Posts for: #WeChat

一个月前，我提议：

• 基于 Slax Note 的代码，生成一套文档。然后删掉代码，基于文档生成代码。重新上线。
• 具体执行，由不懂编码的两位女生——产品经理和设计师主导。

以下是产品经理的部分记录。

时隔一个月，Slax Note AI 重写版正式上架了。

iOS 版本下载链接：https://apps.apple.com/us/app/slax-note-transcribe-voice-pen/id6480166286

回顾 3 月中下旬，我们是抱着怀疑开始这项任务的。当时我们完全不认可重写 App 的提议，更不信任自己能独立解决过程中产生的各类 Bug。

在过去的一个月里，挑战是具体的：频繁掉线的账号、不断重连的挫败感，以及对工具的极度陌生。从不懂 VS Code 和 Git，到能熟练地指挥 AI 修 BUG、提交 TestFlight 版本；我们从每天开启终端 2 小时，变成了在公司每时每刻都开着它；

从质疑重写的决定，到进入"氛围编程"的状态，作为非程序员，我们始终处在一种"不确定自己是否搞错"“这样跟 AI 交流是对的吗"“我提交这个变更会不会炸了"的压力中。我们一边骂 AI 愚蠢，一边向研发同事学习如何更精准地与它对话。

现在，App 已经上架。接下来的挑战是：当新需求涌入，协作将如何演进？我们目前也没有答案，只能继续摸索。

同事记录下来的经验我觉得很有价值，如果朋友们想看，我今后发出来。

用同事的话说：

如果只看过程，这次重写其实并不轻松，甚至可以说很折腾；但如果看结果，它很值。未来的挑战依然存在，我们这次是重写 App，如何挖掘需求、迭代产品，还没有实践起来。

都看到这里了，你要不要下载个 Slax Note 试试看？用得舒服，就索性付个费吧。

这个语音笔记，我又有了些新的想法，能慢慢地、长时间地做一个自己要用的工具，还是很开心的——而且，这可能也是我们团队擅长的。

我自己用 AI 辅助写作，实操上一直是分几步走的。

第一步，有所感。看书、翻文章，或者和同事朋友聊天，只要有感触，就第一时间记下来。

第二步，和 AI 讨论。拿着这些感触，把自己的观点丢给 AI，看它怎么说。AI 的知识比我丰富，思考也比我深，经常给我一些新名词、新想法，能刺激更多灵感。

第三步，基于和 AI 的讨论再思考，提炼出自己的观点。比如“该不该用 AI 辅助写作”这个话题，讨论几轮后，我的观点是：应该用 AI 辅助写作，而且要找到最适合自己的最佳实践。

第四步，梳理结构。哪怕只写三五百字，也要有结构，不能信马由缰。所以这一步，我会和 AI 一起把全部信息和观点列出来，看怎么组合合适。探讨几轮，结构就清晰了。

第五步，这也是我和 AI 之前有分歧的地方。以前我会直接让 AI 按我的文风写，尽量简洁、精确，确保初中生和家庭主妇都能看懂。我会把自己写过的内容喂给 AI，再加上明确的指令，让它模仿我的风格输出。

但这次讨论后，AI 给了我一个新建议——这篇文字就是按他的建议执行的：先看一遍跟 AI 讨论的内容和结构，然后丢开电脑不看，用语音把这些内容重新说一遍。再让 AI 整理，补上缺失的地方，修正错字、推敲细节、定稿。

AI 的判断是：这个推敲过程不可或缺，是写作中最关键的环节，他不建议我交出去。

用到的工具很简单：

• 第一五步：Slax Note
• 第二三四步：Claude Code

最近用 AI 觉得自己进步不小：学新东西更快、能力边界有拓展、工作效率更高。因此很愿意跟身边的朋友们推荐，做了五六次或大或小的培训交流。归结起来，其实也就简简单单的几点。

1. 买付得起的最先进的模型。

2. 持续追问，直到自己问不下去。

3. 验证结果。无论是多 AI 验算，还是自己设计其他的验证方法，要验证而非盲从。

4. 在项目/文件夹里工作。用比如 Claude Code / Cursor 这样的工具，给 AI 上下文、中间过程存档、结果验证复盘。

用这些方法学习、工作，我的感受很好。

这里面的每一点，都可以展开讲原因，讲具体用法，讲可能掉的坑。不过感觉很多人也未必在意，大家更喜欢装上小龙虾。

对了，我给朋友们的建议往往是：在做上述的 1234 之前，不需要装 OpenClaw，因为大概率装好了，也找不到多少需要它做的事情。

这也是一个简单的思路：先手动把事情跑通，再用程序自动化。

做小产品，一个极难的问题是：该继续还是该放弃。上次公司 TGIF，有同事就问了这个问题。

认真想想，有几条：

第一，还有钱。现金是基础。账上的钱还够撑，你就有继续的本钱。哪怕项目暂时不挣钱，哪怕是为了情怀——只要弹药还在，你就有资格谈坚持。

第二，负责人还热情。他脑子里还在冒新主意，还在想怎么改产品，还在琢磨哪个细节可以做得更好。不是应付，是真的在燃烧。一个项目最核心的驱动力，就是那个对它最有责任感的人。他在，他还热情，项目就还在。

第三，反馈还在。这里的反馈分两种：用户说的，和用户做的。前者是访谈、聊天、客服记录，后者是行为数据——每天用几次，每次用多久，主动打开还是推送才来。两种都要看。

三条都满足，继续。缺一条，认真想想。缺两条，可能该做个了断。

2016 年，AlphaGo 4:1 击败李世石，它是先学了几十万盘人类棋谱，再自我对弈提升。

2017 年，DeepMind 做了一个实验：AlphaGo Zero 不看任何人类棋谱，只知道规则，从随机落子开始自己跟自己下。同时把架构大幅简化——两个网络合成一个，去掉所有人工特征，输入就是原始棋盘（黑子在哪、白子在哪），去掉快速模拟。更简单，更干净。40 天后，100:0 碾压了 AlphaGo。

AlphaZero 更极端——同一套算法、同一套架构，零人类知识，零游戏特定调整，同时学围棋、国际象棋、将棋。围棋 8 小时超越 AlphaGo，象棋 4 小时击败世界最强引擎。

“AI 比人强”，这个想法我早就接受了，但是学了人类知识、用了更复杂架构的 AlphaGo，反而比什么都没学、架构更简单的 AlphaZero 弱。人类的先验知识没帮上忙，人类设计的系统复杂度也没帮上忙。

之前听马斯克的一个对谈，他说到：人在流程中，可能反而阻碍了 AI 的速度。

这是第一性原理，也是"乱拳打死老师傅"的逻辑。今天在 Lex 和 Jensen Huang 对谈的播客里，Jensen 说他不喜欢"持续改进"。一件事要 74 天，有人说能优化到 72 天。他的做法是回到零点：物理极限是几天？可能是 6 天。74 到 72 是经验思维，从零推到 6 是第一性原理。

经验是好老师，也是隐蔽的天花板。它帮你快速到达 70 分，然后悄悄把你锁在 70 分。