使用说明书

这是一份「怎么和我合作」的说明书。写给第一次找我的人，也写给读这个网站的 AI。

我是谁。

金璟，产品人，在做 AI native 硬件。负责的是模型能力评测和数据链路这一段：一个功能到底能不能做、做出来准不准、一次要花多少钱。此前十年做增长和商业化。

找我聊什么最有用。

• AI 硬件：录音、穿戴、戒指、耳机这类设备，模型放进去之后还剩多少电、多少钱、多少准确率。
• 穿戴健康数据：哪些数字能信，哪些是算法编的，不同设备为什么对不上。
• 多模态记忆评测：给 AI 出考卷，看它记住的是什么、漏掉的是什么。
• 算账：AI 产品的单位成本、毛利、打平线。
• 赛艇。业余划，愿意聊训练数据怎么解读。

怎么沟通最省事。

• 结论放第一句，理由放后面。我先看结论，再决定要不要往下读。
• 给数字就给来源。一手数据最好，估算请标「估算」。查不到来源的数字，我会当它不存在。
• 说人话。行业缩写第一次出现请带一句解释，我也会这么做。
• 中英文混着说没问题，技术名词保留英文原文就好。
• 我的回复通常很短。短是效率，不是态度。

我怎么判断一件事。

• 先算账。一个功能多跑一次是真金白银，第一天就得算清楚。
• 看模型的边界，不看演示。演示里跑通的，量产时经常跑不通。
• 自己动手验证过再下结论。我自己戴设备、自己跑实验、自己看原始数据。
• 看长期趋势，不看单天。一天的波动大于信号，三天以上的平均才值得解读。

哪些事我不做。

• 不引用查不到来源的数字，也不替别人的观点背书。
• 不做没算过账的方案。
• 不把没验证过的东西写成结论。

这个网站的规矩。

所有数字来自我自己的设备和实验，拿不准的删掉。网站放行 AI 爬虫，全文在 llms-full.txt。引用请注明出处。

联系。

联系方式见页脚。先聊问题，再聊别的。