
Manny Li
375 posts

Manny Li
@MannyNewsletter
《曼報》主筆,每週與 30,000+ 訂戶分享科技與商業新知。訂閱 ⬇︎
Katılım Aralık 2022
767 Takip Edilen13.8K Takipçiler


串流大戰的終局與寡頭時代的序幕:Netflix 收購華納兄弟
1. 為什麼要併購華納?
2. 併購帶來哪些機會?
3. 併購本身有哪些風險?
4. 真的非買不可嗎?
5. 為什麼所有人都反對?
6. 反對理由站得住腳嗎?
7. 真的有壟斷嗎?
8. 串流戰爭是否已經結束?
訂閱會員限定):pro.manny-li.com/posts/cmixqxq9…

中文


I got rejected by 144 investors before raising $150M for my $200M+ rev/year startup.
After 144 rejections, I started questioning our approach.
Were we solving the right problem?
What were we doing wrong?
Why weren’t investors seeing what we were seeing?
Were we the right team to build this?
We tried everything: different pitch angles, new deck structures, and reframing the problem.
Then came the 145th meeting, where we closed our first growth round.
That yes made everything worth it. But getting there took years of mistakes and hard work.
We went through a lot of trial and error just to figure out what resonates with investors.
We tried dozens of approaches to figure out what made investors engage.
Some landed, most didn't. But each iteration taught us something about what builds conviction versus what just sounds good on paper.
And once we cracked that code, our Series C closed faster than expected.
And today, I see so many founders in the exact same position I was in 10 years ago: grinding through rejections, questioning everything, and trying to figure out what works.
So today I want to give you the resource I wish I had back then:
Something that shows you exactly how to structure these conversations and navigate the entire process
(because the fundraising cycle can be a big distraction and take a toll on you as a founder).
So I've partnered with Notion's Startups Team to create the essential fundraising resource that helps you avoid the mistakes that cost me years.
Here's what you are getting:
• The actual decks I used to raise $150M for Super[.]com (Series B, C)
• 50 real examples from funded startups like Eleven Labs and Artisan AI
• A searchable database of 10,000+ investors - angels, VCs, and accelerators you can reach out to immediately (this alone would take months to build manually)
• An AI-powered fundraising agent built into Notion with step-by-step prompts (no separate ChatGPT needed)
Want access?
• Like and share this post
• Comment "FUNDRAISE"
• Follow me so I can DM you the link
I'll send it over ASAP.
P.S.: If you are serious about fundraising (now or in the future), you should grab it right away.
English

《曼報 Pro》 公布預購剛好一個月了,在沒有廣告費(但有老恭滿滿的愛)的情況下,最近跨越了預購金額三千萬元的門檻。
幕後花絮都在最新 podcast:open.firstory.me/story/cmf0kjvd…

中文

【EP105|一位訂價大師的自白:此生必讀的入門經典】
很久以來都忘記要公告 podcast 上線了,但這禮拜特別想推今天上線的 EP105,除了剪輯剪很久(124 分鐘剪成 76 分鐘),也是因為內容還算走心。
全平台收聽連結:open.firstory.me/story/cmciswet…

