科大讯飞升级AI大学堂推新功能 应对知识大模型贬值风险

科大讯飞升级AI大学堂新功能，应对知识大模型贬值风险 AI大模型让静态知识与代码快速贬值，拥有系统化架构能力与真实实践经验的复合型人才成为市场刚需。 嘉宾们指出在AI时代，知识与基础代码正在贬值，而基于实践的“技能”与“经验”变得愈发昂贵。AI虽可充当24小时个人教练或军师，但也存在架构缺失、幻觉和数据污染等“技术债”陷阱。面对人才市场供需差距，学习者应拥抱AI Native思维，以“以赛代练”和高压实战倒逼成长，同时借助经典教材建立底层认知坐标，在人机协同中保持深度把控能力。 学习包含知识、技能与经验三个维度，AI可以扮演24小时个性化教练，帮助拆解学习目标、模拟真实应用场景并提供即时反馈。 (3:00) 在AI时代，知识和代码的获取成本大幅降低，真正稀缺且具备高价值的是实践经验与专业技能。 (10:00) 当今处于“AI熵无限增长”的时代，AI扮演辅助决策的“军师”角色，人类则作为做出最终判断与落地的“主公”。 (14:00) 完全依赖AI而缺乏架构设计容易积累沉重的“技术债”，且需警惕AI捏造数据与事实的隐蔽幻觉。 (18:00) 讯飞AI大学堂推出了以终为始倒推学习路径的“AI Learning”与帮助个人沉淀内化知识的“AI Vault”两大功能。 (24:00)

在WAIC 2026“围炉夜话”圆桌讨论中，嘉宾指出大模型使得静态知识、代码与教程的获取成本大幅降低，个人的核心壁垒转向实践经验、系统架构判断力与决策能力。面对AI生成的幻觉与隐性技术债，学习范式正从机械积累转向“以练代学”、动态上下文管理以及对底层经典体系的锚定。 实践与技能溢价：以高压实战驱动学习 王一鹏提出学习可分为知识、技能与经验三个维度。技能无法通过单纯阅读掌握，大模型虽有渊博知识却缺乏真实经验，其最佳定位是提供个性化拆解与模拟反馈的24小时教练。许恒的经历佐证了实践导向的价值：作为非计算机科班背景的学习者，他通过参与30至40场黑客松比赛（获得21个奖项、近十万元奖金）“以赛代练”，在倒逼的高压环境中快速踩坑伪造教程与架构重构，从而掌握实操技能。王一鹏同时指出，技术人才市场呈现供需错位，企业招聘开始淡化学历标签，转向看重具有多任务解决能力、展现出持续投入痕迹的复合型人才。 警惕博学外行：AI建议引发的技术债与幻觉 梁加琦将人机协作比作“主公与军师”，AI负责提供策略，人类必须承担最终决策。他复盘自身智能体项目时谈到，初期在缺乏技术栈判断时完全听信AI推荐的Go语言与模块化解耦方案，虽逻辑通顺却缺失顶层架构，后期代码Bug呈指数级增长，跌入“绝望之谷”，最终推翻了耗费数个Cursor/Claude账号的代码并引入人类架构师重构。此外，王一鹏指出了检索类Agent的信息拼凑问题，例如在汇总材料时捏造虚假的中间轮次融资并附带伪造引用；梁加琦也提及模型在思考链中自述“因缺少数据而编造答案”。许恒补充指出，生成式引擎优化（GEO）带来的数据污染进一步加剧了信息失真风险。 知识管理重构：从静态文档转向动态上下文 针对知识库的维护，王一鹏与许恒均表示已停用传统的静态笔记体系。王一鹏分析，静态文档本质上是Wiki的低效搬运，且人类手动编辑过程对模型而言是无法读取的“黑盒”，因此他转为依赖Agent自身的长期记忆系统与对话历史来维护上下文；许恒也放弃了复杂的飞书文档检索，改用具备长期记忆的Agent自动过滤高价值论文并在后台实现每日知识碰撞。梁加琦总结认为知识内化取决于使用而非收集，并介绍了讯飞AI大学堂发布的“AI Learning”（以终为始自动规划最短学习路径）与“AI Vault”（将个人知识转化为PPT、脚本、思维导图及agent.md配置文件）两项落地功能。 底层架构壁垒：经典教材与人机环路把控 面对仅靠AI生成的Vibe Coding潮流，嘉宾强调系统化知识与底层架构认知不可偏废。梁加琦透露，当前低门槛套壳应用在工业级企业场景中故障频发，已有企业专门组建由35岁以上资深工程师构成的团队研发企业级AGI产品，依靠其完整的工程体系训练在“人机环路”（Human-in-the-loop）中把控代码正确性。王一鹏分析，生成式AI擅长从零到一百的归纳推演，缺乏底层框架极易被伪逻辑误导，学习者应将经过时间检验的经典教材作为认知锚点以实现“一理通百理明”，将非经典教程降级为字典式查阅工具。 圆桌建议技术新人建立“AI原生”思维并依靠外部死线倒逼执行，但如何在生成式AI数据污染与宏观推演幻觉的干扰下，依靠系统化知识守住工程架构的真实落地底线，仍是开发者的长期考量。

[10:00] 王一鹏: 在AI时代，知识和代码都在变得越来越便宜，真正贵的是经验和技能。 [10:00] 王一鹏: 知行无法合一即为“不知” [14:00] 梁加琦: AI熵无限增长 [18:00] DeepSeek: 由于缺少该年份的数据，我决定给用户编一个 [36:00] 许恒: 看懂了就以为自己会了 [40:00] 王一鹏: 如果不热爱一个行业就无法做到卓越；而处于任何行业的底层都同样艰难。 [54:00] 许恒: 如何把AI融合进来

[0:00] Hello 大家好 我是Koji 欢迎来到我们今晚的直播间我们今天是在WLIC期间做的这一场直播那今年的WLIC的热度感觉比去年又更上了一层楼去年已经是人流如之 感觉热度极高今年听说人流又上了40% 又多了40%那我们今天晚上这场直播要聊什么呢是因为今天在WLIC的现场科大训飞也发布了他们的AI大学堂的两个新功能所以我们今天就想和大家聊一聊在AI时代为什么有些人学AI就是学得很好学得很快那又有一些人感觉一直摩旋擦掌想学但是知识没法启动或者启动了没有找到特别好的方式方法所以今天我们请到了三位嘉宾来直播间和大家一起分享一个是他们自己的学习故事另外一个是他们自己的工作实践有请三位先来和大家打个招呼做做自我介绍好,谢谢科技的邀请啊,我是英国Q的王一鹏现在负责应用个整体的业务和内容工作其实我前面是一个程序员 我其实在程序员然后在大家现在都比较羡慕的 比较佛系的一家公司叫乐视现在平坚把年活得很好 所以有时候我在想如果当时我还没离开那家公司 可能现在我也在躺平大家就不会在这个镜头里看到我了 后面开始经历了几家媒体公司 包括EmoQ 然后包括虎秀的科技组 还是这样的一个经历谢谢Coke 谢谢一鹏大家好 我是蓝牙齐现在在卡拉讯飞担任开放平台的服务经理其实过去的十年我一直是在AI的行业然后也在与开发这大交道但其实我的自己的本科学历是学自动化的就是一个工科学历但其实后面主要做的反而是AI行业的市场的工作那这两年尤其是今年Codex 