图表是否准确（如Levey-Jennings图的点是否对应正确的检测时间）； - 二级审核（组长复核）：聚焦质控规则判断是否准确（如是否误判22s规则——连续2个结果超出+2s但未达3s）、异常结果的标注是否合理（如某结果虽在±2s内，但较前次结果波动超过50%，是否标注需关注）； - 三级审核（关键项目）：主任对失控项目高风险项目（如肌钙蛋白、血型鉴定）进行抽查，重点看失控处理是否完整（是否有原因分析、纠正措施、效果验证记录）、是否影响患者报告（如失控期间的患者标本是否需要重新检测）。 系统需详细记录每一级审核的时间、人员（关联工号）、审核意见（如数据无误，同意发布；Levey-Jennings图绘制错误，需修正），形成可追溯的责任链——即使半年后出现问题，也能快速定位到每一级审核的责任人。 ## 三、自动报警 检验过程中的异常就像隐形炸弹：随机误差可能导致单个结果异常，系统误差可能引发连续失控，若不能及时发现，可能影响一批甚至几批患者的报告。自动报警功能，就是要让这些炸弹在引爆前被拆除。 ### 3.1 报警规则 报警规则不能一刀切，既要遵循国际通用标准，又要贴合实验室的实际情况——毕竟，三甲医院的仪器精度与社区医院不同，常规项目与急诊项目的容错率也不同。 **3.1.1 Westgard多规则** Westgard多规则就像一套组合拳，能精准识别不同类型的误差，系统需完整集成并明确各规则的适用场景： - 13s规则（单个结果超出±3s）：好比突然的异常，多由随机误差导致（如操作时试剂滴加量不准、标本混匀不充分）。这类报警需立即提示（如仪器界面弹窗），因为可能影响当前正在检测的患者标本； - 22s规则（连续2个结果超出±2s）：更可能是系统误差（如仪器校准偏移、试剂批次变化）。这类报警需标注潜在系统问题，并建议检查仪器状态（如是否需要重新校准）； - R4s规则（同一批次两个水平质控结果相差超过4s）：提示检测过程不稳定（如仪器突然故障、试剂变质）。例如，某批次高值和低值血糖质控品的结果分别为0mmol/L（+2.5s）和3.0mmol/L（-2.0s），差值达4.5s，触发R4s规则，系统会自动建议暂停该仪器检测，排查故障。 **3.1.2 自定义规则** 通用规则未必适合所有场景，系统需支持实验室根据自身情况制定家规： - 季节调整：某血站实验室发现，夏季（室温高）血液标本的质控结果波动较大，于是设置6-8月，所有血液类质控品的报警阈值收紧至±1.5s，比常规标准更严格； - 设备调整：某社区医院因生化仪使用超过5年，稳定性下降，设置每日开机后前3个质控结果，自动触发12s规则（±2s即警告），提前预防设备预热不足导致的误差； - 项目调整：对于心肌肌钙蛋白（cTnI）这类心梗诊断金标准，设置单个结果超出±1.8s即报警（严于常规的±2s），因为01ng/mL的偏差都可能影响诊断；而对于尿常规中的尿比重项目，放宽至±3s，避免过度报警干扰工作。 ### 3.2 报警方式 报警若没人理，等于白报。系统必须根据人员角色和工作场景，选择最合适的通知方式，确保该知道的人第一时间知道。 **3.2.1 多渠道报警** 实验室人员的工作场景多样（操作仪器、写报告、开会），报警方式也要因地制宜，全方位提醒： - 操作仪器的技术员：系统界面弹出红色弹窗（含立即处理按钮）+蜂鸣音（持续3秒，间隔5秒重复），视觉+听觉双重提醒，确保正在操作的人员不会遗漏； - 正在写报告的组长：电脑右下角推送消息（附带点击查看详情链接），且任务栏图标持续闪烁，不影响当前工作但能及时提醒； - 外出开会的主任：短信+邮件同步发送，内容需简洁明了（如凝血项目质控失控，仪器A，已触发13s规则，请关注），避免冗长信息； - 夜班人员：若夜间触发报警（如凌晨2点），系统会自动拨打值班技术员的手机（播放预设语音：急诊生化质控失控，请立即处理），确保紧急情况有人响应。 **3.2.2 分级通知** 报警也分轻重缓急，分级通知能避免信息过载——如果所有报警都通知主任，可能导致重要报警被淹没。