别只让AI解释,让它做个你能看懂的东西

简介: 大家对齐一下。做产品的人,对这句话应该不陌生。可嘴上都说懂了,脑子里的画面未必是同一张。

Image
大家对齐一下。

做产品的人,对这句话应该不陌生。可嘴上都说懂了,脑子里的画面未必是同一张。

这套方法,老金在社区和自己的群里反复讲过。

我以前做产品、带策划,也就是带着大家做产品设计时,总在强调要对齐。可文字落到每个人的脑子里,会按各自的经验变成不同的画面。

所以,有视频看视频,没视频看画面,没画面看原型图。

现在有了AI,做这些东西的成本已经很低,不用先学一堆交互软件,直接让AI做出来,大家看着同一个东西聊,沟通成本就能降下来。

不然,聊了半天简洁一点、有感觉一点,每个人都觉得自己懂了。挺热闹,各想各的。

Karpathy最近在社区聊到的一个用法,和这件事接上了。

他说的是另一个具体问题:AI接手越来越多工作以后,人怎么理解它交上来的东西?他的建议,是让模型把解释做成图、互动网页,甚至专门的讲解视频。

我关心的还多一层:这些东西做好以后,既能帮自己想明白,也能拿给别人看。脑子里的想法,总算有机会摆到同一张桌上了。

一句再通俗一点,未必问到了卡点

Karpathy把解释的形式一路往外推,先把文字写清楚,再用图,接着做网页,最后是定制讲解视频。

文字这一步,他提到ASD-STE100。他介绍这是一套最初用于航空维护文档的受控语言规范。名字不用记,值得拿走的是那个要求,少用模糊的说法,把意思交代清楚。他也说,自己有时只要求按大约八成的严格度来写。

但句子简单了,不代表关系就看懂了。

比如你在看业务数据,AI说访客到付费之间有几层转化。每个词都认识,可哪个环节一动,最后会少多少付费用户,光读文字还是容易晕。

这时继续让它解释漏斗,作用可能还不如直接让它做个能改数字的小网页。访客数、试用比例、付费比例都能调,下面跟着显示最后有多少人付费。

你改一次数字,就能看到一遍结果。原本脑子里需要同时记住的几层关系,被放到了眼前。

Karpathy原帖里的建议也是这样,图像不够,就继续让模型生成HTML网页,把交互加进去。
Image
卡在哪里,就让它把哪里做成能看、能改、能试的东西。

这个要求比再详细一点更具体。你告诉AI的,已经是自己需要哪种帮助。

做一段只给一个人看的视频,也开始值得了

帖子下面,Erick P.放了一段4分48秒的视频。他说自己照着这个建议,做了一个3b1b风格的随机微积分讲解。

这类数学动画的价值,就在于把难以想象的变化放到眼前。视频里能看到价格曲线、局部放大和随机行走的图形。下面这段把一条随机曲线越分越细,下方的曲线也跟着变。遇到某个不懂的知识点,可以试着让AI专门做一段这样的讲解。
Image
这里有个挺有意思的成本变化。

以前要专门做一段讲解视频,得想脚本、配图、做动画、配音。只为了弄懂自己卡住的一个小问题,大多数人不会这么干。

现在,Karpathy提出的方向是让模型承担这些制作工作。他在原帖里甚至提到配音工具,以及本地免费的替代方案。制作的门槛在下降,专门给一个人、一个问题做一份材料,就有了尝试的空间。

做出来以后,公式和结论仍要核对,别被漂亮动画带跑了。

改个数字,关系就看见了

普通人不用从数学动画开始。刚才那个从访客到付费的例子,就能做成一个很小的网页。下面用的都是假设数据。

可以要求页面放几个输入框,分别改访客人数、试用比例和付费比例,同时显示每一步还剩多少人。

下面把两种情况画在一起。访客数和付费比例不动,只把试用比例从20%改成40%,最后的付费人数就从20变成了40。
Image
文字里一层套一层的比例,现在可以随手调。你会看见,增加访客和提高试用比例,都能让最后的人数变多,但动的是不同的环节。下一次再碰到类似的业务讨论,脑子里就多了一张能动的图。

在能生成并预览网页的AI工具里,可以试试这段提示词:

帮我把访客到付费的关系做成一个可交互的HTML网页。假设有1000个访客,20%开始试用,试用者中有10%付费。让我能修改这三个数字,同时看到各阶段人数和计算式。每次修改,用一句话解释结果为什么变了。

拿到网页,改一个数字就能开始玩。只要留意付费比例的分母是试用者,这个例子就能帮你把几层关系分开。

你也可以把自己的材料交给它。流程分不清,让它画出每一步的条件和去向。几个方案难比较,就要求放在同一组条件下并排变化。视频太费劲,先做一张图,或者一个最小网页也行。

把这个小网页拿到讨论里,作用还会变。以前大家说转化要提高,听起来都对。现在可以指着某一步问,你说的提高,具体是改这里吗?

