跨国串门儿计划

yikai
  • 4.5 (53)
  • 科学
  • 一日一更

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！

  1. 5小时前

    #664.Huberman Lab｜你的免疫系统如何运作及如何改善它

    📝 本期播客简介 本期我们克隆了：知名播客 Andrew Huberman How Your Immune System Works & How to Improve It | Dr. Max Krummel 原内容更新时间：2026-08-03 本期嘉宾是加州大学旧金山分校（UCSF）教授、全球顶尖免疫学家 Max Krummel 博士，主持人是斯坦福大学神经生物学教授 Andrew Huberman。这期节目围绕免疫系统如何运作展开，深入探讨了它如何受睡眠、情绪甚至记忆的影响，也聊到了胸腺的作用、衰老带来的免疫变化，以及疫苗和自身免疫疾病等话题。 Krummel 博士用"潜艇账本"的经典比喻解释免疫系统的"自我与非我"判别机制，并引入衰老视角：随着身体细胞不断积累突变、变成"马赛克"，免疫系统对"异常"的识别阈值会发生变化，这可能是癌症在晚年更常见的原因之一。他还分享了关于睡眠如何影响免疫、胸腺为何被称为"被遗忘的诺贝尔奖器官"、以及记忆与免疫状态关联的前沿研究。 这期节目不只是免疫学知识的科普，更是一场关于科学如何运作、科学家如何思考的深度对谈。Krummel 博士坦诚讨论了疫苗犹豫、制药公司激励、数据稀疏时的决策困境，以及基础研究的重要性。如果你对免疫系统、衰老、癌症、疫苗或科学本身感兴趣，这期节目会提供大量一手见解和高密度判断。 👨‍⚕️ 本期嘉宾 Max Krummel 博士，加州大学旧金山分校（UCSF）教授，免疫学与癌症生物学领域的顶尖专家。他是癌症免疫疗法先驱之一，曾参与开创性的 CTLA-4 抗体实验——该实验后来成为癌症免疫治疗的起点，其导师凭此获得诺贝尔奖。Krummel 博士长期关注免疫系统的调节机制、肿瘤免疫微环境，以及免疫系统与神经系统、衰老的交叉研究。他还运营着一份免费的 Substack 通讯《The Immune Beyond》，致力于向公众普及免疫学知识。 ⏱️ 时间戳 00:00 开场 & 播客简介 免疫系统的"自我与非我"判别 01:07 潜艇账本比喻：免疫系统如何区分自我与非我 05:02 免疫学领域的演变：从"不算一个领域"到癌症免疫疗法 09:29 每个 T 细胞都是自由个体：10 的 11 次方个传感器 衰老、突变与免疫系统的挑战 10:53 "你是谁"：身体边界与微生物共生 14:34 衰老的免疫系统：细胞功能衰退与突变积累 20:42 免疫系统与"移民"比喻：共生菌的价值 22:18 衰老与癌症：当"奇怪"不再奇怪 胸腺：被遗忘的免疫器官 35:31 胸腺是什么、做什么、为何有治疗价值 36:11 T 细胞的起源：胸腺的发现史 39:07 胸腺萎缩与衰老：为什么老年人 T 细胞减少 睡眠、记忆与免疫 47:18 睡眠不足为何削弱免疫：机制层面的解释 47:52 睡眠的修复功能：免疫细胞夜间回骨髓 01:17:41 岛叶皮层与免疫：记忆能否激活免疫状态 疫苗、制药与科学信任 01:30:11 疫苗犹豫与语境：癌症疫苗 vs 儿童疫苗 01:31:55 疫苗时机与组合：合理的问题还是过度担忧 01:40:33 制药公司的激励与公信力危机 01:45:35 科学传播的困境：数据稀疏时的决策 科学、AI 与未来 01:56:50 AI 与机器学习在免疫学中的角色 01:58:05 从"油量表"到"原型"：免疫系统的复杂性 02:01:45 单一疗法 vs 系统推动：治愈疾病的真正路径 🌟 精彩内容 💡 "我们想做爵士乐队，不想做军乐队" Krummel 用"潜艇账本"比喻免疫系统的"自我与非我"判别机制：一套账本记录"自我"的声音特征，另一套记录"敌人"的声音特征。但随着衰老，身体细胞不断积累突变、变成"马赛克"，两套账本开始模糊，病毒未必还有什么独特之处——这可能是癌症在晚年更常见的原因之一。 "随着你身体变得越来越复杂、越来越不一样，那两套账本，就开始要涵盖你身体可能制造出的每一种生物分子的每一种排列组合。" 💡 免疫系统无时无刻不在测量你 Krummel 强调，免疫系统不只是对抗外来物的防御系统，它还在心脏、肝脏、肠道等器官中扮演着调节角色。它测量你的一切——包括你积累的突变、共生的细菌和病毒——并在某种程度上"帮助我们成为我们自己"。 "这个系统无时无刻不在测量我们，它测量关于我们的一切。在某种意义上，它的存在是为了帮助我们成为我们自己。" 💡 衰老的免疫系统：当"奇怪"不再奇怪 随着年龄增长，身体细胞不断积累突变，每个细胞都变得与旁边的细胞不同。免疫系统面对这种"马赛克"式的自我，识别异常的阈值会发生变化——癌细胞与旁边正常细胞的差异不再那么明显，这可能是癌症在晚年更常见的原因之一。 "到了某个程度，奇怪的东西看起来不再那么奇怪了。一个与你不同的癌细胞，它和旁边另一个细胞相比，并没有那么大的不同。" 💡 胸腺：被遗忘的诺贝尔奖器官 胸腺是制造 T 细胞的地方，也是教育 T 细胞"什么是自我"的器官。它在儿童时期很大，随着年龄增长逐渐萎缩。Krummel 提到，胸腺的研究值得拿诺贝尔奖——切除胸腺的儿童会死于机会性感染，这揭示了它在免疫系统中的核心地位。 "胸腺是制造你所有 T 细胞的地方……它的职责是生产 T 细胞，但某种程度上也是教育它们——只让那些传感器调校得恰到好处、能让你成为你自己的 T 细胞出来。" 💡 记忆与免疫：岛叶皮层的惊人发现 Krummel 分享了一项以色列团队的研究：给小鼠诱导炎症性肠病后，标记岛叶皮层中放电的神经元；等小鼠康复后，再激活这些神经元，肠道里的免疫系统会重新启动，就好像肠道刚刚又被穿孔了一样。这意味着记忆可能携带当时的免疫状态。 "仅仅回忆这些记忆——回想当时你在哪里、有什么感受——就能以同样的方式激活你的免疫系统，这非常了不起。" 💡 科学是"杀手实验"与失败的艺术 Krummel 强调，科学发现背后是成百上千次的失望。他提到"杀手实验"的概念——设计一个能杀死想法的实验，如果想法是错的就把它杀掉；如果结果如你所愿，它就成立了。他还用"赌场"比喻科学：你会听到铃响，但还有一大群人在拉杆，他们并没有赢。 "在我或者其他人的所有发现背后，有成百上千次的失望。你每件事都做对了，但答案不是那个，不是那个对的答案。" 💡 基础研究是突破的源泉 Krummel 用 CRISPR 和 GLP-1 类药物为例，说明重大突破往往来自纯粹的好奇心研究——CRISPR 来自细菌如何自卫的基础问题，GLP-1 来自对希拉毒蜥休眠机制的好奇。他强调，如果每个人都只想着开公司、卖产品，就不会有那些带来新东西的发现。 "CRISPR 来自细菌，但作为工程工具，它在我们身上非常有用。但如果不是有人在那边问，好吧，细菌是怎么做到的？它们怎么自卫？我们就不会知道这些。" 💡 疫苗犹豫与数据稀疏的决策困境 Krummel 坦诚讨论了疫苗犹豫问题：他给孩子接种了疫苗，但也推迟了其中一针，因为"方案是基于一项研究设计的，但这并不意味着你多等一个月它就不起作用了"。他呼吁做更多研究，探索疫苗组合和时机优化，而不是简单地两极分化。 "我们几乎处于一种新冠式的情况。新冠的情况就是一个数据稀疏的例子。当你没有很多数据的时候，你怎么做决定？" 🌐 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； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight 在小宇宙查看该单集文稿

