Vibe Marketer ｜ CMO @flowith @matrix_build Digital Researcher @UCLBartlett 10M$ founding 10M$ ARR 5M users
Los Angeles, CA
Joined July 2024
- Tweets1.1K
- Following760
- Followers3.8K
- Likes1.8K
Pinned Tweet
关于招聘的思考
这两天 flowith 开启了新一轮的招聘。每次招聘，我会越来越把这件事情当作一个和增长事件来进行。也想分享一些我关于ai时代人才，招聘的个人观点，希望能帮到在这个时间同样在招人的创业者，或者是想加入ai时代的求职者们。当然也欢迎大家加入我们！
大概三年前，我们还短暂用过一次 Boss 直聘。但从那之后，几乎就没有再把传统招聘平台当成主要招聘渠道，而是一直在用小红书、Twitter、朋友圈、朋友介绍这些方式去找人。
Flowith 有特别多才华横溢的人，也都是从小红书、Twitter，或者我们的用户群、朋友那里转化而来。回头看，其实很多真正优秀的人，都是从这些非传统招聘渠道里来的。
所以我会更加确定一件事：AI 时代，传统的招聘方式可能也要被重新做一遍。
首先是「人从哪里来」。
尤其对于 AI Native 的公司来说，我现在越来越觉得传统招聘软件很鸡肋。Boss 直聘、各种招聘平台，本质上还是在用「岗位—简历」的逻辑做人岗匹配：你发一个 JD，平台按照学历、工作年限、关键词、历史职位给你推荐一批人。
但今天真正稀缺的人，很多根本不长在标准 JD 里。可能他没有完全匹配的 Title，没有标准化的职业路径，甚至过去做的几件事情彼此看起来都没什么关系。但你去看他真正做过的项目、GitHub、作品、写的东西、社交媒体，或者朋友对他的评价，会发现这个人可能比一份“完美匹配 JD”的简历有意思得多。
对于创业公司而言，我们真正需要的，也越来越不是一个精准塞进岗位格子里的人，而是那些学习速度足够快、行动力足够强、能够跨边界解决问题的人。
所以招聘渠道也正在变化。Twitter、小红书、即刻、朋友圈、朋友介绍，甚至创始人自己想办法制造传播和曝光，很多时候反而比传统招聘平台更容易找到真正适合 startup 的人。
招聘越来越像 growth。 你要思考内容、传播、渠道、网络效应，以及如何让真正优秀的人看到你。
而第二个变化，我觉得更加重要：AI 时代，岗位本身正在变得模糊，而对“人”的要求反而越来越高。
以前一家公司可以把工作拆得非常细，产品做产品，研发写代码，销售见客户，交付负责落地。但在一个 AI startup 里，这种边界越来越不存在了。
一个很好的产品经理，可能需要自己用 AI 写 Demo、理解技术实现、跟工程师一起 Debug；也可能下一秒就要去见客户、理解需求、做方案；再下一步，还要真正把一个项目从想法推到上线、交付、拿到用户反馈。
你很难再用一句传统 JD 定义这样的人。我们需要的越来越像一种「多面手」：能快速学习，能自己动手，能沟通，能判断，能把模糊的问题变成具体结果。
AI 把很多单点技能的门槛降低以后，真正稀缺的反而变成了综合能力。而这种能力，也越来越难通过一道笔试、几轮标准化面试判断出来。
很多时候，招聘其实从候选人看到招聘帖的第一秒就已经开始了。
我本能地会做一些观察：招聘帖里的图片已经写了在招什么岗位、具体要求、怎么联系、邮箱是什么、为什么这么招，但依然有大量的人甚至不愿意把几张图片看完，就直接开始问：“你们招什么？”“怎么投？”“联系方式在哪？”
这件事情看起来很小，但某种意义上，它本身就是筛选的一部分。
在今天这样一个所有人都被信息流训练得不断刷、不断跳过、注意力越来越碎片化的时代，愿不愿意停下来把一件事情完整看完，本身就是一种能力。
能不能读懂信息、抓住重点、做一点研究；能不能认真理解一家公司在做什么；能不能把自己过去真正牛逼的东西整理出来，而不是群发一份标准简历；能不能证明自己的学习能力、审美、判断、执行和好奇心。
这些可能都比一句“我有三年相关工作经验”重要得多。
