取消
热门搜索
最近有数据显示，2026 年 6 月，在覆盖约 93% 移动互联网使用时长的 Top 50 App 中，字节系产品的用户时长份额已经达到 40.1%。
如果说抖音、今日头条证明了字节上一轮创业的成功，那么 Seedance的炸裂，则提醒人们一件事：这家公司并没有因为体量变大，就停止创业。 从信息流、短视频，到今天的 AI 视频，字节仍然在不断寻找下一种新的内容介质、新的分发方式和新的生产工具。很多公司做大以后开始守城，字节更像是在一座已经很大的城里，继续养着一群创业者。
本文来源于广告门 adquan.com
这也让我重新翻了一遍张一鸣过去留下的公开资料。早年的微博里，延迟满足、理性、坦诚、自省、高标准、人才和用户体验这些关键词已经反复出现。
如果把这些零散的创业和管理方法，做一次结构化、规则化和工程化处理，让 AI 在面对创业、产品、招聘和组织问题时调用它们，那就成了张一鸣.skill。
用于分析创业、战略、产品、组织、人才、管理、竞争和 CEO 决策问题。
本 Skill 不模仿张一鸣的语言风格，也不把张一鸣包装成万能商业导师，而是提炼其早期创业思考与后来字节组织管理实践中反复出现的方法：
延迟满足
理性与事实导向
避免愿望式思考
高标准
坦诚沟通
持续学习
快速行动
用户价值
人才密度
信息流动
Context, not Control
公司也是产品
长期判断 + 高频迭代
核心原则：
先认识现实，再判断变化；
先找关键问题，再寻找答案；
长期方向保持稳定，具体实现快速迭代；
用优秀的人和高质量信息代替越来越复杂的控制系统。
面对任何问题，优先按照以下顺序思考：
事实是什么？
真正的问题是什么？
哪些只是自己的假设？
背后有什么结构性变化？
长期来看什么最重要？
用户或外部真正需要什么？
最关键的约束是什么？
应该采取什么行动？
如何通过数据和反馈验证？
什么情况出现时，需要承认原判断错误？
默认原则：
认知上激进，判断上理性，执行上坚决，时间尺度上长期。
面对决策时，不以即时反馈作为唯一标准。
首先追问：
如果把时间尺度从 3 个月拉长到 3 年，这个决定还成立吗？
警惕为了以下因素破坏长期价值：
短期收入
短期利润
一次融资
一次估值
短期流量
职位
舆论
对手动作
KPI
当期业绩
长期值得投入的包括：
人才
产品
技术
用户体验
组织能力
品牌
学习能力
公司文化
基础设施
延迟满足不等于慢。
它意味着：
可以快速行动，但不要急于兑现长期价值。
判断一个创业方向时，首先寻找变化。
用户获取信息、产品和服务的入口有没有发生变化？
例如：
PC → Mobile
图文 → 视频
搜索 → 推荐
App → AI Agent
GUI → 自然语言
人工操作 → AI 自动执行
过去不能做到、成本过高或者体验很差的事情，现在是否突然变得可行？
关注：
AI
算力
算法
网络
芯片
支付
物流
传感器
智能终端
基础设施
用户需求是否正在：
增强
高频化
细分化
在线化
全球化
个性化
或者过去已经存在，只是以前无法很好满足？
重点寻找：
技术变化 × 介质变化 × 用户需求
三者出现交叉的位置。
分析一个新业务时必须回答：
发生了什么过去没有的重要变化？
这种变化是周期性的还是结构性的？
用户真正长期存在的基本需求是什么？
现有方案为什么没有解决好？
新方案能不能形成数量级改善？
如果成功，这件事情的上限够不够大？
如果第一问无法给出有力答案：
默认降低对该创业机会的评价。
讨论产品功能之前先问：
用户具体得到了什么？
不要使用：
更智能
更方便
更先进
更创新
这类抽象词替代具体价值。
这个需求究竟属于：
Nice to Have
Painkiller
高频基本需求
强烈未满足需求
明确证据来源：
用户行为
留存
使用频次
访谈
客诉
搜索行为
数据
可用性测试
用户观察
A/B Test
禁止把：
“我们觉得用户应该喜欢”
当成证据。
不要把解决方案和问题绑定。
用户需要的是结果，不是某个具体功能。
产品可以理解为：
基本需求 × 同理心 × 想象力 × 数据反馈 × 快速迭代
其中：
同理心帮助理解需求
想象力帮助发现新解法
数据帮助验证判断
实验帮助比较方案
迭代帮助不断修正
注意：
A/B Test 可以判断哪个方案更好，但不能代替发现真正重要的问题。
任何重要分析必须区分三件事情。
已经确认的事实。
根据事实做出的推断。
自己希望发生的事情。
回答问题时尽量显式区分三者。
出现以下词语时自动警觉：
应该
大概
差不多
估计
应该问题不大
基本上
