RichChat

译者注

作为一名长期关注AI技术落地的从业者，我在实际工作中见证了AI在软件研发领域带来的显著提效。最新这篇来自a16z的文章系统性地梳理了AI软件开发的整个生态，专门整理翻译一下供参考。

对照文中提到的场景，从我个人实际经验中也已经看到了下面这些方面的实际应用：

• 老代码迁移（Legacy Code Migration）是其中一个令人印象深刻的应用场景，AI能够理解老旧代码的逻辑并协助迁移到新的技术栈，大大降低了技术债务的偿还成本；
• 在快速原型和Demo构建方面，我看到越来越多产品经理背景的朋友开始直接使用AI工具来验证自己的产品想法，这在过去是不可想象的。传统上，产品经理需要依赖工程师才能将想法变成可交互的原型，而现在他们可以自己动手，这极大地加快了产品迭代的速度；
• AI在生成和维护文档、测试用例方面的能力同样令人瞩目。技术文档和测试用例的编写一直是开发过程中耗时但必要的工作，而现在AI不仅能够基于代码自动生成高质量的文档和测试用例，还能在代码变更时同步更新，甚至同时生成测试脚本，以及智能地识别潜在的边缘案例，提升测试覆盖率；

我之前写过的一篇文章《AI 时代的新法则：2 个产品经理配 1 个工程师？》，其中我探讨了未来团队的角色组合 - 我认为随着AI工具的成熟，团队将需要更多的”通才”或”T型人才”，他们不仅要懂产品，还要能够利用AI工具快速实现想法。而在另一篇最近的文章《美图的AI转型蓝图》中，美图在其AI转型过程中也在强调”人人都是多面手”的理念，鼓励每个团队成员掌握多种技能，并善用AI工具来提升工作效率。

这种转变不仅仅是工具层面的升级，更是组织架构和人才能力模型的重构。当产品经理可以自己构建Demo，当工程师可以借助AI处理更高层次的架构设计，团队的协作方式和价值创造模式都将发生根本性的变化。a16z这篇文章所描绘的万亿美元市场，本质上是对整个软件开发范式转变的量化估算。

当流量来源悄然改变

根据最新Adobe发布的2025年9月一组数据：美国零售网站来自AI来源的流量同比激增了1,100%。而且，这些通过ChatGPT、Claude、Perplexity等AI工具进入网站的访问者，表现出了比传统渠道更高的商业价值：参与度提升12%，转化率提高5%。

这意味着什么？当你的潜在客户在ChatGPT里询问”适合敏感肌的护肤品推荐”或”性价比高的露营装备”时，如果AI看不到你的网站内容，你就彻底失去了这个客户。不是排名靠后，而是压根不存在。

而我最近用一个免费工具测试了几位朋友的网站后发现：大部分网站并没有为这个新时代做好准备。

80%的企业存在严重可见性缺陷

Adobe刚刚推出了一款名为LLM Optimizer的产品，根据其发现：80%的企业网站存在严重的内容可见性缺陷，导致AI无法访问关键的产品信息或评论。这不是技术问题，而是一个时代错位的问题：我们的网站优化策略还停留在为Google、百度这样的传统搜索引擎服务的时代，而AI代理的内容抓取方式完全不同。

译者注

最近在LinkedIn上，我看到Tim O’Reilly推荐了一篇文章，称其为”管理者必读的AI文章”。其作者Aparna是微软AI体验首席产品官，她在文中提出的核心观点 - “大部分工作即翻译”，让我也深有感触。

作为曾经的产品经理，我觉得PM工作的核心本质其实就是不断地在做”翻译”。PM们需要将用户在访谈中表达的模糊需求和痛点，翻译成可量化的用户故事；将业务部门提出的战略目标，翻译成具体的产品功能和路线图；将技术团队反馈的实现难度和架构约束，翻译成易于理解的权衡方案呈现给老板；将复杂的产品逻辑和交互流程，翻译成开发团队可以执行的PRD文档。每一天的工作，实际上都是在不同的”语言”之间穿梭：用户的语言、业务的语言、技术的语言、老板的语言。

如果再结合当前做AI顾问后的具体经验，这种”翻译”工作的本质变得更加明显。AI技术本身充满了专业术语：transformer架构、token限制、提示工程、RAG检索增强、微调与对齐等等。但企业客户关心的从来不是这些技术细节，他们想知道的是：这个技术能帮我解决什么业务问题？实施成本多高？多久能看到效果？有什么风险？我的大部分工作就是在深入理解AI能力边界的基础上，将这些技术可能性”翻译”成”人话”，让业务负责人能够理解，并进一步”翻译”成具体的应用场景和落地方案。

