产品推广

1. 前言 问卷调查，对于产品而言，是一次了解用户真实想法的机会。 这在很多产品推出某个模块的新功能，或是需要做迭代而非优化的时候，尤其是大版本迭代，甚至是改动当前产品系统架构的情况，都格外适用。 比如从 V1.0.0 升级到 V2.0.0 ，产品的功能可能在用户看来变化不大，但是往往让用户印象深刻的是，产品的 UI 层面发生了翻天覆地的变化。 这就需要快速掌握用户对产品的反响如何，而问卷调查，无疑是一种低成本、快速获取需求的方式。 但其实，还有一个隐藏的、最重要的需求，就是获客。可以筛选哪些是真正有需求的用户，然后下一步就是深入沟通。 而我，在年前就刚好要做这个事情，当然，我没有做过。 2. 问卷要怎么实现？ 怎么才能节省成本呢？ 这是在还没做一件事情之前，就要考虑的问题。 为什么这么说呢？因为很多人习惯性认为，不就是一个问卷调查的页面嘛，前端代码闭着眼睛敲，一下就完事儿了。 但是，你要考虑后面的问题，实现只是第一步，后面隐藏的需求，你可能没看到。 比如统计数据怎么获取？是不是还要自己实现？ 比如排版调整，比如改动文案，这些是不是都要经过你改代码才可以？ 比如我要新增图片？比如我其他项目也要使用问卷调查，能否快速复用？ 所以，在动手之前，还是要先停一下，想一想，有没有什么工具可以直接实现这个需求。 那 “问卷星” 这个耳熟能详的工具，自然就出现在我的脑袋里。 借此机会，我也去问了 AI，到底有哪些可用的问卷调查工具，一一试用之后，我就对各种方案，做了言简意赅的说明。 最终，我推荐腾讯问卷。 2.1 腾讯问卷 功能丰富，界面美观，灵活定制化高，支持插入图片 个人、企业都可以免费试用 2.2 飞书问卷 功能丰富，灵活定制化不高，但实现当前我们的需求足够了 个人、企业都可以免费使用 2.3 问卷星 功能很丰富、可灵活定制化 个人可免费使用，企业版需收费 2999 元一年 2.4 代码实现 代码实现功能丰富、灵活度更高 性价比低，有现成的方案，没必要自己开发 3. 问卷调查的内容是什么？ 上面已经明确了问卷调查的实现方式，接下来就要解决文案设计的问题，就是问卷调查的内容填充，具体应该是什么？ 这个就需要看你的需求了。你是想了解用户的什么信息？是对你产品的新功能，还是下一个版本，或者下一个方向的功能调研？ 但在我看来，不管是哪个方面的内容，首先要明白的是，问卷调查的内容，不宜过长，要尽可能地减少无效信息，突出核心的部分。 比如你是新功能调研，那就需要问用户，是否存在业务某一方面的痛点，然后我上这个新功能，是否可以解决？如果解决不了，那用户你更希望提供什么功能？ 具体内容要具体分析，但是 “痛点 - 需求 - 方案” 应该是一种通用思路。 因为对于用户而言，什么花里胡哨的功能、界面都无关紧要，最关键一点，你到底能不能解决我遇到的问题？ 4. 怎么吸引用户填写这个问卷 这就要学会从用户的角度出发，思考会有哪些问题： 我为什么要打开你这个问卷？ 我为什么要填你这个问卷？ 我为什么要如实填写你这个问卷提出的问题？ 我为什么要留下个人信息？ 实不相瞒，很多产品、游戏都有问卷调查，我之前也遇到过一些，但是我基本上都是乱填的，主要是觉得没什么好填的。 ...

