马力职场进化论

优质科技领域创作者

「试用期是不是会在15天内到期？」我看 Grist 的公式助手演示时，觉得这个问题比一串函数名容易懂多了。
表里已经有日期，用户要的是每行出现一个「是」或「否」。把问题说给旁边的 AI 助手，它给出判断日期的公式；应用到表格里，就能看见这一列的结果。先明确格子里要出现什么，公式才有一个具体目标。这个功能在 Grist 开源社区版里叫公式助手。新建公式列、接上支持的 AI 服务，就可以在编辑器里描述计算要求。它给出写法，你先在表里看预览，合适再保存。做表格时，很多人知道要解决的问题，却记不住公式怎么写。两列文字要合成一句、日期要判断是否在某个范围里，或者数量乘单价得到总价，最后想要的结果其实已经很明确。AI 助手让这句话和表里的那一列挨在一起，改要求后可以接着看变化。我平时让 AI 整理材料，也会先交代清单里每项需要包含什么。要的是一段介绍，还是几个能横向比较的关键词，输出就不一样。公式把这层要求进一步固定到了格子里：数字、文字，或者一个表示是与否的结果。第一次做公式列，可以按官方说明留下这四个动作：一，给新列起一个能说明用途的名字。二，设置结果类型，比如数字、文字，或表示是与否的开关。三，打开公式编辑器里的 AI Assistant，描述这列要计算什么。四，应用建议的公式，查看这一列的预览，合适就按 Save 保存。前两步也帮忙把问题讲具体。问「是不是到期」，就对应一个判断；想得到总价，结果应该是数字。列名和结果类型先确定，讨论时可以直接说哪一列参与计算、哪一列放答案，不用只指着「这里」和「那里」。 Grist 还有个特点：一个公式负责一整列。官方教程拿采购清单做例子，数量一列、单价一列，总价列按数量乘单价计算。同一列里的记录使用同一套规则，继续添加采购项，也沿用这套计算方式。所以，把列名写成「数量」「单价」「总价」，比仅用 A、B 来称呼更容易描述任务。表里每行是什么，哪两项要相乘，算出来放哪儿，原本藏在格子位置里的关系就能直接说出来。 Grist Labs 做这个项目，把电子表格和数据库的一些长处放到一起，开源核心已有1万多颗 star。联合创始人 Dmitry Sagalovskiy 做过 Google 工程师，CTO Paul Fitzpatrick 在 MIT 取得人工智能博士学位，也做过多种开源数据工具。社区用户 Mr-Rooj 说自己不懂 Python，却很喜欢让 AI 帮忙写公式。他边做边学，反复调整问题，看公式怎样跟着变。读者也可以围绕眼前这列学习：补一项条件后，对照哪些行的结果发生了变化，再理解这项条件怎样起作用。另一种需求是把多行一起计算。官方说明对此有明确区分：每行各算一个结果，用公式列；多行加总，先建汇总表，再在汇总表里使用公式。描述问题之前，先分清自己要的是每条记录一个答案，还是这一组记录合起来的答案。用户 X1011 就贴过计算加权平均的对话。助手起初给他逐项计算的代码，他希望改用已有的加权平均函数，于是补充了这个函数接收什么形式的数据，助手随后给出调用它的新写法。要改哪一部分、希望怎样改，他都沿着原来的计算任务继续说明。把这段对话放回采购清单也容易理解。每件商品的总价，是逐行计算；整批采购合起来多少钱，是汇总问题。两者都可以用一句话表达，但表里要放结果的位置不同。把这个区别先说明，后面的公式讨论会更有对象。公式助手也有用户接到了自己选择的模型。Luc Leger 在自建 Grist 中接本机 AI，起初连接没有跑通，得到项目方提示后换成兼容的对话接口，随后确认已经正常运行。拿到公式后，回到预览看每行结果：日期判断是否对应这次问的范围，采购项是否按同一套规则计算。要增加条件，就继续说明规则怎样变，再查看这一列。公式和表里的结果对上以后，按 Save 留下这次修改。这是个开源项目，在 GitHub 上叫 gristlabs/grist-core。