  2. 1天前

    #663.Gavin Baker: AI 抛售与数据不符 | 顶级 AI 投资者解析

    📝 本期播客简介 本期我们克隆了：知名播客 Invest Like The Best The AI Selloff Doesn't Match the Data | Top AI Investor Explains 原内容更新时间：2026-08-04 2026年7月，AI和半导体市场经历了一场剧烈抛售，大量AI股票从高点下跌50%到60%。主持人Patrick O'Shaughnessy与顶级AI投资人Gavin Baker在8月初录制了这期节目，Gavin用"一个月里的2022"来形容这场市场动荡。但令人意外的是，当Gavin在硅谷实地调研两个月后，他发现底层需求信号其实在全面加速——GPU供应量、租赁价格、DRAM现货价格、token增长，每一个量化指标都在向上。 这期节目围绕市场恐慌与基本面之间的巨大反差展开，深入探讨了算力定价、开源模型冲击、长期协议（LTA）背后的博弈论，以及英伟达如何通过信用担保加收入分成的创新商业模式巩固统治地位。如果你关心AI投资的真实逻辑、算力市场的供需真相，或者想理解为什么市场情绪与产业现实会如此脱节，这期对话会给你非常硬核的答案。 👨‍⚕️ 本期嘉宾 Gavin Baker，全球顶级科技投资人，专注于AI、半导体和基础设施领域的深度研究。他以对算力市场、GPU供需和AI基础设施的精准判断著称，长期跟踪硅谷一线创业公司与超大规模云厂商的动态。在这期节目中，他带来了大量一手调研数据和对市场博弈论的深刻洞察。 ⏱️ 时间戳 开场 & 市场恐慌与基本面反差 01:08 Gavin的压力测试任务：寻找负面量化指标 02:04 "一个月里的2022"：七月市场暴跌全景 02:51 一切都在加速：GPU、DRAM、token的硬数据 算力定价与长期协议的博弈论 04:16 老GPU价格垂直上涨：合同重新定价的威力 05:51 Meta出租算力的真相：不是砍资本开支 08:35 开源模型冲击：token就是token，利润转移而非消失 信贷风险与融资结构 09:27 实际收益率上升：信贷在AI建设中的角色 11:22 经营现金流建模：从Ampere到Blackwell的变现速率 12:39 Blackwell空窗期风险与经营现金流的加速 市场叙事与Claude效应 18:49 "最蠢最表面的事"：市场叙事驱动的交易 19:28 Claude成为股市的沃尔特·克朗凯特 20:39 六周走完三年周期：日本电容股的疯狂 🌟 精彩内容 💡 "我想让自己害怕一点" Gavin这周来硅谷的核心任务就是压力测试——主动寻找负面数据点。但他跑遍整个生态，除了Anthropic的第三方增长数据略有偏离外，找不到任何量化层面的负面信号。这种"找不到负面"本身就是最强的看多信号。 "我这周来这儿的主要任务，就是压力测试。找点负面的东西告诉我。但我一直没能找到一个——那种量化指标层面的负面。" 💡 "老GPU的价格在2026年还会垂直往上冲" 2024和2025年，所有人都预期GPU租赁价格会缓慢下降甚至断崖式下跌。但现实是，老GPU价格在2026年垂直上涨，已签约的算力以远低于现货市场的价格交易，合同到期后将以更高价格重新定价。这个预期差是理解当前市场错位的关键。 "我不觉得2024或2025年有任何人想到，老GPU的价格在2026年还会垂直往上冲。" 💡 "开源token就是暗物质" 开源模型对公开市场来说就像宇宙里的暗物质——难以衡量，但真实存在。GLM 5.2和Kimi K3带来的能力跃升，让token从高利润的前沿模型向低利润的开源模型转移。但token就是token，生成一个token需要的算力完全相同，利润只是从模型层转移到了基础设施层。 "他们老说宇宙里有暗物质，开源对公开市场来说就像暗物质。" 💡 "Claude就是股市的沃尔特·克朗凯特" 现在每一条新闻都会被喂给Claude，而Claude的概率性解读方式让市场参与者趋同。以前媒体碎片化时代没有单一权威声音，现在Claude成了那个所有人都相信的"真相化身"。这导致市场在六周内走完了正常情况下需要三年的周期。 "现在Claude就像是股市的沃尔特·克朗凯特，所有人都相信它说的每一句话。" 💡 "你打破一个LTA，可能就把整个生意都炸掉了" 长期协议（LTA）的博弈论已经彻底改变：现在有规模的就四家公司——亚马逊、谷歌、AMD和英伟达。如果你撕毁价格协议，对方就撕毁供货量协议，把量给你的竞争对手。在这个由供应决定份额的市场里，打破LTA等于自毁特许经营权。 "如果你撕毁长期协议，对方就会说：行，没问题，你撕了价格协议，那我们就撕了供货量协议。" 💡 "数据中心是我这辈子见过的对蓝领工资最有利的事情" 关于数据中心的叙事被严重扭曲：现实是数据中心落地后周边电价通常会下降，会带来持续的蓝领高薪岗位，对水资源和环境没有影响。但政治叙事却说数据中心推高电价、抢走水、抢走工作。AI行业在公关上做得非常糟糕，需要有人站出来讲真话。 "数据中心在很多方面，是我这辈子见过的对蓝领工资最有利的事情。" 💡 "我们专长是让不可能的事迟到" 埃隆的这句话被Gavin引用时，全场会心一笑。SpaceX在算力接入上的速度和成本优势惊人，但市场对它的解读仍然充满怀疑。Gavin认为，SpaceX的算力接入量远未被计入股价预期，而轨道算力正在一天天变得更真实。 "埃隆有句话叫'我们专长是让不可能的事迟到'。这话太妙了。" 🌐 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； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight 在小宇宙查看该单集文稿

