放弃吧！你招不到优秀AI产品经理；程序员优雅做副业指南；一人企业系统方法论(6万字)；大模型训练10条黄金法则

👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦！

1. 5亿条国内招聘信息，洞察 1639 种人类职业被AI替代的风险

2023年，OpenAI 发布了一篇论文 GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models，研究AI技术对劳动力市场的影响。这引发了全社会的积极参与讨论，很多研究方法和分析理论都很有启发性 (日报也一直在收录)。

不过，这些研究是面向美国社会和劳动力市场的，只有一小部分研究把视野拓展到了全球。国内这样一个超级巨大且与美国截然不同的劳动力市场，同时经受着人口老龄化和劳资矛盾的挑战，在生成式人工智能 (GenAI) 的冲击下，会有怎样的变化呢？

作者团队借鉴 OpenAI 论文思路，基于中国的招聘数据，计算出了 1639 种职业被AI替代的可能性 👇 （左侧是「高替代率」职业，程序员榜上有名 😭 右侧是「低替代率」职业，受到AI的冲击更小、更安全 🙌）

进一步分析可以得到，工资高低与AI替代率之间不存在显著正相关关系 (👇左图)，但是，岗位年龄越高被替代的风险越高 (右图)😱 我们可以理解为，大语言模型轻松抹平了人类通过工作带来的技能提升。

GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models → https://arxiv.org/pdf/2303.10130

⋙ 了解实验设计细节 & 各岗位详细数据，请阅读原文

2. 精益副业 | 程序员如何优雅地做副业：超完备的解决方案合集

上条看到，AI对人类职业发展的影响已经难以避免。不如早早行动起来，搞好副业以求有备无患 🧐 那 @Easy 这本《精益副业：程序员如何优雅地做副业》手册，就属于必看级别了！！

@Easy 本人就是一名独立开发者，应用开发和知识付费搞得有声有色 🎉 他把自己的副业经营心得，梳理成了一本体系化的手册，然后免费开源了！书籍完稿是 2020 年底，目前 GitHub 已经收获了 8.7K Star，足见其受欢迎程度~

以下是这本手册的大纲，可以看到内容非常丰富，尤其难得的是，整理了很多常见问题的解决方案。喊一声赛博菩萨不过分吧！！

1 精益副业

2 为什么副业特别重要

2.1 职业可能性

职业的四大象限
没有副业的职业
副业带来的可能性

2.2 职业自由度

从中指备用金说起
PlanB 和反脆弱
全新的工作自由度

2.3 职业成长性

新技术练兵场
业务敏感度

3 如何优雅地做副业

3.1 想明白核心资源和核心优势

副业的核心资源
副业的核心优势

3.2 时间片

时间片的销售
时间片的优化
突破时间片限制

3.3 资产和被动收入

什么是资产
资产的获得方式
资产的量化评估

4 优选资产

4.1 知识和人脉的变现

付费视频课
付费专栏
付费社群
图书出版

4.2 自有产品和服务

应用市场卖 APP

5 精益副业

5.1 精益副业流程

商业模式画布
最小可行产品和产品市场契合

5.2 精益独立开发实践

独立开发的精益流程
福利单词项目简介
福利单词的商业模式画布
通过用户画像细化客户
画像 → 场景 → 功能和分期
什么是好的商业设计
人人能用的四大原则
独特 Logo 解决方案
使用 AdobeXD 设计界面
个人支付解决方案
使用「兔小巢」处理用户反馈
2A3R 漏斗和增长优化

5.3 精益网课变现实践

大纲的注意点
通过预售验证销量
常见的课程片段类型
文稿讲义类课程片段的制作
屏幕录制类课程片段的制作
真人出镜类课程片段的制作
虚拟形象类课程片段的制作
最常用的视频剪辑操作
最常用的音频处理操作
字幕的制作和自动生成
流量池和二次购买
如何有效地反盗版

5.4 进一步提升副业的鲁棒性

网课+独立开发的双引擎副业模式

GitHub（8.7K Star） → https://github.com/easychen/lean-side-bussiness

3. 一人企业方法论 (第2版)：从螺丝钉到超级个体，历时2年的6万字完整方法论

最近比较流行「一人企业」这个概念。

大背景是，大模型技术越来越强且调用成本越来越低，个人逐渐被赋能为「超级个体」，成长为一个独立的业务体。上条作者 @Easy 还有一本开源小册，于当下非常应景——《一人企业方法论》。

