1
00:00:00,100 --> 00:00:06,432
本内容改编自小山学堂《学 AI 产品，从入门到精通》，为二次演绎配音版。

2
00:00:06,382 --> 00:00:11,262
这一集叫祛魅打假，一口气拆掉六个流传很广的说法。

3
00:00:11,262 --> 00:00:13,762
开源模型等于免费吗。

4
00:00:13,762 --> 00:00:16,778
跑分第一的模型为什么用起来不行。

5
00:00:16,778 --> 00:00:19,903
AI 越聊越懂我，是它在学习吗。

6
00:00:19,903 --> 00:00:23,545
AI 检测器说这是 AI 写的，可信吗。

7
00:00:23,545 --> 00:00:26,081
提示词秘籍值得买吗。

8
00:00:26,081 --> 00:00:29,278
同一个问题为什么每次答案不一样。

9
00:00:29,278 --> 00:00:31,610
为什么产品经理要关心。

10
00:00:31,610 --> 00:00:35,793
因为这六个说法，每一个都会变成一次具体的决策。

11
00:00:35,793 --> 00:00:38,209
选模型要不要看榜单。

12
00:00:38,209 --> 00:00:42,019
采购合同里开源两个字到底意味着什么。

13
00:00:42,019 --> 00:00:47,439
用 AI 检测去做内容审核，会不会误伤最认真的那批用户。

14
00:00:47,439 --> 00:00:51,814
这些判断错了，赔进去的是预算、时间和信誉。

15
00:00:51,814 --> 00:00:57,283
这一集不做原理推导，只给你能直接拿去用的结论和判断标准。

16
00:00:57,283 --> 00:01:05,408
这六个说法有个共同特点，它们听起来都对，也都很顺口，但每一个都会在具体决策上把人带偏。

17
00:01:05,408 --> 00:01:10,456
拆开它们不需要技术背景，只需要知道该问哪一句。

18
00:01:10,612 --> 00:01:13,614
第一个说法，开源模型等于免费。

19
00:01:13,564 --> 00:01:15,475
先纠正一个印象。

20
00:01:15,475 --> 00:01:18,492
软件圈的开源，给的是源代码。

21
00:01:18,492 --> 00:01:25,536
你能看到每一行怎么写的，能自己改、自己编译，整个制作过程摊开在你面前。

22
00:01:25,536 --> 00:01:29,153
菜谱、食材、火候，全套公开。

23
00:01:29,153 --> 00:01:32,338
AI 圈的开源模型大多没这么慷慨。

24
00:01:32,338 --> 00:01:36,137
它给你的是权重，也就是练好的大脑本体。

25
00:01:36,137 --> 00:01:44,153
打个比方，汤炖好了给你喝，但配方，也就是训练数据，和炖法，也就是训练方法，通常保密。

26
00:01:44,153 --> 00:01:49,850
所以圈内更严谨的叫法是开放权重，只是新闻标题懒得区分。

27
00:01:49,850 --> 00:01:54,911
判断一个模型开得到底有多彻底，看三样东西就够了。

28
00:01:54,911 --> 00:01:57,374
权重、数据、方法。

29
00:01:57,374 --> 00:01:59,971
多数模型只亮第一盏灯。

30
00:01:59,971 --> 00:02:02,290
还有一层误会更常见。

31
00:02:02,290 --> 00:02:08,661
新闻里刷榜的那个满血版，和你在自己电脑上跑起来的那个，多半是两回事。

32
00:02:08,661 --> 00:02:17,855
厂商通常会把大模型蒸馏成小模型，让大的当老师，教出一个小的，能力保留一部分，体积缩小几十倍。

33
00:02:17,855 --> 00:02:23,769
满血版的参数量在千亿级，住在一屋子服务器里，配一排专业显卡。

34
00:02:23,769 --> 00:02:30,836
蒸馏版的参数量在几十亿级，一台高配电脑就能跑，日常够用，难题露怯。

35
00:02:30,836 --> 00:02:33,540
所以本地跑的多半是小号。

36
00:02:33,540 --> 00:02:40,788
它聊天、总结、写邮件都不错，但你拿新闻里的榜单成绩去要求它，它会很委屈。

37
00:02:40,788 --> 00:02:44,899
夸模型之前，先确认自己用的是哪个版本。

38
00:02:44,899 --> 00:02:48,396
免费下载和免费运行也是两件事。

39