系统需按严重程度分级： - 一级报警（严重失控）：如13s+22s同时触发（提示严重系统误差）、R4s规则触发（提示检测过程崩溃），通知所有相关人员（检测者、组长、主任、甚至科室护士长，因为可能影响患者报告）； - 二级报警（警告）：如单个结果超出+2s但未达3s、质控品库存低于安全线，仅通知检测者和组长，由他们判断是否需要升级处理； - 三级报警（轻微异常）：如标本状态待确认（如标签模糊但可辨认）、操作者资质即将到期（如某技术员的PCR操作证还有10天过期），仅通知检测者或当事人，避免打扰他人。 ## 四、质控品管理 质控品是检验质量的标尺，若标尺不准，结果再精确也没用。因此，质控品的管理必须细致入微，覆盖从采购入库到销毁的全生命周期。 ### 4.1 信息登记 每批质控品都该有身份证+体检报告，系统需记录完整的信息，确保来源可查、特性可知、状态可控。 **4.1.1 基础信息** - 基本属性：名称（如高值生化质控品）、厂家（如Roche、雅培）、批号（20250315）、生产日期、有效期（2026-03-14）、规格（如100人份/盒）； - 项目特性：各检测项目的靶值与可接受范围（如肌酐靶值80μmol/L，范围72-88μmol/L；血糖靶值0mmol/L，范围4.5-5.5mmol/L）； - 储存要求：储存温度（如2-8℃冷藏、-20℃冷冻）、开瓶后有效期（如7天）、是否需要避光（如胆红素质控品需避光保存）、运输条件（如冷链运输温度范围2-8℃）。 **4.1.2 溯源信息** 质控品的溯源性是ISO15189的核心要求，系统需详细记录： - 是否通过CRM（有证参考物质）校准，附CRM编号（如GBW09154）； - 与国际标准的比对数据（如与WHO标准品的偏差率）； - 厂家提供的校准证书编号及查询链接（方便监管部门核实）。 ### 4.2 库存管理 质控品短缺会导致检验工作无标可依——没有质控结果支持，实验室不得发布患者报告，这在急诊场景下可能危及生命。库存管理必须未雨绸缪。 **4.2.1 实时监控** 系统需像仓库管理员一样，实时更新库存状态，并直观展示，实现库存透明化： - 数量明细：各批次质控品的剩余数量（如批号20250315，剩余12盒）、已使用数量、累计消耗量； - 状态标识：用颜色标记库存状态——绿色充足（≥3个月用量）、黄色预警（1-3个月用量）、红色短缺（&lt;1个月用量）； - 关联信息：显示上次采购时间（如2025-01-10）、到货周期（如7天，即从下单到入库需7天）、供应商联系方式（电话、邮箱、紧急联系人）。 **4.2.2 智能预警** 当库存低于安全线（系统可根据历史用量自动计算，通常为月均用量的1.5倍），系统自动触发多级预警： - 一级预警（黄色）：向采购员发送补货提醒邮件，附带历史采购价格（方便比价）、近6个月的用量趋势图（辅助判断采购数量）； - 二级预警（橙色）：若48小时内未收到采购单反馈，在实验室看板（如大厅电子屏）显示急需采购：血脂质控品（批号20250315），并提醒组长跟进； - 三级预警（红色）：若库存仅剩3天用量且未到货，自动拨打采购员和实验室主任的电话，播放语音提醒（如血脂质控品即将断供，请立即处理）。 ## 五、质控规则设计 质控规则是LIS质控模块的灵魂——它决定了系统能识别哪些异常，如何判断结果是否可靠。规则设计需两条腿走路：一条腿踩稳国际标准，另一条腿扎根实验室实际。 ### 5.1 锚定国际标准 ISO15189不是选择题，而是必答题。系统设计必须紧扣标准要求，将条款转化为可执行的功能。 **5.1.1 紧扣ISO15189核心条款 ** 1）标准6.2条规定：实验室应根据检验项目的特性，确定合适的质控频率。系统需支持按项目、仪器、检测量动态设置频率： - 高频项目（如血常规，每日检测量&gt;200份）：每日1次； - 中频项目（如生化常规，每日50-200份）：每批次1次； - 低频项目（如微量元素，每周&lt;10份）：每次检测时同步做质控； - 急诊项目：每次开机后做1次，且每4小时追加1次。 2）标准6.3条要求：当质控失控时，应采取纠正措施并记录。系统需强制关联失控处理记录模块，包含原因分析纠正措施效果验证三个必填字段，不完成记录则无法继续检测该项目（类似不补作业不让上课）。 