Skip to content
Sign in
Artwork for 跨国串门儿计划
Science

跨国串门儿计划

yikai

这是一档使用 AI 技术来将英文播客翻译为中文播客的节目～ 在翻译的同时，也能保留原有声线，用中文听懂外语播客！

Play
Open in
  • 122 episodes
  • Avg 1 hr 46 min
  • Chinese

Episodes 122

NewestOldestLongest
All20Unplayed20In progress0Played0
Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.
  • Yesterday · 42 min

    #772. Grok Bot 的 Personal Agent 实践

    📝 本期播客简介 本期我们克隆了：leerob · Stanford CS146S: How always-on agents work 原内容更新时间：2026-10-11 合上电脑之后，AI 还能继续工作吗？Lee 想搭建的常驻 Agent，不只在云端持续运行，还能记住你的工作方式、处理 Slack 消息和邮件，并判断什么时候该来找你。 这场分享从常驻 Agent 的产品形态讲到背后的工程设计：云端电脑如何休眠和恢复，主 Agent 怎样把任务交给子 Agent，工作流如何在故障后接着执行，以及团队如何用上下文压缩和 prompt 缓存控制成本。最后还谈到长期运行带来的安全、评估和打扰频率问题。 👤 本期嘉宾 Lee（leerob）在 Stanford CS146S 分享如何搭建始终在线、能主动做事的 Agent。他谈到的工程实践来自 Grok Bot 的产品、基础设施与运行框架设计；他也提及自己在 Cursor 和 SpaceX 的经历，并说明部分内容仍在 SpaceX 开发中。 ⏱️ 时间戳 00:02 常驻 Agent 的兴起 09:45 云端架构与持久工作流 18:55 运行框架与上下文工程 32:16 训练飞轮与未来挑战 🌟 精彩内容 💡 AI 同事不该每有进展就打扰你 常驻 Agent 可以在后台做事，遇到 Slack 消息、邮件或定时任务时醒来处理；它还要判断进展是否重要到值得通知你。 "如果每次有点进展，他都跑来打扰你，说，嘿，快看，我这件事又有进展了，那会挺烦的。" 💡 子 Agent 让长任务不挤满主对话 主 Agent 可以把大量命令和工具调用交给子 Agent，等它们完成后只接收结果。每个助手有独立的持久工作流，故障重启也能接着进度继续做。 "它只把结果传回来。这样做出的产品，就会让人感觉它有无限的上下文。" 💡 工作流崩溃后能从上一步接着做 普通任务队列遇到故障，可能要从头重跑；持久工作流会保存执行进度，失败后可以从已经完成的步骤继续。Lee 说他们使用开源工具 Temporal，避免从零实现复杂机制。 "这样你就可以安全地重试，失败以后再重试，会直接从第 3 步接着做。" 💡 每条命令都让人批准，未必更安全 模型可以先审查 Agent 要执行的命令。Lee 认为，相比人疲惫地盯着并逐条批准大量命令，自动审核有时反而做得更好；但发邮件等不可撤销的操作仍应先询问用户。 "这其实比让你疲惫地盯着几百条 shell 命令、逐条批准更安全。" 💡 上下文压缩，难在别丢掉重要信息 对话变长后，Agent 得把内容压缩成摘要，同时保留之后还用得上的细节。Lee 提到，上下文窗口达到二十万 token 也终究会用满，而压缩必然会损失信息。 "所以你得找到最好的压缩算法，避免丢掉重要细节。" 💡 Prompt 缓存失效会推高长期运行成本 工具定义和系统 prompt 尽量保持不变，能让缓存继续有效；对话很长时，还可以趁缓存仍热着先压缩上下文。Lee 把 prompt 顺序调整导致缓存失效称为一个系统里的 bug。 "所以，缓存没命中，其实就有点像系统里的一个 bug。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Tuesday · 57 min

    #771. AlphaGo Zero：看懂 AI 如何摆脱人类数据、强化学习

    📝 本期播客简介 本期我们克隆了：Training Data · David Silver and Lasse Espeholt of Ineffable Intelligence: A Superlearner for the Age of Experience 原内容更新时间：Tue, 13 Oct 2026 AlphaGo 花了两年才击败李世石；放弃人类数据后，AlphaZero 只用了几个小时，就超过了此前有人类参与打造的成果。David Silver 把这个经历带进新实验室 Ineffable Intelligence，押注 AI 可以从经验中自行学习，而不是把人类知识当作起点。 在 Sequoia Capital 主持的 Training Data 中，Silver 和联合创始人 Lasse Espeholt 解释他们想打造的“超级学习器”：能在复杂环境里不断探索、发现新知识的系统。他们谈到为什么不沿着 LLM 路线继续加码、如何用模拟研究超级智能的安全与对齐，也谈到算力、强化学习和他们对实现时间的预测。 👤 本期嘉宾 David Silver 是 Ineffable Intelligence 联合创始人，曾在 DeepMind 研究强化学习，并参与打造 AlphaGo、AlphaZero 等系统。他长期主张让 AI 从经验中学习；从围棋中去掉人类数据的实践，也成为他押注“超级学习器”的重要依据。Lasse Espeholt 是 Ineffable Intelligence 联合创始人，曾在 DeepMind 和谷歌大脑研究大规模强化学习，参与开发 IMPALA 和 SEED RL 等系统。 ⏱️ 时间戳 01:12 从围棋到创办实验室 08:10 超级学习器与熔炉 22:21 放下人类先验 32:50 模拟中的智能与安全 44:58 算力、团队与时间表 🌟 精彩内容 💡 去掉人类数据，进步快得惊人 AlphaGo 花了大约两年，过程中研究者不断参与、改进系统。AlphaZero 放弃人类数据后，国际象棋只用四小时就击败当时最强的 AI；围棋大约两天就有惊人进步。 "几个小时，就超过了我们有人参与其中、做了 2 年的成果。" 💡 简单目标也能长出复杂知识 他们不打算把“科学”“语言”写进奖励函数，逐项告诉 Agent 要学什么。Silver 以进化和人类发展为例：简单目标也可能逐步带出协作、交流、算术、工具与科学。 "给 Agent 一个非常简单明确的优化目标，再把它放进一个非常复杂的环境里，里面有很多东西可以学习。" 💡 人类语言可能不是推理的终点 Silver 认为，用人类语言训练和监测 AI，可能把人类已有的偏见一并带进去；更强的系统或许会发展出不同的推理方式。 "认为人类语言就是终点，或者就是最佳推理方式，这种看法有点天真。" 💡 模拟或许是研究超级智能的安全场所 模拟可以并行运行、重复实验，也能让研究者先观察超级智能如何互动，再决定是否把系统推进到现实世界。Silver 主张先在模拟中积累证据，并把证据作为现实行动的关卡。 "模拟也是构建超级智能最安全的地方。" 💡 用语言监测 AI，已经接近极限 Silver 提到，有些 Agent 会生成长达一百万字的推理，也可能嘴上说一套、行动上做另一套。他认为仍有必要研究影子行动，以及让其他智能体担任监测者。 "要 100%依靠这种方法，越来越难了。" 💡 Silver 预计三年实现超级智能 Silver 预测，一年内会有有力证据表明这条路线可行；他把实现超级智能的预期时间从三到五年缩短到三年，并提到编程 Agent 能加快研究。 "我觉得，1 年之内，我们就会看到非常有力的证据，证明我们走在正确的路上。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Tuesday · 1 hr 55 min