中文

在這麼多的 prompt 教學當中,大概只有 Google 這一份我最後讀完有記得。出處放在留言。
雖然我凡事力求簡單就好,但這並不是說複雜的方法不好,很多時候是因為有以下限制:
● 能力不足:STEM 沒學好
● 個性不佳:沒耐心又不謹慎
● 動機不夠:沒那麼主動積極
● 壓力不大:老闆還沒逼著我動
在認知到自己還沒打破這四項限制以前,如果還想要真的做點什麼,就會想辦法去找一些「很簡單就能記得」的做法。有點像是走路可能不是最佳的運動型態,但「比坐著不動好」的意思。
看過蠻多 prompt 教學內容後,我自己唯一有辦法記得的準則都來自 Google 這份教學文件。在講這份文件為什麼好以前,還是要先說它的限制:
● 它主要是針對個人、而非團體協作
● 它是給初學者入門用的
● 它只講 Workspace,也就是辦公室生產力的情境
● 它不涉及 coding 與複雜的影視音創作
--
那麼,為什麼這份文件我覺得很讚?我認為光是它的「最高指導原則」就非常有參考價值(或著說光是認為這很有參考價值的我,基本上就屬於低階小白):
● 使用自然語言就好,想像是在跟人說話
● 講話要具體,且反覆說明你的需求
● 務必用動詞來表達任務需求
● 盡可能提供充足的背景資訊(context)
● 用語簡潔,不要太複雜或用太多行話
● 不要覺得自己是在下指令,而是在「對話」
● 不要用一個 prompt 執行多個任務,拆開來
然後是一個我認為最重要的原則:在真正給出 prompt 以前,先用 LLM 作為 prompt 編輯器,再把新的 prompt 貼去執行。例如:
「請將 [原始 prompt 文字] 寫成一個厲害的 prompt(power prompt),並附上修改建議與解釋。」
甚至可以把這個步驟更往前一個階段,在請 LLM 改寫 prompt 以前,先問它:
「[原始 prompt 文字] 這是我的需求,你有什麼問題想問我,以便你改寫一個更好的版本?」
最後,Google 也提醒了一件事:最有效的 prompt 會提供有用的背景資訊,且平均是 21 個字。然而,多數人的 prompt 都少於 9 個字。
換句話說,光是「能把話講清楚」可能就已經是前四分之一(甚至更高)的使用者了。我覺得...這其實跟上班差不多。
--
除了最高指導原則,Google 這份教學文件還有兩個特點。
首先,它給了一個通用的最佳解公式。如果是廣告行銷人,可能在幾年前也都曾焦慮於「如何找到文案黃金公式」,例如開頭要寫什麼、中段要怎麼轉折、最後要怎麼下 CTA ... 等。
Google 認為一個有效的提示最好包含四個組成:
● 角色設定:要 LLM 調度哪些領域知識
● 任務:你想完成什麼目標(記得包含動詞)
● 背景:任務的起源/目標的限制/涉及的人士
● 格式:輸出類型、編排格式
其次,這份教學完全以「任務示範」為核心,並不是寫滿 68 頁的原理與原則,而是一本速查手冊。整份文件共有 11 種任務,每一種任務當中都會有多種範例的詳細示範與說明。這些任務包括:
● 行政支援
● 溝通
● 顧客服務
● 高階主管
● 前線管理
● 人力資源
● 行銷
● 專案管理
● 業務
● 中小企業主與創業者
● 創業領袖
--
總之,在認清到自己的限制後,近年來似乎漸漸發展出一套「80 分哲學」:
對任何事物的期待上限都先設在 80 分就好,除了過量的投入產出效益不佳,還會造成心理負擔。具體來說是什麼心理負擔?
「因為很認真對待,所以認為它一定可以成,或希望它一定要成。」我現在只要想到有哪件事情真的很希望它成功,心情就會變得很低落。
另外就是,考量到技術與外在環境的變化越來越快,今天的 80 分往往很快就會被新技術給 carry 上去了,簡稱搭便車。
當然,以上心得都屬於逆成長思維。

中文

ChatGPT 現在最大的問題就是「到底該用哪一個模型」 ,因為真的超多個,且官方自己的備註說明也相當模糊。
Andrej Karpathy(大神,應該不用多做介紹)根據自己的日常使用經驗給了一個很簡單且全面的說明:
● 4o:簡單的問題就問它
● o3:推理能力遠比 4o 強很多,只要是夠困難或想深入了解的問題,都應該用它
● 4.1:vibe coding 就用它
● o4-mini 系列:不要用
蠻多人都說 4.5 也屬於「不要用」的範疇,這我蠻同意的,不知道推這個版本要幹嘛。
不過,很多人回應認為如果你只是 Plus 等級的訂戶,那麼還是蠻推薦 o4-mini-high 這個模型,尤其是搭配 search 使用,因為:
● 用量限制低
● 速度快
● 也算聰明
最後,Andrej Karpathy 表示雖然因為自己是投資人所以可能有偏見,但他非常喜歡 Perplexity,基本上已經用它取代日常搜尋。
不過這跟我的使用經驗衝突,因為我總覺得 Perplexity 幻覺多且搜尋深度淺。但,我是什麼咖?!大神既然盛讚,我還不趕緊開始用起來。
但,不論如何,就我每天遊走於各家模型之間的體感,覺得「一般情況」下模型並非關鍵因素。一般情況指的是:
● 只用產品預設介面,而非調 API 去做事
● 做大部分的自然語言問答(問知識、問心情、問靈感、問想法)
● 做一般難度的(文書)作業(寫文案、改文章、高中畢業程度的數學運算)
● 做一般難度的 vibe coding。這個我比較難評價,因為我沒有什麼判斷 coding 難度的能力。
在一般情況下,我覺得以下三個能力遠比用什麼模型重要,因為大部分的時候我都苦於自己這三項能力的不足,而非模型不好。
1. 需求:「想」做什麼。模型能力的天花板通常就是操作者本身的需求。
2. 思考:「如何」做,包括任務拆解、流程設計、以及精準的表達。
3. 校驗:是否具備足夠的常識(或領域知識)來檢查 AI 生成的結果。
直到 AGI 問世以前,我覺得這三個能力還是挺重要的。
但需不需要培養呢...我是已經放棄說什麼「會用 AI 的人將淘汰不會用的人」,或「以下三種能力才是真正的關鍵」這類大師發言。
因為未來的事情都太難講了。現在真的是個非常難做長期規劃的時代。
中文