  3. 1天前

    #662.：谷歌首席科学家Jeff Dean: 人工智能构建中的 1%法则

    📝 本期播客简介 本期我们克隆了：知名播客 Y Combinator Jeff Dean: The 1% Rule for Building in AI 原内容更新时间：2026-07-30 本期节目是 Y Combinator 在 Startup School 2026 上的特别对话，主持人是 YC 合伙人 Diana Hu，嘉宾是谷歌首席科学家 Jeff Dean。Jeff Dean 是 MapReduce、BigTable、TensorFlow、TPU 等多项关键技术的缔造者，也是谷歌 AI 领域的核心人物。这期节目围绕他过往的"餐巾纸估算"故事展开，聊到了 AI 推理硬件、智能体系统、以及小团队如何在 AI 时代找到自己的机会。 从 2001 年"整个搜索索引装进内存"的颠覆性认识，到 2013 年"语音识别三分钟"催生 TPU 的传奇故事，Jeff Dean 用一个个具体案例，展示了第一性原理思考如何带来数量级的性能提升。他还给出了 2026 年 AI 版的"延迟数字清单"，并深入探讨了上下文工程、多智能体系统、以及创始人该如何培养"品味"。 这期节目特别适合正在思考 AI 创业方向的人。Jeff Dean 给出了非常实用的判断标准：去找那些通用模型成功率是 0% 或 1% 的问题，而不是 20% 的。他还分享了如何通过写"skills"让 Agent 像他一样做性能优化，以及为什么"说清楚你想要什么"在 AI 时代变得比以往更重要。 👨‍⚕️ 本期嘉宾 Jeff Dean，谷歌首席科学家，谷歌 AI 领域的核心人物。他参与缔造了 MapReduce、BigTable、TensorFlow、TPU、Gemini 等多项关键技术，是分布式系统和机器学习领域的传奇工程师。他的"餐巾纸估算"能力闻名业界，曾多次通过粗略计算做出影响深远的硬件和系统决策。他也是著名的《The Latency Numbers Every Engineer Should Know》清单的作者。 ⏱️ 时间戳 开场 & 播客简介 00:00 节目开场与嘉宾介绍 01:13 Jeff Dean 对 2025 年"AI 相当于初级工程师"预测的回顾 02:24 对 2027 年的新预测：ML 系统自动化程度将大幅提高 从餐巾纸估算到 TPU 的诞生 03:03 2001 年"搜索索引装进内存"的颠覆性时刻 04:21 人们还没意识到的：Agent 可以跑上几天甚至几周 05:18 2013 年语音识别估算与 TPU 的起源故事 07:48 给未来创始人的建议：如何做有分量的估算 2026 年 AI 版延迟数字清单 09:01 2026 年 AI 系统最重要的数字：带宽、能耗、互联 09:39 搬数据的能耗比计算贵一千倍 11:06 批处理本质上是数据输入输出问题 11:45 推理硬件专门化的巨大空间 上下文工程与 Agent 系统 12:56 从模型规模到上下文工程的转变 14:48 如何做好上下文工程：写 skills、给指导 15:40 实例：为性能优化写的 skill 和《Performance Hints》 17:35 Agent 跑偏的瓶颈与多智能体系统 创业公司在哪里赢 19:46 谷歌持续构建的 vs 两三人团队能胜出的 21:06 如何判断该挑什么事情来做：找 0% 成功率的问题 23:23 垂直模型的例子：AlphaFold 与材料科学 24:14 成为 AI 原生创始人：清晰规格说明的重要性 品味、思想实验与自我改进系统 26:01 什么技能会变得稀缺：品味与高层智慧 26:51 如何培养品味：经验、预测、思想实验 27:53 疯狂思想实验：用每天出错 20 次的晶体管构建系统 30:24 从思想实验到现实：TPU 与 MapReduce 的起源 AI 构建 AI 与超级加速的科学方法 32:19 AlphaChip 与 AlphaEvolve：让 AI 构建 AI 32:44 自动化实验循环：从科学方法到机器学习 33:48 用学出来的验证模型加速科学发现 35:23 超级加速科学方法能解决的领域 给未来创始人的建议 36:30 被拒绝的故事：蒸馏论文被会议拒稿 38:24 如果 25 岁的 Jeff Dean 来到今天会做什么 40:45 如何与聪明人共事、找到聪明人 42:10 希望未来创始人去解决的问题 🌟 精彩内容 💡 "餐巾纸是好东西" Jeff Dean 的传奇之处在于，他能在信封背面做粗略估算，然后造出改变行业的东西。从"搜索索引装进内存"到"语音识别三分钟"催生 TPU，核心都是先看到瓶颈，再从第一性原理出发想完全不同的解法。 "去想想你看到的问题，不管你在琢磨什么，看看瓶颈在哪里。然后有没有完全不同的思路去解决其中某些问题，能让你拿到一个数量级、甚至两个数量级的性能提升。" 💡 搬数据比算数据贵一千倍 这个能耗差距塑造了机器学习里几乎所有的设计决策。没有这一千倍的差距，你根本不需要做批处理。理解这类底层物理约束，才能真正理解为什么系统被设计成今天这样。 "把数据从加速器上的 HBM 搬进处理器，它才能真正在上面算。这个差距非常显著，它塑造了我们在机器学习里做的很多事。" 💡 模型只是你要做的事里的一块 Jeff Dean 强调，真正重要的是搭一个能解决有趣问题的完整系统：会用工具的模型、能检索信息、有历史记录、能拆解任务。上下文工程让信息对模型来说非常清晰，远胜于训练数据那锅"几万亿 token 的汤"。 "模型其实只是你要做的事里的一块，你要做的是搭一个能解决真正有趣问题的完整系统。" 💡 找 0% 成功率的问题，而不是 20% 的 给创始人的核心判断标准：如果通用模型已经能做 20%，那随着更多数据和更大规模，它很快就会做得更好。你要找的是模型完全做不了、成功率是 0% 或 1% 的事情——那才是你的机会。 "你要找的是模型成功率是百分之零或百分之一的事情，而不是百分之二十的。" 💡 说清楚你想要什么，比以往更重要 以前你把任务交给一个聪明人，他可以追问；现在 Agent 也会猜，但猜出来的往往跟你脑子想的不一样。清晰的规格说明是让 Agent 成功的关键，这也是为什么"把 Python 翻译成 Go"这类任务模型特别擅长——因为规格太清晰了。 "你越清楚自己想要什么，Agent 就越有指导原则、规则，也就是一个它要完成什么的大纲。" 💡 品味是 AI 时代最稀缺的技能 当所有代码都能由 Agent 写好，真正的较量在于你要把时间花在哪个问题上。选对问题并成功解决它，远比把一个无聊问题研究得漂漂亮亮要好得多。培养品味的方法之一，是写下你预测未来十二个月可能重要的事情，然后回头评估。 "如果你选对了问题并且成功解决了它，那远比你把一个相当无聊的问题研究得漂漂亮亮要好得多。" 💡 被拒绝也没关系，继续往前走 那篇关于蒸馏的论文被欧洲会议拒了，理由是"不太可能产生重大影响"。但 Jeff Dean 和团队知道这是个极其重要的问题，他们把它放到 arXiv 上，大家读它、用它，今天它已经成了业界人人都在用的招数。 "时不时被拒一次，也没关系。我们把它放到 arXiv 上，大家读它，用它，一切都好。" 🌐 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； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight 在小宇宙查看该单集文稿

