在AI时代,每个人都可以成为一个创造者,一个园丁。就像小王子说的话:
寻常的路人会认为我的玫瑰花和你们差不多。但她比你们全部加起来还重要,因为我和她浇过水。。。因为她是我的玫瑰。
--《小王子》
在这篇文章,黄叔想聊聊自己第一款产品的故事。是的,这是一个很简单的产品,又是一颗小小的种子,它可能看起来平平无奇,但对我而言,它承载着特别的意义,因为它的每一次生长,都倾注了我的心血与期待。
AI编程让创造触手可及,我们每个人都可以找到属于自己的那朵玫瑰。。。
我自己是flomo的重度用户,累计使用了1497天,记了近3000条笔记,这些笔记有很大一部分来源于阅读时的灵光一现:
在这种场景里,我发现了一个微妙的矛盾:
当灵感在迸发时,我却要在两个窗口间来回的切换Copy & Write。
有没有办法更简单一些呢?这就是“善思flomo”的最初的原点。
“简单”这个词,几乎是所有工具之争的制高点。
互联网产品,只要降低一个难度门槛,往往就会获得一批新用户。
梁宁《真需求》
是吧?如果让记录更加丝滑,至少对我来说非常有价值,于是不管用户量有多少,这个愿望在AI编程时代的到来使得试错成本大幅下降后,立马我就打开WIndsurf(一款AI编程软件),指挥起了AI,于是有了下面这篇文章:
1小时,用Windsurf,0代码基础完成flomo插件开发!
1小时,用Windsurf,0代码基础完成flomo插件开发!全公开做完后,很快我发现:
每一个生命的诞生都只是开始!
先给大家看看最终的成品(1.8.0版本):
上左图是产品截图,可以看到这是圣诞主题样式!打开后从浏览器右侧划出,自动抓取了标题和链接,原文摘要可以手动Copy,也支持AI总结,个人感想是重中之重,因为你的思考全部在此呈现,黄叔也加了随你输入的不同字数的鼓励文案。
是的,从最初的1.0,再到现在的1.8,善思flomo经历了一段生长的旅程:
生长从何说起呢?
最开始,善思flomo只有很基本的功能:标题和链接自动抓取,有“原文摘要”和“个人感想”两个输入框,别的基本没了。
这个插件发到一个小群里后,无意间看到有个朋友说,插件不错,能不能加一个鼠标右键启动插件。
我说这个想法好!于是我加了快捷键唤醒功能!(哈哈哈,很多时候你不一定要完全照着用户的需求做)
同时社群也有交互的小伙伴自己按着这个思路去做了一个类似的,我一看长得比我的俊俏多了,于是我又逼着Windsurf给我优化界面!(甚至少楠都会惊呼,还有阴影?精细啊,其实都是Windsurf做的)
包括AI总结功能,也是受到朋友的灵感激发。
还有,做着做着,投入的心力增加也会有更多灵感自然涌现,比如个人感想输入框,输入框随着输入字数增加而有不同的文案鼓励!
我的很多读者都是互联网从业者,相信大家都深有体会:
在组织中做产品,产品往往会被各种KPI和商业目标束缚,就像是被困在温室里的植物。
有了AI编程后,个人开发者的时代来临了。你可以不用依靠程序员,自己想怎么做就怎么做,可以更专注于用户价值,让产品跟随用户需求自然演进。
就像我开发这个插件,每一个版本的更新都源于用户反馈和个人思考,产品在使用过程中自然生长,相信也会逐渐绽放出自己的生命力。
随着这一篇的Build in Public内容的发布,也会有一些用户来使用,给出反馈,好的建议我也会采纳,这样产品就继续生长了!(是的,文末我们会放出用户群入口)
其实黄叔知道这个插件不会有很多人用,但这个重要么?
哈哈,这是我日常会大量使用的场景,以及,因为每一次的浇灌与等待,善思flomo长成了一个有意义的产品,它就很值得。
这个过程中,我也收获了很多感悟,理解了如何更好的跟AI协作,学会了什么是创造,什么是慢,什么是生长。
谢谢善思flomo,也谢谢少楠,每一次真诚的创造,都是对生活最好的致敬!
对了,后面我还有多个产品持续发布,也请各位关注:)
如果你是flomo的会员用户,欢迎Chrome应用商店搜索:善思flomo。假如无法访问,可以在公众号后台留言”善思flomo“,获得最新的浏览器插件下载文件。
(Chrome浏览器打开扩展程序--》管理扩展程序,打开右上角的开发者模式,然后点击“加载已解压的扩展程序”按钮导入文件)
如果你使用善思flomo,欢迎加我微信:lookforward,拉你进用户群。(备注:善思flomo)
如果你对AI编程感兴趣,也可以加我,近期我们在北京持续做线下实操小课(备注:AI编程)。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。