- 博客(917)
- 收藏
- 关注
RSS订阅原创 中国的未来学图书怎么没有外国强
中国的未来学图书在上，确实还没有形成像英美那样成熟的生态。国外未来学图书强，往往不是因为作者真的“预测得更准”，而是因为他们更擅长把包装成一本有冲击力的书。比如像 Peter Diamandis、Yuval Noah Harari、Kevin Kelly、Ray Kurzweil、Alec Ross、Amy Webb 这一类作者，他们写的很多书，本质上不只是“未来预测”，而是把未来变成一种可以传播、可以销售、可以被企业家和普通读者讨论的叙事产品。
2026-05-18 16:36:36
371
原创 不是再证明自己“懂 AI”，而是证明自己能把 AI 变成出版行业里的具体解决方案
我是一名图书编辑，正在将大模型、RAG、知识库和内容评估方法应用于出版流程，重点探索 AI 在书稿审读、选题策划、知识服务和编辑规范自动化中的落地路径。如果你想立刻开始，我建议你用 14 天做出第一个雏形。
2026-05-01 00:42:53
548
原创 AI 编辑工作流设计
这本书到底在讲什么？全书一句话概括；全书内容摘要；各章摘要；核心观点列表；关键词列表；作者主要论点；案例与材料清单；目标读者判断。全书主题：本书围绕职场沟通能力提升展开，试图帮助初入职场的年轻人理解沟通中的情绪、关系、表达和反馈问题。核心观点：1. 沟通不是单纯表达，而是关系管理。2. 高效沟通需要识别对方需求。3. 职场反馈应具体、及时、可执行。4. 情绪管理是沟通能力的重要基础。目标读者：初入职场的年轻员工、基层管理者、希望改善表达能力的普通读者。
2026-05-01 00:40:51
61
原创 面向出版内容的可信 RAG 系统构建与质量评估研究
这个也很重要。你不能只说“回答不好”，要能归因。写一份知识库构建规范；写一份质量评估表；总结不同方案效果；提炼经验；写一篇文章或项目报告。30 天后你就会有一个非常扎实的雏形。
2026-05-01 00:39:05
151
原创 面向图书编辑的 RAG 审读助手原型
目标：快速帮助编辑理解样章内容。300 字摘要；100 字摘要；3 条核心观点；章节结构概括。你是一名资深图书编辑。请基于知识库中的样章内容，生成该样章摘要。要求：1. 不得添加原文没有的信息；2. 摘要应体现主题、核心观点和论证路径；3. 给出引用依据；4. 如果原文信息不足，请明确说明。请用 300 字概括样章主要内容，并列出 3 个核心观点。用一个小型但完整的 RAG 系统，证明你能把大模型技术转化为图书编辑工作中的可用工具，并且能用编辑专业标准评估它的输出质量。
2026-05-01 00:37:46
385
原创 从“我会用 AI”到“我能设计 AI 出版方法”的区别
面向图书出版的 AI 知识系统与编辑工作流研究者面向图书出版的 RAG 知识库与 AI 编辑工作流设计者聚焦图书出版场景中知识组织、智能审稿与内容评估的 AI 出版研究与实践者你有图书编辑经验；你理解内容生产流程；你知道审稿、校对、选题、文案、知识服务的真实痛点；你可以用 AI、RAG、知识库、提示词、评估体系把这些经验系统化；你未来既可以写文章、做项目，也可以包装为产品方案、内部培训、出版社数字化转型方案。这比单纯说“我在学 AI”有竞争力得多。你不一定要成为纯技术型 AI 工程师。
2026-05-01 00:35:41
123
原创 图书编辑 RAG 审读助手
可以直接落地的。这版不是最终完美版，而是一个。它的目标是：你可以把它整理成 Markdown / Word / TXT 文档，直接导入 Dify、FastGPT、Coze、MaxKB 或其他 RAG 平台，用来支撑“图书样章初审评估”。
2026-05-01 00:27:19
131
原创 出版编辑不是简单被 AI 替代，而是可以升级为“出版知识系统的设计者、AI 内容质量的评估者、AI 编辑工作流的组织者
如果你要对外介绍自己未来的方向，可以不要说得太泛。不要只说：我关注 AI 出版。可以说：我关注生成式 AI 在中文图书出版中的应用，重点研究 AI 编辑工作流、AI 生成内容质量评估，以及面向图书内容的 RAG 知识库实践。再压缩一点：我做的是中文图书出版场景下的 AI 编辑工作流与知识库实践。再专业一点：我希望把编辑经验、出版流程和 RAG / 知识图谱等 AI 技术结合起来，探索图书内容从“文本产品”向“可检索、可问答、可复用的知识系统”转型的方法。这个定位就很清楚了。
