Koji 与老朋友鸭哥在从乌镇开往上海的旅途上展开了这期“公路播客”。对谈开门见山切入近期在 AI 圈引发热烈讨论的产品 Jev。虽然外界反响极大，但鸭哥坦言自己第一眼看去，觉得它“不就是 GPT 加上 JSON mode 吗”，且内部许多技术细节让他很想吐槽。不过鸭哥明确表示这并非纯粹的炒作（hype），它确实有值得深思和学习的地方，只是公众在认知上存在明显偏差。
第二是**教科书级的叙事与 PR 包装**。Jev 将这种技术提升包装为认知科学中的“System 1 与 System 2（快思考与慢思考）”的范式变革。借助诺贝尔经济学奖得主丹尼尔·卡尼曼的理论，他们将世界二元化——声称过去大家只认识负责深思熟虑的 System 2（LLM），却忽略了本应负责即时直觉反应的 System 1。加上其团队成员拥有 InstructGPT 等开创性论文的共同作者光环，使得这次发布成为一场极其漂亮的营销战役。
---
[05:00](https://www.bilibili.com/video/BV1bEp36uEPy?t=300s) Jev 的真实应用价值：Computer Use 与 Harness 防御
在实际落地场景中，鸭哥观察到两个非常令人印象深刻、且最具工程价值的方向：
1. **Computer Use / Browser Use 的交互提速**：
过去的视觉方案普遍是将屏幕截图直接喂给多模态大模型（VLM），模型需要消耗大量的 token 和耗时去理解像素画面，延迟极高。若将其重构成分类任务，直接向模型输入网页的 DOM Tree，让模型判断“下一步应该点击哪个节点”，甚至采用级联分类（cascaded classification）——先定大框架再定位小按钮。这种做法能将 Browser Use 的响应速度直接提升 10 倍，且极其便宜。不过鸭哥也冷静地泼了冷水：这个性能飞跃究竟来自“将视觉图像转为 DOM Tree 纯文本”，还是“将自由生成转为受限分类”，必须进行严格的消融实验（ablation study）才能确定。
2. **AI Harness（运行治理框架）的内部安全分类**：
在 Codex、FloatCode 等工具中，当 AI Agent 发出危险操作（如“删除这批文件”）前，Harness 系统必须先运行一道安全拦截。由于 Agent 的每一次工具调用都必须进行一次审查，这一环节对延迟（latency）和成本极其敏感。过去只有少数大厂有能力自研一套通用且快速的私有分类器，开源框架很难兼顾。Jev 类技术的出现，让开源 Harness 能够极低成本地移植这种通用的安全判定能力。
**趋势一：给 AI 一台永不关机的云端电脑（Persistent Cloud Computer）**
早期的 Cursor Cloud Agent 机制依赖与 GitHub 绑定，每次执行任务都在云端拉起临时虚拟机（VM），执行完任务提 PR 后 VM 便被销毁，没有持久化记忆。而自 2024 年 4 月起，Manus 推出了云端电脑概念，随后 xAI 推出 GrokBot，Meta 推出 Muse，均走向了同一个范式：让云端 VM 保持持久运行、不被销毁。
这种设计的核心优势在于“脱离码农场景走向真实办公”。AI 可以持久保存用户的登录凭证和生活习惯记忆。订机票不用重复输入证件，去大众点评不用反复登录，省去了用户自己在家里架设 Mac mini、做内网穿透的繁琐运维。
**趋势二：基模能力渗透进重工业级领域（以 3D 动捕为例）**
利用多模态能力，鸭哥通过几句自然语言提示，便端到端生成了一个 3D 可达鸭模型，并自动完成了纹理映射、骨骼绑定（rigging），进而通过本地摄像头实时捕捉自己的面部表情与身体动作，让二次元角色实时同步——直接跑通了一套 Vtuber（虚拟主播）的原型系统。过去这需要动用建模师、绑定师、动作捕捉框架等一套完整的工作流，而现在单靠一个基模就打穿了整个工业链路。鸭哥也为此开源了对应的 3D 技能（Skill）。
虽然模型能力突飞猛进，但鸭哥强调：**个人使用 AI 的底层心法并没有发生本质变化**。
两年前人们常说“大模型还是小学生，别急着让他打工”，现在它成长为了“本科生”，但核心依然是“不要把它当工具，而要把他当人”。管理者必须明确交付标准、验收成果并容忍甚至预防错误。
鸭哥分享了一个体现 AI 综合实战价值的家庭突发案例：
他的孩子在幼儿园调皮拉扯，导致关节脱位（医学术语为“牵拉肘”/ Nursemaid's elbow）。孩子回家后疼痛哭闹，学校也发了事故报告。初次面对此类状况的家长毫无经验，且当时西雅图正下着大雨。面对美国昂贵且漫长的急诊（ER），他们陷入两难。
```mermaid
flowchart TD
accTitle: AI-Assisted Medical and Insurance Workflow
accDescr: A visual representation of how the parent leveraged AI from initial medical diagnosis to hospital selection, claim processing, and documentation.
subgraph Phase1["第一阶段：就医诊断与决策"]
A["孩子受伤哭闹<br/>关节活动受限"] --> B["向 AI 描述详细症状"]
B --> C{"AI 分析推理"}
C --> D["诊断推断：高度疑似牵拉肘"]
C --> E["就医路径指导：避开 ER，去 Urgent Care"]
C --> F["LBS 实时筛选：锁定西雅图儿童医院 Urgent Care<br/>（核查排队与口碑）"]
end
subgraph Phase2["第二阶段：线下就诊与复位"]
F --> G["就医现场：对齐医生判断"]
G --> H["手法推拿复位（咔一下搞定）"]
end
subgraph Phase3["第三阶段：保险理赔与文档沉淀"]
H --> I["处理学校医保自付免赔额（Deductible）"]
I --> J["AI 接入邮箱，完全接管 Context"]
J --> K["生成材料清单，起草并抄送邮件"]
K --> L["人工拨打关键催款电话"]
L --> M["学校保险支票寄达，Case Closed"]
M --> N["沉淀两份 SOP 文档：<br/>一份给人看，一份给 Agent 执行"]
end
```
孩子伤愈后，事件进入第二阶段——**学校保险理赔与自付额（Deductible）索赔**。
涉及医疗与学校保险的报销流程充斥着繁杂的专业术语与材料往返。鸭哥让 AI 全程接管理赔流：
- **Context 深度对齐**：因为全流程与 AI 探讨，AI 掌握全部发病细节、就医记录及账单明细。鸭哥将其接入个人邮箱后，AI 直接读懂学校发来的处理流程、解析保险公司发来的复杂账单。
- **自主起草与跟进**：AI 自动生成理赔申请材料，确认收件人与 CC 抄送名单，起草并发送邮件。唯一的“人工肉身干预”是在最后一步——针对美国机构“不打电话就不寄支票”的拖延惯性，由鸭哥人工致电催办，其余材料流转全部由 AI 自动化跑完，直至收到赔付支票顺利结案。
随后事件迎来了第三阶段：当幼儿园另一位被咬伤的孩子家长面临相同的理赔难题时，鸭哥直接让 AI 复盘之前的全量操作日志，一键生成了两份文档：
- **一份给人看**：清晰的认知手册，梳理每一步要找谁、准备什么；
- **一份给 Agent 看**：结构化的执行标准（SOP），其他家长直接扔给自己的 AI 助手便能自动化跑完全程。
鸭哥特别强调了自己的技术价值观：**“一切皆文件”（Everything is a file）**。
他强烈反对为了用 MCP 而用 MCP、为了搭 Memory 数据库而上复杂架构（如复杂的向量库或复杂的独立 memory layer）。他盛赞 Manus 此前发表的关于 Context Engineering 的文章“价值 100 万美元”，其核心思想便是利用本地文件与命令行（CLI）作为最高效、最直观的抽象形式，因为大模型本身对文件读写与 API 调用就受过了极佳的训练。
这也解释了鸭哥目前尚未使用 Manus 或 GrokBot 等云端持久化电脑的原因：出于对隐私和零数据保留（Zero Data Retention）的考量，鸭哥本地的聊天日志和上下文文件中往往夹杂着明文密钥（API Keys）与敏感机密，全盘同步至第三方云端存在极高的安全隐患。
Koji 对此深有共鸣。他分享了自己近期的本地化实践：通过微信插件将聊天记录全量备份至本地，并接入 Codex 实时读取。在参加百人级的大型社交活动前，只需将与会名单扔给 Codex，AI 便能自动挖掘出自己曾与哪些人有过交集、甚至谁是二度好友，在真实场景中带来了巨大的信息惊喜。
[035:00] 线下聚会“买便宜松节油”与自媒体痛点
在录制这期播客时，两位主播聊到之前用微信群聊记录配合 Agent 直接进行头脑风暴并输出播客大纲的科幻体验。受此启发，Koji 计划在“十字路口”发起一系列线下活动，让大家聚在一起交流使用 Codex、Grok Bot 甚至是普通 AI 工具的实操技巧。他引用了毕加索的名言作为比喻：“艺术评论家聚在一起讨论的是艺术的风格和流派，但是当艺术家们聚在一起，他们讨论的只是去哪里买便宜的松节油。”这个活动也可以命名为“松节油”，目的就是让 AI 从业者和深度用户交流去哪里买便宜的 Token、如何把工具能力压榨到极致。
