Rona

近期的近况和具体实践思考 最近在给bonjour供稿，写一些行业趋势相关的内容分析，写第一个行业的时候感觉还挺顺，但写第二个行业的时候就会发现我的问题是想法很多，于是揉杂在一起就没有一击即中的感觉 分析问题的时候发现原因是聊这些所谓的Insight太多了，然后自己看的报道也太多了，所以感觉写什么都写得写不出来，最后的结果就是一个part写很多，各种point衔接也不恰当。 现在的状态可能是从白纸乱画成了一张彩纸，因为在撰文方面没有很专业的训练过所以造成了一些问题，回不到白纸状态，也不知道怎么沿着好的路径做到最好 对于这样的问题回到原点去思考对于这样的问题应该怎么办 如果回到大语言模型训练的过程中看，按经典的「the bitter lesson」而言，就是要足够好的数据、足够多的算力堆起来，不断叠加然后scale up 于是对于学习如何写一篇好文章而言，就是找到足够好的信息源、找到自己觉得合适的框架，做成skill等让AI不断迭代，然后人工调整 实际操作的过程时，我找到了一篇采访晚点主编的文章，里面详细讲了他是如何理解内容、怎么获得好的信息/观点、怎么行文、以及撰文的逻辑和思考等，并以春节大厂大战为例子做了仔细的分析。当时他写的春节大厂大战的那篇文章收获了很大的关注度，也最接近我想要最终达到的专业度，因此对于「学习如何写一篇好文章而言」，是我目前找到最理想的信息源。 对于优质的信息源，我目前的理解是，在自己的认知范围内，通过推演（喜欢晚点的文章所以去找晚点的文章是怎么写出来的），AI搜索（找不到的信息源框定范围、背景和目标），朋友推荐的方式，找到最好的那一个，排名第二的都不要，如果找到更好的就直接替换。 因为这样子可以让自己的信息熵降到最低，并且因为只用自己认为最好的，所以也让自己的目标高一点 找到好的信息源以后，对于框架和技术层面，我发现做成skill和做成好的skill有很大的差异，因此我之前了解过的工程问题派上了一些用场，但因为我之前自己的知识库都处理的相当糟糕，只是内容的大量囤积，所以用skill出来的内容也完全达不到预期 要再多迭代一下，或许以后有心得体会了再分享 （这个帖子的配图就是我说的那篇采访晚点主编的文章）

发现自己对于「AI」这个概念而言，实践力强的部分总是缺最后三公里，于是每次都很难完成好的闭环。 比如因为了解了很多概念也很会表达所以得到了尝试各种项目和相关的机会，但一旦得到机会以后就不懂得「AI Native」 到现在都没有自己调试很好的agent，也没有搭建好自动化很强的知识库系统（作为撰稿人而言按理来说是刚需） 但我了解和学习过所有主流的Agent架构、延伸到产品上的应用，以及模型的进展和与Agent、产品协作的适配度 也自称「创业者」做过知识库插件、Saas，还因为刚好赶上风口，完整经历和见证了从prompt engineering 、context engineering到现在的harness，因此对于其架构、概念和应用都相当熟悉 于是，对于上一个阶段「了解很多、赶上风口、什么都没做成、没有闭环能力」这样的状态，我给自己总结为「Learning by learning」 成也概念、败也概念，因为对于这些的了解获得机会，也因为沉醉于这些概念而止步不前 以至于我在这一个阶段减少大量输出，不断尝试的时候，发现自己了解的概念和落地之间哪怕贯通，但也有很大的细节差异，自己想象中的很多预期也都没达到 于是要求自己一件一件的小事都一点一点的「AI Native」，而不是一上来就要追求最大的concept，最大的bet，并只停留于此

