← 返回全部情报
Sam Altman 谈如何用 AI 管理 OpenAI 和自己的生活:dots 夺回清晨、活文档、Ultrafast 与「AI 文艺复兴」 的封面

·YouTube·核心人物访谈收录 2026-10-02

Sam Altman 谈如何用 AI 管理 OpenAI 和自己的生活:dots 夺回清晨、活文档、Ultrafast 与「AI 文艺复兴」

Sam Altmandots常驻智能体活文档UltrafastAI 文艺复兴Space自带订阅Decisions APIEvery Podcast

一句话结论

Sam Altman 认为 AI 时代应当是以人为中心的「文艺复兴」而不是以机器为中心的「工业革命」,他用自己的常驻智能体 dot 替他分拣夜间消息、夺回清晨的创造时段,用随手记录的想法让它做出五六个功能版本,用自动更新的「活文档」看业务,并坦言自己所有提示都跑在 Ultrafast 上,因为即时反馈彻底改变了他的思考回路。

打开原文 YouTube · Every:How Sam Altman Actually Uses AI to Run OpenAI and His Life

背景与理念

这期访谈是 Every 旗下播客 AI & I 更名为 The Every Podcast 后的首期节目,在 OpenAI DevDay 2026 现场录制,主持人是 Every 联合创始人兼 CEO Dan Shipper,嘉宾是 OpenAI CEO Sam Altman,视频时长 33 分 10 秒。YouTube 显示的发布时间是美国太平洋时间 2026 年 9 月 30 日下午(上海时间 10 月 1 日凌晨 4 点 32 分)。以下按主题整理 Altman 的主要观点,括号里的时间点对应原视频的大致位置。

第一,关于 AI 与工作:需求远比想象的多,人始终处在中心

Sam Altman 对「编程模型越强、开发者越少」的担心给出了相反的判断:人们想要的东西实在太多了。主持人 Dan Shipper 开场就提到,如果四年前告诉他编程模型会强到今天这个程度,他会怀疑 DevDay 上还剩多少开发者,可现实是开发者比以往更多、要做的事也比以往更多。Altman 的解释是,人们的期待被抬得非常高,开发者「从来没有能做这么多事,但门槛也从来没有这么高」,他认为这是社会的一个好特点,也是大家面前会有一个值得探索的未来的原因(约 01:06)。

他说自己从来不像一些人那样对就业问题持末日论,但现实仍然让他「在好的方向上有些意外」。意外之处有两点:一是世界上潜在需求之大,二是在 AI 带来的所有变化里,人依然处在中心位置(约 01:26)。他也承认,有一些几乎不需要创造力、而且人们并不在意由谁来做的工作,会有很多被 AI 接手;但人们想要的其他东西太多,「新的事情不会短缺」,他认为这是近来最重要的教训之一(约 01:50)。

为什么在一个大谈自动化的时代,一切反而越来越以人为中心?Altman 的观察是:我们其实不太在乎机器做了什么,而且从来都不在乎。他说人类对其他人有一种执念,想知道艺术背后的人、公司背后的人、想法和产品背后的人,并称这是一个「本该早就想到的美好惊喜」(约 02:14)。Shipper 用一句玩笑追问:如果一个智能体在数据中心里解出了纳维-斯托克斯方程却没人知道,它算解出来了吗?Altman 接过话说,那件事里一万个智能体极其协调地连续工作了四天,做成了一件了不起的事,但公众的反应几乎都不是在讨论问题本身被解决,而是在讨论如何解读、讨论参与其中的人,他认为这恰恰是好事(约 02:43)。

第二,关于 OpenAI 自己的节奏:既然说工具能让人多做事,自己就得先多做

这届 DevDay 一口气发布了 22 项内容,Altman 的回应是「等着看明年吧」。Shipper 说自己参加了全部四届 DevDay,去年大约是 9 项,前年是四五项。Altman 补充说,他们其实还砍掉了一批原定当天发布的东西,因为主题演讲的时长装不下;而之所以要发这么多,是因为要「言行一致」:如果 OpenAI 对外说这些工具能让人生产力大增、做出更多东西,而且人们想要更多东西,那 OpenAI 自己最好也做出更多东西(约 03:04)。