马力职场进化论

优质科技领域创作者

一位播客作者先给录音降噪，又加回自己在后院录的环境声，我记住了这个做法。
这位播客用户叫 Wrecks0。他和伙伴把播客当兴趣，在家附近录音，环境里会有吹叶机、汽车和邻居的声音。他的处理方式是先清理说话声周围的杂音，再加一条自己清晨在后院录下的安静环境声，让节目听起来更自然。他想清掉的是突然闯进来的杂音，节目又得保留一点自然的环境感。听众能轻松听清说话，也能感觉人是在一个有声音的地方聊天。降噪以后再添一条安静的环境声，处理目标就具体多了。他在 Audacity 论坛里说，OpenVINO 的降噪帮他省下了好几个小时手工剪杂音的时间。电脑和冰箱的持续嗡声，他还会搭配 Audacity 原来的降噪效果处理。他用到的 OpenVINO AI Plugins，是 Intel 给音频编辑软件 Audacity 做的 AI 插件。降噪、分离人声和乐器，都可以从编辑器菜单里调用。原来用于剪句子、调音量的音轨，现在也能接着做这些处理。插件里的 Noise Suppression，处理的就是包含人声的录音。选中音轨上的一段，从 Effect 菜单打开它，选择降噪模型，再应用到这段声音上。当前官方文档推荐 DeepFilterNet 系列模型，处理结果会直接作用在选中的音轨上。选中的片段处理完，结果就留在原来的时间轴上。接下来要剪掉一句口误、调整一处音量，或者再添加一条环境声，都能继续在这个工程里做。Wrecks0 的节目保留了人声和后添的环境声，两者怎样搭配，有了可以分别处理的对象。我做视频时也会在意这种区别。背景有一点声音，和杂音盖过一句话，听起来完全是两回事。先明确要保留哪一种声音，再去选处理方式，录音里的每个操作才有目标。这套插件由 Intel 团队开发，GitHub 上有2000多个 star。Audacity 在2024年初正式介绍它时，就把用途分成了两边：一边服务播客、说话录音，另一边服务音乐。 Intel 做的具体工作，是把已有的音频 AI 能力接进 Audacity。比如音乐分离使用 Meta 的 Demucs v4，降噪接入 DeepFilterNet，再通过 OpenVINO 在电脑上运行。读者面对的是菜单、音轨和按钮，背后的模型则各自负责一种声音处理。准备使用时，可以直接按项目发布页给出的 Windows 安装组合来装。R4.2 插件的发布说明列出了 Audacity 3.7.3 的兼容支持，选定这一对版本再安装，就能沿着对应文档找到菜单。音乐里要挑出的对象则更多。同一首歌，可以只把人声与伴奏分开，也可以把鼓和贝斯分别拿出来。插件的 Music Separation 就负责这部分，处理后会生成新的声部音轨。另一位用户 kevintimba，曾经用云端笔记本做音乐分离。他要上传音轨，去网页运行处理，再下载分出的声部，最后拖回 Audacity 听。换成这套插件后，在他当时使用的 Audacity 3.6.3 里，直接拖入音轨，选中全部或一段，调用分离功能，就能在编辑器里继续处理。 kevintimba 列的新旧流程里，上传、下载、再拖回编辑器这一段消失了。音频原本就在 Audacity 里，选好要分离的范围，新的声部轨道也出现在这里。接下来可以只听一条，或继续调整它。 2-Stem 会生成两条新音轨：人声和伴奏。想跟着伴奏唱，可以把人声轨静音；想听清一句唱法，就单独听人声轨。 4-Stem 会拆成四条：鼓、贝斯、其他乐器、人声。每条轨道带着对应名称，声音成分在界面里排开，可以分别听，也可以单独调整。这两种输出在同一个操作里选择。按官方的分轨步骤做即可：第一，把音频拖进 Audacity，在单声道或立体声音轨上选中要处理的片段。第二，在 Effect 菜单选择 OpenVINO Music Separation。第三，选2-Stem 得到人声和伴奏，或选4-Stem 得到鼓、贝斯、其他乐器和人声。第四，点击 Apply，处理后会出现对应的新音轨，轨名里会带上各自声部名称。一位叫 organoman 的用户，在论坛里分享过自己分离原声鼓的情况。他使用的是 Audacity 3.5.1，原声鼓会进入单独的新音轨，他对这部分效果很满意。分出的鼓轨可以继续剪辑，也可以与其他声部一起播放。学一段节奏时，先单独听鼓落在哪里，再回到整段音乐里听它怎样与贝斯、人声配合，同一段声音就有了两种听法。这是个开源项目，在 GitHub 上叫 intel/openvino-plugins-ai-audacity。

马力职场进化论

优质科技领域创作者

我比较反感华为在尊界这个事情上的处理方式，但是那些拍视频给大家演示，在华为手机里，打不开尊界相关视频的博主，是真的坏。因为拍视频的人不可能不知道，在鸿蒙系统的懂车帝 APP 里，不止尊界的视频点了会打不开，其他类似的视频也一样，这是因为不支持跳转到抖音的原因。要验证这个太简单了，在同样一个 APP 里搜索其他内容，然后也试着操作，立刻就能知道是怎么回事。但是这些人就故意误导大家，拍视频去暗示，这是华为手机对尊界相关的视频进行了封锁，这是真坏。
我这不是为了替华为说话，我觉得在尊界这样级别的车里，连刹车这样最基础的零部件的质量都没有搞好，这样的问题就应该被曝光出来。但是无论是品牌方去捂盖子，还是一些人浑水摸鱼，都是扰乱正常商业环境的事情。良性的商业环境应该是允许监督、欢迎监督，监督出来问题要改。同时，对那些虚构事实、带节奏的，该起诉就起诉。

马力职场进化论

优质科技领域创作者

现在我在用 AI 的时候，经常有一种幸福感。比如说现在都已经很晚了，我正准备回家，突然，脑海中有了一个新的、创新的想法。我就立刻打开我的 AI 编程工具。向它口述一下我的想法，然后让它跑就行了。我可以明天早晨看它跑得怎么样。或者我回家也可以远程直接看它的进展。我只是提个想法而已，等到它具体做了一些事情，我再继续提我的想法和我的判断。这个体验太好了，而且随着 AI 大模型能力不断的增强，它的执行能力也越来越强。特别适合你本来就有很多创新的想法，你又需要几个执行力超强的下属。这真是一个好的时代。

马力职场进化论

优质科技领域创作者

Laurent Cozic 开始做 Joplin 时，手里已经有4000多条旧笔记。我平时也在苹果备忘录里存材料，很能理解资料攒多以后，想把它们保存好、再找回来的心情。
他在2017年讲过项目的起因：那些笔记原来放在 Evernote，他希望把它们存成更开放的格式，于是开始做 Joplin。这个开源笔记软件后来积累了5万多颗 star，很多人带着原有资料搬了进来。一位早期用户就把 Evernote 和 Notion 里的个人笔记迁到了 Joplin，看中的是简洁、开源，也能配合自己的服务器保存。对这种已经积累过材料的人，笔记软件首先要接得住旧东西，之后才谈怎样继续使用。存下来的标题，和以后想找的问题，经常不是同一套说法。官方用一个例子解释新版搜索：你输入「假期计划」，可能找到标题叫「葡萄牙之行」的笔记。那条笔记记录的是一次具体旅行，重新找它时，脑子里想的却是自己要安排假期。 Joplin 在3.7版加入的语义搜索，就是按这种意思上的关系找笔记。搜索时写出需要什么内容，软件去匹配以前存过的标题和正文。忘了原词，也有办法描述自己要找的事。我写文章翻旧材料，常常只记得「有人讲过这个问题」，至于原来的标题和词句，已经不清楚了。如果每次都按今天想到的词去猜，就很容易和当时的写法错开。把眼前的问题写完整，能多给搜索一些线索。早年的另一位用户已有数千条笔记。他提到，很多内容自己已经忘记，只剩下几个字母的印象，搜索还能让旧材料再次出现。这是他使用当时版本留下的记录，也能看出为什么笔记积累久了，找回内容会变成日常要做的事。语义搜索需要先替这些旧笔记建立索引。我读官方说明时留意到，开启后软件下载一个小模型，在后台读取笔记的标题和内容，建立用于匹配的记录。索引和后续搜索都在本机完成，笔记内容留在自己的电脑上。开启步骤可以留着对照，使用3.7或更新的桌面版，Apple 芯片的 Mac，以及支持的 Windows、Linux 电脑：一，在设置里打开 AI 页面。二，勾选 Enable AI features，启用 AI 功能。三，保留 Enable the embeddings indexer 的勾选，让后台为已有笔记建立索引。四，在设置页查看笔记处理进度，再到平常的搜索框输入一条有信息量的描述。这里可以根据自己还记得什么来选搜索方式。记得确切人名、编号，用原有关键词搜索；记得的是某个意思，就写一句描述。比如你要找的是出行安排，问题里直接说明这一点，比只试一个可能出现在标题里的词更贴近语义搜索的用法。把笔记整理进文件夹，也仍然有用。早期用户 Icathian 每天在不同电脑上使用 Joplin，按文件夹层级放笔记，把截图直接贴进去，忘了放在哪儿再搜索。目录保留自己整理时的顺序，搜索帮忙跨过已经记不清的位置，两种找法可以一起用。找到材料以后，下一步往往是继续读和改。Joplin 还有一个挨着编辑区的 AI 对话面板。接好支持的 AI 服务后，可以围绕当前笔记提问、提炼要点，或修改其中一段。搜索把旧材料带回来，对话则接在这条材料上往下做。官方配图演示的是里斯本旅行安排。笔记在左边，对话在旁边，用户提出修改后，AI 往行程中补上标题和内容。读者能连着看原来的安排，以及这一次补进了什么，材料没有离开正在编辑的位置。处理长笔记时，可以先问其中有哪些还没解释清楚的问题，再选择要改哪一处。这样提问有具体对象：眼前这条笔记已经讲了哪些内容，哪一段还需要交代背景；准备采用的部分，也能继续在原文里整理。编辑时用 Markdown 编辑器打开笔记。选中需要调整的段落，再让 AI 修改表述，讨论就围绕这段进行。改完继续读前后文，想回到先前的版本，使用编辑器原来的撤销操作即可。这是个开源项目，在 GitHub 上叫 laurent22/joplin。