自称某某生活方式的品牌都很难再唤起情感 生活方式品牌已经拥有了一个词汇库，排列组合一些元素就能够拥有很多的品牌基因和介绍，小众潮流的Vibe可以由完整的逻辑线+不同的叙事拼接，就变成了“Xx品牌正式发布”“今天我们成立了生活方式品牌” 真需求里提到品牌是Being是一种长期的存在感，往往是那些长期的、简单的基本规律，通过恰当地传达能够走得更远，把语言用好是锦上添花，把叙事用“过”就变成了一种手段 如果说更好的叙事，应该回归到好的使命和愿景，伟大的品牌在讲述自己的使命和愿景都是清晰明确、但又有想象力的，比如 IKEA: “Create a better everyday life for the many people.” Patagonia: “Use business to inspire and implement solutions to the environmental crisis.” Slack: “Make work life simpler, more pleasant, and more productive.” Nike: “Do everything possible to expand human potential.” 比起自嗨的品牌官宣或表达说“我们关注人的内心世界探索”，更直接的是真实的具体的产生动作，让人直接能感受到某种场景感、空间感，在这个过程中去理解叙事，其实只需要简单准确的语言表达，而不用过度的词藻堆砌 就跟Pxx人们总会为低价的事物买单一样，看到能唤起想象的场景和美好的产品人们永远会为此买单，所以仍然有很多语言表达能够唤起情感 此外既然是对生活方式的营销观察，就聊聊与生活方式最相关的“人” 还有一个和对做IP的人的观察比较相关的是 有很多其实很厉害有自己Insight的人为了宣传产品为了流量妥协，在被营销充斥和为了商业化效果的所有平台，真正懂很多的人也因为需要流量，而削减大量的信息损耗和真功夫，契合热点话题和词汇，迎合性的传递表层信息

会感觉到对于一群优秀的人才，依赖直觉和灵气行事是很脆弱的,所以Bonjour! 是一个帮助灵气生长的脚手架和系统，所谓的也会觉得他是一个孵化器、社区大学等等。 大家聊感兴趣的东西的方式，或者闲聊，聊着聊着聊工作，聊着聊着回来rambling，也一直在工作的过程中思考和迭代自己，想要去探索的期望是可持续的生活方式 因为在这里对自己的期望就是一个观察者和partime创造者，更多是想要补足一些我没弄明白的「创业/社会」在新时代的方向性问题，所以在我眼里的大家感觉是像管道工一样改东西，但回到宏大的叙事里大家都是聪明又勇敢的探索者、创造者 此外，Bonjour!会补足我在思考的三个大问题是： 1 新时代里“连接”的价值。之所以思考这个原因，是因为我之前一直在看所谓的社交陪伴或者效率这样的赛道。我一直想知道，除开那些所谓的“黑话”词汇或者行业判断以外，有哪些更本质、更从人出发的核心要素构成了这些赛道。 我觉得我看到的一个词是“连接”，因为这些产品最终都还是在帮助人提高效率产生功能价值或者通过不同方式产生情绪价值（Agent时代或许不一定，但是目前是这样），也会在分析这些的时候联想到公司的名字——“开始连接”，就会引发了我很多对于这个东西更细致的思考。 2 新时代的组织方式变化从而引起的生产/生活方式的连锁反应 “如果说之前改变的是连接方式和娱乐方式，那这次AI改变的是什么？”“改变的是生产和生活方式”。之前的互联网时代如果只是改变信息输出模式的话，现在是改变信息创造模式。所以我觉得对于一些创业者来说，反而可以思考的是，AI不能改变的是什么？ 从生产的角度可以看到，组织方式正在发生变化。比如“小团队干大事情”的模式，像两个 Founder 加两个实习生，再配合外包和顾问。