Mengke Wang (@MengkePM) header
Mengke Wang (@MengkePM) profile picture

✨Builder, Seller, Founder, Dreamer. 📣 Marketing is my day job. 🪐 Building Good Happens & Xevvi. https://teapawt.org/t.co/9J44IQMZsP

Joined November 2024
Photo by Mengke Wang (@MengkePM)Photo by Mengke Wang (@MengkePM)Photo by Mengke Wang (@MengkePM)Photo by Mengke Wang (@MengkePM)Photo by Mengke Wang (@MengkePM)Photo by Mengke Wang (@MengkePM)Photo by Mengke Wang (@MengkePM)Photo by Mengke Wang (@MengkePM)Photo by Mengke Wang (@MengkePM)Photo by Mengke Wang (@MengkePM)
朋友们好!我最近把一本小书整理出来了,叫《把才华变成钱:一个人做品牌工作手册》。 这件事是很重要的而我想告诉大家:养活自己,爱好文艺,这两件事可并行不悖。 写它的初衷很简单:我发现很多有能力、有产品、有经验的人,并不是不值钱,而是别人不知道他为什么值钱、没办法收钱。 所以这本书不讲做人设、不讲追热点,也不讲怎么把自己包装成网红,而是讲一个人怎么说清楚自己帮谁、解决什么问题、凭什么被信任,以及怎么把能力变成一个可以买的东西。 现在我把完整书稿免费公开了,可以在线读,也可以下载 PDF:haoshiyinli.com 如果你正在做自己的产品、服务、咨询、内容或一人公司,应该会用得上。如果有一个阅读目标的话,那么祝你又有文化又有钱。 最后,也欢迎转发给朋友~ 希望对你有启发哦。💡
26
37
8
263
44,173
圣诞套装已就位:
3
5
904
和朋友聊到,一个思考:宏观来看,过去十年,我在进入职场之后,似乎确实通过不断的个人选择维持了平均水平以上的工作体验。当然有各种委屈,经历不公,但是平均水平以上。 回想几个节点的重要转折:首先我毕业之后无意识地选择了并不以男性为第一性的科技互联网内容行业——至少男女相对平等,然后我又在大面上男性是第一性的科技行业,做出了向内求大时代下的情绪产品,这大概率算是女性擅长的部分。 接着我又从事了干脆就是以女性为第一性的小红书内容传播行业。 没有男的女的天生该干啥这回事。因为不断有新行业出现。多好的时代,不用设限。
4
23
3,298
参与 MAIC 2026 评审。杭州三日,收获不少: 1、AI 让创造变得更简单了。于是这世界涌现大量没什么用的应用。 2、是的,创造变得更容易了,但创新变得更难了。 3、即便手机已如此趋近「万能」,我们很难再找出什么令人惊叹的新应用,但好想法永远会出现。好的应用对人类生活产生的影响是不可估量的。 4、最具创新奖来自南京工业职业技术大学的万同学,他一个人做的 Hologrip。这不是一个传统意义上的好学校。时代和平台会给肯钻研的认真的人儿奖赏。 5、席间习得小技巧:要用 Claude 写 SD2.5 的提示词,又准确,生成效果又好。一个被猜测的原因是 SD 在创造过程中有 Claude 的大量参与。 6、看同学们比赛,坐在评委席也得到能量。知行之间的距离,不只是理解和执行之间的距离,而是理想之我与日常之我的距离。是未来之愿与当下之苦的距离。做出来成功的应用是远处的欣喜,但打开 Xcode 的茫然与畏难却近在眼前。大赛颁奖,实力较量,论功行赏。成功少不了日拱一卒。 无论如何,去做啊,做是第一步。 7、这个世界上永远不乏有趣的灵魂,有创造力的生命。我们都有投身生活享受创造的机会,其实我们缺的不是创造的能力,而是能够嵌入生活缝隙又不增加负担的切实可行的方法。你完全可以从制作一款 App 开始。好事发生的条件就是让好事发生。 8、创造者已不需要「教程」。聪明的创造者知道,需要的是 know-how 。 9、「当你停止创造,你的才能就不再重要,你所拥有的只剩下品味。而品味会裹挟你,让你排斥他人,变得狭隘。所以,创造。」