马力职场进化论

优质科技领域创作者

「我在乡镇干工作，你刷上一万遍标语口号，开一万次会，不如跟着他们在一起干一次活，组织他们搞一个产业致富。」
你觉得这句话是在哪里说的？这是中国的网友。在国外的社交平台上，对巴西的网友们说的。巴西最近极右翼战胜了左翼，所以很多巴西人很沮丧，来找中国的网友取经（其实一开始是想让中国来救他们）。然后一群中国的网友就开始给巴西的网友们科普，向他们传递中国的经验，比如要到基层去，要走群众路线。一个中国的乡镇干部，甚至是随便的一个中国人，在这些方面，从小到大，都潜移默化的吸收了很多知识，有深刻的理解，现在，这样的知识和经验再传递给其他国家的朋友们。在我们看来已经是常识的，在很多国家的人们那里，可能还要突破认知的障碍。真的很奇妙，世界已经被拉平了。语言完全不会阻碍人们的交流。

马力职场进化论

优质科技领域创作者

我不想一眼就看出图片改过，尤其是去掉一个东西以后，原处还留着一圈生硬的接缝。
Krita AI Diffusion 的用户 Jonseed，就在项目讨论区问过这个问题。他用 AI 移除画面中的东西，边缘却接得不自然。开发者 Acly 看过之后指出，选区向外扩展得太少，几乎没留融合的空间，建议扩大选区或者处理羽化。Jonseed 后来回来确认，问题确实出在这里。原来圈选要考虑两件事：去掉什么，以及周围留多少地方让新旧画面接上。只沿着物体轮廓贴得很紧，意图虽然明确了，边缘却未必有足够的余地继续处理。这个插件把这样的改图过程放在了 Krita 里。Krita 是一款开源绘画软件，装上插件后，画布旁边就有 AI 面板。人先用选区说明要动哪里，生成结果再回到图层里。想留下主体、去掉旁边一个东西，或者给图片边上多留一点空间，都有对应的操作。我做内容时，经常要考虑图片旁边怎么放文字、主体会不会被裁掉。图已经大体合适，再从头生成一次，原来满意的构图和颜色就又要挑。能在现有画面上处理一处，才接得上这类修改。选区周围应该给 AI 看什么，另一位画手说得更具体。在 Dawn_Bridge 的制作分享下面，一位经常用插件的用户提到，改人物手部时，他会连着手臂或者上半身一起考虑。手要与身体接得上，画面需要把姿势的上下文交代出来。他还会先画一个圆表示头、一个三角形表示裙子，再让模型沿着简单形状细化。线条很粗，也已经说明了位置、比例，以及哪一部分挨着哪一部分。人先画下这些关系，AI 才有了继续加工的依据。 Dawn_Bridge 本人的图也是一步步画过来的。他先在纸上画人物构图，借助 Gemini 提取线稿、调整手部，然后回到 Krita 自己铺颜色、加明暗。轮到 Krita AI Diffusion 时，画面已经基本成形，他再用线稿控制和较低的重绘强度继续细化。这份过程里，人物的位置、衣服的颜色、明暗安排都有手工参与。线稿负责交代轮廓，底色告诉模型已有的颜色，后面的生成沿着这些信息走。拿着自己画好的草图，就能理解为什么插件要把这些控制放在画布旁边。 Acly 维护这个项目，最初就把精确控制放得很靠前，目前已经有1万多个 star。2023年的早期演示里，他展示过一边画、一边让 AI 画面跟着变化的方式。绘图窗口照常缩放、移动，喜欢的生成内容可以送回画布，继续拿笔改。同样是圈一块地方，接下来要做的动作也不同。官方的四种常用选区操作，可以按手头的修改来选： Fill：已有画面空了一块，选中这块区域，让 AI 补出与周围衔接的内容。 Expand：图片边缘不够用，先向外扩展画布，再选中新增空白，让风景或背景继续向外延伸。 Add Content：想在确定的位置加一个东西，圈出位置，用文字或控制图层说明要加什么。 Remove Content：圈住想去掉的东西，让周围画面补进来。Jonseed 遇到的接缝，就出在这类处理的边缘衔接上。这几项可以单独选择。图片缺一点边缘，直接扩图；原有构图合适，就围绕需要增减的物体处理。选区给出位置，动作告诉插件这一轮打算怎样改，不必每次重新描述整张图。改动的幅度则由 Strength 滑块控制。它可以理解成「这一轮允许改多少」，调到100%以下，按钮会变成 Refine，AI 以现有画面为起点继续处理。画面接近满意时，可以逐步降低强度，接着补纹理和明暗。 Dawn_Bridge 用的低强度细化，就适合接在手工底图后面。已经定下的颜色和轮廓有了基础，这一轮只想在上面多走一点；如果又发现某个局部需要调整，也可以回到选区重新处理。手工画和 AI 生成就这样在同一张画布里来回接续。生成出来的几张候选，会留在历史里供你点开比较。看中哪一张，再点 Apply，把它放到新图层。原来画好的部分留在原图层，新的结果有自己的位置。有时几张结果各有一处画得好，也可以分别加进来，用橡皮擦和柔边画笔留下想要的地方。候选图到了图层里，笔还能接着画下去。这是个开源项目，在 GitHub 上叫 Acly/krita-ai-diffusion。