  4. 1天前

    #661. 171 年的写作智慧，浓缩于 90 分钟

    📝 本期播客简介 本期我们克隆了：知名播客 David Perell 171 Years of Writing Knowledge in 90 Minutes 原内容更新时间：2025-01-10 本期节目是 David Perell 对 2024 年全年采访的精华回顾，浓缩了多位世界级写作专家的核心洞见。嘉宾阵容堪称豪华：小说家 Amor Towles 分享如何让场景活起来，修辞学家 Mark Forsyth 拆解令人难忘句子的公式，文化评论家 Ted Gioia 剖析多巴胺文化对写作的冲击，公关专家 Lulu Cheng Meservey 讲解叙事框架的力量，还有 37signals CEO Jason Fried 现场拆解自己的文案创作过程。 这期节目最打动人的地方在于，它展示了写作的多样性——正如 David 所说，"你想怎么写，就可以怎么写"。从文学创作到商业文案，从修辞技巧到笔记方法，每位专家都带来了自己独特的视角和实战经验。无论你是专业写作者、内容创作者，还是只想提升表达能力，这期节目都能给你带来启发。 👨‍⚕️ 本期嘉宾 David Perell，知名写作教练、播客主持人，以"Write of Passage"写作课程闻名。本期他邀请了多位世界级专家：小说家 Amor Towles（《莫斯科绅士》作者）、修辞学家 Mark Forsyth（《修辞的要素》作者）、文化评论家 Ted Gioia、公关专家 Lulu Cheng Meservey、37signals CEO Jason Fried，以及多位在写作领域有深厚造诣的实践者。他们的写作经验合计超过 171 年。 ⏱️ 时间戳 00:00 开场 & 节目介绍 David Perell 的年度回顾 01:13 2024年写作心得：多样性与卓越 01:58 本期节目定位：写作精华合集 让故事活起来：Amor Towles 的写作哲学 02:24 场景写作：从孩子的视角观察 03:48 冻豌豆的细节：让场景真实可感 04:48 情感层次：母亲的故事如何影响场景 07:22 第一稿写给自己，编辑时转向读者 修辞的力量：Mark Forsyth 的公式 08:56 Diacope：三明治式重复的魔力 12:01 Chiasmus：对称句式的说服力 13:16 修辞手法的实际应用与滥用 多巴胺文化与写作的困境 14:39 多巴胺文化：消遣时代的到来 16:58 写作者的应对：忠于价值观 18:31 食品趋势对写作的启示 叙事框架与说服力 19:22 故事 vs 统计数字：为什么故事总是赢 21:26 框架之争：谁掌握叙事谁就掌握主动权 笔记方法与写作工具 21:57 Sam Altman 的笔记策略 23:02 笔记本与笔的选择 23:24 撕页式笔记的灵感来源 讲故事的技巧与结构 26:14 《Storyworthy》的核心观点 26:33 风险：好故事的必要元素 27:43 五秒钟的改变瞬间 商业文案的创作过程 30:10 Jason Fried 拆解文案创作 32:50 "房东—租客"隐喻的由来 36:44 从问题到解决方案的过渡 38:34 Once 产品的五个要点 广告文案的迭代过程 50:12 从 1% 到 2%：文案价值的论证 51:06 冲突框架与大众汽车广告的启发 53:12 25 稿迭代：从想法到成品 写作的深层智慧 01:02:53 主题与细节：全息图式的写作 01:04:17 普遍性藏在特殊性里 01:09:03 写作的兴奋感与编辑的重要性 01:11:53 英语的双语能力：拉丁语与盎格鲁-撒克逊语 🌟 精彩内容 💡 "你想怎么写，就可以怎么写" David Perell 在回顾 2024 年采访时最大的感悟是：写作没有唯一正确的路径。学校里教的那些规则只是众多可能性中的一种，市场容得下每一种风格、每一种兴趣、每一种性格。但前提是，你必须做到非常出色。 "市场里容得下每一种风格、每一种兴趣、每一种性格，应有尽有。但不管你选哪条路，都得做到非常、非常出色。" 💡 冻豌豆的细节：从孩子的视角写活场景 Amor Towles 用"冻豌豆"这个例子展示了如何让场景真实可感。与其堆砌时代标志物（冰箱、披头士），不如从角色的真实视角出发，捕捉那些真正会吸引注意力的细节。孩子会看到冷冻豌豆从袋子里滑出来、在锅沿上敲碎、几颗弹跳着滚过台面——这些才是让场景活起来的关键。 "如果你想从孩子的视角把这个场景写活，你不会提冰箱、Bird's Eye、披头士，而是这些别的东西。" 💡 Diacope：改变记忆的修辞公式 Mark Forsyth 揭示了"三明治式重复"（diacope）的强大力量——"邦德，詹姆斯·邦德"、"生存还是毁灭"都是这个公式的产物。更惊人的是，《绿野仙踪》里那句"飞吧，我的宝贝们，飞吧"其实根本不存在，但所有人都记得，因为这种修辞手法强大到能改写我们的记忆。 "我们全都记得是这句。我们都把它记成那样，因为 diacope 这种修辞手法太强大了，强大到我们自己去改写了记忆。" 💡 多巴胺文化与写作的长期主义 Ted Gioia 警告说，社交媒体平台设计的滑动刷屏界面本质上是成瘾机制，每 15 秒一次的多巴胺刺激让人无法自拔。但他坚信，追逐这种文化潮流是死路一条——那些要求"降智、更快、更短"的编辑现在全都失业了。真正的长期关系建立在深度内容之上。 "如果你试图去追逐科技平台和那些预消化过的东西，你可能会有一阵短暂的爆发式成功，但你没法像我这样，在几十年里建立起一份事业。" 💡 故事 vs 统计数字：为什么指控总是赢 Lulu Cheng Meservey 用北约和自由贸易的例子说明：指控通常是一个故事，而辩护通常是一个统计数字。一个人的死亡是悲剧，一百万人的死亡是统计数字。拿统计数字去对抗故事，你永远在输。这就是为什么框架如此重要——谁掌握叙事，谁就掌握主动权。 "你要是拿统计数字去对抗故事，你永远在输。" 💡 五秒钟的改变瞬间 《Storyworthy》作者的核心观点：所有好故事都围绕一个五秒钟的改变瞬间展开。浪漫喜剧的开头是花花公子不想安定，结尾一定是他求婚；斯克鲁奇讨厌圣诞节，最后爱上圣诞节。如果你不知道主角那五秒钟的转变瞬间是什么，你就没有一个真正的好故事。 "故事就是五秒钟的改变瞬间。你讲故事的一切都汇聚到这一个瞬间，这五秒钟里人物发生了转变。" 💡 文案就是论证：从 1% 到 2% 的迭代 Jason Fried 现场拆解了一则广告的 25 稿迭代过程。从"1% 和 2% 的差别不只是 1%，而是 100%"这个想法种子出发，经过大众汽车广告的视觉启发、冲突框架的构建、无数次的改写和反馈，最终打磨成一件简洁有力的作品。文案不是鱼饵，而是简洁沟通的艺术。 "文案就是论证。它就是一个论证。学文案最好的论证是什么？你有两个选择。" 💡 写作是孤独的，但回报是深远的 Robert Greene 坦言，写作过程中那种兴奋感十次里有九次会把你带进糟糕的地方。真正的写作发生在编辑阶段。写作是孤独的、无聊的、令人沮丧的，但当整本书完成时，那种"我明天死了也没关系"的满足感，是任何即时快感都无法比拟的。 "如果你进入写作是因为你觉得那是一种快感，那哥们儿，你要是这么想，你入错行了。写作是孤独的。" 🌐 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； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight 在小宇宙查看该单集文稿

