一堂机会预判方法论
Truman 商业预判课程系统化笔记。15 字心法 / 7 层光谱图 / 76% 概率数学 / 4 阶交付物 / 9 字心态。何时用、如何用、踩坑萃取
Explore curated knowledge, course notes and methods, with their existing content and sources preserved.
These notes are in Chinese; English translations are not yet available.
Truman 商业预判课程系统化笔记。15 字心法 / 7 层光谱图 / 76% 概率数学 / 4 阶交付物 / 9 字心态。何时用、如何用、踩坑萃取
25年11月鱼子酱机构 AI 漫剧第1节直播课。从剧本到成片的完整制作流程(脚本生成→分镜表→资产库→融图→首尾帧→视频)、红果剧场变现路径、推拉摇移环绕6大运镜思维、即梦/Vidu工具栈、人物统一性与三视图资产库、详细提示词描述词(体型/发型/服饰/配饰/绘画风格全清单)、完整剧本《末世招队员,我只挑最废的》案例
在 Claude.ai 网页端怎么安装并启用 Skill(把 .md 文件上传即可),以及对 PM 的用途:Skill 是预装在 Claude 里的"专家说明书",提任务时系统自动把对应专家流程塞进上下文,按验证过的最佳实践干活而非瞎猜。与 newtype-skills-collection 分工:那篇讲 Skill 工程化(怎么造一个好 Skill),本篇只讲 Claude.ai 终端用户视角的安装/启用两步操作 + 何时用 + 坑。
201 条前沿技术 + 工具软件融资。大模型 5 家头部 / 具身智能爆发 / 量子算力起步 / AI for X 应用层 / 头部投资方画像
19 个 toC AI 互动玩法项目融资全景:AI 短剧 / 漫剧 / 互动剧 / 大模型 C 端应用 / 视频生成 / 数字伴侣 / 数字化身社交 / AI 游戏 / 沉浸娱乐。重点拆每个项目的"创新点"
57 IPO + 55 并购 = 112 笔退出。港股 18C / 跨境并购大单(Silicon Labs 75 亿 / 拓臻 60 亿 / 沐瞳 60+ 亿)/ A 股定向增发 / 国资重组
2973 条融资列表记录的统计边界,以及关联历史报道中的产业化、产品复用与资本机制
36 氪 Pitchhub 1135 条 2026 (1-5 月) 融资事件全景。行业 × 轮次 × 头部投资方 × 大单 × 月度趋势,基于实数据
210 条医疗健康融资。创新药出海大并购(拓臻 60 亿美元)/ AI for drug(华深智药 7.87 亿美元)/ 器械国产化 / 港股 IPO 集中
Google 抓取/索引/呈现 3 层控制心智模型。robots.txt(只控抓取,不控索引)+ 3 大限制。noindex(meta tag + HTTP header)实施 + 调试。robots meta tag 11 条 valid rules + 3 条 historical 全表。data-nosnippet 元素级精细控制。X-Robots-Tag (Apache/NGINX 配置 + 正则适配非 HTML)。冲突取最严。robots.txt + noindex 互相残杀的经典坑。控制内容 4 大方法决策表。移除图片专项(Googlebot-Image UA)。9 个 user-triggered fetcher 全列表(忽略 robots.txt)。rel=sponsored/ugc/nofollow 出站链接限定符。