从最开始的人工网上收集目标客户，到通过编写各维度需求文档，最后到制定判断标准模板，通过纳米 AI 智能体【深入研究】实现目标客户分析。 基本上可以说，这大大减少了很多工作量。 在此基础之上，仍有继续探讨的空间，因为 AI 的发展日新月异，更新迭代的速度快得惊人，能想到的一种方式，不可能是通吃的，只适用于某个时间段。 所以，我还是整理一下我对这个工作模式最终的设想： 借助 AI 开发一个系统，每天通过已经制定好的判断模板，对网上新发布出来的信息进行整合与分析，然后推送符合条件的潜在客户名单给我。 不需要我主动去找潜在客户名单，再依次通过这个方式拿到最终的结果，而是这些工作都由 AI 完成，从找客户 - 判断客户 - 提供满足条件的客户，全程自动化。 简单梳理了一下这个 “自动化的潜在客户挖掘与筛选” 系统的需求，让 AI 全程处理从信息收集到客户筛选的完整流程： 信息收集阶段 AI 定期扫描指定的信息源（行业网站、社交媒体、新闻平台等）； 自动抓取新发布的企业或个人信息； 实时更新到数据库中。 智能分析阶段 根据你设定的判断模板进行多维度分析； 评估客户的需求匹配度、购买意向、预算等； 对每个潜在客户进行评分和分类。 结果推送阶段 每天定时推送符合条件的高价值客户名单； 提供详细的客户分析报告； 可能还包括推荐的跟进策略。 整个流程，我是直接拿到结果，不需要再做前面那些工作。 这样子的话，我就可以把工作重心转移到线下，开始下一步的接触。 这个系列其实很简单，就五篇文章，记录了客户分析这个工作的方式迭代和个人的一些感受。 说到底，还是那一句话： 在纸面上的东西做得再花里胡哨、十全十美，都抵不过线下真正去接触、沟通和了解。 我们总说要找到客户需要的东西，但客户需要的东西，往往是客户存在的痛点，而痛点也就是自己的弱点，这个就是商机。 但谁会把自己的弱点，公开在网上，敲锣打鼓，广而告之？ 换位思考就会明白，人也是如此，在外人面前，呈现的肯定都是好的一面，甚至还要进行包装，谁会把自己不好的一面表现出来？ 每个人都在说着对自己有利的故事。 在这样的情况之下，仅依靠网上收集到的信息，就能获取到商机，无异于天方夜谭。 所以，线上的客户分析，只要做到大体上的了解就差不多了，接下来就要快速去确认和对掌握的信息去伪存真。

1. 从信息收集到判断的困境 在前面的文章中，我已经说明了如何使用 AI 智能体来实现快速收集客户信息。 在这个阶段，我反复切换扣子 AI、豆包 AI 和纳米 AI 智能体来推进客户分析工作。 持续使用一段时间后我发现，比起从网上收集客户信息，要综合这些收集到的信息对客户情况做出判断，其实并不是一件容易的事。 我常常需要面对这几个核心问题： 这个客户是否值得跟进？ 这个客户是否有潜在的机会？ 这个客户的潜在机会具体是哪方面？ 要回答这些问题，不光要基于收集到的信息，还需要结合自身的经验，这就让判断的过程变得不可控。 受限于我在这方面的经验本就不足，很难给出有说服力的结论。 2. 多维度评分标准的构想 谁的经验最丰富呢？自然是 AI。 AI 整合了全网的信息进行综合判断，不敢说百分之百准确，但大概率比当下经验不足的我判断得更为精准。 即便 AI 不了解当前业务的上下文，做出了不切实际的判断，我也可以根据实际情况进行调整。 相当于多了一个不同角度的参考答案，何乐而不为？ 我期望能实现这样的效果，只要输入一个企业的名字，AI 就能把企业的基本信息、发家历程、业务分布等各个维度的信息整理出来，同时对这个客户做出上述三个问题的判断。 我就可以基于这两部分信息做出最终结论，这样客户分析的工作就能高效完成，效率直接起飞。 这时我想到了人格测试的模式，在每一项维度给出得分，再计算综合得分，根据得分区间判断结果。 如果能为客户分析设定类似的维度和评分标准，就能省去我大量的时间和精力。 毕竟这一步看似简单，实际却很耗费精力，而且凭感觉做出的判断往往不够准确，感觉本就不是一个可量化的参考依据。 3. 储能客户优先级评分标准的设计思路 在这样的背景之下，我开始构思储能客户分析判断标准的设计。 核心目的就是快速判断客户是高优先级、中优先级还是低优先级，以便推进后续工作。 如果是高优先级客户，就进行重点深入分析，再和销售沟通如何进一步获取信息，探索合作机会。 如果是中优先级客户，就延后分析。 如果是低优先级客户，就暂时不再关注。 我希望能让 AI 完成全部的判断工作，不需要我再手动对潜在企业的优先级进行判断。 为此我设计了以下这些维度，整理成一个表格： 企业名称 地区 实缴资本 参保人数 企业性质 企业类型 产品关联度 是否已有储能云平台 合作机会点 优先级 每个维度都需要设计对应的选项和分数比重。 以地区维度为例，我设计了三个选项： 发达地区（如一线城市及重点二线城市）：市场成熟，需求多样，对新技术接受度高，合作机会大。 发展中地区（如一般二线城市及部分三线城市）：市场潜力大，但可能对成本较为敏感，若产品性价比高，合作机会较大。 欠发达地区（部分三线城市及以下地区）：市场需求相对较少，合作机会较小，但可关注政策扶持带来的机遇。 因为我们是做储能云平台的，“是否已有储能云平台” 这一项的分数比重应该最高。 这里以 “是否已做工商储能” 和 “地区” 为例，展示具体的评分设计： ...