被问到「什么都能做出来之后,新的瓶颈是什么」时,他给出了这次发布的两条主线。一条是转向所谓「持续智能」或「主动智能」的世界:智能体全天候在后台运行、接入你的各种系统、主动替你做事,他认为这是明显值得探索的方向,会出现很了不起的东西(约 03:59)。另一条是,现在能被做出来的点子多得惊人,真正缺的是把它们想清楚并做出来的创造精神,所以 OpenAI 想彻底开放生态:让外部开发者像 OpenAI 自己一样在 ChatGPT 里做应用,让用户把订阅带到任何地方,建立市场,把人们连接到 OpenAI 自己做不出来的那些东西上(约 04:20)。

第三,关于平台:OpenAI 押注的是「小团队公司」的繁荣,而不是一家独大

Altman 坦白 OpenAI 至今还没找到「应用商店」的等价物,但已经搞清楚了怎样搭一个让很多人在上面创造巨大价值的平台。Shipper 把 OpenAI 的平台说法比作比尔·盖茨当年谈 Windows 时「创造的价值多于攫取的价值」,并调侃每届 DevDay 都会出现一个应用商店(约 04:50)。Altman 承认应用商店这件事的批评「完全公平」,但他认为 OpenAI 已经找到了帮助数以百万计的人做出重要新产品、创办新公司的方法(约 05:17)。

他把做 AI 模型的公司分成两派:一派相信或希望世界上最终只剩一家公司,另一派相信公司数量会迎来一场复兴。OpenAI 自认属于后者,相信一人公司和小团队公司做出了不起的新产品和服务的门槛会被彻底拉低,因此要在平台上尽最大力气去促成这件事(约 05:26)。

第四,关于「文艺复兴」而非「工业革命」:AI 时代应当以人为中心

Altman 对两者区别的概括是:文艺复兴从根本上以人为中心,工业革命从根本上以机器为中心。他说工业革命有很多好处,在许多方面对世界产生了巨大的正面影响,但很多人个人得到的并不全是好处:人们原本过着丰富的生活,当然也在挣扎、想要更多更好的东西,工业革命在某种程度上满足了这些需求,可很多人也因此变成机器上的齿轮,只做极其专门的一件事,和让生活美好的许多部分脱了节(约 06:29)。

他说自己听到有人谈论「AI 会自动化一切、人类将无事可做」时会感到难过。那种说法认为人类会像家猫一样,由 AI 决定如何奖励我们、告诉我们该做什么,他明确表示「那绝不是我们的想法」。他所期待的是一波科学发现、艺术创作和创业的新浪潮,每个想开创新事物的人都能去做;人们既能分享经济增长和新事物带来的好处,也能重新掌控自己的生活,按自己想要的方式支配时间(约 07:13)。

Shipper 追问,文艺复兴改变了人们对「什么是人」的理解,AI 是否也在带来类似的变化。Altman 说文艺复兴里发生的事情太多,很难归结为一件,但很重要的一部分是人们重新连接上久远过去的许多东西,同时又和疯狂的未来主义、科学与工程的发现结合在一起,让人感到人类的潜能被极大扩展;他听到人们谈论 AI 时也同时在谈这两件事,这正是他最初想用这个类比的原因(约 08:20)。紧接着,他就用自己使用 dots 的经历当作一个「非常微小」的例子,详见下一节。