newtype 星球收录的 3 篇 Agent 研究 / 演讲精读。05 CAMEL-AI Wendong Fan《Finding the Scaling Laws of Agents》(2025 演讲:# Parameters → # Agents 类比 / CAMEL + OWL + CRAB + OASIS 框架 / Agentic Data Generation 反哺训练)/ 07《More Agents Is All You Need》(Tencent ICML 2024:sampling-and-voting 暴力堆 Agent 数量,Llama2-13B + 15 个 agents 匹敌 Llama2-70B,3 个维度决定 gain 大小)/ 08《ChatQA》(NVIDIA 2024:two-stage instruction tuning,70B 在 10 个 conv QA 数据集上 54.14 vs GPT-4 53.90,fine-tune retriever 替代 query rewriting 省 API 钱,"unanswerable" sample 训练消除幻觉)
AI 产品经理面试与转型完整资料汇编。AI 产品经理入门手册上下两册 + 100 道高频面试题 + 200 页 PPT《AI PM 新起点》+ 65 页深度学习汇总 + 系统化思维必修课 + 数据标注工作入门 + 语音识别技术 + 语音交互评价指标 + 数据挖掘 + 重视可演进性 + 连诗路《AI 重新定义产品经理》。覆盖"互联网 PM → AI PM"转型的完整知识地图
一门 AIPMM 体系的 AI 产品经理专业证书课程笔记(87 篇,8 模块)的方法论提炼。一句话:这不是给新人扫盲「PM 是什么」,而是把一个有经验的 PM 该随手记的命名框架、模型、清单一次性盘出来——重组成六大块。①PM 角色与职责:产品管理定义(构思→退市 7 阶段)、PM≠项目经理(决定 What/Why vs 怎么 How/When)、商业敏锐度(财务 6 指标 ROI/IRR/NPV/Payback)、AI PM 与传统 PM 的差异(数据策略/模型漂移/可解释性/Responsible AI)。②产品生命周期方法:产品生命周期 4 阶段(导入/成长/成熟/衰退)vs 产品管理生命周期 7 阶段(Conceive/Plan/Develop/Qualify/Launch/Deliver/Retire,每阶段关键交付物 + AI 产品如何改写每一步)、价值创造三种交付方式(瀑布/迭代/增量迭代)、项目管理 Predictive vs Adaptive。③战略与创新框架:奥斯陆四类创新 + 五步创新流程、渐进/激进/颠覆三档创新、SWOT/PEST、波特五力、科特勒产品五层次、市场细分、产品战略五步。④干系人协作与沟通:RACI、五大障碍金字塔(信任→冲突→承诺→问责→结果)、SMART 目标 + 业务价值双层检查清单、电梯演讲六要素、无权影响力(六源影响力)、5 步问题解决法 + 决策矩阵、四种沟通风格(分析/结构/概念/社交)× 塔克曼四阶段 × 情境领导、建立信任六法。⑤业务与商业化:商业发展、产品组合管理(宽度/深度/Portfolio PM vs 普通 PM)、面向公众的 PR/营销物料清单。⑥职业发展:转岗路径、简历 fit-not-identity、AI PM 崛起。与 nngroup-product-ux(PM×UX 实证分歧 + RACI + PLG)和 wiki-ai-pm-design-eng-collab(协作落地)分工:本篇是「AI PM 的方法论骨架与框架词典」,协作细节交叉引用不重写。读者=有经验 PM,术语行内解释,每节带 Why/何时用/反例。
Will「AI 辅助 UX 工作流」定义与洞察(Define & Insight)阶段的工程化手册:把一堆访谈/数据变成「可指导设计的洞察」并讲清楚。覆盖 6 件可外包给 AI 的工作——① 用研访谈转录稿批量提炼洞察(痛点+心智模型+边界场景+成功标准 框架,可量化引用)② 单一核心问题生成「洞察卡片」③ 把用研报告自动选图表 + 出 ECharts/HTML 代码(读图 <3 秒、一图一结论 的判定逻辑)④ 80 种图表类型的 PM/UX 选型速查(按比较/相关/构成/时间/分布/地理 6 族)⑤ 上传界面截图跑 AI 眼动热力图(F-pattern/spotted/layer-cake 四种扫描模式)⑥ 多套 UI 方案 6 维专家评审打分(主要/次要/边缘用户+商业+无障碍+可扩展,起始分-扣分=终分)。