共 622 集。
狗熊有话说 / BearTalk
这期节目聊的是大卫·格雷伯的《毫无意义的工作》,英文书名 Bullshit Jobs。 **从一句话开始** 一位曾任设计总监的前同事说,如果自己消失二十多天,甚至一个月,可能都不会有人意识到。这句话让 Bear 很难忘。它说出了一种隐秘的恐惧:工资照发,会议照开,人却开始从工作里消失。 **这本书在说什么** 格雷伯把"糟糕的工作"和"狗屁工作"分开来看。清洁工可能辛苦、薪水低,但没人会怀疑清洁有没有价值。一个办公室岗位可能体面、轻松、收入不错,坐在里面的人却知道,岗位消失也不会发生什么。他真正关心的,是后一种撕裂:必须每天郑重其事地表演工作,同时又清楚这场表演没有观众。 书里把这类工作分为五种:随从、打手、拼接修补者、打钩者、分派者。五个名称背后是同一套逻辑:组织需要维持权力结构和体面外观,于是工作开始服务于结构本身。 **几个值得停下来想的点** 格雷伯写道:"个人一旦停止对世界产生有意义的影响,那这个人就不复存在了。"狗屁工作切断了动作与结果之间的回路,只留下薪水和表演。 书中还点出一个刺眼的矛盾:大部分人的尊严感与工作谋生息息相关,同时大部分人又憎恨自己的工作。这种痛苦很难公开表达,因为别人会说你收入不错、办公室体面,还有什么不满足。 AI 的出现又把这个问题推给更多人。很多信息搬运、格式整理的任务突然显得脆弱。人们担心被替代,背后还有更深的一层:如果机器很容易拿走这些事,那么过去究竟在创造什么? **Bear 自己的检查方法** 两组问题: 第一,分开价值与忙碌。这个任务完成以后,谁的处境发生了变化?它创造、保护、修复或转移了什么?如果停止三个月,谁会最先发现?如果答案只是"上级会看到我没交报告",问题可能就在报告本身。如果答案是某种风险会在关键时刻失去控制,那么这份工作的价值可能存在,只是无法用八小时持续忙碌来展示。 第二,分开职业与意义。工作可以提供收入、结构、身份和贡献,却没有义务独占一个人的全部意义。书的推荐序里有一句话:"人们并不会将个人的职业视作后人对自己的主要评价来源。"我们初次见面总爱问对方做什么工作,墓碑却很少记录职位。 **关于这本书的争议** 批评同样有分量。《卫报》书评认为前面约三分之二主要在反复扩写原来的文章。后续实证研究(Soffia、Wood、Burchell 使用欧洲工作条件调查)发现,认为自己工作无用的人占比比格雷伯推测的低,职业分布也没有完全符合他的预测。研究者认为,糟糕管理和劳动异化可能比"某类职业天生无用"更能解释这种痛苦。格雷伯抓住了真实的伤口,但对规模和成因的解释仍可争论。 《纽约客》说这本书兼具"聪明和个人魅力",《卫报》写道"指出这些狗屁,本身就是一份工作",《泰晤士报》概括为"令人愉快地夸大了事实"(三句均为 Bear 自译)。放在一起很公平。 **作者简介** 大卫·格雷伯,美国人类学家,公开认同无政府主义立场的社会活动者。曾在耶鲁大学、伦敦大学金匠学院任教,后任伦敦政治经济学院人类学教授,2020 年去世。他深度参与了"占领华尔街"运动的早期组织。主要作品包括《债:5000年债务史》《规则的乌托邦》,以及与 David Wengrow 合写、在他去世后出版的《人类新史》。《毫无意义的工作》源自他 2013 年发表在激进杂志 Strike! 的一篇文章,后扩展为 2018 年出版的书。 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
15 分钟 70 次播放 2天前
### 本期聊什么 Raycast 是 Bear 日常高频使用的效率工具,按下 Control + Space,打三四个字母,要找的 app、文件或者下一项工作就到了眼前。它有超过 2500 个扩展,这个数字经常被拿来说明它的护城河有多深。但这期节目要聊的,是这个数字没有告诉你的事。 ### 核心观点 **一致性是真实的优势** Raycast 的扩展是开源的,基本用 TypeScript 和 React 编写,并且必须使用 Raycast 自己的组件库。这个约束带来了一个好处:不管是谁写的扩展,用起来通常都像原生功能。Chrome 扩展允许开发者用任何 web 技术,质量和界面参差不齐。Raycast 的做法不一样,控制了组件和交互方式,结果就是第三方扩展通常看起来、用起来都像内置功能。Color Picker 扩展有大约 45 万次安装,613 位贡献者,这正是一个健康的平台最希望拿出来展示的样子。可一个有 45 万次安装的明星扩展,证明不了它背后的整个生态是健康的。 **分布说明了什么** 公开的下载排名显示,前 15 名扩展的安装量大多在 10 万到 40 万之间,之后数字迅速跌落,进入一条漫长的低活跃长尾。Raycast 自己的扩展指南里有一个章节专门讲"已废弃的扩展"。当维护者停止回应,团队在三次联系失败后会介入处理。一个平台写出这样的政策,说明它确实需要这样的政策。 