你好，这是我的第27篇newsletter。最近的生活充实且忙碌，见了很多朋友，推进了一些自己的事情，做了一些决定，不过大概就是缺少了一点深度......这期就简单聊聊天吧～

封面：在清华美院研究生毕业展上拍下了这样一组作品，本来是展示瓷器的，不算是最有创意的一组，但是在我相册里效果是最好的😆 看上去很像是一幅油画呢 ⬆️

What’s new：一些关于产品的碎片

🔮 关于微信的两个小功能

💡 微信图片OCR：有时候想从一篇图文并茂的报告中摘出来文字，但网上的报告很多都是图片形式，无法直接复制文字。这时候一个trick就是截图放在微信里（例如发给自己），然后就可以直接把图上的字之间复制下来了，真的非常方便。

💡 公众号文章阅读网页模式：印象里之前微信公众号文章读起来不是很方便，但是前一阵（很久之前）偶然发现在PC端打开后就像是在浏览器中浏览一样，并且也可以打开多个窗口，阅读体验好了很多。如果想对比两篇文章的信息，或者是先把想看的文章都选出来最后一起看，都可以比较丝滑地实现。此外还增加了一些例如全文翻译和调整文字大小的功能。

An image to describe post

不过感觉调整文字大小不是十分必要，毕竟通过在触摸板上缩放就可以实现了。全文翻译默认是“英译中”，针对的是含有大段英文的文章，如果一篇文章绝大部分是中文、只是包含个别英文单词，则是不会被翻译的，例如它不会把“拿到offer”里的“offer”也给翻译了。下面是一个翻译结果示例：英国医疗服务体系生了什么“病”？ | 经济学人社论（上面是微信翻译，下面是专业译者翻译）。

An image to describe post

其实可以看出来微信翻译还是基本上看得懂的，但是确实没有专业译者那样“信达雅”——但是现实中真的追求“信达雅”的人又有多少呢？这也是专业翻译的困境吧。

🔮 关于 Flomo again

💡充了个会员，希望多用用

最近给flomo充了会员（之前虽然一直推荐但一直也没充钱），一方面是想要营造出一种「毕竟都充了会员不用很可惜」的心理，push 自己不要懒惰，及时记录想法，同时也想多体验一些pro版的丰富功能。例如统计图表，引用和反向引用、每日回顾之类的。

An image to describe post

「持续不断记录，意义自然会浮现」是flomo的slogan，也是我很喜欢的一句话，感觉像是在一种浮躁的浪潮中找到了锚点。不过持续记录到意义浮现的过程中，也还是需要自己稍微努力一下，去妥善管理自己的记录。反观自己无论是积累的素材还是对素材的管理都很不够，因此充值会员来激励一下自己。如果想了解更多方法论与产品理念，可以查看这里的： flomo 方法

💡面试被问到自己最喜欢的产品，千万不要乱讲啊...

有一次面试被问到最喜欢的产品，于是说了flomo，但不断展开理由的时候又觉得自己说得不好。除了因为前一天晚上几乎通宵了之后又折腾了一上午脑子不好之外，更根本的原因是我还是在从一个普普通通用户的视角去讲对产品的个人理解，而不是产品经理的角度。

我觉得用户对产品的喜好和理解没有对错之分，或许有时对错体现在有些用户没理解产品定位，就像是shaonan之前写到总有人反馈说希望flomo加一些复杂的排版功能，但如果用户发现刚好被某个产品戳中，即使这仅仅是由于其自身认知局限造成的歪打正着，都不算是有对错之分。但目前感觉作为面试不管对方多强调“这是一场沟通”，它仍然不是一场简单的聊天，你仍然是被judge的，所以还是需要好好设计一下回答，答出层次，答出套路（bushi

具体怎么算答出层次，我没有太多成功经验，还在继续探索中✨

🔮 关于 Stack Overflow

最近本来想要用 Stack Overflow 上的数据做一些关于在线知识问答平台的分析，但也由此发现了这个平台的一些不妙处境，并且打算换一个关注点（以防我的研究还没结束，这个平台自己先结束了....）下面整理一些最近了解到的 Key Points来分享：

在几年前网上关于Stack Overflow的文章都是夸它做得成功；近几个月随着ChatGPT等大语言模型的普及，大家都去找AI debug了，Stack Overflow 上的问答数量直线下降，网上也开始有一些看衰的文章出现。
个人觉得Stack Overflow成功和走下坡路背后都是一个原因，就是太专注于做专业的 coding 问答了。之前的优势在于平台上内容质量很高，解答的人中也不乏很多专业人士，基本都是讨论代码问题，没有什么观点的冲撞；但这中聚焦的领域一旦被替代，就成了致命打击。
Stack Overflow的数据质量很高，并且很容易获取。之前它以每3个月的频率进行 data dump，用户可以直接下载（不过从6月初开始似乎这个就不更新了？），一个替代方案是可以在用sql语句自己取，每次可以下载5万行，虽然这个数量并不足够，但也比爬虫方便多了，相当于是公开的。
之前的大模型训练很可能用到了Stack Overflow 的数据，导致 Stack Overflow 可能想要开始对训练数据收费，但这样可能会导致它的数据将不再是公开可得。真正烧钱训练模型的公司出得起买数据的资金，然而普通用户和研究者却很难支付数据的费用；并且虽然解决了“白嫖”的问题，但也没有达到数据确权的目的，因为数据的所有者还是没有得到任何回报。出于以上原因，此前的一些忠实用户表示不再想在平台上要免费回答问题。

你觉得 Stack Overflow 应该如何转型才能突破当前的困境呢？