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

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

その他のおすすめ