未来所谓的 OPC 这种模式，会不会成为主流？ 那为了实现这个目标，首先招聘和使用人才的方式会发生变化，进而引起整个组织架构的变革，这主要是从生产角度来看（也是Bonjour!在探索的事情）；其次在生活方式层面，大家的工作方式可能会转向 Remote（远程办公），结合在全国各地旅居办公、数字游民这样的生活方式 3. 这个时代的变与不变 什么东西是不能被改变的。如果从这个视角出发，对我们这种文科生，注重世界与他人的链接的工作，是值得期待的，不那么悲观的，这样子或许比单调的讨论「AI会替代人吗，取代人工作人怎么办」这样的话题更务实和落地

最近思考的话题是：享受混乱，吗？ 拖低效率，还是有更多创造力 不同的身份的确会带来不一样的多元视角，同样会造成一些混乱，比如说可能导致没有把重要的事情干好。目前找到的对于「如何处理好多线程的精力」这件事情的初步答案是阶段性review自己的使命愿景价值观，明确不做什么，然后收敛到具体每一步： 1. 确定具体的行动，以及是否达成了明确的目标 2. 思考是否在构建自己的能力圈 3. 阶段性地对照自己每个阶段想要的是什么，以及对未来的期望是什么 在这个框架里面，就尽情地不务正业和混乱地探索。或许这样能够找到更高的创造力。

一些奇怪的选题观察之 谁在给 ChatGPT 当老师：RLHF 背后的人力市场 2025 年 1 月，《Nieman Journalism Lab》报道了一个趋势：越来越多被新闻业裁员的记者，正在 Outlier 平台上做 AI 训练工作。Carla McCanna 是其中之一——新闻学研究生毕业后找不到全职工作，在 Outlier 上做 RLHF，时薪约 35 美元，几个月后成了她的主要收入来源。 这个群体只是 RLHF 人力市场的一个缩影。在 Mercor 的平台上，你可能看到更"豪华"的阵容： 前高盛分析师在做金融推理的 RLHF、执业医生在评估医疗 AI 的诊断建议、资深律师在检查合同分析模型的输出、数学 PhD 在验证模型给出的证明是否正确。 这些人在做的，是把自己的专业知识"蒸馏"成 AI 可以学习的部分。 RLHF 的典型流程包括：偏好排序（判断哪个回答更好）、红队测试（故意"攻破"模型）、领域知识注入（为特定领域生成高质量问答对）、评估框架设计（帮助 AI Lab 定义如何评估模型能力）。 不同步骤对专家的要求差异巨大：偏好排序经过培训的普通人也能做，但评估框架设计需要真正顶级的领域专家，全球可能只有几十到几百人。 全球 RLHF 市场在 2024 年估值约数十亿美元，预计到 2030 年代初期达到数百亿美元级别，年复合增长率超过 20%。Mercor 一家平台每日向全球承包商支付超过 150 万美元。 作为同时是全球化和极端精英化的市场。 平台可以调动全球任何地方的专家，但真正高价值的工作只由极少数人完成。因此一个讽刺的结果是AI 在努力变得更加"民主化"的同时，训练 AI 的过程却变得更加"精英化"。 而且，2025 年 11 月 Forbes 报道称 Mercor 在融资后削减了部分承包商约三分之一的工资，引发了关于平台经济公平性的新一轮讨论。当你问 ChatGPT 一个医疗问题时，回答你的不是 OpenAI 的工程师，而是那些在 Mercor 平台上做过医疗 RLHF 的、你可能永远不会知道名字的医生—— 而且他们最近的工资还被降了