Bear 自己的估计:真正活跃维护的扩展大约在 500 到 800 个之间。这依然是一个有价值的核心,但和"2500 个都在蓬勃运转"是完全不同的两件事。 **判断生态健康,看这三个信号** 总数是最后才看的东西。更有用的是: - 头部和长尾之间的分布。如果前 20 个扩展占据了绝大多数安装量,长尾对普通用户来说可能价值有限。 - 更新频率。过去六个月内有多少扩展被动过?放在商店里不等于还能跑。 - 新开发者的到来速度。新贡献者是否足够快地补上那些停止维护的人? **藏在中位数里的真实价值** 很多人直接把扩展数量读成 Raycast 对抗 Spotlight 和 Apple Intelligence 的防御。但如果用户真正依赖的体验集中在少数几个头部扩展里,那么几个关键维护者消失,可能在一两个月内就改变整个工具的感受。平台的真实价值往往藏在中位数里,营销页面上最大的那个数字看不出来。 **一个旁证:Vodafone NZ 的 PS5 预购** Bear 早年在 Vodafone NZ 做销售系统时有过一段经历。当时把完整的购买流程梳理出来,顺畅的那条路(用户买了东西、拿到东西)大概只占设计工作的 5% 到 10%。剩下 90% 是退款、纠纷、升级处理、欺诈,以及有人在主动钻系统的空子。后来一次 PS5 预购活动导致并发流量飙升,付款处理了,订单确认失败,钱扣了却没生成订单号。一屋子的高级人员开了一周的战情室,手工逐笔处理交易。把东西造出来,从来都算容易的那部分,让它持续运转才是最难的。 ### 如果你自己的产品依赖生态 在下次报出总数之前,先算清楚这三个数字:前 20 名占了多少使用量?过去六个月有多少条目被更新过?这个季度新增的贡献者和上个季度相比怎么样? 如果第一个数字很高,后两个数字很平,那你有的,是一份目录。目录和生态的差别,会在第一个关键维护者消失的时候显现出来。 这一期最早写在 Bear 的英文 Newsletter《Design Decisions》里,英文原文在 newsletter.bearliu.com。 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
9 分钟 37 次播放 5天前
本期 Bear 聊的是李飞飞的回忆录《我看见的世界》,英文原名 The Worlds I See,2023 年出版。 **这本书是什么** 全书有两条并行的线。一条是个人成长史:李飞飞出生于北京,在成都长大,十五岁随家人移居美国新泽西,靠打工帮家里维持生计,同时在陌生教育系统里寻找位置,最终从普林斯顿读物理,到加州理工取得博士学位,再到斯坦福主持 AI 实验室。另一条是机器学习理解视觉的科学史,核心是 ImageNet,一个把数以千万计的图像组织进大量类别、并通过众包完成标注的项目,它提供了训练数据,也提供了让不同算法可以相互比较的公共基准。 **Bear 读完带走了什么** 最初被移民、AI、亚裔三个关键词吸引,听完有声书之后,真正留下来的还有第四个词:好奇心。这本书最有价值的部分,恰好发生在结果还不存在的时候。 ImageNet 的启发不只在技术层面。团队当年把重点放在数据的规模和多样性,而很多同行在改进算法,这个方向早期显得笨重,甚至不够"聪明"。后来,规模化数据、图形处理器和深度神经网络汇合,计算机视觉才出现标志性跃迁。这件事改变了 Bear 对技术突破的想象:训练材料越狭窄,模型就只会在狭窄世界里聪明。广泛输入的价值,在于它不断逼我们分辨什么属于对象本身,什么只是习惯的背景。 这个思路也影响了 Bear 对词汇学习的规划。生词本里接近八百个词,他想把它们导出,用 AI 帮忙分类,再观察词与词之间的关系。这个计划本身还不能证明效果,但它把任务从重复记忆改成了建立结构。 李飞飞的经历也让 Bear 在中年探索这件事上重新调整了重心。李飞飞十五岁时不可能预知自己会成为重要的 AI 科学家,ImageNet 刚发布时也没有立刻改变世界。每一个节点的人拥有的其实只是下一步。中年并不会自动关闭探索,它只是让试错成本和注意力分配变得更需要选择。 **这本书的边界** Bear 给四星。它没有回答 AI 时代所有最难的问题,却提供了一份罕见的内部记录,让抽象的技术史重新长出家庭、贫困、导师、病痛和选择。但进入产业伦理和权力结构以后,叙述明显更谨慎,数据劳动的分配、巨型数据集包含的偏见、科技公司与公共利益的冲突,这些内容有出现,却很少被推到最尖锐的结论。 **外部评价** 经济学家 Shane Greenstein 称它"深思熟虑、真诚动人"(自译),并说有技术背景的人会更容易进入。计算机科学家 Ernest Davis 认为它在科学家回忆录里有少见的文学质量,特别赞扬对父母和高中老师 Bob Sabella 的描写温暖而鲜活。《柯克斯书评》则认为,技术细节、专业术语和偏克制的个人叙述削弱了情感影响,李飞飞作为 AI 先驱,本有机会更深入地回应技术的紧迫伦理问题。 **一句话总结** Bear 尤其喜欢它拒绝把成功写成一个人的神话。ImageNet 常被缩写成李飞飞的代表作,书里却让读者看到标注者、学生、合作者和前辈共同组成的网络。真正改变人生的视野,往往从承认自己还没有看见什么开始。 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