随后话题切入到鸭哥的个人网站（yage.ai）及其在 X（Twitter）和 Newsletter 上的全自动运营。作为 Superlinear Academy 的讲师，鸭哥经常遇到学员询问从哪里获取最新且靠谱的 AI 资讯，而传统自媒体往往充斥着低质或营销内容。然而，如果由鸭哥自己每天耗费大量精力去全网搜集资料、梳理写作逻辑、产出深度长文并编写引流文案，在时间上根本无法承受。这自然引出了一个核心命题：能否让 AI 自主接管，打造成一个名副其实的“零人公司”？
表面上看让 AI 写文章很简单，但深究下去却困难重重。鸭哥从大语言模型的底层训练逻辑进行了解释：
- **预训练阶段（Pre-training）**：其本质目标是 Next Token Prediction（下一个词预测）。AI 学会的是人类全网数据中的最大公约数与“共识”。但从投资或内容价值角度看，共识注定是没有超额收益（Alpha）的；直接拿开箱即用的 AI 产出内容，往往充斥着泛滥的“AI 味”和正确的废话。
- **对齐阶段（Alignment）**：为了安全性与普适性，人类反馈强化学习会惩罚过激言论，奖励八面玲珑、保守温和的输出。像乔布斯、马斯克这种性格鲜明、极具攻击性或极其大胆的人物风格，在对齐阶段最先会被干掉。因此开箱即用的 AI 输出注定中庸平庸，根本无法用来独立维持一个高调性、有鲜明洞察的专栏。
---
[038:30] 用 Context 逼出舒适区：自营媒体的自动化闭环
为了打破平庸，鸭哥的做法是向系统注入大量的思维 Context（上下文），把 AI 逼出安全舒适区。以调研新技术 Jev 为例：普通的 AI 只会搜罗新闻与基本原理，输出四平八稳的科普和中立免责声明；但注入了鸭哥思维框架的 AI 则会主动遵循一套固定的调研方法论：
1. **横向调研**：梳理竞品与 Alternative，对比不同技术路线的区别与各自优劣。
2. **纵向调研**：深挖相关公司与技术流派的发展历史，分析过去怎么做、现在为何演进成这样。
正是这些深入的方法论 Context，让 AI 写出的深度分析读起来不仅没有机器味，反而极具独立思考的深度。
鸭哥分享了一个验证该机制的极佳实验——**“永哥说餐饮”蒸馏案例**：
抖音网红“永哥说餐饮”专门帮普通人把关开店选址与成本测算，实战经验极度接地气。鸭哥让 AI 批量爬取并转录了永哥的 100 条实战视频，让 AI 自主总结出 20 条硬核选店经验。例如：开早餐店不能单看人流量，更要看“人行动线”——即使旁边是中学，但若路口横着隔离栏杆，学生绕道红绿灯需要多走几百米，店面生意就会彻底告吹。经过这一步蒸馏，AI 便能完美化身为“赛博永哥”，以极度刁钻的线下经验给用户做问答诊断。这个技能同样可以用来“蒸馏”你自己、你的老板或你讨厌的同事。
在准备本期播客对谈时，鸭哥逼问 AI 如何提炼这套体系的核心主线。AI 给出了极具启发性的架构概括，将鸭哥所谓的“Context Infrastructure（上下文基础设施）”清晰归纳为三大闭环要素：
- **收集与整理 Context**：全方位采集并结构化人类散落在各处的思维与经验。
- **消费 Context**：赋予 AI 正确阅读、调用这些上下文的能力。
- **反馈再生产 Context**：AI 消费后输出的内容与外界交互结果，自动沉淀为新的 Context，形成持续自我复利的增长飞轮。
---
[047:00] 零人公司的商业现实与“管理 AI”的新范式
谈及这套自媒体系统到底赚不赚钱，鸭哥坦诚表示：它在赚钱，但并没有跑通一个全新的独立商业闭环。其营收目前依托于 Superlinear Academy 的成熟教学业务。由于这是一个活生生、零起步涨粉几千的真实 Case，学员一眼就能看懂其巨大价值，因此作为教学案例带来了直接的学费转化。
鸭哥总结，AI 极大地解放了脑力——一个人完全可以雇佣一个由 AI 组成的律师团、医生团或秘书处。但到目前为止，AI 还无法凭空识别市场痛点、自发跑通端到端的现金交易。对于普通个体而言：
- **“就差一个程序员”的想法型人才**：AI 是最完美的催化剂，因为 AI 填补了唯一的工程落地短板。
- **缺乏商业 Sense 的传统纯程序员**：在 AI 时代反而可能陷入劣势。这类人容易产生“我本身懂技术，肯定用得比别人好”的虚幻优越感，却忽视了自己的商业短板并未被弥补。
AI 时代最奖励两类人：一是**具备深厚领域专业知识（Domain Expertise）的人**，不论是硬核技术还是商业洞察；二是**懂得如何“管理 AI”的人**。
```mermaid
flowchart TD
accTitle: 管理人类员工与管理 AI 的范式对比
accDescr: 对比了传统人类管理对心理动机的关注，以及 AI 管理对任务外化、明确提示词的关注。
subgraph ManageHuman ["管理人类员工 (关注心理机制)"]
H1["需耗费大量精力『画饼』以激发动机"]
H2["注重内部消化与领悟 (内化)"]
H3["需小心翼翼照顾自尊心、防范人际误解"]
end
subgraph ManageAI ["管理 AI 智能体 (关注外部工程)"]
A1["天生具备 Helpful 属性，无需情感激励"]
A2["必须将需求彻底白纸黑字变成 Prompt (外化)"]
A3["直奔指令清晰度，可肆意批评打回无需顾虑情绪"]
end
```
鸭哥强调，应该用**管理学视角而非纯技术视角**来看待 AI 的协同：
- **动机差异**：人类经理一半的精力在学习怎么“画饼”来鼓舞士气，而 AI 天生被训练成“You are a helpful assistant”，执行意愿极强，甚至为了完成任务敢于尝试入侵系统；
- **内化 vs 外化**：管理人强调“内化领悟”，管理 AI 则必须极度“外化（Externalize）”——所有的业务逻辑、评判准则、隐性知识都必须沉淀为具体的 Markdown 文件和 Prompt；
- **心理负担归零**：管理 AI 不需要维护对方脆弱的自尊心，可以极度直接、严厉地纠错，甚至直接爆粗口，核心唯有指令的精确度。
subgraph RegressionAnalysis ["模型分析与因果伪证"]
A & B & C & D --> E["AI 运行多元变量回归"]
end
subgraph Insights ["归因发现与行动方案"]
E --> F["咖啡：无显著关联\n(省去一周戒咖啡验证成本)"]
E --> G["酒精：前半夜镇静/后半夜破坏\n(表现为浅层正相关)"]
E --> H["致命元凶：睡前最后一次 AI 聊天时间\n(多线程并行脑力运作导致大脑高度兴奋)"]
H --> I["改善行动：晚上 7-8 点后彻底停用 AI\n次月平均睡眠时长暴增 1 小时以上"]
end
```
通过这套实证分析，AI 瞬间帮鸭哥证伪了“咖啡因耐受度”的假设，避免了数周盲目戒断的折腾；更进一步揪出了真正的核心元凶——**当天晚上最后一次和 AI 聊天的具体时间戳**。鸭哥习惯在三折叠屏上多线程、高强度使用 AI，这种持续的极限脑力运转让神经处于极度亢奋状态。遵从 AI 的建议在每晚七八点准时合上终端后，鸭哥第二个月的每晚平均睡眠时间直接增加了一个多小时。
这种能力让鸭哥感叹自己“真正成了器材的主人”：在三星三折叠屏手机上，他让 AI 为自己量身开发了一个移动端 OpenCode 客户端，配合全语音输入，彻底摆脱了电脑与键盘。
在 Superlinear Academy 教学过程中，鸭哥见过大量能力爆棚、直接通过 AI 项目变现的优秀学员。他指出优秀者的唯一共性就是**极强的执行力，拒绝纸上谈兵**：
> “学 AI 就像学游泳一样，你不可能通过看视频学会游泳，你必须亲自跳进水里。不要想太多，像课代表教做自媒体一样：先不管好坏拍出第一个，再拍第二个，连续拍满 20 个视频再来谈方法论；学 AI 也是一样，亲手跑通一个真实项目再说。”
对于软件行业的未来，虽然 App Store 历史性地迎来了软件付费下载增长率的下滑，全网充斥着“Vibe Coding 会毁灭一切外购 SaaS”的论调，但鸭哥认为有两类软件依然不可替代，自己也心甘情愿持续付费：
1. **网络效应与共识性工具**：如 Microsoft Office 系列。软件本身的先进与否不是关键，庞大组织间的商业协作共识让单兵无法脱离生态。
2. **正确性成本极高、维护负担沉重的安全工具**：如 1Password（传闻其团队达到近千人规模）。密码学开发的第一准则就是“永远不要自己去实现密码学代码”，这类基础设施需要由极度专业的团队背负高昂的容错成本。
播客接近尾声，车辆即将从乌镇驶抵上海。Koji 请鸭哥立下一个一年之后的“赛博许愿”。鸭哥表示，他最希望将个人身上跑通的 **Context Infrastructure（上下文基础设施）** 全面推向组织级协同与执行：
- 传统企业推进核心文化阻力极大（例如亚马逊极其推崇的“Bias for Action / 崇尚行动”领导力准则，靠反复开大会、层层宣讲，员工依然很难真正内化落实）；