00:02:48,396 --> 00:02:52,603
模型文件本身不要钱，但跑起来要占显存。

40
00:02:52,603 --> 00:02:59,394
模型越大，需要的显卡越贵，大到一定程度，一张卡装不下，得好几张一起上。

41
00:02:59,394 --> 00:03:01,473
电费也是持续开销。

42
00:03:01,473 --> 00:03:04,814
想在自己电脑上跑，先量力而行。

43
00:03:04,814 --> 00:03:11,629
跑不动满血版一点也不丢人，几十亿参数的小模型干日常活已经相当称职。

44
00:03:11,629 --> 00:03:13,576
最后别忘了许可证。

45
00:03:13,576 --> 00:03:20,560
开源模型附带一份使用协议，有的随便商用，有的限制用途或者用户规模。

46
00:03:20,560 --> 00:03:24,526
自己玩基本没事，拿去赚钱前务必读一遍。

47
00:03:24,526 --> 00:03:29,574
这一步很多人跳过，跳过的代价可能是律师函。

48
00:03:29,716 --> 00:03:32,959
第二个说法，榜单第一就是最好的。

49
00:03:32,909 --> 00:03:35,878
有个反转演示很能说明问题。

50
00:03:35,878 --> 00:03:40,866
两个虚构的模型，一个跑分九十五，一个跑分八十八。

51
00:03:40,866 --> 00:03:43,522
按榜单选肯定选前者。

52
00:03:43,522 --> 00:03:47,320
但把三个真实任务跑一遍，结论可能反过来。

53
00:03:47,320 --> 00:03:52,813
九十五分和八十八分的差距，在你的日常任务里可能根本感觉不到。

54
00:03:52,813 --> 00:03:53,954
为什么。

55
00:03:53,954 --> 00:03:55,349
三个原因。

56
00:03:55,349 --> 00:03:57,091
第一，刷榜。

57
00:03:57,091 --> 00:04:01,995
榜单题库在网上流传久了，难免混进模型的训练数据。

58
00:04:01,995 --> 00:04:06,695
相当于考前背了答案，分数很好看，能力没那么多。

59
00:04:06,695 --> 00:04:10,613
这在圈内有个体面的说法，叫数据污染。

60
00:04:10,613 --> 00:04:12,704
第二，过拟合考试。

61
00:04:12,704 --> 00:04:17,043
厂商知道大家看榜，就专门朝着考点优化。

62
00:04:17,043 --> 00:04:24,255
就像应试教育里的做题家，卷面成绩顶尖，日常交流和动手能力反而可能被牺牲掉。

63
00:04:24,255 --> 00:04:27,103
第三，考纲不含你的场景。

64
00:04:27,103 --> 00:04:33,822
榜单考数学、考代码、考知识问答，但不考懂你们行业，也不考安慰人。

65
00:04:33,822 --> 00:04:37,765
你最在意的那门课，考纲里可能压根没有。

66
00:04:37,765 --> 00:04:39,363
一句话总结。

67
00:04:39,363 --> 00:04:42,476
榜单测的是考试，你要的是干活。

68
00:04:42,476 --> 00:04:48,498
跑分是入学考试，你要的是试用期表现，两件事相关，但相关得有限。

69
00:04:48,498 --> 00:04:50,337
什么榜相对可信。

70
00:04:50,337 --> 00:04:52,308
真人盲测投票类。

71
00:04:52,308 --> 00:04:59,796
做法是把两个模型的回答摆在一起，隐藏名字，让大量真实用户投票选哪个更好。

72
00:04:59,796 --> 00:05:05,421
这种榜没有固定题库可背，考官是活人，刷起来难度大得多。

73
00:05:05,421 --> 00:05:10,048
但它也只是相对可信，投票的人未必和你干同一行。

74
00:05:10,048 --> 00:05:13,029
最靠谱的评测机构是你自己。

75
00:05:13,029 --> 00:05:15,745
方法很土，但极其有效。

76
00:05:15,745 --> 00:05:20,337
从自己的工作里攒十个真实问题，存成一个文档。

77
00:05:20,337 --> 00:05:26,274
挑最常干的活，周报、方案、邮件，选你每周都要做的三件。

78
00:05:26,274 --> 00:05:30,661
挑最专业的活，带上行业黑话和内部语境。

79
