【金句】值得收藏的句子
-
相信现象背后的客观规律 -
AI不是不行,是我们的那个颗粒度没有到那个水平 -
技术可能正在开始平权化,业务本身的能力变得更重要 -
以笃定为起点,用“务实”来落地,靠“颗粒度”去攻坚 -
客户更在意的是商业ROI,到底是不是AI他们其实本身并没有那么关注,只要能拿到结果就行
【目的】学习目的
-
【信息多,落地少】信息极多,真实落地很少,有细节的满地凤毛麟角 -
【完整开源】AI小红书项目,人0做到了一年将近1个亿,完整开源,复盘一下过去3年在AI方面的完整实践 -
【破局】用一节课,讲一讲如何一步步遭遇难题、一步步破局的 -
【价值主张】这节课的核心价值主张 -
【姿势错了】为什么很多人/公司无法真正用好AI,是因为基本的姿势就错了 -
【不是单一工具】AI不是一个简单的单一工具,你Excel、搜索引擎这种单一工具 -
【范式】AI是一种人底层开始的巨大改变,需要一次次“范式”级别的自我改变 -
【范式转移】只有深刻认识了AI是一个范式转移,才能真正认识和用好AI
【重点】提前划重点
-
【课程地图】依次复盘五段我的“范式升级” -
【第一次飞跃:个人能力探索】分享从AI小白到AI学习入门的完整过程 -
【第二次飞跃:项目落地探索】分享是如何从“AI玩具”到“AI真正有用”的一次重要升级 -
【第三次飞跃:团队塑造探索】分享如何从“一个人会”到“一群人会” -
【第四次飞跃:工业化生产探索】如何把大量AI能力封装进一个系统的Agent,形成行业稀缺竞争力 -
【第五次飞跃:AI商业化探索】如何一步步解决问题,建立客户信任,拿下千万级大单的过程
【第一次飞跃:个人能力探索】攒个人能力的牌
-
【明确直觉判断】22年开始接触AI,有一个明确的直觉判断:这次AI爆发是生产力级别的机会 -
【阶段1】一个外行的隔阂
-
【认知,技能和圈层差距】跟自己的工作没什么关系,AI核心圈层是完全不碰的 -
【TikTok出海】几次电商圈一些闭门会议里,发现他们一直在聊AIGC -
【阶段2】硬上,用AI学AI
-
【简单粗暴方法】硬上,做中学 -
【1.高频浸泡】每天花“8,9个小时”高频使用GPT,长期地泡Github,还有Twitter,看各种论文。看一手信息,看别人怎么用 -
【2.躬身实践】SD部署,新的AI工具,坚持自己选用,累计使用AI工具超2000小时 -
【3. 用AI学AI】最高效的学习方式:在学习过程中,反向让AI来带你学习 -
【SCOPE模型】和ChatGPT对话的Prompt框架
-
【S(Simulation)-模拟】给ChatGPT模拟一个当下场景解决问题者的身份 -
【C(Content)-背景内容】给ChatGPT相对详细的介绍整个需求/问题的背景信息 -
【O(output)-输出】明确告诉ChatGPT需要它输出什么结果,以及需要的数量 -
【P(Pattern)-模式】可以给到ChatGPT在这个问题输出的一些模型或者表达方式 -
【E】希望ChatGPT能够以什么形式展示出来(表格,空行,分类等) -
【4. 输出倒逼输入】强迫自己把学到的东西体系化输出出来 -
-
【阶段3】从“AI不行”到“我不行”
-
【偶遇最佳实践】一个几百行的Prompt,可以实现直接将ChatGPT变成一个学习系统。 -
【是我不行】当AI用得不好时,就认为是我不行,而不是AI不行,是我还没有能力挖掘出AI的能力上限 -
【阶段4】个人能力的AI化升级
-
【AI新闻/Twitter总结&推送】定制自己关注的内容和Twitter,然后根据自己的规则,用GPT筛选适合阅读,做中文总结,然后每天早上10点自动推送出来 -
【自动撰写发布公众号】用NOTION搭建一套系统,每天自动写公众号内容,并且自动发布 -
【TikTok业务实践】用GPT写电商Listing ,用SD生成创意图片,用在真实的TikTok业务上 -
【SD文生成图做家装设计】把原始线稿,根据用户需求,生成多个波西亚风格的仿真设计图 -
【五步法拆解业务】把一堂五步法,结合一些详细业务内容,拆他大大小小几十个五步法画布
【第二次飞跃:项目落地探索】攒业务方向的牌
-
【目标】探索AI到底能不能做内容,能不能形成转化,能不能帮我实现降本增效 -
【遇到难题】怎么选AI内容方向?