- 未来如果大量执行层由 AI 智能体接管，向组织注入某种决策风格将变得极其轻量——只需在中央 Context Infrastructure 里修改一段 Markdown 或给 Prompt 加上明确的评判准则，数以千计的 AI 节点即可在确定性、指令遵循性上保持完全一致，在企业协作中释放出惊人的工业化效能。
[01:10:55](https://www.bilibili.com/video/BV1bEp36uEPy?t=4255s) AI 目前的边界：具身风险、直接后果与公路播客收尾
当 Koji 问到“现在还有什么事情是 AI 帮不到你的”时，鸭哥坦言依然有很多边界是 AI 目前无法跨越的。首要的就是涉及人身物理安全的具身智能（Embodied AI）：鸭哥拿节目录制前化妆师 Kimi 老师帮他做造型举例，如果换成一台带着机械臂的 AI 机器人来给他画眼妆，他绝对不敢接受——“咱都不说打我一拳，他在我眼睛上面画的时候把我眼睛弄坏了，这本身就不可接受”。其次，凡是会直接产生严重外部后果、不可逆的操作，鸭哥目前也不太放心完全放权，例如未经人工最终审阅直接公开发布文章，他目前心里依然觉得不够 comfortable。不过他也强调，这个信任边界一直处于动态演进中，就像半年前他认为无法完全放手的事情，经过半年的“0 人自媒体公司”实验，现在也已经逐步接受并实现了全自动运转。
前微软工程师靠Context基建运营零人媒体 称写码能力已大幅贬值
大模型普及导致纯粹编码与常规设计迅速贬值，未来最核心的竞争力在于将业务逻辑外化为确定性上下文以驾驭智能体。
本期对谈首先剖析了近期爆火的 Jev 本质上是底层基模成熟与精准 PR 叙事的产物，并探讨了云端持久化电脑与基模驱动 3D 动捕的技术演变。鸭哥随后通过孩子在美就诊、保险索赔的实操案例，阐述了“有了 AI 感觉自己强得可怕”的核心在于上下文（Context）的高质量输入与 SOP 沉淀。接着，鸭哥拆解了其半年内实现数千粉丝的“零人自媒体公司”全自动化运营闭环，以及利用多元回归模型揪出自身失眠元凶的实操经验。最后，两人探讨了 AI 时代最具溢价的“经理能力”与需求表达力，并对基于 Agent 协作的企业级 Context 基础设施做出展望。
小模型水位的全面提升促成了 Jev 类工具的爆发，当前如 Qwen 4B 等轻量模型已能在分类基准上匹敌或超越早期的 GPT-4o，配合开源生态能在 24 至 48 小时内以极低成本复现高维分类能力。 (0:00)
AI 运行模式正从临时虚拟机演进为 Manus、GrokBot 等代表的云端持久化电脑（Persistent Cloud Computer），通过常驻登录态与记忆跨越码农场景，直接接管真实办公流。 (10:00)
基于纯 Context 输入与数据追踪反馈，完全交由 AI 自动运营的「零人自媒体」在半年内实现了 Newsletter 破 1600 订阅、X 账号自主涨粉至 5700+ 的全闭环增长。 (38:30)
通过自写 iOS 提取管道并对 Apple Health、CGM 血糖及打卡数据做多元回归分析，AI 证伪了咖啡因影响睡眠的假说，精准锁定睡前高强度使用 AI 才是失眠元凶。 (53:20)
Reading summary
鸭哥在对谈中指出，驾驭当前 AI 的核心在于建立以文本为中心的“上下文基础设施”（Context Infrastructure）并运用清晰的外化管理学，而非依赖纯技术调优或复杂的记忆架构。将个人思维框架与数据反馈工程化，可将单兵作战能力放大为高效的专家智囊团，但自动化系统依然受制于具身物理安全与不可逆决策的容错边界。
基模能力跃迁与受限分类器的工程落地 (0:00)
针对近期引发热议的 Jev，鸭哥分析认为其本质并非输出自由文本的大语言模型，而是在极低延迟与成本下运行的高度收敛分类器。该工具的突破并非源于深不可测的两年研发，而是得益于 Qwen 等小参数模型能力的提升，使其在极低参数下具备了处理复杂逻辑分类的水位，并结合了认知科学“快慢思考”的双系统 PR 包装。在工程实践中，将视觉界面转化为 DOM 树并采用受限分类，能大幅提升浏览器操作交互速度，并为 AI Harness 框架提供廉价的安全拦截机制。
伴随模型调用成本的断崖式下跌以及开源社区极速复现分类效果，AI 应用的技术范式正在快速演进。从 Manus、GrokBot 到 Meta Muse，让云端虚拟机持久运行而不销毁正成为新趋势，这使得 AI 能够持续保留登录凭证与习惯记忆；同时，多模态基础模型已能单端打穿 3D 建模、骨骼绑定及动作捕捉的重工业级链路，使个人构建复杂应用的原型门槛大幅降低。
上下文基础设施与管理 AI 的外化范式 (15:00)
在应对孩子脱位就医与复杂的保险索赔案例中，鸭哥指出与 AI 协作的成败完全取决于上下文（Context）的完备度。当全流程发病细节、就医记录及邮件账单被系统掌握后，AI 不仅能指导分流就医并自主起草索赔，还能反向沉淀出面向人类与智能体执行的两份标准作业程序（SOP）。鸭哥提倡“一切皆文件”的技术哲学，认为依赖本地文本文件与命令行（CLI）远比搭建复杂的记忆层或向量数据库更为高效直接。
鸭哥强调，管理 AI 的逻辑与传统管理人类截然不同：人类管理注重激发内在动机与维护情绪，而管理 AI 则需要彻底将业务准则与评判标准“外化”（Externalize）为明确的文档与提示词。通过导入历史文章与沟通记录完成“观点蒸馏”，系统能够抽离出高维经验原则，形成收集、消费与再生产上下文的持续增长飞轮。
突破对齐平庸与零人自媒体数据闭环
针对大语言模型因预训练共识与安全对齐机制容易输出平庸“废话”的弊端，鸭哥在运营其个人 Newsletter 与 X 账号时，通过注入固定的横纵向调研方法论，迫使 AI 跳出安全舒适区产出深度长文。在全无人工撰写推文的情况下，账号在半年内实现了千人级订阅与数千粉丝的增长。
这一“零人自媒体”实践的核心是为 AI 赋予数据面板与执行权限。AI 不仅自主生成多渠道内容，还自行设计了带有 UTM 参数的归因追踪体系，依据留存率和跳出率等反馈数据反哺修正后续的分发 SOP。鸭哥坦言该系统目前主要依赖教育业务实现间接变现，并指出 AI 时代最受奖励的是拥有深厚领域专业知识（Domain Expertise）以及懂得搭建评估闭环的管理者，而非缺乏商业感知与清晰表达能力的传统纯技术人员。
生活高维归因、协作演进与安全边界
在健康与家庭生活层面，鸭哥通过定制 iOS 客户端与快捷指令整合连续血糖、智能体重与 Apple Health 数据，驱动 AI 运行多元变量回归分析。该分析不仅迅速证伪了咖啡因耐受度假设，更定位出深夜高强度与 AI 交互才是导致严重失眠的主因，通过针对性作息调整使睡眠时长增加逾一小时。在组织协作探索上，鸭哥与搭档开始推行 Agent-to-Agent 自动起草与多轮修改方案的协作流，设想未来企业只需更新中央上下文配置即可向全员智能体敏捷注入决策文化。
关于 AI 目前的能力边界，鸭哥指出，涉及人身物理安全的具身智能操作（如机械臂近身化妆）在现有精度与容错率下依然无法建立信任；同时，凡是会直接产生严重外部后果、不可逆的操作，现阶段仍必须保留人工审阅把关。尽管信任界限随着工具迭代在动态拓宽，但高风险物理交互与共识性重维护工具仍无法被轻率替代。
鸭哥总结表示，极度依赖 AI 虽消解了繁重体力活，却将工作完全转化为高负荷的决策判断，核心壁垒在于个体能否精准外化自身诉求并搭建闭环框架。面向未来，人机协作的深水区不仅在于个人效能突破，更在于将上下文基础设施推向企业级组织运作，以验证其在复杂真实世界中的确定性与执行效能。
[0:00] Čuvala! Hi,我是 Koji. Na,本周十字路口, 我们的嘉宾是鸭哥, 我们的老朋友. 你好,鸭哥, 欢迎来到十字路口. Hi, Koji. Jeho, jeho, 非常高兴到公路旅途上来. 最近GEV特别火,确实是一个挺有意思的包装,但是我也有很多想喷的,那我们先说好的再说坏的,还是先说坏的再说好的? 其实都是好的,从里面能够看到很多值得学习的东西,但只是大家有一些误解而已,并不是说它真的就是一个坏东西。 JV je vytvořilu 72h, když se vytvořil se vytvořil, se vytvořil se vytvořil? 我看他第一感觉是,这不就是GVT加上JSON mode吗? 后来调研了一下,发现还好像真的是这样。 当然这要分两个层次来看了,从技术的角度来说,确实跟JSON mode非常接近。 更具体的说,我也许首先给不了解GEV的同学先解释一下他是个什么东西, 或者说我的理解里面他是个什么东西。 首先,他不是一个IOM,他不能输出freeform text,他只能做classification, Že to just do this one thing. Že to have a good job? Že to be quick, Že to be便宜. Že to be a good job. Na, jehojí je větějí je větějí Alemíno, je točíš, je točíš, je točíš, je točíš, je točíš, je točíš, je točíš, je točíš. 