另含「强洞察 3 标准 + 因果句式模板」「样本→行为→共性→洞察 的汇报结构」「增长/修复/验证/探索 4 类项目里数据与用研如何分工」。与 google-ux-research 互补:那篇讲访谈/可用性测试/亲和图的手工 craft,这篇讲把同一批工作交给 AI 加速的提示词与判定规则。读者为做 AI 产品的 PM,每节带 Why + 可复用提示词骨架。
Will「AI 辅助 UX 工作流」第一阶段(Discover & Research)的提示词与流程手册。覆盖发现研究阶段 6 项可被 AI 加速的工作:① 把零散项目背景蒸馏成专业「项目背景表达(PB)」② 由背景推导业务目标 × 体验目标 × 大白话驱动逻辑 ③ 对旧界面定位体验问题并量化指标影响 ④ 把模糊问题改写成可行动的问题陈述 + 问题概览图 ⑤ 用 MVP 假设/指标话术做面试口述 ⑥ 生成完整结构的产品概念用研报告(含模拟数据 + 风险反对信号)⑦ 把内容转成专业信息图的「图表提示词」。每节给可复用提示词骨架 + Why + 反例 + 输出长什么样。底层 mental model(业务结果=流量×转化×成本、体验只作用在行为层、MVP 双假设、需求四维打分)也一并收。与 google-ux-research 互补:那篇讲 UX 研究方法本身(怎么访谈/画共情图/跑可用性测试),这篇讲怎么用 AI 把这些研究产物快速产出成可汇报/可放作品集的表达。面向非技术 PM,术语括号解释。
Will「AI 辅助 UX 工作流」构思(Ideate)阶段的提示词手册与方法论。覆盖五类构思工作:① 三类项目决策报告模板(多版本优化 / MVP / 探索创新)——把一个已落地的设计还原成『归因→方向→候选方案对比→决策表→PPT→面试话术』的完整决策链,核心价值是『证明你在做判断而不是执行』;② AI 竞品调研分析报告——拆变量+频率统计+概率级结论的『变量验证法』,在拿不到对手真实数据时做接近客观的判断;③ 根据一句话需求生成创新产品(Peter Thiel 风格 PRD 提示词);④ 通过可用性测试优化方案的 5 步链(测试报告→数据表→仪表盘→改版提示词→新界面);⑤ 用 AI+PRD 生成用户流程图(4 节点语法)与线框图(多结构发散)。每节给可复用提示词骨架 + Why + 反例 + 面试话术句式。与 [[google-ux-wireframe-prototype]] 分工:那篇讲『用户流程/线框/IA 的手绘画法与符号标准』(纯手工设计语言),本篇讲『用 AI 把这些活儿做成报告与决策文档』的提示词流程(AI 加速层),以及构思阶段独有的『设计策略』与『决策能力表达』认知。
Will「AI 辅助 UX 工作流」交付(Deliver)阶段的全部 AI 技法。这一阶段的真实目标不是给开发交付 spec,而是把项目蒸馏成可展示的作品集页面 + 面试话术,所以所有 AI 技法都围绕「把信息重排成会讲故事的视觉/版面」与「把人机协作过程讲清楚」。覆盖:① 多版排版方案生成(旧版式 1:1 提取文字 → 内容方向探索 → 选向 → 出图)② 优化排版/迁移视觉风格(参考图风格迁移,只改皮不改骨)③ 板式转代码 & Figma mockup(单页图 → 还原提示词 → HTML → Figma Make 反推可编辑源文件)④ 信息图语义提取 + 视觉重绘(剥离视觉只留逻辑 → 5 个造型方向 → 线稿 → 套风格)⑤ 用 will-ux-metric-teardown skill 做指标驱动的方案评审(反推商业模式/北极星指标,按 Tier 1-3 优先级找问题)⑥ 在项目中展示 AI 能力与价值(每个 UX 阶段输出「AI 做了什么/面试话术/PPT 该放什么证据」)。每节给可复用提示词骨架 + Why + 反例。设计评审会的人际协作规则(角色/给收反馈/反馈转行动)见 [[google-ux-testing-iteration]];本篇专讲用 AI 跑排版生成/转码/指标评审/价值表达的提示词与流程。