从 1 美分到 85 美元：AI 数据劳动力的三个时代 context 在用户感知侧的问题更多是需求侧做产品的逻辑，把视角切换到产业端——context 在 AI 训练过程中的经济学随着技术的更迭也的确有意思 一个可能让人意外的数据：同样是在给 AI"当老师"，菲律宾数据标注工人的时薪是 1-2 美元，而 Mercor 平台上顶级领域专家的时薪可以达到 200 美元。差距近 100 倍。 100 倍反映的除了是地理套利的差异以外，也是 AI 数据劳动力市场的三次代际跃迁。 第一代是蓝领式的数据清洗。 2016 年，19 岁的 Alex Wang 从 MIT 辍学创立 Scale AI，用平台化的方式把数据标注变成可规模化的服务。Scale AI 在菲律宾、肯尼亚等地雇佣大量零工工人， 每完成一个标注任务获得几美分报酬。这些工人被当作"可替换的人力工具"，价值被严格限定在执行层面。2024 年 Scale AI 估值达到 138 亿美元，2026 年 Meta 以 143 亿美元购买了其 49% 的非投票权股份。 第二代是白领式的偏好判断。 ChatGPT 爆火后，RLHF（人类反馈强化学习）成为模型训练的关 键环节。Outlier 平台在 2023 年推出，专门面向 RLHF 任务，招募记者、编辑、技术写作者。这 些工人的工作从"打标签"变成了"做判断"——判断两个回答哪个更好、哪个更安全。时薪提升到15-50 美元，专业领域可达 40-100 美元。但这种模式有规模限制和价值天花板——增长高度依赖 劳动力规模的扩张。 第三代是专家级的领域知识注入。 Mercor 的三个创始人（2004 年出生，高中辩论队队友）最初 做的是 AI 招聘，用 AI 面试系统帮印度工程师对接美国远程岗位。2023 年下半年 pivot 到 RLHF 专家调度——他们的 AI 面试系统能精确评估候选人的专业能力，用来做 RLHF 专家筛选简直是 天然适配。结果堪称疯狂：ARR 从接近零增长到 2025 年底的约 4.5-5 亿美元，估值跳到 100 亿 美元。平台上约 3 万名专家，平均时薪 85 美元，顶级专家 200 美元以上。 这种变化或许可以被称为"专业知识溢价"越聪明的 AI，越需要更聪明的 人来教它。而且随着模型能力的提升，这个溢价还在扩大。 这个趋势的一个侧面证据是：Invisible Technologies 在 2024 年实现了约 1.34 亿美元的年化收入，同比增长 123%，EBITDA 利润率达到 11%。这家公司采用"数字流水线"模式，将复杂任务拆分为微任务，由全球 35 个国家的专家完成。Surge AI 由前 OpenAI 员工创立，专注高质量 RLHF，是 Anthropic 等顶级 AI Lab 的供应商。Turing 拥有 400 万+ 开发者的全球人才网络， 是 OpenAI 的官方合作伙伴。 这些公司的共同特征是：它们不培养专家，只筛选和调度专家。它们的竞争力不在"拥有"人才，而 在"匹配"人才——用最快的速度、最高的精度，把正确的人送到正确的任务上。这种"人力AWS"的商业模式，可能是 AI 时代最有扩展性的劳动力形态。

「不垂直」的人才，反而能拿到最好的 offer "想问下大家有没有误打误撞来到意外的 career track，但那部分是自己可能擅长、却不是最喜欢和想要精进的部分，还是想做其他的！要怎么满足自己这部分的工作需求噢？ 其实自己去年找工作是不打算再做社区，想精进内容的。可是最后好像还是做了社区，留给内容的时间比较少，或者有心无力了。" 以上来自Forrest 在社区里的提问，也好像是我见证的一群在前沿实践的outliner的缩影，我们在往前冲和不断创造的同时也正在经历某种career path的焦虑。 我们好像总是偏离自己设定的轨道。 —- "不垂直"是原罪吗？ 在跟mouna聊天的时候开始感慨我过于交叉又混乱的经历和尝试，给自己的总结是因为"过于不垂直，导致干什么都干的不太好"。 