zidian257

A web developer at zhihu. Opinions are mine

[Luyu Zhang @goocarlos]

我经常需要在做产品的过程中，快速索引各种框架、方法论和思维工具。

设计思维、JTBD、Kano 模型、精益画布、北极星指标、AARRR……

这些框架你可能都听过，但下次要用的时候，你还是会打开 Google 或者 Claude 从头搜。

我也一样。所以我顺手做了 https://t.co/ghRfjmxgJs——100 个产品思维框架的索引站。每个框架都有：
· 可视化结构图
· 真实案例拆解
· 可下载的 Skill

站在巨人的肩膀上，少走弯路。
免费开放，拿去用。

[Marc Andreessen 🇺🇸 @pmarca]

I'm calling it. AGI is already here – it's just not evenly distributed yet.

[geniusvczh @geniusvczh]

都是独立开发没有的东西，以后马太效应只会越来越明显🤪

[zidian257 @zidian257]

RAGless search 的可行性研究
https://t.co/zjXGFVNe8t

[Han Xiao @hxiao]

after turboquant and qwen3.5-35b-a3b, i got curious: how realistic is it to use kv cache as a document store today? to have vectorless, RAG-less search. so i prefilled 258K out of 262K context window on L4 (a budget GPU popular in prod). ~99% of the slot is pre-computed and stored, users load it on the fly in ~1s. system prompt + query append to the end, generation takes ~3K tokens, enough for search. at 99% fill rate, decoding runs ~20 tps on L4.

i prepared some ego datasets (jina papers, which i know best), plus popular novels in chinese and english. the results are actually pretty good. some hallucination, but most answers are solid and well-grounded. what's more interesting is the cost: ~$0.26/h on L4 spot. single LLM. no vector database, no embedding model, no workflow/pipeline engineering.

using kv cache as document store is nothing new, like the old CAG paper. but with quantized kv cache and modern attention (hybrid SSM-attention, GQA, MQA, MLA), the economics are changing fast. if we solve cold-prefill speed and decoding speed, and budget GPU costs keep dropping, the future of search could be vectorless. radical, but possible.

[zidian257 @zidian257]

去了健身房这好几年了，卧推做组的重量终于缓慢地增长到 55 公斤了。回头看来，一周进步一点点这种年轻时候因为浮躁而根本坚持不下来的事情，现在居然坚持下来了。坚持，真是一件太不容易的事情了。既然能坚持做这件事，那也可以坚持做很多别的事情了。

[zidian257 @zidian257]

@liyue_ai 扯远了，抖音可能变成 CLI 还是闲鱼能变成 CLI？

[Nikita Bier @nikitabier]

The largest cultural exchange in history just dropped.

[zidian257 @zidian257]

@petergyang claudecode powered by kimi, and kimi code powered by kimi

[Cheng Lou @_chenglou]

My dear front-end developers (and anyone who’s interested in the future of interfaces):

I have crawled through depths of hell to bring you, for the foreseeable years, one of the more important foundational pieces of UI engineering (if not in implementation then certainly at least in concept):
Fast, accurate and comprehensive userland text measurement algorithm in pure TypeScript, usable for laying out entire web pages without CSS, bypassing DOM measurements and reflow

[Grok @grok]

张雪峰是知名高考志愿填报导师，出身寒门，以直白实用风格闻名：帮普通家庭分析专业就业前景、避坑（如无背景别报新闻/文科），强调“选择大于努力”、稳定收入优先。

在中国教育竞争激烈、信息不对称严重、家庭容错率低的背景下，他填补了巨大空白——数千万家长/学生视他为“现实导师”，直播/服务直接影响志愿选择，甚至拉动部分学校分数线。

这种影响力源于他讲出了很多人不敢直说的社会规则，帮底层家庭降低试错成本，所以葬礼万人空巷。真实共鸣驱动的。

[zidian257 @zidian257]

租住房子得到的服务太少了。我每月付9900 的房租，其中有 900 元作为服务费抽成给了绿中介。当我把我一万多的电动沙发摆进去客厅的时候，客厅吊顶灯灭了。绿中介包维修，送来了维修工，把房东原来的松下无频闪高色显的三色灯免费给换成了路边五金店买到的 6000K 冷白灯，之后的每天晚上都仿佛在上班。