尤其是在招聘环境和经济都没有那么好的时候，一个有点反直觉的事情正在发生：机会变少，并不意味着公司的要求会降低。
恰恰相反。AI 让一个优秀的人可以完成过去几个人的工作，也意味着公司会越来越愿意等待那个真正优秀的人。
所以未来招聘也许会越来越不像：“这个人符不符合这个岗位？”
而更像：“这个人足够厉害吗？如果把他放进一个不断变化的问题里，他能不能自己找到答案？”
我觉得这才是 AI 时代招聘真正发生的变化。
JD 会越来越模糊，人的密度会越来越重要。
flowith 开启新一轮的招募了，欢迎大家投递到 [email protected] ，并且带上感兴趣的岗位和办公地点。本次上海和 SF 均有比较多岗位开放，也欢迎大家可以找我私聊、推荐，推荐入职成功的朋友们会送出未来一年的 Agent token 额度。
简单补充下我们：Flowith 是一家面向全球的 AI 与智能体科技公司，团队位于上海与旧金山，旗下拥有 flowith 、Matrix 等核心产品，持续探索人与 AI 的下一代交互方式。目前，Flowith 已累计服务全球近五百万用户，并获得红杉资本、Vertex 、江远等一线基金千万美元投资。 除了创新的 C 端产品外，我们已与多家行业头部企业及顶级战略伙伴达成合作，将领先的 Agent 工程能力应用于制造、电商、消费品、娱乐、体育赛事等场景，支持智能体参与高复杂度、长链路的真实业务流程。并获得 微软、NVIDIA 、字节等全球科技公司的合作与支持，持续推动 AI 从前沿技术走向规模化生产应用。
下方评论区放了非常多详细介绍、招聘岗位，欢迎大家转发推荐，也在转发评论的朋友们里抽几位朋友送些会员。
我们在上海的办公室也欢迎大家参观，应该是在上海最独特的 AI 公司。
wtf cc灵魂人物离职了🥹
I’ve left Anthropic after more than a year of working on Claude Code and seeing it scale larger than I ever imagined.
I have really loved working at Ant and believe deeply in the mission, and most of all, the idea of a race to the top.
The idea that if we work hard and responsibly, we can raise the bar and inspire others to great outcomes. And if we all push each other to be better, things can be radically good. I will carry the spirit of this with me forever.
My colleagues at Anthropic are the most talented, thoughtful, competent, and earnest people I have ever met. I am glad they are at the wheel and trust them deeply.
To the community on X, thank you for everything. You’ve made this the most fun (and sometimes stressful) job I’ve ever had.
For me, it is time for a bit of a break before diving into something new.
If you want more excellent Claude Code content, you should follow @addyosmani , @lydiahallie, @_catwu, @ClaudeDevs and of course @bcherny who started it all.