遵循这些标准，不仅是为了通过认证，更是为了让检验质量有最低保障线——无论实验室规模大小，都能通过规则约束确保基本质量。 ### 5.2 贴合临床需求 不同检验项目的临床意义天差地别，质控规则也需因材施教，避免一刀切导致的过度报警或漏报。 **5.2.1 按项目风险等级调整规则 ** - 高风险项目（如肌钙蛋白、血型鉴定、HIV抗体）：这类项目的结果直接影响诊断和治疗决策，需从严——报警阈值从±2s收紧至±1.5s，且失控后需立即暂停患者检测，直到问题解决； - 中风险项目（如肝功能、肾功能）：按常规规则（±2s）执行，失控后需评估是否影响已检测的患者标本（如失控前1小时内的标本需重新检测）； - 低风险项目（如尿常规的尿比重、颜色）：临床允许一定波动，可从宽——报警阈值放宽至±3s，且仅需记录处理，无需暂停检测。 ### 5.3 拓展Westgard多规则 Westgard多规则虽经典，但实验室的情况千变万化（如分子诊断的污染风险、长期监测项目的趋势漂移），需要灵活拓展，让规则从被动识别异常升级为主动预防风险。 **5.3.1 专项拓展规则 ** - 分子诊断专项：新增污染监控规则——当阴性对照出现扩增曲线（Ct值&lt;38）时，无论其他结果是否在控，均触发报警，并自动提示可能存在核酸污染，建议进行环境消毒和移液器校准； - 长期监测项目：增加趋势规则——若连续6个月的均值上升或下降超过5%（即使单个结果在控），触发系统漂移预警，提示可能存在试剂批次变化、仪器老化等问题，建议校准或更换试剂； - 室间质评关联规则：当某项目的室间质评结果不合格时，自动将该项目的室内质控规则收紧（如从±2s缩至±1.8s），持续3个月，直到下一次室间质评合格后恢复常规。 ## 六、数据统计分析 质控数据不是死数字，而是改进质量的活线索。系统的统计分析功能，要能从海量数据中挖出金矿，为质量改进提供方向。 ### 6.1 常规统计 基础统计数据是质量的体检表，系统需定期（如每日、每周、每月）生成，让实验室人员快速判断哪个项目质量好，哪个需要改进。 **6.1.1 核心统计指标 ** - 均值与SD（标准差）：反映检测的稳定性。例如，某项目月均值5.2mmol/L，SD0.3，说明结果集中，波动小；若SD突然增至0.8，则提示稳定性下降； - 变异系数（CV）：评估精密度（CV=SD/均值×100%）。通常认为CV&lt;5%代表精密度良好，如血糖检测CV=3%（优于5%），说明检测重复性好； - 通过率：某项目本月检测100次，98次在控，通过率98%。通过率低于95%的项目需列为重点改进对象。 ### 6.2 趋势分析 单个质控结果在控，不代表整体质量稳定——长期的微小漂移可能逐渐累积成系统误差。趋势分析就是要捕捉这种隐形的问题。 **6.2.1 趋势识别方法 ** 系统需用统计学方法（如移动平均法、指数平滑法）分析长期数据，识别以下趋势： - 线性漂移：如ALT（谷丙转氨酶）的月均值从35U/L逐渐升至42U/L（连续3个月），即使单个结果都在±2s内，也提示系统漂移（可能是仪器校准偏移）； - 周期性波动：如某项目每周一的CV值比其他时间高5%，排查后发现是周末仪器闲置后重启，预热不足导致，可通过周一开机后多做1次质控解决； - 骤升骤降：如某项目的SD值从2突然升至0.7，可能是试剂批次更换、仪器故障等原因，需立即排查。 ### 6.3 质量改进 统计分析的最终目的是改进。系统需像质量顾问一样，为实验室提供具体的改进方向和效果评估。 **6.3.1 问题定位与改进支持 ** - 原因关联：当某项目多次失控时，系统自动关联可能的原因——如近3次失控均发生在使用批号A试剂时，提示试剂可能存在问题；某仪器的失控率是其他仪器的3倍，提示仪器需维护； - 措施建议：根据问题类型推荐SOP中的改进措施（如试剂问题建议联系厂家更换批次，附厂家售后电话）； - 效果验证：改进措施实施后，系统自动对比前后数据（如更换试剂后，CV从7%降至3%），判断是否有效，并生成改进报告（如措施有效，建议持续监控）。 这种分析-改进-评估的闭环，让检验质量进入螺旋上升的良性循环。 ## 让质控模块成为质量伙伴 LIS系统质控模块的设计，既要懂ISO15189的严（如溯源性要求），又要懂实验室操作的难（如急诊时的时间压力），更要懂临床需求的急（如结果的及时性和准确性）。 从给质控标本编一个会说话的编码（包含类型、批次、储存要求），到用趋势分析提前发现系统漂移；从分级报警让关键人员不遗漏，到库存预警确保质控品不断供，每一个功能的背后，都是对检验质量无小事的敬畏。 未来，随着AI技术的融入，质控模块还将更聪明——比如通过机器学习预测质控异常（如根据历史数据预测批号B试剂在使用第15天时可能出现失控），或自动推荐最优的改进方案（如针对该仪器，校准周期从1个月缩短至2周可降低60%的失控率）。但无论技术如何发展，以临床需求为核心，以患者安全为目标的设计初心，永远是LIS质控模块的根。 对于产品经理而言，打造这样的模块，需要跨界思维：既要懂IT技术的实现逻辑（如数据库设计、接口开发），又要懂实验室的操作流程（如质控品复溶步骤、仪器校准周期），更要懂临床对检验结果的期待（如急诊报告的时效、肿瘤标志物的精准度）。唯有如此，才能让质控模块真正成为实验室人员的质量伙伴，为每一份检验报告的准确性保驾护航。 本文由 @阿堂 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

<blockquote><p>当全球技术巨头高喊“智能体革命”之时，OpenAI的Agent却选择在虚拟沙盒中静悄悄登场——炫技有余，落地不足。本文将穿越技术光环，深度拆解OpenAI Agent的产品路径、落地方式与使用门槛，并对比中国企业在“实在战场”上的真正需求差异，揭示一场智能体竞赛中的角色错位与路径分歧。</p> </blockquote>  2025年7月，AI行业的聚光灯再次聚焦OpenAI。 当Sam Altman在直播中宣布「ChatGPT Agent」正式上线时，全球科技圈的反应多少有些微妙——期待中带着一丝「终于来了」的释然，更夹杂着对「智能体（Agent）」赛道格局的重新审视。  这场被OpenAI定义为「从Chat到Agent的跨越」的发布会，核心是让ChatGPT具备「自主思考-行动-反馈」的闭环能力：用户只需一句指令，它就能在虚拟沙盒中调用文本浏览器、可视化浏览器和终端工具，完成从信息检索、PPT制作到在线购物的多步骤任务。 但当我们将视线从OpenAI的虚拟沙盒转向中国企业的真实办公场景时，一个更值得思考的问题浮出水面：**当全球科技巨头还在「虚拟环境」中构建智能体时，中国团队早已在「真实电脑」上跑通了企业级Agent的落地路径。** ## 01 OpenAI的「Agent答卷」：虚拟沙盒里的「智能三剑客」 要理解ChatGPT Agent的技术逻辑，必须先回溯OpenAI过去两年的技术积累。 此次发布的Agent功能，**本质上是「Operator（视觉交互代理）」「Deep Research（多步骤推理）」与「ChatGPT语言能力」的融合**，被OpenAI称为「AI三剑客」。 ### 1. 虚拟沙盒：隔离的「数字分身」 在ChatGPT的界面中，用户会看到一个独立的窗口，这里是Agent的专属「虚拟计算机」——拥有自己的操作系统和可访问互联网的浏览器，但与用户真实设备完全隔离。 这种设计的初衷是安全：Agent不会直接操作用户电脑，所有点击、输入、代码运行都在沙盒内完成。 例如，用户要求「查找某款手机的评测并生成对比表格」，Agent会先调用文本浏览器抓取多平台的评测数据，再通过可视化浏览器模拟点击分页，最后在终端运行Python脚本清洗数据，生成Excel文件。  ### 2. 工具矩阵：从「动嘴」到「动手」的跨越 支撑这一流程的，是OpenAI精心设计的三大工具模块： - **文本浏览器：**针对信息密度高的网页（如论文、技术文档），通过自然语言处理提取关键数据，效率是人工阅读的5-8倍； - **可视化浏览器：**模拟人类操作，完成点击按钮、填写表单、截图等图形界面交互，解决了传统爬虫无法处理动态加载页面的痛点； - **终端工具：**连接云服务API（如AWS、GoogleCloud）、调用图片生成模型（如DALL·E3）、运行代码脚本，实现从数据处理到内容生成的全链路自动化。 ### 3. 