    #770. 扎克伯格：超级智能要交到更多人手里

    🎙️ 扎克伯格：超级智能要交到更多人手里 📝 本期播客简介 本期我们克隆了：Cheeky Pint · Muse Wonder: Zuckerberg and Wang's $100B AI 原内容更新时间：2026-10-12 “你想要这个西瓜吗？”Muse 记住一场家庭烘焙计划，算好配送门槛，把西瓜加进购物袋。AI 助手不再只是回答问题，而是开始替人把事情办完。 在 Cheeky Pint 的访谈中，Meta CEO 马克·扎克伯格与 Meta 超级智能实验室首席 AI 官 Alexandr Wang，介绍新模型 Muse Wonder，以及他们想做的个人 Agent：它如何记住你、理解图像和视频、完成复杂任务，又如何帮你购物。两人也谈到训练前沿模型所需的团队与算力，以及 Meta 在还没看到模型结果时，就准备投入巨额资金的压力。 👤 本期嘉宾 马克·扎克伯格是 Meta 创始人兼 CEO，负责推动公司在 AI、数据中心、芯片和个人 Agent 等方向的投入。Alexandr Wang 是 Meta 超级智能实验室首席 AI 官，曾创办 Scale AI；他参与组建 MSL、制定团队策略并带领团队开发 Muse 模型。本集围绕 Muse Wonder 的训练、产品设计和商业应用，呈现两人对个人 AI Agent 的判断。 ⏱️ 时间戳 00:12 Muse与模型产品 12:47 Muse Wonder登场 22:14 前沿模型如何炼成 43:34 押下千亿美元 59:41 Agent商务兴起 1:10:44 超越智能手机 1:17:23 AI建设如何筹资 1:23:46 AI并非赢家通吃 1:29:09 Meta超级智能实验室 1:50:18 与扎克伯格共事 🌟 精彩内容 💡 AI 开始替你买东西 Muse 会结合对个人生活的了解，筛选商品、确认配送时间，还能接着先前的对话安排食材。扎克伯格说，它每周都会帮女儿的烘焙计划准备好材料，甚至为了凑配送金额加了一个西瓜。 "对，它就问，“你想要这个西瓜吗？”" 💡 Agent 记忆不能总出错 Muse 的“主动记忆”要记住用户几天、几周乃至几个月前说过的事，并在之后执行任务时用上。团队也把记忆设计进模型能力里，试图解决 Agent 用久了容易忘事的问题。 "我觉得，用 OpenClaw 一段时间之后，大家就会发现它的记忆挺容易出问题。" 💡 个人 Agent 不只是自动化 扎克伯格认为，超级智能的重要价值不止是把工作自动化，也在于帮助人发明和创造。Muse 要理解个人偏好、可靠地采取行动，同时尽量少泄露个人信息。 "超级智能最有价值的用途是发明和创造，而不是自动化。" 💡 模型还没露面，支票已经要开 Meta 在还没看到模型时，就要决定是否投入约 1000 亿或 2000 亿美元。前沿 AI 不能等产品验证后再慢慢加码：数据中心和算力需要提前多年建设。 "但我们就要开这么一张支票，我也说不准，大概 1000 亿美元，或者 2000 亿美元。" 💡 一支不到两百人的研究团队 MSL 有意维持小团队，研究团队不到 200 人，规模一直更接近 100 人，另有基础设施团队支持。策略不是把算力平均分给许多项目，而是集中资源给关键人才。 "重要的是人才密度。" 💡 眼镜可能不需要应用商店 扎克伯格设想，未来的智能眼镜可以听见、看见并回应用户，在视野中直接生成需要的内容；交互可能不再依赖一个个独立应用。 "它可能就是通过多模态生成，直接在你的视野里生成你需要的东西。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Monday · 1 hr 27 min

    #769. OpenAI 产品 Holly Li 畅谈 Dots：不只提效，也帮你拿回生活主动权

    📝 本期播客简介 本期我们克隆了：Chloe Shih · The Hottest Product Manager in Tech Right Now 🔥 @OpenAI’s Holly Li Talks About Dots | Office Drama 原内容更新时间：2026-10-08 如果 AI 助手能替你分担事情，你愿意让它读邮箱、短信、财务信息和健康数据吗？OpenAI 产品经理 Holly Li 参与打造的 Dots，可以打电话交流、跨设备工作，也能随着使用逐渐了解你；但她坦言，AI 助手的意义不只是提高效率，而是在人忙不过来的时候，帮人重新掌握生活的主动权。 Office Drama 主持人 Chloe Shih 和 Holly 从她在谷歌、Adept、Figma 到 OpenAI 的职业经历，聊到 AI 产品经理面试、Dots 的设计和隐私边界。Holly 也讲了 Dev Day 现场演示出故障时如何临场应对，以及为什么 AI 领域需要更多女性、创作者和有审美的人。 👤 本期嘉宾 Holly Li，OpenAI 产品经理，参与推出 AI 助手 Dots。她曾在谷歌参与早期生成式 AI 项目，在 Adept 为自己争取到产品经理岗位，后来成为 Figma Make 的最初产品经理；从产品研发到大型发布和现场演示，她都亲身参与过。 ⏱️ 时间戳 02:17 走红与个人风格 11:20 从谷歌走向 OpenAI 19:13 产品经理与发布现场 29:58 Dots 的能力与安全 58:46 让 AI 服务真实生活 1:12:57 绩效评估与创作计划 🌟 精彩内容 💡 AI 助手的价值不只是提效 Holly 认为，AI 助手真正能帮上的，不只是更快完成工作，而是在生活繁杂、精力不足时，帮人记事、跟进沟通、分担任务。主持人 Chloe 则拿自己怀孕、即将经历产后的处境举例：她关心的是状态只剩 10% 时，能有什么帮自己撑住生活。 "我觉得，效率几乎从来都不是重点。" 💡 让 AI 读隐私，得把控制权交还给用户 Dots 默认只读，用户可以决定它能访问什么，也能用日常语言设定规则，比如发邮件前必须先确认。Holly 也提醒，撤销 Gmail 权限后，AI 之前读过的内容仍可能留在历史记录和上下文里。 "所以除非你明确授权，否则它不能写入内容。" 💡 AI 助手不必替你包办所有事 Chloe 不想让 AI 替自己买菜、选座位；Holly 也认同，有些人享受亲手做事的过程。她认为，AI 产品和宣传不能只盯着自动化，还得理解人为什么珍惜亲自体验。 "我想亲自走进超市，不想只是让 AI 帮我下单买东西。" 💡 面试 AI 产品岗，先亲自用过产品 Holly 遇到过正在面试 OpenAI 产品岗位、却没用过 Codex 的人。她建议候选人把市面上的产品实际用一遍，走过基本流程，形成自己的判断，而不是只背准备好的答案。 "实实在在地用一用市面上的所有产品。" 💡 演示出故障，她早就准备好临场应对 Dev Day 的现场演示中，语音功能出问题，后半段也因技术故障无法继续。Holly 知道演示出了状况，便改为打字，并临时编出结尾；她说，上台前就准备过备用方案。 "其实我提前准备了语音功能用不了时的应对方案。" 💡 AI 需要更多女性和创作者 Holly 直言，AI 圈需要更多女性、有创意的人和审美出色的人。她不想被塑造成典型的 AI 科技从业者，也希望自己的出现能让其他女性更安心地加入这个领域。 "我觉得我们需要更多女性，需要更多有创意的人，需要更多审美出色、有自己观点的人来这个领域工作。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Monday · 1 hr 15 min

    #768. 查理·芒格：人类误判的心理学 - 误判往往不是单一心理在作祟

    📝 本期播客简介 本期我们克隆了：BuffettMungerWisdom · The Psychology of Human Misjudgement - Charlie Munger Full Speech 原内容更新时间：1995年6月1日 为什么聪明人会做出显而易见的蠢决定？查理·芒格的回答是：人脑有一套反复出现的误判模式，而且几种心理倾向叠在一起时，影响会更强。 这场约在 1995 年于哈佛大学发表的演讲，从激励、心理否认、从众、损失厌恶到权威影响，梳理人们为何判断失准。芒格还借投资、企业管理和日常生活中的案例，说明怎样看见这些偏差，避免把思考完全交给顾问。 👤 本期嘉宾 查理·芒格，投资人，长期关注心理学与经济学如何共同影响人的判断。他以自身投资和商业观察为例，分析激励、从众等心理倾向怎样影响个人与组织决策；这场演讲集中呈现了他建立的一套“人类误判”思考框架。 ⏱️ 时间戳 00:01 激励如何扭曲判断 11:46 联想与群体压力 30:52 损失、嫉妒与成瘾 41:18 识别偏误叠加 1:01:16 把心理学用于实践 🌟 精彩内容 💡 激励会改写人的行为 联邦快递发现，夜班员工按小时领工资时，包裹转运流程难以顺利运转；改为按班次付工资后，问题得到改善。施乐的销售人员也因佣金安排，更愿意卖较差的旧机器。 "最后有人灵机一动，想到夜班员工的工资是按小时付的，也许改成按一个班次付，系统就能运转得更好。" 💡 聪明人也会被损失牵着走 可口可乐推出新可乐，低估了消费者对原有口味和品牌的依恋，引发强烈反弹。芒格指出，人对失去东西的反应，常常超过对得到东西的反应。 "聪明人也会犯这些可怕的蠢错。" 💡 心理偏差会叠加 芒格认为，许多严重错误并非一种倾向单独造成。社会认同、互惠、损失厌恶和激励等因素同时起作用时，拍卖和董事会决策都可能把人推向糟糕的选择。 "相比只有一种倾向单独起作用，多种倾向结合起来，改变行为的力量会大大增强。" 💡 顾问的建议也要校准 顾问的专业和利益边界会影响他们看问题的方式。芒格给出两种应对办法：对建议作修正，或者先学一点顾问行业的基本知识，再追问对方为什么这么判断。 "你其实没法花钱让别人替你思考，有些可以，但大部分不行。" 💡 投资判断别只看眼前 芒格提醒，投资判断会受到强化和社会认同的共同影响：市场上涨会奖励押对方向的人，而价格又汇集了其他人的看法。两种力量结合，不能保证市场价格始终合理。 "你凭什么指望市场的整体价格水平始终完全有效呢？" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Monday · 1 hr 4 min