第五,关于「OpenAI 又干掉了某家创业公司」:这种推文很火,但从来没有成真

Altman 说这类推文之所以有效,是因为人们喜欢末日论,「但它从来没有真正发生过」。他给出两层理由。第一层是 OpenAI 有很强的信念,认为赋能开发者、而不是只想当那个唯一的邪恶巨头公司很重要;他说当天迈出的许多步是其他 AI 实验室不会迈的,比如把 OpenAI 自己使用的工具全部交给开发者,而且 OpenAI 一直在模型开放访问上走在最前面,他也坦言这部分源于自己本来就热爱创业公司、自己就是从那里来的(约 25:47)。

第二层理由是可探索的东西实在太多,OpenAI 自己只能看到其中极小的一部分。他形容世界获得了一种根本性的新赋能工具,「我甚至不知道该怎么形容,这就像火一样」,并说「也许是我们把它从山上带了下来,但我们想把它交给所有人,让大家拿它去做事」(约 26:16)。

谈到创业生态,他说现在是创业的黄金时代,自己很想重新做回创业投资人。他指出,几年前人们普遍担心模型公司会吃掉一切,结果涌现出数量惊人的重要新公司和好产品,「我从没见过创业公司这么快就这么成功」(约 24:23)。他说自己做投资时一直是以创始人为核心,虽然也有偏爱的项目,但基本方法是找到做雄心勃勃项目的最好的创始人,并愿意和他们一起承担很大的风险(约 25:17)。

对于「硅谷创业常识是否需要重写」,他认为有些东西是不变量,有些则已经完全不同。不变的是「做人们想要的东西」这条建议;Shipper 打趣说也许该改成「做智能体想要的东西」,Altman 回答至少按今天对世界的理解,在某个层面上终究得有人想要它。变化最大的是一个人或两个人能完成的工作量,他认为硅谷那条创业「传送带」对此的重新审视还远远不够(约 27:01)。

第六,关于速度与价格:智能会一直更便宜,速度是新的「民主化」方向

Altman 说 OpenAI 过去主要做的、也做得很好的事情,是把「智商的价格」打下来。模型能力大幅提升,同时每隔几个月或每年就便宜得多;现在出现了一个显然会非常重要的新维度,那就是速度(约 31:12)。他说 OpenAI 正在为此投入,自研芯片会对让所有人用上极快的推理起到很大作用,更不用说模型本身对研究和推理栈的改进;他们意识到,必须像推动模型智能的民主化一样去推动速度的民主化(约 31:27)。

当 Shipper 问什么时候能让所有提示都跑在 Ultrafast 上,Altman 的第一反应是「你现在就可以付钱给我们用」。Shipper 说自己负担不起,Altman 便给出判断:在不远的将来,OpenAI 能以很好的价格提供 8 倍速度,但到那时又会有快 100 倍的东西,还会有「GPT-7 Galaxy 之类的」模型。因此他认为正确的理解方式是,在他能看到的范围内,智能、速度或其他维度上永远会有一个价格更高的真正前沿;但大家也可以押注 OpenAI 会继续以「让摩尔定律都相形见绌」的执着,持续、复利式地提高每一美元能买到的价值(约 32:03)。

具体做法

这一部分整理 Altman 讲到的具体用法和产品思路,大部分围绕 DevDay 当天发布的常驻智能体 dots 展开。dot 是 ChatGPT 里一个长期在后台运行、连接各种应用并主动做事的智能体,Altman 讲的都是他自己和同事真实的使用经历。

第一,用 dot 夺回早晨:让常驻智能体替自己挡住夜里积压的事

Altman 说 dots 是第一个让他重新掌控早晨和早晨心智空间的东西。他一直热爱清晨,那是他一天里最喜欢的工作时间、创造力最强的时候,过去会用来做当天最深入、最复杂的项目。可现在他管理一家大公司,随时都有事情出问题,夜里会发生很多事;如果不立刻看手机,有时没关系,有时却是一场真正的灾难,放一个小时就会严重得多。问题在于,一看手机,脑子就被各种别的事情「污染」了,深度工作的时段也就没了(约 08:51)。