  5. 2天前

    #660.Twitter前产品增长总监：不要为了招产品经理而招产品经理

    📝 本期播客简介 本期我们克隆了：知名播客 Lenny's Podcast This CPO regrets that product management exists | Tom Verrilli (CPO of Whatnot) 原内容更新时间：2026-08-02 本期嘉宾是直播购物平台 Whatnot 的首席产品官 Tom Verrilli，主持人是知名产品社区 Lenny's Podcast 的创始人 Lenny。Tom 在科技行业拥有超过十五年的产品领导经验，曾长期担任 Twitch 的 CPO 和 Twitter 的产品增长总监。这期节目围绕 Tom 提出的一个颇具争议的观点展开——他公开表示"为产品管理的存在感到遗憾"，并深入探讨了 AI 时代产品经理角色的未来、团队结构的变化，以及他招人时真正看重的能力。 这期对话信息密度极高，涵盖了产品管理的本质、AI 对产品团队的重塑、个人贡献者与管理者角色的转变、如何与强势创始人共事、以及 Whatnot 独特的组织文化等多个维度。无论你是产品经理、工程师、设计师，还是创业者，都能从中获得关于产品工作本质的深刻洞察和实用建议。 👨‍⚕️ 本期嘉宾 Tom Verrilli，Whatnot 首席产品官。Whatnot 是史上增长最快的美国市场电商平台，GMV 超过 80 亿美元。在此之前，Tom 长期担任 Twitch 的 CPO，并在 Twitter 担任产品增长总监，经历了该公司历史上最动荡的时期之一。他以其犀利、反直觉的产品管理观点著称，是产品领域最具影响力的声音之一。 ⏱️ 时间戳 开场 & 播客简介 00:00 节目开场与嘉宾介绍 00:34 本期克隆节目介绍：Lenny's Podcast 对话 Tom Verrilli 01:18 Tom 的核心观点："我们为产品管理的存在而感到遗憾" 产品管理的本质与演变 02:05 产品管理是一门手艺，而不是一种资格 04:39 产品管理岗位的历史起源与演变 07:39 人力资源配比模式的出现与问题 08:28 工程师和设计师是否想做产品经理的工作 AI 时代的产品团队重构 12:34 AI 对产品经理角色转变的驱动 15:03 Whatnot 产品团队的实际结构与运作方式 16:52 招产品经理时看重什么特质 17:21 哪些特质正在走下坡路 个人贡献者与管理者角色的转变 21:23 产品经理转向个人贡献者式的工作 21:39 为什么把所有 A 级人才都提拔到不再做事的位置 24:44 个人贡献者工作具体指什么 25:47 对"回去做个人贡献者"的看法 薪酬、招聘与产品技能的未来 27:39 个人贡献者能否拿到副总裁级别的薪酬 28:08 产品最终会做得更好还是人更少 30:56 对正在找产品经理工作的人的建议 33:44 AI 让产品团队跑得更快的三个方式 数据科学、角色演变与产品团队的未来 38:22 数据科学家面临的挑战与机遇 39:46 哪些角色会往下走，哪些会往上走 41:25 未来几年产品团队的整体形态 42:49 产品经理的核心技能是否成了最有价值的东西 与创始人共事的艺术 49:21 CPO 在创始人主导的公司中的角色 49:55 "两个爸爸问题"与不重复劳动 51:41 自上而下与微管理的真正含义 53:23 给想给创始人打工的产品人的建议 "拉手风琴"思维模型与电商未来 57:22 "拉手风琴"思维模型 01:00:26 具体场景中的"拉手风琴"应用 01:02:17 Whatnot 与 Agent 电商的对比 01:05:00 在 Twitter 的经历与学到的教训 失败角落与快问快答 01:08:05 失败角落：平均值对个体毫无意义 01:10:36 对听众的寄语 01:12:46 快问快答：推荐书籍、电影、产品 01:16:28 在 Whatnot 上买活龙虾的经历 🌟 精彩内容 💡 "我们为产品管理的存在而感到遗憾" Tom 用这句话作为 Whatnot 产品团队的核心理念，不是为了否定产品经理的价值，而是为了逼自己记住：不要为了招产品经理而招产品经理。只有在确实有明确需求的时候才招，而不是默认每个地方都需要产品经理。 "我们之所以这样表述，是为了逼自己记住：不要为了招产品经理而招产品经理。" 💡 产品管理是一门手艺，而不是一种资格 Tom 认为，想让产品管理成为一门专职职能的唯一理由，是它是一门手艺——靠做才能做好的东西，是一块肌肉。但反过来，你越是把工程师和设计师从这件事里抽离出来，他们的这块肌肉就越萎缩。 "想让产品管理成为一门专职职能的唯一理由，其实是——它是一门手艺，而不是一种资格。" 💡 招这么多产品经理，反而把工程师和设计师"婴儿化"了 Tom 指出，随着科技公司扩张，那种"每招六个工程师就配一个设计师、一个产品经理"的配比模式凭空出现。结果就是工程师和设计师完全有能力做出好的决策，只是从来不需要做，因为总有产品经理在旁边盯着他们。 "雇这么多产品经理反而把工程师和设计师给'婴儿化'了，他们完全有能力做出好的决策，只是从来不需要做。" 💡 我们把所有 A 级选手都提拔到不再做具体事情的位置上去了 Tom 对产品经理被提拔成总监后不再亲自动手的现象提出尖锐批评。他主张，副总裁和总监应该把 90% 以上的时间花在个人贡献者工作上，因为资深产品人对什么能成的直觉已经磨得很准，能更快做决定、产生实际影响。 "你为什么不希望梅西在你的球队里踢球，而是一直指望青训营出人？" 💡 没有微观，你就做不好宏观决策 Tom 强调，如果你不逼自己下沉，跟个人贡献者工程师、设计师、产品经理坐在一起干活，你根本不会知道系统到底怎么运作。他主张做 T 型人才——需要的时候能扎得非常深，大多数时候在各个板块之间保持广度。 "没有微观，你就做不好宏观决策。" 💡 "拉手风琴"思维模型 Tom 用钢琴手风琴来比喻产品开发的节奏：在弹出一个音符之前，你得先把它完全拉开，把空气吸进来——想清楚我们到底想做成什么。但直到你按下琴键、把它一路推回去，推到 V1，音乐才真正产生。你得习惯这个动作：拉开本身不创造价值，所有的价值都在推回去的时候产生。 "你得不断地拉远、再推回来，拉远、再推回来。" 💡 大多数时候你听到"这事真的很复杂"，其实并不复杂，就是领导层太弱 Tom 分享在 Twitter 的经历时指出，很多看似复杂的问题，其实只是领导层缺乏拍板的勇气。他举例说，所有人都知道迟早要放开 140 字的限制，但一个接一个的工作组就是没人愿意拍板，结果拖了一年半才真正实施。 "大多数时候你听到'这事真的很复杂'，其实并不复杂，就是领导层太弱。" 💡 平均值对个体来说毫无意义 Tom 分享他职业生涯中最大的失败教训：在任何一个规模不小的群体里，去看某个东西的平均效用或平均采用率是特别有吸引力的事，但平均值一直在骗你。如果只依赖平均值，而不去想藏在下面的那些个体使用场景，你可能会把某群人的核心用例给炸掉。 "平均值对个体来说毫无意义，这大概是我被伤得最深的一点。" 🌐 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； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight 在小宇宙查看该单集文稿