-
【选项1:实干选手】相信实干,能做都做,先把各类帐号都开起来,做测试 -
【选项2:热点选手】相信市场热点,什么赛道方向火热,就做什么 -
【选项3:其他策略】 -
【我的选择】相信现象背后的客观规律。实事求是看市面上AI相关的内容,哪些做得好,背后的要素、规律是什么。 -
【第一步】Mapping全平台内容,总结核心认知
-
【搜集和分析】在全网平台上,把几乎所有跟AI相关的帐号,做了全量搜集和分析
-
【拆解&分类】拆解帐号类型,进行分类整理,仔细分析每类帐号所属的细分赛道,需要的核心能力,目标用户和变现方式。大的帐号类型,主要有七大类 -
AI+知识付费类帐号 -
AI+技术探索/资讯类帐号 -
AI+产品/服务类帐号 -
AI+广告IP类帐号 -
AI+泛娱乐/泛生活帐号 -
AI+挑战和互动贴 -
AI+人工智能机器人帐号 -
【聚焦:技术探索/资讯类】结合自己的目标、赛道和对长期的又预判 -
【选项1:创意选手】相信自己的创意灵感,想到什么做什么 -
【选项2:跟风选手】相信热点,看别人做什么火了,就做什么 -
【选项3:其他策略】 -
【讲师选择】相信背后的规律
-
【第二步】搜集AI爆款内容,总结提炼共性
-
【用户关注度】AI图像类 > AI音频类 = AI文字类
-
【AI图像分析】三个方向容易出爆款 -
【实用方向】如老照片修复/上色 -
【创意方向】各种超乎想象的创意 -
【离谱方向】各种离谱的图像
-
【爆款模型】提炼了一个AI生成爆款见容的击穿现实模型 -
【视觉击穿】秀AI能力,吸引眼球。eg:精美/创意/实用/记忆 -
【逻辑击穿】秀AI创意,吸引互动。eg:猎奇/反差/华点/搞笑
【第三步】提假设,做实验
-
【第一轮】假设实验 -
【分析规律】AI修复游戏画面火爆,原因可能是视觉击穿,一代人的童年游戏,唤醒儿时记忆 -
【提假设】用AI修复儿时经典游戏,可以引起关注 -
【做实验】选择修复一款90后儿时经典游戏《合金弹头》
-
【第二轮】假设实验 -
【分析规律】AI修复图里面各种华点,不符合逻辑,吸引很多评论 -
【提假设】图片里有华点,可以引发互动讨论 -
【做实验】控制变量:保持“华点”要素,选择另一款经典游戏《拳皇》 -
【结论】AI+制造华点,确实有创造爆款的可能 -
【继续测试】网球王子真人化,猫眼三姐妹真人化,李白等 -
【长红IP】甄嬛传,大爆
-
【搭建爆款内容结构模型】从选题方向,到选题内容,到内容结构,到核心立意点,层层细分,层层排列组合 -
【证明可行】一系列测试,拿到了流量,拿到了数据,拿到了大爆款,证明了AI生产内容是可行的 -
【范式升级】完成了项目范式升级,获得了两个关键认知 -
【1.爆款是有规律的】前面提炼的“击穿现实”模型 -
【2.AI最大价值在于融入业务】不是自己用用,而是“中台化的提升”,真正去改造业务流
【第三次飞跃:团队塑造探索】攒落地商业化的牌
-
【商业化挑战】必须组建一个真正的AI团队,大家一起用AI作为生产工具,把AI能力长到团队身上 -
【难题1】市场上没有成熟的供给,招不到现成的人
-
【培养】找不到现成的,那么AI团队只好来自己培养,优先选潜力,而不是历史业绩 -
【难题2】团队无法“认知对齐”,不太相信AI真的能解决问题
-
【要求】因为相信,所以看见 -
【理念】一号位必须兜底。如果一号位都不笃定,对AI能力不相信,这个事情就行不通
【难题3】如何把小白培养成战斗力很强AI团队
-
【1.拆解核心AI基本功】把Prompt作为核心基本功拆解出来,定义了P1(入门)到P3(结构化)的内部等级 -
【2.学习团队AI入门课程】写培训课程,把Socper模型和结构化方法论都放进去 -
【3.解决方案数量关联绩效】不断给团队提需求,定小目标,并且把完成的AI解决方案数量和绩效直接关联 -
【4. 真实验证,带团队打小胜仗】大家把内容发到测试帐号上,通过发内容,拿数据,拿认知,进行快速迭代 -
【5. 紧跟AI发展趋势】设立专人岗位“AI按照灯”,负责“精筛”(Github,Twiitter)发现的最新工具,自己先“试用”,选择好用的分发给团队对应的小伙伴
-
【范式升级】完成团队范式升级 -