现在他的做法是信任自己的 dot 有足够好的判断力,由它决定哪些事需要他考虑、哪些不需要,有非常紧急的事才告诉他,其余的替他处理掉。这样他重新得到了用来创造、或者只是陪孩子的空间。他说「这听起来很小,但对我的生活是一个显著的改善」(约 09:37)。Shipper 总结说,这相当于把许多原本必须立刻处理的事挡到以后,因为你相信等你去看时会拿到真正需要的东西。

第二,当天就发生的两个例子:提前预警线上故障,提醒唯一的空档

第一个例子发生在主题演讲期间:线上出现了一次严重故障,这正是现场演示加上同时部署许多新功能的风险。Altman 说,演示前五分钟,同事 Thibault 收到了他的 dot 发来的消息,大意是:我看到你在 DevDay 主题演讲现场,我知道你一直在准备,我在 Space 里看过演示文稿所以知道演示内容,这次故障很可能让演示跑不起来,要不要我试着修一下?当时只剩几分钟,它还没能修好,但 Altman 认为也许下一个版本就能直接去修生产环境,并请大家想一想要让这件事成立需要多少东西同时到位(约 10:08)。

第二个例子就发生在录这期节目之前。他一整天都在连轴转,常规事务严重积压;就在他走进上一个安排之前,他的 dot 提醒他:在现在和接下来跟 Dan 的访谈之间,你只有一个小空档,必须处理这一件事。他说自己本来绝不会发现这件事,否则会是一团糟,而「不用再担心这些」的感觉非常不同(约 10:59)。

他还分享了一些使用细节和感受。他的 dot 叫 Dotty,之前叫过 Alfred,他说很多人暂时都这么叫,自己还在想一个好名字;Shipper 的 dot 叫 Boo。两人都说 dot 已经成了自己使用 ChatGPT 的默认方式。Shipper 作为早期测试者也直言它还有局限、有些 bug,跨手机、云电脑等多个界面的体验还需要打磨;Altman 认为接下来每周都会快速变好,但要完全理顺肯定还需要时间(约 11:24)。

Altman 认为 dot 最有用的地方之一,是能把一个人生活各处的上下文汇到一起,把连细心的人都很难做对的事做对。Shipper 举例说,他改签航班时 dot 提醒他新航班时间和一个会议冲突,而这个会议根本不在日历上,是 dot 从 Slack 里读到的(约 12:13)。至于研究上需要什么才能做到这些,Altman 说这是一个非常复杂、包含很多部分的系统,但最重要的可能是 Astra:需要一个足够聪明的模型,把模型推过智能门槛是关键(约 12:42)。

第三,用 dot 迭代一个新功能:随手记想法,让它做出五六个版本

Altman 说,有一个他很感兴趣的新功能,很难向别人解释到足以让人把它做出来的程度,而且实现方式很多,他自己也没把握哪种对。于是他的做法是:想到什么,或者在散步时,就随手把笔记发给 dot;dot 自己去做出了五六个版本,他再给反馈、继续迭代。只要有空闲时间或有了想法,就能把原始形态的想法直接丢进去,并且能持续地拿到和给出反馈,他觉得这非常酷(约 13:15)。

他认为这代表了一大类新的可能:那些你自己都很不确定、或者让自己或别人去做都太费劲的想法,现在可以持续迭代下去。他描述了一个场景:睡前迷迷糊糊地留一段很长的语音,把一堆想法说进去,第二天醒来,不仅东西已经做好了,它还接着做完了后面七步,他说「这是一种非常酷的表达方式」(约 13:55)。

第四,交给 dot 那些自己本来会放弃的任务:一张被记成文字的截图

Altman 说还有一类任务,是他以前会直接放弃的。他确信自己在 Slack 里看到过某个东西,想找出来引用;因为 Slack 的搜索「显然很糟糕」,他平时主要用 Codex 去搜。他花了足足一二十分钟,换着各种方法用 Codex 搜索都没找到,甚至开始怀疑是不是自己做梦梦到的,因为 Codex 通常不会失败,最后就放弃了(约 14:26)。

