Posts for: #AI

先说一下，Slax Reader 是个结合了 AI 能力的稍后阅读产品，可以免费使用，同时具备付费功能（毕竟要 AI 算力），只允许 Gmail 账号登录。

地址：https://r.slax.com，欢迎试试，也欢迎付费 ;)

开源了，也还是会收费的。

以下是正文：

–

前几天，我在群里发了一条：

讨论：如果 Reader 索性开源发布，大家会喜欢，还是担忧？为什么？

同事们的回复普遍比较积极。

Zhiqiang：

两者都有。

• 喜欢是没试过开源一整个项目，有机会尝试了。

• 担忧是光开源代码不够、还需要支撑，比如文档、issue 的处理、PR 管理这些。事情多了起来。咱开源除了表达一种态度，还希望能提供价值，仅代码的价值比较有限，支撑性的工作是蛮重要的一环。

总体上，喜欢 > 担忧。

Senwei：

总体来说我赞成开源

• 有部分用户是喜欢自己部署的，开源能吸引他们（omnivore 停服的时候看到了一些这样的用户）

• 开源大部分功能，一部分功能闭源（dify、lobechat 的策略）

• 开源让用户自己接模型，如果用得多可能是付费更省钱，如用 cursor 的开源替代，自己接模型比 cursor 月付费要贵  （cline 多聊几轮就 1 美元了，可能还没把功能改好，cursor 月费 20 刀）

Huanan：

喜欢 > 担忧 +1。

我再补充个担忧的点，市面上整个项目开源的产品也不少，部署难度（特指后端）会直接决定我们能够吸引多少小白用户，但是碰巧，我们选择的依赖 Cloudflare 的 Serverless 以及后端依赖项目过多，我们的部署难度其实挺高的。需要用户绑定 VISA 信用卡、开通各种各样的服务配置才能使用~

Junchang：

不少 App 有个功能叫置顶，我常用的 Google Keep、微信读书都有。

我用 Google Keep 做临时记录。读书时看到一段有意思的话、开会时灵光一闪有个主意、朋友聊天听到有趣的想法等等，我会快速先记几个字，有时间时，再慢慢整理——有的觉得没意思了就直接删除，有的扩展整理成文后归档。这里置顶的，往往是我觉得比较重要，最好这一两天就处理的记录。

我用微信读书阅读（产品比 Kindle、得到等好许多）。日常有朋友推荐好书，或者读第一本书时，扩展搜索/问 AI 之后，延伸出了对第二、第三本的兴趣，我会把这些当下感兴趣的书收集了，都堆到书架。这里置顶的，是我觉得近期就会看的书。

但慢慢地，这两个产品的置顶功能，就被我搞废了——置顶越积越多，以至于从最初”置顶可以优先处理“，变成了”不置顶我就看不到了“。

所以这个假期，我对它们做了清理。

对 Google Keep，默认无置顶，如有置顶，当天做完。对微信读书，最多置顶 4 本书，要加一本，得先减一本。算是还了置顶本来面目。

减少置顶，就是做减法。

我这两个小例子，刚好证明了“想做的事太多”，反而导致困境。我身边不少事事积极的朋友，包括我自己在内，普遍容易遇到这个问题。通常情况下，我们的能力不足以支撑我们同时做多件事。

