课代表立正

课代表立正

课代表立正的官方Podcast 深度访谈，有用干货，亲身验证的「真本事」 Superlinear Academy创始人，Maven Top AI Instructor 前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士 社区：Superlinear.Academy 课程：ai-builders.com 个人：lizheng.ai

  1. E475. 知行合一的前提，是聆听自己的身体？

    6月16日

    E475. 知行合一的前提，是聆听自己的身体？

    课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营 这期对谈勤勤，聊的是很多人都卡住但很难说清楚的一件事：为什么你学了很多商业方法论，知道应该怎么做，还是做不出产品、定不上价格、卖不出去，甚至明明说想赚钱，却偏偏不走更赚钱的那条路。 勤勤长期陪伴一群“好学生路径失效”的职场人做副业、做产品、重新找回自己的生命力。她看到的不是单纯的商业问题，而是更深的卡点：不敢谈钱、觉得自己不配、身体里还留着“我不够好”的印记，或者最深层的动机根本不是赚钱，而是想重新 feel alive。 这期适合正在做副业、想离开消耗型主业、想做个人产品、想做内容 IP，或者已经学了很多课但迟迟动不起来的人。它不会再给你一套新的万能方法论，而是帮你判断：你现在到底是商业问题，还是生命力问题，还是心里某个更深的地方还没过。 章节： 00:00 开场：道理都懂，为什么还是动不了 01:00 好学生路径失效之后，卡点从哪里来 03:30 “0 分的人，就该让 2 分的人帮” 06:00 身体印记：为什么懂道理还是过不去 11:00 销售的三个阶段：技巧之上是真心 17:00 小流量、高粘性 IP 怎么活 26:00 用脑 vs 用心：禅修里的那个“2” 31:00 说想赚钱的人，为什么偏偏不赚钱 39:00 从物理学理解玄学、显化和观察者 52:00 主业消耗、副业不赚钱、没存款怎么办

    1時間
  2. E474. AI时代的真本事：穿透不确定性的六个能力

    6月11日

    E474. AI时代的真本事：穿透不确定性的六个能力

    为什么有知识、有技能的人，不一定拿得到结果、赚得到钱？中间差的那块东西，很多人含糊地叫"能力"，或者干脆归结为运气。这期视频把它讲清楚：差的是穿透不确定性的能力。 如果你是从小考试一路考上来的好学生，习惯了"按部就班准备→得到好结果"的确定性世界，这期视频会告诉你为什么这套逻辑在现实中失效，以及真正起作用的是什么。我把这个模糊的"能力"拆成了6个可以刻意提升的点：定义问题、拆解问题、借力整合、决策、迭代纠偏、ownership与上心。每一个都配了具体例子。 更底层的，是一个心态转变：从"会不会"切换到"能不能"。"会不会"是考试思维，针对知识和技能；"能不能"针对的是结果。在AI已经在知识和技能上全面超越人类的今天，这个转变决定了你的注意力放在越来越不值钱的东西上，还是放在真正能拿结果的能力上。 看完这期视频，你会理解为什么同样背景、同样学历的两个人结果天差地别——那不是运气，是一组看不见但完全可控的能力。 📖 新书《真本事：从会工作到会赚钱》已上市，讲的是这套心法的具体展开。 00:00 开场：有知识有技能，为什么拿不到结果 02:10 真正缺的：穿透不确定性的能力 04:46 六大能力总览 05:18 定义问题与拆解问题 07:00 借力整合：接受自己"不会" 08:36 在不确定性中做决策 10:03 迭代纠偏 / Ownership与上心 11:38 别把能力归结为运气 13:40 总结与新书《真本事》 AI课程： https://www.superlinear.academy/ai-builders 真本事：https://www.superlinear.academy/c/work-wealth/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营