  6. 3天前

    #659.xAI 联合创始人：Igor Babuschkin 解读模型开发的未来

    📝 本期播客简介 本期我们克隆了：知名播客 Unsupervised Learning: With Jacob Effron xAI Co-Founder: Igor Babuschkin Unpacks the Future of Model Development 原内容更新时间：2026-07-31 本期嘉宾是xAI联合创始人、River AI创始人Igor Babuschkin，主持人是Redpoint投资人Jacob Effron。Igor的职业生涯几乎横跨了所有顶级AI实验室：在DeepMind主导星际争霸和AlphaCode项目，在OpenAI推理团队早期加入、参与了o1模型诞生前的研究，随后联合创办xAI，在约120天内建成Colossus数据中心，并推动Grok系列模型达到前沿水平。 这期节目里，Igor首次深度分享了离开xAI后创办River AI的完整思考，以及他在企业AI、个人AI和本地硬件上的三个核心押注。他还坦诚聊到了与Elon Musk共事的真实体验、对Cursor收购的看法、为什么他认为闭源模型厂商作为生意正陷入困境，以及他对AI对齐、开源模型和人类未来的深刻反思。如果你关心AI行业的走向、模型训练的瓶颈，或者想了解顶级AI研究者如何看待这个时代的变革，这期节目会给你大量一手判断。 👨‍⚕️ 本期嘉宾 Igor Babuschkin，River AI创始人兼CEO，xAI联合创始人。他的职业生涯横跨DeepMind、OpenAI和xAI三大顶级AI实验室：在DeepMind主导了星际争霸AI项目和AlphaCode项目，在OpenAI参与了推理方向的早期研究，随后联合创办xAI并主导了Colossus数据中心的建设。2025年离开xAI后创办River AI，专注于企业AI、个人AI和本地硬件三个方向。他是一位兼具研究深度和工程能力的AI领域领军人物，对模型训练、强化学习和AI对齐有极深的理解。 ⏱️ 时间戳 00:00 开场 & 播客简介 嘉宾登场与背景介绍 01:10 主持人Jacob Effron介绍Igor的传奇经历 02:18 Igor接受邀请，对话正式开始 从科幻小说到AI愿景 02:56 Igor谈为何写科幻小说：编程Agent的爆发 04:17 现代版《魔法师的学徒》：AI失控的隐喻 05:11 个人AI是Agent的下一个迭代方向 AI的下一步：从可验证到不可验证 05:57 科学发现是AI的下一个明确方向 07:16 数据瓶颈：物理世界实验的挑战 08:09 超级AI与日常AI的分化 River AI的三个赌注 09:26 创办River AI的动机：分发AI的控制权 11:20 三个项目：企业API、个人AI、本地硬件 11:36 第一个赌注：River API强化学习服务 12:12 第二个赌注：个人AI与个性化对齐 13:10 第三个赌注：本地硬件与推理算力 本地AI的隐私与控制 14:47 控制权是本地AI的核心动机 15:02 本地设备的低延迟优势 15:23 个人AI的隐私问题与数据安全 模型个性化与端到端训练 15:57 个人模型的持续学习与定制 16:24 端到端训练的重要性 17:08 以个体幸福感为奖励函数 企业AI与开源模型的未来 19:19 企业定制模型的成本与速度考量 19:50 专有模型与开源模型的竞争格局 20:36 开源模型变强带来的趋势变化 21:42 专有模型厂商的困境：两头受压 开源模型与地缘政治 27:48 中国开源模型的优势与风险 28:13 开源模型降低门槛的价值 29:03 对模型后门风险的评估 29:37 美国需要最好的开源模型 从DeepMind到OpenAI的旅程 30:38 回顾AI进展的惊人时刻 30:55 从物理学家到AI研究者的转变 32:04 星际争霸项目的技术挑战 33:04 AlphaCode：编程是下一个大方向 33:49 加入OpenAI推理团队 OpenAI与DeepMind的比较 34:50 两家实验室的文化差异 35:11 OpenAI的优势：人才密度与共识 35:42 对AI权力集中的担忧 xAI的创立与Colossus 37:11 与Elon Musk的相遇与共鸣 37:49 xAI的创立与人才聚集 38:26 Colossus数据中心：120天的奇迹 39:10 质疑传统数据中心建设方式 与Elon共事的体验 40:10 Elon对工程师的尊重 40:46 深入工程细节的领导风格 41:08 高能量与团队动力 Cursor收购与编程模型 41:25 Cursor收购是极其聪明的一步 41:52 真实世界编程数据的价值 42:24 强化学习环境的重要性 模型训练的瓶颈与突破 43:08 最大瓶颈：长时域与不可验证奖励 43:39 编程赛道的陷阱与长时域领域 44:04 Agent rollout时间对训练的限制 不可验证领域的进展 44:37 LLM裁判方法的兴起 44:50 模型自身判断力的可靠性 45:18 配方已存在，等待大规模实验 AI的变革时刻与未来 45:41 编程Agent的变革超出预期 46:22 阶跃变化时刻的不可预测性 人类与机器的共生 46:50 人类在AI时代的位置 47:12 与机器建立正确的共生方式 47:58 对齐需要更深层次的进展 AI安全与放缓的呼吁 49:17 对放缓AI发展的公开信的看法 49:32 AI已太大，难以慢下来 50:02 在安全技术上加速 开源模型与对齐研究 50:15 开源模型对安全研究的价值 50:35 网络安全能力是当前最大风险 AI的风险评估 50:55 AI放大不平等的直接风险 51:18 模型接管一切的远期风险 结尾与感悟 51:40 《向机器神祈祷》中的动人句子 51:57 第一次让模型跑起来的神奇感觉 52:39 收尾与感谢 🌟 精彩内容 💡 "我们想做爵士乐队，不想做军乐队" Igor用"爵士乐队"形容Notion的组织状态：不是没有结构，而是在结构中允许即兴、协作和个人发挥。AI时代变化太快，传统计划与层级不足以应对每周都在变的技术环境。 "我们想做爵士乐队，不想做军乐队。" 💡 AI产品不是造桥，而是酿啤酒 传统软件像造桥，设计清楚结果可预测；用language model构建产品更像酿啤酒，你无法完全控制"酵母"，只能让最强的人一起实验、评估、打磨。 "用language model构建产品，更像是在酿啤酒。" 💡 编程Agent的爆发是所有人都没预料到的变革 Igor坦言，他原本预期编程模型会平稳进步，但2025年11月、12月编程Agent突然跨过能力门槛，使用量爆发式增长，这种阶跃变化完全超出预期。 "使用量的突然爆发，那真的是另一回事。" 💡 闭源模型厂商正被两头挤压 前沿模型强到可能不被允许发布，而开源模型每个月都在变强。Igor认为做专有模型其实不是个好位置，出路在于创新和走向分布式。 "你把模型做得太好了，不让你发布；但开源就在你身后，每个月都在变强。" 💡 个人AI的核心是端到端训练个体幸福感 Igor认为，未来的个人AI应该针对每个个体进行端到端训练，以最大化一个人的幸福感为奖励函数，而不是让模型在平均用户上表现良好。 "你真的要针对你想优化的那个真实信号去做端到端训练——也就是个体的幸福感。" 💡 本地硬件是AI控制权的根本 Igor强调，把推理算力带到用户本地，让模型真正属于个人，是解决AI权力集中的根本一步。这既是研究问题，也是工程问题。 "我们能不能把推理算力带到用户本地？要真正在办公室、在家里放一台小设备就能跑前沿模型，需要做到什么？" 💡 美国需要拥有最好的开源模型 Igor认为，美国拥有最好的开源模型至关重要，这既是地缘政治的需要，也是让更多人参与AI对齐研究的基础。 "我们应该都想办法，怎么让一个美国团队训练出全世界最好的开源模型，没有之一。" 💡 人类需要与机器建立深层次的共生 面对"机器能做所有工作，人类还剩什么"的问题，Igor认为关键在于找到与机器的正确共生方式，这需要对齐方面的新进展，甚至可能包括神经接口。 "我们应该努力的方向，是想办法让共生继续下去。而对我来说，这需要对齐方面的新进展。" 🌐 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； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight 在小宇宙查看该单集文稿