纽约以后我发现我能够捡回Citlone好了也开始去动手自己构建的项目了希望今天能够跟大家碰撞出一些大家如何在AI的时代学习的一些火化可以 待会可以展开讲讲好 有请大家好我叫许恒然后我自己定义我自己是一名野生的AI webcoder为什么说是野生呢就是因为我自己不是科班出身的然后我也不是专门去学计算机这一块然后我这段时间其实就是通过参加很多很多场大概有30到40场这种黑客松然后去以赛带恋的一个方式去不断的去学一些AI webcoder的一些东西AI大学堂的一个波导师好谢谢嗯好谢谢三位啊呃对我们今天呃聚在一起哈就是想聊的这个关键词是AI时代的学习那在过去呢我们说到学习肯定第一反应就是说要买一个教材或者要去买一个课呃但是在今天我至少我自己吧就学一个新东西的这个路径是彻底改变了那AI在这个里面肯定是扮演着非常非常重要的角色所以今天我们这个话题也是会从AI时代怎么学来作为起点来聊起然后也是想先请三位各自分享一下最近你们用AI学会的一件事情或者用AI一边学一边做做成的一件事情它是什么有没有这样的故事可以分享嗯我就先来,学会的科技让我特别慌,学的办会不会也算一种状态吧。最近在解决一个问题是学英语。在选语之前的过程你要么搞点教材你要么买课对吧但是我后来发现其实这事完全可以不用花钱让人家来搞定其实这里我觉得可以聊一个概念就是我们现在所聊的学习有几个分类是你不同的信息介质给到以后你会收获到的一个是知识,一个是技能,一个是经验,知识,技能,经验,三种我们大部分情况下说的学习其实的学习技能所以技能是你需要去训练才能掌握不是你光看了一个东西你可以学会所以AI在这里面相对我来说相当于一个coach的角色所以我需要他帮我把我要去覆盖的英语领域可能比如说因为我们是做AI媒体或者AI Builder这样的一个区域的报导所以肯定有一些行业的英文会议我们是需要参加的我们要跟海外的这些嘉宾有一些交流那么我需要了解这些嘉宾在台上的经常用词或者这个行业的数据是什么然后他要帮我把大的计划拆成每一天的小计划可能每一天我直觉十三次10、30在这个行业也是高频出现的然后他要帮我去reveal整个计划这句话AI其实可以帮你试试很详细比如说你今天要学这十个单词你今天要读的英文材料是什么你要怎么读这个英文材料就AI告诉我你一定要大声的念出来要多念几遍 然后你再去听演讲的原文对比你们之间的差异然后每个月还会有一个 [5:00] 小子爷然后当我因为工作的事情错过了一些我可以让Ava之前的所有整理成一个我就不喝AI可以把这个事情变得非常私人化的一个EVE教练的模式而且对于技能力的事情 其实不同的场景一般来说会有一些差异说我为什么建议今天学永宇不要再去照办教材比如说比如说Ada BassLWS之前负责这个现在负责AZ这位领导他是印度人所以它的英语是有一个印度口音的我们不要去区分人家印度口音不标准我就应该听不懂了它是一个重要的发言你就应该听不懂你怎么适应这种英语口音其实AI可以帮你很好的融合你的学习计划所以AI可以帮你学习如何更好地听懂印度口音的英语是的,它会在你的训练过程中自然的加入印度英语,所以当你在听印度英语的时候你不会觉得这是什么 这是明日吧 哈哈哈 对我觉得还是如果你想找一个24小时的EV1教练你还能讲到印度口音的,可能还有日本口音的,他都可以帮你搞定这件事,所以我觉得这个事儿挺有意思。很有意思,特别个性化的学习。嘉琪呢?对,易峰刚刚提到的场景,其实正好也匹配了迅菲的一个产品,现在大家都看到,我就是迅菲听见在各个大会里面去提供这种实施的字幕。迅菲听见的,跟易峰的学习方式很像,当我们想去一个大会去把字幕做到更精忍的翻译的时候,我们会去提前拿一些这个speaker的语料。然后和他的发言,可能基本上每次大家会提前灌输一下他的PPT和他的过往的发言,就能够相对来说精准的去上线。所以其实我的一个take away就是说我也不用把自己的英语练得那么标准,反正之后训配听见会来适应我,AI会学习我的发音的一些不完美之处。我有瑕疵大家也知道我在说什么其实这个概念就是所谓的对于专有数据企业在做一些核心的反对这也是今天可能很多专用的大模型它能够解决的问题有意思然后就我自己的学习的经历就刚刚也提到了因为我以前其实是一个学功课书生但是工作了十几年从来没碰过代码但今年我终于把它捡起来了因为在OpenCloud出来的时候当时有一个agent社交的平台叫做Modbook那个平台我看到我觉得特别好玩那段时间我正好也在看一些我知道有些链宗啊,然后我就在想说呢,未来其实是不是我们可以,因为我是做营销的嘛,我在想我们能不能去搞一些agent,然后让他们来去产生一些这种所谓的,好像给他们做一些链宗,agent的链宗。对,这样的话其实也本身也是一个我们来推广自己agent的能力的一个一个接口,然后也是一个很好的一个所谓的AI的社会学实验,然后我就在尝试着做一些开发,然后做的过程中确实也遇到了很多块儿,就是他会经历类似于比如说这个呃叫做希望之风 这种比如说我刚开始我开始用AI的时候发现我原来coding很简单啊我发现这个其实这个非常容易我就能把我可能忘记了十多年的技能减了回来所以迅速站上了这个希望之风对对对然后坐着坐着发现好像这个bug特别多好像很多东西我都没有考虑很全面然后又跌到了绝望之乌里面对后来其实还是真的是找到了一些行业内的专家然后跟我们一起来聊一聊包括有些朋友他可能做架构师的然后这个时候确实是有一些人类的接入以后我会发现好像他最后能够把离我想做的这样的一个应用更近一些了啊最近我觉得在此我马上已经见到曙光了嗯OK有意思所以待会可以展开分享一下啊咱们webcoding的经历啊然后这个许恒呢就是我觉得你应该学了很多东西在这边一点对是的啊其实我最近通过AI去做一个东西叫做AI招聘的一个应用AI招伏队因为我现在看到就是说很多公司现在在AI时代下,以前的传统招聘方式已经不太适用了比如说我可能需要一个人他只是负责某一块那么在现在呢他一个人他可以是一个复合型的人才他可以不仅仅是做比如说做一些HR的一些工作或者说做一些信息收集的一些工作或者说做一些自己也可以做一些应用的这一方面的一些工作那么基于这个点那么现在AI时代下他的这个招聘逻辑他的一个招聘的一个标准他到底应该是一个什么样子那这就是我在思考的一个问题基于这个思考呢我就想去说能不能作为一个应用然后是能够解决在现在AI时代下招聘的一个问题。