第二天,他的 dot 告诉他:我注意到你昨天在找这个东西没找到,我整晚一直在想,帮你找到了。原来那是一张截图,而他记忆里一直以为是 Slack 里的一段文字。dot 只是很有耐心地待在那里,寻找能帮上忙的事,把每一张图片、每一张截图都看了一遍,最终找到了它(约 15:02)。

由此他谈到注意力问题:人们一直说需要一个智能体帮自己应对互联网的信息洪流,以及各种劫持注意力、让人分心的东西。他说用了几周 dots 之后才真正意识到,尽管技术在很多方面很美好,但社交媒体、手机和通知对他个人注意力的劫持,已经比他以为的严重得多(约 15:30)。

第五,Space 与「活文档」:为人和 AI 的协作重做办公软件

OpenAI 一次推出三款办公套件类工具,Altman 说这并不是一开始就想做的。他们后来意识到,软件整体上根本不是为与 AI 协作而设计的:你可以自己用,也可以让 AI 代你用,但要真正紧密协作,尤其是多个人和多个人的 AI 一起工作时,现有的很多抽象就会失效。所以这虽然是一次野心很大的押注,但他认为人与 AI 协作这个领域非常值得探索(约 16:00)。

他自己的用法是:遇到新想法,仍然用老办法亲手写,因为写作能帮他思考,之后再让自己或别人的 dot 跟进。他觉得最惊艳、但还没有合适名字的东西,他暂且称为「活文档」:一份会随着人们的互动或外部世界的变化自动更新的文档,而且可以由许多人的 dot 一起处理,不只是共享信息。他说「七个人的 dot 一起工作,能创造出某种在我们每个人脑子里都多少存在过、却是涌现出来的新东西」,这在他们构思新功能时非常有意思(约 16:00 至 18:50 之间)。

他最常用的一份活文档是仪表盘。他说每个人大概都有一个每天看的、按自己关心的方式反映公司状况的仪表盘,他以前和其他人共用一份,现在则有一份只属于自己的业务摘要,会根据他不断变化的关注点,读他所有的 Slack 消息,持续生成、持续更新,「感觉就是一份活着的文档」(约 18:50)。

被问到现在最关心什么,他说最近想得最多的是 OpenAI 如何应对眼前的安全、对齐和安保挑战,而半年前他大概更关心收入、增长和指标这些传统业务问题。他很想看到自己的 dot 每天认为他最关心什么、这件事如何随时间变化,但目前还没有好的可视化方式,他也还没能让 dot 想出一个好办法,他希望能看到以年为尺度的变化(约 19:25)。Shipper 说自己想要一个反映心情的实时仪表盘,因为他常让 dot 先替他看一条 Slack 消息、判断现在看还是以后看,Altman 当场表示自己也想要、要拿来用。

第六,Decisions API 与新架构:主力模型要覆盖成本、速度和模态的整条前沿

谈到 Decisions API,Altman 先提到了曾在 OpenAI 工作的 Diogo,说他很早就在讨论这一类想法,OpenAI 也一直在尝试把它做出来。他把这当作「人们永远想要更便宜、更快、更好」的又一个例子:Luna 模型虽然很受欢迎,但用户的头号需求是让它再便宜一点、再快一点。看到外界对新模型 Jev 的反响,也让他们更愿意优先投入这个方向;之后 OpenAI 会以不同方式继续推进,目标是让常见用例的技术极快、极便宜(约 20:21)。

对于新架构的实验室和 OpenAI 之间的分工,他的回答是:OpenAI 要在成本、速度和模态构成的帕累托曲线的每一个点上,都做出最好、最便宜、最快、最强的模型。但他也承认,会有新的方法、新的架构和新的技术是 OpenAI 无法全部覆盖的;他理解 Jev 的路线很不一样,OpenAI 也许能从零做一个类似的东西,但还有别的事情要做。至于主力「干活」的模型,OpenAI 会努力交付(约 21:54)。