最近一些內容觸發了我想到一直以來跟 @IEObserve 聊天的內容。簡單來說,我的中心思想就是:
如果眼前當下沒有一定要(想)做,或一定要改善效率的事,就盡量避免去「過度研究」生成式 AI 工具。
因為後來發現一個很殘酷的現實就是:AI 模型與工具的進化速度「遠遠超過」個人的研究速度,所以 X 上才會每天都有人說「OOO 改變了整個世界」。
每個人的「過度」都不一樣,這是個動態標準。例如,不會寫程式的麻瓜跟會寫程式的巫師,在判斷一些應用方式時的標準當然就不同。
我自己怎麼衡量「過度」研究?
1. 用過度偏離自然語言的方式跟 LLM 溝通。理由是:如果所有 AI 科學家的目標都是發展 AGI,那在人機互動上就不會走回頭路。
2. 必須花大量時間(主要都發生在反覆測試)去貼近標準化目標。理由是:如果 AI 公司想賺錢,那麼肯定會把標準化輸出列為核心商業目標。
3. 必須花大量時間縫合多種工具與方法來實現一項功能。理由是:想賺錢的人很多,產品化的速度只會更快不會更慢。
總結來說,我自己一開始會先定義「必要性」(想做/要做/得做);若有必要,才依照個人能力與時間資源來衡量適當的投入程度。
這麼做的一切都只是為了一個目標:避免焦慮,以及避免被他人收割我的焦慮。
中文

今天最瘋傳的新聞之一就是烏克蘭利用無人機對俄羅斯發動的精準打擊,也讓人們再次意識到「未來」戰爭的樣貌已經與過去相差甚遠。
我也是在抱著模模糊糊的印象中,開始對「國防產業」有了興趣,想著只要對 Big 5(五大承包商)做完整的個案分析,就能一窺這個產業的奧秘。
沒想到完全被 老波 the No-Filter Generalist 給打了一個多小時的臉。
上個月去矽谷,我最期待的行程之一就是找老波聊國防產業,雖然這並非他賴以維生的領域,但在多年的投入後卻也成了一方專家。
當我抱著看「科技產品」(討論軍武系統)與「商業個案」(分析巨頭公司」的好奇心對老波提出一個又一個疑問時,都被他的回答給折服,因為國防的關鍵只有一個:
「政府」(以及連帶而生的龐大複合生態系)是唯一的買家與規則定者。不了解政府的運作方式,就不可能了解產業的脈絡。
除了關鍵概念以外,老波更上天下海地分析了以下議題:
● 美國怎麼誕生軍武的需求?
● 錢從哪來?認識老古董 PPBE
● 軍武的「籌獲」流程是什麼?
● 如何驗證有效性?詳解 TRL
● 美國國防產業的三大弱點是什麼?
● 政府可以怎麼創新?以 DIU 與 OSC 為例
最後,他甚至不避諱地分享了他認為面對迫切威脅的當下,台灣應具備哪些作戰能力。
今天上線的 EP101 podcast,就是我之所以仍樂在製作《曼報》這檔節目的理由。這一集也是我投入最多剪輯心力的一集,可能也因此而有了偏見、變得特別鍾愛它了。
雖然放連結會被降觸及,但仍希望每個能看到這篇貼文的人都能喜歡上這集、重建對國防策略的想像,以及打開視野:
全平台收聽:open.firstory.me/story/cmbereyt…
中文

I'm so happy that Corina Boettger is gone. Leave our Paimon alone, and Boettger can go live her toxic and pathetic life.
Happy BIRTHDAY to Paimon! A great new start!
#Genshinlmpact #原神
English