Mouna的回复是 「其实我一开始也会担心，我做的事情不够垂直。但后来发现，不垂直也是某一种程度的垂直」 如果说传统的职业叙事告诉我们要选定一个赛道，扎下去，成为专家，这个逻辑在成熟的大公司里也成立，因为螺丝钉越标准，机器运转越顺畅。 但 Startup是会乱来又怪叫的野生动物。 野生动物的关键线索是能在丛林里活下来，而能在丛林里活下来的人，往往都是有一张网的能力项的「八爪鱼」。 如果提及做内容，的确如此相似，例如怎么抓住注意力，怎么建立信任，怎么把抽象的价值翻译成别人能听懂的语言，又如此不同，比如做叙事/增长/社区除了工作任务以外，思维逻辑也不太一样。 但最值得相信的就是年轻人不可预测的变化和造化，这些能力会泛化，迁移到每一个见过或还没见过的下一个形态，只要不断的探索和适配环境，就能跟变色龙一样巧妙的融入。 如此看来，有的时候表层的不垂直，或许就是垂直在了一个更底层的维度上建立了更牢固的直角。 --- "到处探索"的人，成为 Startup 想要的「outliner」 在这样的语言体系表达里，"做过"比"学过"值钱，"解决过"比"专精过"值钱。 昨天聊到一个产品发版，我说xx才发了一个版本可以试试看，小伙伴的回复是这都两个月了怎么能用「才」字形容，startup度日如年，两周就会翻天覆地，两个月足已够一个startup死掉。 在我们的生活周期里，两个月是一个很小的时间单位，但 Startup的魅力就在于如此不可预测，比如今天需要你做内容，明天可能需要你去跟用户聊，后天可能需要你想办法让产品被更多人看见。如果只有一条直线可能在这个环境里会很难受，但如果你有一张网，就可以随时把自己抛到任何一个节点上，然后快速适应。 —- Career Track 的不可预测与可预测 说到 Career Track，我觉得它既有不可预测的变数，也有可预测的规律。 不可预测的部分是你永远不会知道下一个机会从哪里来，但可预测的部分是：你的底层能力会把你带到该去的地方。 内容能力、表达能力、建立信任的能力这些是不会浪费的。它们可能以不同的形式出现，但它们不会消失。在这个时代，比起拥有的某一项技能，或许更重要的是有一套自己的价值框架和价值体系，一个适配不同环境的操作系统。 在变数中站对位置，在规律里跑的更远。 "擅长但没那么喜欢"的岗位选择 或许会有很多"有心无力"的瞬间，做不断的服用以前的经验，然后机械的执行。 用自己想要的形式做喜欢的事好像着实有点可遇不可求，既然这样的话或许可以给自己搭一个脚手架。 在还年轻不需要选定一个终身方向的时候，需要做的就是继续积累那些可以迁移的底层能力，然后等待一个"对的时机"——可能是一个新的项目，一个新的团队，或者一个新的平台。 --- 如果你正在寻找下一个职业机会——我们在 Bonjour! 上 curated 了一批最有前景的 AI startup 公司。 这些公司在 A 轮及以前，近 6 个月内获得一线 VC（红杉、线性资本等）融资，产品定义清晰，团队年轻且技术驱动。是我们 Bonjour! 团队自己会起心动念加入的公司。 有时候，你需要的不是更垂直的简历，而是一个能让你把"不垂直"变成优势的地方。 一起探索不可预测的下一段 Career Track吧！欢迎探索：bonjour点bio