2026-05-01 00:26:06
347
原创 不要求你一开始就是算法专家，但要求你持续把编辑经验转化为： 流程； 模板； 规范； 评估表； 案例； 实验； 行业判断。
你现在面对的不是一个普通的“学 AI”问题，而是一个职业再定位问题。Dan Li 说明技术上限在哪里；Amye Kenall 说明出版产品型人才是什么样；Helen King 说明作品集可以从用例库开始；Jane Friedman 说明独立行业观察者也能建立影响力；Thad McIlroy 说明出版 AI 可以成为一个长期写作与咨询方向；Springer Nature、Elsevier、Wiley 说明 AI 已经进入出版机构的流程、政策和产品层；
2026-05-01 00:21:16
465
原创 隐性本体能力分析
下面是去掉后的版本，更适合作为一个通用的**“隐性本体能力清单”**，可用于个人认知能力、知识管理、研究训练、内容创作、AI能力评估、组织能力诊断等场景。
2026-05-01 00:10:30
307
原创 从“AI 出版编辑“到“知识型 AI 产品专家“：一次主动的天花板突围
你现在最大的资产其实不是"图书编辑的身份",也不是"AI 的兴趣",而是——你能在文本的细节里看到别人看不到的东西。这件事在 LLM 时代是稀缺品。把这件事往技术和产品的方向延伸,而不是往传统出版的纵深方向钻,你的天花板会从 40 万抬到 80–150 万,甚至更高。出版只是你的第一块跳板,它的价值不在于你留在那里,而在于你曾经把它做透过。
2026-05-01 00:02:43
303
原创 知识型 AI 赛道筛出 10 位真正在做 RAG / 知识库 / LLM 评估 / 企业级 AI 知识产品的 Top 级打工人
这 10 个人加起来，其实就是你未来 5 年职业路径的完整地图从 LLM 评估 / RAG 实践（Monica、Jessica、Ben）切入 → 升级为知识 AI 产品经理（Sushant、Chitrakhi）→ 走向企业级知识 AI 产品负责人（Adrien、Christian、Joel、Rama）→ 长期对标金融 / 顶级行业 AI 负责人（Gideon Mann）。出版只是你的样板间，他们才是你的职业镜像。这条赛道到底分几层？哪一层薪资最高？我现在在哪一层？要去哪一层？每一层的人长什么样？
2026-04-30 23:52:38
344
原创 出版业top级公司励迅的数据分析师 履历分析（脱敏版）
尤其适合高准确性、高可信度、高知识密度场景下的AI产品建设，例如科研搜索、法律知识库、医疗文献问答、专利检索、企业知识管理和智能研究助手。对于科研、法律、医疗、金融、专利等高准确性场景，大模型不能只“生成得像”，还需要可追溯、可验证、可控。如果企业本身是做学术搜索、法律搜索、医疗知识库、专利检索、企业知识管理、AI Agent、智能问答系统或大模型应用平台，这份履历的匹配度会非常高。设计并上线个性化搜索排序模型，在A/B测试中将用户点击率提升X%，将搜索满意度提升X%，并应用于百万级日活科研用户场景。
2026-04-30 23:25:10
550
原创 研究计划：中国历史人口迁移的宏观镜（Macroscope）研究—— 以图数据库与多源史料融合为方法论路径
基于Javier Cha教授在《Fine-Tuning the Historian’s Macroscope》https://culturalanalytics.org/article/id/1027/中提出的方法论框架，我将其迁移并深度改造，为你设计一份可供博士阶段深挖的研究计划。这份计划既保留了原文的核心方法论创见（Neo4j图数据库驱动的多尺度历史分析），又针对中国历史人口迁移这一议题做了本土化、深度化的重构。
2026-04-29 01:50:02
356
原创 数字人文论文里，藏着AI进入文化产业的真实入口
很多人谈AI应用，喜欢从技术本身出发。大模型能做什么，图像识别能做什么，RAG能做什么，智能体能做什么，多模态能做什么，知识图谱能做什么。于是大量产品从技术能力开始倒推场景：既然AI会总结，那就做总结工具；既然AI会问答，那就做知识库问答；既然AI会生图，那就做文生图平台；既然AI会写作，那就做写作助手。很多AI产品看起来功能丰富，却很难进入某个专业场景的日常工作流。它们能演示，能试用，能让人惊叹，但不一定能被持续使用。原因并不复杂：产品解决的往往是技术想象中的问题，而不是专业群体每天真实遇到的问题。
