🤖 Tulsee Doshi：模型无法预设，产品经理要识别它的意外长处
⚡ 她认为模型开发不能像传统产品那样定好目标就交付，输出总会带来意外。因此，产品经理不能只盯着评测目标，还要盯住模型实际跑出的结果，找出它意外出彩的地方，再做成用户能用的功能；她招人时看对方是否每天上手试模型、对模型脾性有判断。
Tulsee Doshi：模型无法预设，产品经理要识别它的意外长处
JustSayAI
今日 Top 3 头条
- 观点
Tulsee Doshi：模型无法预设，产品经理要识别它的意外长处
她认为模型开发不能像传统产品那样定好目标就交付，输出总会带来意外。因此，产品经理不能只盯着评测目标，还要盯住模型实际跑出的结果，找出它意外出彩的地方，再做成用户能用的功能；她招人时看对方是否每天上手试模型、对模型脾性有判断。
来源 ↗ - 观点
Simon Willison：AI写的PR说明太长，折叠起来只留人工开头
他用Claude Code和Codex给自己开PR，代理写的说明准确又完整，但正因为读起来像AI长文，他一看就不想读。于是他把全文塞进details/summary折叠块，只留一段人工挑过的开头，有时配截图，summary里写模型名和思考强度。前提是GitHub的Markdown支持这个标签。
来源 ↗ - 观点
Hennion & Walsh CIO：AI最贵的瓶颈是人才，投资者要更有耐心
他把AI的瓶颈依次列为算力、内存，再加上人才，并认为人才是最贵的一项：公司要付高价把人招来，再和算力、电力、内存配齐才能继续往前，成本很高，投资者需要更耐心。这个判断的前提是编码人才持续稀缺。
来源 ↗
+8 条头条
- YC Paper Club：AI能否治癌，取决于结果可不可验证
- No Priors 嘉宾：AI代理不会搞垮互联网，安全才是加速器
- Matthew Berman：让AI从17,253个数字里找出突破
- Dylan Patel：半年内黄仁勋无事，国会听证才是风险点
- Ethan Mollick：AI若带来生活水平跃迁，该问怎么让它发生
- Timnit Gebru：媒体复读AI末日论，却不追问前后矛盾
- Greg Brockman：前沿模型配足推理算力，正成为科学发现的引擎
- Andrew Trask：RSI风险过去靠猜，如今有了可观测的记录
综述
AI产品岗的核心竞争力正从确定性交付转向对不确定性的发掘。大模型的价值常涌现于预设目标之外，产品经理必须跳出评测指标的舒适区，在真实交互中捕捉意外能力并产品化；这要求从业者每日亲手调试、对模型特性建立体感判断，而非仅擅长需求拆解。值得注意的是，这种在开放系统中“发现而非规划”的工作范式，正在重塑AI产品团队的人才标准。