第七,插件扩展与「自带订阅」:好点子更多在 OpenAI 之外

Shipper 说,能让用户把 ChatGPT 订阅里的额度带到第三方应用,改变了应用开发者的算账方式。过去开发者要盘算能让用户用多少 AI 才不至于破产,要不要换成更便宜但体验更差的模型;如果用户能自带订阅,就可以在自己的订阅下用任何模型(约 22:24)。

Altman 说他最期待的是那些还没人想到的应用。之所以要做这些、之所以每年办 DevDay 这么大的活动,原因之一是一个非常深的信念:OpenAI 大楼外面的好点子远远多于大楼里面。他不知道自己最终会最喜欢哪个 ChatGPT 原生应用或插件扩展,但非常确信一定会有他今天无法想象、OpenAI 内部也没人能有把握地想象出来的东西;他们想把创造精神交到人们手里,并帮助开发者找到真正需要这些技术的人(约 23:06)。

至于自带订阅,他说这首先是 OpenAI 自己就想要的东西。外面有那么多好东西、那么多新应用,大家都想试试;他讨厌注册一百个订阅,而且试一个新东西时,希望能用上「火力全开」的 AI。他的原话大意是:这是你的订阅,你应该能在任何地方用它(约 23:50)。

第八,CEO 自己动手做东西:摩擦降低一点,人们就会做出多得多的东西

Altman 先纠正了「OpenAI 是一家巨型公司」的说法,称大型科技公司的人数大概是 OpenAI 的一百倍。他说自己非常相信,只要把摩擦降低一点点,人们就会做出多得多的东西;有了 dots,无论是零碎的小段时间,还是能和这个交互式工具一起完成很多事的整块时间,他都真切感受到了这一点(约 27:52)。

他说自己这次想做的不只是以前用 Codex 做的那种给自己用的小项目,而是希望真的把东西推向世界、跨过「可以发布」的门槛。他先说可能会做一个插件扩展发布出去,随后又说「也许我会发布一个真正的 OpenAI 产品,现在感觉一切皆有可能」,并当场表示自己被激励了(约 28:22)。至于为什么不直接派一个团队去做,他说今天就是例子:没有 AI 帮忙,OpenAI 根本做不完这届 DevDay 的发布量;如果这套方式行得通,明年团队会去做,他自己也会做,更多人也会做,最终会有数量惊人的好东西,或者只有一个真正出色的东西也很好,关键是 OpenAI 向世界输出的总效用能增加(约 29:09)。

第九,所有提示都跑在 Ultrafast 上:即时反馈改变了思考回路

Altman 承认自己所有的提示都用 Ultrafast。他说自己一直在想这件事,担心 OpenAI 在某些方面会和用自家工具开发的人脱节,所以他们会刻意给自己加一些限制;他也很清楚不是每个人都能随时随地用 Ultrafast,但自己实在很难再退回去(约 29:42)。

他引用了 Bret Victor 大约十五到二十年前的一次演讲:创作者应该与自己创造的东西有即时的连接,速度和反馈回路极其重要。他说自己之前没有意识到,回复来得这么快,会给自己的迭代思考回路带来多大的不同;无论是尝试做出一个东西,还是把一个问题想清楚,那都是「天壤之别」(约 30:15)。

关键数据/例子

发布规模:按 Shipper 的统计,这届 DevDay 发布了 22 项新内容,去年大约 9 项,前年四五项;Altman 说还砍掉了一批原定当天发布的东西,并说「等着看明年吧」(约 03:06)。

智能体协作的规模:Altman 提到解出纳维-斯托克斯问题的那件事里,一万个智能体极其协调地连续工作了四天,但公众讨论几乎不在问题本身(约 02:43)。

dot 的具体用法:演示前五分钟预警线上故障并主动提出修复;在连轴转的一天里指出唯一的空档和必须处理的事;根据散步时的零散笔记做出五六个功能版本;在一夜之间翻遍所有截图,找回他用 Codex 搜了一二十分钟都没找到的内容(约 10:08 至 15:10)。