马力职场进化论

优质科技领域创作者

复制一段话，粘贴出来时已经翻译好、改好语气了，我对这种小功能一直很感兴趣。
写东西时，最容易重复的动作就是搬运。同一段材料，从原文复制到 AI 对话框，加一句要求，等结果，再复制回来。只是把一封邮件写得更顺一点，手已经在几个窗口之间走了一圈。微软的 PowerToys 里，Advanced Paste 把 AI 接进了复制粘贴。这个 Windows 桌面工具可以在准备接收文字的地方打开，写完要求，处理好的内容就能进入当前文档。 Janea Systems 的 Hubert 在一篇操作演示里，复制了一段波兰语文字，切到文本编辑器，打开 Advanced Paste，要求翻译成英文。翻译结果出来后，点粘贴，英文就进了正在编辑的文件。同一篇演示里，他还换了一种材料：一张波兰语海报。先截取图片，再让工具识别文字、译成英文、存到磁盘。打开生成的文本文件，里面已经是处理后的内容。 Hubert 的两次操作，接到的材料不一样。文字已经复制好，做一次翻译就能粘贴；海报先是一张图，要经过识别、翻译，再保存成文本。早期 AI 粘贴主要对一段文字做一次转换，团队后来把识别、翻译、存文件连在一起，才有了后一种连续处理。官方目前把这类连续动作放在 OpenAI 模型提供方的高级场景下。日常要用到前一种文字处理，可以启用 Paste with AI、选好模型，再复制文字。回到准备粘贴的位置，按 Win＋Shift＋V 调出窗口，在里面写下处理要求。邮件可以在邮件编辑处接住，笔记也可以直接留在正在整理的位置。 PowerToys 是微软的开源工具集，GitHub 上有13万多个 star。它里面有不少解决具体小麻烦的功能，窗口布局、批量改文件名、找鼠标指针，都属于这一类。Advanced Paste 则盯住了几乎人人都会做的复制粘贴。参与维护它的 Jaime Bernardo，在一次访谈里谈过 PowerToys 的工作方式。他是 Janea Systems 的软件工程师、PowerToys 开发负责人，这家公司长期参与 PowerToys 开发。新想法先做成一个可选的小工具，让人用起来，收集反馈，再继续调整。有些成熟的做法，后来会进入 Windows 本身。 Nathan 提过的模型选择需求，就很能说明用户会怎样使用这个小工具。2024年，他提出希望自行选择背后的模型，列出了本地模型、公司内部模型和其他外部模型等情形。现在官方设置已经提供模型管理入口，在线和本地模型都能选择。另一位叫 Saurabh 的用户，提出扩展模型支持时，举的例子是改写技术文档、总结会议记录。文字已经复制好了，接下来要的是一个更清楚、更适合眼前用途的版本。同一类材料经常会反复处理。比如外文资料总要译成某种语言，零散的记录总要变成要点，邮件草稿总要换成较正式的语气。把这些要求保存下来，下一次复制好文字，就有一个现成动作可选。 Advanced Paste 可以把常用要求保存为 Custom actions。给动作起个名字，填好提示词，保存后，它就会出现在粘贴窗口里；还可以为它指定快捷键。比如一个动作负责翻译，一个动作负责整理要点，另一个负责把随手写的话变成较正式的表达。保存 Custom actions 时，可以从官方演示这三条短要求选起，改成自己常用的版本：「翻译成法语。」「用要点形式总结。」「改成正式语气。」这几句话分别说清楚了目标语言、输出形式和说话方式。要改成自己的常用语言，就替换第一条里的语言；要放进工作材料，就先想好第二条究竟要哪种形式。动作名称也可以直接叫「译成英文」「整理要点」，打开窗口便能认出来。我平时写东西，一段话搬进 AI 对话框以后，经常还要补充它会用在哪里。固定动作适合保留这部分共同要求：准备给人看的邮件是什么语气，留给自己检索的笔记用什么形式。临时任务仍可以在窗口里写要求，反复用到的处理则留在动作里。如果这次只想处理拼写和语法，还有 Fix spelling and grammar 入口。开启 Coaching mode 后，预览会解释具体改了哪里、为什么这么改。写外文邮件时，原句中哪个表达需要调整，也就随着结果一起看到了。选定预览里的版本，再点粘贴，文字便进入正在编辑的文档。碰到不熟悉的改法，可以先读一遍旁边的解释，知道这一句为什么这样写。这是个开源项目，在 GitHub 上叫 microsoft/PowerToys。