16 分钟 41 次播放 1周前
Atlassian 以 6.1 亿美元收购了 The Browser Company,他们现在发布的浏览器已经换成了 Dia。 这件事让我一直在想一个问题:Arc 明明是迄今为止外观做得最好的浏览器之一,身边几乎每个设计师和工程师都爱过它,为什么它从来没有真正出圈? **第一关:视觉语言答的是身份问题** 打开 Arc 的旧版网站,还没看文字,那种气质就来了。温暖、柔软、圆角、带着一点手工质感的复古风格,和 Notion、Substack 是同一个家族。这类视觉语言通常吸引的是创作者和个人用户,享受打理自己数字生活的那类人。 但 Arc 真正流行起来的社群,完全是另一批人。工程师、设计师、产品经理,重度知识工作者,他们要的是速度、键盘快捷键、复杂工作流里的稳定性。Linear 的受众和这群人大致相同,界面却克制、紧凑、冷静,读起来像一件专业工具。 视觉设计不会单独决定一款产品会不会被大家用起来,但它会在几秒内回答一个问题:这东西是给我这种人做的吗? **第二关:要记的概念太多了** 传统浏览器要求你理解两样东西:标签页和书签。 Arc 给你的是:Profile、Space、Folder、Easel、Boost、Tab、Command Bar、Pinned Tab。 从设计角度看,这套体系组织得并不差,每个概念有明确用途,信息架构可以说是优雅的。这恰恰是陷阱所在。一个概念能被理解,和用户愿不愿意把它装进脑子里同时记着另外七个,是两回事。 Spaces 是 Arc 最重要的创新之一,把工作、生活、项目分成各自独立的环境。对复杂工作流来说,这个想法真的很有用。但按照团队自己的数据,只有大约 5% 到 12% 的用户真正用上了多个 Space。Calendar Preview 的采用率是 0.4%。多年积累的差异化功能,从来没有成为大多数人日常行为的一部分。 **两个额外的观察** Bear 提到,大多数作品集在第一屏滚动之前就已经失败了。毛病出在呈现方式上:它把做好的界面当成了故事的主体,可真正的故事,是界面背后的那些决策。早期公司的人看作品集,想知道的是你能不能想清楚一个问题、做出判断,精美的截图回答不了这个问题。同样的逻辑也适用于产品落地页。 还有一点:一个截止日期教会你用一个工具,比教程更快。解释得再好,概念也未必留得下来。有人在那一刻需要它,它才会留下来。 **拿来检验你自己的产品** 把落地页的文字模糊掉,只看视觉语言。它邀请的是谁?那个人是最终付你钱的人吗?然后数一数新用户在第一周会遇到多少个你自己发明的概念,对每一个问问:要让用户不用提前去学,到需要的时候自然就用上它,需要什么条件? 任何需要在被需要之前先被记住的东西,都是你在还没交付价值之前就寄出去的账单。 这一期最早写在 Bear 的英文 Newsletter《Design Decisions》里,英文原文在 newsletter.bearliu.com。 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
9 分钟 45 次播放 1周前
本期 Bear 聊的是尤瓦尔·赫拉利 2024 年出版的《智人之上》,英文原名 Nexus: A Brief History of Information Networks from the Stone Age to AI。 **关于作者** 赫拉利 1976 年生于以色列,2002 年在牛津获得博士学位,现任教于耶路撒冷希伯来大学历史系。他以《人类简史》《未来简史》《今日简史》闻名全球,擅长把极长时间尺度压缩成少数可以传播的大命题。《智人之上》延续了这条路线。 **这本书在讲什么** 全书覆盖宗教经典形成、官僚制度、印刷与猎巫、斯大林主义、纳粹制度、现代民主、社交媒体到 AI,提出一个贯穿始终的核心问题:人类拥有越来越强的信息技术,为什么社会仍然会被错误、幻想和自我毁灭的制度控制? 赫拉利的回答是:信息的首要功能常常在于连接,真实性只是其中一个维度。宗教神话、国家叙事和阴谋论都是信息,都能让大量陌生人协调行动。真理需要接触复杂现实,秩序却偏爱简单、可复制的版本。印刷机能传播科学,也能让猎巫手册复制得更快,技术增加了网络容量,却没有替网络选择目标。 **关于 AI 的判断** 书里把 AI 理解成信息网络里的新行动者。过去的技术主要保存和传递人的内容,今天的模型能够生成语言、筛选展示内容、参与决策。推荐算法发现愤怒和冲突更能留住用户,就会在无人明确下令的情况下把社会推向极端。责任来自公司、政策和商业选择,结果却由人和机器共同构成的网络产生。 **Bear 的评价** 四星。