最新

在许多当前活跃的讨论中，社区成员都在暗示，使用更新的 LLM 模型可以显著提高生产力。我认为，如果大家能分享这些成功案例发生在哪些问题领域和业务线，对我们所有人都会很有启发。<p>一个好的例子是：“我的团队使用 Claude Code Opus 4.5 构建并发布了一款 iOS 健身应用程序，现在已经有 1 万付费用户。” 这表明您的流程取得了实际的商业成果，找到了付费客户。<p>不太有帮助的例子是：“我的团队处理工单的速度比以往任何时候都快” 或者 “我终于完成了我一直在写的小说，我的朋友们都说它很棒！” 这些例子不太有意思，因为它们没有让我们了解市场反馈。

大家好，我是 Chris，Shimmer（<a href="https:&#x2F;&#x2F;www.shimmer.care">https:&#x2F;&#x2F;www.shimmer.care</a>）的联合创始人之一。今天，我们推出了名为 Indy 的新应用（<a href="https:&#x2F;&#x2F;www.shimmer.care&#x2F;indy">https:&#x2F;&#x2F;www.shimmer.care&#x2F;indy</a>）。Indy 是一款针对 ADHD（注意缺陷多动障碍）的应用程序，用于结构化规划、反思和自我意识练习。 这是一个演示：<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=zDSDxyXv6i4" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=zDSDxyXv6i4</a>。 我们在 2022 年被诊断出患有成人 ADHD 后创立了 Shimmer，此后推出了多个版本的 ADHD 支持工具（一对一辅导、网络工具、身体倍增和 AI 辅助辅导）。 在这些发布和 8 万次辅导课程中，我们反复遇到同样的限制：“知道该做什么”对于 ADHD 患者来说很少是问题。更难的问题是随着时间的推移持续地去做，尤其是在注意力、动力和情绪状态波动的情况下。 这与文献中探讨的一个有用的区别相符（例如：<a href="https:&#x2F;&#x2F;pmc.ncbi.nlm.nih.gov&#x2F;articles&#x2F;PMC4589250&#x2F;" rel="nofollow">https:&#x2F;&#x2F;pmc.ncbi.nlm.nih.gov&#x2F;articles&#x2F;PMC4589250&#x2F;</a>）： “冷”执行功能（面向未来的规划、方向、价值观）与“热”执行功能（即时情绪、紧迫感、冲动、不知所措）。大多数工具都倾向于侧重于管理后者。生产力应用程序推动执行，通用聊天机器人提供建议，但两者都不能可靠地支持热 + 冷 EF 在数周和数月内的交互。 因此，我们构建了 Indy，一个旨在同时支持两者的 AI 支持系统。以下是它的工作原理概述： * **引导式未来映射**：引导用户创建有意义的过去经历、当前优先事项和即将到来的未来时刻的结构化地图。这成为个性化的基础，以便他们在应用程序中做的所有事情都有助于他们更接近这些目标。 * **每日 + 每周签到**：用户参与简短、低摩擦的聊天流程，以设定他们当天的优先事项（最受欢迎的用例是倾倒优先事项，然后让 Indy 帮助整理它们）。该系统不假设一致性或线性进展，并根据先前的行为调整提示，而不是强制执行固定的例程。 * **纵向见解**：随着时间的推移，Indy 会在输入中发现模式，以便用户可以看到努力、专注和障碍的趋势。这有助于对抗常见的 ADHD 体验，即 1) 忘记什么有效/无效，以及 2) 感觉“什么都没改变”。 * **遇到困难时的解决问题**：当用户报告感到受阻时，Indy 使用结构化的、基于行为改变的提示来帮助识别实际阻碍因素（例如，精力、清晰度、情绪负担、环境），并缩小到具体的下一步。 * **包括努力的进展**：Indy 单独跟踪胜利、努力和见解，并帮助用户找出成员表现出的积极方式（例如，努力、心态），即使在没有实现客观结果的日子里。 为什么要使用 AI 来做到这一点？为什么是现在？主要有两个原因：（1）可负担性：虽然持续的人工支持通常会比技术解决方案更好，但这种可用性水平对于大多数人来说太贵了。即使是每周辅导（我们的核心产品）对许多人来说仍然太贵。技术解决方案允许一些支持而不是没有。（2）个性化：AI 使得构建能够保持连续性、随着时间的推移进行个性化并响应上下文的系统成为可能，而无需依赖于僵硬的模板或需要持续的人工存在。 我们使用 AI 构建 Indy 时遇到的主要挑战是防止它崩溃成通用建议、生产力压力或过度自动化/依赖。相反，我们专注于将 AI 用作脚手架和能力建设：支持反思、解决问题和问责制，同时保持用户的自主权，并在非医疗用途方面划清界限。 Indy 免费试用：<a href="https:&#x2F;&#x2F;www.shimmer.care&#x2F;indy">https:&#x2F;&#x2F;www.shimmer.care&#x2F;indy</a> 如果您正在构建应用 AI，和/或您患有 ADHD，我们很乐意知道： * 您尝试过哪些其他的 ADHD AI 工具，以及您喜欢和感觉缺失的地方； * 您如何看待 AI 与人工支持在您生活中对 ADHD 的作用； * 入职和首次使用的感觉如何，以及您有任何积极或批判性的反馈。 我很乐意听取您对 Indy 的（ADHD）体验或反馈。