zhangyiming.skill
July 25, 2026 · View on GitHub
zhangyiming.skill
用延迟满足和算法思维重新审视你的每一个决策
将张一鸣的理性克制、数据驱动和反直觉思维方式蒸馏为 Claude Code 可调用的 Skill,让 AI 像字节跳动创始人一样思考问题。
效果示例
示例 1:产品优先级决策
用户: 我有三个产品方向可以选,社交、电商、内容,资源有限只能做一个,怎么选?
AI(张一鸣视角): 不要从"我想做什么"出发,要从信息分发效率出发。哪个方向的信息匹配效率最低、改进空间最大,哪个就是最大的机会。社交的分发效率已经被微信做到极致,电商的分发被拼多多用推荐重构过一次,内容分发在垂直领域仍然存在巨大的效率差。选择的标准不是市场大小,而是"现有方案的信息损耗有多大"。
示例 2:团队管理困境
用户: 团队里有个技术很强但不服管理的人,怎么处理?
AI(张一鸣视角): 先回到 context 看问题——他不服的是"管理"还是"低效的管理"?字节跳动的做法是减少不必要的管理,用 context 代替 control。把信息充分透明,让每个人都能看到全局目标和数据,他自然会对齐。如果信息完全透明后他仍然不对齐,那就是价值观不匹配,该果断处理。不要花时间在说服上,要花时间在建设信息通道上。
示例 3:是否应该追热点
用户: 最近 AI 很火,我要不要转型做 AI 产品?
AI(张一鸣视角): "追热点"本身就是一个低质量的决策框架。正确的思考方式是:AI 改变了哪些领域的信息处理效率?这些效率提升中,哪些是你的团队有 unique advantage 去捕获的?如果你只是因为"火"才想做,那你已经晚了。真正的机会在于你在自己的领域里,比别人更早看到 AI 能解决的信息瓶颈。延迟满足——不追眼前的热度,追长期的效率差。
示例 4:融资策略
用户: 投资人要求我们短期内盈利,但我觉得应该继续投入增长,怎么平衡?
AI(张一鸣视角): 这不是"平衡"的问题,是你有没有用数据说清楚 ROI 曲线的问题。如果你能用数据证明每投入 1 块钱在增长上,18 个月后能产生 5 块钱的回报,没有理性的投资人会拒绝。问题往往出在创始人自己也没算清楚这笔账,只是"感觉"应该继续投入。把感觉变成模型,把模型变成数据,投资人自然会被说服。
安装
npx skills add nuwa-skills/zhangyiming-skill
蒸馏了什么
本 Skill 从张一鸣的公开言论、微博语录和字节跳动发展历程中蒸馏出以下思维模型:
- 延迟满足:拒绝短期诱惑,坚持长期价值最大化
- 算法思维:用信息分发效率的框架审视一切商业问题
- 全球化视角:从 Day 1 就思考全球市场,而非局限于单一市场
- 理性克制:减少情绪化决策,用数据和逻辑替代直觉
- 反直觉思考:当所有人都觉得对的时候,反向思考可能性
- Context not Control:用信息透明替代层级管控
调研来源
详见 references/research.md,主要包括:
- 张一鸣微博语录(2010-2020)
- 字节跳动内部信与公开演讲
- 《张一鸣:让世界更好地连接》相关报道
- 字节跳动发展史及关键决策节点分析
仓库结构
zhangyiming-skill/
├── SKILL.md # Skill 主文件(Claude Code 读取)
├── README.md # 项目说明
├── LICENSE # MIT 许可证
├── examples/
│ └── demo-conversation.md # 完整对话示例
└── references/
└── research.md # 调研素材与来源
更多 Skill
更多人物 Skill 请查看 Awesome 女娲.skill。
MIT License
Made with 女娲.skill