2026-04-29 01:46:27
585
原创 想做AI与人文结合的创业vibe coding 项目 可以看哪些国际顶刊？
搜 “digital humanities”, “cultural heritage”, “story generation”, “LLM evaluation”：搜 “AI writing”, “human-AI collaboration”, “creativity support tools”：看数字人文项目和文本分析方法：看文学、文化、叙事分析：看文博、档案、文化遗产 AI 场景一句话建议：如果你想做 AI × 人文创业，不要只追 AI 顶会，而要用。
2026-04-29 01:34:01
649
原创 语言模型评估中的人类中心主义偏见
这篇文章最重要的观点是：评价大语言模型时，不能只警惕“把模型看得太像人”，也要警惕“因为模型不像人就否认它的能力”。模型的失败可能来自辅助任务要求、测试时计算瓶颈或内部机制干扰；模型的成功也不必因机制不同于人类而被贬低。更公正的评价方式，是把行为实验和机制研究结合起来，逐步建立适合机器智能自身特点的能力评价框架。如果说 QRA 论文是在提醒我们“评价结果要量化、可比较、可复现”，那么这篇文章是在提醒我们“评价对象不能被人类中心标准预先误判”。
2026-04-29 01:27:52
235
原创 NLP/机器学习评价实验可复现性如何“量化评估”*？
这篇论文有一个重要特点：它没有重新发明一套 NLP 专属的“复现性”概念，而是回到计量学 metrology的定义。作者引用了 International Vocabulary of Metrology，简称 VIM，对 repeatability 和 reproducibility 的定义。通常指在相同测量条件下重复测量的精密度；指在不同测量条件下重复测量的精密度。作者将这个思想迁移到 NLP/ML 评价实验中。计量学概念NLP/ML 中的对应概念measurement 测量。
2026-04-29 01:15:11
546
原创 问AI十个问题，让一本书从选题到上市效率翻倍
以"心理内耗摆脱指南"为例，AI分析近一年全网数据后反馈，“心理内耗"相关关键词搜索量同比增长300%，核心聚焦"职场内耗摆脱”"低成本调节精神内耗"等细分需求，契合大众"关注自身心理、追求轻量心理疗愈"的新趋势。以"儿童心理成长陪伴指南"为例，AI描摹出核心读者为30～45岁、本科及以上学历、有5～12岁孩子的职场父母，消费能力中等偏上，偏好碎片化、图文结合的阅读形式，核心痛点是"不懂儿童心理、无法有效陪伴、因亲子关系产生焦虑"。编辑可据此弱化专业理论，强化抗压实操方法，让内容与定位形成真正的呼应。
2026-04-14 15:16:09
379
原创 出版行业变革
NEWS为打破科研出版与知识探索的障碍，大学出版社与图书馆堪称天然的合作伙伴。本文选取天普大学（Temple University）、利物浦大学（University of Liverpool）、布朗大学（Brown University）三所院校作为研究案例，详细阐述大学出版社与图书馆的协作举措，介绍相关项目的落地流程、对合作双方的长远价值，以及最终怎样助力出版社与图书馆达成共同目标，即推进开放获取学术交流、促进学术多元化发展、拓宽知识传播与获取途径。本次案例研究涉及三大项目：布朗大学数字出版项目（Bro
2026-04-13 14:32:38
399
原创 寻找新技术红利的策略与工具：不是追风口，而是建立持续发现机会的能力
很多人以为吃到技术红利的关键，是消息灵通、认知超前、紧跟热点。其实这些都不是最核心的。把模糊趋势迅速转化成清晰假设，再把清晰假设用低成本方式验证出来。也就是说，技术红利不是一个“看见”的问题，而是一个“承接”的问题。你需要看见趋势，也需要看见需求；需要理解技术，也需要理解组织；需要关注外部世界，也需要诚实评估自己；需要保持兴奋感，但更要有证伪意识。你到底替谁解决了什么问题，并且比原来好多少。谁能把这个问题回答清楚，谁就离真正的新技术红利更近。好，我直接接着往下写。
2026-04-10 17:59:04
538
原创 AI种草提示词过时了吗?