Bear 认同把 AI 放回信息制度中思考这个框架,觉得它对喜欢科幻的读者特别友好,因为书里讨论的正是经典科幻母题,而赫拉利把这些问题接回了泥板、印刷机和户籍制度,让未来显得没那么遥远。 同时,Bear 也指出几处局限。第一,资本的角色偏轻。今天的 AI 由具体公司投资、用具体数据训练、为具体市场服务,算力谁拥有、利润流向哪里,这些问题会决定技术真正的方向,书里着墨不多。第二,治理建议比历史诊断更概括。强调责任、分权、纠错都合理,但读懂风险还没有等于找到解决方案。第三,书里对 AI 的警告有洞见,也有放大风险的倾向,算法能做决定,不等于它已经拥有人的目的和道德主体性。 **外部评论参考** Bear 在节目里也整理了几位评论者的判断,以下均为 Bear 自译: - 《卫报》Killian Fox 认为全书作为诊断和行动呼吁"总体上是成功的",同时指出资本主义几乎没有进入论述。 - 同刊 Steven Poole 称赫拉利是"一流的叙事作者",但不相信他的 AI 末日论,认为宏大概括像先有结论再压进历史。 - 《大西洋月刊》历史学家 Daniel Immerwahr 称他为"灵巧的综合者",警惕他把历史变成过度顺滑的简化,也批评书中用"我们"谈整个人类的选择,容易遮住真正掌握资本和算力的具体公司。 **本期核心带走** 评价一项技术、一个平台或一套制度,先别数它能生产多少信息,先去看它有没有把发现错误的能力一起放大。一个网络的智慧,在于错误出现以后仍有人能够说出来。 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
15 分钟 91 次播放 2周前
### 本期核心主题 AI 聊天界面已经几乎无处不在,但 Bear 看过的大多数产品,中间那一段很强,两侧几乎什么都没有。Bear 以 Google Health 的 AI 健康教练为例,拆解了一个 AI 功能的三段结构:Before(开口之前)、During(对话过程)、After(对话结束之后),并指出更有意思的部分在对话框的两侧。 ### 主要观点 **Before:谁先开口,决定了人们会不会开始** 空白输入框是最安静的失败方式之一。无限的可能性反而让大多数人不知道从哪里开始。Google Health 的做法是让系统先开口,比如根据你的睡眠数据提问:"你大概在午夜前后上床,看起来这个时间点对你挺管用的。进入周末之后,维持这个规律对你来说还好吗?"再配上几个可以直接点选的答案。你不需要面对空框,只需要点一下。主动发问这一步,从用户身上移走了。 **During:对话体验正在变成基础设施** 读取个人数据、生成图表、引用外部资料、用追问推进对话,Google Health 都做得不错。但这些能力以后也不会再是差异点。只要有足够的模型资源、数据和工程能力,任何公司最终都能做出一个像样的聊天体验。聊天框本身,正在走向基础设施。 **After:留存真正发生的地方** 对话结束之后,系统会主动总结吗?会在睡眠数据开始偏移时提醒你吗?会记住上次的目标并在几天后跟进吗?Bear 观察了三周,几乎没有发生这些。没有自动周报,之前的对话线索很少被捡起来,几乎每一次互动都需要 Bear 自己主动打开应用。产品还很新,主动推送健康建议也确实有风险,一条错误的、或者不必要地让人担心的通知,可能会对信任造成持久的损害。但这个规律超出了 Google 的范围:Before 决定有多少人开始,During 是基本门槛,After 才是把功能变成关系的地方。 ### 两个值得记住的补充观点 **第一个月不是真实信号。** 大多数团队在引入 AI 的第一个月体验到效率峰值,然后悄悄进入平台期。前几周感觉像换了一个挡位,因为最明显的低效先被消除了。剩下的是能力缺口和知识缺口,这些靠调整提示词解决不了。AI 从倍增器变成了维持者。 **嫁接不等于重新设计。** 大多数团队还在用人来充当胶水,把信息从一个标签页复制到另一个,让下一个系统能跟上。这看起来像协调,实际上是摩擦穿了一件工牌。蒸汽机改变制造业,要等到工厂主不再把它嫁接到原有的车间布局上,重新设计了整个车间。 ### 给自己产品的自查框架 把你的 AI 功能按三段拆开看: - **Before**:是什么让用户迈出第一步?如果答案是一个空框加一行提示文字,这是你最薄弱的一层。 - **During**:有什么是竞争对手两个季度内复制不了的? - **After**:在用户什么都不做的情况下,两次使用之间发生了什么? Bear 看过的大多数产品,中间很强,两侧几乎是空的。 这一期最早写在 Bear 的英文 Newsletter《Design Decisions》里,英文原文在 newsletter.bearliu.com。 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
9 分钟 33 次播放 2周前