00:05:30,661 --> 00:05:36,022
挑翻过车的活，以前答砸过的问题最能试出新模型的成色。

80
00:05:36,022 --> 00:05:41,695
再留一道送分题和一道刁钻题，送分题都答不好的直接淘汰。

81
00:05:41,695 --> 00:05:43,654
答案好坏你说了算。

82
00:05:43,654 --> 00:05:47,692
你比任何榜单都清楚，什么样的输出算能交差。

83
00:05:47,692 --> 00:05:52,560
每次想换模型，把这十道题跑一遍，五分钟出结论。

84
00:05:52,560 --> 00:05:58,474
这套题库还有个隐藏好处，它会逼你想清楚自己到底需要 AI 干什么。

85
00:05:58,474 --> 00:06:04,459
很多人换了三个月模型，最后发现真正的问题是提示词没写好。

86
00:06:04,588 --> 00:06:08,612
第三个说法，AI 越聊越懂我，是它在学习。

87
00:06:08,562 --> 00:06:11,014
答案是，没有在学习。

88
00:06:11,014 --> 00:06:15,990
对话改变不了模型本身，它的大脑在出厂那一刻就冻结了。

89
00:06:15,990 --> 00:06:20,040
大模型的一生分成两个阶段，训练和聊天。

90
00:06:20,040 --> 00:06:25,016
训练像上学，要读海量资料，反复调整脑子里的参数。

91
00:06:25,016 --> 00:06:29,247
聊天像毕业后上班，只负责用学到的东西干活。

92
00:06:29,247 --> 00:06:34,019
关键在于，上岗那天起，它脑子里的参数就定型了。

93
00:06:34,019 --> 00:06:37,865
你跟它聊一万句，这些参数一个都不会动。

94
00:06:37,865 --> 00:06:40,485
那越来越懂你是怎么回事。

95
00:06:40,485 --> 00:06:46,579
是产品把你的信息记在一个小本本上，每次对话开始前悄悄塞回给它看。

96
00:06:46,579 --> 00:06:51,519
像一位记性欠佳的老朋友，每次见你之前先翻一遍笔记。

97
00:06:51,519 --> 00:06:56,242
这个外挂的记事本，就是各家产品宣传的记忆功能。

98
00:06:56,242 --> 00:07:02,480
你聊天时提到的关键信息，住哪、吃什么、做什么工作，被摘出来存好。

99
00:07:02,480 --> 00:07:07,540
每次新对话开始前，产品把这些条目贴进对话的最前面。

100
00:07:07,540 --> 00:07:10,762
模型读到了，回答自然显得懂你。

101
00:07:10,762 --> 00:07:15,858
这些贴进去的内容占用的空间，就是常说的上下文窗口。

102
00:07:15,858 --> 00:07:19,536
有两件事常被混成一件，得分开说。

103
00:07:19,536 --> 00:07:22,396
换个产品，记忆确实带不走。

104
00:07:22,396 --> 00:07:26,387
小本本存在一家的服务器上，另一家看不到。

105
00:07:26,387 --> 00:07:32,108
所以重要的个人偏好，建议你自己也存一份文档，走到哪贴到哪。

106
00:07:32,108 --> 00:07:36,098
但在同一个产品里新开对话，它并不会失忆。

107
00:07:36,098 --> 00:07:40,209
小本本挂在你的账号上，不是挂在某一个对话里。

108
00:07:40,209 --> 00:07:45,954
真正会丢的，是这个对话里聊过、却没被摘进小本本的那些细节。

109
00:07:45,954 --> 00:07:51,158
刚才那段长文档、上一轮的具体措辞、你临时改的口径。

110
00:07:51,158 --> 00:07:53,935
失忆的是模型，不是产品。

111
00:07:53,935 --> 00:07:55,930
为什么要这样设计。

112
00:07:55,930 --> 00:07:58,009
单独训练贵到离谱。

113
00:07:58,009 --> 00:08:04,992
训练一次大模型要动用成千上万块专用芯片连跑数周，成本按亿的量级算。

114
00:08:04,992 --> 00:08:10,629
给几亿用户每人单独练一个专属模型，没有公司付得起这个账。

115
00:08:10,629 --> 00:08:17,348
相比之下，给每个用户配一个记事本，成本几乎可以忽略，效果上你感觉不出差别。

116
00:08:17,348 --> 00:08:19,764
而且冻结反而更安全。