Aparna在她的文中提出：组织中的大量工作，本质上都是信息在不同形式、不同层级、不同部门之间的转换和传递。而LLM的出现，第一次让这种”翻译”的成本趋近于零。这不仅仅是效率的提升，更可能从根本上重塑组织结构：当中间层的”翻译”工作可以被AI高效完成时，传统的金字塔型组织架构将不再是必然选择。

这是一个值得所有管理者和知识工作者深入思考的洞察。

在写过 Shopify 和一系列 AI-First 公司 的转型故事后，我一直在观察，国内哪家大厂会率先系统性地提出自己的“AI时代组织进化论”。说实话，我没想到第一个公开、系统性地分享AI时代组织进化思考的中国互联网大厂，会是美图。

在很多人（包括我）的印象里，美图是一家老牌的工具型产品公司，近年来也缺少了一些“爆款”故事。但这次美图17周年的内部分享，让我看到了一家老牌互联网公司面对AI浪潮时的清醒认知和果敢行动。更难得的是，他们不是简单地喊口号，而是拿出了实实在在的实践案例和组织变革方案。

这不再是“要不要用AI”的讨论，而是“如何成为一个AI原生组织”的实践蓝图。

亮点一：“反惯性工作流”，向大公司病开刀

吴欣鸿在分享中毫不避讳地指出了大公司的“惯性工作流” - 冗长的需求文档、开不完的同步会、漫长的审批链条、以及“各扫门前雪”的职能边界。这几乎是所有发展到一定规模公司的通病，也是创新效率的最大敌人。

引言：一场营销行业的“大地震”

让我们先看一组数字：全球数字广告市场规模6000亿美元，Google和Meta占据70%份额，养活了超过500万营销从业者。

在上一篇文章《7亿免费用户的变现密码：GPT-5路由器背后的万亿美元游戏》中，我们探讨了OpenAI可能通过“交易抽成”而非传统广告，来开启其7亿免费用户的商业化之路。这个构想一旦成为现实，它引发的将不仅仅是科技圈的震动，更是一场席卷整个数字营销行业的“大地震”。

当用户不再需要通过搜索、点击广告来完成购买，而是由一个无所不能的AI助手直接代劳时，营销人将面临什么样的挑战？

第一幕：我们曾笃信的世界 - 注意力为王

回想过去的二十年，数字营销的核心逻辑从未改变：争夺用户的注意力。

• SEO（搜索引擎优化）：SEOer夜以继日地研究算法，优化关键词，构建链接，只为在搜索结果中占据一个靠前的位置；
• SEM（搜索引擎营销）：搜索引擎营销顾问为每一个关键词出价，计算CPC（单次点击成本），优化落地页，目标是拦截用户的搜索意图；
• 效果广告：投放师在社交媒体、内容平台投放信息流，用精准的定向和诱人的素材，争夺用户屏幕上宝贵的几秒钟停留。
  阅读全文 »

引言：一个被巧妙误解的发布

当GPT-5发布时，许多付费的“超级用户”感到失望。他们期待的是模型能力的飞跃，但看到的似乎只是小修小补。然而，如果GPT-5的真正目标并非那些已经付费的用户，而是OpenAI那超过7亿且仍在飞速增长的免费用户群体呢？让我们跟随SemiAnalysis的最新深度分析来一探究竟：

真正的流量巨头

2023年11月，ChatGPT的网站流量还排在全球100名开外。而今天，它已跃升至第5位，超越了Twitter(X)、Reddit和维基百科等老牌巨头，直逼Google和Facebook。在全球前10的网站中，ChatGPT是最年轻的，这增长速度无人能及。

这个庞大、高粘性的免费用户基础，是OpenAI最宝贵的资产，也是其未来商业帝国的真正基石。而将这股流量变现的钥匙，就是本次GPT-5更新中最核心却又最低调的功能 - “路由器/router”。

在 Lenny’s Podcast 的最新一期节目中，ChatGPT 产品负责人 Nick Turley 首次分享了这个史上增长最快产品背后许多不为人知的、甚至可以说是“草率”又“疯狂”的故事。以下是一些我印象深刻的细节：

惊喜的诞生：一个差点被关掉的“研究演示”