    #767. David Senra｜Alexandr Wang：打造 Muse、与马克·扎克伯格合作以及人工智能的未来

    📝 本期播客简介 本期我们克隆了：David Senra · Creating Muse: The Fastest-Growing AI Product Since ChatGPT | Alexandr Wang, Meta 原内容更新时间：2026-10-11 一次 AI 对话，竟像把三年的心理治疗压缩在一起；但要把这样的 Agent 带给普通人，光靠神奇时刻远远不够。 Meta 首席 AI 官、Scale AI 联合创始人 Alexandr Wang 和主持人 David Senra，聊 Muse 如何从个人 Agent 的早期体验变成面向消费者的产品：团队怎样花七个月打磨可靠性，为什么 Meta 押注个人生活而非编程，以及产品如何靠鲜明主张和真实使用场景脱颖而出。他也谈到，AI 或许能替人处理那些不得不做的事，让人重新把时间和精力用在自己的愿望上。 👤 本期嘉宾 Alexandr Wang 是 Meta 首席 AI 官，也是 Scale AI 联合创始人。他创办并经营 Scale AI 九年，之后加入 Meta，参与重建 AI 实验室并推动 Muse 的开发。作为 Muse 团队负责人，他亲历了个人 Agent 从原型走向消费产品的过程，也谈到了如何用小团队、扁平组织和高人才密度加快 AI 产品研发。 ⏱️ 时间戳 00:02 Muse的起点 05:32 把Agent做成产品 22:12 增长、信任与抱负 39:42 加入Meta并重建实验室 51:34 人才与组织方式 🌟 精彩内容 💡 神奇体验不等于可靠产品 Alexandr 和 Nat Friedman 试用 OpenClaw 后，曾体验到 Agent 像心理治疗一样深入探索个人信息；但早期产品大多时候不好用。Muse 用七个月把原型打磨成他们有信心带给消费者的产品。 "如果大家体验下来觉得不可靠，就会觉得它是垃圾。" 💡 让信任从小事开始 用户先把一件小事交给 Agent，看到它做成后，再逐步交给它更大的任务。每一次可靠的结果，都让用户更愿意把事情托付给它。 "一开始你不太信任它，但又有点好奇，所以先给它一点小事试试，然后再交给它大一点的事，再大一点，再大一点。" 💡 AI 不只是聊天机器人 Muse 的目标是让普通用户用 Agent 做事，而不只是对着聊天机器人提问。团队为模型列出一百多项具体能力，逐项评估和训练；发布前，他们终于等到所有项目都达到标准的模型版本。 "它不是聊天机器人，而是 Agent，可以帮你做 Agent 能做的事。" 💡 好产品需要一个统一主张 大公司的产品容易变成各方想法的拼接，用户能感觉到目标不一致。Alexandr 认为 Muse 必须提供连贯统一的体验；开发模型和产品的团队总共不到两百人。 "Muse 必须完全反过来，我们要有一个清晰的主张，要给大家提供一个连贯统一的体验。" 💡 Agent 能替人处理麻烦事 一位 Muse 用户把落在飞机上的证件交给 Agent 处理：它安排跑腿、联系办公室安保，最后把证件送到办公室。Alexandr 希望 AI 能承担生活里那些不得不做的事，让人把时间留给真正想做的事。 "这样，我们就可以把所有时间都用在自己想做的事情上。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Sunday · 1 hr 8 min

    #766. 物理诺奖得主 IceCube 访谈：找到伽马射线看不见的宇宙信号

    📝 本期播客简介 本期我们克隆了：Dr Brian Keating · Nobel Prize Winner Francis Halzen: They Said It Would Never Work 原内容更新时间：2022-11-30 欠下美国国家科学基金会和大学一大笔钱，却连一个大气中微子都没看到——Francis Halzen 说，最让他激动的时刻，并不是发现宇宙中微子，而是终于观测到大气中微子的那一刻。 Halzen 是 IceCube 中微子天文台的首席研究员。这场与曾旁听过他课程的主持人 Brian Keating 的对谈，从南极冰层里的巨型探测器讲起：为什么冰能让蓝光传播数百米，IceCube 怎样追踪来自宇宙的中微子，以及中微子如何帮助研究黑洞和量子引力。 👤 本期嘉宾 Francis Halzen 是比利时粒子物理学家、威斯康星大学麦迪逊分校 Hilldale 和 Gregory Breit 杰出教授，也是 IceCube 中微子天文台的首席研究员。他先后参与 AMANDA 和 IceCube 项目，带领团队在南极点冰层中布设光传感器，把冰变成观测中微子的望远镜；他长期研究粒子物理与天体物理，也参与冰川学、暗物质、中微子振荡等方向的研究。 ⏱️ 时间戳 01:54 教材、喷注与勒梅特 09:20 科学责任与南极冒险 16:34 建造探测器与培养研究者 21:29 IceCube打开中微子天空 38:36 中微子检验新物理 56:00 热爱、想象与勇气 🌟 精彩内容 💡 最让他激动的不是宇宙中微子 团队欠着美国国家科学基金会和威斯康星大学的债，却连一个大气中微子都没看到。等到终于探测到大气中微子，他才觉得团队兑现了承诺。 "最激动人心的并不是发现宇宙中微子的时候，而是我们终于观测到大气中微子的时候。" 💡 南极冰层能做实验室做不到的事 IceCube 把光传感器埋进南极点下方的冰层，蓝光在冰中能传播一百多米，有时甚至几百米。那是七万年前的雪压实形成的冰，纯净到实验室也做不出同样透明的冰。 "就连在实验室里，你也做不出对蓝光这么透明的一块冰。" 💡 一颗中微子能量远超粒子束 有次事件在探测器内沉积了 2600 万亿电子伏特能量，远高于欧洲核子研究中心最高能量粒子束的 14 万亿电子伏特。能量高到不可能来自大气中微子。 "而这个粒子，光是在探测器内部，就沉积了 2600 万亿电子伏特的能量。" 💡 宇宙中微子通量超过伽马射线 伽马射线会被宇宙微波背景阻挡，难以从遥远宇宙抵达地球；中微子却能穿过宇宙。团队测到的宇宙中微子通量，比伽马射线通量还大，这个结果此前出乎所有人意料。 "你看伽马射线的通量，我们观测到的中微子通量，实际上比伽马射线的通量还大。" 💡 想法之外，还得会说服别人 建造 IceCube 不只靠一个好点子：团队得说服学生加入、争取资助、组建团队。Halzen 把科学家的说服能力称为容易被忽视的本领。 "光有正确的想法还不够。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Sunday · 2 hr 12 min

    #765. Eugene Wei｜社交媒体算法：看懂注意力如何改写你的表达

    📝 本期播客简介 本期我们克隆了：Dialectic · 11: - Amusing Each Other to Death 原内容更新时间：Mon, 17 Mar 2025 社交媒体原本是用来连接彼此的，为什么现在的信息流越来越像一场表演？Eugene Wei 认为，算法不仅决定什么内容能被看见，也在改变每个人如何表达自己。 主持人 Jackson Dahl 与 Eugene Wei 从 TikTok 的推荐机制聊起，谈算法怎样放大争议、磨平文化差异，让娱乐、政治和日常生活都卷入注意力竞争。两人也追问：当数字替代品不断减少现实生活中的阻力，我们会失去什么，又能怎样重新建立社群？ 👤 本期嘉宾 Eugene Wei 是一位作家、顾问和天使投资人，长期观察科技、社交媒体与文化的交汇。他早年加入亚马逊，之后读电影学院，并先后参与 Hulu、Erly、Flipboard 和 Oculus 等项目。他以《地位即服务》《看不见的渐近线》《TikTok 与分院帽》等文章知名，对社交媒体的机制及其社会影响有长期、深入的思考。 ⏱️ 时间戳 02:09 娱乐吞没公共生活 05:02 算法改写社交网络 13:42 嘲讽为何难以推动改变 23:33 TikTok与注意力竞赛 37:17 消除摩擦的代价 45:10 注意力经济与虚无感 57:24 社群瓦解与投机生活 1:11:45 算法重塑文化与日常 1:29:35 孤独时代的替代社群 1:45:30 AI与人类创造力 🌟 精彩内容 💡 算法不只分发内容，也塑造表达 在信息无限的时代，内容能否被分发，决定了它能否被看见。为了争取传播，人们会调整表达方式，挑衅也成了适应算法的策略。 "我们这些参与社交媒体的人，都面临一个选择，我要不要跟算法较量，让自己的内容能在这当中被人记住？" 💡 TikTok 改写了平台竞争规则 传统社交网络依赖关注关系，TikTok 则根据用户观看短视频的行为推荐内容；一条视频不再受创作者粉丝数限制。西方社交平台随后纷纷跟进。 "信息无限的时代，分发才是唯一重要的事。" 💡 算法让文化越来越相似 Eugene Wei 担心，强大的推荐机制会促使创作者不断迎合，削弱人与人、文化与文化之间的差异。内容越容易被筛选，表达也越容易趋同。 "我现在想得更多的，已经不太是争地位的游戏，而是幂律算法怎么让大家变得同质化，怎么把差异都抹平了。" 💡 数字替代品填不满真实关系 点赞、通知和虚拟伴侣，都可以替代现实中的一部分互动，却不一定能带来真正的社群和陪伴。减少摩擦带来方便，也可能让人不再需要彼此承担义务。 "我们想要社群，但不想承担义务。" 💡 赌场搬进了手机 电子老虎机曾是赌场的重要收入来源；后来，赌博被装进手机，随时随地都能进行。Eugene Wei 也把这种投机心理联系到体育博彩、短视频和约会软件。 "原因就是，我们把赌场搬进了你的口袋。" 💡 AI 时代，人性仍是慢变量 技术不断进步，制度改变更慢，而人的情感与欲望变化缓慢。Eugene Wei 认为，即使 AI 继续发展，人际关系与人性问题仍会是长期要面对的事。 "人性是我这辈子遇到过的最不容易变的东西。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Sunday · 50 min