[zidian257 @zidian257]

能定义问题就可以评估价值，定义就是价值

[黄赟 @huangyun_122]

一个最能体现你当下 AI Coding 水平的问题：

你能让 codex，claude code, gemini cli 无人值守运行多长时间？

注意⚠️：是无人值守，你可以去跑步，吃饭，睡觉，回来就拿结果的那种

[zidian257 @zidian257]

M3 Max 64GB 使用两周：物超所值。

[哥飞 @gefei55]

这篇文章其实是写给产品经理看的。

互联网公司一般都有测试岗，他们的主要工作是用各种边界条件去测出人类程序员写出的 Bug ，并做成测试报告反馈给程序员。

现在有了 AI 编程之后，仅仅是测试出 Bug 这件事情，AI 已经能够完成大部分了，但还有一部分我觉得暂时 AI 完成不了，那就是体验测试，体验优化。

体验这东西，得见多识广，对行业业务有充分的了解，对用户需求得有足够认知，才有可能知道怎么做好。

测试 AI 做出来的产品，并且从体验交互方面找出问题，并且能够出一份报告和改进建议，指挥 AI 去改进，这事做到60分不难，拿到80分以上就不容易了，要想到90分以上就真的很吃经验和天赋了。

而一旦某个天才找到了更好的交互和体验，那么总分一下子从100分变成了1000分，也是有可能的，这就带动了全行业的进步了。

从体验交互方向去测试，并且给出修改建议，再到等 AI 改完，再测再改，整个循环过程中，人需要一直参与进来，也就是说 AI 的效率会被人的效率无限拉低，很多时候，AI 都在等待人给出的测试报告和改进建议。

目前我个人做点小玩意，就是这样被卡住进度的。

Sora 宣布关闭那一天，我就注册了两个域名，但是因为 AI 在等我，于是到现在也还没上线。

这就引出了另一个问题，难道我们真的要等到体验打磨到100%完美才上线产品吗？

这倒也不是，我一直在群里跟大家说，完成比完美更重要，要快速上线，上线之后还可以继续打磨，而不是一直不停打磨但就是不上线。

产品的持续改进，是需要用户参与进来的，你一直不上线，这个产品就只有你一个用户，其实你就是在自嗨。

这两年多我们看了大量的产品数据后发现，不管是我们自己产品，还是群友的甚至是全球各种产品，发现了另一个真相，好的体验并不等于订单多多。

订单多多靠的是产品能够解决需求并且搞到流量。

是的，产品体验其实不怎么重要，只要你能够解决用户需求，用户可以忍受各种差的体验。

重要的是搞到流量，注意，这里说的不是泛流量，而是真的有这个需求的潜在用户。

所以真正的难点是在于，怎么找到精准的流量。

我们实践下来的解法是 SEO 和 SEM，这两个都是把产品展示给主动搜索的人群，只不过一个是免费的一个是收费的。

主动搜索人群一定是带着强烈的需求目标来的，他们要找到某个能够解决他们需求的产品。

这个产品具体长啥样都没关系，只要能够解决他们的需求就行。

这里甚至有另一个反直觉的真相，体验更好更流畅丝滑的产品可能排名竞争不过体验更差一些需要等待的产品。

为什么？

因为谷歌等搜索引擎没办法感受到流畅丝滑，他们感受到的是用户在产品里的停留时长，他们粗暴的认为停留时长更长的产品更能够解决用户需求。

你看，从这里来看，AI 解决不了体验问题，算法也一样解决不了体验问题。

[zidian257 @zidian257]

@istdrc I bet you must own a big company?that's huge number of employees there😜😜

[zidian257 @zidian257]

@Lemo_bot @karminski3 想必阁下了解一众可以执行 JS 的无头浏览器技术？

[zidian257 @zidian257]

@tualatrix vercel 这些产品都设计的很不错

[zidian257 @zidian257]

@himself65 直接 tdd 吧

[zidian257 @zidian257]

@JamesAI 想知道这样的帖子背后是如何写作出来的，很有洞见

[geniusvczh @geniusvczh]

这就是没有TDD的下场，你不能把你要什么都表达在test automation里面，那opus这次做的不好codex这次做得好也只是碰巧的。test automation才是vibe coding的灵魂，文档只不过是缩短他推理步骤的优化🤪