117
00:08:19,764 --> 00:08:25,798
如果每个人都能靠聊天改写模型，有人教它好话，也会有人教它坏话。

118
00:08:25,798 --> 00:08:31,735
参数冻结让它对所有人保持同一个水准，这是特性，也是保护。

119
00:08:31,735 --> 00:08:34,596
顺带澄清一个容易混淆的点。

120
00:08:34,596 --> 00:08:41,086
有些产品确实会把用户的对话内容收集起来，当作训练下一代模型的原料。

121
00:08:41,086 --> 00:08:47,168
但那是未来新模型的事，眼下正在跟你聊天的这一个，学不进任何东西。

122
00:08:47,168 --> 00:08:51,555
所以该夸的是产品设计，模型只是照着念。

123
00:08:51,676 --> 00:08:57,275
第四个说法，AI 检测器说这是 AI 写的，那就是 AI 写的。

124
00:08:57,225 --> 00:09:00,338
答案是，不可信，接近玄学。

125
00:09:00,338 --> 00:09:03,751
目前没有任何检测器能可靠地区分两者。

126
00:09:03,751 --> 00:09:07,946
检测分数当参考都勉强，当证据万万不行。

127
00:09:07,946 --> 00:09:10,169
为什么原理上就做不准。

128
00:09:10,169 --> 00:09:17,249
检测器的思路是找 AI 味，用词是否太规范、句子是否太通顺、结构是否太整齐。

129
00:09:17,249 --> 00:09:21,852
问题来了，AI 当年就是照着人类的好文章学写作的。

130
00:09:21,852 --> 00:09:28,306
通顺、规范、结构清楚，这些恰恰是认真写作的人一直在追求的东西。

131
00:09:28,306 --> 00:09:35,530
让检测器找 AI 特征，等于让它找好学生特征，结果就是认真写字的人集体中枪。

132
00:09:35,530 --> 00:09:37,657
更尴尬的是反方向。

133
00:09:37,657 --> 00:09:44,376
把 AI 生成的文字改几个词、加两个错别字、掺点口语，检测分数立刻大跳水。

134
00:09:44,376 --> 00:09:51,179
一个正着抓冤枉好人、反着抓轻易被骗的工具，你很难说它抓住的到底是什么。

135
00:09:51,179 --> 00:09:54,941
说到底它只认表面特征，认不出作者。

136
00:09:54,941 --> 00:09:58,643
对被冤枉的人，课程给了自证三件套。

137
00:09:58,643 --> 00:10:01,323
第一，草稿和修改记录。

138
00:10:01,323 --> 00:10:08,030
在线文档大多自带编辑历史，什么时候写了哪段、改了几轮，全有时间戳。

139
00:10:08,030 --> 00:10:13,378
一篇真人写的文章，历史记录是一点点长出来的，装不出来。

140
00:10:13,378 --> 00:10:15,818
第二，创作过程录屏。

141
00:10:15,818 --> 00:10:23,030
重要的稿子，写作时顺手开个录屏，占点硬盘空间，换一份没人能反驳的证据。

142
00:10:23,030 --> 00:10:25,410
第三，过程材料留底。

143
00:10:25,410 --> 00:10:30,758
大纲、参考资料截图、讨论记录，都是创作路径的脚印。

144
00:10:30,758 --> 00:10:34,472
AI 一秒出稿，脚印可伪造不了这么全。

145
00:10:34,472 --> 00:10:39,051
如果你是拿着检测报告做决定的人，请记住一件事。

146
00:10:39,051 --> 00:10:45,410
主流检测工具的官方说明里，都写着结果仅供参考、存在误判可能。

147
00:10:45,410 --> 00:10:52,645
工具自己都不敢打包票的事，使用工具的人更不该拿它一票否决一个学生或者候选人。

148
00:10:52,645 --> 00:10:56,852
真想判断一份东西是谁写的，办法一直都有。

149
00:10:56,852 --> 00:10:59,809
看创作过程，当面聊几句。

150
00:10:59,809 --> 00:11:05,121
让对方讲讲写作思路、某段为什么这么写、换个角度能怎么改。

151
00:11:05,121 --> 00:11:09,821
真写过的人聊起来眉飞色舞，没写过的人三句就露馅。

152
00:11:09,821 --> 00:11:12,609
这比任何检测分数都可靠。

153