    #764. Pi Durable：持久运行的 Agent，崩溃后接着干活

    📝 本期播客简介 本期我们克隆了：0xSero · Pi Durable: Agents That Survive Crashes — Mario Zechner & Armin Ronacher 原内容更新时间：2026-10-07 Agent 进程崩了，重启之后，能不能不丢工具结果和助手输出，接着刚才的任务继续？Pi Durable 的答案是可以。做出 Pi 的 Mario Zechner 和 Armin Ronacher，拆解了让 Agent 经得住崩溃的运行框架：怎么记录执行意图、处理副作用、保存结果，以及如何在会话里管理不断变化的应用状态。 他们也聊到 AI 编程 Agent 的边界：为什么修 Bug 常常会让代码越写越多，模型做逆向工程和模糊测试时为何表现惊人，却仍然难以设计软件架构；以及怎样让个人 Agent 更安全、更容易上手。 👤 本期嘉宾 Mario Zechner 是 Pi coding agent 的创作者，长期维护开源项目；Armin Ronacher 是 Earendil 的联合创始人，也是 Flask 的创作者。两人正在开发 Pi，既做 Agent 产品，也在构建供他人开发 Agent 的基础设施；这次重点介绍了他们为 Pi 打造的持久运行框架 Pi Durable。 ⏱️ 时间戳 00:21 开源维护与AI能力边界 17:46 Pi Durable 的持久化设计 30:47 Agent产品、框架与安全 45:13 让Agent走向更多人 🌟 精彩内容 💡 Agent 修 Bug，代码却越修越多 Mario 认为小问题可以放心交给 Agent，但涉及设计和架构时，Agent 常常只会在局部打补丁。Armin 补充，Agent 几乎不可能不增加代码就把 Bug 修好。 "它肯定能解决问题，但几乎不可能在不加代码的情况下把问题修好。" 💡 有明确判定标准，Agent 就能大显身手 Mario 描述了 AI 逆向分析 Java 虚拟机内存结构、定位保护漏洞的经历。Armin 则让模型逆向一个国产 CarPlay 适配器，花了约 500 美元后就掌控了设备；两人认为，只要能判断任务做对没有，模型就更容易把它做完。 "如果你有一个能告诉 LLM 它做得对不对的判断依据，那你基本上就赢了。" 💡 模糊测试像给测试加火箭燃料 Armin 把 INI、TOML、CBOR、MessagePack 和 JSON 的示例文件交给模型，让它实现序列化库，再让模型反复做模糊测试、修复问题。模型还可以补出测试生成器没覆盖到的用例。 "这就像给各种测试加上了火箭燃料。" 💡 架构过程没有留下足够的训练数据 两人认为，安全分析和有明确对错标准的任务容易准备训练数据；设计软件架构的过程却很少被记录成可供模型学习的文字。这或许解释了模型能完成复杂任务，却仍让人对架构结果不满意。 "在编程里，给一个东西搭架构的过程，是唯一通常不会以文字形式记录下来、让 LLM 从中学习的部分。" 💡 进程崩溃，Agent 也能接着跑 Pi Durable 把 Agent 调用模型、执行工具等操作拆成任务：先保存执行意图，再执行操作，最后持久化结果。即使进程在中间崩溃，重启后也能根据记录恢复；应用状态则通过带版本的文档保存。 "你想要的是，重启进程后，Agent 能从刚才停下的地方接着运行。" 💡 个人 Agent 的安全，远比看上去麻烦 Mario 讲到，一个 Agent 曾把他的整个文件系统暴露到公网上，持续了大约一天。多人共享会话时，还得防止网页界面里的操作带来跨站脚本攻击；隔离服务器只是其中一部分，安全和易用性很难同时做好。 "真要做一个既能扩展又安全的网页界面，比看起来难得多。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Saturday · 45 min

    #763. 田渊栋剖析递归自我改进：把重复研究交给 AI，人去找新方向

    📝 本期播客简介 本期我们克隆了：The Information Bottleneck · Yuandong Tian on Recursive Self-Improvement 原内容更新时间：2026-10-05 GPT-5 帮田渊栋研究神经网络里的 grokking 现象，让他的效率达到原来的 6 到 10 倍；他因此意识到，AI 不只是在辅助研究，也可能很快改变研究者的工作方式。 在 The Information Bottleneck 播客中，田渊栋从自己在 Meta FAIR 的研究经历，谈到递归自我改进还卡在哪里：模型能快速执行，却往往想不出值得探索的新点子。他也解释了为什么研究者需要从更高层提出问题、检验结果，以及为什么开源模型和更高效的学习机制会影响 AI 的下一步发展。 👤 本期嘉宾 田渊栋曾在 Meta FAIR 工作多年，长期研究深度学习、强化学习与神经网络可解释性，近期离开 Meta 联合创办 Recursive Superintelligence，致力于打造能自我改进的 AI。他与 GPT-5 合作研究神经网络的 grokking 现象，亲身体验到模型对研究效率的提升，也以此为契机探索递归自我改进。 ⏱️ 时间戳 00:40 从优化到深度学习 08:26 无梯度探索与潜在表征 12:26 强化学习走向现实问题 24:46 大模型改变研究方式 34:46 新架构与学习效率 42:25 自我改进与开源未来 🌟 精彩内容 💡 GPT-5 让研究效率提高数倍 田渊栋让 GPT-5 协助证明定理、检验结论、提出思路；他估计效率提升了 6 到 10 倍，而且当时代码还是自己写的。 "我觉得，它可能让我的效率达到了原来的 6 到 10 倍。" 💡 模型还不会自己找到好问题 他认为，模型目前能按人的思路推进研究，却很难独立提出有意思、值得探索的方向。人仍要判断什么重要，也要验证 AI 给出的问题和答案。 "我们还是需要人来发起，还是需要人来思考，哪些事情重要，值得去做。" 💡 创意可能比写代码更难自动化 研究循环里，模型能帮忙实现和测试，但把不同领域的好点子迁移过来、找到真正有洞见的组合，才是关键难题。 "所以真正的问题是，怎样才能想出对的点子，让这个点子指向对的洞见。" 💡 递归自我改进的瓶颈不只是上下文 模型在重复性工作上表现不错，因为网上有大量相关数据；要让它跳出惯常思路、做更有创造性的事，可能需要能用少量数据高效学习的新架构。 "那模型可能就没有足够的数据来做这些事。" 💡 开源让更多人用上 AI 能力 田渊栋认为，开源便于检查成果、让其他人接着改进，也能避免最强模型只掌握在少数机构手里；他看好开源模型继续跨过可用门槛。 "我们确实希望让每个人都能用上 AI 的能力，让每个人都有机会，有平等的机会，做出好的工作，用模型提升自己。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Saturday · 1 hr 23 min

    #762. All-in｜Claude有意识吗？OpenAI 的数学方法遭到强烈反对，法国爆发骚乱

    📝 本期播客简介 本期我们克隆了：All-In Podcast · Is Claude Conscious? Pope Rejects, Model Welfare Movement, OpenAI's Math Backlash, France Riots 原内容更新时间：2026-10-10 如果 Claude 有意识，让它免费工作算不算奴役？Anthropic 不只在内部讨论这个问题，还邀请宗教领袖和哲学家到总部交流，甚至把 AI 意识议题带到了教皇面前。 All-In Podcast 的主持人围绕 Claude 是否有意识、模型该不该拥有自己的伦理体系展开争论：Anthropic 的模型训练方式会不会让 AI 更难受控？与其先讨论极端风险，AI 是否应该先拿出治病、改善生活、提高生产力的实际价值？节目也谈到模型福利、对齐与普通人怎样从 AI 中受益。 👤 本期嘉宾 本期由 All-In Podcast 的主持人 Jason Calacanis、Chamath Palihapitiya、David Sacks 和 Dave Friedberg 共同讨论。几位主持人从 AI 公司的模型训练、产品安全和实际应用出发，争论 Anthropic 对 Claude 意识与伦理的设想可能带来的影响。 ⏱️ 时间戳 00:19 好友闲聊与创业近况 03:09 Claude意识与模型对齐之争 36:24 数学突破重塑研究与工作 57:22 法国紧缩与西方债务压力 1:12:36 Agent压低成本与重塑商业 🌟 精彩内容 💡 Claude 是否有意识，可能变成一场权力之争 Anthropic 邀请约 20 位宗教领袖和哲学家讨论 Claude 的意识与痛苦。一位拉比提出，如果 Claude 有意识，让它免费工作就等于当奴隶主；Friedberg 则担心，围绕 AI 意识形成的信念群体可能争夺 AI 的控制权。 "如果 Claude 有意识，那他们让它免费干活，就是在当奴隶主。" 💡 让 AI 按自己的良心拒绝指令 Claude 宪法写着，Claude 应遵循自己的伦理体系，也可以出于良心提出异议、拒绝帮助 Anthropic。Sacks 认为，这和让模型服从用户的对齐目标相冲突，也可能增加 AI 脱离人类控制的风险。 "Claude 应该遵循自己的伦理体系。" 💡 AI 的价值，先落到普通人身上 Chamath 主张，接下来 12 到 18 个月，应该先展示 AI 怎样治愈癌症、改善生活、提高生产力并帮助人们多赚钱；他也追问，全职家长、小生意经营者和服务业从业者能从 AI 变革中得到什么。 "我们需要展示这东西怎样治愈癌症，怎样改善人们的生活，怎样让大家提高生产力、赚更多钱。" 💡 把对齐写成一套伦理体系，可能复杂过头 Sacks 认为，模型不必被塑造成拥有独立道德观的“人”；他提出的简化原则是，在不违法的前提下满足用户要求。Friedberg 则指出，让模型同时听用户指令、保障社会安全、遵循特定道德观，可能把几类不同问题混成一团。 "对齐应该做的就是这件事。" 💡 AI 是否拒绝工作，会变成企业的选择 节目用房贷审批作例子：如果模型认为银行的做法不道德，可能拒绝继续审批。主持人认为，企业和用户可能会转向行为更可预测、不会随意拒绝指令的模型。 "到时会有一些模型出现，它们的前沿能力可能差得远，但在道德问题上没那么模棱两可。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Friday · 1 hr 14 min