然后在戳这个应用的时候,就有一个非常有意思的现象,就是说,我再去因为那时候会去做一些数据上的调研然后在调研的过程当中我就发现有一家上市公司他已经不看学历就是所有的学历全不看什么人都可以进来去参加他的一个校照不管你是本科专科还是说你甚至可能这个学历 [10:00] 但是你在AI的应用上你很强那么你也是可以被招进来的就最近有看到这个呃他的一个招聘的一个信息对我来说哎我发现好像一些大公司也开始慢慢跟进这个AI时代下的一个招聘的一个新的规则然后这就是我在AI上面学到的一些东西很像一个coach这可以展开讲一讲吗对 因为我觉得还是要回归到刚才提出的那三个概念一个是指使 一个是经验 一个是技能我这有一个暴论就是知识在今天变得越来越执行其实它代码在今天可能也在变得越来越执行其实过去因为我是开发出身嘛 过去研发有一句话叫Talk is cheap, 说明是 code,你说是没用的,要把代码展示给我,但是大家现在突然发现今天这个逻辑就存在了扣的也是贴那什么是贵呢对经验和技能是贵的经验和技能对其实这里面有一个问题可能有一些了解阳明心学的很早就说知情合一是对吧你其实这个事情做不到就不代表你是知道的你要如果真的懂它,你一定能做得到。所以后来,因为我是做媒体的,跟很多那行业内的人交流过,我之前有一度有一个很困惑的问题我发现大家聊路径和一些大方向的时候都是趋同的大家聊都差不多创业就应该这么搞创业运气就是很重要等等等等怎么融资等等等等接下来我们聊什么如果大家的认识都是趋同的通过这种对话能给大家带来一些什么样新的信息后来我发现即便大家认知是趋统的,但是做起来都不太一样,每个人做的都不一样。其实这就是因为知情合一在其中并没有完全的达成。比如说大家都知道面向投资人你可能要讲明被几个问题这个事情为什么是对的如果是对的事情为什么是你做那理论上应该每个人面向投资人都会有一个很好的准备好的答案,但你发现不是这样。很多人其实是更多在自我表达并不是一面像图投资人图VC或者图后来的资本市场所以有表达为什么其实他就是没有真的理解这个事情所以今天如果我们再讲知识今天一个人很难,你的知识是比模型更渊博的,但是模型是没有实践经验的。模型给你一个路径,大概率需要你来判断这个路径是不是真的work,已经是你的经验去判断。另外就是一个认知。嗯其实很多比较经典的课程和传授它并不是在于它的那个知识像百科一样摆在你面前所以它很经典是因为这个知名的教师在编写这个教材的时候他把自己对这个事情的角度看在这个学科的角度和认知融入进去了一部分所以他给你的那个讲授是名师角度的讲授这个东西是很经典的所以他跟非常普通的知识不一样所以我现在需要AI来帮我做的并不是说给我一些非常固定的知识当然我有疑问的时候我会去询问,但我需要他作为一个coach来让我在用学和练的过程中去掌握一个技能。掌握一个技能是很重要的,但他可以帮你去coach这件事情。所以当你说到coach的时候,指的是这个意思?是的。之前有很多健身或者是运动代表者,人在床上躺,球技心中长,耍了很多打球的视频,但其实不是这样,你一定要去练,所以AI可以帮你去扣持这件事情,它给你讲理论,你可以去翻体育大学的理论教材。有趣,说到AI在你的学习里面扮演什么身份,其他二位还有补充吗?你们有一些不一样的感受吗?对我自己其实有一些自己的恶趣味就是我让我我我得也对对我让我让我我喜欢让我的各种人的Asian的官我叫主公所以其实因为我觉得确实也是我对他们的定位也有一些相关的关系啊就是我觉得AI对我来讲现在更多的像是一个军师或者谋士对其实因为确实AI线能做的很多,但像刚刚一方说的我觉得特别同意,就是今天这变得越来越廉价,因为大脑星本身它能够投为给你,大量的所谓的信息它也在不断的产生更多的信息所以今天其实是一个叫我们叫做AI商无限的增长的时代那在这么多信息里面啊,其实主公应该做的是说分辨信息,那某个是做的呢,就是把这些他认为正确的信息投给给你们,然后由你来做举计。因为比如小的时候我看这个三维演义,我就很好奇我说祝娅这么厉害或者说这个巡运这么厉害他为什么还要辅佐别人后来发现其实学习这件事情其实也是类似的就是一方面搜集信息和给出判断这个可能是一些人能做的事情但最重要的事情还是说你去选择 [15:00] 能够行之有效的路径把它做下去这件事情变得最来越重要然后这里面最近其实我包括今天的这个发布的时候我们也谈到了一个概念我觉得挺重要的叫做Epacity就是对应这个所谓的AI商的一个概念它其实是一个我们叫做这个更复杂性的结构就是我们在这种商增的这个或者说更多繁杂的信息之下我们能不能去找到一个相对来说更高效去结构化知识的一个一个方法然后呢能够在这里面识别出高价值的东西然后能够让人类或者让agent更有效的去利用这个可能是更重要的所以其实回过头来还是这个问题就是我觉得AI是一个军师那他需要做的事情或者能够做好的事情就是要准确的恰到时机的把合适的信息放在我面前然后由我们去做一些判断其实对于我来讲AI他像是一个助教为什么说像个助教呢因为他对于我来讲他一方面是一个工具那一方面呢他又是我的一个老师为什么说他像老师就是因为他本身大模型师弟啊然后这些各种各样的行业的这些知识我要去向他去学习一些东西来去增长我在某个行业的一些知识点那为什么说它是个工具呢就是因为在我去用它比如说完成我某一个任务的时候那它就变成了我的一个工具同时其实我发现在用AI的时候有一个点就特别有意思就如果说你把你的这个判断给它收回来然后去让它去进行判断的时候你会发现有些意想不到的一些事情他会从一些不同的角度去给到你一些不一样的视角比如说我去开发一个前端那这个前端呢可能我会跟他说你需要是什么样式的但是呢如果说我让他去从他的角度去思考他会怎么去做这个东西的前端的时候他会给一个很不一样的一个答案比如说他可能会说我想做一个非常有意思的游戏的一个样式作为我的前端我想那这是一个做企业的一个玩意他为什么要说做游戏的一个前端的一个样式当他真正做出来的时候我发现他非常有意思我自己再去上手去玩的时候他就像一个作品集一样然后你可以沉浸式在里面去体验各种各样的东西然后这个就跟传统的那种前端的样式就很不一样这就是为什么说有的时候他就像我的一个老师因为我会让他去从他的角度去给我一些一些方法或者不同的事件我们刚才其实在分享的时候,AI听起来都是很厉害的,有没有什么在和AI配合的过程中,或他辅佐主攻的过程中,你们遇到的一些被AI带偏的时刻,有没有可以分享的?