马力职场进化论

优质科技领域创作者

复制一段话，粘贴出来时已经翻译好、改好语气了，我对这种小功能一直很感兴趣。
写东西时，最容易重复的动作就是搬运。同一段材料，从原文复制到 AI 对话框，加一句要求，等结果，再复制回来。只是把一封邮件写得更顺一点，手已经在几个窗口之间走了一圈。微软的 PowerToys 里，Advanced Paste 把 AI 接进了复制粘贴。这个 Windows 桌面工具可以在准备接收文字的地方打开，写完要求，处理好的内容就能进入当前文档。 Janea Systems 的 Hubert 在一篇操作演示里，复制了一段波兰语文字，切到文本编辑器，打开 Advanced Paste，要求翻译成英文。翻译结果出来后，点粘贴，英文就进了正在编辑的文件。同一篇演示里，他还换了一种材料：一张波兰语海报。先截取图片，再让工具识别文字、译成英文、存到磁盘。打开生成的文本文件，里面已经是处理后的内容。 Hubert 的两次操作，接到的材料不一样。文字已经复制好，做一次翻译就能粘贴；海报先是一张图，要经过识别、翻译，再保存成文本。早期 AI 粘贴主要对一段文字做一次转换，团队后来把识别、翻译、存文件连在一起，才有了后一种连续处理。官方目前把这类连续动作放在 OpenAI 模型提供方的高级场景下。日常要用到前一种文字处理，可以启用 Paste with AI、选好模型，再复制文字。回到准备粘贴的位置，按 Win＋Shift＋V 调出窗口，在里面写下处理要求。邮件可以在邮件编辑处接住，笔记也可以直接留在正在整理的位置。 PowerToys 是微软的开源工具集，GitHub 上有13万多个 star。它里面有不少解决具体小麻烦的功能，窗口布局、批量改文件名、找鼠标指针，都属于这一类。Advanced Paste 则盯住了几乎人人都会做的复制粘贴。参与维护它的 Jaime Bernardo，在一次访谈里谈过 PowerToys 的工作方式。他是 Janea Systems 的软件工程师、PowerToys 开发负责人，这家公司长期参与 PowerToys 开发。新想法先做成一个可选的小工具，让人用起来，收集反馈，再继续调整。有些成熟的做法，后来会进入 Windows 本身。 Nathan 提过的模型选择需求，就很能说明用户会怎样使用这个小工具。2024年，他提出希望自行选择背后的模型，列出了本地模型、公司内部模型和其他外部模型等情形。现在官方设置已经提供模型管理入口，在线和本地模型都能选择。另一位叫 Saurabh 的用户，提出扩展模型支持时，举的例子是改写技术文档、总结会议记录。文字已经复制好了，接下来要的是一个更清楚、更适合眼前用途的版本。同一类材料经常会反复处理。比如外文资料总要译成某种语言，零散的记录总要变成要点，邮件草稿总要换成较正式的语气。把这些要求保存下来，下一次复制好文字，就有一个现成动作可选。 Advanced Paste 可以把常用要求保存为 Custom actions。给动作起个名字，填好提示词，保存后，它就会出现在粘贴窗口里；还可以为它指定快捷键。比如一个动作负责翻译，一个动作负责整理要点，另一个负责把随手写的话变成较正式的表达。保存 Custom actions 时，可以从官方演示这三条短要求选起，改成自己常用的版本：「翻译成法语。」「用要点形式总结。」「改成正式语气。」这几句话分别说清楚了目标语言、输出形式和说话方式。要改成自己的常用语言，就替换第一条里的语言；要放进工作材料，就先想好第二条究竟要哪种形式。动作名称也可以直接叫「译成英文」「整理要点」，打开窗口便能认出来。我平时写东西，一段话搬进 AI 对话框以后，经常还要补充它会用在哪里。固定动作适合保留这部分共同要求：准备给人看的邮件是什么语气，留给自己检索的笔记用什么形式。临时任务仍可以在窗口里写要求，反复用到的处理则留在动作里。如果这次只想处理拼写和语法，还有 Fix spelling and grammar 入口。开启 Coaching mode 后，预览会解释具体改了哪里、为什么这么改。写外文邮件时，原句中哪个表达需要调整，也就随着结果一起看到了。选定预览里的版本，再点粘贴，文字便进入正在编辑的文档。碰到不熟悉的改法，可以先读一遍旁边的解释，知道这一句为什么这样写。这是个开源项目，在 GitHub 上叫 microsoft/PowerToys。

马力职场进化论

优质科技领域创作者

我对 AI 表格重新有兴趣，是因为一位妈妈从一列动物名字开始，和孩子一起做出了能比较栖息地、食物和寿命的学习资料。
这位妈妈叫 Parul Pandey。孩子正在学动物的栖息地和适应方式，她就先和孩子列出动物，再讨论想知道些什么。学名、栖息地、食物，各占一列；给每列写好问题，开启搜索，表格里的内容便逐步补了起来。她用的工具叫 AI Sheets。做到「大象」时，问题出现了。AI 给出了非洲象的学名，但原来的动物名称只写了大象。她于是把名字改得更具体。这张表要比较的对象，也随着修改确定了下来：先说清是哪一种动物，后面的栖息地、寿命才有同一个对象可对照。关于动物怎样适应环境，她保留了较长的说明，又加一列压成关键词。孩子想了解原因，可以看长文本；想把几种动物摆在一起比较，就看关键词。最后，这一列名字变成了可以继续做数据可视化的资料。 AI Sheets 就是让这些要求和结果待在同一张表里的工具。第一列放原材料，后面每列负责一个问题。新增一列时，你决定它要提取信息、总结还是翻译，AI 就沿着这一列逐行处理。原文留着，生成的长版、短版也能分别留着。项目出自 Hugging Face，目前有约1600个 star。这个分享 AI 模型和数据集的平台，把模型接到了一个不用写代码的表格界面里。官方介绍的作者包括 Daniel Vila、Francisco Aranda，以及联合创始人 Thomas Wolf。他们的出发点是先拿少量数据试方法，看到结果后继续调整。 Parul 改动物名称，是把输入说清楚。到了输出这里，AI Sheets 也留了直接调整的办法：改格子里的答案，或给满意的格子点赞，再重新生成这一列。修改和认可过的结果，会作为后续生成参考的例子。比如一列原本输出了一段长话，你把它改成三个关键词，就给了一个具体样子；分类名称不符合你的习惯，直接改成常用的叫法。比起每次再补一句「简短点」「分类清楚点」，格子里已经摆着要怎样才算合适。我平时整理 AI 资料，会先让 AI 扫一遍，再自己编辑。哪些讲应用，哪些讲方法，哪些适合继续追，常常需要分别处理。按这个用法，原材料可以放一列，归类和下一步处理各放一列，编辑时能连着看。要把已有材料放进去，可以照官方文档的这四个动作做：一，导入表格，保留清楚的列名。CSV、TSV、XLS 都在支持范围里。二，点加号增加一列，选提取信息、总结、翻译，或者自己写这一列的要求。三，在要求里引用已有的列。比如原文列叫 text，就写「提取以下文字最重要的观点：{{text}}」。双花括号里的名称，对应你要处理的那一列。四，检查几行，把答案改成合适的样子，再重新生成，让后面的结果参照这些例子。收集用户反馈也可以这样摆。第一列保留留言，后面分别提取「反映的问题」「涉及的功能」「希望怎样改善」。一条留言里提了两件事，就能分别看它们属于什么问题，而不用在好几段 AI 回答之间来回翻找。项目也提供了在线演示，可以用一份已有列名的小表熟悉这些动作。表格有了固定结构，还能接着扩充材料。Francisco Aranda 公开过自己的成品：他把社区已有的一份提示词数据集交给 Sheets，用一条提示词继续扩展，再把结果放回 Hugging Face。已有内容给出了起点，生成的内容沿着这份资料继续补充。如果要比较几种处理方法，就给它们各留一列。Daniel Vila 展示过一组小网页应用任务，把不同模型的输出放在不同列，还加上评价列。公开数据里有取色器、签名板等要求，同一项任务下面能看到不同模型交出的代码和评价。处理文字可以借用这个摆法：同一份原材料，一列做简短摘要，一列提炼要点；或者把同一个要求交给不同模型，结果并排放着。一个回答漏掉了什么，另一个多保留了哪项信息，比较时就有了共同的参照。这是个开源项目，在 GitHub 上叫 huggingface/aisheets。