用原来的名字是只存在感性，产品主义的，但是不尊重互联网订阅制产品的基本素养和商业化认知。百分之九十五以上的用户应该都是来自非ai圈子，不了解kimi的branding和品牌定位的，不了解moonshot这个公司名字的，也没有摇滚的想法。他们进来是选择了一个符合热度，增长势头的ai chatbox/agent，not for a show
一个有经验的商业化产品经理/和市场运营是不可能让这样的事情发生的，因为一定会很大程度影响付费转化，roas，转化率等等一系列指标。这种页面上一小个文字，比如 subscription 和 continue 的rate区别在不同产品上都天差地别。
某种程度上中国模型公司们在产品上要进步的空间还挺多的。
以上仅为个人看法
不。。。😭 @Kimi_Moonshot 也把新套餐名换成传统的Plus、Pro、Max、Ultra了。
原来那套Moderato、Allegretto、Allegro、Vivace，现在只存在在旧套餐里了。
srds我还挺喜欢原来那套音乐术语命名的。
虽然第一眼得琢磨一下哪个档位更高，但配上页面里的五线谱和高音谱号，确实有自己的风格（摇滚🎸）。
现在更好认了，也跟其他产品越来越像了。
但我觉得有点可惜，因为连套餐名这点小小的个性，最后都走向了统一。
审美不是你的前端、UI有多么好看，一个东西长得多么漂亮，这只是一个「表象」。
你用AI写一段文字，画一个图片，做一个前端，写一个算法或者后端逻辑，都拥有审美，你的偏好，你的上下文输入，这些构成了逻辑、术语、还有你对一个事情的理解深度。综合在一起才是整个事情的审美。
做一个好看的 UI，前端，不能成为壁垒，但是审美绝对是AI时代最后的、最强的壁垒，因为每个人的context，注意力，和偏好都是差异非常远的，所以每个人对应的模型、算法、Agent都会有非常大的差异。
哪怕今天开始每个人都拥有相同的「智能」，（which already）每个人收获的智能回报，也是会有明显差异的。
没忍住，决定租了一台海外 Mac mini
天天X上刷到太多人在海外放 Mac，用来跑 cc或者各种 AI 工具。这生意其实需求痛点还真挺明确的。
自己每天都要用 CC、Codex，其他 AI 工具也开了一堆。DMIT 这些也自建过，但实际用下来，线路和服务其实不是百分之百稳定，工作做到一半又得去排查，换设备或者网出问题就寄了。尤其从 A社开始 大力反蒸馏，封号太tm严重了，起码被搞废了五个号，谷歌邮箱也被封控了。
用上之后一个挺明显的体感是，流畅度，好像没有想象中那么重要。因为大部分操作都已经是任务导向了。给 CC 交代一个改动，让它自己跑，过一会儿回来看结果。中间我本来就在等 Agent 工作，屏幕刷新稍微慢一点，操作没有本地那么跟手，完全可以忍。以前远程桌面需要人一直盯着操作，现在很多时间是机器自己干活，对延迟的容忍度自然就高了。
这也是我觉得这门生意有意思的地方。Agent 改变了我们使用电脑的方式，顺带让海外硬件托管多了一批愿意付钱的用户。模型能力还在云上，旁边却又长出一层需求：有人需要一台不同ip长期在线的电脑，把自己的工作接住。原来得找海外朋友帮忙的事情，现在可以直接下单买服务了。
当然机器月租费用当然是一笔额外支出，模型订阅还得继续交。但自建的成本里，自己的时间其实是更大成本，还有各种损耗吧封控。
这类方案接下来肯定需求越来越大，也不仅仅是国内。模型厂商有自己的防滥用诉求，正常用户又越来越依赖这些工具，只想每天打开就能接着工作。围绕这种使用上的摩擦，已经能长出一门很具体的生意了。当然，海外机器也不等于防封保证，账号和地区规则还是得照样满足。
先定一个月试试，稳定安全就多安利点有需求的朋友们试试，都挺抢手的。
我有预感 Alex 可能是接下来很长一段时间在整个 X 上 AI 的信息流里一段时间的 AI 最 Key 的 KOL，有的像之前的 Logan 和 Tibo。
所有大厂的产品也同样在向你展示「穿越周期」
AI 当然很擅长逆向，很多东西都可以重新做一遍。但我不太明白，为什么这两天大家如此焦虑，感觉很多人还是没有理解互联网和 AI 底层的商业逻辑。
举个最简单的例子，拿海外相对开放的生态来说，假设明年的今天，Fable 10.1 已经能让你一句话写出一个 Amazon，然后呢？
大家就会离开原来的平台吗？老平台就失去商业价值了吗？电商、广告平台就此陨落了吗？不是的呀。
移动互联网最牛逼、最赚钱的地方，在于它把注意力经济推到了前所未有的规模。广告、推荐算法、内容平台，围绕用户的注意力和时间争夺市场份额，再把用户、内容、商家、交易连接起来，形成飞轮。
但这个飞轮真正牛逼的地方，从来就不只是代码，而是背后的整套商业逻辑、闭环体系和分发能力。
你重新做一个淘宝，可以复制页面、功能、交互，但用户为什么来？商家为什么入驻？交易凭什么在你这里发生？这些事情，不会因为你一句话生成了一个 App，就自动解决。
抖音、微信、淘宝，每天依然有大量用户进入、使用、交易。你重新做一个 App，可能第一天影响一下二级市场股民的情绪，让真正会交易的玩家赚上一波。但只要用户的习惯、关系和需求还在那里，平台的商业价值就不会因为代码变得便宜而凭空消失。
真正值得关注的，是开发门槛大幅降低之后，会有多少以前做不出来、不值得做的需求被满足，会长出多少新的产品、新的商业模式，甚至新的巨头。这些东西当然可能冲击原来的格局。
