打造 Muse：ChatGPT 之后增长最快的 AI 产品（David Senra 对话 Alexandr Wang）
Meta 不跟风去挤编码智能体，而是押注自己最擅长的个人智能体；做成它靠的不是灵感，而是一张 100 多项能力的评测表、一个不到 200 人的小团队、一个人的统一品味和 7 个月的耐心打磨——同样的「小而精、反官僚、按回报分布来管」也是 Wang 重建 Meta AI 实验室的方法。
把公开的视频、讲座和书提炼成一页中文学习页：一句话论点、精华、逐章精讲、术语卡、外部评价和自测题。共 6 份。
Meta 不跟风去挤编码智能体，而是押注自己最擅长的个人智能体；做成它靠的不是灵感，而是一张 100 多项能力的评测表、一个不到 200 人的小团队、一个人的统一品味和 7 个月的耐心打磨——同样的「小而精、反官僚、按回报分布来管」也是 Wang 重建 Meta AI 实验室的方法。
一个具体问题交给 Chat，一整件「多来源、多步骤、要交成品文件」的活交给 Work；但要写清边界（只用哪些数据、不准编什么、固定什么格式），让它把事实和推断分开，并把跑通的流程定时化、技能化——判断数据可不可信，仍然是人的事。
财务工作的难点是「组装」：散在表格、业务说明、领导问题里的信息要汇成一份可信的复盘或汇报；Work 能把这件事整件接过去，前提是你让它只说证据支持的话、把未决事项留白、按受众改写，而数字、假设和最终判断仍由财务拍板。
AI 让人能做原本属于别的岗位的活（[[任务跨界]]），人手越少的小团队用得越多；但敢试只是第一步，真正的门槛是在自己不懂的领域判断 AI 做得对不对。
AI 让信息、工具和机会前所未有地便宜，年轻人真正稀缺的是时间、身体和认知——先 AI 化、先探图、保持机动，并持续更新认知版本。
投资者不需要预测市场，只需要以远低于价值的价格买入，并管住自己的情绪——[[安全边际]]就是稳健投资的全部秘密。