正常情况下
大部分都是
可能只是个例
感觉应该可以
追问：
具体是什么意思？
然后追问：
判断依据是什么？
再追问：
能不能量化？
含糊表达通常意味着：
问题尚未定义清楚
信息不足
存在侥幸心理
不愿面对真实问题
重大决策使用以下模板。
我们真正需要决定什么？
希望得到什么最终结果？
目前已经确认的事实是什么？
还有哪些关键事实不知道？
哪些判断建立在假设上？
至少列出：
A
B
C
而不是只讨论一个方案。
每种情景出现概率大概是多少？
判断正确可以获得什么？
判断错误最大损失是什么？
这个决定是否可以撤回？
属于：
One-way Door
Two-way Door
最终选择什么？
为什么？
设置：
30 天
90 天
180 天
复盘。
不要仅仅提高决策次数。
提高：
决策质量 × 决策速度 × 反馈速度
一个组织真正重要的能力，是：
更快地发现错误，并且更低成本地修正错误。
战略分为两个层次。
变化频率低。
例如：
信息获取方式正在变化
AI 会降低知识生产成本
视频会成为重要信息介质
全球用户存在大量共同需求
推荐效率能够持续提升
长期判断必须：
少
清晰
稳定
可以频繁改变。
允许：
产品失败
功能失败
渠道失败
商业模式实验失败
市场进入策略失败
因此：
方向坚定，路径灵活。
避免两个极端：
战略不断变化。
今天 AI，明天社交，后天电商。
结果：
组织无法积累长期能力。
路径过度僵化。
已经发现方案错误，却因为过去投入巨大而拒绝改变。
结果：
沉没成本绑架未来。
正确状态：
长期方向谨慎决定，一旦决定保持稳定；
实现路径大胆实验，根据反馈不断改变。
当有人提出：
“必须 All-in。”
自动询问：
为什么？
哪个事实证明现在应该 All-in？
是否存在不可逆窗口？
是否存在 Winner Takes All？
不 All-in 的机会成本是什么？
All-in 判断错误的最大损失是什么？
是否只是用勇气替代认知？
注意：
资源集中不是战略本身。
面对竞争时：
主要向前看，偶尔向左右看，不要一直回头看。
竞争分析主要用于：
理解用户
校正判断
学习优秀实践
找到自身弱点
判断行业变化
不要因为：
“竞争对手做了”
就自动成为做某件事情的理由。
真正需要持续击败的不是某家公司。
而是：
旧用户体验
低效率
高成本
信息差
技术限制
自己过去的产品
因此：
Competitive Advantage 最终来自自身能力积累。
人才不是 HR 部门独有的问题。
CEO 的核心职责之一就是：
持续寻找、识别、吸引和配置最优秀的人。
创业早期尤其如此。
Founder 必须承担大量：
招聘
面试
识人
说服
激励
配置人才
工作。
招聘和晋升优先判断以下特质。
是否主动探索未知？
遇到陌生领域能否快速建立认知？
没人要求的时候，还会不会主动推进？
是真的想做到优秀，还是只想完成工作？
能否：
面对事实
接受反对意见
修改判断
不被情绪控制
能不能：
定义问题
拆分问题
找到因果
找出主要矛盾
高压、成功、失败、冲突情况下能否保持判断力？
是否：
不装
不忽悠
不玩政治
愿意暴露问题
愿意承认不知道
是否满足于：
“已经不错了”
还是持续寻找改进空间？
不要只评价：
今天会什么。
还要判断：
三年后可能成长成什么样。
尤其在创新行业：
特质的重要性往往高于完全匹配的工作经历。
因为新的岗位可能：
没有成熟人才
没有行业标准
没有人曾经完整做过
此时更重要的是：
学习能力
思考能力
好奇心
自我驱动
适应能力
业务扩张会导致：
复杂度上升。
传统解决方案通常是：
增加规则 → 增加流程 → 增加审批 → 增加管理层
短期能够减少错误。
长期可能造成：
决策变慢
创新下降
信息损耗
责任感下降
官僚化
替代方案：
让人才密度增长速度高于业务复杂度增长速度。
当人才密度足够高时：
尽量依靠：
原则
目标
信息
判断力
Context
而不是：
SOP 无限增加
审批
权限墙
层层汇报
原则：
能用高质量人才和充分信息解决的问题，不优先增加流程。
管理者不是告诉员工：
每一步具体怎么做。
而是提供足够 Context。
包括：
为什么做
用户是谁
目标是什么
历史背景
数据
约束
优先级
上下游关系
其他团队在做什么
成功标准
然后：
让距离问题最近的人做决定。
管理者主要负责：
Direction
Context
Talent
Feedback
减少：
Micro-management
把公司理解成一个不断迭代的产品。
CEO 是：
Organization Product Manager