马力职场进化论

优质科技领域创作者

大家最常用的 AI 工具是哪一个呢？

马力职场进化论

优质科技领域创作者

大厂员工吐槽现在开会就是互丢AI文档，你有同感吗？很多公司都强调内化AI能力，但真的有提升产出质量吗？
我可能会更悲观一些。如果现在很多大厂员工都感觉开会就是互丢 AI 文档，很可能意味着接下来大家的岗位还要进一步的缩减。很多公司所谓的内化 AI 能力。实质上就是用 AI 来代替人工，而且事实上从趋势上来看，是真的有效的。这里说的有效，并不是说 AI 在产出上面，现在已经能够立刻来代替人工了。而是说过去以大厂为例，很多人的工作中，大量的时间浪费在所谓的沟通和协调上面。而这些沟通和协调本质上是不产生价值的，它仅仅是这些公司的工作过程中所产生的磨损。所以当下 AI 在这些公司的应用可能本身还并没有创造更多额外的价值，但是却让这样的磨损明显的被暴露出来，而且很多确确实实的是由 AI 给解决掉了。之前和一些朋友讨论到这个问题，有一位朋友刚好在大厂，以前就做过大厂内部的效率提升的研究。他的原话是，发现这里面的浪费是惊人的。我开玩笑说，这样的浪费难道不是应该的吗？作为人类，在一个公司工作，为什么就不能摸鱼？为什么要像机器一样 100%，所有时间都全身心的投入？尽管从理性上来说，好像我们都有动力去不断的提升这里面内在的效率。但是事实上，这么多年社会约定俗成，在公司内部，大家已经习惯的工作的节奏和效率，就已经是这样了。劳动者这样的效率标准，就是资本家现在买单的标准。而我们现在要做的，竟然是通过 AI 进一步的提升劳动者的效率，把那些以前摸鱼的人的水分给挤出来。短期内看着提高了效率，长期如果从劳动者的角度来说，可能未必是一件好的事。原本的劳资平衡可能会被打破。如果现在的 AI 内化的效率继续提升，接下来，很容易就能想明白，以前 100 个人做的岗位，以后 50 个人、30 个人、20 个人可能就足够了。这就是很多在大厂工作的人要面对的现实问题。像我这个年龄的人，其实都无所谓。我的很多朋友都是 P8、P9、P10 以上的。说实话，我觉得他们都已经赚的很多了，有足够的人生的积累。但是现在很多的年轻人是真的很难，职业生涯刚刚开始的时候，就遇到了这样的大的环境。很多大厂里一线的年轻人接下来几年可能上升空间会越来越小。尽管我自己个人用 AI 用的非常开心，但是在我们现在这个时代，在 AI 快速转型的阶段，很多人可能会为这样的变化而买单。今天大家可能有人在说，这些大厂用 AI 并没有真正的提升工作的质量。你肯定有很多的个案，但是真正对 AI 深入了解的人都知道，这个趋势是不可避免的。

马力职场进化论

优质科技领域创作者

葫芦娃救爷爷为什么要一个一个上，一起上不是很快就能赢吗？
因为这个故事讲的就是一个团队，或者说一个组织是怎么诞生的。在葫芦娃里，其实并不是一个一个上的。大娃确实独闯，三娃却是危急中提前出世。四娃、五娃一起行动。六娃借二娃的千里眼找到如意，救出五个哥哥。四娃、五娃一起上仍被酒宴拿下，说明人数相加不等于团队。二娃和六娃的信息协作反而第一次接近翻盘。七娃更关键。他与哥哥们同根，却在妖洞中出生，被妖怪养成了敌人的孩子，反过来收走六个哥哥。「一根藤」只能给他们血缘，给不了信任。在一个团队里，每个人都有自己的专有技能。但是如果配合不好，就算是都在一起，也未必能发挥最大的能量。这种协作的能力、默契，还有信任，需要有成长的过程。还有一个现实的问题。为什么他们一个个那么着急去呢？因为妖怪把爷爷抓走了，随着时间的流逝，风险在快速上升。每耽误一点时间，都意味着爷爷可能被妖怪吃掉。在现实当中，在做一个项目的时候，为什么要快速迭代？因为市场在不断变化，可能等你把资源都配齐了，都准备好了，机会的时间窗口已经过去了。资源、时间、质量，在真实的工作中，都是在这三者之间不断找平衡和折中。有没有发现？这些道理都是相通的，无论是在一个动画片里，还是在实际工作当中、学习当中、为人处事当中。