这是 @Easy 绘制的「从螺丝钉到超级个体」的成长路径图，漫长且不易。不过，作者也再三提醒，这本手册仅能解决第一阶段的问题，各位要合理控制期待 ⚠

@Easy 写这本手册，前前后后用了两年的时间，最终完稿 6 万字，给出了一套完整的「一人企业方法论」，帮助技术/非技术读者创作数字商品，或者基于 NoCode / 开源项目+AI辅助构建在线服务。

首先厘清两个重要概念：

一人企业：以个体或个人品牌为主导的业务体
一人企业方法论：为个体优化的创业方法论，从副业开始构建双线收入，低风险地实现从螺丝钉到超级个体的蜕变

以下是手册的内容大纲，可以前往网站查看完整图文内容：

1 定义一人企业

1.1 新版方法论概述

1.2 一人企业的定义

2 规划一人企业

2.1 底层逻辑

为什么以小博大是可能的
为什么规模化是可能的
资产和被动收入
滚雪球和链式传播

2.2 赛道选择

一人企业如何选择赛道

2.3 竞争策略

不竞争策略
结构化优势

2.4 思考工具

《一人企业画布》和《一人企业月报》

3 构建一人业务

3.1 一人企业≠一人业务

3.2 优势发现

副产品优势

3.3 风险评控

从副业开始
管理和利用不确定性

而且！作者基于手册内容，绘制了一张成长路线图 👇 非常棒！值得收藏~

官网 → https://ft07.com/opb-quick-start

GitHub**（2.2K Star）** → https://github.com/easychen/one-person-businesses-methodology-v2.0

前往知识星球下载高清PDF/高清图 → https://t.zsxq.com/PUQAM 资源编码【R267】

4. 放弃吧！你招不到「优秀的AI产品经理」！因为这种全能人才 (几乎) 不存在

这轮AI技术爆发后，另一个「水深火热」的岗位是——AI产品经理。太多创业团队和业务负责人抱怨，合适的AI产品经理很难招，有些岗位甚至已经空了半年时间。

这里下个暴论：别等了！你想要的那种「来了就能砍瓜切菜解决业务问题」的AI产品经理，极大概率压根不存在 💔

沉下心来仔细盘点，你期待的AI产品经理需要同时具备以下能力项：

技术：熟悉现有大模型方案的能力，知道每种需求的实现成本和实现路径。并能展望技术未来2年的发展。
产品：熟悉客户，知道什么需求和什么程度的需求满足度能够让客户付费。
数据：知道如何寻找能够正对于目标场景的数据集，并能够构建量化的效果评估方式。
运营：熟悉触达这些客户的方式，知道如何运营客户的生态社区。

这种顶尖水准的优秀人才，市场上极其稀缺，你找不到或者根本雇不起。不要执拗地在这个方向上浪费时间了。

不如换个思维方式：组建一个 AI产品核心设计团队，由至少2个岗位协同完成上述任务。这个团队最小配置 (2人) 可以这样分工：① 技术+(部分) 数据，② 产品 +(部分) 运营。当然，这样的最小配置，也只能保证以合适的成本做出一个合适的产品，不能保证销售成本是低的。

阅读原文 → https://zhuanlan.zhihu.com/p/695922619

42章经有期播客时间采访了 前光年之外产品负责人@Hidecloud，对谈「AI 产品经理需要的素质」。

Hidecloud 对这个话题比较乐观和开放。他认为当下处于行业初期，AI产品经理具备技术视野，更有助于了解技术边界。但随着行业发展，很多技术知识将沉淀为常识，那时技术将不再是 AI产品经理必须具备的前提。

收听播客 → https://www.xiaoyuzhoufm.com/episode/6607a6961519139e4f7fd8a5

5. 创新者的窘境理论，在 AIGC 领域并不 work：这是小创业公司的灾难

The Innovator’s Dilemma 是一本全球知名的商业必读书籍，中译名是《创新者的窘境》，探讨了一个尖锐的话题：为什么管理良好的大企业会遭遇失败？许多曾经叱咤风云的大公司，在市场变化和新技术挑战面前败下阵来，一步步惨遭淘汰。

书籍作者 Clayton M.Christensen 给出的答案是：这些管理良好的企业之所以失败，是因为推动其发展成为行业龙头的管理方法，同时也严重阻碍了它们发展「破坏性技术 (创新技术)」；而正是失之交臂的这些「破坏性技术」，最终主导了市场，吞噬了大企业原有的生存空间。

