像大模型一样训练自己
有一种成长方式，就是把自己，当成一个大模型去训练
比如，每隔一段时间，给自己发布一个新的版本，v1.0、v2.0 …
大模型训练的几个核心关键词：预训练、数据集、后训练、反馈、奖励函数、修正
1. 预训练
大模型训练的第一步，是预训练
对于一个人来说也是一样
我们每天的注意力，本质上都在构建自己的训练数据集
比如，看什么书，和什么人交流，做什么项目以及看什么内容，等等
注意力，决定了训练数据集的特征与质量
所以，管理自己的输入与注意力非常重要
想提高输出的质量，先要提高训练数据的质量
但输入只是训练的开始，在这个过程中，还要不断整理和输出
写作、分享、做方案、做决策，其实都在帮助我们把各种外部信息，重新理解、压缩和结构化
这个时候，形成自己的判断，并能够稳定地产生高质量输出，才代表这些东西真正被自己内化，进入了自己的“参数”
2. 后训练
对一个人来说，最重要的后训练，发生在真实世界
比如，做一个产品出来，做一个方案，去完成一次销售，等等
然后等待现实世界的反馈
每一次有效反馈，都在修正我们对一件事情的认知
执行产生反馈，复盘把反馈，沉淀成自己的专有数据
最后的成长过程就变成了：输入 → 思考 → 输出 → 执行 → 反馈 → 修正 → 再执行
很多真正有价值的认知，来自这些只有自己执行之后才能获得的专有数据
3. 奖励函数
还有一个很重要的问题，就是奖励函数
可以简单理解成：我们长期用什么标准来判断一件事做得好不好
也就是，我们需要想清楚自己究竟在优化什么？
如果一直奖励自己获得别人的认可，久而久之，我们会越来越擅长获得认可
如果长期奖励真实价值、长期结果和解决重要问题的能力，我们自己的这个模型，也会逐渐向这个方向收敛
你奖励什么行为，什么行为就会被不断强化
一个人的长期方向，很大程度上取决于他给自己设置了什么奖励函数
所以，每隔一段时间，都可以重新评估一次自己，更新训练数据，修正奖励函数，继续训练，然后，发布自己的下一个版本
成为出题者
有两种活法
一种是成为答题者，一种是成为出题者
答题者，面对的是别人定义好的问题
参加考试，执行任务，回答问题，这是答题者
提出研究方向，发现市场机会，改变产品模式，这是出题者
两者的区别，是问题所有权
答题者解决的是别人的问题，出题者创造的是自己的问题
大量研究发现，真正产生突破的人，往往不是因为他们更擅长回答问题，而是因为他们更擅长提出问题
一个人真正开始成长，往往是从“寻找答案”走向“定义问题”
管理的本质，是出一道又一道的好题
帮助团队命题
关键是，不断创造值得投入、愿意负责、能够成长的问题
一个好题，至少满足三个原则
- 定义边界
清晰的目标、边界及最终状态
把创造空间，留给执行者
真正的好题，只回答”为什么”和”做到什么程度”，不回答”具体怎么做”
- 以生其心
让执行者把这个题，当成自己的题
不是完成命令，而是在完成自己的使命
任务一旦变成”我的题”，责任感、创造力和投入度都会发生变
- 不预设答案
不要急着告诉别人正确答案
真正的问题，本来就没有唯一答案
管理者更重要的是保持开放，让团队去探索，而不是验证管理者原来的判断
答案会越来越便宜，真正稀缺的，是定义问题的人，是能够让组织持续提出好问题的人
管理注意力
和向阳交流，他推荐了一本书《注意力商人》
这本书核心讲的是：注意力
简单来说，注意力，决定了你是谁，我们需要学会管理自己的注意力
从商业层面，每个人的注意力，也构成了广告工业的最基础原物料
一、注意力经济的第一性原理
- 人的注意力，是一种有限资源，也无法储存，每次关注都在排除其它可能
- 交出注意力等于交出一部分生命时间，以及这段时间可能形成的经验，一个人的经验，取决于他所关注的事物
- 注意力分配最终会塑造一个人的现实经验
- 注意力的商业实质，成为可以收割、定价和转售的广告工业原物料
- 免费内容其实是一种交换，受众付出时间、意识和行为数据，广告商支付金钱，媒介平台负责把两边连接起来，比如抖音、百度，背后的商业实质都是如此
- 注意力产业的增长非常依赖新领地，每一种媒介形态都有它的生命周期，报纸、广播、电视、微信、短视频、直播等等，依次把商业触角伸入更私密的时间、空间与人际关系
- 生活经验由我们持续关注的对象构成，谁能长期决定人们看什么、想什么、等待什么，谁就在参与塑造人们如何生活
二、注意力变成收入的机制
- 需求工程先创造渴望，再把产品安放到渴望之中，这就是广告
- 当产品与身份、阶层、情感或价值观绑定，消费者购买的理由会超出产品的实用性能
- 注意力一旦可以测量，就可以进入工业化交易，收视率、听众调查、用户画像和点击数据，让注意力能够被分割、比较、定价与优化