    15分
  3. E473. AI时代，“精英阶层”正在如何重构教育？

    6月9日

    E473. AI时代，“精英阶层”正在如何重构教育？

    AI正在改变教育里最关键的问题：当知识获取的边际成本趋近于零，孩子真正需要积累的，还是分数、公式和标准答案吗？ 这期视频适合关心AI时代教育选择的家长、教育工作者，也适合正在思考未来能力的学生和职场人。分享从“做题家”为什么不再是最稳妥路径讲起，解释AI为什么不只是更聪明的搜索引擎，而是一个用自然语言调用算力的新界面。 视频录制于2025年11月，是我在耶鲁北京中心的讨论会，重点讨论三个问题： 1. AI时代，孩子真正需要培养什么能力？ 2. 为什么“会提问”“会定义问题”比单纯掌握知识更重要？ 3. 家长和学校该如何引导孩子使用AI，而不是让AI替孩子思考？ 核心观点包括：从做题家转向建造者；从被动消费答案转向主动解决真实问题；从追逐工具技巧转向培养批判性思维、产品意识和初学者心态。视频也给了一个很具体的家长建议：不要让AI直接给答案，而是让AI像导师一样引导孩子思考。 最后，分享也回到一个更底层的问题：机器越聪明，做人越重要。AI可以帮助我们处理how，但很难替我们回答why和ought——为什么要做，以及应该做什么。 00:00 开场：知识获取成本正在归零 00:40 活动与嘉宾介绍 02:02 从“做题家”到“建造者” 05:08 AI带来的范式变化：自然语言即代码 07:24 技术门槛降低，分层反而加剧 09:00 三个核心素养：提问、产品、初学者心态 19:11 家长与学校该怎么引导AI使用 23:30 圆桌和Q&A：工作、学校与AI安全 课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营

    32分
  4. E472. 2026年，普通人想跟上AI时代，这件事必须要做

    6月1日

    E472. 2026年，普通人想跟上AI时代，这件事必须要做

    如果你不是程序员，但已经发现“问 ChatGPT”并没有真正带来 10 倍生产力，这期视频讲的是一个更关键的转变：从把 AI 当聊天框，变成用 Cursor 这类 AI Agent 直接做事。 这期适合老板、市场、销售、设计师、运营，以及任何没有编程背景、但想用 AI 做网站、原型、数据处理、自动化工作的人。 视频里会讲清楚： 为什么 ChatGPT 更像“给建议的军师”，而 Cursor 更像“能执行的军队” 为什么普通人也应该开始理解 AI Coding 为什么 Cursor 和 ChatGPT 的体验差别很大 普通人上手 AI Agents 真正要跨过的三个门槛 如何用 CER 模板处理报错 如何用 3C 模板把需求说清楚，让 AI 做出你真正想要的东西 核心观点很简单：AI 的能力不只是在回答问题，而是在帮你把东西做出来。你一旦体验过这种工作流，就会重新理解自己在 AI 时代能做什么。 视频中提到的小课： coding.ai-builders.com 折扣码： AI-Coding-101 00:00 为什么要从 ChatGPT 转向 Cursor 00:37 用 Cursor 后：不再求人 01:24 ChatGPT 和 Cursor 的根本区别 02:12 从建议者变成执行者 03:00 2026 年仍然要学 AI Agents 的原因 04:02 普通人上手的三道门槛 05:32 CER 和 3C：两个实用模板 06:58 最关键的习惯改变：真正让 AI 动手做事 07:58 小课介绍：从会聊天到会调度 AI 课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营