00:11:12,609 --> 00:11:15,602
对产品经理来说这条尤其要紧。

154
00:11:15,602 --> 00:11:24,364
如果你在产品里接入了 AI 检测去做内容审核，你等于把误判成本转嫁给了最认真的那批用户。

155
00:11:24,508 --> 00:11:28,147
第五个说法，花了钱才能学到真提示词。

156
00:11:28,097 --> 00:11:30,405
答案是，大概率不值。

157
00:11:30,405 --> 00:11:36,835
真正有用的骨架半页纸就讲完了，剩下的功夫在你自己的活儿上多用多改。

158
00:11:36,835 --> 00:11:40,033
几百块的秘籍，卖的主要是焦虑。

159
00:11:40,033 --> 00:11:49,215
课程把一张典型宣传单的六个卖点逐条拆开，结果是两条免费学过，一条过度包装，三条纯话术。

160
00:11:49,215 --> 00:11:54,948
这张几百块的宣传单里，没有一条是你必须花钱才能得到的东西。

161
00:11:54,948 --> 00:11:56,787
那什么值得花钱。

162
00:11:56,787 --> 00:11:59,600
知识付费这件事没有原罪。

163
00:11:59,600 --> 00:12:06,090
有体系的课程、有人带练的服务、垂直行业的深度整理，都可能物有所值。

164
00:12:06,090 --> 00:12:09,215
掏钱之前，用三条标准过一遍。

165
00:12:09,215 --> 00:12:11,078
第一，可试听。

166
00:12:11,078 --> 00:12:15,501
敢让你先看内容再掏钱的，通常对质量有底气。

167
00:12:15,501 --> 00:12:20,994
只给目录和喜报截图、正文全靠想象的，先按住钱包。

168
00:12:20,994 --> 00:12:22,833
第二，可退款。

169
00:12:22,833 --> 00:12:27,821
有明确的退款条款，说明卖家把风险分担了一部分。

170
00:12:27,821 --> 00:12:32,941
虚拟商品概不退换再加上高价，两个信号叠在一起要警惕。

171
00:12:32,941 --> 00:12:35,297
第三，承诺不夸张。

172
00:12:35,297 --> 00:12:39,456
靠谱的课讲方法、讲练习、讲适用范围。

173
00:12:39,456 --> 00:12:42,725
只要出现收入承诺，直接关页面。

174
00:12:42,725 --> 00:12:46,835
能稳定月入过万的人，很少靠卖这个赚钱。

175
00:12:46,835 --> 00:12:48,879
免费路径只有两步。

176
00:12:48,879 --> 00:12:55,453
第一步学骨架，背景、要求、限制，再加上让 AI 先反问你再动手的技巧。

177
00:12:55,453 --> 00:12:59,804
这两样学完，市面上大半秘籍的核心内容你就有了。

178
00:12:59,804 --> 00:13:08,266
第二步在自己的活儿上磨，挑一件你每周都要做的事，用骨架写一版，结果不满意就改，改三轮存下来。

179
00:13:08,266 --> 00:13:14,996
三个月后你手里那套专属模板，任何秘籍都卖不了你，因为它长在你的工作里。

180
00:13:14,996 --> 00:13:19,263
模板本身可以有价值，它的价值是帮你省时间。

181
00:13:19,263 --> 00:13:24,948
所以定价的合理算法是，它帮你省了多少小时，值多少钱。

182
00:13:25,084 --> 00:13:29,048
第六个说法，每次答案不一样，说明它不稳定。

183
00:13:28,998 --> 00:13:30,104
都不是。

184
00:13:30,104 --> 00:13:36,474
因为 AI 生成每个字的时候都在掷骰子，从几个高概率的候选词里挑一个。

185
00:13:36,474 --> 00:13:39,767
这是有意的设计，让回答自然不死板。

186
00:13:39,767 --> 00:13:41,654
具体过程是这样。

187
00:13:41,654 --> 00:13:48,060
它先给所有候选字打分，分高的中签机会大，分低的机会小，然后抽一个。

188
00:13:48,060 --> 00:13:51,810
抽完这个字，再为下一个字重新抽签。

189
00:13:51,810 --> 00:13:55,356
一句话几十个字，就是几十次抽签。

190
00:13:55,356 --> 00:13:58,782
两次回答一模一样才是小概率事件。