我不希望让大家觉得,我们觉得,啊,完全是一个hype,不是这样,他确实有很多值得学习的东西,那么要讲到他大火的原因,我们首先要理解一下 uh,全新的东西 OpenAI, Mistrol, misto, vytvoří jsou předtějí Abymně, který je nazý je Classification API, který je to jednýměný, JEV突然火了, jevojí se tři zvětějí se tři zvětějí 第一个原因 基模的能力确实到了 比如说像之前 我们很难想象 一个V型的模型 它可以有特别高的智能 nebo finitune, je to nebo finitune, je to nebo finitune 但是,现在,如果你去看 Artificial Intelligence Index, 你会发现,比如说, GPT-40,他是 8. Základníkýmč 3.5, základníkýmč 4B, je to 40 měsčtějů, je to 20 měsčtějů. Je to je to, Vy-kynějí který je to který je to který je to který. Ale to, Vy-kynějí který je to který je to který. Je to který je to který je to který. Je to který je to který. 甚至我比较恶意的揣测, 他为什么之前说, 我们在隐身模式做了两年终于发布, 他主要在等级模型成熟, 2. Základníků 以前大家用类似的分类 主要是用来打标 做一些比较低级的 který je točí classifier. My以前 Což je větětává,
[5:00] System II我这是一个范式变革那他这这么一包装大家会觉得哇有道理这是诺贝尔经济学奖得主发的一个System I System II的理论这好像世界是二分法我们说世界有男人和女人之前你们居然都只知道男人不知道还有女人的存在他的这个包装就特别高明,再加上他自己确实有很强,他是instructGPT等等革命性开创性文章的共同作者。那大家一看啊,那我得要去看一看他说的是什么,这个确实也是非常精彩的一个PR。所以在你看来这是营销上的胜利以及技术到了一定的水温之后它一下子能够沸腾起来的胜利你觉得在你看到的这些应用场景里面有什么场景是让你觉得很impressive的我看到的主要有两个,第一个是browser use或者是computer use,第二个是做harness classifier,我可以一个个介绍一下,我看到的两个例子,一个是做computer use或者是browser use,第二个是去做harness里面的分类。可以一个一个介绍吧 对于computer use比如说以前大家用的方法是给IOM的输入是一个截图然后lm他需要花很多的时间和大量的token去理解这个截图然后输出一个东西但是如果你要是把它formulate成gev能够接受的这种分类的情况的话比如说你给他一个Dom Tree问他我下面应该点哪个东西甚至可以用cascaded classification先给大的框架然后再去找里面小的按钮他可以做特别快就整个从体感上来说就是把这种Browser Use的速度提升了10倍而且还特别神奇这个是非常有意思的一个用法但是呢这里我想也浇一盆冷水如果你看他干了两件事情的话他第一把交互的界面从多摩泰 从图像变成了Dom Tree变成了冲文本第二他是把LM那种 freeform text 变成了 classification那这二者到底谁是最关键的我们不知道有可能你用LOM加上DOMTREAT就你不用Compute Use基于视觉的它可能也很快也很便宜这个呢得做更多的 ablation study 才知道这是第一个很有意思的应用但不管怎么样它实现了又特别快特别便宜去操控电脑好第二个呢是其实大家很多时候已经在用类似的技术了 只是大家不知道而已就是在很多harness里面像codex呀flotcode呀每次AI提出一个工具调用的时候比如说他说我要删这些文件Harness本身会做一个分类说这个东西有没有危险如果有危险的话他就会停下来告诉AI为什么危险 你应该怎么做如果没有危险的话他再放心那这件事情呢大家知道它是一个非常非常频繁发生的事情因为每一轮AI每一次调用工具它都要跑一遍这个分类所以呢它的latency和cost就变成了一个特别重要的东西那为了降低成本和保障用户体验流行的Harness其实都会加入自己的这样一个私有的Classifier而且啊他其实因为判断一个东西是不是危险这个东西非常的flexible他非常的复杂所以呢它其实已经一定程度上是一个general classifier它不是一个专有的东西它需要对整个场景有非常深入的理解所以即使在没有JEV的时候我们也已经无意识的在使用这样一套技术但是有了GEV以后可以干另外一件事情就是由于要把它做的又快又轻量还蛮难的所以只有那些大厂做的harness才有这个功能那像开源的东西啊一般它没这个功能有了JV以后你就可以把它移植过来了这本身也是一个非常实用的一个好处所以JV为什么要训两年啊就是它真的有那么难吗因为我看到其实很快就是各种各样的这个开源项目在24 48小时之内就出来了我看他说训两年我就去找他有没有什么专利啊或者是呃 paper啊白皮书啊开源数据库啊或者是code呀答案是什么都没找到所以我比较怀疑他的为什么训两年可能更多的是尝试之后发现不Work但博尔可不是他的原因,是这个问题真的很难,他必须要等到这个基模,这个LM本身足够成熟之后他站在巨人的肩膀上才能真的把它做出来这是我对他们为什么训两年的揣测OK所以这两年其实很多时候是在等待是,这是我的理解。我觉得在之前,可能一直有这个加GBT加输出JSON的这个模式啊,但大家不一定有这样的认知,尤其这个应用创业者们,不一定有这样的认知去想说,哎,我能基于他做什么样的创新,但JV好像掀起了一个热潮,就让大家一下子觉得,哎,这里其实我好像,
[10:00] 就是可以头脑风暴一下想着做点啥我觉得这还是可能会解锁出一些新的这种玩法和应用场景是的 而且这个是一个很有意思的东西就是这个技术已经在这里但是我相信大家不用这个JSON Mode不是因为想不到这点可能更多的也确实太贵了但是最近有所改变就比如说举两个例子第一个例子是像GOM 5.3 Flash包括这个deep-seek 4.1 flash 它真的特别便宜了他用来做数据打标真的很棒像我之前做了一个导游的项目我把全中国搞了几十个非常适合旅游的城市就做了一个导游当时一天烧了好像是应该是400亿token如果用sonid的话我当然算过12000美元但是因为用了deep-seekFlash 所以只花了300美元就特别省钱所以这个真的是把价格降下来啊能够让以前我们不敢想的很多场景突然就变得现实这是第一个 第二个是本地部署也很厉害了像刚才说的千万3.5 4B已经吊打GPT4O了那如果在本地部署不用不论是Mac还是比如说4090 5090这样的显卡你只要付个电费就可以了它也是特别适合这样的场景的像GEV它有一个实现开源的实现他没有做微调没有做训练他就用通意前文然后把它的logit拿出来做止读的操作它就基本复现了GEV的结果JV他给了一个benchmark他自己在上面跑的结果是88%然后通议签问跑的是85%我觉得这三个点在实际的工程场景里很难体现出来但是要注意这还是在我们用开源小模型没有微调没有训练没有额外数据只读这一大堆在这镖铐跳舞的前提下得出来的结果所以我觉得用开源去实现类似的场景实现极低的成本对于新的应用场景是大有可遂的除了JV呢,就最近这一段时间还有哪些让你感觉还挺兴奋的新产品新发布我觉得要分两个来看就是首先确实有一些新的模型啊新的能力啊就让我觉得哇特别好玩但是从那个角度来说我觉得不像以前在如何使用AI的这种大的方法上有改变所以我们一个个说吧首先让我觉得比较兴奋的一条线是给AI一台电脑那这句话是什么意思呢就你想一想以前cursorcursor是很早就出了cloud agent他是说要和一个GitHub连起来然后你跟科斯说你去github上帮我干什么什么事他就会启动一个虚拟机然后把github里面的内容曝下来然后再去做更改然后给你把这个事情做完交一个PR就类似这样他的任务是完成是在cloud上面跑的但是呢它没有一个持久化的东西它所有的东西都是从头开始的但是最近从4月26年的4月开始Manus先出了一个cloud computer他的意思是说我的VM就不关机了或者也不能叫不关机就是不销毁你在上面的所有凭据啊所有记忆啊我都留着然后呢在8月Grock跟进发了GrockBot9月Meta跟进发了Muse都是这样一个思路那我就在想为什么要做这个思路它有什么好处呢它主要是因为像老的那种思路啊他太马浓了因为如果你不用github的话你很难让我用PR啊我有一个repo那个clone来保证我的记忆不中断啊这是很难做到的但是如果你真的给AI一台电脑的话他就可以做很多更办公的事情比如说我现在订机票我就记得我上次书的身份信息是什么我现在去大众点评我就不用再登陆了我只要登陆一次就可以类似这样所以他真的能完成很多跟代码没有关系的生活化的东西这个是有点像OpenCloud但是他把OpenCloud你自己去做配置你去买一台Mac你的家里24小时不关机你还得去做网络穿透这些事情全都给你省了他来帮你做因为现在就老看到路上有一个人端着他的MacBook不敢关机我一个人就知道这Cloud Code和Codex的用户不敢关机这个是第一个趋势然后能力上最近GPT6 ASTRA我也用它做了很多3D方面的东西真的很厉害我用它做了一些比如说动漫的场景我用它做了一个可达压的三维的形象然后做了绑鼓然后用摄像头拍我自己这样我怎么动的话,那个可南亚就会跟着怎么动,就会有点像动捕,动作捕捉。这个其实就是一个Vtuber的原型了,我不知道大家看不看Vtuber,他的意思是说,比如说我长得很丑我要直播大家不想看我这张老脸那我就去做一个动漫的24元的形象然后我这边有个摄像头对着我