换句话说，今天更强的提示词不只是让 AI 产出一段文字，而是让它参与一整套内容资产的搭建：这个选题能不能系列化，这个场景能不能多角度复用，这条内容在账号里扮演什么角色，是拉新、种草、转化，还是建立人设。前者是广告感，后者是模型感。它会用一些很像用户口吻的话，模拟一种生活细节，但读多了你会发现，这些细节经常是漂浮的，没有证据支撑，也没有足够具体的摩擦感。今天的 AI 文案，已经不能只追求“像平台内容”，而要追求更具体的东西：像某一类人、在某一种处境里、因为某一个真实原因，说出某一段带着个人判断的话。
2026-04-03 17:27:13
359
原创 深度解读 tect-brain 2.0：构建你的私人技术雷达与情报决策系统
技术传播遵循着一套隐秘的链条：从实验室的构想，到社区的讨论，再到企业的产业布局，最后沉淀为体系化的知识。arXiv（学术前沿 - 蓝色信号）：代表了技术的源头。当某个领域的论文发表量持续增加，说明理论基础正在稳固。Hacker News（社区情绪 - 橙色信号）：代表了开发者的热议程度。这里是技术走向大众视野的第一站，反映了真实的市场情绪。专利申请（产业落地 - 绿色信号）：这是最容易被忽视但最具含金量的信号。企业开始申请专利，意味着商业化落地的意图已经明确，真金白银的投入正在发生。
2026-04-02 09:18:59
212
原创 深度拆解 Claude Code 泄露源码：50 万行 TypeScript 背后隐藏的 Agent 进化逻辑
Claude Code 的源码泄露，撕开了 AI Agent 工业级实现的最后一层面纱。工程化的记忆管理：AI 必须学会主动整理信息，而不是被动堆叠上下文。极致的成本优化：利用 Prompt Cache 等技术特性，将并发任务的成本降至最低。深度的环境感知：通过CLAUDE.md等机制，让 AI 真正“长”在你的项目里。防御性编程思维：在开放的互联网环境下，如何保护自己的数据资产不被蒸馏。人文关怀的注入：通过趣味性的交互，缓解开发者与 AI 协作时的张力。
2026-04-02 09:18:25
524
原创 为什么“穷游”的人变多了，传统青旅却快消失了？
根据同程旅行的报告，今天年轻人的住宿首选是民宿，其次是标准化的经济型酒店。民宿承接了青旅曾经拥有的“在地体验”和“个性表达”，而酒店则提供了青旅给不了的“稳定感”与“私密性”。传统青旅正在经历一场痛苦的洗牌。一部分坚持原教旨主义的门店因为无法覆盖租金而倒闭；另一部分则转型为“精品旅舍”或“设计酒店”，通过提高私密性和单价，退出了国际青旅的廉价体系。那个“四海之内皆兄弟”、在烟雾缭绕的公区弹吉他聊人生的时代，终究是随着背包客文化的改写而远去了。性价比依然是主流，但人们不再愿意用社交去换取那廉价的床位。
2026-04-02 09:17:48
102
原创 皮克斯角色艺术总监揭秘：如何让你的角色栩栩如生
许多初学者对角色设计的理解往往局限于“画得好看”或“风格独特”。但在顶级工业流程中，角色设计被赋予了更沉重的使命：在象征意义和字面意义上同时塑造一个生命。这一过程要求设计师同时扮演画家、心理学家与叙事者三种角色。首先是作为画家的基本功。线条的张力、形状的平衡、色彩的心理暗示、比例的夸张程度以及材质的触感，这些视觉元素构成了角色的生理基础。然而，如果仅仅停留在这一层，角色只是一个漂亮的空壳。其次是作为心理学家的深度挖掘。迪安娜强调，必须把角色当成一个真实的“人”去设计。