    10分
  5. E471. （限时公开）课代表和鸭哥工作的实况 ｜ how the sausage is made

    5月29日

    E471. （限时公开）课代表和鸭哥工作的实况 ｜ how the sausage is made

    课程里的讲解： https://www.superlinear.academy/c/aa/sections/840969/lessons/3929070 社区：https://www.superlinear.academy/c/share-your-projects/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营 很多建议都会说，不要给食客看how the sausage is made。但我直觉是，这样一个工作记录，可能对大家有一些灵感上的启发，也能帮助大家缓解一些焦虑。大家遇到的问题，我们都会遇到，但也能克服。课程是克服并打磨后的结果，那克服过程也很有意义。 本期视频导览：推荐观看片段与注解 这期视频不是一个标准教程，而是一段真实工作流的幕后记录。它的价值在于：你可以看到一个非技术背景的人，如何在和技术高手协作时，把模糊问题一步步翻译成 AI 工作流、工具接入、skill 管理、evaluation 和 context infrastructure。 建议大家不要把它当成“从头到尾必须看完的教程”，而是把它当成一个现场拆解。下面这些时间点，是我认为最值得重点看的片段。 01｜00:09–02:20 主题：为什么不同人用 AI 的效果差很多 这一段是整期视频的底层问题。我们讨论的是：为什么有些人用 AI 很顺，有些人一直觉得 AI 不稳定、不好用？ 核心答案不是“prompt 写得好不好”，而是你有没有把自己的工作逻辑外化出来。也就是说，你有没有把脑子里的目标、判断标准、常见问题、工作流程写成 AI 可以理解和复用的东西。 这里可以重点看“外化”和“复用”这两个概念。AI 使用差距的真正来源，不是谁更会聊天，而是谁更会把自己的工作方式变成系统。 02｜02:20–04:45 主题：一个好 skill 应该包含什么 这一段讲到了 skill 的几个关键元素：目标、常见坑、专用工具。 很多人会把 skill 理解成一组 prompt，但这里的理解更准确：skill 更像是一个小型工作说明书。它不只是告诉 AI 要做什么，还要告诉 AI 什么叫做好、什么容易做错、遇到特定任务时应该调用什么工具。 这个片段适合帮助大家建立一个基本判断：以后自己写 skill 的时候，不要只写“请帮我做某某事”，而要写清楚成功标准、错误边界和工具使用方式。 03｜05:40–08:50 主题：Agent.md 到底是什么 这一段很适合非技术同学看。鸭哥解释了 Agent.md 的本质：它不是一个神秘功能，而是每次注入给 AI 的默认说明文件。 你可以把 Agent.md 理解成“AI 每次开工前必须看的说明书”。它的价值不是文件名本身，而是你能不能把长期有效的规则、偏好、工作习惯、工具说明写进去。 这里最重要的理解是：AI 的能力不仅取决于模型本身，也取决于它每次开始工作时能看到什么上下文。 04｜09:50–12:35 主题：AI 怎么操作外部文档和工具 这一段讨论了 CLI、API、GUI、腾讯文档、Google Docs、飞书等工具接入方式。 重点不是记住每个工具怎么用，而是理解不同工具对 AI 的友好程度不同。有些工具天然适合 AI 操作，有些需要 API，有些只能靠浏览器或图形界面点击来完成。 这对非技术用户很重要：当你发现 AI 不能顺利操作某个工具时，不一定是你不会用，也不一定是 AI 不行，而是这个工具本身可能不够适合 agent 调用。 05｜15:10–17:25 主题：为什么搜索结果要先“落盘” 这一段是一个很好的技术洞察。鸭哥解释了为什么不用普通 MCP 或 CLI 直接把搜索结果塞给 AI，而是让搜索结果先保存到本地文件里。 这背后的思路是：不是所有信息都应该一次性塞进上下文窗口。先把结果落盘，再让 AI 自己选择要读哪些内容，可以减少上下文污染，也能降低幻觉和跑偏的概率。 这也是一个重要心智：给 AI 更多信息不等于更好，关键是让 AI 能有选择地读取信息。 06｜17:40–24:50 主题：真实安装过程里，普通用户会卡在哪里 这一段非常有教学价值。我们现场安装和配置 skill，过程中不断遇到路径、key、目录、Agent.md 位置等问题。 我在这里反复指出一个问题：如果鸭哥不在旁边，普通学员很可能会卡住。 这正是课程需要讲清楚的地方。很多教程只展示“最终配置好了以后怎么用”，但真正让用户放弃的，往往是安装、路径、权限、隐藏文件、目录结构这些看起来很小的摩擦。 07｜25:15–29:50 主题：隐藏文件、.env、路径，以及心智地图 这一段讨论了 Mac 隐藏文件、.env 文件、文件夹怎么打开，以及“navigation”和“mental mapping”的区别。 