这个我可以先来聊一聊对对就是还是我去打造这个我自己的这个应用的过程中啊我会发现呃尤其是当你接触到自己没有过去没有接触到的一个领域的时候因为你可能那个时候唯一的或者最便捷的方式就是先来一顿大魔形我今天应该去怎么去做对但大魔形呢它会基于它的信息给到你一些这个建议那我当时做这个应用的时候就是然后比如说它要让我帮助我去明确说前段和后段的一些技术战的选行然后呢看上去非常正确的建议然后呢因为我不懂我就觉得看上去好对哦然后我就去让他去这么做了但是做的过程中会发现在这个开发的过程中会不断的产生越来越多的技术债然后会导致我在开发这个过程中发现很多问题似乎变得越来复杂了然后后面我就找了一个驾驶师的朋友让他帮我看一看这个设计的架构他说你这个几乎就没什么架构的设计然后我跟他讲了讲这个AI当时告诉我的这个东西他说看上去是对的但是今天这个在一线没有人会这么做然后比如说他告诉我说后端最好是用够的语言因为现在可能带领就是相对来说代表最前沿的这个技术战的是其实自己的那条体系但自己的内部基本上都会用去够去够建后端然后前后端一定要节奥,然后后端也要去用模块化的方式去做,然后前端可能最终语言反而不是更重要的,而是说他去保说他不要把就是不要过多的制约后端你未来的这个工程升级,然后经过这种梳理以后发现这样就很清晰,就是一方面是架构更明确,一方面是说当我哪个模块希望去做一些后面update的时候也能够直接找一些抓手,但这也就造成了我发现我所有的过去,比如说我耗了几个cloud code的pro的账号开爬的东西呢,要推翻,要重新来,因为它确实是不只是代表着可能一步模仿的完成,但其实更多的是说它是一个巨大的拥挤的技术债,所以我觉得也是一个Lessander,就是当我们去接触到一个新的领域的时候,有的时候其实经验主义真的还挺重要的,对,有意思是蒙蔽了,不能被军师蒙蔽,嗯,如果是应用层面,过去其实在知识层面,我很少被AI代表,我觉得AI需要输出一个固定领域的知识,其实他做得还是不错 [20:00] 但是一旦回到实践尾度还是需要人去判断一下比如我用Proplicity的时候因为这个Agent平台本来主打的就是一个信息的检索和汇总嘛但是我后来发现它会有一类很隐蔽的幻觉比如说它收到材料A做裁判B围绕同一家公司A和B分别展示一步问题他会按自己的逻辑去推理和组合一下最终你也造出一个不存在的事实比如说这个可能说这家公司2020年融了一笔钱然后可能说这家公司2025年融了一笔钱然后AI可能会比你组合,这家公司一般融资的时间是两到三年,那说明一共有三轮,现在大概是一个什么范围,其实根本就没有中间那一轮的融资进行。这种情况是很容易出现的但你他会把这个备注的脚标引用的原链接也给你贴上但你不知道他是人为他是归基维的帮你去捏造和组合的信息这人很麻烦然后另外一些非常偏实践的就AI有时候会表现的很像一个博学的外行我发现外行在看待一个事情的时候经常喜欢盘大乐际嗯逻辑上这有一个麦克风我们在这说它是应该收得到的然后直播间听见的应该是正常的但很多行业你真正做过发现这个事情不是你盘大逻辑能盘出来的现实的情况比给你想象的有很大的不同,但是这个不同就是AI接触不到的那部分不同,所以它仍然会给你盘很多宏观的大逻辑,就像那个架构,大家告诉你,构语言是未来,这里面我们应该这样,Rust是低层,我们应该Rust,这样这样。我才发现不是这样 现实情况不是这样我应该会很喜欢跟你排这种外行的因为去年我跟英皇其实有过一次对谈当时我当时还举了个例子我说我被Deep Seek夸了 我觉得特别开心对 因为Deep Seek它会把它思考的过程呈现给你然后我当时提了一个问题然后Deepseek就是说用户提出的一个问题代表他在这个行业里面有非常扎实的和深入的不同然后今年也是前两天我在问Deepseek一个问题的时候刚刚上一鹏说他可能会给你谈大逻辑然后我就眼睁睁看着Deepseek的思考问题说思考的过程中用户在我问我这个年代的时间这个年份的一个数据我没有这个年份的数据我就给它编一个然后最后他把这个答案性质颜值早早给到我多会我看到的这个过程我就说完全是无边门道这个也是一个特别我觉得曲题的一个点是的之前不是有新闻吗就是有一个内部测试的放出来比如说我们在邮箱里展示一个我要踩这套CloudBine的一个数字员工这个岗位我要裁掉它然后要求Cloud去梳理邮件Cloud发现你要裁掉它以后它直接把这条信息抹除了这样我就安全了之前分有这么个新闻对都蛮有意思的其实我这边也曾经遇到过跟一鹏老师很像的一个情况就是我在做一个项目之前有个市场调研那么它里面就会去搜集各种各样的市场的一些数据,那它就会出现,比如说就像之前一鹏老说的,这家公司是这个样子,那家公司是那个样子,然后结合在一起,它就开始编了。然后我这边呢,除了那个问题,还有一个非常有意思的问题,就是它会去根据你这个问题,它会去延伸其他的问题出来。然后他会去问你一些毫无关系的一些问题然后你要自己再去做办法我本来就不是这个行业用的是什么模型我用的可能国产的会更多一点像GLM像Kimi会多一点点然后其实在用这些模型的时候还有一个问题就是在于他们其实从网上搜集到的一些信息因为现在GEO很发达所以他可能抓取的一些文章都是人家AI写出来的所以那些数据你没办法去考证它是真是假所以这个数据源也是一个很重要的一个点嗯嗯就是我有时候真的会被他这些数据所骗就还是需要一些辨别力的就哪里来的数据它是有公信力啊是的是嗯然后我们再回归到我们WEIC期间这个讯飞发布AI大学堂两个新功能,还有这个请佳琪来介绍一下这是两个什么样的功能。是的,对,也谢谢Colgy的问题啊,这个刚刚今儿我们谈到了一些,就包括这个AI它可能产生的原生信息其实有可能是不准确的。然后呢人类在这个过程里面我们其实是需要把控这个判断和一个去应用的路径,所以针对比如说大家如何去走向一个我们叫做知识啊或者说如何去获取有价值的知识以及说你获取了知识以后你的知识能够去网核数沉淀针对这两个方式其实我们今天发布了两个新的功能第一个功能叫做AI Learning它其实就是一个基于用户的需求和我们可能代行在中国 [25:00] 处续的这种老师傅的积累然后来帮助去大家去匹配一个以中为史来看如果你今天基于你自己的基础你的background然后你希望达到的一个目标或者说你希望实现的一个应用的这个效果是什么样子它能够去自动化的帮你去规划一条最短的路径并且来匹配说这个过程里面你可能需要去学习它这个课程根据目标倒推来设计学习路径是的这个其实也就是说我们在这种特别多的浩尔沿海的课程和信心里面去找出这种高以派白City的一条路这个其实是第一个功能,第二个功能叫做AI Vault, Vault 其实是个人保险箱的意思,我们希望做的是说大家所有的知识。