【身份转变】团队从依赖个人,感性的“手艺人”,转变为依赖体系、结构化的AI解决方案工程师 -
【离了我也能转】团队可以自己给自己提需求,自己去自发使用各种工具,自己完成闭环 -
【关键认知】带团队练AI过程中,形成几个关键认知 -
【心态转变】团队必须完成心态转变,从看见才相信转变为“因为相信所以看见” -
【一号位兜底】AI用不好本质是人“提炼不出来”。作为一号位要跟大家证明,行得通能做到 -
【接受降速】AI化团队没有捷径,就是“勤学苦练”基本功,必须默认接受一到两个月,效率值很低的“降速期” -
【攒牌思维】AI是我们未来十年必经之路。不能用“三五个月的五步法”支衡量它,要用十年尺度的ROI去看待这个投入
【第四次飞跃:工业化生产探索】攒对抗规模不经济的牌
-
【商业成果】把AI团队培养起来后,可以抽身出来,开始更多考虑怎么用AI批量生产内容,来拿到真实的商业成果 -
【工业化生产小红书笔记】可以根据不同产品的特点,不同的各种需求,灵活生产各种笔记,还都能被用户接受
【探索】工业化生产级别的Agent
-
【红书Agent】基本上团队2个人就可以生产每个月生产500-800篇商业化的小红书笔记,质量一点也不比同行熟手差 -
【维度1】最重要的一个理念:解耦设计 -
【纵向】纵向拆分出应用层,后端层和数据层三个层次 -
【横向】拆分成爬虫、爆文分析和内容生产三个步骤
-
【维度2】领域知识 -
【领域知识】指特定专业内积累的知识,通常包括该领域的基本概念、理论、方法和实践经验 -
【质量好】能给AI描述的需求越细致,告诉AI的产品维度越全面,AI也就能写出来的质量越好 -
【壁垒】领域知识是你Agent的保障和壁垒
-
【维度3】迭代开发 -
【1.效果优化的换代】一次性生成的效果不太理想,可以多加几个节点,让AI一步一步迭代出更好的质量 -
【2.模型选择的迭代】不同模型的输出效果差别也很大,多做一些比较测试,有时候模型的迭代也可以极大程度提升质量 -
【原则】小步快跑,逐步迭代。先尝试小闭环跑起来,效果可能更好 -
【技巧】分享两个技巧
-
【范式升级】完成工业化生产的范式升级 -
【替代人】最高可以替代85%的工作量 -
【人写】非常个性化定制内容,大部分还需要人来写,AI主要是辅助提效
【第五次飞跃:AI商业化探索】攒落地商业化的牌
-
【困境】手握能力,却谈不成订单
-
【能不能便宜】认为AI写的,成本肯定很低,能不能拿个白菜价 -
【努力“找茬”】非要说这里不好,那里不好 -
【价格】双方的价格很难达到共识 -
【领域知识】客户即使下定决心想做,但实际上也没有现成的领域知识 -
【情况1】相谈甚欢,无法成交 -
【情况2】对AI内容“吹毛求疵” -
【情况3】对AI生成,疯狂压价
-
【解法】回归业务本质
-
【陷入】感觉AI很厉害,于是就到处想说AI的状态 -
【客户在意】商业ROI,到底是不是AI,他们其实本身并没有那么关注,只要能拿结果就行 -
【调整策略】一开始对客户说AI,反而“自找麻烦”
-
【1. 谈“业务合作”时,尽量不谈AI】为结果负责,为结果买单,怎么做不重要,只要关注交付质量和商业结果 -
【2. 聊“商务谈资”时,适当炫技AI】把AI变成和客户高层的商业谈资,既展现我们的能力,也可以加深双方的合作关系
-
【范式升级】完成AI商业化的范式升级
-
【清晰认知】在现阶段,AI不只是解决方案,更是你的核心竞争力 -
【成本&结果】用较低的成本,还能保证交付结果
【面向未来】一起造大船
-
【底层逻辑】解题思路发生了变化,做事姿势发生了变化,决策逻辑也发生了变化
-
【三个关键词】比具体工具,提示词重要得多
-
【拉满】把“颗粒度”直接“拉满”,不断地拆解,优化,调试,打磨 -
【拆解】拆解得越深,了解得越透,才是AI时代更有竞争力,这也是真正要苦练的“基本功” -
【1. 笃定】AI是未来的必经之路这件事,有足够强的信心 -
【2.务实】所有学习和尝试,都牢牢地落在自己的业务结果上,都是为了业务结果攒牌 -
【3.颗粒度】AI不是不行,是我们颗粒度没有到那个水平 -
【原则】以“笃定”为起点,用“务实”来落地,靠“颗粒度”去攻坚
【图片】值得收藏的图片
-