但绝不是现在这种：每天抄一个 App，就觉得又有一家公司的护城河没了。
这 TM 有没有 AI，不都一直有人在做吗？
这两年在 @flowith ，从gpt3.5时期开始，研发的哪个产品没被效仿过？但属于我们自己的审美、产品判断、用户群，以及和用户建立起来的信任，还是存在的。
代码可以重新写一遍，生意可不会因此自动长出来。
Karpathy 发新帖了，用一组粗估数字描述了现在大家对 AI 的认知差距：大约 60 亿人几乎没接触过 LLM，10–20 亿人偶尔用免费产品聊天、搜索、写东西，约 2000 万人在数学和代码工作里深度使用前沿模型，还有极少数人能接触到实验室内部更强的系统。
我们所有人生活在同一个时间，但对 AI 的理解可能差了好几个时代。有人觉得它就是个经常犯错的聊天机器人，有人已经在把过去需要几周甚至几个月的项目交给 agent（like us）。两种用户讲的都是自己的真实体验，讨论起来却很难对齐。
在 AI 产品层，这本就是特别需要被重视的这个落差。我们每天泡在这个行业里，很容易默认用户知道模型有多强，知道该怎么用，也知道应该把什么任务交给它。但对很多人来说，打开输入框的那一刻，他甚至不知道有什么值得问的。模型又进步了多少，和他自己的生活、工作有什么关系，中间缺了很大一段。
所以让用户真正完成一次对自己有价值的复杂任务，会比再告诉他一遍“我们的 AI 很强”有用得多。一次从想法到结果的完整体验，才可能让他重新理解这个工具，也重新考虑自己能做什么。但不得不说，这对于人的要求也太高了，绝大多数人不知道我需要让ai完成什么样的任务。
文章里我最喜欢的一个观点是：你需要有一批自己真正在意的大问题。只拿 AI 问一个几句话就能回答的问题，很难感受到能力的变化。当执行的门槛不断降低，好奇心、判断力，以及你到底想解决什么问题，会越来越影响你能从 AI 身上获得多少价值。
同一个输入框，有人看到的是搜索框，有人看到的是一个项目的起点。这个差距，可能还会继续扩大。
Dusting off this tweet from April because this gap in shared understanding of LLM capability is *widening*. It's now less "two groups of people speaking past each other" and more a sharp funnel.
- Napkin math somewhere around 6B people (~75% of the population) have barely come in contact with LLMs at all.
- Around 1-2B (~20%) are casual and infrequent users of free-tier ChatGPT-like products. This group sees derpy chatbots and treats them a bit like a better Google search, a writing aid, or etc. Maybe an agent tries to book you a flight. I have non-tech friends who (reasonably, imo) say they have not much use for it at all. Even many professionals outside of math&code are in this tier. For example, execs and many other functions spend a lot of their time talking to other people, so while they understand what is happening intellectually, it is still second-hand and a bit abstract.
- Now we get to professional use of frontier-grade LLMs in math&code. Somewhere around 20M people (0.2%) see first-hand that large, complex projects that used to take them weeks/months can now be completed by agents with a prompt. Building apps, copying apps, translating apps, decompiling apps from binaries... This has all happened very quickly and recently - less than 1 year ago, I was writing code manually by hand, typing memorized computer code commands into a code editor character by character, occasionally pressing Tab to autocomplete a little chunk of code.