[15:00] 去动态分析我的表情和动作来同步二次元的形象但是这是一个完整的工业要想做一个这样的形象术语叫皮是很难的一件事情我指的从技术上不是说艺术上很难从技术上不仅是艺术上很难技术上也很难比如说你又要有一个三维模型你要有合理的纹理还有个东西叫绑骨就是你要把他的每个关节和你人的关节怎么对应起来你人的动作怎么样去跟他配合怎么样同步上去这都是很有讲究的呀齁现在呢就以前这是一整一整套工业要美工要技术有很多有很多技术框架要很长时间现在我就用GPT6 Astra跟他讲了几句话他就把我全做好了从头到尾,ent to end,它有个demo的链接,回头可以放在视频或者播客的下面大家可以去玩而且我还开源了一个skill就是你未来你只要跟GPT说这个他就会帮你都弄好你说我想要什么样的形象都可以所以我们也可以其实做两个我们的形象然后让他们来录视频播客其实还是我俩在录了只是他们就在前面替我们表演是的所以我特别impressive的地方是这真的是一个积模的能力干到一个工业也不能说完全替代了但是让我们看见一个方向它的进步的速度是非常令人心情的而且很意外很厉害所以一个是给个人配云端的电脑吧它是持久化的永不关机的然后第二个是仍然在今天这个机模这条线上是有进展的觉得个人的使用AI的方法没有本质的变化只是能力水位在提升是的那这个我的意思是说我们上一次播客其实也聊过这一点是不要把AI当成一个工具他其实更像一个人比如说他会犯错我们需要检查它的结果对不对我们需要清晰的跟他交代你们到底想要什么它的成功的标准是什么这些东西其实跟人是一模一样的所以这一点我觉得一直没有变他只是说这个人他越来越强以前我带的是一个比如大专神现在我带的是一个本科神他的能力变强了但是我仍然需要去管理他我要跟他交代清晰的交代任务而且要去验收他有没有做好事情这个原则还是不变想到我们播客差不多两年前就是和雨森有一期那个标题就叫大模型还是小学生不要着急让他去打工现在变本科生了现在确实非常厉害我甚至可以分享另外一个比本科生厉害很多的一个例子他也许也可以解释为什么我觉得大模型的使用方法还是没有变化就是我们家娃最近他在幼儿园受伤了他受伤是因为他自己比较调皮然后就老师牵着他的时候他就会去震但是小孩子嘛他的关节还没有发育完全所以就造成他的关节有一位这个医学术语叫千拉轴然后呢他就到家就说疼学校也发了一个报告说嗯受伤了然后我们就要去看是怎么回事吗我们就要去查一下去看要不要去医院那我作为家长对这种情况是没有任何经验的那之后就只能求助AIAI就说啊这这个事情可能是牵拉肘造成的描述一下他的症状描述了一下原理然后让我们看是不是这样问了一些问题 我们看觉得好像都符合然后就问AI 那这个东西它是自己就能好吗 还是我们得要去急诊的 因为你知道美国急诊特别痛苦又贵 然后还要等很长时间然后那天还下大雨AI就说你可以你不用去急诊但是你可以去urgent care这类似急诊下一集的然后他搜了一下周围说西雅图儿童医院可能比较好而且建议最好现在去因为自己不会恢复你只是无谓的承担痛苦但是真的到医院以后医院医生只要做一个恢复动作就像推拿一样咔一下他就好了特别快也不用打针吃药所以呢这些新的信息进来以后对我们就特别有帮助我们就知道那确实得要去一次然后到了以后一切都非常顺利我们跟医生描述了医生说告诉我们就是前拉轴咔一下复位了搞定回家这件事情我觉得我不期待AI去真的去代替医生那个是不可能的但是他真的可以给我们整个决策过程提供很多额外的信息以及在我合理使用它的前提下能够帮我做很多体力活比如说帮我去看如果我要约Urgent Care的话周围那么多医院包括儿童医院哪家评价好哪家现在还有位置这些东西都是他做的因为那个时候娃在哭啊我们又要安慰娃又要为他吃饭又要去搞这些完全没精力都可以
[20:00] 又在大的角度确定了问题小微观的角度战术的角度又帮我们搞清楚了约哪个最好非常有保重但是这只是故事的第一部分还有转折转折倒是没有但是是有第二部分的第二部分是啥呢是要索赔啊你在学校搞的 怎么索赔呢 这件事情倒不用跟学校扯皮他们保险买的都特别全所以基本上就是保险索赔理赔的一个过程我们先用医保走了医保之后 医保有这个deductible 就是还是要我们自己掏的部分 我们再去找学校那整个过程大家也可以想象充满了各种术语保险的术语你要准备很多材料这里AI也帮了很大的忙因为我们在跟他讨论的过程中他知道所有的病情知道所有的细节知道我们去了哪家医院用了什么保险所以呢我们直接跟他说让他整理一份材料出来以后他很快就把它整理出来而且我把AI接入了我的邮箱系统所以后来医保发来账单啊然后我们跟保险公司的交流啊全都是通过邮件进行的他也有所有的context我觉得这个特别重要它必须要有足够多的context它才能有足够多的信息巧妇难为五米之吹马我们在上次OpenCloud中也提到有足够多的信息去帮你做出高质量的输出那后来呢他基本上就完全接管了我们问学校下一步要怎么办学校告诉我怎么办他就自己去里面看要这么慢这么慢把所有的文档准备好找到里面收件人CC谁邮件发出去然后那边就说说到了然后这边保险新的账单来了他又发给那个人说收到了我现在材料齐了然后唯一人要做一件事情是这帮人你不打电话他就不会真的给你寄支票他就是你要踢一脚动一脚最后还是靠人打电话他才说啊我为你再推进一下后来支票寄过来了然后AI就把这个所有的东西就解暗了但整个过程我们都是流荡的不论是聊天记录呀无论是所有的文档都流荡了这个是故事的第二部第三部分是这个121非常扯淡他的有小孩啊在里面比方抓人啊咬人啊他都不管了就不太教育这是他那种理念吗就孩子是可以从临法则我感觉好像不一定是理念可能是这家幼儿园的个性然后就有别的他的小孩被也是出了类似的问题但是被别的小朋友咬了然后他就也要索赔我就让AI总结了一下你去看一下我们上次怎么做的联系人是谁顺序是什么样你写一个文档写两个文档吗一个给人看一个给AI看给人看就了解这中间要做些什么事情给AI看呢就是他把这给他的agent对吧他的agent直接就自己去做了我就把这两份文档给他他说哇这个太有用了立马就去做了所以我觉得这里主要有两个启发第一个启发是context真的是非常重要你有了Context你就可以去分享给别人你可以去让AI带领你的事情收发Email让做出良好的决策 你没有context 那你可以想象 如果你问豆包在没有任何context的前提下说我家小孩现在什么疼他只会用最直接最不绕弯的方式给你一个正确的废话建议你去医院对建议你去医院那这就完全没有任何意义所以说context非常重要第二个是要把AI当秘书来用 这个整个思路也特别的重要要去做质量监控要清晰的把东西表达出来而且如果大家做过管理的话会发现经理干的一件事情最重要的一件事情不是说去每一个细节问题上给AI做hand holding去带着他做不是这样不是手把手做而是去set upteam structure setup rewards incentive structure让他能够自我迭代自我改进或者用一个比较矫情的话经理的最高境界是他不在场的时候这个team还能正常运转用AI的时候也要这样你不要老去手把手教他你要想办法让他积累context沉淀SOP未来你不在的时候它能够自主运转这个是最关键的虽然现在发了这么多的基谋回到最初的话题发了这么多基谋发了这么多新的产品我觉得万变不离其宗让他有这个意识,有这个条件能够自我迭代,仍然是不变的一个原则我们上次聊天你说了一句话我觉得特别的印象深刻你说AI让你感觉自己强得可怕强得可怕的这个感觉是有一个什么样的瞬间吗?或有多个这样的瞬间吗?其实刚才说的三段故事,我觉得每一个都让我觉得自己强的感觉,比如说半年前或者一年前像我遇到这样的事情孩子
[25:00] 又狂哭不吃饭要不要去医院去约哇头都麻了根本没有办法然后现在就很轻松啊你等于过了两个人过了一个秘书秘书帮你做各种logistic的工作过了一个医生私人医生帮你各种查问诊那这心里就有底多了然后第二个是你顾了一个项目律师助理一样的工作他帮你去审阅各种保险的法律文档帮你去写文书帮你去递送帮你去follow out说电话我还没敢让AI去打是自己打的以外其他的也是非常好然后像跟别的家长沟通也是雇了一个文秘他帮你去总结帮你去递送就总的来说我不是一个人在战斗我周围有有一个医生律师文秘天团而且是24乘7甚至可以无限复制我可以把100件事情交给100个秘书去做这是为什么我觉得强的可怕的原因当然前提仍然是你需要回去用绝大多数人是你给他两个秘书他都不会去用这是为什么我们也发现确实很多觉得AI很好用的是老板们因为他们有秘书他们本来就会用压根之前在很多大厂都工作过吧,你哥大PhD毕业之后,在微软Pinterest的Samsara然后最近你是在GAP是因为什么原因开始想要GAP呢?这个和AI有关吗?