所以，虽然我想做的事很多，但真正重要的，得再认真想想，再仔细砍砍。

–

刚刚在 Twitter 看到 YC 发布了 2025 年春季的 # Requests for Startups——邀请创业者在这些领域尝试突破。链接是：

• https://www.ycombinator.com/rfs

我将内容快速整理分享。

安全的 AI 应用市场

• Garry Tan https://www.ycombinator.com/people/garry-tan

我们想要一个全新的 AI 应用商店和操作系统层，它可以运行在你的电脑或手机上，并且具备以下特性：

1. 保护用户数据：用户完全掌控每个应用可以访问的信息，例如日历、文件或浏览记录，只有在用户授权的情况下，应用才能获取这些数据。

2. 提供统一的共享记忆：所有个人信息（如偏好设置、过往操作、上下文）都存储在这一层，而不会分散在多个应用中，让体验更加连贯。

3. 帮助用户找到最好的 AI 应用：这个应用商店会对每个 AI 工具进行审核和评估，确保用户能够安全地发现并安装优质应用。

4. 帮助开发者构建应用：开发者可以获得基础设施支持，避免重复造轮子，API 简单易用，例如计算资源管理、本地 LLaMA 版本控制、应用级权限管理等。

5. 处理支付：让用户能够轻松购买付费应用或服务，降低支付流程的复杂性。

想象一下，一个旅行 AI 能够帮你找到合适的航班，并且知道你通常带着九岁的孩子一起旅行，而他最喜欢坐在窗边。又或者，一个 AI 助手可以在你阅读文章或书籍时，推荐某个想法最初出现的原始文本。基于这个 AI 应用商店构建的应用，只能访问你允许的少量数据，既能提供强大功能，又能保护隐私。

有人可能会说，大型科技公司最终会打造这样的系统。但现在正是一个独特的机会，你也许可以成为推动这一变革的人。

如果做得好，这将为初创公司和开发者创造更多机会：他们的应用可以利用共享记忆变得更智能，同时，这个平台还能解决应用的分发和变现问题，成为新的市场。

如果你正在开发这样的系统，请申请加入，我们希望帮助你把它做对。

数据中心

• Diana Hu https://www.ycombinator.com/people/diana-hu 和 Dalton Caldwell https://www.ycombinator.com/people/dalton-caldwell

我们需要更多数据中心，并且要能够更快建成、成本更低，以支撑 AI 发展的基础设施。目前的超大规模数据中心项目通常需要数年才能完成，而在当前的市场需求和资金支持下，我们需要新的公司和更具创新性的解决方案，以加速这一进程——无论是在电力基础设施、冷却系统、材料采购，还是项目管理方面。

我们可以想象未来的数据中心将是什么样子：软件将负责规划和建设数据中心或仓库的每个环节，从选址、施工到部署和运营管理，全部由自动化系统完成。这些数据中心将实现无人值守，由机器人 24/7 全天候自主运作，无需人工干预。

合规与审计

• Tom Blomfield https://www.ycombinator.com/people/tom-blomfield

在美国和欧洲，大约有 400 万人（约占总劳动力的 1%）从事合规与审计工作，而合规成本正不断上升。从 GDPR 到 Dodd-Frank，从金融行业的反洗钱（AML）/ 知识你的客户（KYC）要求到 ESG 报告，监管环境正在持续扩大。

传统的合规工作需要阅读大量复杂的法规，对照内部政策和流程文件，手动抽样检查一线工作，并撰写重复性报告。审计人员通常需要筛选大量非结构化数据来发现问题。这些手工、耗时的工作迫切需要自动化。

LLMs（大语言模型）在这方面表现出色。它们可以解析法规文件、企业政策或财务报表，并标记潜在问题，从而减少人工审核的工作量。这些工具可以自动化许多当前由审计员手动执行的测试，例如发现数据异常、识别不完整记录或指出矛盾的政策。

学习方面，主要是做某个方向学习（比如 AI）时，找到论文、书籍，可以存到知识库里，无论是自己学习，或者是与人共读，都是不错的选择。比如，我想看基本 Critical Tinking、逻辑相关的书，会：