能力边界：「虚拟」的双刃剑 根据OpenAI的演示，Agent完成一个复杂任务（如旅行规划+酒店预订+行程PPT制作）平均需要10分钟，完成度超90%。 在HLE（Human-Level Efficiency）基准测试中，其得分达到41.6%，是GPT-3.5和GPT-4 Mini的近两倍。 但硬币的另一面是，**所有操作都被限制在虚拟环境中：**它无法打开用户本地的Excel文件，不能操作企业内部OA系统，更无法调用未开放API的第三方软件（如某些定制化ERP工具）。 这种「虚拟隔离」的设计，既是OpenAI的安全护城河，也成为其企业级落地的最大瓶颈。 **正如海外科技媒体《The Verge》评论：ChatGPT Agent是优秀的“数字助手”，但距离成为企业的“数字员工”，还差一个“真实世界接口”。** ## 02 Agent赛道的卷不动：虚拟环境的三大致命伤 当OpenAI在虚拟沙盒中精耕细作时，全球Agent赛道早已暗流涌动。 从年初爆火的Manus到国内Minimax的「智能体矩阵」，再到Kimi的「多模态行动者」，玩家们看似在同一条赛道竞速，实则早已分出「虚拟派」与「真实派」两条技术路径。 **而虚拟派的三大痛点，正在让这条赛道失去「卷」的意义。** ### 1. API依赖症：企业数据的「玻璃牢笼」 虚拟Agent的核心逻辑是「调用外部API完成任务」。 例如，要生成PPT，需要调用Google Slides或Canva的API；要发送邮件，必须接入Gmail或Outlook的接口。这导致两个问题： - **数据割裂：**企业核心数据（如本地CRM系统、未联网的生产数据库）无法被Agent直接访问，需通过人工导出或API对接，增加了数据泄露风险； - **功能受限：**未开放API的软件（如部分老旧财务系统、定制化生产管理工具）完全无法操作，而这类系统在传统企业中的占比超60%（据Gartner2025年企业IT调研）。 ### 2. 沙盒隔离墙：真实场景的「降维打击」 虚拟环境的隔离设计，让Agent成为「数字世界的旁观者」。 以企业财务场景为例，会计需要每天登录银行网银下载对账单、导入本地财务软件、生成凭证——这一系列操作涉及「跨系统切换、验证码输入、弹窗确认」等真实交互。 虚拟Agent因无法操作真实电脑，只能通过「API直连银行系统」完成，但这需要银行开放接口，而国内90%的中小银行并未提供此类服务。 ### 3. 成本天花板：企业级需求的「算力鸿沟」 OpenAI的定价策略暴露了虚拟Agent的成本压力：Pro用户每月400次调用，Plus和Team用户仅40次。 这背后是虚拟沙盒的高算力消耗——每个Agent任务需要独立分配虚拟机资源，运行浏览器、终端等工具，单任务成本是普通对话的10-20倍。 对于需要高频自动化的企业（如电商客服、供应链管理），这样的成本几乎不可接受。 ## 03 中国团队的「实在突围」：不依赖API的「真实电脑操作」 当虚拟Agent在「沙盒困境」中打转时，中国AI团队早已另辟蹊径。 以实在智能推出的「实在Agent」为代表，其技术路径直指企业核心痛点：**无需API对接，直接模拟人工操作真实电脑，完成从本地软件到网页系统的全场景自动化。** ### 1. 技术底层：从「API调用」到「拟人操作」 实在Agent的核心突破是「计算机视觉+自动化控制」的深度融合。 传统RPA（机器人流程自动化）工具通过「代码脚本」模拟点击，但遇到动态页面（如验证码、弹窗）或复杂操作（如拖拽、多窗口切换）时容易失效。 实在Agent则通过OCR（光学字符识别）、NLP（自然语言处理）和ISSUT智能屏幕语义理解技术，「看懂」屏幕内容，「理解」操作逻辑，像人类一样完成： - **跨系统操作：**从网页（如淘宝后台）到本地软件（如金蝶ERP），自动切换窗口、输入账号密码； - **异常处理：**识别验证码（文字/滑块/点选）、弹窗提示（如确认提交），根据上下文选择操作； - **数据提取：**从PDF、图片、表格中精准提取结构化数据，支持复杂格式（如合并单元格、斜线表头）。 ### 2. 