- 不确定的奖励最容易养成重复检查的习惯，信息流和通知利用“变动的增强方式”，让人因为不知道奖励何时出现而不断返回
- 平台通过排序、标题、推送和推荐系统调节每一次选择的概率，用户仍在点击，选择发生前的环境已经经过精密设计
三、注意力如何改变社会关系与权力
- 平台会放大人类原有的欲望，自恋、好奇、归属、比较、窥视和被认可的需求一直存在，新的媒介让这些欲望更频繁地被触发和兑现
- 媒介能够制造“亲密的错觉”，受众会把对名人、主播或公众人物的单向关注体验为一种关系，这种心理联结随后可以转化为商业价值
- 名气本身可以成为资本，实境节目和社交平台把制造名人变成工业流程，普通人也开始主动经营形象、曝光和可见度
- 注意力可以转换成金钱、服从、参战意愿和牺牲精神，广告与宣传共享同一条底层链路：占据意识，组织情绪，引导行动
- 自由同时取决于选项和对选项的觉察，当媒介决定哪些事实、商品或政治主张能够进入视野时，它也在影响人们能够做出的选择
四、产业循环与个人行动
- 争夺注意力的竞争会推动手段不断走向极端，每个参与者都需要更强刺激、更深介入和更长停留，整个产业因此持续抬高侵入程度
- 公众反感会迫使注意力商人升级方法，抵制、监管和技术规避会淘汰过于粗暴的做法，商业模式通常会以更精细、更隐蔽的形式延续
- 上一代感到震惊的侵入，下一代可能视为日常，习惯化会不断移动社会边界，让商业进入私人生活的程度越来越深
- 技术创新、商业扩张与社会反弹构成循环，新媒介先开辟注意力领地，产业随后扩大收割，公众产生抵抗，规则开始修补，下一代技术又开辟新的领地
- 注意力自主需要个人选择和集体规则共同维护，人们需要主动保护某些时间与空间的不可侵犯性，并通过制度限制注意力商人进入意识和心灵空间的权限
技术人的新范式
技术负责人之前对我说：你们都上手写代码了，我要失业了
我说：那不会，难度大的，还是需要技术来做架构和工程设计
技术在AI时代，有更大的价值，重点会变得不一样
比如，会更加侧重架构设计、API、Agent设计、标准、安全等方面
而面向用户的UI及基础应用层，确实是可以让接近业务的人，通过vibe coding的方式，去快速实现和迭代
技术在这个过程中，持续的完善架构、接口标准、安全审核等等
业务直接驱动UI及基础应用，技术管理底层架构及接口
这背后的几个底层逻辑的变化
- 业务人员开始拥有“软件生产权”，流程变得及其简单：需求定义 → Vibe Coding → 接API → 做UI → 内部使用 → 根据反馈当天迭代，谁最懂问题，谁就离代码最近
- 技术的价值会向更高杠杆的位置迁移，未来一个好的CTO，会越来越看重这个能力：如何设计一套基础设施，让公司里100个人都可以安全地Vibe Coding，整个系统依然不会失控
- 其实质就是：业务负责“最后一公里的软件”，技术聚焦Infra建设
在这样的协作逻辑的变化后，技术人员未来可能逐渐分成两类人：平台工程师 ，或者嵌入业务的FDE
未来一家公司的技术能力，可能越来越体现在一个新的指标上：它能不能让更多懂业务的人，安全、高效地创造软件
AI时代的新管理
- 管理者越来越重要的工作，是“找题”和“出题”
- 方法论已经变得非常成熟，寻找问题会变得更加困难，方法越来越通用，好问题越来越稀缺
- 对应的能力闭环就是：发现问题 → 定义问题 → 选择问题 → 配置资源 → 建立评估
- 这其实就是从答案能力 → 命题能力
- AI产品的核心飞轮，是产品、数据、Eval和模型持续回流
- 会有更多的小团队，比如三个人五个人，可能围绕某一个领域来做攻坚，AI时代最强的组织，是高信任的小团队围绕好问题持续实验，也就是从“项目计划制”，走向“实验制”，试验大部分拿不到正向反馈，我们需要包容
- 好的AI团队，不追求每次实验成功，而追求每次实验都有信息增量；创新效率取决于单位时间内完成多少高质量实验
- 所以，AI原生组织，很像这个流程：假设 → 实验 → Eval → 反馈 → 调整 → 再实验
- 每一个工程师也越来越像一个Leader，可以同时驱动多个Coding Agent
- 管理的逻辑，会越来越变成这种形式：Leader → 人 + Agent
- 这意味着未来管理能力里会增加一项新的基础能力：如何把一个目标拆成AI可以执行的问题，然后设计Context、Tool、Skill和Eval
- 一个很重要的管理能力：持续发现、定义和分配那些值得人和AI共同解决的问题
- 未来管理能力的一部分，就是管理一群不会坐在办公室里的数字员工
- 跨部门协作的核心，是“建立互信”，最难的部分反而是怎么样建立信任，怎么样换位思考
- Context，是AI时代最重要的企业资产之一