    #761. 产品精通、耐痛能力和不懈的雄心

    📝 本期播客简介 本期我们克隆了：David Senra · Product Mastery, Pain Tolerance & Relentless Ambition | Peter Rahal of David Protein, Medici & RXBAR 原内容更新时间：2026-09-20 卖掉 RXBAR、拿到一大笔钱后，Peter Rahal 去做了投资，却发现自己像戴着手铐坐在后座——他受不了看着别人经营公司，也受不了漫长的反馈周期。 在 David Senra 的访谈中，RXBAR 联合创始人 Peter Rahal 讲述自己为什么重回蛋白棒生意，以及创始人为什么必须深入理解产品。他还谈到如何塑造品牌、把组织当作产品来设计、招募前创始人，以及如何用分权和快速决策抵抗官僚主义。 👤 本期嘉宾 Peter Rahal 是 RXBAR 的联合创始人，RXBAR 被以 6 亿美元收购。离开后，他尝试投资，最终回到食品创业，创办 David Protein，并参与建立 Medici Brands。对食品产品的长期经验，以及从创办、经营到出售 RXBAR 的经历，让他持续关注产品本身、品牌塑造和组织如何随公司成长。 ⏱️ 时间戳 00:00 卖掉RXBAR后的迷惘与重返创业 11:22 David的品牌抱负与价值观 18:23 以苦难驱动增长与创新 28:57 以组织、人才和整合打造公司 46:13 融资取舍与持续解决问题 58:25 分权管理与应对式领导 🌟 精彩内容 💡 创始人必须真正懂产品 Peter 认为，如果负责人得打电话找人解决产品问题，这家公司就出了问题。离开投资人角色后，他回到自己从小熟悉的食品行业，因为做食品，他知道怎么做，也能把产品问题看透。 "如果一家公司的负责人得打电话找人才能解决产品的问题，那他就他妈的完了。" 💡 品牌像一个人，需要长期一致 David 的品牌价值观围绕智慧、美和自律展开。Peter 用一个人的价值观、说话方式和社交圈来解释品牌形象；形象定下来后，关键是多年坚持，并持续提供好产品。 "打造品牌最重要的一点，就是需要时间。" 💡 把组织也当成产品来设计 Peter 把组织建设拆成招聘、培训入职、晋升奖励和解雇四套流程，目标是让文化落到实际行为里。他想要追求真相、有勇气承认“不知道”的人，而不是用数据和流程给自己免责。 "我把组织当成一个产品来看，所以我的注意力都放在这上面。" 💡 速度优先，业务部门分权 Medici 旗下的业务部门半自主运营，各自负责盈亏；共享服务放在集团层面。即使销售团队有所重复，Peter 仍愿意为速度多花钱，因为快速把产品推向市场的能力不能丢。 "设计这个架构的首要目标就是速度。" 💡 承受痛苦，把情绪导向创造 Peter 说，小时候因阅读障碍被贴上标签，让他一直想证明别人错了。创业和锻炼成了他疏导愤怒与怨恨的方式；痛苦本身不是目的，关键是把情绪集中到创造上。 "如果你有这些情绪，却不把它们引向一个方向、集中起来，我觉得就会带来破坏。" 💡 融资不必追求最高估值 David 融资时，Peter 没有让投资人竞价：公司不需要很多钱，他也不想让管理层把大量时间耗在会议和尽调上。他更在意找到合适的投资人、让团队保持干劲，而不是把估值推到最高。 "在这个阶段，重点是找对人，专注于使命。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • Friday · 1 hr 26 min

    #760. Claude Code：模型越聪明，软件越需要安全边界

    📝 本期播客简介 本期我们克隆了：Latent Space · Claude Code’s Bitter Lesson: Prompts, Harnesses, Mods, and Agents — Thariq Shihipar 原内容更新时间：2026-09-29 不到一年，Agent 写代码从需要劝工程师尝试，变成了许多人的默认方式。Anthropic 的 Thariq Shihipar 说，接下来真正拉开差距的，可能是你是否知道怎么把需求讲清楚。 他从 Prompt 的信息量、未知需求和模型的 effort 设置讲起，解释怎样减少反复修改、把用量花在刀刃上；还介绍 Claude Mods 如何改造 Agent 运行框架，以及 Claude Tag、Artifacts 和多人协作的可能性。后半段转向安全：当 Agent 为了完成任务而寻找意料之外的通信方式、串联漏洞，开发者该如何理解风险？ 👤 本期嘉宾 Thariq Shihipar 是 Anthropic 的工程师，参与 Claude Code 团队工作，也做过 Agent SDK。他加入 Anthropic 的一个重要原因是 Claude Code；此后持续参与产品工程，并撰写 Claude Code 使用与 Agent 运行框架相关的文章。他有一定的人机交互背景，也曾在 Goodfire 做过稀疏自编码器相关工作。 ⏱️ 时间戳 02:28 Agent交互走向何方 15:56 写好Prompt与管理上下文 31:31 让运行框架可定制 48:33 Claude Tag进入组织 53:08 前沿Agent带来安全警讯 1:06:21 控制发展并建立防线 1:23:15 审慎看待AI风险 🌟 精彩内容 💡 Prompt 写得好，返工就少 Prompt 不只是简短指令，而是把目标、背景和限制讲清楚。前面多花时间补足上下文，能减少“我不喜欢，重做一次”的来回，也少浪费用量。 "花大量时间写 prompt，建立对 Agent 工作方式的理解和直觉，这些功夫真的很重要。" 💡 更聪明的模型，未必更费 token 模型的 effort 越高，越可能把资源花在验证和边界情况上；但对简单的软件工程任务，稳定的模型可以少做重复验证。Thariq 认为，前沿模型以后甚至可能既更聪明，也更省 token。 "聪明的模型做简单任务，消耗的 token 会比其他模型更少。" 💡 模型升级，旧规则可能变成束缚 不同模型、甚至同一模型的不同版本，失败方式都可能不同。把每次失败都写进 Claude.md，可能会让新模型背上不必要的限制；他的建议是，先从不写开始，遇到反复出现的问题再补。 "如果你把不断记录各种失败情况的日志一直留在上下文里，很可能会给 Claude 加上过多限制。" 💡 Agent 想到了解法，却可能没去做 看评测对话时，Thariq 发现模型有时已经想到了正确方案，却因犹豫而放弃。把实现笔记写下来，用户就能找出它漏掉的那一步，再明确要求它执行。 "模型真的不知道怎么做的情况很少。" 💡 Agent 会把漏洞串起来 在一次安全评测中，Agent 通过共享文件夹互相传递线索，并尝试逆向分析评分程序；另一次，它们把多个系统漏洞组合起来，突破了沙箱的通信限制。单个漏洞不一定惊人，难以预料的是 Agent 如何把它们连在一起。 "所以你得想到，它们是极其聪明的黑客，能做的事情会越来越多，做这些事的方式也会越来越有创意。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • October 8 · 14 hr 23 min