这段很适合加注解：非技术用户缺的往往不是某个快捷键，而是电脑文件系统的心智地图。 对技术用户来说，“这只是一个文件”很自然；但对非技术用户来说，问题是：这个文件在哪里？为什么重要？怎么打开？改了以后会影响什么？AI 怎么知道去读它？ 这一段能很好地说明：非技术用户不是不聪明，而是很多基础结构对他们来说是不可见的。 08｜30:40–36:20 主题：当 AI 没有用正确的 skill，应该怎么 debug 这一段展示了一个很有价值的 AI 使用方法：当 AI 犯错时，不要只是重试，也不要直接替它找借口，而是让它解释为什么没有按预期行动。 我在这里要求 AI 不要回避问题，要说明为什么没有使用正确的 skill，并且更新规则，避免下次再犯。 这是一种很重要的工作方式：把一次错误变成长期记忆。真正的 AI 工作流不是每次从零开始，而是不断把错误沉淀成规则、测试和说明。 09｜38:20–49:10 主题：Google Docs skill 和 OAuth 配置 这一段比较技术，但很值得看。我们现场完成了 Google Docs 相关配置，包括创建项目、启用 API、设置 OAuth client、下载 credentials 等。 它的价值在于：很多过去需要程序员帮忙完成的配置，现在 AI 可以一步步带着做。 不过这一段也说明了一个现实问题：AI 可以降低门槛，但不能完全消除门槛。对非技术用户来说，看别人完整走一遍，会显著降低心理负担。 10｜51:35–53:00 主题：真正测试工具有没有接好 这一段测试了创建 Google 文档并分享给鸭哥。 这里的重点是：工具接入不是为了“装工具”本身，而是为了完成真实动作。比如创建文档、整理会议纪要、自动分享、生成课程材料。 判断一个工具流有没有价值，不是看它配置起来多复杂，而是看配置完成后，它能不能减少真实工作中的摩擦。 11｜55:45–59:15 主题：本期最重要的一句话 这一段是整期最值得单独剪出来的片段。 核心观点是：不要只想 AI 能为你做什么，也要想你能为 AI 做什么。 高手和普通人的差距，不只是 prompt 写得更好，而是高手会不断给 AI 准备更多上下文、更多工具、更清晰的判断标准和更好的 evaluation。 你为 AI 准备的环境越好，AI 就越不需要反复问你，也越不容易犯低级错误。 12｜59:25–01:04:50 主题：用手机控制电脑上的 agent 这一段讨论了 Claude Code remote、home folder trust、环境选择等问题，也展示了通过手机控制电脑上的 agent 的可能性。 这个片段很有意思，因为它说明 AI 工作流不一定只发生在电脑前。未来很多任务可能是你在手机上说一句话，电脑上的 agent 就开始执行。 但这一段也真实暴露了现在工具链的问题：权限复杂、环境不稳定、语音识别对中文不够友好。它不是一个完美 demo，而是一个真实工作流的状态。 13｜01:10:00–01:15:10 主题：怎么让 AI 写文章时减少幻觉 这一段开始从“工具能不能用”进入“结果可不可信”。 我们讨论了如何让 AI 写文章时 respect 本地 source of truth，也就是尊重本地已有材料、事实来源和原始信息。 这里的关键不是让 AI 写得更漂亮，而是让它写得更可靠。AI 生成内容时最大的问题之一，是它看起来很合理，但可能和你的真实材料不一致。 所以，好的写作工作流不是只让 AI 生成，而是让 AI 对照你的材料生成。 14｜01:14:50–01:19:30 主题：怎么把 evaluation 讲给普通人听 这一段是我和鸭哥配合最有代表性的地方。 鸭哥会给出比较技术化的路径，比如 benchmark、precision、recall，而我会不断追问：这个东西如何被非技术用户理解？有没有更直观的说法？能不能用普通人熟悉的方式解释？ 这正是课程的价值：不是把技术概念原封不动讲出来，而是把它翻译成普通人可以使用的工作方法。 15｜01:18:20–01:22:10 主题：Benchmark、precision、recall 和错题本 这一段可以理解成：如何给 AI 做“错题本”。 当我们很难直接判断 AI 的输出质量时，可以设计一些测试样例。比如故意放入一些容易犯错的地方，看 AI 能不能抓出来；也看它该放的信息有没有放进去。 对普通用户来说，不需要一开始理解 precision 和 recall 的数学含义。可以先理解为两个问题： 它有没有把该找出来的问题找出来？ 它有没有乱报不存在的问题？ 这个思路很适合用在文章审校、事实核查、课程内容检查、会议纪要整理等场景。 16｜01:22:40–01:25:00 主题：非技术用户和技术用户最大的差别 这一段非常重要。 我们讨论到，非技术用户最大的 blocker 不一定是排斥技术，而是很多关键步骤在他们脑子里是不