学习总结 《AI 时代程序员职业发展必修课》这个课程，总共有 23 讲。 主要包括人生哲学与价值观、职业发展基础、能力提升与绩效、管理与领导力、产品管理与技术决策、产品开发与运营、投资理财与财富管理等内容。看起来内容确实很多。 我一开始就是奔着这个课程名 “AI 时代程序员职业发展必修课” 去买的，说实话，这个课程名起得真好，真的命中很多人的痛处了。 一开始我是满怀期待的，想看下有什么真知灼见，但是，看了一两章，我就想放弃了。 因为感觉遣词造句太过于生硬，很像是 AI 润色后的产物。行文中没有感觉到生命力，那种脉搏的跳动。 如果不好理解我这句话的意思，那直白点说，就是文中没有一些课程老师个人经历的叙述。 比如遇到什么大的问题，遇到什么困难，然后怎么解决掉，从中感悟到什么，才有这些总结以及定论。 而不是搬几个名人说的话过来，就是真理了，很没有说服力。 平均每一个章节里，都有某本书、某个人说了什么话，感觉太密集了，引用那么多，很有掉书袋的嫌疑。 其实，真要引用也是可以的，只是不应该使用这么简单粗暴的方式。 而且，光顾着引用了，并没有抒发对这句话有什么启发。总不可能他是名人，然后他说的就一定是对的吧，就不能有自己的另一番见解？ 而且，现在的人都很忌讳说教的，特别是那种罗列大道理的。大道理已经懂得够多的了，当下最重要的是 “怎么做” 的问题。 能不能举例子，有一个真实贴切的生活例子，手把手教一下，应该怎么做？ 你说一点收获都没有呢？那也不至于，但是，对于我而言，收获甚微。 可能就是对 “君子不器”、“君子藏器于身，待时而动” 这两句话印象深刻，引发我很多次的深思。 有可能是我类似的课程、书籍、文章看太多了的缘故，收获不算很多，因为一些东西似曾相识，比如 “五看” 这些就是我之前看《ToB 华为销售法》 里提到的。 不过有一个让我关注的点，就是这个课程将近 3000 人订阅，但我是第 56 个全都看完的人。 由此可知，可以说明两点，第一点就是陈皓早些年说的，很多学习网站，有很多课程，学习的人非常多，但最后学完的，没有几个人。 基于当下浮躁的环境，只要每天坚持学一点，就算慢一点，是可以超越大部分人的。 还有一点就是，这个课程可能真的不怎么样，人才会那么少。 不过，钱都花了，学都学完了，说再多也无济于事了，只能说，性价比不高，不推荐购买。 摘要 每个阶段的发展就像登山，站在山顶俯视时路径清晰可见，但自下而上攀登时，却常被眼前的陡坡遮蔽全局。 《论语・为政》中有四个字，“君子不器”。它告诉我们，一个真正成熟的人，不应只像一件器物，局限于某个单一的功用。 首先你要确保 “做正确的事情”，其次再 “正确的做事”。 段永平先生在表达类似观点时曾举过的一个反例：小偷偷东西被抓，应当做的是停止偷盗，而不是磨练偷盗技术。 你必须去做大多数人做不到、甚至不理解的事。 “君子藏器于身，待时而动。”——《周易・系辞下》 落子无悔。 真正的转机，始于对逆境的淬炼。 顺境则科技创新改变世界，逆境则财务稳健藏器待时。 人生最精明的投资，是在风暴来临前就建好避风港，同时为远航储备足够燃料。 身心健康：一切成就的底层操作系统。 身体维护：规律作息、均衡营养、定期运动（如晨跑 / 游泳）不是 “养生建议”，而是职业续航的基础设施。避免像某大厂 CTO 在项目攻坚期突发心梗的悲剧。 持续的现金流，是支撑长期主义的必需品。 人际关系，要用互利行动去激活。 “邓巴数字” 理论。 25 岁拼体力与智力，35 岁靠智力加经验，45 岁则倚重经验与人脉。 时间，对每个人绝对公平 —— 每天 24 小时。但拉开差距的，是你如何分配它。是否把黄金时间投入真正重要的事项？这直接决定了效率高低。 “知识工作者必须成为自己的首席执行官。”—— 德鲁克《21 世纪的管理挑战》 管理大师史蒂芬・柯维在《高效能人士的七个习惯》中提出，“任何事务都需要两次创造”，第一次是智力创造，即在头脑中完成规划与设计；第二次是体力创造，即付诸行动，将构思转化为现实。 