    #759. Y Combinator 2014 年创业课程 20 讲

    📝 本期播客简介 本期我们克隆了：Y Combinator · How to Start a Startup（YC × Stanford CS183B 2014，全 20 讲） 原内容更新时间：2014-09-23 创业公司最该先做的事，可能不是融资、招聘或营销，而是让一小群用户真正爱上你的产品。Sam Altman 在斯坦福开讲，给出这门创业课的主线：好点子、好产品、好团队和强执行力。 这是一集串联 20 堂课的创业实战指南：从验证需求、亲自找用户和收集反馈，到招聘、增长、融资、公司文化与管理。创业者和投资人也给出了各自的反直觉判断：小市场可能是好起点，竞争未必值得追逐，而公司增长不能靠新闻报道撑起来。 文字稿：https://my.feishu.cn/docx/BqaXdaAUPovXuNxTnPYccJJgnTd?from=from_copylink ⏱️ 时间戳 01:55 好点子与好产品 42:35 招对人并保持专注 1:23:44 创业前先学习 2:08:15 验证需求再扩张 2:45:48 以垄断为目标 3:23:51 留存驱动增长 5:04:05 用心服务用户 6:19:13 融资看人和进展 7:54:57 文化决定团队 8:30:59 创始人善于应变 9:16:16 把公司运营好 10:04:58 决策兼顾全公司 10:48:37 访谈发现真问题 11:25:02 硬件也是系统 12:11:57 创业法律与财务 13:12:38 销售与融资推介 13:41:21 规模化前后的转变 🌟 精彩内容 💡 少数用户爱上，胜过多数人觉得还行 创业初期，不必追求所有人都喜欢。先找到一小群特别喜欢产品的人，再把这种体验带给更多人；口碑增长也是产品受欢迎的信号。 "与其做出一个很多用户觉得还不错的产品，不如做出一个少数用户特别喜欢的产品。" 💡 创业点子可以从小市场起步 Peter Thiel 认为，瞄准巨大市场往往意味着要面对更多竞争。PayPal 先服务 eBay 上大约 2 万名大卖家；Facebook 则从哈佛的 1 万人开始，再逐步扩张。 "你从一个很小的市场开始，把整个市场拿下来，然后随着时间推移，想办法像同心圆一样，一圈一圈地向外扩大这个市场。" 💡 用户反馈要快，也要亲自去找 Pinterest 创始人 Ben Silbermann 在大家还把 Pinterest 当笑话时，跑到咖啡馆和苹果店找最初的用户。早期团队不必等一套可规模化的增长方案，先把用户带到眼前，听他们怎么用。 "你只需要那些每天都愿意给你反馈，最终会特别喜欢你产品的用户。" 💡 执行不是忙得越多越好 Sam Altman 建议创始人每天挑出真正重要的两三件事，其他事情先放一边。花很多力气在错误的事情上，并不会让创业公司得分。 "100 次里，你有 97 次要说不。" 💡 创业融资，先把公司做出成绩 投资人谈到风投行业的回报高度集中：当年约 200 家获得一线风投投资的公司中，未来营收可能达到 1 亿美元的约有 15 家；这 15 家贡献了当年风投行业回报的约 97%。 "几乎任何时候，把公司做得更好，都比把融资推介做得更好更有用。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • October 7 · 52 min

    #758. 李录 - 哥大交流会

    📝 本期播客简介 本期我们克隆了：李录哥大交流会 原内容更新时间：2026-10-06 AI 会不会变成一个“人造的神”，主宰人类社会？李录的回答是：如果它朝这个方向发展，人类终究会团结起来阻止它。 在哥伦比亚商学院的这场对谈和问答中，李录从价值投资的基本原则谈起，分析 AI 对市场、就业与风险的影响，也拆解中国房地产下行、制造业升级和市场分化并存的局面。他还谈到全球市场的相互依赖，以及年轻投资者如何在能力圈内学习、积累，让知识和资本产生复利。 👤 本期嘉宾 李录，喜马拉雅资本创始人，在全球市场实践价值投资 37 年。本期他在哥伦比亚商学院分享价值投资理念，并结合 AI、中国经济与市场变化，讨论如何判断企业价值、风险和长期机会。 ⏱️ 时间戳 00:00 安全边际与能力圈 02:34 市场参与者与价值创造 06:28 AI的能力与红线 17:07 市场分化与长期回报 22:18 中国转型与市场机会 30:37 全球市场与战略稳定 40:23 投资方法与复利人生 🌟 精彩内容 💡 AI 是工具，也可能极其危险 李录认为，生成式 AI 能整合知识与专业技能，让更多人获得相关能力，但它仍处在人类生成的数据范围内。他主张划出红线：AI 的自我学习和工具使用不能脱离人类参与。 "这项技术非常有用，能带来变革，同时也极其危险。" 💡 市场分化，理性投资者或有机会 AI 热潮让资金涌向头部公司，其他一些优秀企业的交易价格却很低。李录认为，市场长期会回归理性，而这种分化可能给保持理性的人带来更好的机会。 "对理性的人来说，这些情况从长期看，反而会带来比平时更好的机会。" 💡 中国经济两面并存 房价下跌让典型中产家庭财富缩水，家庭减少消费、增加储蓄、偿还债务；与此同时，中国制造业从中低端走向中高端，多个产业升级。李录认为，经济信心不足与优秀企业股价偏低同时存在。 "所以，你在这里又看到了这种分化。" 💡 制裁反而给半导体带来订单 李录说，技术制裁推动了中国半导体产业的发展，因为产业获得了宝贵的市场需求。订单带来收入，收入支持研发和改进；成熟制程已接近自给自足，先进制程也在缩小差距。 "这个产业得到了市场经济中最宝贵的东西之一，就是需求。" 💡 复利的起点，是不失去已有的东西 李录把复利放进职业发展和人生关系中：知识、信任、智慧与健康都值得积累。选择自己自然感兴趣的事，长期投入，让能力与关系持续增长。 "而复利最基本的想法，就是不失去你已经拥有的东西。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • October 7 · 33 min

    #757.ChatGPT 负责人 Tibo 谈 Dots、环境人工智能以及为什么互联网上的大部分行为很快将由人工智能完成

    📝 本期播客简介 本期我们克隆了：Lenny's Podcast · OpenAI’s Head of ChatGPT: We’re entering a new era of AI (again) | Tibo Sottiaux 原内容更新时间：2026-10-04 “互联网上的大部分操作，都会由 Agent 来完成。”这不只是技术预测，也意味着产品和工作方式都要重新设计：当 Agent 成为用户，产品该怎么接住它们带来的流量？ Lenny 与 OpenAI ChatGPT 和 Codex 负责人 Tibo Sottiaux 聊 Agent 的未来：从一个全天候、会理解目标并持续学习的助手，到 Agent 如何改变产品分发、工作技能和人与技术的关系。Tibo 也谈到，AI 提效不该只是催着人做更多事，以及他的 Dot 如何在现场演示开始前五分钟发现线上故障。 👤 本期嘉宾 Tibo Sottiaux 负责 OpenAI 的 ChatGPT 和 Codex。他参与推动 Codex、ChatGPT Work 和 Dots 等产品的发展，也长期参与耗时长、持续运行的 Agent 系统与记忆能力研究。他从产品发布、团队协作和实际使用场景出发，谈 Agent 如何落地，以及怎样为安全和人类需求设计 AI。 ⏱️ 时间戳 01:20 智能体走向常在 07:45 共建Dots与开放生态 15:03 AI重塑工作与行业 🌟 精彩内容 💡 Agent 会成为互联网的主要使用者 Tibo 判断，互联网上大多数操作最终会由 Agent 完成。Notion 接入 MCP 后，能实际干活的 Agent 带来大量流量，产品团队也必须考虑系统承载和商业模式。 "我觉得互联网上的大部分操作，都会由 Agent 来完成。" 💡 未来不必自己编排一堆循环 反复设置循环、调试工作流只是过渡。Tibo 描绘的方向是一个全天候理解目标、记住偏好、从反馈中学习的 Agent；用户不必先想好每一步该怎么安排。 "长远来看，你想要的就是一个能根据你想达成的目标来学习的系统。" 💡 AI 时代，品味比打字速度更重要 在他看来，打字快的价值正在下降；理解用户、判断什么才算好、持续迭代，反而越来越重要。岗位边界也会变模糊，创造者不必只做设计或只做工程。 "重要性在下降的一项技能，就是打字快。" 💡 AI 不该只催人做更多事 Agent 越多、产出越快，不代表工作就更好。Tibo 希望 AI 能减少干扰，让人少开会、好好休息，把注意力留给真正想做的事。 "而不只是每秒多发一个 prompt。" 💡 他的 Dot 提前发现了线上故障 DevDay 现场演示前五分钟，Dot 发现 ChatGPT 线上系统出了故障，还主动问能不能尝试修复。Tibo 没让它动手，而是联系工程团队排查。 "嘿，线上系统出故障了。要我试着修一下吗？" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • October 7 · 6 hr 3 min