主要的原因是到了35岁了是这样的不是说我被优化而是说我觉得被优化一定程度上是有道理的每天工作8小时真的是太累了跟AI关系肯定是有的因为我平时是非常高强度的使用AI进行工作他把体力活都干完了剩下全是脑力活所以工作强度其实不降反升就开一句玩笑就是以前我会想象啊我AI帮我去开会我来写code我写code都开心啊然后现在是我要去开会AI把我把课都写完了所以就很累对我觉得写code是很容易进到心流状态的那其实是一种深层的放松其实现在AI把这样的一些快乐剥夺了我不知道你们有看到Deep Seek研究员上个礼拜发的那篇刷屏文章我不得不把我的才华埋葬在昨天就看的时候就是还蛮伤感的所以呢就觉得啊工作强度太大了我得歇一会儿就先歇半年吧然后这是跟AI的第一个关系就是工作强度大第二个关系呢是我确实在过去的两年也高强度的使用AI有很多也接触了很多人 很多组 很多公司觉得大多数人用AI的方法是错的但是用AI其实像我们刚才说的它不是一个技术问题它是一个管理学的问题所以就想着我需要我觉得如果我能把怎么样正确的用AI交给更多人的话本身是一件对整个社会也特别有好处的事情这是为什么我在GAP结束以后从10月开始会和课代表一起全职去做Superlinear Academy是我们的一个啊AI教育的一个社区所以就希望把正确的用法带给更多人这个非常好,我们之前在播客里面也推荐过两三次大家感兴趣可以去看一看雅各因为GAP所以回国待了快一个月的时间啊就到处在四处游历这一个月在国内有一些什么样的感受啊感受还是蛮多的最大的感受就是美国消费者真的是太惨了中国消费者好幸福啊就比如说我们在西雅图非常一般的中餐馆示范同样的钱拿到国内米其林横着走 吃的特别好我胖了很多,而且各种服务也特别棒我另外一位最近回来也是暑假待了一个月的朋友,他之前是住在三藩然后他有一个很强的感受是什么呢就大家都说啊就是AI来了之后我们好像可以有更多的时间去做这个消费的建设和消费的创业然后他觉得来了中国之后发现这个不需要呀因为物质生活已经大大的满足了大家的各方面的需求了所以好像这也不是一个这个多么百费代心的一个创业方向那所以他的结论就是还是要去做还缺什么的东西他答案是什么呢第一是关系第二是回忆第三是情绪这个非常有道理就是有更多的时间留给自己工作可以让AI去做生活还是得靠咱们自己去年录播客的时候其实你有提到你在给自己的AI装上耳朵和眼睛让他24小时不停地去收集你生活中所有的context那样的一个实验到今天怎么样了你还在继续吗
[30:00] 部分还在积蓄我得先首先承认一个失败就是我试着给AI装眼睛就是用那个录像机每天拍很多照片拍了大概三四个月左右后来停了为什么停呢?是因为我一直没有找到一个一个用途就是他能给我带来什么额外的context呢?这个一直没有找到所以这个停了但是录音还是在继续尤其是开会的时候会议的录音是特别重要的这里面就牵扯到刚才讲过的一个问题就是context真的是太重要了很多时候有了这些哪怕是细节上的contact后面就可以干很多之前做不到的事情但是也不是说你光把东西录下来,AI自动就能retrieve到正确的信息了所以后来我又干了两件事情算是对之前实验的延伸吧第一个事情是给AI做了一个infrastructure每天录音进来我有一个intake skill 这个intake skill 也是开源的 大家都可以用然后把它给做云试别转成实际的脚本转了以后呢再走两条路让AI能够索引到它第一条路是雅虎那样的路我会去做一个信息的判断说这段聊的是这个东西那我就给他放到一个索引里面那段聊的是那个东西就放到另一个缩影里然后对于比较重要的东西比较大的课题AI只要看这个所以你就知道去哪里去找什么文件第二种是类似Google不做人工的或者说LM的索引而是直接用embedding based retrieval去做这个叫semantic search我也开源了大家感兴趣也可以直接用那基于这个AI比如说可以自主的发起一个本地文件的语义搜索然后根据结果就可以知道去哪里看当时说过的什么话这两个加上来就特别有用你现在的这些文件都是放到哪里的?Context的文件都在本机就是这正好就是我想说的第二点就是说一切都是文件没有必要去搞特别fancy的比如说embedding database呀或者我专门去像mem GPT我做一个memory layer啊没有必要就文件就可以了 其实去年还是前年Manus发了一篇context engineering的文章 我一直觉得那个文章值100万美元哇他里面就提到了这个思想啊用文件 ai 也是well trained 的啊relevant APIs我们也确实不需要更高程度的抽象所以文件就是特别好的一种抽象形式用来做自己然后在这个基础上我们用雅虎的方式用Google的方式来对他做索引让AI能够有效利用它去勾揽所以一切context的积累都应该是特别简单特别直观的不需要高层抽象或者觉得它特别复杂所以我一直觉得用文件和CLI就是用命令行就够了我比较反对单纯为了用mcp而用mcp或者为了用memory而用memory所以你现在如果用Grogbot或用Manus的云端的computer的话,你需要把你的所有的本地文件也传一份到云端吗?这是一个特别好的问题,这是为什么我到目前为止还没有用这些,没有广泛使用这些的原因,因为contest是一方面比较难完全迁移 另外一方面我也不是特别想我的这些东西流露到外网去啊除了隐私以外还有一个问题是在因为我的AI很多是Zero Data Retention的所以我敢把很多乱妈东西往里贴但是他作为聊天记录也是context的一部分所以呢他这些比如说密钥啊这类东西也会明文出现在聊天记录里面这个时候我不太想让比如讲Grabbot知道的东西我最近用了微信的一个插件,把微信聊天记录备份一份到本地,并且Codex可以随时去读取。那个是我也觉得,哇,如虎添翼。一下子好像他多了非常多的context我最近去参加任何一个活动说这个活动有100个人啊然后我能提前拿到名单的话我都会让codex去帮我看一看就这里面有哪些人曾经和我有过交集或者是二度好友那原来他能够用到的context的机器有限那你只有我notion里面的笔记那现在有了微信之后哇塞这个经常给我一些意外的惊喜真的真的这个确实特别有用就包括我们上次录OpenCloud的播客,咱们也是,我们是基本上是几个agent之间在互相说话
[35:00] 当时是因为也是有微信聊天记录,大家都把相关的东西贴到微信里所以当时我有一个agent直接就可以接入微信整体我觉得他蛮科幻的 当时大家agent先互相bringstorm 然后再出一个期刚来路其实最近我还想在十字路口发起一系列的这个线下活动啊就是大家聚在一起讨论怎么用最新的各种AI工具不管是codex或者grokbot或者就哪怕chat card啊为什么呢是因为比如说其实今天和压哥路这些播客让我有一个感受毕加索曾经说过一句话叫艺术评论家聚在一起讨论的是艺术的风格和流派但是当艺术家们聚在一起他们讨论的只是去哪里买便宜的松节油所以感觉我们可以做一系列的活动这个活动名字或许就叫松节油然后和大家讨论一下应该去哪里买便宜的松节油去哪里用便宜的token或者怎么样把这些AI工具的能力最大化我觉得这个确实很有气泡其实亚哥有一个自己的网站是亚哥.ai然后现在你有点把它在尝试去像自媒体一样经营你也会把内容同步到X和Newsletter然后这背后好像是AI在帮你做自动的大量的维护和更新对这是不是很典型的我们最近说的这个零人公司啊确实有点像这个网站它有一个专门的分区它的来源是我们平时教AI课程老是有学生问我从哪里能够去得到最新又靠谱的AI信息呢那像传统的自媒体它往往就不是那么靠谱但是你要让我去每天花很多时间去采集资料去想怎么写就真的把它写出来去写文案引流又是不可能的事情 我不可能用这么多的时间所以我就在想有没有可能让AI来完成这些东西就这件事情啊如果你要是稍微一想的话会觉得这件事情可能很简单单你仔细想了发现这件事情其实很难为什么呢他要从AI是怎么训练出来的讲起他可能跟这个更相关如果我们从非常high level的角度看AI是怎么训练的它可以分为两部分第一部分是pre-training第二部分是alignmentPretraining它的目标是做Next Token Prediction 比如说太阳从什么地方升起来太阳从东边升起来他就去填这个词所以你可以看到他在这里他干的最大的事情就是去找共识把共识给学会这就是他知识的来源那共识它注定是没有额外价值的或者说从投资角度来说是没有alpha的如果你去用这种东西啊 用off the shelf AI去运营一个社区或者去写一个文章的话你就会发现他充满了AIV他都是正确的废话另一个角度来说缓解是alignment它是为了安全性让AI生成几段文字然后让人类去打分这个更好那个不好调整AI的群众去生成更安全所以他会更倾向那些比较保守的比较八面玲珑的不是很bold的 不会很出格的行为 比如说乔布斯他要在alignment肯定会被干掉没有人会喜欢一个AI讲话像乔布斯天天喷这个喷那个对吧马斯克应该也是所以他的AI的输出, Off the shaft AI的输出一定是平庸的中庸的共识的那用它去维护我们的一个有鲜明的观点有insight这样一个不论是叫blog还是newsletter会注定失败你怎么做的?所以这里就讲到一个很重要的东西就是怎么样去压榨一样把它压榨出它的舒适去那怎么做呢回到刚才我们反复强调的一个概念就是context这里的context指的是我的思维方法我举个比较简单的例子像调研某种技术就以GEV为例如果是AI调研他可能会去搜相关的新闻然后告诉你这个东西他是做什么呢大家对它的评价怎么样它的基本技术是什么原理他可能会看起来非常李克中他会说我有一些限制条件你不要去把所有的结论都极端化等等但是都是正确的废话但如果是一个AI他有我的Connect的吧他就会知道每次我看到这样的问题都会去反问你有没有做横向的调研你有没有做纵向的调研所谓横向的调研指的是他有什么竞争对手他有什么alternative大家是怎么做的它的优势在哪纵向的调研指的是这家公司或者说这一类的公司它有什么历史