- And finally we get to the ~5,000 people (~0.00006%) with access to frontier-grade systems internally. The external world has seen the preview. It looks like swarms of thousands of agents collaborating over weeks on software mega projects: minting zero days, running cyber attacks and defenses at machine speeds, discovering new science, advancing the frontier of mathematics. Things that would have taken top professionals in the industry years of work. Meanwhile, human review and comprehension are starting to fall behind. For example, people are still involved in the "archeology" of the OpenAI-HF incident from many months ago. Mathematicians may be poring over the 722 manuscripts on frontier mathematics for a while.
The funnel is driven by a combination of factors:
1. The impact scales with ambition, problem size, and horizon. A question with a paragraph answer barely stresses the system. You need a reservoir of big, difficult problems that you really care about. This aspect drives the consumer / professional dimension of the funnel.
2. The jaggedness of the system (which I have written about a lot separately). Capability peaks in domains that are digital, verifiable and economically valuable. This is because LLM capability emerges from reinforcement learning on verifiable rewards on a curated environment mixture driven by revenue potential. This aspect primarily drives the area (e.g. math&code) dimension of the funnel.
3. Access. Free-tier, paid-tier, internal.
So this is the weirdness of the moment. The general public has mostly not interacted with these systems. When they have, it looks like a derpy chatbot. The majority of professionals still see only a modest uplift. And a small sliver of professionals are experiencing the vertigo of the curve going vertical. And it is all happening at the same time.
刷到一个顶级vc分享的挺夸张的故事：一个孩子 14 岁时英语都说不太好，靠 LLM 自学 AI，在顶级 AI 公司实习了一年，后来跨越半个地球去美国排名前十的大学读本科，两周就退学了。按原帖的说法，17 岁的他，已经拿到了旧金山顶尖新兴 AI 实验室的 5 份百万美元级别 offer。
传统教育已经死了
以前一个人想学什么，很大程度上取决于在哪里、能遇到什么老师、学校什么时候教到。现在，一个好奇心足够强的人，可以带着问题不断追问，让 AI 换一种方式解释，边学边做，把原本排在几年后的内容提前接触、理解、用起来。学习的速度，越来越取决于自己的主动性。
这也让我想到我自己在招人的经历，很多优秀的人来自 社交媒体、社群和朋友介绍。一个人自己研究过什么、做出过什么，往往比一份标准简历更能说明问题。当学习可以在学校之外发生，能力也可以通过真实成果被看见，教育原来的路径就一定会松动。
当然，一个天才少年的故事不代表所有人都该退学。但我越来越觉得，未来教育最需要回答的问题是：怎么保护一个人的好奇心，怎么让他愿意主动探索，又有能力判断自己学到的东西。AI 可以陪你学很久，但想搞明白一件事的那个念头，很大程度上依旧和教育强相关。而且需要学校来用token呀lolll
Met a kid today who taught himself AI with LLMs at 14 while barely speaking English, worked a 1yr long internship in a top AI company, flew across the world to attend a top 10 US undergrad, dropped out in 2 weeks, and has 5 ~$1M+ job offers from the top neolabs in SF at age 17.
Traditional education is so dead.
The young kids today are just built different.
又一个程序员恐慌言论出现了
我很赞同Marketing是ai无法替代的，但是核心原因是受制于产品目前还是人用，人去做决策的情况。因为人的喜好随时间、空间、产品不同都会有很大差异，社交媒体火的内容也从不固定。
但这得建立在未来的软硬件纯粹的还是人使用，变现方式还是人类去购买，分发逻辑还是现在的社交媒体。但凡是变成以Agent或者AI为主，那整体结构将会翻天覆地，新时代推荐算法也将出现，核心算法程序员也将是核心，只不过设计者很需要具备to ai/ agent的mkt思维。
不应该让所有人开始学mkt，也不应该鼓励所有人都在写一些ai写出来的劣质文案。我们需要认知，思考，需要嗅觉。也需要专精的人和agent。