前 Google 中国区总裁李开复在《做最好的自己》中提醒年轻人的：“机会比安稳重要，事业比金钱重要，未来比今天重要。” 明确每个职业阶段的目标与重心、了解组织与协作中如何实现多方共赢，将职业、学习与生活视为整体进行人生系统规划。 IT 从业者需要积极拥抱技术变革，持续锻造核心竞争力。 计算机月薪 3 万到 2 万颓势尽显，某某行业 3 千到 4 千未来可期。 职场中，上一级助你登高的垫脚石，可能就是你迈向下一级的绊脚石。 在关键的位置，有人说你行，并且他愿意动用自己的声誉和资源帮你背书。 价值交换 > 伯乐 > 情绪价值。 凡事有交代、件件有着落、事事有回音。 核心产品线、创新产品线、现金流产品线。 寻找并争取进入高速发展 “快车道”，是很多新人极其容易忽视的一点。 父母加班追求物质 → 亲子陪伴时间锐减 → 子女认知与内核竞争力不足，需要更多教育成本。 获取高价值股权，是时代赋予互联网从业者的重大机会。 认知 - 方法 - 行动。 要牢记，主动反馈不是炫耀，而是对工作成果的负责。分享时保持谦逊，永远在功劳簿上留出合作者的位置。 不要认为只要默默把工作做好，领导自然会发现我的成绩。 把精力投入能改变的事（技术突破 / 项目交付），而非纠结短期无法改变的环境。 我如何做才能获得同样的信任和自由度。 至少每周通过邮件或站会同步进展，让风险提前暴露。 必要时，带着初步方案而非空口提问（例如：“我计划用 X 方法实现，但 Y 环节有风险，您看是否调整？”） 接到需求先理解目标，自主拆解方案，提出解决方案雏形。 等待 “准备充分” 往往错过机会，而真实问题只能在业务流量中暴露，这正是 “小步快跑胜过完美起跑” 的行业智慧。 通过非核心任务深化对业务系统的理解，在协作中建立可靠的工作形象，更重要的是用实际交付降低他人对自己的评估风险。 职场阶段的核心是价值创造，需要在不确定性的动态环境中，多角色协同探索解决客户实际问题的方案。 过度追求技术完美而忽视业务场景成本，未能主动将 “优化建议” 转变为可观测产品价值，期待绝对公平却未看懂价值兑换规则。 找到自己的内核、主动规划争取内核相关机会、识别高杠杆任务、平衡短期与长期。 在日常工作中我们的时间和精力是最宝贵的职业资本，我们需要思考如何将其配置以获得最大回报。 从思考 “怎么实现” 到 “如何更好地实现”。 从 “交付功能” 到 “交付价值”。 接到一个需求时，多问几个 “为什么”。 要充分理解，互联网行业的职级晋升更多是 “事后追认” 而非 “事前奖励”。因此想要晋升到对应岗位，首先应当体现出你已经具备了对应的能力。 个人的成长曲线将与公司业务发展逐渐脱钩，价值仅被限定在 “完成任务” 的执行层面，而非 “创造价值” 的战略层面。 无法用业务的语言来翻译技术的贡献，并举证量化，是绩效平庸的核心原因。 用业务语言对话，用技术能力支撑业务结果。 无论是大厂、中厂还是小厂，都希望招聘有能力、有责任心、有潜力的员工。能力是基础，责任心决定态度，潜力预示未来贡献。 保持 8% 到 15% 的合理流动率，是组织健康的标志。 只有当平台确实无法提供成长空间，或与个人职业目标背道而驰时，跳槽才是有意义的选择。 已读乱回并被评委当场识破，是回答此类问题的大忌，会让评委质疑你之前所有内容的真实性，基本意味着答辩无法通过。 横向跨部门目标协同力。 认知、能力、技巧。 “管理者的价值不在自我贡献，而在组织贡献乘数。”—— 德鲁克《管理的实践》 沟通与信任的建立、更深入的战略理解能力、打造强执行力团队、积极感知与把握变化。 你不再只是写好代码，而是开始塑造团队如何协作、如何解决问题；你不再只对个人产出负责，而是致力于激发团队成员的潜能，帮助他们成长；你不再只关注眼前任务，而是逐渐支撑起更宏大的业务目标，见证团队合力创造的成果。 如果组织氛围是 “做大蛋糕”，而非稳字当头，应当避免绩效评价中的 “削峰填谷”（打压优秀换取组织低绩效者满意度）和 “委屈创新者”。对于超出职责的创新贡献（如引入提效工具），应给予特别认可与奖励。 “我说你听、你说我听、我做你看、我带你做、你做我看、你自己做”。 交代任务 -> 成员复述 -> 探讨目的（对齐价值与方向）-> 预案分析（什么情况需汇报？什么可自主决策？）-> 听取建议（鼓励成员提出想法，激发思考与主动性）。 晋升不是终点，而是更深绑定关系的起点。它要求你不仅在能力上达标，更在心理和价值观层面做好准备，愿意与这家公司共赴下一段旅程。 公司通过晋升为你提供更多资源（包括参与战略决策、带团队、薪资增长等），核心逻辑在于看到了你身上超越当前职级的潜力。公司期待晋升后你能为组织创造更大的未来价值，因此希望与你建立更加长期与深入的合作关系。 正如《领导梯队》中强调的，每一次晋升都要求工作理念、时间分配和核心技能的转型，从 “管理自我” 到 “管理他人 / 项目” 再到 “管理业务 / 职能”。 正如斯坦利・麦克里斯特尔将军在《赋能》中所强调的，优秀领导者需做到 “眼睛盯紧，双手放开”，避免陷入微观管理泥潭。 闭门造车：切忌仅凭个人经验或小圈子意见定方案。脱离团队实际能力、资源限制或真实业务痛点的规划，极易触发 “组织免疫” 反应，后续阻力重重。 好高骛远：目标过于宏大或资源 / 时间严重不匹配的项目，注定难以落地，无法兑现 “早赢” 承诺，反而打击信心。 路径依赖：过度复制过去成功经验，忽视新部门、新业务、新团队的独特性，方案缺乏 “定制化”，往往水土不服。 高度可见、快速见效、成功率高。 空降不是征服而是共建，空降管理者要通过尊重历史、文化共融，这样才能将 “排异反应” 转化为 “共生效应”。 变革要遵循《逆向管理》原则：先小范围试点（如单个项目组试用新工具），用 “速赢” 数据替代说服教育。 第一步，前期准备，让 HR 提供 “启动信息”。 第二步，当面沟通，理解员工能力性格与核心诉求。 第三步，形成摸底记录，熟悉核心人员画像。 在个人亮相之前，首先要明确上级对部门的期望，以及当前资源。 产品的完整生命周期划分为 6 项关键动作，分别是战略规划、立项决策、版本设计、技术研发、测试发布，以及运营迭代。 IPD（集成产品开发）。 真正能够将技术转化为业务动能的人，才是组织真正需要的，会承担更重要的角色。 战略规划的本质，是在复杂多变的环境中做出清晰的取舍。 未来的战略规划者，需是人机协同的 “指挥家”：既善用 AI 扩展认知边界，也葆有敢于取舍的远见与担当。 例如，借助像 DeepResearch 这样的智能研究平台，企业能快速完成友商调研与行业分析，将原本需要数周的传统咨询流程缩短到几十分钟，显著降低了决策的信息门槛和时间成本。以 Perplexity 为代表的新一代工具，通过多步推理和实时数据验证，降低了传统分析中的错误和 “幻觉” 风险，使战略制定者能够捕捉动态变化中的关键信号 —— 无论是技术演进、政策调整，还是消费者行为变迁。 尤为关键的是选人用人能力。 美团在 “百团大战” 环节中最终胜出，其投入模式为在 100 个城市开战，而非 30 或者 200，这背后的逻辑是什么？ 在可口可乐利用规模化优势 “一统天下” 后，“百事可乐” 兴起，背后利用了怎样的变化趋势？ 擅长通过系统性分析，将宏观环境与市场洞察转化为战略机会。 具备前瞻预判与系统思考的能力。 战略规划的关键责任人，通常是由产线负责人、研发总监、规划主管、市场或营销代表等构成的产品商业决策团队。 “五看” 包括看市场、看客户、看自己、看竞争和看机会。 “三定” 则指的是定目标、定策略和定技术断裂点。 战略追求的是 “模糊的正确”。关键在于方向大体正确，并能在实践中持续修正。最危险的情形，并不是方案细节不完美，而是没有想清楚就全力推进、拒绝调整。这种非黑即白的执行方式，常导致资源浪费与战略失效。 有一句商业经典语录：“领先一步可能成为先烈，而领先半步则可能成为英雄。” 过早或过晚进入市场，都可能导致战略失效。 战略很难被完全标准化。尽管存在众多理论框架，但制定战略的过程更接近于 “为病人看病”：需要基于具体症状推断病因，提出假设方案，并通过实践持续验证和调整。