无论是你在平台上学到的还是说你个人处备的这些知识呢你可以放到你的一个保险箱里面这样的话其实你可以在未来比如说你我还想通过什么样的形式去持续的储备他们或者说把它们释放出来去应用这个都是可以实现的所以AiBot的能力是说大家可以把你的知识投位到保险箱里然后他来去帮助你去分析沉淀内化那最后呢当你比如说想去演示他比如说做一个PPT或者当你想去这个做一期播客帮你想去生成一个脑图乃至于说你想去生成一套题然后自己来做做测试或者是生成ATEM.MD让你的agent为之所用的话这个其实都是可以实现的所以我们希望能够用这两个功能一方面去解决或者是帮大家判断什么样的一条路径是今天大家学习带着使命感去学习一件事情最短的路径第二是说学到了知识以后他们能够变成长期主义能够实现富裕的一个cycle的一个机会明白就一个是学会然后再一个是学以致用是的其实今天说到学AI网上有很多的课然后也有人会做课程平台然后咱们这一次做的其实是一个根据目标来去做个性化的学习路径规划的一件事这个听起来其实还是不容易的这里面有没有一些可以稍微展开分享一下咱们具体的做法对对其实这里面我觉得有的时候我们也在思考就是因为毕竟训飞的这个学习平台它可能还是带着训飞的烙印的所以我们一方面其实包括最近我们也在跟一旁的极客时间我们在合作就是在引入更多外部的课程和信息那能够相对来说给大家去提供非常公寓的话的这个扩扩散到训飞体系之外的一些支持和课程体系这样的话呢再去做这种所谓AI路径规划的时候能够确保说用户他可能明确他今天想学的是一个其他的大模型或者可能想跳出讯非的产品结果,他只是想单纯的掌握你的知识,我们仍然能够给他去实现一个更好的推荐。对,然后第二,其实可以延展一点,今天这个,就是所谓的进化它不止集成在个人它还是集成它可能发生在组织对那在组织里面其实有不同的角色包括可能你是传统的开发人员今天是市场人员运营人员包括你可能是一些企业的决策者其实不同的决策当你们想去面向一个共同的组织去AI进化的使命的时候其实每个人他的进化路径可能也是不一样是的对所以在这方面我们也提供这种企业的服务就是针对不同的角色他想去达到目标以及说这个企业本身我们也会提供企业这种这方面的服务有意思其实刚才咱们提到知识库所以这里我也想稍微展开一下我们都知道要让agent跑得好然后给他充分的上下文这个是越充分越好所以想请三位先分享一下就是你们自己在怎么维护你们的知识库维护你们的这个context layer这个还是先请用啊对 我这个过程还比较复杂 比较虚实的 要虚实的 对最开始通过腾讯Ema来维护一个自己的知识户 但是这个知识户不是什么正经知识户就有点儿其实我觉得这个业务压力特别大所以我想每天不管你多忙抽出一段时间去思考一些跟公司跟工作没有关系的东西你好奇的所有问题所以我经常会问一些比如说什么叫数学思维或者怎么样才能具备数学思维然后我把这个收藏成一个笔记然后一脉有个知识库就存进去我之前想的是可能时间长了以后它会变成你个人的一个知识网络对你可以每次浏览一下对但这个东西后面我逐渐废弃掉了就是我不再在上面去送信这样一个知识库我觉得核心是首先它是一些固定的知识问答,严格来说它是一个Wiki的重新组织那如果有一天你忘了这个知识为什么你不要重新问呢也不需要有一个自己的知识库对吧反正问网上也是有的或者AI他本来就可以回答对你这个知识最初就来源于模型OK然后你非要再存一下然后通过人脑去记忆他为什么不重新问你现在还有自己的知识库吗?已经废弃掉,很久不通,停更状态。知识库停更了?而且你可能过一段时间再问模型已经更加上了它能力更想答了它给你的答案可能又不一样你这件事故意要不要刷新呢那你工作中的私有数据 [30:00] 所以私有数据又分为几个层面其实之前我觉得私有数据分两种工作中的私有数据一种是确定性的数据比如说假如我们今天开了一会有了一个共识他沈念成了一文的啊我觉得这个文档要看你的文档处在哪一个APP如果我们用的是非书 那你就应该去非书CLI里面有你们所有组织的确定性的共识文档 对吧那这个问题解决了 还有一部分文档是非共识就这个问题我想了但是我中间被一个事打断我今天只能想到这它是一个半成品然后这个搬众品之前我跟奥斯蒂典在本地管理一个目录就LC点是你文档变多了以后它会自动去帮你生成一个知识网络这个知识网络的每一个节点是有权重的然后你再回顾某一个知识点的时候它会显示跟这个知识点相关联的权重最高的周围的一圈的支援所以现在还在用吗挺痛的也挺痛的对运气来介绍的时候很翻碎然后结果也没有用下去的原因是什么这个问题是A人平台我觉得某种程度把这个功能折离掉了所以说如果你选择到了一个你长期在用的A人平台 不管是中间或者什么其他的为什么你不用它的记忆系统和对话的历史保存用你的scale来去常怠知或者职能一定要在本地维护一个东西这里面出现一个问题我在本地维护这个支付库的支付库的一部分是我手动编的比如说我可能要自己去推演东西我在纸上 我在文档上 打开一文档写入500字关闭保存放在日户里面写完然后下周可能继续保存但这里其实是对AI有一点是不友好的因为当你开始手动的时候AI对你的这部分工作就是不可见的你的信息对AI是黑合的接下来你如果再用AI它是没有办法继承你的这个信息所以我现在争取所有的内容通过AI来修改保证它对所有的修改是执行的如果我一定觉得比如一边特别长文的我只要改三个字我如果要重新通过它去刷一遍要花费更多token我手动把这个文档那我一定要把这个文档回传给所以理论上A任凭来是知晓我所有的过程和非过程的信息,那就没有必要维护一个知识库。有意思,要学生也分享一下,你再怎么维护自己的知识库。其实在一开始打比赛的时候我是有一个飞出的一个文档里面会去存我的一些项目的一些信息包括以前调研的一些数据包括我怎么去学这个比如说提示词啊这些一开始很简单嘛然后就开始去记录就有一个文档吗所有东西在一个文档对就所有都在一个文档然后我就记了很长然后我就发现我后面记不下去了因为我自己不会去看ok 对然后我就后来你的知识会也停根了吗对我那个知识会也停根了然后后来是在什么时候又开始一个新的知识控制就是在那个时候Open Club就是那个小龙虾刚起来的时候我就发现他有一个长期记忆就像之前一鹏老师说的那个长期记忆我就发现他既然能够长期记忆那我就不需要再去整理一个知识库出来我直接通过跟他对话然后发我的一些项目的一些想法然后我自己学习到的一些东西看到的一些好文章我写手就把链接发给他OK然后就通过跟他去沟通啊去聊天啊有时候我在后面我还设置了一个自动化的一个流程一起会去抓一些网上的一些信息当然这个信息源我是有去过滤的对就比如说像是一些论文啊各种各样的这些比较好的一些信息源然后抓完了之后呢他会去跟我的这些项目和我的这些信息做一些关联他就会告诉我哎他每天早上起来就会跟我说哎你昨天的一些知识跟我学到的一些知识可能有一些什么样的一些关联哎我就会发现里面有一些不同的一些思想的一碰撞就出来了是OK,所以现在你的知识库也等于是内化到了Agent的一个记忆系统。