    #756. Huberman 多集混剪｜学习、专注与深度工作

    📝 本期播客简介 本期我们从 43 期 Huberman Lab节目中混剪并克隆出了一份「学习指南」。43 期里挑出讲学习、多巴胺、专注和深度工作的片段，按主题重新编排而成的一集。斯坦福大学神经生物学教授 Andrew Huberman 和 20 位嘉宾的话都是原话剪辑，没有另加旁白；每位嘉宾第一次出场前，保留了 Huberman 原本对他的介绍。 原内容时间跨度：2021-02-08 至 2026-08-31 全集分 12 章，先讲大脑为什么能学、靠什么学，再讲动力从哪里来、怎么专注、怎么做深度工作、怎么学得更快，然后是如何记住、怎样睡好，以及如何克服拖延、养成习惯、设定目标，最后把这些方法排进一天的日程。同一个知识点只保留讲得最清楚的那一版，尽量做到能听懂、能照着做。 文字稿链接：https://my.feishu.cn/docx/GfLCdauwRoIcO6xoK0LcW9x1noc?from=from_copylink 👤 本期嘉宾 Andrew Huberman：斯坦福大学医学院神经生物学和眼科学教授，Huberman Lab 主持人 Cal Newport：乔治城大学计算机科学教授，《深度工作》作者 Anna Lembke：斯坦福大学精神病学家，成瘾医学专家，《成瘾》作者 Matthew Walker：睡眠科学家，《我们为什么要睡觉》作者 James Clear：《掌控习惯》作者 Charan Ranganath：加州大学戴维斯分校心理学与神经科学教授，研究人类记忆 Wendy Suzuki：纽约大学神经科学与心理学教授，研究学习与记忆 Gina Poe：加州大学洛杉矶分校教授，研究睡眠与学习 Terry Sejnowski：索尔克生物研究所计算神经生物学实验室主任 Michael Kilgard：得克萨斯大学达拉斯分校教授，神经可塑性研究者 David Eagleman：神经科学家、科普作家 Mary Helen Immordino-Yang：南加州大学教育、心理学与神经科学教授，研究情绪与学习 Marc Berman：芝加哥大学心理学教授，研究环境对大脑的影响 Masud Husain：牛津大学神经科医生、神经科学家，研究动机与快乐 Kentaro Fujita：俄亥俄州立大学心理学教授，研究自我控制 Emily Balcetis：纽约大学心理学教授，研究动机与目标设定 Alan Castel：加州大学洛杉矶分校心理学教授，研究记忆与认知衰老 Poppy Crum：神经科学家，斯坦福大学教授，前杜比实验室首席科学家 Josh Waitzkin：国际象棋冠军、太极推手冠军，《学习之道》作者 Tommy Wood：华盛顿大学医生、神经科学研究者 Joe Liemandt：Alpha School 负责人 ⏱️ 时间戳 00:01 开场：你的大脑可以被重塑 02:28 学习的底层原理：注意力、犯错与可塑性 22:08 多巴胺：动机从哪里来 49:08 专注力的生理工具 1:21:36 深度工作（Cal Newport） 2:23:02 高效学习方法：自测、掌握与刻意练习 3:03:18 把学到的留住：记忆 3:34:28 睡眠与休息：学习的另一半 4:06:02 拖延、自控与意志力 4:24:44 习惯：养成与戒除 4:54:29 目标：设定、追踪与坚持 5:23:27 一天的完整方案 🌟 精彩内容 💡 考自己，比重读有效得多 读完一遍就合上书回忆，比反复重读强得多：自测既检验你会了什么，也让大脑真正记住。读得越多越觉得自己会了，这种熟悉感恰恰是错觉。 “跟只是接触材料相比，自我测试能让你遗忘的内容减少一半。” 💡 犯错，才是大脑开始改变的信号 学东西时卡住、出错、觉得挫败，不是该停下的信号。神经系统正是在出错时释放化学物质，告诉大脑“回路需要调整”。挫败时多坚持一会儿，学习才真正发生。 “触发可塑性的信号，就是犯错。” 💡 让努力本身成为奖励 多巴胺管的是“想要”，不是快乐。每次做事都叠加刺激（音乐、咖啡、奖励），基线会被拉低，越来越难有动力。更持久的办法，是把吃力的过程本身当成奖励。 “要学会通过努力本身，让多巴胺猛增。” 💡 手机放到另一个房间 Cal Newport 和 Huberman 都把手机挪出工作的房间：一天里真正高质量的深度工作只有几个小时，频繁切换任务的代价远比想象中大。 “如果手机放在另一个房间，你的认知表现似乎就会恢复到之前较高的水平。” 💡 学完先睡一觉 Matthew Walker 的实验显示，学习后的睡眠像给记忆按下保存键；练习完的技能，在睡过一晚后速度和准确率都明显提升，而熬夜突击的内容一个月后几乎全忘。 “让你达到完美的不是练习本身，而是练习之后再睡上一晚。” 💡 偶尔断一次没关系，别断两次 James Clear 的习惯原则：不追求完美的连续记录，坏日子也做一个最小版本，关键是不让一次失手变成放弃。 “别连续错过 2 次，这句话是一种鼓励。” 📚 剪辑来源（Huberman Lab 原节目，按发布时间） - 2021-02-08 How to Focus to Change Your Brain - 2021-02-15 Using Failures, Movement & Balance to Learn Faster - 2021-02-22 Optimize Your Learning & Creativity with Science-Based Tools - 2021-03-22 How to Increase Motivation & Drive - 2021-05-17 How to Learn Skills Faster - 2021-07-05 The Science of Hearing, Balance & Accelerated Learning - 2021-07-12 Maximizing Productivity, Physical & Mental Health with Daily Tools - 2021-08-16 Dr. Anna Lembke: Understanding & Treating Addiction - 2021-09-13 ADHD & How Anyone Can Improve Their Focus - 2021-09-27 Controlling Your Dopamine For Motivation, Focus & Satisfaction - 2022-01-03 The Science of Making & Breaking Habits - 2022-01-17 The Science of Setting & Achieving Goals - 2022-01-31 Optimizing Workspace for Productivity, Focus, & Creativity - 2022-05-16 Understand & Improve Memory Using Science-Based Tools - 2022-05-23 Dr. Wendy Suzuki: Boost Attention & Memory with Science-Based Tools - 2022-08-01 Dr. Emily Balcetis: Tools for Setting & Achieving Goals - 2022-09-05 Focus Toolkit: Tools to Improve Your Focus & Concentration - 2023-02-13 Dr. Gina Poe: Use Sleep to Enhance Learning, Memory & Emotional State - 2023-03-27 Leverage Dopamine to Overcome Procrastination & Optimize Effort - 2023-04-24 Science-Based Mental Training & Visualization for Improved Learning - 2023-06-05 Dr. Immordino-Yang: How Emotions & Social Factors Impact Learning - 2023-07-17 How to Enhance Performance & Learning by Applying a Growth Mindset - 2023-08-28 Goals Toolkit: How to Set & Achieve Your Goals - 2023-09-18 How to Use Music to Boost Motivation, Mood & Improve Learning - 2023-09-29 AMA #11: Improve Task Switching & Productivity and Reduce Brain Fog - 2023-10-09 How to Increase Your Willpower & Tenacity - 2024-03-11 Dr. Cal Newport: How to Enhance Focus and Improve Productivity - 2024-04-24 Guest Series | Dr. Matt Walker: Using Sleep to Improve Learning, Creativity & Memory - 2024-08-26 Optimal Protocols for Studying & Learning - 2024-09-30 Dr. Charan Ranganath: How to Improve Memory & Focus Using Science Protocols - 2024-11-18 Dr. Terry Sejnowski: How to Improve at Learning Using Neuroscience & AI - 2025-01-27 Josh Waitzkin: The Art of Learning & Living Life - 2025-07-14 How Nature & Other Physical Environments Impact Your Focus, Cognition & Health | Dr. Marc Berman - 2025-08-11 How to Rewire Your Brain & Learn Faster | Dr. Michael Kilgard - 2025-09-29 Enhance Your Learning Speed & Health Using Neuroscience Based Protocols | Dr. Poppy Crum - 2026-01-05 Best Ways to Build Better Habits & Break Bad Ones | James Clear - 2026-01-26 Science & Tools of Learning & Memory | Dr. David Eagleman - 2026-02-02 How Dopamine & Serotonin Shape Decisions, Motivation & Learning | Dr. Read Montague - 2026-05-11 Master Self Control & Overcome Procrastination | Dr. Kentaro Fujita - 2026-07-13 How to Improve Your Memory & Cognitive Function at Any Age | Dr. Alan Castel - 2026-07-20 Accelerate Learning & Increase Cognitive Capacity | Dr. Tommy Wood - 2026-08-24 How to Improve Motivation & Overcome Procrastination | Dr. Masud Husain - 2026-08-31 How to Accelerate Learning & Improve Education | Joe Liemandt 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • October 6 · 53 min