11
29
4,227
评审到目前最大的感受是,所有沾衣食住行信息分享、生活内容社区面临着同一个巨大问题:有小红书/抖音了要你干啥。
1
5
1,325
MAIC 2026,来看新一年移动应用新趋势。
5
51
8,511
在你不知道自己真正的激情所在时,追寻心之所向往往会带你误入歧途。对年轻人来说,更好的格言是:「精通一件事,任何事。」在精通一件事的过程中,你可以顺着带给你更多快乐的方向继续深入,并最终发现你的心之所向。 ——Kevin Kelly kk.org/thetechnium/68-bits-o…
4
1,114
看赵纯想在弄潮城大展拳脚。@chunxiangai
4
47
16,370
人做一份工作久了,其实是很容易低估自己的。做过的项目、改过的方案、花过钱才买来的教训,最后都被归进一句「我的日常工作」。跳槽说不上来自己会啥,想着搞点啥副业,也反而觉得自己得从头学。 其实可以先把目光收回来。 就比如我们公司现在的营销业务:看一篇达人笔记,数据漂亮还不够,要往下看它吸引了谁、带来了什么咨询,再决定值不值得追投。 这个判断,同事们可能已经做过几十上百次。现在让大家把依据写清楚,解释什么情况下该加钱、什么情况下该止损,它就是一个值钱的交付物了。 Bencher AI 的「工作力计划」,正在为这样的经验付费—— 它是一个面向前沿模型训练与评测的专家数据平台。这次招募营销增长方向的从业者,把脱敏后的真实业务场景整理成题目,写参考答案和评分标准,或评审 AI 的回答,指出错误,给出修改依据。注意这里一定是脱敏后的。 你在工作里学会的那些取舍,可以拿来检验 AI 到底懂不懂这份工作。 怎么检验呢?方法是,给 AI 「出题」: 每题预计投入 1–5 小时,报酬 500–1000 元。有题面,有标准答案,才算一道完整的题。 这是一条招募信息,Bencher 正在找这些的专家:如果你有 3 年及以上营销、增长、运营、电商或广告投放相关全职经验,能把业务判断讲清楚,可以通过我的邀请链接 bencherai.com/invitation?ref… 注册,我的内推码是ZPJ3TF。完善工作经历后,再申请相关项目。能否通过、何时匹配到任务,以平台审核和通知为准。 想试的朋友,先从整理自己做过的一个项目开始。把当时的问题、你的选择、选择的理由写下来。重温一遍自己的判断,夯实自己在市场上的价值。 写《把才华变成钱》时,我有一个很具体的愿望:希望读到它的人,能认真清点一次自己这些年练成的本事,试着用它挣到一笔工资之外的钱。haoshiyinli.com/book 现在,可以在 Bencher AI 试试看。 祝你创造更多更好,祝你把才华变成钱。
3
19
2,649
新 Mac 到了,2T 的。再也不用捉襟见肘旋转腾挪了。我是世界上最富有的人了。
5
20
3,083
最近的两张大合照:
1
6
2,646
教练话语暖人心:你这腹肌天生就这么明显吗?
2
4
1,367
靠实力说话,就能保留很多个性和友谊。
1
13
1,795
人类给 AI 布置了几年作业。现在,AI 开始给人类布置作业了。 三份数学候选证明,总奖金池 10 万元。任务很直接:逐行检查,证明我对,或者证明我错。 这是超衍智能(Apex Intelligence)@apexin_ai 最近上线的数学挑战。乍一看,像个数学版的赏金猎人网站。但我看了一会儿,觉得它真正有意思的,不是 AI 又会做题了,而是 AI 做出来的研究,开始把工作派回给人类。 先把时间拨回 9 月初。 9 月 8 日,OpenAI 公布 Navier–Stokes 千禧年难题的结果:约 1 万个并发 agent,跑了 88 小时,用掉约 1300 亿输出 token。之后,又用 GPT-6 Astra 花了 17 小时完成 Lean 形式化与验证。 一个人类研究了近 90 年的问题,被压缩进四天不到的机器时间里。 三天后,陶哲轩等 25 位菲尔兹奖得主发出公开信《人工智能在数学中的严重错位》。他们不是说 AI 不该做数学。更像是在提醒:如果大家只盯着“又解了几道名题”,数学很容易被做成一张不断刷新的排行榜。 可数学不是只要一个答案。一条新路为什么能走通,它借了谁的桥,真正新的那一步在哪里,后面的人还能从这里走去哪里——这些也属于数学。 Lean 可以检查一条形式化证明有没有通过。