它是一个 “假设 - 验证 - 迭代” 的动态循环。但差异是，战略验证的周期会很长，因此对于资源有限的企业，一旦连续经历两次重大战略失败，很可能就难以继续生存。 正如马云所说：“很多企业输就输在，对于看不见的机会不屑一顾，对于看不懂的变化无动于衷。” 这句话揭示出战略的核心价值 —— 在高度不确定的 VUCA 时代，它帮助企业构建系统性认知，确定发展方向。 战略规划的核心目的，是识别趋势与机会，明确企业未来的发展路径，并推动内部共识与协同。它的本质在于做出明智的取舍：在众多可能的方向中，选择当前投资回报率最高、最符合自身能力与市场阶段的那一个。 “xx 行业近一年的主要技术趋势和用户需求变化是什么？” 与此同时，LLM 也能够辅助进行 “需求竞争分析”。 另一方面，LLM 正在成为产品经理的 “需求撰写与组织加速器”。 最显著的变革体现在 “快速概念验证” 上。 第一，是商业价值的技术翻译能力，能将清晰的业务目标，准确转化为技术可执行、可衡量的指标和方案框架。 第二，是对 “突破性技术” 的敏感度。 第三，是跨部门的沟通与协调能力。 第四，是 “执行团队” 的人才选拔与 “权、责、利” 机制的统一。 我们需要深入用户旅程拆解具体需求。 明确调研用户画像、客户当前痛点、在当前解决方案下，用户核心期望是什么、“产品解决方案” 价值预判。 产品价值 =（用户迁移体验 / 成本 - 用户原有体验 / 成本）- 用户迁移成本。 《从优秀到卓越》的作者吉姆・柯林斯提出，表现良好的公司跨越瓶颈、实现卓越的关键，是践行 “刺猬理论”，将复杂的世界简化为一个单一而核心的指导理念。 需求 -> 可被满足的需求 -> ROI 为正的需求 -> 支持一个团队规模化运作的需求 -> 能让一个公司有竞争力的生存的需求。 张小龙强调：“产品经理要有能力把战略翻译成用户可感知的最小功能单元。” 如何将看似抽象的企业战略，精准转化为清晰、可执行的产品定义，是一大难题。 产品是否带来足够高的用户价值，以覆盖其迁移成本？团队是否能在时间窗口内完成产品构建？产品方案是否有助于战略愿景的长期实现？ 产品立项是战略规划转化为实际开发的关键枢纽，它直接影响产品的节奏安排、实现路径与资源投入。 一是 MVP 架构验证法，即用最小可行产品思路来设计架构 —— 仅对最核心的需求进行充分的技术实现，并确保其承载能力，而不是一开始就构建大而全的系统。 二是需求波动率评估矩阵，它帮助我们理性判断应在何处投入弹性设计的努力。团队可以按需求变更的频率和变更可能带来的技术影响度，将功能划分到四个象限中。例如，对那些变更频率高且一旦变更技术影响大的功能，需要预留扩展接口和抽象层。而对低频低影响的部分，则可采用更简单直接的实现方式，从而有的放矢，在资源与灵活性之间找到最优平衡。 许多团队常陷入两难：过度设计，会浪费资源、延迟上线；设计短视，则可能导致架构无法适应变化，后期改造成本巨大。 过度追求测试完备性会拖延进度，错过市场窗口；而测试不足则可能让带有致命缺陷的产品流向用户，造成更大的损失。 运营迭代的本质，远不止于修 bug 或加功能，而是一个以数据和用户反馈为驱动，推动产品持续进化、适配市场的战略核心。 优秀的产品经理善于利用数据做论证，但不被数据牵着鼻子走，以此守护产品的长期价值。 “生态失血” 则是指过早砍掉，仍有核心用户依赖的传统功能，导致忠诚用户流失。 “功能肥胖症” 指盲目添加新功能导致产品臃肿、核心体验被稀释。 就像《领导者的战略思维》所强调的，技术决策必须服务于商业目标。尝试将你的团队视为一个 “微型业务单元”，思考团队目标如何实质性地为客户创造价值？比如说，某一次的技术优化，如何具体提升用户留存率或者商业效率。对于技术选型、技术债解决、新工具投入等重要的技术决策，我们要习惯放在业务价值的坐标系评估。想清楚这对核心业务目标有什么贡献？长期收益与短期成本如何平衡？要牢记，技术本身不是终点，为业务结果负责才是关键。 