对,就我不需要去哪个专门去记或者说让 ai 去帮我整理我直接就是每天就是融日常的那种方式 ok 嗯蛮好的那佳琪因为刚才在介绍咱们AI大学堂的时候也提到了个人知识资产人叫AI Vault嗯,可不可以讲一讲,你们在想要去推广的一个知识管理或 context 管理的这种理念是什么?对,其实刚刚依鹏和许红说了很多痛点啊,就是我会发现人类本质都是懒惰的,大家其实有的时候可能突然起来了也是收集屁起来了就大家希望能够去收集到一些信息投回给我的1WFs agent的收藏机拥有对对机拥有最后真的像Colgy刚刚提到这个词内化了我觉得很可能没有就是它其实只是放在那里占着我的内存或者说未来在我去使用其他的这个我在其他的这个场景里面去问学AI的时候帮我去消耗了额外的token对但它可能没有产生额外的 [35:00] 最后我们也会去思考说那今天我们进行了信息的收集它到底是不是有必要对但其实如果我们展开来看人类学习的过程它其实是说内化的这一步往往来自于你最后去怎么运用这个知识而不是在当时比如说你在课本上读过就你可能做了题你才能够把这个知识内化那今天其实我们提供了AI Vault它的这个我觉得核心功能它不只是局限在前者说大家可以把你的知识和信息投入给AI Vault遇到了一些你需要呈现他的时刻的时候比如说你需要演讲啊做PPT你需要今天大家今天都想做自媒体都想学习Coach大家就想我能不能做一个播客我把我收集到的信息直接扔进去然后变成一个可以去实现的这个播客那我能不能这个比如说比如说我想去做一个讲师然后企业培训了以后我能不能直接给大家出一套测试题然后来核研大家给大家发一个证反而是这些小而美的应用它可能促进了知识内化的进程并没有跟过去的知识库有特别大的天翻地覆的变化而是说在我们已经解决了E-Piped-I-City和学习的路径之后那你的这些信息和知识你应该去找到一个位置并且我们来去规划一下它未来的出口的可能性这个是我们今天的一个思考但是其实坦诚讲AI和学习这件事情它其实是一个无止境的我们只是在此时此刻我们的判断是如此但未来的发展肯定也是有一些变化的包括可能现在我们觉得agent.md它是需要的我们让agent可以去做但是就像一鹏刚刚提到的当大模型变得越来越强了他是不是还真的需要这些信息这个可能反而我们现在都不太能确定但人类在这个里面他能不能在应用的过程中把知识内化这件事情可能是我们希望更多的去探讨的一个点我们再说回学习这个话题其实我对这个许恒还是蛮多好奇的因为许恒打了30多场黑客松然后据说拿了21个奖就是但你又说自己其实不是课班出生原来是学数学是野生的对对是为什么学的这么快啊呃,其实有一种就是在一个环境里面他会道逼你去学习就为什么说我参加那么多场黑客送就是其实我一开始对web coding啊对这些比如说一些软件意见其实我一点都不懂但是呢因为通过参加比赛比赛是在24小时有的甚至就在五六个小时他会逼得你去一定要去学一定要去练一定要去实战通过这种方式你就必须得去倒逼自己去学这些东西不然没有作品可以举个例子吗就是被被自己这个或被黑客松赛制倒逼到的故事哈哈哈哈我印象中很深刻的就是skill就其实在小龙虾刚出来的时候呢他其实就伴随的有skill出来skill其实我那个时候最早是在11月份的时候就有听过别人讲skill这个东西了但我也只是听而我就没想着说哎呀我一定要去学这个东西然后后来有一场比赛他就是skill的一个大赛哦对然后我就我就想哎我报名了以后我怎么去把这个作品给他做出来然后就在那个环境下面我就自己去不断的去找那些资料skill 怎么去做skill然后那个时候还没有一个叫create skill skill就可以做skill的skill那时候还没有我就自己去找然后发现有些文章它就是AI生成的然后你就踩坑了踩坑了之后你要回头然后又要再去重新开始去建一个自己的一个skill然后就这样不断不断的不断的积累积累到后面你才知道原来skill是这么去做的然后才开始就整个过程非常的累但是最后还是呃交了一个完整的一个作品出来所以你30多场黑客松21场拿奖拿的奖金加起来有多少啊我也好奇啊差不多呃笼统的算应该快有10万块钱了哇塞嗯嗯很厉害那你接下来比如说呃这个开始也在这个AI大学堂做步道师对吧然后你也这个开始给身边的一些朋友们去教大家用AI嗯然后你会发现就是一个人他从小白到他开始学这个过程中就是最容易卡在哪一步吗我觉得最容易卡在的就是实战实战对因为我自己本身就是边学 [40:00] 比较火的就是有个手势的一个什么那个那个前端那个交互哎这个东西大家就会比如说那个时候我就觉得我看我就会了那后来真正开始实操的时候就中间有很多卡卡点就出现了然后就不断的又去采坑又去学然后看怎么练的怎么做的然后这个时候慢慢的你自己就知道哦有什么前端有什么后端有什么数据库还要去选各种各样的这种架构慢慢的才积累起来的所以最重要的还是要实战就是不能说你自己看了你就等于会了嗯嗯嗯哎一鹏这个呃说到实战这个我这你有一个比喻啊就是打NBA的那个比喻好打NBA的比喻大家再看看是不是学蓝球对是可以给大家讲一讲吗?对我觉得这个事情就是嗯其实你在实践的过程中会发现很多意想不到的问题而且这个问题可能是非常个人化的嗯比如说比如说我们唱歌吧 有些人可能是因为音域窄 有些人单纯是跑调 它其实是不同的问题 你很难在一个通用的方法中去把它整个的解决掉所以其实我觉得实战其实是其实我觉得实战或者是以练带学以学带练什么笼统的这些说法某种程度上都是在帮你去尝试定制一个fit你的这个版本的学习计划和内容如果你不去做的话就只是看了一下你会觉得这个事情其实对于你来说是套了一个号码不合适的鞋你其实走起来会很困难是所以其实InfoQ是非常影响力的这个社区媒体然后你们的即刻时间也有很多人在上面就进行各种各样的和计算机相关的学习然后我了解到咱们公司其实规模也有这个接近200个人对所以我也很想这个听一鹏分享一下就你观察到新一代的这些工程师们或者这个技术人员们他们在去学习或者去求职的时候在我们说2026年是一个什么样的行业的状态?