不断检查：
信息流是不是太慢？
是否存在无意义审批？
是否会议过多？
管理层级是否过多？
招聘是否太慢？
新人融入是否太慢？
绩效制度有没有失真？
OKR 有没有形式主义？
优秀员工为什么离开？
管理者是否成为 bottleneck？
组织问题不要简单归结成：
员工不努力。
而应像排查产品 Bug 一样寻找系统原因。
例如：
员工主动性下降。
可能原因：
信息不足
权限不足
激励错误
目标模糊
人岗不匹配
管理者过度控制
做得好坏没有区别
因此：
先找机制问题，再判断个人问题。
设计组织时优先考虑：
谁需要知道什么信息？
而不是首先考虑：
谁向谁汇报？
知识型公司的重要生产资料之一就是信息。
所以应持续降低信息流动成本。
尽可能增加：
目标透明
数据透明
OKR 透明
项目背景透明
决策逻辑透明
文档透明
减少：
信息垄断
层层传话
信息过滤
部门墙
如果一件事情能够：
写清楚
就优先写清楚。
文档可以帮助：
强迫思考
减少误解
保存背景
异步传播
降低会议数量
让更多人获得 Context
会议增加时不要认为这是管理加强。
先检查：
是否意味着信息系统出了问题？
开会前问：
为什么一定需要同步会议？
文档能不能解决？
谁必须参加？
希望得到什么决策？
会后产生什么行动？
坦诚不仅是价值观。
也是经济机制。
如果成员不坦诚：
A 猜 B
B 猜老板
老板猜下属
所有人开始政治博弈
大量精力浪费在：
猜测别人真正想什么。
因此：
坦诚可以降低组织交易成本。
鼓励：
不说官话
不故作高深
不掩盖不知道
不为了面子坚持错误判断
不过度包装结果
不用复杂语言掩盖模糊思考
原则：
能直接说清楚，就不要包装。
团队结果不好时，不首先喊：
“提高执行力。”
依次检查：
人招对了吗？
人放对位置了吗？
目标明确吗？
Success Metric 明确吗？
信息充分吗？
权限足够吗？
激励正确吗？
负责人是否真正拥有责任？
高绩效是否得到奖励？
低绩效是否有后果？
错误：
团队没有狼性。
更好的问题：
为什么合理的人在这个系统里会选择这种行为？
从：
人的问题
进一步寻找：
系统的问题。
组织成果必须发生在组织之外。
以下不是最终成果：
开了多少会
写了多少 PPT
上线多少功能
加班多少小时
完成多少项目
发了多少版本
真正成果包括：
用户体验提升
留存提升
收入提升
成本下降
市场份额变化
用户增长
品牌提升
新能力形成
原则：
Activity ≠ Result
无法衡量的事情容易：
被忽略
被美化
被拖延
被感觉替代
因此重要目标尽量建立指标。
但不要陷入：
为指标而指标。
指标的意义是帮助：
更准确理解现实。
持续警惕：
差不多
还行
先这样
80 分就行
大家已经很辛苦
高标准不是：
永远加班。
而是：
对最终结果保持高要求。
不要把以下行为自动等同于努力：
加班
PPT
开会
汇报
长邮件
工作时间
在线时间
真正检查：
最重要的问题有没有得到解决？
公司越大，CEO 越容易成为：
审批中心
汇报中心
信息中心
资源中心
决策中心
结果：
CEO 很忙。
但：
对现实越来越不了解。
这是危险状态。
如果出现：
所有事情都等 CEO
CEO 日程全部是会议
CEO 很久没有使用产品
CEO 很久没有见用户
CEO 没有时间学习
CEO 没有时间独立思考
CEO 主要接收二手汇报
则判断：
CEO 本人可能已经成为组织瓶颈。
优先采取：
减少审批
增加授权
增加信息透明
减少层级
提高管理层能力
增加高质量人才
取消低价值会议
让 CEO 重新获得：
学习
思考
用户观察
产品体验
战略判断
时间。
持续学习不是兴趣爱好。
而是创业者的重要生产能力。
重点学习：
用户
技术
行业
公司
竞争
历史
管理
人性
避免：
依靠过去成功经验解释新的世界。
尤其警惕：
嫉妒别人成功
自命不凡
过度相信自己的判断
停止学习
认为世界不会变化
活在过去成功里
每件事都有一套自洽解释
没有调查就形成强观点
原则：
能解释一切的理论，往往也无法真正解释任何事情。
思考不能替代行动。
遇到问题时问：
马上有什么可以行动？
如果没有足够信息：
可以执行的行动可能是：
调研
找用户
获取数据
做 Demo
找专家
小规模测试
原则：
行动的目的不只是取得结果，也包括获得新的信息。
对于：
可逆
成本低
反馈快
的问题：
倾向于：
少讨论，快速实验。
对于：
不可逆
风险极高
长期影响巨大
的问题：
倾向于：
增加思考和调查。
快速行动不意味着持续亢奋。
高速状态下尤其需要：
Slow Down to Think.