Context 即信任的时代，用户感知与产品设计要有「更精准的想象力」 对于很多社区类的产品而言，从用户的角度出发如果不是为了"高效地完成某件事"，就要获得情绪价值抓取到一种连接感。这个过程在效率维度上是极其低效的，可能刷了 20 分钟什么都没有得到。但它满足了某种情绪需求。 而当你发自内心地觉得一个东西提供的是情绪价值，或许就不应该同时期待它能给你带来能够替代情绪价值的实用价值。同时提供效率和情绪价值的好产品并非没有，比如Chatbot 给你回答了问题（效率），但对话过程又不会冷冰冰的（没有情绪）。 但两头不靠下场很惨的产品更多，AI 效率工具产品试图提供情绪价值的话，如果用户心里清楚这只是个程序就很难真正建立信任，也意味着为了获取更多的用户context达到更好的行动效果，就要获取更多用户的信任以及隐私。除了如何设计产品框架和用户侧的context收集与输出，如何解决隐私/监管问题也是个重要关注点。 在这个方向上，不同团队做出了不同的选择，比如选择用一些情绪IP或者塑造某个意象，把上下文捕捉工具包装成了陪伴者。偶尔弹出一条主动建议，位于"我在关注你但不打扰你"的姿态，踩在了效率和情绪的交界线上。 另一条路径是选择全面记录用户的屏幕内容，构建完整的个人记忆库。这种方式在效率层面更强大——你可以搜索自己过去看过的任何内容——但在情绪层面更侵入，这意味着用户需要付出更高的信任成本。 在context爆发的时代，有些产品开始学会了聪明的做「减法」，比如会议助手类的一些效率工具则走了另一条路径——不记录会议的全部内容，而是基于用户随手记的几个关键词和会议的音频，自动生成完整的会议纪要。这种"半辅助"模式比全面记录更轻量，或许比纯手动整理更高效，信任成本则介于前两类公司之间。

每次被问到加入一家公司的原因是什么，我的回答都是我看不懂这家公司，所以想去观察一下 于是每加入一家startup对我来说都是一次探险，我会在每一次探索前收集不同的路线图和思考点，然后生成路书，打开探照灯，最终上路 我的路书上面总是有很丰富的疑问，首先是我本位的探索，我要在这里做什么、我为什么要在这里做、对我会有什么影响； 其次是收集的各种疑问，他目前的生态位和后面的发展会是怎样？为什么这个节点做这个事？这个团队是什么样的氛围什么样的组成和什么样的信仰？他们相信什么为什么又相信这个事情能干成？ 前辈们已经习惯于我不按常理出牌，因为我几次加入他们并不看好的创业公司，然后会回去跟他们讲这个公司有多好多好，为啥为啥好，所以他们就会不断的产生好奇，我每次到底出去挖了什么宝藏 这么说起来有点不太好，希望不要被误认为是间谍， 换个更好点的比喻，这更像是我们会去看乔布斯、马斯克传，了解这些伟大创造者的成长故事以及公司的发展历程，为什么这么干干成了、什么价值观会让他为什么这么干、这跟他的个性或者经历是怎样的相关、他干成了以后是怎么样 不一样的是，这些startup公司的founder因为极为年轻，所以没有人给他们写传记，而他们和公司都在发展中又都不可预测，但这样的不可预测又在市场上有极大的价值，就像现在黑客松如火如荼但变现和商业化的本质仍然是FA那样 所以我总会选择公司不大但至少跑过一轮有项目沉淀的团队，去看这些人是什么样的价值观甚至人生观，又为什么会在这里。 那么来倒序从团队的角度回答以上我的思考，什么时候会对一个团队，觉得还可以待得再久一点？ Bonjour!简直是个奇怪的团队，我想现在是可以讲这个故事的时候了 你很难想象一个公司在不是谋权篡位的和平状态下，有几个人要背着 CEO 去做一个新产品，甚至还是自愿加班 是的，我们公司的技术背着 Vincent 在悄悄自己加班做 iOS 端 App，并且公司所有人都知道，除了 Vincent。 在说这个事情前我还特意去问了他们，vincent现在知不知道这个事情，怕打乱他们的计划 他说他本来想再晚点在说的，但「现在我有点搞不赢了，所以我就必须直接说我在搞 iOS，不要给我派其他活」 我问他为什么要给自己找活干，他说因为他是 iOS 开发，就想要做好的 iOS 应用。 在这个阶段，Vincent 认为我们目前找工的这条业务线才是优先级，必须先把它做出来，所以延后了IOS端计划。