这是一个创建于 43 天前的主题，其中的信息可能已经有所发展或是发生改变。
2025:1002-1004
做程序员时习惯解决“大问题”， 而做了创业者每天都要解决“小问题”。
所谓的小问题，往往只是捅破一层窗户纸
在程序员的视角下，很多时候都不能叫“解决”问题， 单纯只是在“处理”问题。
对于产出的理解，工作内容的成分构建。
是在我在处理运营和客服工作的最大的差异点。
所以做完没成就感，不做还满是焦虑。
只从心态上看，做运营/市场/销售的人反而更适应创业， 因为他们能在碎片化中保持产出。
但 AI 的出现，让程序员可以多线程工作，同时处理不同项目、不同上下文，甚至可以在碎片时间里也有产出。这个月我主要是解运营，推广，客服的问题。
这周的标题，是安波里欧，是最隐喻的表达了我的悲伤，无论如何，还是要去新世界
本周工作
本周主要是运营，推广，客服的工作，主要是看哪些可以 SOP
- 哪些工作时可以 n8n workflow 化
- 哪些工作是可以 dify 搭建 agent 来半自动化
- 哪些工作是暂时必须吃人力的
产品规划目前三个产品的收入，mrr 不稳定
其中两个产品是有潮汐周期性的
有一个产品是可以做长周期的，但是不迭代有些久了，每月只有一点收入，需要分析下竞品，找一下差异点，想办法来填补谷底
工作之外
看了 2 本书
《图解 DeepSeek 技术》
这本书很薄，只有 107 页，Jay Alammar 写的, 讲的是 DeepSeek-R1 的底层技术原理，把推理大模型的基本原理、MoE 架构设计和 R1 训练过程等几个东西讲清楚了，我受益匪浅
十一期间，DeepSeek 又发布了 DeepSeek-V3.2-Exp ，又继续跟了一把
稀疏注意力 + DSA 在 MLA 架构下的实例化，将大型模型成本显著压缩
100 万 token 预填充阶段成本从 2.4 美元降至 0.7 美元，填充阶段稳定在 0.1-0.3 美元，且随序列长度增长成本近乎恒定。
同时还依托快速筛选核心 token 实现计算量削减，辅以双阶段训练策略（密集预热+稀疏训练）确保效果稳定，攻克多阶段灾难性遗忘问题，为智能代理等高 Token 消耗场景提供经济高效的解决方案
ai 发展太快了，可以让我快捷的最小成本的了解各个模型的差异，是不是必须花时间体验才行？
《一人企业》
这本书我电子版已经读了不下三遍了，常读常新，就买了实体版的书，放在书桌旁，没事看一看
我之前经历过大厂，数字远程，创业公司，一路走来，我坚信 AI 时代，是一人企业的最佳时代，但是很多理念，其实说出来，都带着一些理想化的色彩，而这本书，让我知道，不是只有我这么想过
目前尚无回复
Select Language