Will「AI 辅助 UX 工作流」体验/UI 设计区(105 篇 .md、~24 个技法子主题)综合提炼:产品经理在'界面/视觉/体验'这一阶段,有哪些活能交给 AI 加速、怎么写提示词、用什么工具链、坑在哪。覆盖九类工作任务:① 生成美观 UI(对标 Mobbin 级国际审美的视觉基准线);② 为参考网站/参考图生成设计系统与 Design Tokens(把'感觉'变成可复用的颜色/字体/间距/圆角变量);③ 品牌色与色彩含义探索;④ 边界交互状态的穷举(用 5 大类清单逼 AI 把成功/用户错/系统错/加载/边界决策全列出来,附 UI 状态对照表);⑤ 通用 UX 微文案生成(3C 原则 + 情绪/JTBD/决策阶段分析 + A/B/C 三版本);⑥ UI 截图转代码 / 转 Figma(图片→Figma Make 还原提示词、图片→低保真线框、HTML→Figma 插件 html.to.design、Figma 默认视觉系统兜底);⑦ Figma 视觉优化(只换皮不动结构的视觉层升级、参考图驱动的 token 提取);⑧ 响应式多平台(截图→移动优先语义化 HTML+CSS 变量+WCAG AA);⑨ UI Skill(Impeccable 21 个原子命令 adapt/bolder/clarify/distill/polish… + Awesome-design 拆解 Linear/Stripe/Apple 的 DESIGN.md 当可迁移设计资产)。另含 4 篇'什么是好的体验/界面/交互设计 + UI 做不好的卡点'的判断框架,帮 PM 知道审稿时该看什么。工具链涉及 Figma Make / html.to.design / Stitch / Land-book / motionsites / Higgsfield / Untitled UI。与 material-design-system(设计系统底层规则)、refactoring-ui(视觉细节手册)分工:那两篇讲'规则本身',本篇讲'怎么用 AI 把这些规则快速产出成 UI/设计系统/文案/代码'的提示词与流程。每节带 Why / 何时用 / 反例 + 可复用提示词骨架。读者=做 AI 产品的产品经理,术语行内解释。
隐形 AI 水印能被频谱分析洗掉且画质无损(reverse-SynthID 实证)→ 水印是诚信用户溯源工具,不是防伪铁证;做内容方该叠加多信号 + 主动合规标识
Will 的非技术 PM「想法→可运行原型」完整流水线,把 vibe coding 拆成 7 个可照抄步骤:① 用 3 档模板把一句话产品想法写成结构化输入;② 让 AI 扮演「需求拷问器(requirements interrogator)」连环追问逼出 Grill Summary;③ 用「顶级产品架构师」角色 prompt 把 5 个回答扩写成投资级 PRD;④ 从 PRD 提取功能点生成 3 个互不重叠的交互方案 DRD,再把选中方案转成可直接出产品的编程提示词;⑤ 喂给 Figma Make(出可交互 demo)或 Claude(出真实可上线产品)生成原型;⑥ 截图回灌让 AI 自己挑错迭代;⑦ 发布到手机(Claude 出 HTML→Netlify Drop 拖拽托管→加到主屏当 App)+ 用 ReferoStyle 一键换皮肤。每步给可复用提示词骨架 + Why + 示例 + 坑。三套并行方法(Method 1 文档驱动主线 / Method 2 文档驱动出 HTML / Method 3 GPT+Figma 自然语言搭 UI)。读者是非技术产品经理,关注「何时用哪步、提示词怎么抄」而非代码。与 [[newtype-ai-coding]] 分工:那篇讲工具栈选型与心法(Cursor/Claude Code/Codex 怎么选),本篇讲非技术 PM 从零跑通一个原型的具体动作链与提示词模板。