场景落地：企业级任务的「全能选手」 在某制造业龙头的试点中，实在Agent已接管了「采购-入库-对账」全流程： - **采购环节：**自动登录供应商平台，根据生产计划生成采购订单，校验价格与库存； - **入库环节：**同步WMS系统（仓储管理），识别物流单号，在ERP中录入入库信息； - **对账环节：**下载银行流水与采购订单匹配，标记异常交易，生成对账报告。 整个流程无需人工干预，处理效率是人工的8倍，错误率从3%降至0.1%。 更关键的是，它能操作企业未开放API的老旧系统（如运行在Windows 7上的定制化生产管理软件），这是虚拟Agent完全无法触及的「黑箱场景」。 ### 3. 成本优势：从「按次付费」到「按需部署」 与OpenAI的「调用次数付费」不同，实在Agent采用「本地化部署+订阅制」模式。 企业只需在本地服务器安装Agent管理平台，即可创建多个「数字员工」，每个「员工」可同时处理5-10项任务，年成本仅为同规模人工团队的1/3。 对于需要7×24小时运行的客服、财务等岗位，这种模式的性价比优势尤为突出。 ## 04 Agent赛道的「新范式」：从「虚拟助手」到「真实员工」 OpenAI的ChatGPT Agent，标志着「通用智能体」从概念走向产品，但它更像一场「技术预演」——告诉世界「智能体可以这样做」。 而实在智能等中国团队的探索，则回答了更关键的问题：**「智能体应该怎样为企业创造价值」。** 这种分化背后，是AI落地逻辑的根本转变： - **从「能力展示」到「场景适配」：**虚拟Agent追求「能做什么」，实在Agent聚焦「解决什么问题」； - **从「云端依赖」到「本地智能」：**虚拟Agent依赖云端算力和API，实在Agent通过本地化部署保障数据安全； - **从「个体工具」到「组织协同」：**虚拟Agent是「个人助手」，实在Agent是「企业数字员工」，可与人类团队无缝协作（如接收主管指令、与同事共享文档）。 ## 05 Agent的终局，在真实世界 当Sam Altman说「看到ChatGPT思考、计划、执行是感受AGI的时刻」时，我们必须承认：OpenAI在「智能体」的「思考层」依然保持领先。 但AI的终极价值，从来不在实验室的「虚拟沙盒」，而在工厂的生产线、企业的办公室、医院的诊室里——这些需要「真实操作」的场景，才是智能体的「终局战场」。 中国团队的「实在突围」，本质上是对AI落地逻辑的重新定义：**智能体的核心不是「多聪明」，而是「多有用」；不是「能调用多少API」，而是「能解决多少问题」。** 当OpenAI还在虚拟环境中「卷」技术时，中国企业早已带着「实在Agent」，在真实世界的土壤里，埋下了智能体大规模商用的种子。 这或许才是2025年AI行业最值得关注的「代差」：不是技术的领先，而是「需求理解」与「场景落地」的先发优势。 作者：阿木聊AI（智能体），公众号：Agent智能体 本文由 @阿木聊AI（智能体） 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>在“方向混沌”“价值稀释”的产品迷雾中，谁不是一边应付一地鸡毛，一边试图找回初心？本篇文章不是鸡汤，也不是宣言，而是一份写给产品经理的自救指南：如何在变动中厘清边界、重新锚定价值，从小处破题走出属于自己的进化路径。</p> </blockquote>  **凛冬之下，产品经理的生存危机与价值突围** 当融资热潮退去，“增长神话”被“降本增效”取代，需求池深不见底但上线功能却像石沉大海——这不是朋友圈的段子，是我身边无数PM同行正在经历的日常。 QuestMobile的数据很残酷：2023年移动互联网用户时长增长连续四个季度低于3%，宣告了存量搏杀的“慢增长”时代。Gartner的报告更扎心：超过60%的新功能没能带来预期的商业价值。我们都站在迷雾里，焦虑感扑面而来。 ## 困境：价值坐标模糊的三重危机 ### 1. 需求迷雾：信号失真，痛点难寻 用户访谈常常流于形式，听到的多半是“想要更快的马”；后台数据报表堆积如山，但DAU跌了10%，却死活揪不出背后的元凶。 **我经历过的一个电商项目就是典型：用户抱怨推荐页面停留时间短，表面看是算法问题。深入追问才发现，是页面加载速度太慢逼走了用户。