跳转到主要内容

创业公司加速的两个推进器

阅读需 1 分钟Tian PanTian Pan
  • 听客户的话

    • 持续不断地和客户沟通
      • 和客户做朋友是最简单的策略:一旦你们成为了朋友,你可以持续而且低门槛地找他们给反馈。到了一定程度,发短消息比email和开会来的容易。
    • 挑剔地挑选你服务的客户
      • 剔除对你解决的问题没有痛感的客户
      • 剔除客户想要,但是你还没做出来的 feature 的客户
  • 快速执行

    • 界定刚刚好的范围
      • 通常,满足最最简单的 usecase,然后等着看人们还想要些什么。你自然就会知道接下来该做什么。
    • 培养解决问题的良好直觉
    • 最大化自主权,推行 prioritization by persuasion 的文化。同时,允许团队基于他们的情绪、生活、兴趣来选择他们的工作。用说服力和动态调整来推进进度。

参考资料

保持联系,关注我获取更多内容

阅读需 9 分钟

试点炼狱:廉价的 90% 正是你的 AI POC 无法转正的原因

一个可运行的 AI 演示只是那看起来像 100% 但其实很廉价的 90%。那些能确保其在生产环境中安全运行的评估、护栏、可观测性、成本上限和权属划分,才是没人预估过的昂贵的 10% —— 这里有一份清单,帮你提前预估这些成本。

insider
ai-engineering
阅读需 9 分钟

内部试用 (Dogfooding) 你的 Agent 并不等于 QA

内部用户会默默地修正 Agent 的错误、规避其弱点,并在 Slack 中分享绕过问题的方法 —— 这使得内部试用指标在真实客户流失前看起来异常完美。你应该转而监测修复事件、编辑距离和冷启动用户群组。

ai-agents
evals
阅读需 8 分钟

那些悄然成为你唯一评测集阅读者的提示工程师

你的评测集只是一个文件,而使其具备可读性的判断力却存在于某个工程师的脑海中 —— 本文将探讨这种巴士系数如何在他们离职后才显现出来。

insider
evals
阅读需 9 分钟

你的 Token 预测从未考虑过的重尾效应

基于试点的 Token 成本预测往往忽略了生产环境用户的重尾效应——账单通常由 P99 而非中位数决定。本文将探讨如何针对分布而非平均值进行定价。

insider
llm
阅读需 10 分钟

Token 预算是产品决策,而非配置值

设置上下文窗口分配(历史记录 vs 检索结果 vs 工具输出)的那行代码,是隐藏在 f-string 中的产品决策。本文将介绍如何将其显性化、衡量它,并为其指定负责人。

context-engineering
llm