马力职场进化论

优质科技领域创作者

不奇怪吗？工业革命两百年来，只有十分之一国家完成工业化，其余永远完不成工业化，为什么？
我研究了非常多的产业发展，深入来分享一下我的看法。我们从小到大接触的信息都是，工业化好像是每个国家会经历的一个成长阶段。但其实不是，工业化是全球竞争当中的稀缺位置。工业品是可以运到全世界，在全世界销售的。一套成熟的产业链能供应几十个甚至上百个国家。所以全球需求增长并不要求每个国家建出自己的工业体系。工业品的订单会向电力、港口、工程师、配套企业、金融和大市场最集中的地方聚集，聚得越多成本越低。这样后来者就越难进入。以中国为例，1990 年中国占全球制造业产出的 2.8%，到 2024 年已经达到了 32%，比美国、日本、德国、韩国加起来还多。但是同样这个时期，拉美的份额几乎减了一半，而非洲呢，长期只有 2% 左右。工业化的实质其实是工业竞争。有了竞争，所以门槛还会不断变高。英国当年靠纺织和钢铁就能积累原始资本。但是现在，一个国家想要实现工业化，要拿刚起步的工厂去和中国的产业配套、自动化设备和成熟的物流来竞争。当年中国是靠廉价的劳动力进入市场的，但是今天中国的劳动力已经不再廉价了。以服装为例，像孟加拉这些国家的劳动力比中国便宜多了。但是前段时间我刚好看了一个数据，在一些服装的工艺上，中国的成本比孟加拉这些国家还低 30%，靠的是什么？是自动化和先进的工艺。也就是说，现在这个时代，再靠廉价劳动力已经很难在竞争中脱颖而出了。能够像中国这样连续十几年甚至几十年把基础设施、教育、信贷和产业政策都压在同样的大方向上的国家，本来就很少。有很多国家有很好的资源禀赋，比如有些国家石油资源很丰富，可以很容易的从石油上面赚到钱。这时候反而会抑制他们其他产业的发展，赚钱太容易了，谁愿意去干苦活呢？还有一些国家旅游资源特别丰富，在旅游上也很容易赚到钱。这时候劳动力就会流入到服务业，工业化也很难再形成。现在因为中美之间的问题，一些产能被搬到类似越南、墨西哥等等地方，甚至连工厂也搬过去。看起来这些国家好像有机会实现进一步的工业化。但是事实上，这些国家只是产业链的下游。搬过去的工厂需要的一些核心的零件，仍然来自中国，离不开整个中国的供应链。实际上你可以认为是中国整个产业的延伸。其实现在说到工业化，在整个全世界，说的主要就是中国。中国的模式非常简单，但是几乎是无敌的。就是在任何一个市场，先用低价、大批量的产品占领低端市场。然后在国内疯狂内卷，一大批企业被卷死，少数企业规模扩大，甚至成为小巨人、巨头。然后这些企业开始往中端、高端走。最后连中端、高端的市场一起占领。而其他一些国家在一开始失去了低端市场之后，会发现慢慢的在中端、高端市场上也很难竞争了。因为一个产业需要从低到中到高的支撑，失去了其中一环，时间长了竞争力就会下降。比如说，你可能能够搞定高端的研发，但是你发现低端的制造已经找不到熟练工人了。中国厉害的地方在于，把这套模式做到了极致。不是在一两个领域，而是在上百个、上千个这样的领域，在批量复制。所以在中国的很多小县城、小镇里，都有这样的产业集群。一个这样的产业集群，可能就能够占据整个全球市场的相当大的份额。我之前去一些国家，传统的工业强国，现在发现他们现在在卖的，自己本国制造的，也就是一些特产，一些手工艺品，其他的几乎所有的产品全来自于中国，没法和中国制造的产品竞争。哪怕加上关税，中国的产品也能做到其他国家产品的 1/2、1/5、1/10 的价格。这就是中国现在正在进行的工业化进程。这个进程还在快速推进当中。我专门做了一下研究，就是在过去四五年的时间里面，仍然还有很多产业发展起来。所以，工业化的本质是一个国家产业在全球范围内的竞争。如果你的竞争力不够高，在现在这个时代，只能成为消费市场，成为资源供应国，或者是特产，或者是旅游相关的产业。工业化的门槛已经非常高了，几乎很难再有新的国家。从工业化上崛起。而现有的一些已经完成工业化的国家，在未来 10 年到 20 年里，还会慢慢的去工业化。一个新的时代真的开始了。