我们后来优化了图片压缩，加载时间从3秒多降到1.8秒，转化率立刻涨了12%。** 这个教训很深刻：收集需求容易，揪出真痛点难如登天，噪音太大了。 ### 2. 价值真空：动作变形，目标迷失 迭代沦为流水线上的螺丝钉，一个接一个拧上去，却忘了整台机器该往哪儿开。商业目标（赚钱？占市场？）和具体的产品动作之间，那条清晰的线断了。 **之前参加一个SaaS工具的年度战略会，印象很深：团队把“提升客户续费率”这个目标，拆解成了“优化客户成功手册”“增加引导视频”“建立NPS预警”三个实实在在的动作。结果呢？续费率从72%拉到了85%。** 这才叫把目标和动作拧在一起，每个功能都成了撬动增长的支点。 ### 3. 能力断层：认知浮浅，决策失焦 技术评审时只能点头，对“实现成本”心里没底；业务会议插不上话，对成本、客户价值（CLV）一知半解；数据波动全靠分析师解读，自己没了判断力。 **见过一个企业协作工具团队，他们用“技术债清单”管历史代码，每季度拿出20%资源专门还债，硬是躲过了系统崩溃的风险。更厉害的是，有个产品经理自学了点基础SQL，自己扒用户数据发现：高端用户对速度敏感度是普通用户的3倍！立刻推动了VIP专属客服上线。** 这就是懂点和不懂的区别。 ## 突围：从“功能搬运工”到“价值创造者” 光优化效率救不了我们，关键是真蜕变——从被动接需求的“功能搬运工”，变成主动想价值的“价值创造者”。这不仅是角色变化，是思维的彻底重塑。 ### 1. 拨开需求迷雾：听见用户的心跳 - 警惕“伪需求”：福特那句“更快的马”谁都听过，但坑还是照跳不误。用户喊“要直播”，可能真实需求是“急需高效的实时沟通”，也许是培训，也许是即时消息。**有个协作工具团队，用户一直喊着要“会议录制”，刨根问底才发现痛点其实是“跨时区团队无法同步内容”。最后他们靠优化会议纪要和自动翻译解决了问题，压根没做录制。**每次访谈，逼自己多问几个“为什么”。 - 别让数据骗了你：DAU跌10%只是个警报。真相在哪？分用户群看：是新用户跑了，还是老用户不活跃了？追踪行为路径：卡在注册引导了？分析转化漏斗：是在支付前哪一步流失的？**一个教育APP通过用户分群发现，高三学生在模考功能里留存率超高（比平均高40%），于是把模考功能前置，整体DAU跟着涨了。** - 建个“用户问题库”：零散的用户反馈、客服记录、应用商店评论，都是宝贝。**某电商平台把这些按“场景+角色+痛点”归档，发现“妈妈们晚上找母婴刚需品太难”是个高频痛点。于是搞了个“夜间智能推荐”，转化率升了15%。**区分“痒点”和“要命痛点”，靠的是识别模式。 ### 2. 校准商业罗盘：每一步为增长服务 - 懂业务的“黑话”：PM不懂成本结构、利润来源、核心客户群，就像船长不知道航向。**一个SaaS团队啃行业报告发现，“客户成功服务”是续费命门，立刻把资源砸过去，续费率从68%干到82%。**毛利率、获客成本（CAC）、客户长期价值（CLV）这些数字，不再是财务专属，是咱做决策的基石。 - 画个“价值路线图”：动手做新功能前，先想明白：这玩意儿到底为哪个具体目标服务？（比如：新客转化率提升10%？客服工单减少15%？某个高价值功能付费率提高？）能带来多少价值？得砸多少资源（开发、运维、推广）？**一个社区产品用这法子，优先做了“用户成长体系”而不是“社区论坛”，因为前者直接挂钩活跃度目标（要提升20%），后者价值模糊。结果活跃度真涨了22%，广告收入跟着涨18%。** - 把“成本”刻在脑门上：资源永远不够。评估需求时，算盘要打得精：不仅是开发工时，后续的服务器、维护、客服成本增加，还有因为做这个而放弃做别的机会成本。**有个工具APP评估“高级会员功能”时，算了笔账：投入产出比1:3.2，比竞品高得多（1:1.8）。果断加码，付费会员涨了5个百分点。** ### 3. 夯实能力地基：技术·业务·数据的三角凳 - 懂点技术“代价”：不用会写代码，但要懂影响。频繁调API会不会拖慢速度？数据库索引没了查询会多慢？新缓存策略能有多大提升？**一个金融APP团队在技术评审时，用“架构影响评估表”量化不同方案性能损耗，选了“异步加载+本地缓存”，页面响应速度飙升40%，服务器成本一分没加。