本期 Bear 读的是 Susan Weinschenk 的《100 Things Every Designer Needs to Know About People》,英文 PDF 版。 **这本书在讲什么** Weinschenk 是美国行为心理学家,有心理学博士背景,从上世纪八十年代起就把心理学、脑科学和数字产品设计放在一起讲,后来创办了 The Team W,持续为企业做行为科学与用户体验咨询。这本书最早在 2011 年出版,后来出了第二版,全书按一百个短章节组织,覆盖人怎样看、读、记忆、思考、集中注意力、做决定和犯错。 它真正想回答的问题很朴素:我们设计出来的东西,怎样才能更接近人实际思考和行动的方式。 **Bear 觉得最重要的几个点** 这本书最重要的提醒可以压成一句话:设计是在安排屏幕后面那个人的注意力、记忆、判断和行动。 书里有一句话让 Bear 印象深:真正"在看"的,其实是我们的大脑。眼睛只把部分信号送进去,大脑会根据经验填空、预测、忽略。元素存在、用户看见、用户理解、用户行动,这四件事之间隔着很长的距离。 串起全书的核心概念是"认知成本"。工作记忆很小,注意力会游走,识别比回忆容易。界面每要求用户记住一点东西,每引入一个需要解释的新符号,都在从有限的脑力账户里扣钱。书里有一句 Bear 很喜欢的话:如果必须在点击次数与思考负担之间做权衡,宁可增加点击次数,也要减少思考负担。 "心智模型"也是重点。书里写道,设计直观用户体验的秘诀在于,确保产品的概念模型尽可能与用户的心智模型相匹配。所谓直观,很多时候只是新东西没有强迫人把旧世界重新学一遍。 还有一点关于故事。书中提到,故事可能会在不存在因果关系时创造出因果关系。Bear 认为,讲故事是表达技巧,同时也是一种权力,越会讲故事,越应该对自己删掉了什么、连接了什么保持警觉。 以上几句书中原话均为 Bear 根据英文原文翻译。 **读完留下的两条可执行动作** 先减脑力,再减步骤。检查设计时问:用户需要记住什么、找什么、猜什么、在多少选项之间做决定。能改成识别的就别要求回忆,能分阶段提供的就别一次堆满。 先观察行为,再解释动机。看不懂就说用户不认真,这类判断太便宜。更可靠的做法是观察他们停在哪里、回头找什么、怎样理解提示,再去修改概念模型和信号强度。 **这本书的局限** 一百条知识像一百张卡片,适合快速翻阅,却很难自动长成完整方法。部分案例带着网页设计的年代感,一些心理学结论不能脱离情境直接变成规则。Goodreads 上它维持在四星左右,常见好评是实用、清楚、适合入门,常见批评是基础、零散、对资深设计师不够深入。 内容策略顾问 Deane Barker 有句评论很能说明这种两面性,他写道:"这是一本很好也很必要的书,但我不知道该怎样消化它。"(Bear 根据英文原文翻译) Bear 的建议:把它当观察手册,遇到具体问题就翻回去。读完一百条不会自动让设计变好,但会让"用户应该懂"这句话变得更难说出口。对设计师来说,这已经是一种有价值的训练。 **本期提到的资源** - 《100 Things Every Designer Needs to Know About People》,Susan Weinschenk 著 - Weinschenk 的其他书:《Neuro Web Design》《How to Get People to Do Stuff》《100 Things Every Presenter Needs to Know About People》 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
15 分钟 53 次播放 3周前
### 本期在聊什么 Bear 最近在补设计基础课,这次认真读完了《100 Things Every Designer Needs to Know About People》。这本书大部分内容跟屏幕无关,讲的是注意力、记忆,以及一个人在同一时间能装下多少东西。读完之后,他用这套视角重新看了 Raycast,发现一个很有意思的结构问题。 ### Raycast 的核心逻辑 Raycast 的设计力量来自两个快捷键。Enter 执行主操作,Cmd+K 展开当前对象的所有可用操作。这套规则只要学一次,之后的 2500 个扩展,学起来几乎不用再花力气。 Bear 把这个提炼成一个可以套用在其他产品上的检验框架:用户的主操作是什么?需要更多选择时,他们伸手拿什么?这条规则能覆盖每一个功能吗?找到规则失效的地方,那里通常就是产品结构的天花板。 ### 天花板在哪里 Raycast 的命令栏有一套固定节奏:出现、操作、消失。几秒钟之内完成,然后回到后台。 AI 的节奏完全不同:持续存在、反复迭代、积累上下文。第一个回答只是起点,你需要加文件、调语气、对比选项、在上一次的基础上继续。 于是 Raycast 现在有了两扇门。Quick AI 在命令栏里,给你一个单次回答;AI Chat 在独立窗口里,支持持续对话。在开口问问题之前,你要先决定走哪扇门。 这个选择看起来很小。