1. 导入书籍，在 ima 里阅读。

2. 看到不懂的内容，直接向 AI 提问。

3. 回答有用，一键存为笔记。

工作方面，有价值的主要是共享知识库。比如我会尝试请同事帮我测试：

1. 创建一个共享知识库，将我们的官方文档导入。

2. 向知识库提问——如果结果稳定，我们或许可以将知识库对外发布，成为客服工具。

除了客服之外，似乎可以用它：

• 管理我的个人健康记录

• 协助写自己的年度总结

• 导入所有同事 2024 年度的总结，慢慢看和分析

• 人力资源同事是否可以导入公司的组织文化规则和制度，员工有疑问直接问 AI

• 运营同事的历史文档导入后提问

整体感觉还是挺有用的。比起我更常用的 NotebookLM，有了中文支持，而且直接国内可用，还不花钱。

看到 NotebookLM 之后

AI 已经深度融进了我的工作、学习和生活。但这两年来，我一直隐隐觉得各种工具层出不穷，但在深度上似乎又缺点什么，直到看到 Google NotebookLM。

我自己有些想解决的问题，例如：

• 团队在共同做一个项目的时候，会采集大量的文档、数据。但往往数据散落在不同人的设备上。

• 不同人在针对这些数据做分析、思考的时候，有不同的方法，但是这些方法无法被学习和复用（所以 Chat History 应该可以由作者加星标后共享）。

• 阅读这些文档和数据的时候，还是使用传统的 pdf 阅读器、excel 等工具，不能一边阅读，一边与 AI 对话。同时对话的记录还能与文件的上下文对应（所以应该具备阅读器的能力）。

• 有更理想的中文支持。

去年底，一度很想自己动手做个 NotebookLM for group 来解决这些问题。也认真想过，该从哪里入手。因为这个工具会涉及网页、文件、对话、内容，我觉得有几个不同的切入点，比如：

• 浏览器：浏览器入口被争抢得最凶，大厂都做进了 AI 对话能力，更有不少小公司试图从这里颠覆。

• 网盘：微软、Google、Apple 都有网盘，而 Dropbox、Box 也都虎视眈眈。虽然网盘里有大量数据，但要从这里切走一块蛋糕，相当不容易。

• 笔记：这是个看起来比较轻量，容易入手的切入点。虽然看起来 Notion 有着天然的优势，但也面临最大的竞争压力。

• Chatbot：除了 ChatGPT、Claude 之外，所有的 IM 比如微信、WhatsApp、Telegram，或者甚至 Slack，看起来都离数据和用户更近。

还有些其他切入点比如内容社区－－但企业应用内容社区往往对团队有更多要求，以及决策流程更长。想得越多越无解，每个入口都有根基牢固的产品，然后很快又看到 NotebookLM 支持了企业，ChatGPT/Claude 支持了 Project，感觉切入点太难找，就先放下了。

记录一下我现在工作里使用的软件和工作流。

先说几个特点：

1. 我喜欢折腾，因此不同操作系统（Windows、Mac、Linux），不同类型的设备（不同系统的手机、不同系统的平板和大小各异的电子墨水设备），都可能是我某段时间的主力工作设备。所以，我要用的软件基本需要能跨平台使用甚至同步。

2. 我日常工作多是思考、记录和沟通，主要都用纯文本（markdown）。

2025 年，我的工作流是：

• 快速记录。这里涉及两个工具，分别适合不同场景。

1. 使用 Slax Note 语音笔记做日常灵感的快速记录。这个产品是我们自己的作品，方便快速用语音记下内容，通过 AI 能力，根据要求（也可以自定义）将语音转为可以直接使用的文字（对了，Slax Note 的安卓版很快就能发布了）。

2. 使用 Google Keep 做碎片内容的“收件箱”。例如：我看书或者网站时看到一段话有灵感，会复制了贴到 Google Keep 里。

这两个工具里的内容，整理之后就会归档或者删除，尽量保持 inbox zero。

• 整理成文。这里也涉及两个工具，起到不同作用。

1. 使用 Obsidian 写作、同步所有整理后的 markdown 文件。我甚至买了 Obsidian 的 Sync 服务，此前认为没必要，但踩了一圈自己搭 NAS、买不同云服务（Dropbox、Google Drive、OneDrive）的坑之后才意识到，跨平台使用，还是直接用系统自己的同步服务稳定。

2. 使用 GitHub 做内容同步和版本控制。即便 Obsidian 的同步出问题，也不至于丢掉我的工作内容。

工具和工作流简单了，才能腾出脑子考虑复杂的事，才能腾出手把复杂的事尽量简单做。