2026-04-02 09:16:50
197
原创 破局产教融合“两张皮”：深度拆解高技能人才集群培养计划的底层逻辑与实施路径
DataEase的成功不是偶然的。它之所以能够在竞争激烈的BI工具市场中脱颖而出，正是因为它始终坚持用户至上的理念。从简洁的安装流程，到直观的操作界面，再到丰富的功能特性，DataEase的每一个设计决策都在考虑用户的体验。如果你也有数据可视化的需求，想快速地创建仪表板和数据大屏，DataEase绝对是首选，强烈推荐。你可以访问GitHub（https://github.com/dataease/dataease/）或官网（https://dataease.cn/）了解更多信息。
2026-04-02 09:16:21
88
原创 别再把AI当聊天机器人了：Claude Code之父的“15倍速”工程化工作流全拆解
AI编程的正确姿势，到底是“问一句改一句”，还是“发任务—审计划—验收结果—沉淀规则”？从Copilot到Agent Team，这中间的鸿沟不是技术能力，而是工作方式的认知差。从2个并行会话开始，尝试异步工作。写下你的第一行CLAUDE.md，把纠错变成资产。强制要求AI先出计划再写代码，把审核点前置。AI不会取代程序员，但“管理15个AI的程序员”一定会取代“只会跟AI聊天的程序员”。生产力的上限，现在掌握在那些敢于重构工作流的人手中。
2026-04-02 09:13:50
551
原创 氛围编程时代的困境：我们是否正在让自己变得多余？
氛围编程不是革命，它是一种文化信号，反映了人类对效率、即时满足和直觉化创造方式的偏好。AI宣称能让每个人都成为开发者，但仅仅拥有工具并不等同于拥有技能。如果没有对手工艺的深度浸淫，这种"即时创造"往往只是一场虚假的繁荣。氛围编程是一次强大的工具进化，但它不应取代手工艺。如果我们放弃了学习的过程，我们放弃的不仅是技术，更是对生命和自我的信任。在追求效率的同时，我们必须守护对理解的渴望、对工程美学的追求，以及对人类尊严的坚持。只有这样，我们才不会在技术进步的浪潮中迷失自己，才不会真正变得多余。
2026-04-02 09:13:00
359
原创 如何把你的研究方法，写成一份AI可以执行的“仕様書“？
定义方法，需要真正做过研究的人，需要在这个领域里摸爬滚打过的人，需要知道哪里是关键、哪里是陷阱、哪里必须保留人工判断的人。这个过程，不是在承认自己的方法有问题，而是在做一件非常有价值的工作：把你的隐性知识，变成显性知识。所以，不管你的研究方向是什么，不管是人文、社科还是理工，把方法写清楚，都是有价值的事情。因为AI没有"同行的理解"，没有背景知识，没有填补空白的能力。就是一个完全不懂这个领域的人，看到这一步的描述，知道自己应该做什么，知道做完之后的结果应该是什么样的，知道如果出现问题应该怎么处理。
2026-04-02 09:11:53
218
原创 有声书实证研究的现状与展望
有声书不仅是文字的音频化，更是一种独特的文化实践。当下的实证研究正处于从“现象描述”向“理论建构”跨越的关键期。未来的研究者需要走出实验室和问卷的象牙塔，深入到声音景观的微观机理中，去捕捉那份独属于耳朵的温度与深度。李武,刘晴川.听觉文化复兴背景下有声书实证研究的现状与展望:基于CSSCI期刊论文的分析[J].中国数字出版,2026,4(2):5-12.