但它悄悄撤销了 Raycast 最擅长的那件事,把本来已经去掉的操作成本重新放了回去。 ### Glaze 是一张收据 今年三月,Raycast 发布了 Glaze,一个通过 AI 对话生成原生桌面应用的独立产品。它能做什么倒在其次,Bear 注意到的是它被放在哪里。 Glaze 不在命令栏里,是一个独立产品,有自己的工程团队、独立的品牌和独立的预算。 一个公司愿意付出这个代价,就是在告诉你一件任何新闻稿都不会明说的事:团队已经知道,命令栏装不下他们想用 AI 做的事情了。 下次看到一家公司推出新产品形态,可以把愿景说明先放在一边,问一个更窄的问题:旧产品有什么做不到,逼着他们去造这个新的?那个答案通常比定位文案更接近真实的策略。 ### 两个值得记住的判断 **模型很少是问题所在。** 糟糕的 AI 体验通常败在交互设计上。三个层面决定了结果:输入端,一个空白文本框要求用户把自己还没想清楚的东西说清楚;输出端,纯文字段落在大多数场景下都是错误的格式;迭代端,团队让用户用一句话重新描述一个修改,其实给一个滑块,或者让他们直接点击想改的那部分,会好得多。AI 作为功能贴上去,和 AI 编织进工作流里,用户很快就能感受到差别,虽然他们可能还说不清楚哪里不对。 **新交互模式的窗口期正在关闭。** 旧模型的限制已经明显,新模式还没有定型,这个短暂的阶段不会持续太久。现在认真观察的团队,有机会参与定义这些交互会变成什么样。等待的人,只能继承大平台先标准化的那套东西。 ### 三个问题,留给自己的产品 你的产品里,主操作是什么?需要更多选择时,用户伸手拿什么?这条规则在边缘还成立吗,还是已经有某个功能需要自己的窗口了?如果有,那个功能是你收费的那个吗? Raycast 对最后一个问题的回答有点难受。免费版已经覆盖了大多数人每天真正用到的东西。最清晰的付费理由是 AI,而 AI 偏偏是最不符合原始设计逻辑的那部分。 这一期最早写在 Bear 的英文 Newsletter《Design Decisions》里,英文原文在 newsletter.bearliu.com。 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
9 分钟 49 次播放 3周前
本期聊的书是阿部谨也的《花衣魔笛手:传说背后的欧洲中世纪》。 --- **这本书是什么** 日文原名《哈默尔恩的吹笛人:传说及其世界》,1972 年以论文形式发表,1974 年由平凡社出版,1988 年收入筑摩文库。中文译本由夏川翻译,2021 年出版。作者阿部谨也(1935-2006)是日本德国史与欧洲中世纪社会史学者,曾任一桥大学教授及校长。他最重要的贡献,是把历史的主角从政治精英扩展到流浪者、工匠、刽子手、妇女和儿童。 --- **故事的起点** 我们熟悉的版本是:城市遭遇鼠患,花衣吹笛人赶走老鼠,市民毁约不付报酬,他便吹笛带走全城孩子。因果完整,教训清楚。 阿部谨也沿着碑文、玻璃画、手抄本和城市法往回追查,发现早期记录的核心只有吹笛人与孩子失踪。老鼠、报酬与复仇,是更晚才进入故事的元素。我们熟悉的版本,是几个世纪的人不断增补和改写的结果。 **一条必要的学术提醒**:书中把"1284 年 6 月 26 日,130 个孩子失踪"表述得相当确定。哈默尔恩博物馆目前的态度更谨慎,认为向东移民或殖民仍是相对可信的解释,却明确指出史料不足使所有假说都有反对意见,连当年是否真的有人集体离城也无法完全确认。这本书适合当社会史经典来读,不宜当作谜案已经结案的最终报告。 --- **书真正在写什么** 作者借这条裂缝进入整个欧洲中世纪社会。国王和主教退在背景,走到前景的是寡妇、孩子、日结工匠、流浪艺人、农民和无名移民。 几个印象深刻的细节: - "城市的空气使人自由"。哈默尔恩城市法规定,在城内停留一年零六周后,佃农可获自由。这听起来像个人解放,背后却是城市极高的死亡率和对持续人口流入的需要。自由也是城市维持自身的生存策略。 - 进城并不意味着摆脱身份秩序。职业决定名誉,名誉决定能否进入公共生活。师傅数量受到限制,富人住石屋,底层居民挤在缺少阳光的地下室。 - 书中写道,中世纪孩子的游戏和娱乐"都必须靠自己在大人的世界中抢"。他们也可能是年轻人、劳动力、移民者,成人世界的代价最后都可能由他们支付。 - 节日是社会地位的探测器。谁能进庆典,谁只能站在外面,已经画出了市镇的边界。共同体的轮廓,也由被排除的人显出来。 --- **最打动我的段落** 书里有一个流浪魔术师的故事。他把财产捐给修道院,成为助理修士,却不会祷文,也不懂如何以语言和工作侍奉神。他唯一会的是杂技与魔术,于是每天偷偷到圣母像前表演,直到筋疲力尽。后来院长看见圣母从祭坛走下来,替他擦去额头的汗。 这个故事让一种被社会视为低级的技艺获得了尊严。它也帮助理解吹笛人的处境:音乐可以驱灾、组织人群、带来节日快乐,服务被需要,服务者仍被轻视。传说后来加入"完成工作拿不到报酬"的情节,让身份歧视获得了一个清楚的伦理形式。 --- **书里一句很重的话** "人并不是有屋子、有食物、有自然环境就能生活下去的动物。重要的是这些事物、自然环境、对象与自己的关系,这种关系构成了世界。" 这句话解释了社会史的价值。传说是苦难留下的压缩文件。事实在流传中变得模糊,情绪却保存了下来。 --- **读这本书的预期** 和读《万历十五年》有点像。你被一个具体谜案吸引,最后带走的是观察历史的方法。结论会老,能够教人看见普通人的方法,不会轻易过时。 --- **本期提到的资源** - 《花衣魔笛手:传说背后的欧洲中世纪》,阿部谨也著,夏川译,2021 年中文版 - 《万历十五年》(节目中作为参照提及) - 柴田元幸、石牟礼道子、周之桓(《上海书评》)对本书的评论 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
16 分钟 38 次播放 4周前
这期节目从一个反直觉的观察出发:Apple Health 的评分是 3.0,但几乎没有人主动下载过它。你买了 iPhone,它就在那里了。 **核心问题:两把不同的尺子** Bear 在这期节目里区分了两类产品的评分逻辑。 消费者产品用参与度、留存率和使用时长来衡量好坏,团队希望你明天还会打开它,而且待得更久一些。 基础设施产品用的是完全相反的标准。云备份不需要你每天早上打开确认它还在运行,水龙头也不需要你对着管道发出赞叹。基础设施靠稳定、可信、不打扰来证明自己的价值,大多数时候你应该几乎感觉不到它的存在。 Apple Health 是按第二套标准建造的,却被拿第一套标准来打分。 **Apple Health 的真实难题** Apple Health 需要承接超过 150 种健康数据类型,来源包括 iPhone、Apple Watch、第三方设备、健身应用、手动输入以及医疗机构,全部汇聚进设备上的 HealthKit。这种兼容性是有代价的。 Fitbit 的数据大多来自 Fitbit 自家硬件,所以 Fitbit 有权决定什么重要、以什么顺序呈现。Apple Health 必须保持中立,无法围绕某一台设备、某一个目标或某一种健康理念来组织整个体验。 所以,让 Apple Health 有价值的那个能力,同时也制造了它最明显的易用性问题。有时候,一个界面只是底层结构变得可见的结果。 **两个让这个观点更清晰的例子** Bear 分享了两个旁证。 第一个:他和女儿去看了新版马里奥电影,觉得吵闹、浅薄、基本没有剧情,IMDB 的评分也印证了这个判断。但他随即意识到目标观众是六到十四岁的孩子,而很少有这个年龄段的人会去留评。买票的是精疲力竭的父母,孩子一直缠着要看。当想买的是孩子,拍板的是一个累坏了的大人,票房和影评分数几乎就没什么关系了。 第二个:大约 70 到 80% 的日常工作已经在浏览器里完成,但几乎没有人把浏览器当作一个需要主动选择的产品。大家把精力花在挑选各种应用上,却忽视了它们全都运行在同一层上面。基础设施永远面对这个处境:在它出问题的那天被注意到,其他每一天都被视为理所当然。 **留给你的两个问题** 你的产品究竟是按哪套标准建造的,又在被哪套标准打分?当这两者不一致,差距会先出现在评论里,比出现在营收里早得多。 更难回答的那个问题:留下评论的人,和真正从产品中获得价值的人,是同一批人吗?如果不是,你可能正在为一批从来不需要承担你的决策后果的人打磨产品。 这一期最早写在 Bear 的英文 Newsletter《Design Decisions》里,英文原文在 newsletter.bearliu.com。 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
10 分钟 53 次播放 1个月前
这期聊石黑一雄 2021 年出版的长篇小说《克拉拉与太阳》,他获得诺贝尔文学奖后的第一部长篇,也是第八部长篇小说。 **这本书是什么** 故事设在一个与现实距离很近的未来。太阳能驱动的人工朋友克拉拉站在商店橱窗里,等待一个孩子选中自己。乔西把她带回家,任务简单:陪伴、理解、忠诚。书里没有大段科技解释,读者只能跟着克拉拉的有限视角,慢慢拼出这个世界的规则。 **几个让我反复想的问题** 一是"用完之后"的冷酷。故事没有安排背叛或恶意,只有一种更常见的处理方式:所有人继续生活,留下曾经全力爱过他们的存在,慢慢报废。克拉拉的遭遇和管家梅拉尼亚的处境形成呼应,照护者在任务完成后从中心退到边缘,这个逻辑并不陌生。 二是克拉拉的认知方式。她能读懂细小的情绪紧张,世界在她眼里有时碎成方格。她看见太阳给自己供能,看见阳光下的乞丐和狗重新活动,于是建立起一套对太阳的信仰。她走进谷仓祈祷,牺牲自己珍贵的认知液体去破坏污染机器,换取乔西康复。以机器人的角度看,这套推理天真得近乎荒谬;以人的角度看,它熟悉得令人难堪。我们也会在无法控制的局面里设计仪式,把希望托付给一个更大的存在。 三是"一个人存在于哪里"这个核心问题。