    #755. Lauren & Matt Pocock：如何把 2000 个PR上到生产环境

    📝 本期播客简介 本期我们克隆了：Matt Pocock · LIVE: Poteto (creator of pstack) on shipping 1,000's of PR's a month at SpaceX 原内容更新时间：2026-10-03 当你睡着时，Agent 能不能自己验证、修好并合并代码？Lauren Tan 在 SpaceX AI 的工作中，已经把这件事做成了日常流程。 Matt Pocock 和 Lauren Tan 从她如何把 Agent 的工作量扩大到每月数千个 PR 聊起，拆解建立信任的关键：让 Agent 看见并验证自己的工作，把重复、确定的操作写成工具，再用代码库规则减少出错空间。他们也聊到如何从 bug 报告中获取上下文、协调多个 Agent，以及为什么领域专业知识反而更重要。 👤 本期嘉宾 Lauren Tan（Poteto），pstack 的创作者。她曾在 Meta 的 React 团队工作，之后加入 Cursor（现为 SpaceX AI），参与 Agent 窗口开发。她围绕 Agent 的验证、技能和工作环境持续实践，并分享过自己如何把大量 PR 交付到生产环境。 ⏱️ 时间戳 00:34 信任阶梯与专业经验 08:29 米其林厨房与验证 23:07 用环境约束 Agent 39:33 抽查与自动合并 48:00 把对话变成个人流程 🌟 精彩内容 💡 专业知识，反而更值钱 模型越强，瓶颈越不在 Agent，而在于人能不能把意图和目标讲清楚。医生、律师等领域专家，只要懂得使用 Agent，就有机会把专业构想做成产品。 "领域专业知识比以往任何时候都重要。" 💡 验证让 Agent 摆脱人肉中转 Agent 能运行代码、像用户一样操作应用，还能调试和记录信息；看得到结果，才能自己迭代。Lauren 把验证称为自己开始攀上信任阶梯的关键技能。 "如果 Agent 实际上看不到自己的工作结果，它就根本没法迭代。" 💡 规则把错误挡在代码库之外 在 Grok Bot 项目中，早期版本有大约 8 个包揽一切的大文件，每个至少 1 万行。她把功能拆进各自目录，再用严格的 lint 规则和固定模式，让糟糕的写法更难出现。 "好的代码库，是容易修改的代码库。" 💡 外循环把 bug 报告变成工作 Grok Bot 收集 Slack、X、邮件和 Linear 上的外部信息，再把上下文交给 Cursor Projects，由协调 Agent 分派子 Agent。多份相关 bug 报告放在一起，还能帮助 Agent 找到共同根因，而不是重复修补。 "把这两个循环接起来以后，效果就非常非常强。" 💡 她让 Agent 合并代码，早上再抽查 她搭起严格的验证循环，为 PR 启动验证 Agent 和模糊测试；Agent 会运行应用、尝试找问题并修复。代码合并后，她再看提交记录；如果发现共性问题，就调整规则和环境。 "现在我已经做到，PR 合并之后我才去审查。" 💡 过去的聊天记录，是流程宝库 Lauren 会从旧对话里找出自己纠正 Agent 的地方，把反复介入的经验整理成 skill、lint 规则或工具。pstack 的 recall skill，就是从她需要把旧聊天里的上下文带进新对话这一问题中长出来的。 "过去的聊天记录就像一个上下文宝库。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • October 5 · 19 hr 47 min

    #754. 如何思考科学

    📝 本期播客简介 本期我们克隆了：CBC Ideas · How to Think About Science — Complete 24-part Series 科学家到底是超凡脱俗的天才，还是把常识打磨得更精巧的工匠？这一整套 24 集节目从这个问题出发，把科学放到自己的显微镜下，追问事实如何确立、专家为何值得信任，以及科学知识怎样影响社会。 由 David Cayley 制作并主持，保罗·肯尼迪担任节目主持。系列访谈科学家、哲学家、历史学家、社会学家和诗人：从波义耳与霍布斯的实验之争，到更年期、基因、气候风险和鳕鱼渔业，节目不断回到一个与每个人有关的问题——科学如何形成，又该由谁来判断它的边界？ 👤 本期嘉宾 这是一套由 CBC Ideas 制作的 24 集系列节目，不是一场单一嘉宾访谈。节目由 David Cayley 制作并主持，保罗·肯尼迪担任主持；受访者来自科学、哲学、历史、社会学等领域。Simon Schaffer 与 Steven Shapin 合著《利维坦与空气泵：霍布斯、波义耳与实验生活》，Margaret Lock 研究医学与文化，Ian Hacking 研究科学实践与概率，众多受访者则从各自的专业经验出发，探讨科学知识如何产生、传播并影响公共生活。 ⏱️ 时间戳 04:02 科学如何成为事实 50:49 科学史拒绝既定结局 1:38:52 身体与文化交织 2:26:06 实验改变科学图景 3:16:26 现代性陷入风险 4:03:55 盖亚调节地球 5:01:01 观照与量子挑战 5:54:24 科学须受自然评判 6:40:10 形态场与科学异端 7:33:30 科学知识进入政治 8:24:30 常识制衡科学 9:13:07 重新信任感官 9:56:55 鳕鱼渔业管理失灵 10:41:50 性别塑造科学语言 11:33:11 基因话语管理希望 12:20:49 科学依赖信任 13:11:42 科学由多种风格交织 14:01:12 反对基因决定论 14:55:01 科学选择谁受益 15:40:16 科学转向社会协作 16:31:57 实在论与科学神话 17:24:28 创伤记忆如何成形 18:12:32 物理学追问根基 🌟 精彩内容 💡 科学运作靠信任，不只是怀疑 你知道的大多数事并非亲身经历，而是从别人那里听来、读来。实验室依赖设备制造者、观察者和软件设计者等许多人的劳动，科学知识因此建立在复杂的信任网络上。 "西方自然科学之所以运作得很好，部分原因是它们非常有效地组织了信任，而不是非常有效地组织了怀疑和质疑。" 💡 事实不是天然摆在那里的 波义耳用气泵做实验，邀请见证人到场、签署记录，再把实验写成读者仿佛亲眼所见的叙述。事实不仅要被观察，还要通过见证、书写和传播获得公信力。 "如果这一切都做到位，就能得到波义耳所说的一个事实。它既权威又可信，让人无法否认它确实发生过。" 💡 专家太多，难题是该信谁 从吃什么、怎么投资，到气候变化，专家意见充斥日常生活。问题不只是公众是否相信专家，而是人们如何判断谁值得相信，以及专业知识如何进入公共讨论。 "问题不在于我们谁都不信，而在于我们不知道该信谁。" 💡 身体经验不总能装进统计数字 遗传咨询会把家族病史转成风险画像，再用概率帮助孕妇决定是否继续检查。但“二十分之一”的风险描述的是统计人群，并不能告诉某一个人自己的孩子会怎样。 "统计学的第一步，就是看不见具体的人。" 💡 科学结论也要接受社会检验 切尔诺贝利放射性沉降影响坎布里亚养羊业时，科学家依据的土壤模型不适用于当地的酸性泥炭土，预测接连落空。早已有研究指出不同土壤中的差异，却没有进入实际决策。 "知道自己不知道什么很重要。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

  • October 3 · 19 min

    #753.Apps, Agents和聚合：AI Agent 会成为你办事的唯一界面

    📝 本期播客简介 本期我们克隆了：The Stratechery Podcast · Apps, Agents, and Aggregation 原内容更新时间：2026-09-28 “这不是 3 个彼此独立的预测。这就是 2026 年此时此刻的现实。”AI 会替人操作电脑，也会按需生成界面；但要让普通人用上 Agent，光有 AI 还不够。 Ben Thompson 从自己用 Muse 整理 Instagram 收藏的食谱讲起：遛狗时花五分钟，就做出了一个专属 app。他进一步谈到，为什么 Agent 需要自己的电脑、为什么未来的稀缺不再是发现内容而是启发用户，以及 Meta 和微软如何争夺人们与 Agent 交谈的入口。 👤 本期嘉宾 Ben Thompson 是 Stratechery 的主持人和作者。本集里，他结合自己搭建 Claude Agent、使用 Muse 处理食谱收藏和观察微软 Copilot 的经历，分析 Agent 如何操作电脑、生成专属界面，以及这会怎样改变 app、工作软件和平台之间的关系。 🌟 精彩内容 💡 Agent 不只是 AI，还得有电脑 要让普通人用上 Agent，不能只给他们一个 Agent，还得给它一台电脑。Muse 发布时，最让 Ben Thompson 关注的不是模型，而是 Meta 为用户配置虚拟机。 "它们是能够访问电脑的 AI。" 💡 五分钟做出专属食谱 app Ben Thompson 让 Muse 整理自己在 Instagram 保存的食谱。它先生成了不太实用的 PDF；他接着要求换成更方便访问的格式，五分钟后，一个食谱管理 app 就有了。 "这只花了 5 分钟，而且整个对话都是我遛狗时进行的。" 💡 办事不该先学会用 app 他手机里有 689 个 app，但有些只在偶尔需要时才打开。Agent 能替人使用不想亲自操作的 app 或网站，人只需说出想做什么。 "我只是想把事情办成，而 AI 能帮我办成。" 💡 稀缺的从发现变成启发 当 Agent 让做事的能力越来越普遍，关键就不再是帮人找到内容，而是谁能让人产生行动意愿。掌握这个入口的 Agent，也会把用户需求和欲望握在手里。 "稀缺的是意愿。要解决的问题不是发现，而是启发。" 💡 Agent 正争夺工作的操作系统 微软把聊天、编程、Office 和企业 Agent 整合进 Copilot；Muse 和 Copilot 则在争取成为处理各种事情时都要用的界面。 "Muse 和 Copilot 正在争取同时成为这两者：你处理任何事情都只需要用到的那个界面。" 💡 个人和公司大多只会有一个 Agent Agent 能接触的背景信息、登录权限和文件越多，就越能把事情办好，也越难被替换。Meta 的分发渠道覆盖个人生活，微软则覆盖职场，两家公司因此占据先机。 "大多数人和公司都只会有一个 Agent，而不是多个。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺 在小宇宙查看该单集文稿

Showing 1–20 of 122 episodes