  7. 3天前

    #658.Kimi杨植麟的博导预测 AI Agent的未来：为什么真正的护城河是数据、工程和基础设施

    📝 本期播客简介 本期我们克隆了：知名播客 Basil Chatha Russ Salakhutdinov - Kimi K3 CEO’s PhD Advisor Predicts the Future of AI Agents 原内容更新时间：2026-07-27 本期嘉宾是卡内基梅隆大学教授Russ Salakhutdinov，主持人Basil与他展开了一场关于AI行业现状与未来的深度对谈。Russ的履历横跨现代AI的整个发展史：师从AI教父Geoff Hinton攻读博士、将创业公司卖给苹果并参与秘密的自动驾驶项目Titan、在Meta超级智能实验室构建计算机使用Agent，如今创办了预测未来的AI公司Sooth Labs。 这期节目信息密度极高，涵盖了从深度学习早期到AGI前景的完整脉络。Russ直言不讳地指出：前沿实验室的架构其实高度同质化，真正的驱动力在工程和数据；真正在实验室工作的人并不认为AGI两年内就能实现；世界上唯一被证明有用的机器人还是Roomba；而AI终将取代麦肯锡、贝恩和波士顿咨询这样的巨头。如果你关心AI行业的真实走向、开源模型的竞争格局，或者想了解预测系统如何改变决策方式，这期节目会给你大量一手判断。 👨‍⚕️ 本期嘉宾 Russ Salakhutdinov，卡内基梅隆大学教授，曾师从AI教父Geoff Hinton，是深度学习领域的早期研究者之一。他的职业生涯横跨学术界与工业界：将创业公司Perceptual Machines卖给苹果后参与了秘密的自动驾驶项目Project Titan，之后回到CMU任教，并在Meta超级智能实验室工作了两年，专注于计算机使用Agent的构建。如今他创办了Sooth Labs，致力于构建能预测未来的AI系统。值得一提的是，他还是Kimi CEO杨植麟在CMU的博士生导师。 ⏱️ 时间戳 00:00 开场 & 播客简介 深度学习早期的探索 03:03 从银行业到博士：与Geoff Hinton的偶遇 04:50 神经网络为何令人兴奋：数学之美与生成模型的曙光 07:56 AlexNet的突破与计算机视觉的转折点 从学术到产业：自动驾驶与苹果 18:27 创办Perceptual Machines与苹果的合作 20:19 Project Titan：自动驾驶的早期探索 21:23 从80%到99%：自动驾驶的边角案例困境 计算机使用Agent与Meta超级智能实验室 30:47 回到CMU与计算机Agent的起源 33:36 构建早期计算机使用模型的挑战 40:25 模型为何还不够好：规划与grounding的差距 模型同质化与开源竞争 44:53 Meta训练规模模型的意外发现：架构高度相似 46:56 数据平台期与合成数据的未来 01:10:27 中国开源模型的崛起与Kimi CEO杨植麟 Sooth Labs与预测系统的未来 53:16 创办Sooth Labs：构建预见系统 54:16 预测系统的实际应用：Martin Ma的毕业预测 58:40 为什么ChatGPT做不了预测：结构化数据的缺失 01:00:25 从Agent时代到决策系统时代 🌟 精彩内容 💡 "我们不会在两年内实现AGI" Russ直言，真正在前沿实验室工作的人，并不认同外界对AGI即将到来的狂热预期。架构并没有根本性的突破，一切都归结于数据、工程和基础设施的持续改进。 "很多人基本上在说：'天哪，OpenAI搞出了一种新架构。'他们觉得AGI已经搞定了，这绝对不是真的。架构还是一样的。" 💡 前沿模型正在变成同质化商品 Russ认为，所有大语言模型最终都会变成商品，真正的竞争将转向产品层面。像Codex和Claude Code这样的产品之所以成功，是因为它们能与代码库深度集成，形成用户粘性。 "我觉得它们会变成商品，是的。现在一切都取决于产品，一旦它变得有粘性，你就会一直用它。" 💡 中国开源模型的崛起是美国的"可悲状况" Russ高度评价中国AI人才，特别提到Kimi CEO杨植麟是他认识的最聪明的人之一。他坦言自己的学生都在用Qwen、Kimi、DeepSeek做研究，并惊讶于美国缺乏好的开源模型策略。 "他是我认识的最聪明的人之一。中国有很强的人才，他们现在也有资源，所以我觉得他们能和美国竞争。" 💡 世界上唯一有用的机器人还是Roomba 谈到机器人技术，Russ直言不讳：目前没有任何一个机器人被证明在实际生活中真正有用，操作能力是最大的瓶颈，而机器人领域缺乏互联网规模的数据。 "现在只有一个例子，就是Roomba，对吧？就是帮你打扫房子。现在没有第二个例子，一个机器人有用到让我愿意花个5000块让它帮我干活。" 💡 AI应该取代麦肯锡和波士顿咨询 Russ大胆预测，AI将取代传统咨询公司的核心价值——预测和决策支持。AI能处理的信息量远超十个分析师，而且能给出校准过的概率估计。 "麦肯锡为什么存在？波士顿咨询集团，这些都是大机构，它们都应该被AI取代，因为AI会给你好得多的信息。" 💡 预测系统的独特价值：无法作弊的泛化 Russ解释了为什么预测未来是检验模型泛化能力的终极测试——回测永远有信息泄漏的风险，而预测未来事件则无法污染数据。Sooth Labs正在构建的系统，能给出校准概率和决策点。 "如果你要测试的是还没发生的未来事件，你就没办法作弊，对吧？这就是真正的泛化。" 💡 未来属于有判断力的混合型人才 Russ认为，纯粹的软件工程岗位会减少，但那些既懂机器学习和统计、又有很强编程能力的人将永远抢手。AI工具让效率大幅提升，但分析性思维和判断力才是核心竞争力。 "有判断力、懂机器学习和AI、同时编程又很强的人，这种人会一直非常抢手。" 🌐 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； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight 在小宇宙查看该单集文稿