191
00:13:58,782 --> 00:14:00,789
为什么要故意随机。

192
00:14:00,789 --> 00:14:06,270
你可能会问，直接每次都选分数最高的字，答案稳定，多好。

193
00:14:06,270 --> 00:14:08,565
试过，效果很糟。

194
00:14:08,565 --> 00:14:12,544
永远选最高分，回答会变成死板的复读机。

195
00:14:12,544 --> 00:14:16,582
你问十次奶茶店起名，它答十次茉莉奶茶。

196
00:14:16,582 --> 00:14:22,736
写出来的文案千篇一律，起名、写诗、想创意这类任务直接废掉。

197
00:14:22,736 --> 00:14:29,178
允许它抽中第二名、第三名的词，路子一下就宽了，语言也更像活人说话。

198
00:14:29,178 --> 00:14:36,221
所以随机是它的出厂特性，就像你让两位文案同事各写一稿，本来就不该一模一样。

199
00:14:36,221 --> 00:14:38,541
什么时候需要它稳定下来。

200
00:14:38,541 --> 00:14:40,693
创意任务欢迎随机。

201
00:14:40,693 --> 00:14:45,404
起名、写文案、头脑风暴，随机性就是灵感来源。

202
00:14:45,404 --> 00:14:50,633
多问几次，等于免费多请了几位同事，挑最好的那版就行。

203
00:14:50,633 --> 00:14:53,060
严肃任务要调低随机。

204
00:14:53,060 --> 00:14:57,736
合同条款、代码、数据处理，答案漂移会出事。

205
00:14:57,736 --> 00:15:04,623
很多产品可以调低随机性，常见叫温度参数，调到最低时接近每次都选最高分。

206
00:15:04,623 --> 00:15:06,594
还有一个实用提醒。

207
00:15:06,594 --> 00:15:10,560
随机性也意味着单次回答的可靠度有限。

208
00:15:10,560 --> 00:15:15,104
涉及重要事实时，同一个问题换着方式多问几次。

209
00:15:15,104 --> 00:15:20,909
答案一致的部分可信度更高，来回变的部分就要去权威来源核实。

210
00:15:20,909 --> 00:15:26,943
答案不一致和撒谎是两回事，但对你来说，处理方式一样，都要核实。

211
00:15:27,076 --> 00:15:30,307
最后给你六条今天就能用的判断。

212
00:15:30,257 --> 00:15:33,971
第一条，看到开源两个字，先问开了什么。

213
00:15:33,971 --> 00:15:37,697
权重、数据、方法，多数只开第一样。

214
00:15:37,697 --> 00:15:44,139
免费下载不等于免费运行，也不等于免费商用，商用之前把许可证读一遍。

215
00:15:44,139 --> 00:15:47,204
第二条，别拿榜单当采购依据。

216
00:15:47,204 --> 00:15:50,317
榜单测的是考试，你要的是干活。

217
00:15:50,317 --> 00:15:55,665
建一套自己的十题小考卷，换模型跑一遍，五分钟出结论。

218
00:15:55,665 --> 00:15:58,742
第三条，它不会在对话里学习。

219
00:15:58,742 --> 00:16:05,137
越来越懂你靠的是外挂的小本本，换产品就清零，重要偏好自己存一份。

220
00:16:05,137 --> 00:16:08,358
第四条，AI 检测分不能当证据。

221
00:16:08,358 --> 00:16:13,153
它正着抓冤枉认真写作的人，反着抓又轻易被骗。

222
00:16:13,153 --> 00:16:17,384
真要判断，看创作过程，当面聊几句。

223
00:16:17,384 --> 00:16:21,050
第五条，见到收入承诺直接关页面。

224
00:16:21,050 --> 00:16:25,173
骨架是免费的，真功夫长在你自己的场景里。

225
00:16:25,173 --> 00:16:29,367
第六条，答案每次不一样是特性，不是故障。

226
00:16:29,367 --> 00:16:35,605
创意任务欢迎它，严肃任务调低温度，重要事实多问几次交叉验证。

227
00:16:35,605 --> 00:16:39,115
把这六条记住，你会省下三类成本。

228
00:16:39,115 --> 00:16:43,466
不该花的钱、不该信的分，以及不该背的锅。