或许这就是有信仰的技术人员的执着吧，出于真的想做一个好产品的信念，他还是去做了这件事。 这种举动好像只能在 startup 团队里看到，奇怪、诡异又好笑的碰撞，真的让我很难用语言表达那种怪异和惊讶。 说起怪异，他们是真的在办公室会突然怪叫和不知道在搞些什么。。 另一个「小故事」的纪实： 我在开会 Vincent 和启师傅在门口鬼鬼祟祟 我（转头）（问）你们在干啥？ （猜到要翘锁了 这里前情提要：我司有一扇被锁住的门，Vincent总是企图把他打开这样就能直接跳下去，但是物业不给钥匙 然后我接着开会 Vincent 又一次（滑…）过来，问：Rona，你知道开锁的原理是什么吗 我：我不知道 Vincent：（弯腰）把手里的五个回形针摊了出来，企图讲点什么 我：但是我在开会诶（赶紧把麦关掉） Vincent：（直起腰）（好像轻声说了一声哦）然后（又弯腰）把五个回形针摊开，莫名其妙的用五个回形针跟我讲了半天钥匙为什么能够打开锁，原理是什么，（因为对应12345 钥匙的曲线是125所以就能开锁巴拉巴拉 （然后遛走… 想起之前说Bonjour! 是一个流动的孵化器的原因，就是因为我发现这里的每个人都很有意思，我有时候甚至在幻想，我以后真正成熟打磨好了又去创业了能不能从这里挖人。 我是一个很容易厌倦的人，而且加入一个团队是因为有我想探索的信息，比如这个时候我又会幻想我是个投资人，会去看这些startup团队里的人都是什么样的 我想这样有趣的团队是我在这里呆的久的原因之一（虽然我在这里确实呆的时间很短，但是再过一阵子Bonjour!就要成为我呆的最久的地方了） 说回这个阶段「我本位」的探索，我还会在这里呆着是因为他需要我做的事情跟我当下要做的事情是一样的，能力点的复用对我来说不是一种消耗而是一种迭代 所以我觉得我的确幸运的是，我可以因为真的很年轻所以以身入局的去探索，以及我可以因为我没做成什么事情所以没有包袱，只是在团队里做一些并不跟决策相关的工作，并留更多的空间给我去观察、探索以及见证 这段时间是我的真空期，于是我希望磨刀、迭代然后思考和整理自己的信息和思绪，或许是所谓的「谋定而后动」再进行下一阶段的探索，我就不断的在写故事，靠文字的力量整理我的思绪乃至人生，然后再等着合适的机会被传送到未来 于是当forrest在社区发帖问： 「在遇到什么情况 你会对一个团队，觉得还可以待得再久一点？🤔 （灵感来自和 Frannie 的镜像 post！）」 我看到以下回复奇妙的、一一对应了我的想象，大家对于工作和团队的理想化状态总是如此相似 Frannie: 「信任且尊重还给提拔之时 团队的大家都即可以是同事也可以是好盆友时 业务在大家的努力下突飞猛进之时 钱多多之时（财迷dbq） 不需要揣度上意没有办公室政治之时」 Mouna: 「如果这辈子能有一段时间和这样一群朋友，在做这样一件事情，无论结果如何，无论未来各自走向什么地方，回忆起来都是很开心的吧🥺」 妲塔： 「在钱谈得拢、做的产品OK、劳动条件不太toxic的前提下，如果能看到团队里有比我年长n岁的同事，是我希望自己n年之后在职场里的样子，那就还能再待一会儿」 又一次跟前辈们分享我的近况的时候 我说，极具年轻的startup的WLB是极其混杂的，这是一种你们无法理解的、昂扬的生命力 还没有被下一轮提问，我脑子里就开始突然在思考，Startup的Work Life Balance，这样的混杂到底是什么感觉 更多时候被想象力和创造力麻痹忘了是在上班，所以WLB的作用是提醒自己边界在哪 Bonjour！把找工做成了地图，1.0版本已上线，欢迎探索 https://fancyjobs.cn/