2026-04-02 09:11:20
180
原创 《吐槽大会》编剧与导演团队意见平衡机制深度研究报告
分歧复盘会：每期节目制作完成后，召开分歧复盘会，编剧团队与导演团队共同回顾“本期出现的分歧类型、解决方式、处理效果”等，总结经验教训（如“前期信息共享不充分导致嘉宾对槽点接受度低”“读稿会反馈不够具体导致修改效率低”等），并提出改进措施（如“建立嘉宾槽点边界清单”“制定读稿会反馈模板”等）。流程迭代更新：根据分歧复盘会的结论，定期更新《节目制作流程手册》《岗位职责说明书》等文档，优化沟通机制和操作流程。
2026-04-02 09:01:53
386
原创 翻唱背后的态度消费主义：当我们消费的不是歌，而是一种活法
翻唱，从来都不只是音乐。它是人类在时间的流逝中寻找情感锚点的方式，是人们在社会的洪流中确认自我身份的仪式，是一代人向另一代人传递精神遗产的渠道。翻唱背后的态度消费，是人类最深层的情感需求之一——被理解的需求，被确认的需求，找到同类的需求。AI的介入，让这一切变得更加复杂，也更加迫切需要我们的反思。什么是真实的态度？真实的态度还有价值吗？我的答案是：有，而且比以往任何时候都更有价值。正是因为AI可以无限生成"态度的幻觉"，真实的人类态度才显得如此珍贵。
2026-03-31 23:31:15
386
原创 用 AI 生成 n8n 工作流，15 分钟搭完我手动要搞半天的东西
四步走：ChatGPT 搜模板 → Claude Code 批量下载 JSON → 喂需求生成新工作流 → 导入 n8n 微调验证。全程 15 分钟，人只需要做 OAuth 认证和少量节点修复。最近折腾了一个思路，用来解决 n8n-MCP 的一个根本性缺陷——然后顺手在 15 分钟内搭出了一个 Reddit 舆情监控工作流。。
2026-03-31 19:49:19
564
原创 足球中的进攻心率图：如果把一场比赛看成一张“心电图”，数据分析师能看到什么？
如果用最简单的话来说，进攻心率图就是把一支球队在比赛过程中“进攻压力”随时间的变化画出来。横轴通常是比赛时间，纵轴通常是某种进攻强度指标。这个指标可以简单，也可以复杂，取决于你分析的深度。最基础的做法，是用某一时间窗口内的进攻事件数量来表示强度。进入进攻三区次数禁区内触球次数射门次数关键传球次数角球和定位球次数高位夺回球权后的推进次数如果这些事件在短时间内密集发生，曲线就会明显抬高；如果球队长时间被压制，曲线就会在低位徘徊。
2026-03-31 15:50:48
609
原创 用 Rust 搭了一个“本地技术情报助手”：从信息过载到可复用判断系统
我一直觉得，技术人最容易陷入的一种幻觉，是“我知道得很多”。每天打开手机，社区热帖、论文摘要、GitHub 项目、播客切片、专利快讯、出版新书，信息洪水一波接一波。但说实话，绝大部分时候我们只是“看过”，不是“沉淀过”；只是“接触过”，不是“判断过”。我自己就长期被这个问题困住：信息越多，焦虑反而越高。因为你会越来越清楚地意识到，碎片不等于认知，热闹不等于趋势，见闻不等于判断。你今天刷到一个新概念，觉得它会改变世界；明天看到另一个技术路线，又觉得前者可能只是泡沫。
2026-03-29 13:38:38
497
4
原创 中台忽悠过的，小龙虾再忽悠一次：技术叙事的轮回与企业数字化的真相
写到这里，我想回到文章开头的那句话：“历史不会简单原样重现，但总会押韵重演。中台热和小龙虾热，是同一首歌的两个版本。旋律相似，但编曲不同；故事相似，但主角不同；结局可能相似，但影响的深度和广度，可能大不相同。AI技术，是真实的技术进步。大模型的能力，是真实的能力跃升。智能体的潜力，是真实的潜力。这些，都不应该被否定。但是，技术的真实价值，和叙事所描绘的价值，之间永远存在着鸿沟。这个鸿沟，不是技术进步能够填平的，而是需要组织变革、流程适配、数据治理、人才培养——这些慢功夫来填平的。
2026-03-26 16:09:14
551
原创 通过comfyui 用 LTX-2 把一段文字变成视频：一篇看得懂的使用指南
一、准备好模型文件，放到正确的目录，重启 ComfyUI。二、提示词不是关键词堆砌，而是一段动态场景描述，要写清楚"谁、在哪、做什么、怎么动、镜头怎么走"。三、第一次运行用低分辨率、少帧数，先跑通，再升规格。四、frame_count 要满足"被 8 整除加 1"的规则，比如 41、81、121。五、右边的保存节点只负责导出，不影响生成质量。六、遇到问题先看报错信息，90% 的问题是模型没放对、显存不够、提示词太空。
2026-03-25 22:45:33
463
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人