AI 应用层的机会多的吓人

最简单，作为一个语言模型，现在并没有好用的 AI+写作的工具，很多人写东西还是: ChatGPT 列大纲 => 让 AI 生成内容 => 复制到 word 里 => 复制出想要修改的部分 => GPT 生成再复制回去 => 循环往复

chatGPT canvas 明显是想解决这个问题，但做的太差了。很多时候写东西还不如用 github-copilot/cursor 好用。

所以，找到合适的垂直领域，找到真正懂这个领域的产品经理，梳理好这个领域传统的工作流程，寻找用 AI 增强的部分，深入的设计优雅好用的交互流程，就能做出不错的产品。 但依旧，不要抱着“AI 颠覆一切”的高傲去做这个事情，AI 现在并不能直接完整颠覆一个领域，应该抱着谦卑的态度深入学习这个领域，以合适的方式去引入 AI，才能让大量的传统用户迁移

如果你需要例子，在前 AI 时代的 notion 就是，这个世界有无数 notes 软件了，但总是各有各的问题，notion 就是懂用户的产品经理，花心思设计一切流程，他不是颠覆性的，不是让用户要学习很多新东西的产品，而是一用就觉得舒服，一用就觉得 “我找到我想要的产品了！” 的感觉。

AI 编码能力的增强对初级程序员可能的利空

过去，一般是一个 senior 带几个 junior coder，senior 设计整体架构，junior 去实现，在这个过程中，junior 逐渐学习经验，逐渐成长。 这个过程中，junior 会犯很多错，senior 帮忙 review，从而迁移编码经验

但现在，senior 设计完毕后，AI 编码，然后 review + 修改即可。这显然要比之前快很多，减少了碳基生命之间低效的沟通。 在前 AI 时代就有，“付一个人程序员加班费远比雇两个程序员更有价值，因为沟通效率会严重影响产出”

从这几天的观察来看，deepseek (后面简称 ds)对国内 AI 的整体促进作用是非常夸张的，几个观察

• ds 的优势就是 o1 级的能力，完全开源，并且中文能力强

• 大量大厂 chat bot 放弃自研模型，接入 ds，效果获得巨大提升。当然并不是放弃自研的研发，而是现在有更好用的模型就先用着，之后自己的起来了再切换

• 大量企业内部部署来进行公司内部的使用，很多觉得使用 gpt 麻烦的人（确实麻烦，各种魔法），会使用内部的部署来进行平时的工作，不限于写代码，而是各种职位都开始尝试使用 AI，开始提效

• 在国内破圈，之前喊了这么久的 AI，其实国内普通人并没有用到质量合格的 AI，大量的人至于尝鲜。现在不止 ds 官方，各种 chatbot 都开始接入 ds，国内普通人第一次开始深入把 AI 接入 chatbot

• 大量传统企业，特别是国央企获得可信任 自部署的模型，这个的影响会比想象的深远

deepseek 这一波的影响会持续扩散，半年后往回看，可能会更有感慨

朋友要做的 llm 应用，过来找我帮忙，我直接帮他快速入门了一下 langchain，各种介绍。但朋友总觉得有点麻烦，即使是程序员也不想写那么多代码，还要自己部署啥的

然后我说… 要不你试试 dify，我简单减少了一下，朋友眼睛都亮了，“我要的就是这个！”

所以，如果你想给自己的产品尝试加一些 llm 的功能，dify 是一个很不错的开始，拖拽的方式创建 llm flow，然后一键部署成 API，就可以在自己的应用里使用了 等 idea 验证成熟了，再进一步优化