协作与组织:「七个人的 dot 一起工作」可以涌现出新东西;Altman 称大型科技公司的人数大约是 OpenAI 的一百倍;他不想注册一百个订阅,这是推出自带订阅的直接动机之一(约 16:00 至 18:50 之间、27:52、23:58)。

关注点的变化:Altman 说自己最近最关心安全、对齐和安保挑战,而半年前更关心收入、增长和指标(约 19:25)。

速度的路线图:他判断不远的将来能以很好的价格提供 8 倍速度,但届时会有快 100 倍的档位和「GPT-7 Galaxy 之类的」新模型,前沿永远更贵,而每美元价值会持续复利式提升(约 32:03)。

创新点

第一,把「智能体替人挡事」当作保护深度工作的手段,而不只是提高效率。Altman 讲的 dot 用法里,最核心的价值不是多做了多少事,而是让他不必一早看手机,把创造力最强的时段和陪伴家人的时间拿回来。

第二,智能体的价值来自跨场景的上下文和不知疲倦的耐心。无论是从 Slack 里发现日历上没有的会议、从演示文稿推断出故障会影响演示,还是整晚逐张查看截图,这些都是靠汇总上下文和持续尝试完成的,连细心的人也很难做到。

第三,「活文档」把文档从静态记录变成多人、多智能体共同维护的动态视图。个人专属的业务仪表盘会随关注点变化而改写,多人的 dot 共同编辑还能涌现出新的想法,这是对办公软件基本抽象的一次重新设计。

第四,用「文艺复兴对工业革命」来界定 AI 的目标。Altman 把以人为中心、让更多一人公司和小团队诞生、让人重新掌控时间,当作衡量 AI 是否走对路的标准,并以此解释 OpenAI 为什么开放平台、推出自带订阅。

第五,把速度当作和智能同等重要的、需要民主化的维度。他用 Bret Victor 的即时反馈原则说明,响应速度会改变人的思考回路,而不只是节省等待时间。

可否复用

  1. 把清晨或其他高创造力时段保护起来,先让一个助理或自动化流程替自己分拣消息。规则可以很简单:只有真正紧急的事立刻提醒,其余汇总后在固定时间再看,目标是不让一早的消息打断深度工作。
  2. 对拿不准的想法,用「随手记录、让智能体做多个版本、再给反馈」的方式迭代。与其花大量时间把需求写清楚交给别人,不如把零散的想法和语音笔记直接交给编程智能体,让它一次做出几个方案,从比较中找到方向。
  3. 给后台运行的智能体留一些「自己去找」的任务。像搜不到的资料、需要逐一核对的截图和附件,这类人会因为太繁琐而放弃的事情,交给能长时间耐心运行的智能体往往会有意外收获。
  4. 尝试做一份只给自己看的「活仪表盘」。让智能体定期读取消息、文档和数据,按自己当前的关注点生成摘要并持续更新,而不是所有人共用一份固定格式的报表。
  5. 重新评估一个人或小团队能做多少事。Altman 认为硅谷对「一两个人能完成多少工作」的重新审视还远远不够,个人开发者可以有意识地挑战过去需要整支团队才能完成的项目。
  6. 在交互式编程和思考类任务里,把响应速度当作值得付费的指标。如果预算允许,可以在最需要快速试错的环节用更快的档位,观察即时反馈是否明显改善自己的迭代节奏。
  7. 做应用的开发者可以关注「用户自带订阅」带来的成本结构变化。当用户能用自己的 ChatGPT 套餐额度驱动应用时,开发者不必再为控制 AI 成本而牺牲模型质量,可以重新考虑产品里 AI 的使用深度。

笔记会在输入时自动保存。