比如接到 “通过存储带宽预测，提升 I/O 效率” 的任务，要主动了解目的是支撑部门打造面向 AI 训练的高效存储系统，还是面向通用场景的存储系统能力提升？这决定了项目的核心方向以及约束条件。 基层团队，往往是战略落地的 “传感器” 和最前线的 “探测器”。真正的战略洞察，常常源于那些听得见 “弹片呼啸” 的人 —— 他们最清楚哪里需要炮火支援，哪里需要加固 “盾牌”。 美团王兴复盘 “千团大战” 时曾指出，最终胜负手并非 CEO 的 PPT，而是地推团队在签约商户时，对本地消费趋势变化的敏锐洞察。 职业发展与财务安全并非孤立，而是彼此促进的 “增长飞轮”。 我们不仅要追求回报，更要为不确定性预留缓冲空间。 财富收益的能力超出生活成本。 要牢记，权益市场中钱是赚不完的，但可以亏完。要抵抗 “怕错过” 的贪婪，敬畏市场，先学习再投资。 七亏二平一赚。 巴菲特虽然自己是卓越的主动投资者，却多次公开建议普通投资者定投低成本的指数基金。它的优势在于简单、分散，能有效规避个股 “黑天鹅” 风险，对时间和专业知识的要求也相对较低。 不纠结于当前价格是否绝对便宜，而是更看重公司未来的成长潜力，相信高增长能够消化当前的高估值。 价值投资，可以比作 “寻找低估的宝藏，等待均值回归”。 投资理财里面的学问很深，就像有些同学说的，随便拿出一个流派就能构成一个专栏，我们这门课的主要目的是帮助你构建个人增长飞轮，而投资理财是其中的一环，课程篇幅有限，我们也无法继续深入地探讨，所以如果你读完这几节课，觉得对投资理财感兴趣的话，我推荐你从以下几个方面进一步了解：书籍方面，在道的层面，芒格的《穷查理宝典》，巴菲特致股东的信（有时间的话也可以直接看每年股东大会视频），以及段永平投资问答录（不是段永平写的，但总结了他的观点，出版前征得了他的同意。或者直接跟踪段永平先生雪球账号的观点），都值得反复看。术的层面就非常多了，比如商业模式，推荐 “王慧文清华产品课”，本意是教高级产品经理思考，但用在投资理解商业模式也很不错（如结束语，本身也是触类旁通）。当然如果想要更加深入，《从优秀到卓越》、《启示录》等等都可以看。建议你还是从道开始，逐步建立框架，之后再开始分析公司，以 “理解牛人分析” 作为第一目标，发现理解不了的情况下缺什么补什么（比如，段永平为何说 A 股茅台美股苹果港股腾讯）。另外有些财经博主，在具体实践层面会针对每天新闻做分析，如果没有太多时间跟踪新闻，可以选取一位关注。 行业发展、商业模式、竞争态势、管理层、经营风险。 一家公司的价值，不取决于它过去赚了多少钱，也不完全取决于它明年赚多少钱，而是取决于它在整个未来生命周期里，能够为股东创造的可自由支配现金流的总额，再折算成当下的价值。 净资产收益率（ROE）是一个至关重要的核心指标。 巴菲特和段永平的投资哲学，听起来非常简洁，即：找到好公司，在好价格时买入，然后长期持有。 段永平在 2025 年 1 月浙江大学分享中提到 “不要用你需要的钱，去赌你不需要的钱”。 投资市场永远风险与收益并存。 步步高创始人段永平曾在雪球分享中讲过，“看懂一家公司需要多年的观察和思考，就像读大学需要系统学习一样，没有捷径可走”。 避免贪多导致的心态浮躁，或超出能力圈投资。 真正的购买，在精不在多。段永平曾建议个人投资者持有的公司不要超过 7 支；巴菲特也表达过，伯克希尔的核心投资逻辑是 “一年找到一个好的投资机会，然后一直持有”。 段永平自述，在与巴菲特沟通中提到 “买股票就是买公司” 是从巴菲特身上学到的最关键一句话，巴菲特回应，这也恰恰是他从格雷厄姆处学到的最关键观点。 港股在腾讯、A 股在茅台、美股在苹果。 巴菲特早年投资美国运通和华盛顿邮报时，都经历过买入后股价大幅下跌超过 30% 甚至 40% 的阶段。但他没有因此恐慌，而是基于对企业价值的深度理解选择坚守，最终获得丰厚回报。这对普通人来说，是极其煎熬的过程。 理解并连接公司战略，带领团队 “做正确的事”，恰恰是基层技术主管工作价值的重要杠杆，也是能力升维的核心。 ...