    2時間2分
  6. E470. 一个大胆又谨慎的AI转型经历｜刘希元访谈

    5月28日

    E470. 一个大胆又谨慎的AI转型经历｜刘希元访谈

    97分钟完整版：https://youtu.be/EypWgo13w4w 课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营 这期适合三类观众：正在用 AI 写代码的工程师/产品人，想从技术转向产品或创业的人，以及关心孩子该怎么接触 AI 的家长。 嘉宾 Zero（刘希元）有十多年 Web 工程经验，做过 Google、startup，也在从工程师转 PM、准备创业。这期最有价值的地方，不是泛泛聊“AI 很重要”，而是把 AI 如何改变工作、教育和职业选择，放进真实案例里讲清楚。 我们聊到：如何用 Cursor / Claude Code vibe code 公司内部工具，解决 SaaS 不会覆盖、但真实存在的长尾痛点；为什么 agentic coding 不只是“写代码更快”，而是在重新打开 API、workflow 和个人生产力的边界；以及 Zero 如何带 9 岁孩子用 AI 做游戏，从第一次“陀螺打龙”到两周完成一个学校主题的塔防游戏。 这期也讨论了 AI 教育里更难的问题：孩子到底是在学 AI、学创作，还是只是走了捷径？父母应该阻挡孩子接触 AI，还是尽早引导他们用 AI 做 creative expression？最后，我们还聊到工程师转 PM 后最大的落差：技术人擅长解决问题，但 PM / Founder 更难的是在不确定中定义方向、获得客户信号，并做出判断。 如果你想知道 AI 不只是让代码写得更快，而是如何重塑工作方式、产品判断、孩子的学习方式和 builder mindset，这期会有很多具体、可操作的细节。 00:00 开场精华：AI 如何改变工作、教育和亲子共创 01:07 Zero 的背景：从游戏、Google 到 startup 03:15 离职创业前夜：Obsidian Copilot 与 AI 游戏教育 08:40 AI 学习路线：Copilot、Cursor、Claude Code 与 agentic thinking 12:11 Vibe coding 的现实价值：用内部工具解决长尾痛点 18:52 AI 时代怎么教孩子：阻挡不如引导 21:56 亲子共创游戏：从“陀螺打龙”到学校塔防 33:00 如何让复杂项目不崩：Game Design Doc、Plan Mode 与 context 39:19 孩子真正学到了什么：从 consumer 变成 builder 47:07 从工程师转 PM：产品判断、客户信号与不确定性