书中有详细的阐述、论证和例证，很多企业发展的路径也印证了这一观察的有效性：

第一部分为什么大企业会失败

第1章大企业为什么会失败？从硬盘行业获得的启示
第2章价值网络和创新推动力
第3章挖掘机行业的破坏性技术变革
第4章回不去的低端市场

第二部分管理破坏性技术变革

第5章把开发破坏性技术的职责赋予存在客户需求的机构
第6章如何使机构与市场的规模相匹配
第7章发现新的市场
第8章如何评估机构的能力与缺陷
第9章产品性能、市场需求和生命周期
第10章管理破坏性技术变革：案例研究

前往知识星球下载高清电子书 PDF → https://t.zsxq.com/HtQ6B 资源编码【R268】

豆瓣 → https://book.douban.com/subject/25807982

但是！最近看到一篇文章说，「创新者的窘境」理论在AI领域并不适用，这对创业者来说无疑是个坏消息，意味着机会更少了。感觉文章言之有理，与大家分享 🔊

没有「窘境」：大企业和初创公司目标一致 & 行为一致，没有构成所谓的「窘境」。双方追逐相同的市场&客户，采取的方法也是大同小异。
初创公司不再具备速度优势：初创公司在创新方面没有绝对领先。当它们准备好投入市场时，大公司往往已经推出了竞争产品。
大企业更了解客户需求：现有的大型企业掌握了客户更多的需求信息，与集成商/独立软件供应商 (ISVs) 等形成了直接的竞争，且大型企业掌握了更多优势。
兴衰周期短暂：所有AI初创公司，几乎都和 Google、OpenAI、Meta 等大型公司的节奏保持一致。很少有创新的想法，能脱离这些大模型公司而独立发展。
缺乏新的分销渠道：技术更新但市场/运营/增长手段还是那些，已有渠道非常的成熟和拥挤，初创公司进入的门槛和成本都很高。

原文 → https://nextword.substack.com/p/why-innovators-dilemma-doesnt-apply

6. 大模型高效训练的 10 条黄金法则：言简意赅，字字玑珠

这份 Google 在线文件 Ten Commandments To deploy fine-tuned models in prod，总结了大模型训练的十条戒律，提供了一些指导原则和建议。以下是核心内容：

[1] Thou Shalt Not Fine-Tune

切勿微调
微调成本高、速度慢且复杂，仅在确实需要时才进行。
尽量写prompt，利用大模型本身的能力zeroshot，必要时辅以少量样本（few-shot examples）或检索增强生成（RAG）。

[2] Thou Shalt Write a Freaking Prompt

好好调prompt
用一个prompt创建一个baseline，并通过写prompt证明这个场景或者任务是可行的。
如果写prompt就可以达到基本要求，那么微调可以进一步提升；如果prompt不起作用，微调成功的可能性就很低。

[3] Thou Shalt Review Thy Freaking Data

好好搞数据
如果必须微调，确保你完全理解你的数据。
大力修正问题数据。数据质量直接决定模型质量。

[4] Thou Shalt Use Thy Actual Freaking Data

用真实的数据
确保训练数据尽可能接近生产环境中模型将处理的数据。
即使存在一些不完美的数据也没关系，只要整体分布一致和正确就可以。

[5] Thou Shalt Reserve a Test Set

必须保留测试集
始终保留一部分数据用于测试，以评估模型的性能。

[6] Thou Shalt Choose an Appropriate Model

必须选择合适的模型
根据任务和预算选择适当的模型。规模和参数量要匹配任务难度。
不要使用过大的模型，也不要使用过小的模型。

[7] Thou Shalt Write Fast Evals

必须小步快跑评估
高频自动化评估，可以及时earlystop和监控模型异常，提高效率。

[8] Also, Thou Shalt Write Slow Evals

必须慢工细活评估
花点时间编写更全面，更可靠的评估标准和评估指标，虽然比较麻烦。
评估做不好的话，会影响实验效率，单位时间的算力消耗更多。费时费钱。

[9] Thou Shalt Not Fire and Forget

不要即发即弃
不要执行一次性的模型训练后就结束。
要持续优化模型和pipeline。

[10] Thou Shalt Not Take the Commandments Too Seriously

不要死板地遵循这些建议