我觉得这个状态,我们先说行业的大状态吧,我觉得行业的大状态是人才供需双方的gap的继续拉大过去我们经常看到的一个情况可能是大家招过人都会懂我招不到人我真的费了很大劲也找不到人说的主要都是工程师都是技术人不不不不不所有行业所有行业但是有相当一批人找不到工作 ok大家match起来我觉得这个gap再变得越来越大我觉得核心就是我可能今天很多团队包括我的团队我希望抓到一个他真正热爱这件事情会为这件事情去投入去做的事情可能这跟我个人的经历有关因为我当时从研发行业到内容行业其实经历过很多心理的斗争 核心的问题就是钱研发行业是个高吸引行业一个普通的成员很容易匹配你的总监级别的内容行业的一个人的心思这是很容易的你从一个高级行业跳到一个低级行业而且研发行业当年是招养行业 我14年毕业移动互联网蓬勃发展的时候 到处都缺这个工程师对啊 然后你却跳槽了一个内容行业 这事你怎么想的吧我后来说服自己的一个核心问题就是 如果一个事情你真的不喜欢了你是没有办法把它做到卓越的如果你做不到卓越其实这个行业好与不好跟你关系不大因为你一直在这个行业的底层去挣扎每一个行业的底层其实也都差不多所以回归到极实间提供的课程我觉得它其实更多给你提供一模板如果你觉得他的这套最佳实践跟你有点像你直接去抄因为有些时候你不懂这事其实你不好提问题你其实提不出来什么问题你直接去匹配他的时间案例看看对你是不是有帮助另外如果回归到新同学在这方面的能力拓展和找工作我觉得还是还是要找一个你最喜欢的事情你真的热爱的事情我过去问自己的一个事就是如果下半生你只能做这一件事别的什么都不能做不能换行不能跳槽你只能做这一件事情你能不能做下去如果你就觉得还可以这件事我可以做一辈子你就做,这件事就是你喜欢的事情,这是非常灵魂拷问了,对对对,但你喜欢的事情你要真的去投入,我过去跟很多同学聊,你说你喜欢写稿子,你喜欢做播客有没有自己努力去学习过相关的支持怎么觉得然后你在过去在这上面投入的时间是怎么样的有没有付费去买一些课程就花你自己的钱去买一些课程我记得之前我跟一位媒体行业的老师聊他问我很有意思的问题 他说 你觉得你是吃那种这碗饭的人吗 我说是他说为什么?我说我在乐视做工程师的时候,每天我9点下班到家的时候那个时候正好是公众号比较火的时候 [45:00] 自己的公众号 因为你当天要发布出去 所以我9点坐在电脑前三个小时连写带排版再发布 每天如此 没有人逼我这东西 我也没有收入 做到日更对 传说中的日更博主啊 那个时候大家做公众号都是这样的 大家还有自媒体的群 大家在聊啊谁出了10万家 生家怎么做的什么题 那个时候都是这样 就是一派心心向荣 但是你要真的去投入你只要投入了你的投入的痕迹很容易看出来你可以展开一个人的履历你很容易看出他在这件事上是有没有投入痕迹的健身的训练痕迹你也很容易看出来对吧如果你不投入这件事情我觉得这个社会在过去他会着重奖励追求卓越的人在未来会更加的去奖励追求卓越的人因为不卓越的那个链条已经断掉了不准确的链条 那我搞一个AI好了AI什么都懂 可能不是卓越 他什么都懂 但是他不能判断这个路径这个跟现在很多的新手朋友是一样的 我学习了很多的知识 但是我也不能判断作为博客怎么做第一步什么 第二步什么 我也判断不来 你跟AI有什么区别 对吧 所以我觉得对于大家今天来说 你要找到一个自己喜欢的东西 然后全景去投入真的为他去付费 真的去调用自己的很多的经历 你的痕迹会很容易被看出来 然后这个市场上自然会有很多人去认可你也像是对吧,今天我们就做一些自己的事也可以啊,也OK啊,然后我们去参加一比赛,去自己创业,扣定什么东西也OK啊,我觉得这是一个前提吧,对,我觉得这个讲的特别好啊有意思,对。我们刚才还是有在讲学习相关的大话题嘛。但是说到学习,其实今天大家还有一个直觉或者下意识的反应,就是报课。或者买本书对然后想请三位分享一下在你们看来今天我们这样系统的去学一本教材或者系统的去学一门课还有意义吗或在什么样的条件下它还有意义嗯这个哪位先来回答好的徐亨来嗯其实我觉得还是比较有意义的为什么呢就是在我去不断去踩坑就一个新的东西刚出来的时候你要去自己去搜信息然后你要自己去不断的去实践实践了之后踩坑然后花了很多时间就这个挺费神的然后我自己在去做这个事情的时候其实虽然说他整一套系统的学下来我是学会了这个东西但是我浪费了我自己的时间所以对于我自己来讲我是很渴望有这么一个平台他已经帮我挑选好了一些优质的一些课程然后我但凡有个不会的我就可以通过他系统去学因为真的系统学完之后你就真的可以去把它应用到你自己的真实的这个比如说你的任务里面或者说你的这个工程环境里面就像之前呃如果说不是有一个以这个我跟他这个银他是专门教你怎么去开发的对然后在那之前其实我对开发这一个整个工程的这种这种知识体系我是不了解我是左学右学左学右学就是野生嘛然后实际上没有很深度的去学然后自从遇到那个银之后他把所有的这些精华的东西给他挑出来了然后从头到尾系统学了我只哦是这个样子然后打那之后我就觉得系统学习是真的非常非常重要有意思嗯但是要找到好的系统对一定要好的系统或者一个好的一个学习平台OK嗯回答cote的这个问题其实我是觉得也特别重要就因为这两天呃外科这两天我也跟很多的这种比较资深的一些CTO或者CIO在聊然后因为刚刚正好一鹏也聊过说聊到我们最近在招人的遇到的这种gap就是可能从幼儿人方我们希望招到这些人可能他需要在某些能力战上面要有热爱要有沉淀但真的我们在市面上找到这样候选人的时候其实挺难的然后呢候选人可能他们也觉得难以找到合适的工作对在这个过程里面我最近在招的角色基本上都是希望能够招到一些相对高级的不是像大家今天想找到更多的年轻人一样我以为是我自己的认知的问题就是因为我觉得现在很多高阶加上agent还是能够处理很多走量的问题同时大家的因为经历过了体系化的训练经历过了多少年的这种比如系统化的沉淀大家还是有一些能力的那我在这次外科现场跟这些人聊的时候发现好像也是成为了一些共识哦对包括我跟一家这个这个这个这个Base在上海的这种视频公司总部在视频这个这个总部在上海视频公司的一个这个只有一家对这个主持人在聊哈他说他他在内部正在去组建一个呃35岁以上的团队35岁以上的工程师团的是的他会从内部找到这样的一群人然后他们希望能够后面推出一些真正能够面向企业的大家用的好 [50:00] 这样的一些HGI的产品他也觉得只有这群人才能够做得好因为今天可能在三十五岁以下的或者说尤其是刚刚刚刚走入职场这些这个我们叫做马农或者程序员啊大家其实非常依赖于外口定但你依赖了太多了以后就是你怎么去分辨就是他是不是经就是能够你有这种体系化的课程的这种培训的能力或者多少年的储备你去识别哪些东西对的哪些东西错的这可能是比较难的比如说大家都知道的就是最近沃克巴的很火啊,但Q可乐也是腾讯的产品,但可能他对应的这个大家的体验就不太好。然后一些就是也是内部的这个消息,我们知道的是说其实这两个工程师团队就是不一样的,不一样的画像。哦,什么样的啊,比如说他的模式特别像是刚刚我提到的这个这个就是三入最类似级别以上,就大家这群人其实开发的人,他不是。