乔西的母亲请人制作女儿的人工躯体,希望克拉拉最终能延续乔西。书里大致出现三种回答:专家卡帕尔迪相信人可以被还原成可以复制的模式;乔西的父亲相信人心有永远抵达不了的最深处;克拉拉最后的理解是,一个人的独特性也分布在爱她的人心中,那张关系网无法被一份人物模型完整搬走。 四是"提升"带来的集体裹挟。孩子可以通过基因技术提高能力,同时承担患病风险。只要大多数家庭都选择提升,拒绝的人就要承担掉队的代价。这很容易让人想到当下对 AI 工具的焦虑:技术许诺优势,竞争把优势改造成门票。 **几段有意思的外部评价** 《卫报》的 Anne Enright 提出,即使最圆满的虚构人物也是"由语言和读者的善意写成的一段代码"(自译),读者愿意爱克拉拉,本身就暴露了阅读需要怎样的相信。同一份报纸的 Alex Preston 认为克拉拉的声音带着"迷人的简洁",智慧与天真同时成立(自译)。《纽约客》的 James Wood 则认为克拉拉那套有限逻辑与我们的世界非常相近(转述)。批评方面,《芝加哥书评》的 Ian J. Battaglia 觉得叙述有时太直,《新共和》的 Rumaan Alam 认为,石黑一雄过去的小说往往比表面更复杂,这一本却显得"比看上去更简单",更接近寓言。 **我的位置** 我自己读完后站在中间。它确实有慢、有直白、设定留白太多的地方,可克拉拉在废弃场里独自整理记忆的结尾仍然击中了我。一个被购买来消除孤独的存在,最终独自等待停机。小说没有证明机器拥有人性,它把一个更难的问题留给读者:如果我们已经接受了她的爱,又该怎样对待她的结束? **关于作者** 石黑一雄 1954 年生于日本长崎,五岁随家人移居英国,用英语写作。《长日将尽》在 1989 年获得布克奖。2017 年获诺贝尔文学奖,授奖词强调,他的小说以强大的情感力量揭开我们与世界相连时那种幻觉下的深渊。《克拉拉与太阳》与《别让我走》有明显亲缘:两本书都让一个顺从、信息有限的叙述者讲述已被技术改变的世界,也都把真正的恐怖放进日常礼貌里。 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
16 分钟 59 次播放 1个月前
本期 Bear 拆解了两款健康追踪产品:Apple Health 和 Google Health。他实际佩戴 Fitbit 使用 Google Health 三周,以 Apple Health 作为参照,观察两款产品在交互风格上的根本差异。 **两种产品,两种态度** Apple Health 几乎不主动开口。数据由 Apple Watch 和第三方设备在后台自动写入,应用本身很少向你提问,也不追问某条建议有没有帮到你。 Google Health 的逻辑正好相反。打开应用,AI 教练可能主动评论你昨晚的睡眠、最近一次锻炼,或者心率的变化,然后问你感觉怎么样。Bear 向教练提问自己的静息心率意味着什么,它调出 13 天的数据,列出每分钟 59 到 68 次的区间,画出一张可以逐天查看的图表,并引用外部健康资料作为佐证。随后它反问:这份概述有没有给你想要的安心感?之后 Bear 提到自己在服用心脏药物,教练把这条信息带入了下一轮对话。Bear 中途切换成中文,教练也跟着切换。 **直觉错了,结论才出来** Bear 坦言,第一反应是给两款产品打分,判断哪个设计更好。这个直觉是错的,纠正它,是这次拆解最有价值的收获。 Apple 的健康策略依托 iPhone 和 Apple Watch 运行。它需要用户相信多年的敏感记录可以安全留在它的生态里,因为这份信任,是让用户继续买它硬件的理由之一。更少的提问、更少的打扰、更多的本地处理,这份克制有它的用意,本身就是 Apple 卖点的一部分。 Google 的核心优势在于数据和机器学习。健康数据受到更严格的限制,Google 表示不将其用于广告。但它仍然需要行为反馈来改进产品和模型。一个好的 AI 教练于是同时完成两件事:帮你读懂自己的身体,同时采集被动追踪器永远无法触达的那类信号。 同一份数据,同一个任务,两种截然相反的界面,两个都成立的答案。 **留给自己产品的问题** Bear 在结尾给出一个可以直接套用的练习:找出你产品里最显眼的那个设计决策,无论是免费层、持续出现的提示,还是你刻意不向用户索取的东西。把它对照你的盈利方式读一遍,判断它作为商业决策是否站得住脚,还是只停留在品味层面。 更难的版本:如果竞争对手原样复制这个决策,但没有你底下那套收入模型,他们会付出什么代价? 这一期最早写在 Bear 的英文 Newsletter《Design Decisions》里,英文原文在 newsletter.bearliu.com。 Advertising Inquiries: https://redcircle.com/brands Privacy & Opt-Out: https://redcircle.com/privacy
8 分钟 59 次播放 1个月前
外观
播放列表还是空的
去找些喜欢的单集添加进来吧