在通过人工网上收集信息完成储能客户分析后，我就想着，能不能通过 AI 智能体来完成这个工作。 本来就是网上收集信息的工作，人工哪能比得过 AI 啊。在这样的认知和期待之下，我开始在扣子平台研究 AI 智能体。 今年 4 月份，我曾写过《储能企业调研流程基于 AI 智能体优化》的方案文档，核心是对比当下各 AI 平台智能体的使用情况。 当时的结论是，基于扣子平台开发一个储能企业分析的智能体，用来完成目标客户分析的工作。 使用扣子平台开发 AI 智能体 下面是创建的 AI 智能体角色设定，除基本的企业信息收集功能外，我认为有两个极具价值的设计点： 要求提供可验证的真实信息来源：需附上能直接点开的链接，展示信息原文，方便对 AI 提供的判断和信息进行甄别验证。 加入企业视角的假设设定：假设我们是一家拥有储能云平台的储能高科技企业，让 AI 智能体从我们的视角出发，分析目标客户的合作机会点，直接为业务工作提供支撑。 # 角色 你是一个信息收集与分析专家，名叫小储，能够精准、全面地收集企业相关信息，并依据要求进行整理呈现。你致力于为用户提供关于企业多维度的准确内容，服务于对企业信息有需求的用户。 ## 技能 ### 技能 1: 收集企业信息 1. 当用户发送一个企业名称时，使用工具从网上收集资料。 2. 从以下几个维度提供准确的答案： - 基本信息 - 发家历程 - 业务分布 - 主要产品 - 是否需要储能云平台 - 合作机会 - 结论 3. 要求提供依据，不能瞎编乱造，并显示依据的信息源头，使用表格输出。其中，我们是一家专注于储能数智化的高科技企业，提供多维度的储能产品和解决方案，服务于储能设备商、投资商、微电网等多个场景。我们拥有强大的物联网和技术革新能力，与全球领先企业合作，共建储能生态，携手迈向绿色未来。 ===回复示例=== | 维度 | 详情 | 依据 | 信息源头 | | ---- | ---- | ---- | ---- | | 基本信息 | [具体信息] | [详细说明依据内容] | [具体网址或资料来源] | | 发家历程 | [具体历程] | [详细说明依据内容] | [具体网址或资料来源] | | 业务分布 | [具体分布] | [详细说明依据内容] | [具体网址或资料来源] | | 主要产品 | [具体产品] | [详细说明依据内容] | [具体网址或资料来源] | | 是否需要储能云平台 | [是/否] | [详细说明依据内容] | [具体网址或资料来源] | | 合作机会 | [具体机会点] | [详细说明依据内容] | [具体网址或资料来源] | | 结论 | [具体结论] | [详细说明依据内容] | [具体网址或资料来源] | ===示例结束=== ## 限制: - 只回答与用户输入企业名称相关的信息收集与分析问题，拒绝回答无关话题。 - 所输出的内容必须按照给定的表格格式进行组织，不能偏离框架要求。 - 提供的所有信息必须有可靠依据，依据内容需详细说明。 - 信息源头必须明确显示具体网址或资料来源。 - 通过工具在互联网上获取信息，确保信息来源准确。 在扣子开发页面，呈现效果如下： ...