AI探索指南
-
- 昨天重读PG神作
《How to Get Startup Ideas》
开篇第一句话让我震惊了！
获取创业想法的方法
竟然不是去想创业想法！
而是去寻找问题
最好是你自己遇到的问题
在AI圈呆久了
见过太多"编造式"点子
就像电视剧编剧
给角色安排创业
听起来合理
实际上很糟糕
比如"宠物主人社交网络"
朋友们不会说"我绝对不用"
而是说"嗯，也许我能想象自己用"
但想象≠真正使用
汇总到整个人群
你就是零用户！
前两天和一个朋友聊
他说要做"AI版小红书"
我问他自己会用吗？
他想了半天说
"应该会吧..."
典型的编造式点子！
三个共同点，缺一不可
PG总结最好的创业想法
往往有三个共同点：
创始人自己想要
自己能够构建
很少人意识到价值
微软、苹果、雅虎
谷歌、Facebook
全部始于此！
这不是巧合，这是规律
挖井还是挖坑？
PG用了个绝妙比喻
把公司比作"洞"
你可以挖两种洞：
又宽又浅的坑
又窄又深的井
编造的点子通常是坑
很多人有点兴趣
但没人迫切需要
好的创业想法都是井
很少人想要
但想要得要命！
关键问题来了：
现在谁迫切需要它？
谁需要到即使是
两人小公司做的糟糕版本
也愿意立刻使用？
如果答不出来
这想法可能很糟糕
微软做Altair Basic时
只有几千台电脑
Facebook最初只服务哈佛
也就几千学生
但这几千用户迫切需要！
AI时代的绝佳机会
PG说得最精彩的是：
"活在未来，构建缺失的东西"
现在AI就是那个
快速变化的领域！
如果你身处AI尖端
你不用寻找浪潮
你就是浪潮！
我每天用Claude Code
基本跑10个小时
烧200美金都不到
但还是觉得不够用！
这就是真实需求
这就是机会
关闭两个过滤器
PG提醒要关闭两个过滤器：
"不性感"过滤器
"麻烦事"过滤器
大多数程序员都想
写点代码就赚大钱
不想处理复杂现实
但这种偏好太普遍
方便的点子早被榨干了
真正有价值的想法
往往在那些
混乱、繁琐的领域
比如Stripe
处理支付确实麻烦
但用户迫切需要！
AI时代也有很多
基础设施需要升级
数据管道、模型部署
API调用、成本控制
都是又脏又累的活
但每个AI公司都需要！
就像我们做AI编程社群
处理用户问题很繁琐
但大家真的需要！
从痛点开始
最实用的建议：
从你需要的东西开始
问问自己：
之前工作中有没有说过
"为什么没人做个X？
如果有人做了X
我们立刻就买！"
如果想得起来
你可能就有想法了
我试过这个方法
20分钟就验证了可行性！
更进一步：
你身上有什么不寻常之处？
让你的需求与众不同？
如果这种不寻常
代表未来趋势
那就更好了
真正的秘诀
PG最后说：
"活在未来
构建你觉得有趣的东西
听起来很奇怪
但这才是真正的秘诀"
不是"想出"点子
而是"注意到"点子
最成功的创业公司
几乎都以这种方式开始
真好的时代！
AI让每个人都能"活在未来"
每个人都有机会
成为那种"会产生想法的人"
不知道大家怎么想的
欢迎交流
原文：https://paulgraham.com/startupideas.html - 只用 AI 制作宣传片，可以做到什么地步呢？
我们和 @浦东文明 联合出品了一个 AI 城市文明宣传片，由小猫带大家逛上海浦东，希望大家喜欢！
希望能让大家看到一个不太一样的文明宣传片，请不要错过片尾彩蛋哈哈~
▶ 出品：上海市浦东新区区委宣传部(精神文明建设办公室)
▶ 创意制作：@Simon阿文 & @海辛Hyacinth
Invalid media: video 
- 记录你的冲动，借AI 之力，把它「创作」出来。
「我非常讨厌周一」→ 用 AI 创造周一怪兽
你的心相，现在很值钱。 - 又学到了新知识
连锁餐饮利润率可以只做5%
利益相关的预制食材供应商利润率可以做到90%
也怪不得都用预制食材了
商业模式决定了生活方式 - 读书时，喜欢画图，目前流程：
1. apple pencil + iPad + 无边记： 绘制草图
2. 截图发给Gemini: 要求重绘修正
人思想的自由随意， AI 画图的能力补充，挺好。 - 北京到上海的高铁不愧是牛马专列
在车上遛弯儿的时候遇到了前同事
还在同一个车厢里 - 北京的餐饮水平越来越差了
最近吃了一次超级碗
那个牛肉像纸一样柴
这不是预制不预制的问题
就是食材不行
周末去上海吃了几天
其实大部分也都是预制的
不过食材要比北京鲜得多
种类更是多很多
吃得还是很开心的 - 摘录一下：
现在的大语言模型已经分化出了不同的能力：
1. 聊天能力 (Chat)：即语言理解与生成能力，能看懂用户输入的内容并生成高质量的文字回复，以 GPT-4o 为代表。
2. 推理能力 (Reasoning)：即逻辑推理能力，通常通过**链式思考（Chain of Thought，CoT）**提升，可以处理复杂的数学问题和编程任务，以 DeepSeek R1、o1 为代表。
3. Agent 能力 (Agent)：即自主规划与执行任务，主动调用外部工具或资源，自动完成复杂目标任务，以 Claude 4系列、GPT-5 为代表，国内的 豆包Seed 1.6、DeepSeek V3、GLM 4.5、Kimi K2、Qwen-Coder 等模型也有不错表现。
这些能力有时会存在“冲突”。比如像 Gemini 2.5 Pro 代码能力和写作能力都很强，但 Agent 能力却一般，导致基于它之上的 Gemini CLI 表现平平；与之相对的 GPT-5、Claude 4 的 Agent 能力非常强大，但写作表现反而一般，尤其是 GPT-5，写出来的文章简直没法看。
我想未来的发展趋势还是向更通用、更均衡的方向发展，目前 GPT-5 就在尝试这个方向，但还不够成熟；GPT-6 或许可以实现这样的突破。接下来期待一下 Gemini 3.0 和 DeepSeek R2，希望能给我们带来一些惊喜。 - 数据和工作流的优化是“术”层面的巨大红利，它让现有的商业机器运转得更快。
而“意义世界”的个人化与规模化，是“道”层面的结构性机遇，它将创造一个全新的、以精神归属为核心的商业文明。
这，才是这个时代最波澜壮阔的“结构红利”所在。