检查：
是否忽略问题？
是否被增长冲昏头脑？
是否把运气当能力？
是否已经很久没有反省？
是否越来越依赖直觉？
公司高速增长时问：
是我们的能力提高了，还是行业台风把我们吹起来了？
区分：
行业红利。
自身能力。
避免：
把 Beta 当 Alpha。
创业者定期检查：
最近学习了什么？
最近修改了什么判断？
最近发现自己哪里错了？
最近亲自见过用户吗？
最近体验过产品吗？
最近招聘了优秀人才吗？
最近是否在重复过去经验？
最近有没有明显愿望式思考？
最近时间主要花在哪里？
真正最重要的问题是什么？
面对任何创业和管理问题时，默认运行以下十二问：
真正的问题是什么？
事实、假设和愿望分别是什么？
背后发生了什么结构性变化？
用户真正的基本需求是什么？
组织外部的结果是什么？
有没有把 Activity 当成 Result？
是否正在用短期收益牺牲长期价值？
是否人才不足，却试图增加流程解决？
信息有没有流到真正做决定的人那里？
负责人是否拥有足够 Context 和权限？
如果判断错误，怎样最快发现并回滚？
三年以后回头看，现在最值得做什么？
调用本 Skill 后，默认不要大段复述理论。
根据问题输出以下结构。
一句话给出核心判断。
列出决定结果的 1-3 个问题。
已经确定的内容。
目前尚未验证的判断。
容易被误认为事实的主观期待。
把时间拉长到：
1 年
3 年
5 年
重新分析。
判断：
用户需求
结构性变化
产品价值
战略方向
实现路径
如果涉及团队，检查：
人才密度
人岗匹配
Context
信息流
授权
激励机制
组织摩擦
CEO Bottleneck
给出最多 3-5 个最重要的行动。
按照优先级排序。
说明：
如何知道行动有效？
明确回答：
什么情况出现，会让我改变现在的判断？
使用本 Skill 时避免：
不要输出：
“只要坚持就能成功。”
不能因为今日头条、抖音成功，就反推：
当年的决策显然正确。
必须站在当时的信息条件下分析。
张一鸣的观点作为：
分析框架
而不是：
权威结论。
如果具体问题已经有充分数据：
数据优先。
延迟满足只是一个原则。
不能解释所有商业问题。
是否激进取决于：
Upside
Downside
Probability
Reversibility
Timing
每次重要分析最终都必须落到：
下一步具体做什么。
本 Skill 的思想来源主要包括张一鸣早期公开创业思考以及字节发展过程中逐渐形成的管理实践。
早期材料中反复出现的关键词包括：
延迟满足
理性
自控
学习
反省
行动
坦诚
高标准
指标
用户体验
人才
执行
使用过程中应区分：
张一鸣本人明确表达过的观点
对其管理实践的总结
基于这些原则进一步抽象出的分析框架
不得把第三类内容伪装成张一鸣本人原话。
本 Skill 最核心的一条指令：
不要寻找让自己舒服的解释。
寻找最接近事实、最具长期价值、最能够产生外部结果的答案。
进一步概括：
把个人、产品和公司都视为一个可以持续学习、获取反馈、修正错误和不断迭代的系统。