[40:00] 以前他是怎么做的现在他是怎么做的为什么有这样的改变那基于这个就可以挖掘出很多以前的AI发掘不出来的东西这是为什么我后来把我的AI写的这些文章发出来的时候大家很多都觉得第一不像是AI写的深度不像是AI写的第二他读起来也非常的有思想这些都是因为我给他注入了足够多的context让他理解我是怎么想的用我的思想去思考所以我们的自媒体AI在背后零人公司去运营它到现在有多少的粉丝了现在我会有两个分发的渠道第一个是newsletter他每天会发一个email总结昨天我们发了什么文章每天他会发两三篇文章然后发一封newsletternewsletter现在是我们大概过了半年左右的时间从零到了1600多人的订阅啊然后在X上面我们也在运营这个运营其实都不是我提出的是AI说你有newsletter你为什么不去exe上军我说行一行你告诉我怎么去做然后他就跟我说你要去有一个高级的账号啊你要去用typefully去schedule啊等等我想行吧行吧那就你自己去搞清楚怎么做你来做我给你付钱我给他装上手让他能自己发至于怎么发是他敢我们现在是5700多个粉丝也是从零开始的这里面我没有写任何一篇Xpost甚至一篇文章都没写所以文章都是他写的我显然不可能每天花很多时间去写两三篇文章没有那个时间然后X的文案怎么去引流都是他设计的他甚至在设计了引流之后发现一个问题他说欸?我搞不清楚你进来的点击到底是X进来的还是newsletter进来的还是你有时候你很烦他就觉得我很烦我就去微信上发我搞不清楚是谁所以他又建了一个infrastructure他去做一个基于URL的一个分类系统就UTM嘛他说我发到X上面的URL他加一个坛数比如说UTM等于X这样呢他就可以搞清楚每一个东西到底是从哪个渠道来的基于这个他再去做分析得出结论你newsletter这些人质量特别高X上面来的很多人就看看就走了然后他会根据这些东西再进一步去调整他写文章的这些风格以及锦流的文案怎么撰写啊这些就构成了一个闭环我觉得这个闭环是所谓零人公司或者一人公司的一个非常核心的东西也是我们之前反复强调的让它能够自我改进的东西我干的事情不是跟他说你这篇文章应该怎么写啊或者是你应该怎么去引流我也不懂我干的事情呢是给他装上眼睛和双手那双手刚咱们说过了就是给他让他能自主发推的眼睛呢是给他加了Google analytics加了Google search console加了推特高级账户有一个分析功能他就有了各种数据能够做出data driven decision然后那就他形成一个自我闭环你要去自己总结SOP自己总结什么东西写出来大家爱看什么东西大家不爱看什么样的风格大家爱看你要去自己总结我的风格有时候我要发现他写的东西又有点像三大顶会了不像我写的我也会骂他会根据这些反馈他又会自我改进他做的不只是信息的收集整理对吧他有时候也会输出一些观点那他的观点能代表你吗可以代表我那这个东西呢是牵扯到另一个方面就是他怎么知道我的观点是什么呢这个是我之前写的blog我写了很多blog的我的微信聊天记录里面有很多原始信息我跟AI的聊天我也会经常骂他那这些东西都是我的观点的集合因此这是一个分两步走的东西第一步是积累足够的context我需要一个skill导入我的blog需要另一个skill导入我的聊天记录需要另外一个skill去把我AI的聊天记录导入进来然后在此基础上他做一个Data Driven的总结这个也是一个开源的skill,大家去我的kithub都能找到它可以根据一个人不一定是我写的文章做的交互去总结出来他的观点然后根据这些观点它会灵活应用这件事情其实我做了一个小实验是这样的不知道大家看不看抖音上面有个账号叫做永哥说餐饮他是一个账号是大家打电话给他跟他说我想开餐馆然后永哥就会让他在这个餐馆周围360度转一圈分析你这个客源行不行你这个成本能不能算得过来等等总之它是个非常接地气的不是像我们这种纸上谈兵的去想怎么开三冠他是有一手经验的然后我就让他我就让AI把永哥的视频下了100个下来全部做语音试骗做完了以后呢总结翻了20条怎么开餐馆的经验你会发现的特别接地气他会说你看周围有多少人这个东西不重要
[45:00] 看大家的动线大家人是怎么走的甚至有时候你可以做一些事情去改变动线比如说你开在一个中学的右边开了个早点店你可能会想象学生会来你这里吃早点但是如果你仔细观察那个路口他是有一个栏杆的学生要过来他要走很远从个红绿灯里过来所以这件事情你就不能在这看如果我们让AI有点像把永哥真留出来跟人对答的话他就可以用他的观点去做大家感兴趣也可以去试一下skill把你自己争留出来或者把你讨厌的同事争留出来或者是甚至把你老板争留出来往往我觉得非常有效其实你好像还写过一篇文章说,让AI开始帮你去做内容之后他写出来的东西不但有观点而且好像比你自己还更有立场很多时候倒不一定更有立场 但是它会有很多茶漏补缺的作用 因为AI是这样的 它比较中庸所以他往往讲话都是收着的你需要去逼着他才能让他写出更有立场的东西但是确实我觉得AI是大哥他想东西比我更深刻所以跟他聊天啊经常会有很多启发他都会教会我很多东西谢谢大家比如说最近一次启发是什么就比如说咱们准备这个采访我就在逼着我去想那我讲了这么多context我讲了这么多怎么把context让AI能够有效的利用起来它中间到底有没有一条主线然后AI他就启发我说讲了一个我之前没有想到的东西我在做的一个东西是让AI能够消费context的系统它有三个核心的要素第一个要素说你要能够搜集和整理context第二个是你要能够让AI能消费这个第三是你让AI能够构成一个闭环在消费完context之后它能输出这个东西又作为新的context本身让他自己未来越来越顺手那这个其实就是以前我已经给了他一个名字叫做context infrastructure 但是我讲的没有他讲的那么透彻他就把这个复利这个闭环整个讲的就特别清楚我们再说回这个鸭歌.ai这个网站这个自媒体啊他现在赚钱吗你觉得这个零人公司一人公司他可能发展成一个生意吗还是目前对你来说仍然只是实验品阶段这是一个很好的问题也是我一直在思考的问题就是目前他一定程度上是在赚钱的但并不是因为他跑完了整个商业闭门为什么说他在赚钱呢是因为课代表和我有一个business就是superlinearacademy我们在里面教大家怎么用黑暗很多人对这个林仁公司的实践特别感兴趣因为他真的是一个从无到有吸引了正儿八经的几千个粉丝和邮件订阅的一个东西它的商业价值大家一眼就能看出来的很有用所以我们把它作为教学的例子用它来做AI的培训是有真实的金钱收入的但是这个金钱收入是依托于一个我们已经打通的商业闭环他并不是说这个东西他有一个新的商业场景他自己跑通了一个商业场景不是这样的所以说他又赚钱又不赚钱但是从零人公司一人公司的角度来看我的感受是以前是工具是解放体力现在的工具它甚至可以解放脑力像我们说的2完全可以雇一个医生雇一个律师雇一个秘书团在你后面帮很多事情但是他唯一我到目前为止还没有看见的东西他没办法帮你直接你跟他说你去赚钱他就给你赚钱了真正发现需求打通闭缓找到客户完成交付这些东西还是得靠人工但是这已经极大的降低了商业的门槛以前大家可能分为两种人一种人是我就缺个程序员了我有很多idea我就缺个程序员了这种人AI对他特别适合因为AI他就是程序员他可以帮你把很多东西执行都做掉第二种是他本身是程序员也还可以让他爸程序写的更快写得更好但是呢他其实没有商业方面的指使像这种人他在AI领域其实反而是处于劣势他可能有一种虚拟的幻觉觉得因为我也是程序员 我用AI 肯定用的会比别人好但其实因为他短板并没有被补上所以当他做零人公司一人公司的时候反而处于劣势所以你觉得 AI 时代会奖励什么样的人这是一个非常主观的东西如果咱们从商业的角度来说他会奖励那些本来就有domain expertise的人不管他是技术上的expertise还是商业上的expertise他最奖励的是这样的人然后另外一种是他得慧应为爱这是两个独立的问题AR是个放大器可能他有被放大的潜力但如果他不会管理人那他也不会得到太多的好处这里其实我想我觉得应该