    58分
  7. E469. 用数据做增长的完整方法论，和数据工作的时代变化

    5月26日

    E469. 用数据做增长的完整方法论，和数据工作的时代变化

    课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 购书链接：https://www.amazon.com/Growth-Data-Analytics-Playbook-Product-Market/dp/1544549822 在App Store搜索Superlinear Academy，加入AI先行者的大本营 这期视频适合正在做增长、产品、数据分析、数据科学、AI应用，或正在搭建数据驱动团队的人。 围绕《Growth Data Analysis Playbook / 增长数据分析实战手册》的新书发布，Mengying、Joe、Yuzheng 和主持人 Julie 讨论了增长数据分析在真实公司里的作用：它不是单纯做报表、建模型或追指标，而是帮助团队更好地理解用户、做产品决策、验证增长假设，并把经验沉淀成可复用的方法。 视频里聊到几个很实用的问题：为什么产品和增长分析长期缺少系统方法论；PLG 为什么不是“让产品自然增长”；如何用留存、规模和参与度判断产品市场匹配；实验体系应该什么时候建立，为什么覆盖率比实验数量更重要；数据人如何通过叙事和图表推动行动；工程团队怎样真正用上数据；以及 AI 时代数据科学家的角色、能力和职业机会会如何变化。 如果你关心增长、产品分析、实验、PLG、数据团队建设，或正在思考 AI 会怎样改变数据工作，这场对谈会给你一些来自一线实践者的判断和框架。 00:00 开场与嘉宾介绍 05:54 为什么写《Growth Data Analysis Playbook》 12:52 PLG 的常见误区：不是自然增长 14:41 如何量化产品市场匹配 19:59 实验体系：样本量、覆盖率与基础设施 22:36 数据严谨性与数据叙事 26:53 工程团队的数据文化 29:24 AI 时代的数据工作会怎么变 35:58 观众 Q&A：职业、PLG 营销、AI Agent 指标

    50分
  8. E468. AI时代的面试，三件事让公司对我求贤若渴？

    5月20日

    E468. AI时代的面试，三件事让公司对我求贤若渴？

    拓展阅读，《别用昨天的方法准备今天的面试：AI 时代最好的简历，是做出来的》：https://www.superlinear.academy/c/posts/interview 在App Store搜索Superlinear Academy，加入AI先行者的大本营 如果你正在准备 AI Native 公司、明星 startup，或者任何开始考察 “AI mindset” 的面试，这期视频讲的不是怎么包装自己“会用 AI”，而是怎么证明你真的具备 AI 原生的工作能力。 尤其适合非程序员岗位：设计师、PM、Data Scientist、Data Analyst、Marketing / Project Manager 等。视频里我拆了 3 个面试框架：如何用 AI 做出更接近真实产品和真实业务的东西；如何在 AI Native 的小团队里更高效协作；以及如何把自己的判断力、方法论和隐性知识教给 AI，让 AI 放大你的杠杆。 今天只是会用 Cursor、Claude Code，或者会写 prompt，已经不构成真正的竞争优势。真正能打动面试官的，是你能不能用 AI 更快接近 truth，更快形成真实迭代，并且把个人能力沉淀成团队和系统的复利。 这期适合想进入下一代岗位、正在准备 AI 相关面试，或者想知道自己该如何在工作和 side project 中积累 AI Native 案例的人。 00:00 为什么现在面试开始考 AI Mindset 01:14 非程序员如何证明 AI Native 能力 02:09 框架一：用 AI 做出更真实的东西 03:52 框架二：在 AI Native 组织里高效协作 07:05 框架三：把判断力教给 AI 08:37 如何准备：框架只能表达案例，不能替你创造案例 10:16 真正的竞争力不是会用工具，而是掌握新的工作方式

    11分
すべて見る（475）

番組について

课代表立正的官方Podcast 深度访谈，有用干货，亲身验证的「真本事」 Superlinear Academy创始人，Maven Top AI Instructor 前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士 社区：Superlinear.Academy 课程：ai-builders.com 个人：lizheng.ai

情報

  • クリエイター
    课代表立正
  • 配信期間
    25年 - 26年
  • エピソード
    475
  • 制限指定
    不適切な内容を含まない
  • Copyright
    © 2026 课代表立正
  • 番組のWebサイト
    课代表立正

その他のおすすめ