  8. 3天前

    #657.AWS 老兵：新的软件开发生命周期

    📝 本期播客简介 本期我们克隆了：知名播客 Beyond Coding AWS Veteran: The New Software Development Life Cycle 原内容更新时间：2026-07-22 本期嘉宾是AWS老兵Heitor Lessa，主持人是Patrick。Heitor在亚马逊工作了11年，曾培训过8000多名架构师，并亲手将Lambda Powertools打造成每周处理2300亿次API调用的开源项目。这期节目里，Heitor首次在屏幕上完整展示了他为1400名工程师设计的Agent驱动开发工作流，从产品发现、规范驱动开发到合并检查，还分享了他重构时烧掉2亿token的惨痛教训。 这期节目不只是关于AI编程工具的讨论，更是一场关于软件工程范式转移的深度对谈。Heitor详细拆解了他如何将PRD、规范驱动开发、对抗性评审等传统工程实践，重新设计为适合Agent协作的工作流。如果你正在思考AI时代如何重构自己的开发流程、如何让Agent真正可靠地工作、如何在团队规模下管理AI成本，这期节目会提供大量一手经验和可操作的实践建议。 👨‍⚕️ 本期嘉宾 Heitor Lessa，AWS老兵，在亚马逊工作了11年，期间换了8个不同岗位，从技术支持到解决方案架构师，再到开发者布道师。他是Lambda Powertools的创造者，这个开源项目从几百次下载发展到每周2300亿次API调用，被美国和英国政府等机构使用。Heitor还培训过8000多名架构师，现在在一家名为Agente的公司担任工程师，专注于Agent驱动的软件开发工作流设计。 ⏱️ 时间戳 00:00 开场 & 播客简介 AWS老兵的故事 01:24 Heitor的AWS 11年：从技术支持到无服务器专家 02:55 三个塑造思维的关键角色：技术客户经理、解决方案架构师、开源维护者 13:21 Lambda Powertools的诞生：从re:Invent演讲到每周2300亿次API调用 职业成长建议 16:26 给工程师的职业建议：学习相邻岗位的技能 19:29 理解领导层决策：跟着激励走 20:26 苏格拉底式提问法：用提问理解复杂问题 Agent驱动开发工作流 22:05 产品循环：从discovery到白板讨论 27:20 /roadmap命令：将产品需求固化为路线图 31:55 /new work命令：捕捉实现过程中的新发现 35:20 苏格拉底式提问法在Agent中的应用 开发循环详解 51:42 从issue到实现：Agent如何驱动开发 52:33 Open Spec：规范驱动开发的核心 54:21 三档模型策略：SOTA、中档、小模型的配合 56:06 成本控制：1400名工程师的AI预算管理 平台工程与规模化 57:16 从云计算到AI：成本管理的相似性 58:15 平台工程：为Agent时代铺设"康庄大道" 01:01:13 预算上限作为教育触发点 01:03:34 规模化培训：从8000名架构师到1400名工程师 本地优先架构 01:14:34 本地优先架构(LFA)：为什么"真希望早知道" 01:14:41 LFA原理：客户端成为事实来源 01:17:18 OPFS技术：浏览器虚拟文件系统 01:19:02 个人项目：用LFA构建绩效评估工具 合并检查与持续改进 01:19:58 apply阶段：清空上下文，让Agent自主执行 01:29:19 Hooks：事件驱动的代码质量保障 01:33:00 合并检查：15个对抗性审查员防止Agent伪造 01:35:05 /retro命令：从会话中学习，持续优化工作流 总结与展望 01:36:59 开源计划与实用建议 01:41:24 批判性思维与Agent的平衡 01:45:13 工程设计的未来：让韧性成为工作流的一部分 🌟 精彩内容 💡 "我们想做爵士乐队，不想做军乐队" Heitor用"爵士乐队"形容Notion的组织状态：不是没有结构，而是在结构中允许即兴、协作和个人发挥。AI时代变化太快，传统计划与层级不足以应对每周都在变的技术环境。 "我们想做爵士乐队，不想做军乐队。" 💡 学习相邻岗位的技能是职业成长的关键 Heitor分享了他最喜欢的职业建议：当你从senior升staff、从staff升principal时，硬技能的重要性在下降，因为大部分时间你花在影响别人、跟人协作、跟人沟通上。学习相邻岗位的技能——开发者营销、公开演讲、技术写作——能让你掌控自己的命运。 "让职业生涯成长的最好方式，不是学更多东西让自己在现有岗位上更高效，而是去学相邻岗位的东西。" 💡 苏格拉底式提问法是理解复杂问题的利器 Heitor在亚马逊做"驻场工程师即服务"时，用苏格拉底式提问法在一周内搞清楚公司无法快速交付的根本原因。这种方法纯粹靠提问来真正理解话题，一个问题引出下一个问题，直到找出对方思路里的矛盾。 "苏格拉底式提问法是一种方式，让你几乎像在调查模式里，但用的是好奇心的视角。" 💡 纸质笔记是AI时代的超能力 Heitor坚持用纸质笔记，因为打字总是比思维处理速度快，而写字则相反——你在处理、消化信息。用纸还能让你全身心在场，看到肢体语言，因为70%以上的沟通是非语言的。 "用纸的话，你基本上就是全身心在场，你是敞开的，所以这更像是一种——我不会说'更有同理心'的方式——但它确实给你一个优势。" 💡 三档模型策略：不是所有任务都需要SOTA模型 Heitor在Agente用三个不同档次的模型：SOTA模型用于探索和理解，中档模型用于实施，小模型用于审查。这样既控制了成本，又保证了质量。他重构时烧掉2亿token的教训让他明白，必须更明智地使用模型。 "当领导层开始质疑：等一下，我需要为一个工程师每月多付5000块、3000块，就为了让他们干活？这笔账算不过来。" 💡 合并检查：防止Agent伪造证据的关键机制 Heitor设计了合并检查机制，每个改动、每次提交都必须伴随一轮基于这些改动的审查。他用确定性的脚本验证审查是否真的跑了、是否真的读了同样的文件，生成带所有证据的证明，在CI中验证。 "我怎么确保这种事不会发生？所以，我没时间审查的代码，我不会放进来。" 💡 /retro命令：从会话中学习，持续改进工作流 Heitor设计了/retro命令，用苏格拉底式方法回顾刚跑完的会话，搞清楚是什么让你不得不去纠正Agent，然后生成一张表，列出所有现在可以变成确定性的东西。这让整个开发循环变成一个持续改进的过程。 "你往往会忘记，因为Agent在帮你做所有事，其中有些事本来可以是确定性的。" 💡 本地优先架构：让全球团队获得流畅体验 Heitor分享了他对本地优先架构的热爱，所有操作先在本地发生，客户端成为事实来源，服务器更像一个同步引擎。这让全球各地的团队都能获得几乎无延迟的体验。 "你可以想象成对本地数据库做事务操作。然后我再同步那些真正需要同步、需要让它工作的部分。" 🌐 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； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight 在小宇宙查看该单集文稿

查看全部 669 集

4.5
共 5 分
53 个评分

关于

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！

信息

  • 创作者
    yikai
  • 活跃年份
    2025年 - 2026年
  • 单集
    669
  • 分级
    儿童适宜
  • 版权
    © yikai@小宇宙App
  • 节目网站
    跨国串门儿计划

你可能还喜欢