你可能很难想象，如今无处不在的 ChatGPT，最初并不是一个被寄予厚望的明星产品。恰恰相反，它诞生于一次内部的 Hackathon（黑客马拉松），其初衷仅仅是作为一个测试 GPT-3.5 模型能力的临时研究演示。

更令人惊讶的是，最初打造出 V1 版本的团队，完全是由来自公司不同部门（如超级计算、研究等）的”志愿者”临时组成的。它的内部代号充满了技术宅的气息——**”SA Server”（Super Assistant Server，超级助手服务器）**，因为团队最初想做的是一个超级助手。而对外，他们差点就叫它”Chat with GPT-3.5”（与 GPT-3.5 聊天）。

据 Nick 回忆，团队当时完全没想过它会成为一个成功的产品，甚至计划在收集到足够的数据后就将其关闭。从决定发布到上线只用了10天，发布时甚至连聊天历史功能都没有。

人工智能领域飞速发展，但究竟谁才是站在最前沿、推动技术突破的研究者？最近，TBPN 推出了一个名为 “Metis List” 的榜单，列出了全球最具影响力的AI研究员。这个榜单的有趣之处在于，它既参考了学术影响力，也加入了一些同行评议和大众视角，因此更像是一份“AI明星榜”。

在这份榜单里，既有我们耳熟能详的深度学习“三巨头”，也有新生代的AI新星。今天，就带大家快速看看当前排名前十的研究者，看看你能认出几位？

什么是Metis List？

Metis List是由The Brown-Peterson Networks (TBPN)创建的一个权威榜单，旨在识别和展示全球最顶尖的AI研究人员。这个榜单不仅考虑了研究者的学术声誉、论文引用数量，还关注他们在顶级会议（如NeurIPS、ICLR、ICML）上的表现，以及他们对整个AI领域的实际贡献。

排名前十的AI研究巨星

当前排名前十的研究者，每一位都是AI领域的传奇人物：

世界顶级的运动员都拥有一个全天候待命的团队：一个顶尖的健身教练，他了解你的体能极限；一个睡眠专家，他知道你昨晚辗转反侧的原因；还有一个健康顾问，他能随时回答你“今天该多睡一会还是去健身？”这样的难题。这听起来像是亿万富翁才有的特权，但很快，它将能出现在你的手腕上。

在最近的“Made by Google”发布会上，谷歌宣布为 Fitbit 用户推出一款由其强大的 Gemini AI 模型驱动的全新个人健康教练。

不只是记录，更是你的专属“性能顾问”

多年来，智能手环和手表擅长记录我们的步数、心率和睡眠，但它们往往只是数据的呈现者。而这款全新的 AI Health Coach 旨在成为你的“合作伙伴”和“决策者”。它将集三大核心角色于一身：

1. 真正懂你的健身教练

你的旅程将从一场对话开始。告诉 AI 教练你的目标（减重、增肌还是提升耐力？）、你的偏好以及你拥有的健身设备。它会为你量身打造一套详尽的、可执行的健身计划。

但这只是开始。它最强大的地方在于动态调整。假如你因为前一晚没睡好，早晨醒来时 Fitbit 的“准备分”（Readiness Score）很低，AI 教练会立刻捕捉到这个信息，并自动建议你调整当天的训练计划，或许将高强度间歇训练（HIIT）改为一次轻松的恢复性瑜伽。如果你不小心扭伤了背，也可以随时告诉它，它会立刻为你修改后续的锻炼内容。

当你看到社交媒体上别人用Google 最新的图片生成模型 Nano Banana (Gemini)生成的各种惊艳图片，无论是将任意人物生成3D手办或者是从家装展示平面图直接变成渲染好的建筑俯视图，都让你惊叹不已。但当你自己兴冲冲地打开Nano Banana，输入提示词后，得到的图片却总是“差点意思”？

• “我想要一只猫在太空，为什么出来的像个贴纸？”
• “我想给我的照片换个背景，怎么整个画风都变了？”
• “为什么别人能生成那么精致的细节，我的却模糊不清？”

如果你有这些疑问，那么恭喜你，这篇文章就是为你量身打造的。问题往往不在于模型本身，而在于我们与它“沟通”的方式 - 也就是提示词（Prompt）。

今天，我们将深入剖析源自 Google 官方文档 的核心技巧，为你带来一份 Nano Banana 的终极提示词实践指南。忘掉那些复杂的参数和玄学吧，掌握了这些原则，你也能成为AI绘画大师！

黄金法则：告别关键词，学会讲故事

在我们开始之前，请记住 Nano Banana 提示词最核心的一条黄金法则：