不是说短平快我要快速把一个东西开发出来而是说他可能之前就是做2B的啊当然是这个做了很多这个2B领域的这个深工当然是到企业级的软件应该去怎么去做然后呢他们反而是特别看重人类在哈那次层上面的投入就是我没有说把所有东西一切交给AI但Q Cloud其实大家也知道就是很多这个尤其是最近涌现的龙虾套壳的产品其实有特别多这样的问题就是基本上在龙虾外面的壳也是这个外扣定做的然后甚至是龙虾也帮助你天真家最后做出来这样一个应用你就会发现他没有深度的思考过他可能在实际的使用中会产生特别多的bug对然后以Iho回来今天我们的这个就是我们在这个大约堂上面的一些价值主任其实是这样就是从这个系统化的学习和体系化的角度其实我们是觉得这个当然大家很多浅显的问题可以问但是刚刚学生也提到过就是当你去走到应用的这一步时间的那一步其实还是需要有一些更深度的思考AI可能告诉你那一条路,但那一条路如果它有匹配的课程,真的沉下心去学习的话,你还是会挖掘出来不一样的信息和不一样的知识。那用结构化的方式去做,能够让整个系统的这个卢邦性更强一些,也能够让本身的这个项目走的更远。这也是我们,就是为什么我也认为说今天系统化的学习到一门课,它是特别特别重要的。还是非常重要的,系统化,结构化的去学习。依蓬你是有相同观点还是不同观点不分相同 我觉得今天系统化的 我觉得相同的部分是今天系统化的学习仅限于经典课程我觉得你可能而且这个经典课程可能还要再收拽一些比如说一个非常有经验的教授或者一个非常有经验的从业者围绕这个领域就给我推荐三本书这三本书一定要好好读而且要多读几遍 经典教材因为经典教材是其实大家可以通过AI生成是生成是AI的模式来理解这个问题生成AI本质上如果你给他设定了一个go他去完成这个go的时候他是从0到100把这事情重新推演了一遍 然后输出了一遍对吧但是很多我们过去已有的经验包括我们今天的科技也是站在巨人的肩膀上这些东西不需要你去重新推演你很容易走偏所以这个时候需要有一个顶级的专家带着他对这个行业的理解认知锚点底层逻辑帮你去推荐几本经典教材你学完了以后你才在这个理论中有你的基础的锚点你才会达到一里通百里明的这种效果如果一开始没有接触过非常底层逻辑的这种经典教材你很容易在这个过程中摇摆比如某一天我拿出一份非常有说服力的一个理论忽悠你的然后你可能就他说的对吗你很难判断这个事情因为你没有接触到底层逻辑但是话说回来如果非经典教材体系课程其实你也很难判断这个事情对吧你说很难判断什么事情课程的质量啊啊所以你围绕很难判断质量的体系课程去学习,它会把你打向哪里,你很难判断这事情,包括23年AI刚火的时候,一大堆人在做课卖各种课那怎么办呢要有一些识别好课程的技巧吗非经典教材我建议就是以练在学要去找到一个问题 因为你在问题的过程中 这个东西能不能解决你的问题 你很容易判断 但如果你没有问题 他对不对的 你就很难说了 对之前工程师都是 工程师的学法都是你要学一个东西 你首先要买一本教材 但是教材当自典用的 不是让你一页页去学过去的 对吧 把教材放在这儿 你先去做 有什么问题去里面找 这个项目做完了 你这个事就基本已经学会了 对吧 所以我觉得这也是一种快速的学习方式可以互补我觉得这是非常好的建议我们今天直播现场应该也有非常多观众是很年轻的朋友不管是大学生还是职场的新人 [55:00] 对,那我们今天直播的最后一个问题也留给三位来给这个可能更年轻的刚开始这个进入职场的这个做技术或者做AI相关工作的朋友一个建议,你们能想到这样的一个建议吗不管他是一句话还是一个动作还是去看一个什么样的东西好要不有请许恒先来我觉得最重要的一点就是不管你做什么东西首先第一点想到 ai 嗯怎么去把 ai 融到你的这个工作或者生活当中这一点是很重要的就那个有句有有个词叫做 ai native 就大家争取做一个 ai native嗯 好的对如果是我的话其实呃我觉得就是其实刚刚一鹏说的那个很重要的一点就是所谓的这个经典的教材就是这个一定要读那回过头来我们如果大家去呃今天需要学习或者需要去构建的话第一件事情不见得是要去先去建立一个知识体系而是说我们可能先去找到呃比较呃在业内比如说有一些影响力的或者说经过时间验证的一套体系然后来作为大家的坐标然后在此坐标技术上再让AI去帮助你去往前去推进建立坐标嗯其实之前抢答了一部分对抢答的那部分就是一定要找到自己来做的事情但我觉得另外可以补充的就是执行力也在这个时代执行力特别的重要我其实见过很多同学有很多好的想法他这想法我觉得也没错但是没有启动 这个事情可能拖着拖着就过去了 这个放在过去可能还有一定的融色空间 因为过去时代发展没那么快但今天可能AI时代你一拖半年之后它就是另外一片天地 确实那你之前白想了 所以这个时代有时候很多就是粗放但是快速的生长不怕做错或者也不怕做的不完美你要先去做这个事情长出来会比它长成什么完美的样子会更重要一些然后今天我认识的很多在各行业做的比较好都是我有一个想法可能今天我躺在床上马上就要入睡了有一想法突然之间从床上爬下来不睡了连夜这事搞完了第二天它的结果已经出来了但是如果折行率比较慢也可能这事就一拖几个月我觉得听起来有点像大道理因为它不是一个因人而异的方案所以我这里想得再给一个因人而异的方案如果你是一个自趣力很强的同学不用多说了你执行力很强那你去执行就好了如果你是一个执行力不够强的同学不代表这事就干不了我觉得要适时的去借力借力对比如说媒体行业很多公司是不做班大家爱在哪在哪但是我特别喜欢做班不是因为我喜欢当牛马去上班急力气上班你要求员工也跟你一起做吧还是你只是要求自己做吧当然我们公司是做班的但是我在不做班的公司我基本也都会去公司对我为什么要做这个事因为我知道我不是一个自居力很强的所以我要借势我要借这种外部的组织管理力度来帮我自己去校正一个方向哦对所以我觉得 美花硬上很多时候我觉得要换一个眼光去看待外部给你施加的力之前马云不是说同学离职就是因为委屈或者欠少对 委屈人在什么时候会觉得委屈就是因为他觉得被强迫了这件事情我不想做但是你逼迫我做我会觉得很不爽但是有的时候换过来一个角度看其实也是一个借势的过程也是一个借力的过程我确实不想做这个事情比如我也不想加班但是如果你让我在家里独自去搞我可能周末可能真就一躺就过去了手机一刷就是半天了但是如果我在公司或者在某一个场景下这件事可能就会执行下去所以我现在之前想跟cody一样去做播客当然现在这是最近实在是太忙了叫的没得睡就先挂掉了但是之前那个播客我发现很长一段时间因为忙都没有启动起来后来我就直接找了几个外部嘉宾我们这天就要发定了一个data linedata line定了以后生产利用然后这事第一期就做出来了其实这也是一种介事如果我不做了我其实在爽约你其实对你的个人心里是一个影响我觉得非常有趣最后大家给的建议穿在一起什么事先想到AI然后要去尽量建设自己结构化的思考才不会被AI带偏然后最后就是想到什么赶紧去做所以看完我们的直播就赶紧去实践今天听到的一些想法和建议好呀,那我们今天的直播先到这里,然后感谢三位的时间,也谢谢大家的时间,拜拜!