但一个结果要真正进入数学,还得有人看懂它、讲清楚它,再从里面长出新的问题。 一个证明,不只是一张写着“正确”的收据。它得是一条别人还能继续走的路。 超衍这次公开了 5 个数学研究项目,也没有把话说得太满。 其中 2 项已经由作者或合作数学家核验:Halpern 迭代 × 高阶优化,以及 Mockenhaupt 三项式猜想。另外 3 项还是候选论证,等着独立验证:凸形 Nivat 猜想、Souto 猜想的亏格二情形,以及 Kakimizu 复形可缩性。 先看 Halpern 迭代这项。它研究的是单调变分不等式(MVI),说人话,就是一类“怎样更快找到平衡点”的问题。论文把 1967 年提出的 Halpern 迭代,和新的锚定张量法(ATM)接到一起,把高阶方法的复杂度上界推进到 Õ(ε^(-1/p))。 但我更感兴趣的是,他们怎么把研究做出来。 几位数学研究者先挑出值得做的开放问题,交给 Apex 的自动研究平台大规模搜索。系统找到一条证明,人类先检查;检查完,再提出更强的猜想;系统继续找,最后还是人来逐步核验。不是问一句,AI啪地吐出一篇论文。更像两边来回传球:人决定什么问题值得做,AI 把可能的路铺出来;人走进去看看,再决定下一步往哪边拐。 另一项 Mockenhaupt 猜想里,有个细节我反而更喜欢:论文没有假装 AI 一次就做对了。附录记下了初稿里的证明缺口、错误推导和不成立的估计。作者逐项修正、核验正文,也明确写着:这项工作没有完成形式化验证。 这比一句AI 成功解决更让人愿意相信。做研究不怕出错,怕的是不知道错在哪,也不知道最后是谁签的字。 所以,另外 3 份候选论证被公开放了出来,等人挑错。 找到实质漏洞,可以拿奖;独立验证关键引理,可以拿奖;补上缺口、简化证明,或者把结果继续往前推,也可以。它们不是三道等着公布标准答案的题,更像三件已经做到一半、需要别人接手检查的研究。 怀疑不是拆台。认真地怀疑,本来就是研究的一部分。 我们以前说 AI copilot,画面很明确:人坐在驾驶位,AI 在旁边帮忙。但如果 AI 带着一份没有完全做完的研究回来,说我觉得这条路能通,你帮我看一眼,它就不太像一个等着被点按钮的工具了。更像一个速度很快、脑洞很多,也会犯错的新同事。同事和工具的区别,不只是它会不会主动干活。你们之间开始有分工,也开始要谈信任和责任:谁检查证明?如果错了,错误怎么留下记录?如果对了,贡献又该怎么算? 这些问题,可能比让 AI 再写一篇论文更麻烦。但科研从来不是把答案生产出来就结束了。 科研还要决定,什么可以被我们一起相信。 挑战入口:math.apexin.net/
1
3
1,992
凸形 Nivat 猜想:math.apexin.net/papers/conve… Souto 猜想亏格二情形:math.apexin.net/papers/curve… Kakimizu 复形(纽结情形,不可压缩 Seifert 曲面):math.apexin.net/papers/seife… 已核验的两项研究: Halpern 迭代 × 高阶优化:arxiv.org/abs/2608.08463 Mockenhaupt 三项式猜想(Mockenhaupt's Three-Term Hardy–Littlewood Majorant Conjecture):arxiv.org/abs/2609.09740 (本文为与超衍智能的合作内容。)
690
世界上绝无仅有的标准小狗
29
29
3,909
表妹问我揉面垫的链接有吗,我说什么揉面垫?她说我买给家里的揉面垫。在记忆里搜寻当口,表妹视频就打来了,在我家里,给我展示揉面垫。是一张红色的、陌生的塑料垫子,放在阳台妈妈做饭的地方。再仔细看,隐隐一角有公司logo。 恍然大悟,前司发的。 妈妈走过来,笑着:她哪儿知道有这些东西啊,她都不知道,单位的礼盒直接就寄家来了。 一些家用,日用,未必派得上用场、有可能落灰的各类筋膜枪,电火锅、空气炸锅、擀面杖、塑料制品、毛绒玩具,真用上了的揉面垫,印着公司 Logo 的器具,在妈妈那里开心又骄傲:女儿邮回来的,这都是女儿邮回来的。 离职多年以后,前司给我的荣光与关爱依然有回响。那份年节将至邮回家的思念,妈妈也一直好好收藏。
4
4
2,973
平静,睡眠,肌肉量,好的代谢,现金流。
2
1
24
2,549
今日爱自己行动之马上执行:亲吻肩膀头子或者波棱盖儿一下。
1
4
2,730