** - 有点“迷你CEO”的视野：产品是业务的载体。别总盯着功能细节：翻翻行业报告（艾瑞、易观啥的），看看对手在玩什么；听听销售怎么打仗，感受客户的压力；去客服蹲点，听听用户的抱怨。**一个企业服务PM旁听销售打单，发现客户们对“数据安全认证”特别在意，赶紧推动搞定了ISO27001，帮销售啃下个大单。** - 数据敏感度：从看到用：靠数据团队正常，但PM自己也得会点基本功。学点基础SQL（SELECT,WHERE,GROUPBY够对付80%情况），就能自己扒用户数据、验证想法。**有个社交APP的PM自己分析数据，发现“好友推荐算法”有性别偏差，导致女生跑得多。算法一调，女性用户留存率就上来了。** ### 4. 炼就决策力：在混沌中点亮确定性 - 拥抱“灰度”：产品决策很少信息完备。等100%清楚了，机会早跑了。小步快跑做实验（A/BTest）是好办法。**某电商平台测试新首页布局，5%用户参与，结果商品点击率涨15%，但购物车转化跌了8%。最后保留点击率高的模块，优化购物车引导，整体转化率还是提升了5%。** - 别拍脑袋，建框架：告别“老板说了算”和“凭感觉”。搞个结构化的评估体系，比如：用户价值、商业潜力、实现难度（含风险）、战略契合度这几个维度，定好权重打分。**一个工具APP评估“语音输入功能”，用户价值（8分）、商业潜力（7分）不错，但实现难度大（9分）、战略契合一般（6分）。最后决定分阶段开发，先搞定核心场景。** - 定期复盘，别走过场：上线不是终点。定期（比如两周/每月）来场“真心话复盘”：目标达成了多少？当初做决策的依据（假设）还成立吗？（比如：“我们以为简化了用户就会多用功能X，实际呢？”）最大的意外是什么（好的坏的都算）？最痛的教训是啥？**一个教育APP复盘“直播课”，发现用户完课率低，挖下去是课时设置太长惹的祸。砍到45分钟一节，完课率立刻涨了25%。** ### 5. 重塑影响力：在资源困局中点燃火花 - 用“故事”打动人心：跟开发讲需求，别扔PRD文档，讲一个真实用户在场景里挣扎的故事，唤起共鸣。跟老板汇报，别堆功能亮点，说清楚这功能怎么撬动关键指标（比如：“优化后优质线索转化率预计升X%，能带来Y万年收入”）。**有个企业服务PM推动做“客户成功体系”，给技术团队讲了个客户因为操作复杂而流失的案例，团队干劲十足，把引导流程优化得贼好，客户留存率真涨了12%。** - 当好“连接器”：打破部门墙。把用户调研的鲜活反馈、竞品动态的精髓，用大白话同步给技术团队，点燃他们的用户视角。把技术团队的硬核成果（比如性能翻倍），翻译成业务能懂的价值（“页面快了X秒，流失率预计降Y%”），喂给销售和运营当弹药。**某社区产品团队搞“跨部门分享会”，把技术的“推荐算法优化”变成运营的“个性化内容推送策略”，用户互动率涨了20%。** - 经营专业口碑：**在团队里，定期分享你的干货（读到的好文、搞懂的技术点、踩坑后的复盘）。在行业里，适当发声（写写文章、参与讨论）。一个金融科技PM在论坛分享了“数据驱动风控优化”的实战案例，引来潜在客户咨询，间接撬动300万生意。**专业影响力是信任的硬通货。 ## 结语：价值创造，永恒的破冰船 产品经理的自救，说到底是回归本源：用专业深度刺穿需求迷雾，用商业思维锚定航向。在每一个功能、每一次迭代里，持续创造用户摸得着、业务看得见的价值。这才是我们安身立命的根本。 这条路没捷径，也没有终点。每当挖到用户真实需求的“啊哈！”时刻，每当数据验证了商业逻辑的笃定感，每当在技术边界内搞出巧妙创新的突破感，都是产品经理从生存挣扎走向价值创造的扎实一步。 **寒冬或许漫长，但创造价值的火光永不熄灭。当商业嗅觉、用户洞察与技术理解真正熔于一炉，当价值创造成了本能，所谓的“自救”，就成了持续精进和进化的旅程。** 只有那些真正掌握核心能力、吃透商业本质、并持续创造价值的PM，才能在时代的浪潮中破茧而出，甚至引领下一波增长。 本文由 @掠蓝蓝蓝 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

惹怒会员的，不只是山姆的货架

千呼万唤始出来

山姆会员店，正在透支中产的信任。