写在最后

还记得老金在开头说的那句话吗?

有视频看视频,没视频看画面,没画面看原型图。

东西摆到眼前,大家才有机会说清楚:到底是哪儿想得不一样。是理解有偏差,还是都看懂了,却想选不同的路?

这才有得聊。


谢谢你读我的文章。
如果觉得不错,随手点个赞、在看、转发三连吧🙂
如果想第一时间收到推送,也可以给我个星标⭐~谢谢你看我的文章。

开源知识库地址(实时更新交流群):
https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf

相关文章
|
3月前
|
存储 人工智能 前端开发
开源版"带记忆的 Claude Desktop"——我试了 Rowboat 的多 Agent 编排
Rowboat 是一款开源AI工作操作系统(Apache-2.0,TS编写),主打多Agent协同编排、本地长期记忆与自动化工作流。支持邮件处理、代码重构、会议准备等场景,所有数据存于本地Obsidian兼容知识图谱,兼顾隐私与复利式上下文积累。
297 3
|
消息中间件 缓存 监控
spring boot 高级篇
spring boot 高级篇
946 1
|
4月前
|
运维 监控 Serverless
阿里云函数计算FC实现网站定时任务与自动化的完全指南
本文系统阐述如何利用阿里云函数计算FC构建网站的定时任务与自动化体系。从传统Crontab的运维痛点切入,深入解析FC定时触发器的三种配置模式(时间间隔、指定时间、自定义CRON表达式),重点剖析UTC与北京时间的时区转换陷阱及CRON_TZ的正确用法。提供Python、Node.js、Java三种主流语言的完整代码示例,涵盖日报推送、数据备份、日志转存、API健康检查、爬虫采集五大典型自动化场景。同时详细讲解监控告警配置、冷启动优化、延迟调优等高级运维技巧,以及基于内网访问、内存规格选择和预留实例的成本控制策略。文章旨在帮助开发者从零构建一套零运维、低成本、高可用的云端定时任务系统。
|
5月前
|
存储 人工智能 数据可视化
别再手动复制 Skill 了:多 Agent 时代的 Skill 管理方案
多 Agent 场景下 Skill 的统一管理与同步。
1996 144
|
22天前
|
人工智能 测试技术 API
Agent、MCP、Skill、CLI、Model:企业老系统接入 AI 的架构与改造路径
本文详解AI Agent接入企业老系统的核心架构与工程路径,基于MCP 2026规范,厘清Agent、Model、Skill、MCP、CLI五者分工,提出API封装、SDK/CLI适配、RPA自动化三种渐进式改造方案,并结合请假、PLM等实战案例,强调安全、权限与测试关键点。
|
5月前
|
消息中间件 监控 NoSQL
线上Kafka积压后,我是怎么处理的
本文记录一次Kafka消费组Lag飙升20万+的实战排障全过程:从快速定位积压分区、紧急扩容消费者、优化消费参数,到发现Redis大key根因、临时降级、事后加固监控与自动化响应。强调“可观测性+自动化”是应对消息积压的关键。
|
2月前
|
人工智能 运维 算法
智能体开发平台架构全解析:拆解生产级 Agent 的四大核心模块
随着大模型能力逐渐同质化,企业 AI 落地的竞争重心,正从「模型谁更强」转向「谁能把模型变成能干活的数字员工」。本文从架构视角,拆解一个能真正接入业务系统的智能体开发平台(Agent Development Platform,ADP)由哪些模块组成,并给出自研与采购的实战决策框架。
225 1
|
5月前
|
人工智能 Linux API
CC Switch安装与配置全解:AI编程工具统一管理平台2026最新指南
CC Switch是一款专为AI编程开发者打造的跨平台开源桌面应用,核心解决多AI编程工具配置分散、切换繁琐的痛点。它将Claude Code、Codex、Gemini CLI、OpenCode、OpenClaw等主流AI编程工具的配置统一纳入一个可视化控制台,彻底告别手动编辑JSON、TOML、.env等不同格式配置文件的低效操作。
1895 0
|
5月前
|
JSON 缓存 安全
通过 CC Switch 本地路由让 Codex CLI 接入 DeepSeek 等第三方模型
CC Switch 通过本地路由(`127.0.0.1:15721`)实现协议转换:将 Codex 的 Responses API 请求自动映射为 DeepSeek 等厂商的 Chat Completions 接口,兼容流式响应与工具调用,无需修改 Codex 源码,安全隔离 API Key。(239字)
5829 7
通过 CC Switch 本地路由让 Codex CLI 接入 DeepSeek 等第三方模型
|
5月前
|
Java API Maven
Maven多模块项目拆分实战:从50万行单体到独立模块的演进
本文基于一个 50 万行代码的电商单体项目拆分经历,讲解 Maven 多模块项目的完整搭建过程。从模块划分原则、父 POM 设计、循环依赖破解到编译部署优化,给出可直接复用的配置模板和踩坑总结。