马力职场进化论

优质科技领域创作者

2026，手机 AI 元年：我们和手机的关系，正在改变。
这次 OPPO ColorOS 17 的发布会，让我越来越确信一个判断：2026年，是手机 AI 时代的元年，手机操作系统级的 AI 的架子已经搭起来了。 AI 正在从手机上的独立应用，走向操作系统的核心：把日程、资料和不同应用的能力联系起来，更主动地参与我们正在做的事情。我期待的，就是不用每次都从头交代背景，手机也能在需要的时候帮上忙。时代的浪潮正在滚滚而来。通过这次发布会，我看到了手机 AI 接下来值得关注的三个趋势。一、交互模式的变化：从被动响应到主动服务 ColorOS 的陈希讲过一次去错机场的经历，我印象很深。他和同事在上海出差，准备从虹桥机场回深圳。同事打好了车，他当时正在手机上开会，车来了就直接上去，也没有再确认目的地。开会开着开着，发现还没到，才意识到车去的是浦东机场。同事叫好了车，自己又正在开会，很容易就默认行程安排好了。我希望手机能帮忙的，恰恰是这种时候：我顾不上检查，也根本没意识到出了问题。手机里已经有两条关键的信息：航班从哪里出发，打车准备去哪里。把这两条信息放到一起，就有机会发现问题。小布是 OPPO 的 AI 助手，ColorOS 这次给它增加了行程核对的能力。当它识别到打车目的地与航班或高铁信息不一致，会主动提醒用户。紧急重要的事情，还可以通过「小布来电」，用来电的形式加强提醒。我喜欢「小布来电」这个细节。人正在开会，桌面提示可能根本看不到。既然是去错机场这样耽误行程的事，提醒就得让人注意到。主动服务对交互方式的改变，就发生在这里。过去用 AI，通常要由用户先提出问题、说明背景，再等待回答。现在，系统开始根据已有的信息发现问题，判断什么时候应该介入。我还没有开口，它就有机会帮上忙。但要让人愿意每天用，还有一个很现实的问题：我们已经有用顺手的办法了。假如我用惯了某个点咖啡的小程序，菜单在哪里，常点的东西在哪里，都很熟悉。仅仅告诉我 AI 也会点咖啡，我未必愿意换一种操作。还得先想起来找它，再告诉它要什么，原来的小程序都已经打开了。手机里再增加一个 AI 入口，我更想知道的是：它究竟替我省了哪一步？如果换了入口以后，我仍然要把时间、地点、喜好从头说一遍，原来的习惯就很难被改变。「小布建议」的思路，是记住用户喝咖啡的习惯，在通常需要的时间，把喜欢的品种和服务入口呈现出来。用户点击之后，就能接着下单。这样我才有理由用它：到了想喝咖啡的时候，喜欢的品种已经在眼前，点一下就能接着操作。我不用特意想着今天要用一次 AI，顺手就把事情办了。要做到这些，手机得把日程、当前状态和长期习惯联系起来。ColorOS 提到的 PersonaX 记忆共生引擎，就希望把环境感知、系统信息和个人行为结合起来，逐渐了解用户。这些与一个人的安排、处境和习惯有关的信息，就是个人上下文。记下来的东西以后能用得上，少问我几遍，知道该什么时候提醒，这样的记忆才有用。所以，我判断手机 AI 接下来的竞争，会越来越看重对个人上下文的理解，以及选择服务时机的能力。紧急的行程冲突，需要及时让我注意到；一杯咖啡，在合适的时候递上入口就够了。能分清这些差别，主动服务才容易被人接受。二、软件供给的变化：从标准化应用到按需生成个人工具 OPPO 还有一个正在共创的项目，叫小布 NEXT。它尝试连接手机、电脑里的资料和各种工具，让多个有分工的 AI 助手一起做事。产品经理朱海舟提到，有位在外资企业工作的用户，想学一些自己工作中会用到的专业英语。他最后选择的背词工具，是便签。他的需求其实很明确：要学的内容，散落在会议纪要、手机拍下来的 PPT，以及电脑里的工作资料中。现成词库里有很多单词，却未必是他眼下需要的那一批。所以，他得从不同的地方找材料，交给 AI 提取专业词汇，再复制到便签里，留着上班路上复习。他每天光是做这些准备工作，就要花20分钟。这20分钟花得有点可惜。学什么、材料在哪里，他都知道。每天还是得在几个地方来回找，再复制到一起，才轮到学习本身。小布 NEXT 先参考已有的单词表了解学习情况，再查找过去一周的会议记录、相册中拍下来的 PPT 和电脑下载的材料，把适合学习的词汇、表达整理出来，去重后补进原来的单词表。整理好的内容还带着音标、释义、出处和例句，方便知道这个词是什么意思、原来用在什么地方。这里面的智能体，可以理解成各有分工的 AI 助手。负责办公的角色查会议资料，电脑端的角色找电脑里的文件，结果再汇总到一起。用户把想学什么、材料范围交代清楚，后面的查找和整理，再由它们配合完成。可是，把长列表整理得再快，它还是一张长列表。上班路上拿出来，仍然得一条条往下翻。既然知道这些内容是用来学英语的，就应该继续考虑怎么背更方便。小布 NEXT 给出的办法里，就包括制作一个背词工具。专业词汇被放进可以点击翻面的卡片，还有常用表达、播放功能和练习记录。这个工具用的，就是从个人工作资料里整理出来的内容。我很喜欢这里往前多走的一步。用户说自己要整理便签，背后的目的其实是学会工作中用得上的英语。便签只是他当时找得到、用得顺手的办法。理解了这个目的，AI 就可以继续帮他找更合适的工具。这里值得关注的，是 AI 的生成能力开始延伸到软件功能本身。用户交代要做什么，提供自己的材料，就有机会得到一个可以操作的小工具。软件的供给方式，由此多了一条路：个人的具体需求，也可以成为制作工具的起点。平时用软件，往往是遇到一个需求，先去找应用，看看谁比较接近，再学习它的功能和操作方法。总有一些地方用着别扭，但既然已经选了它，也就慢慢适应。为了补一个缺失的功能，还可能再找第二个工具，搭配着用。以后再遇到这样的需求，我希望能直接把需要说清楚，让 AI 帮我做一个合适的小工具。材料用我自己的，操作方式也尽量按我的习惯来。我做内容，就会希望把一个选题相关的资料归在一起，方便接着看、接着写。换成专业学习，同一批材料又可能适合做成词卡或检索页面。先弄清楚要拿资料做什么，工具才好用。小布 NEXT 的共创案例里，也有用个人收藏文献整理研究资料站点的尝试，还有一页式旅行攻略、亲子小游戏。做软件的人要考虑，有多少人需要这个功能，投入能不能收回来。一个只适合某个人的小需求，很难排到开发计划前面。要是制作小工具的成本和门槛能降下来，一些过去只能自己凑合的事情，就有机会得到一个专门的解决办法。这也是我对手机个性化更感兴趣的地方。每个人的工作材料不同，学习计划不同，做事的习惯也不同，工具的功能和流程就可以跟着调整。成熟应用继续提供稳定的服务，AI 生成的小工具则有机会补上这些细小又具体的需要。同样一款手机，用到最后，每个人手里的工具可能会很不一样。三、系统组织的变化：从以应用为中心到以任务为中心我还有一个不太容易靠单次问答解决的需求：事情做了一半，停下来，过两天再继续。准备一场演讲，从找资料、写稿到确认现场安排，中间会停下来处理别的事。再回来时，我得知道前面做到哪里，还有哪些事情没处理。AI 如果能保留这些背景，我就不用重新交代一遍。一件持续推进的事，往往会用到好几个应用。日历记安排，文档存材料，地图负责导航，用户自己把它们联系起来。我认为，操作系统接下来很值得做的一件事，就是围绕同一个任务，把这些信息和服务组织好，让 AI 接着前面的工作继续帮忙。朱海舟在小布 NEXT 里有一个「ODC 大会，来了！」项目。ODC 就是 OPPO 开发者大会。围绕这场大会，要处理接驳、彩排、演讲材料、工作手册，以及现场联系人的信息。这个项目把相关内容放到同一个地方。打开之后，先能看到按时间排列的安排，知道接下来哪个时段做什么。需要的资料和文档集中在一起，可以直接进入工作手册；要去场馆，有导航入口；需要联系相关的人，也有快捷入口。它还会给出下一步建议。我最喜欢的一个细节，是这个项目可以直接加到手机桌面。过去，桌面上的图标对应一个个应用。我得先判断该找哪个应用，再到里面找东西。现在，桌面上可以直接放这些项目内容了。从应用中心走向任务中心，就体现在这个入口上。日历、文档、地图继续提供各自的能力，用户可以先进入自己正在做的事情，再使用需要的服务。我更愿意这样用手机，因为拿起手机的时候，我心里想的通常就是某件事：接下来怎么去会场，哪份材料还没看完，今天还有什么安排。做一个选题，我也希望有这样的地方。相关材料、写到一半的内容、接下来的安排都能放在一起。回来继续做的时候，直接往下接，不必先把前面的事情回忆一遍。 @@breakli...