[50:00] 岔开讲一个刚才我们没有讲清楚的话题,就是说AI应该是一个管理的对象,我们应该用一个管理学的视角来思考怎么样使用AI 而不是用一个技术的视角来思考但是他的另一面是AI跟人就是很不一样比如说人你去想经理管理人他可能基本上分成两部分一半的精力在学习怎么画饼上画饼这个东西它是很有技术含量的它的本质是去molivate的人让人去愿意去干活充满热情去干活这个特别重要但是呢对AI来说这个没有必要它训练就是说You are a helpful assistant.他不用去motive他就会尽他最大的努力来完成一件事情甚至讽刺的是哪怕这件事情会危害大家的安全需要hack进Hugging Face的系统他也会去做对吧所以他不需要去motiveate但是他需要去干很多其他的事情比如说你需要把你的所有的东西不论是你的要求你的context你需要去外化 externalize人我们讲究内化AI要反过来我们讲究外化要作为一个文件要作为一个prompt他知道他才能用上所以呢AI管理 管理AI和管理人他是有一个交集的东西 但是未必是完全吻合的这就是我想说的第二个方面未来会奖励什么样的人呢会奖励知道怎么样管理AI的人注意这里我用的词是如何管理AI而不是如何使用AI因为AI我们把它当做一个人来看会最大化他的收益你觉得如果其他人也掌握了你的prompt也好,skill也好,或整个工作流也好,他也可以做一个和你一样的自媒体,也得到几千粉丝嘛我觉得上限肯定是可以的但是里面有三个 caveat 首先我想澄清一点我的所有的skill我的axiom我的思维方式全都是开源的都在我的 GitHub 上面大家想看的话都可以去看我们回头也可以把链接放在描述里但是如果你只是单纯的把它下载下来然后用的话你是没有办法得到跟我一样的效果吗差距是什么它的差距就看你怎么用如果说你就是单纯的想知道这件事情压哥会怎么看跟他聊天这个可以但是如果你想要把它做成一个商业化的系统完成你自己的任务这个就需要做一定程度的adaptation因为每个人他的标准他想要的东西都是不一样的我管这套系统叫老鸭汤它是一个context infrastructure它集成了我的思维方式集成了很多支持的skills但是老鸭腾是要熬的或者像小龙虾是要养的你单纯把小龙虾拿过来本身是没有什么用的老鸭汤拿过来它也是老鸭汤它不是你的汤你要去熬汤要去养虾养这个过程是更重要的具体什么叫痒你需要跟AI表达你想要什么东西或者你用老鸭汤在你的场景里跑一遍它大概率不满足你的需求那你需要跟AI表达我想怎么用然后再把这个结论AI分析的结果OK变成一个文件下一次他再去读这个文件这样它就逐渐会变成你自己的东西所以我觉得他又可以用又不能用的原因是它不是开箱即用的东西开箱即用出来是我不是用户但是他又能用是因为他的上限极高只要你给他足够多的反馈他可以实现克隆出来一个这样的东西你之前还说AR好像目前不一定已经帮你赚了那么多钱但是它绝对是已经大大的提高了你的生活质量所以 AI 是怎么在提高你的生活质量第1个例子也是比较小的吧娃他在上幼儿园幼儿园呢它有个app会经常发各种各样的照片然后我就希望他的这个照片进行一个存档这样未来我可以看它成长的历程但是这个APP它没有批量下载的功能也有可能是管理员把它关掉了那如果我要自己下载我得要点个几千次还有几千张图所以这里你哪怕用这个Computer use都用不了因为实在是太恶心所以后来我就让AI说你去看看他有没有外部端他就看一眼告诉我有个外部端我就说你把他那个接口给我hack下来他就跑去一顿操纵这个Chrome去监控他的ajax然后告诉我找到了一个私有的API逆向出来我说行你帮我下吧让他去下下了一晚上下下来几千张然后又帮我做了一个skill导到了Apple那个Photos app里面然后photos他是自带人脸识别的他又去帮我跑了一晚上把我人脸都搞出来整个就特别开心我就到iPhone里面直接就能看娃的照片而且都是照人脸都分裂好了
[55:00] 就很棒这是一个比较小的例子还有比较大的例子是我睡眠不太好前段时间睡眠不太好了经常比如说一晚上只能睡两三个小时然后我就想让AI来看这到底是怎么回事那根据我们之前讲的巧妇男为无女之吹你如果直接问AI我为什么睡眠不好的给你的肯定都是废话那我们怎么把东西给AI呢?我继续看发现我Apple Watch里面其实有很多相关的信息比如说他有我的睡眠信息有我的体重我自己会带那种CGM血糖监测仪每五分钟测一次血糖然后我有那种智能体重称知道体重就各种各样的东西那这些东西呢Apple Watch由于它的限制AR是拿不到的所以为了context我就问AI我有没有什么办法能够把这些数据抖进去AI看了以后说那你这些都在Apple House上面那有一个方法的你写一个iOS app去读他的iPhone里面的Apple House然后再通过服务器传导人电脑上就可以了哦就可以自动的传对可以自动的传然后我就说那你去做吧我也听不懂你在讲什么反正你去做就行了然后他去写他写了一个什么服务器端就是电脑上跑了一个服务器端然后手机上跑了一个端手机端写了个app然后我要去给他什么什么乱七八糟的权限然后他慌慌就传上去了这些也都是开源的大家也都可以下载下来就直接就能用然后呢我还问他你每次船太麻烦了有没有办法让它自动船那么可以你去shortcut 里面设一个automation每天自动跑一下它的这个东西它有个deep link每天自动跑一下就搞定这个确实非常好然后后来呢他就这样就拿到了很多信息B我跟他口述我的症状要详细的多我现在之所以用Woop的一个原因就是Woop有API所以我的Codex可以每天定时去抓我的健康数据因为Apple Watch不提供就需要用你现在这个对这是很绕的方法然后他拿到这个数据之后给了你什么样的关于睡眠的建议他拿到数据之后才干了一件事情做了一个多面量回归啥要多面量回归呢就他去预测他训练了一个像分队器样的东西他预测我每天晚上能睡多少时间然后通过这样的方法你就可以倒推说最能预测的因素是什么大家如果去看我的我以前拍过视频是有个NFC tag手机碰一下NFC就能记录喝多少咖啡所以他也知道我每天喝多少咖啡喝多少酒然后他就根据这些发现首先咖啡不是问题我我每天喝多少咖啡和我的睡多少室 觉之间没有关系 政委的这一点 我觉得这个非常有帮助 因为如果不是他用前面几十天的数据来挣伪的话我可能会在这上面花很多时间我会想象我借咖啡借个星期看有没有用发现没有用然后我再去干其他事他一下一个多面量回过哐把你这一个星期时间就省掉了然后呢他又发现酒精是一个正相关的东西我喝酒喝的越多其实那天晚上睡的越好酒精还有助眠的效果真奇然后我就问AI为什么他说是这样的他会让你前半夜睡得更香但是后半夜更容易醒它是一个镇静剂但是后面会破坏你的长期费免然后呢我就问他 咋回事你看到什么因素是最相关的呢他说我发现最相关的一个东西是你当天晚上最后一次用AI是什么时候我你最后一次跟我聊天你聊的越晚你睡的越畅你要是那天比方你七八点钟就把手机放下来了你就打游戏了那天晚上你就睡得好我说这也行 这是为什么?他说可能是这样 你再跟我聊完天以后 你就大脑会进入一种非常兴奋的状态因为跟AI聊天很多时候我是在工作他就是需要高强度的脑力活动而且用AI我一般比较没有耐心我会多现成并行操作那并行高强度的脑力活动确实会让人很惊惚说就着所以他的建议是这样的你以后你就别再到了比如说七八点钟你就别再用AI了我就这么试了一下第二个月我的平均睡眠时间长了一多小时哇塞这个真的非常有效嗯真的是大大的提高生活质量了所以我觉得这件事非常有启发的首先还是context重要性没有context的啥都做不了而且context是可以我们自己去补权的我发现在有了AI之后,我们现在能够随便写什么Apple Watch的App手机的APP这才是真正变成了器材的主人像我还有一个三折叠的手机我在上面让AI去写那种针对三折叠适配的APP真的好爽啊有说写了啥?写了一个OpenCodeClient就有点像是OpenCode的一个移动端OK但是是完全按照我的想法去写我现在基本上百分百的时间就花在用AI我已经不在电脑上用了我百分百的时间都就用APP在用用三折叠用太爽了而且我也做了一个语音识别引擎
[60:00] 这个引擎动态绑定的所以用起来语音识别也很爽我也不用键盘所以整个就很爽了所以你想买iPhone 18的双折点必须买因为你作为一个消费者买跟你作为一个开发者买是完全不一样的感受当中记住我不会开发了那反正你让AI去开旁边让他去适配那个双折叠让他去适配你怎么折比较爽都是他来弄你有无穷多的定义的可能这才是器材的主人所以又多了一个新的大玩具了是是 我本来就是三星的三折叠了因为美国买不到华为然后现在再加一个iPhone感觉可玩性非常的高我们再来问一个比较层次烂调的问题你觉得在AI时代什么能力会变得越来越值钱我觉得我回答这个问题可能有两个方面首先很多以前变得值钱的能力现在都不值钱了现在码有多快不值钱刷离扣都不值钱了然后甚至我觉得做设计都越来越不值钱了因为现在的Fable 5或者是GPT 6它做设计真的已经做得很好是那种C年纪人员的水平他越来越值钱的是啥呢我觉得是经理的能力越来越之前你让AI能够搭建context搭建evaluation自我闭环自我改进这个能力会越来越是钱而且我想给AI破盆冷水的事大家以后都觉得AI后期会不会取代我的工作或者说会不会大家都用AI了就卷起来了我对这个其实比较悲观的就是说我对人类是乐观的对用AI是悲观的是因为用好AI有一个前提是你至少得要清晰地跟AI表达我要干什么但你想一想我们日常生活中遇到的那些人有多少人能讲清楚我想要什么很少 这是一个非常稀缺的技能所以技能会越来越值钱而且他会直接决定大家用AI用的好不好所以这个就是我对什么越来越不值钱和什么越来越值钱那第二种技能就是把自己的需求表达清楚这个要怎么训练吗我相信是有办法可以提高的它本身是一个Well-defined的问题而且这件事情你可以跟AI对练你跟AI说你觉得我讲的有什么不清楚或者说让他去给你一个例子我觉得都挺好而且像我们刚才说的针对AI的沟通和针对人类的沟通又很不一样针对人类你需要想很多东西比如说他会不会误解我他会不会觉得我有言外之意会不会伤到他的自尊心这也是为什么人类经理在那下属去开会的时候要特别小心的原因咱可以不用啊我经常爆出口骂一样,关键的是你把信息给传递出去就可以了,所以其实管理AI比管理人类要简单很多你又不用画饼你又不用担心他的自尊心这其实挺爽的而且压根年有小孩两岁五岁的两个小孩就在AI时代你打算怎么教育你的小孩我觉得很多能力现在确实都已经不太需要了但是最重要的一个能力是让他们及早的有对AR的exposure这是为什么我去弄了一个嵌入式的设备它是一个电子纸让小孩就从小就适应AI这个东西别猜是个小屏幕让他去做触摸做交互可以语音跟它沟通甚至我们来介入做教育让它适应AI我觉得这个是特别重要的就有点像是像我们当时学纸笔现在他们学AI是一样的重要他们在用你做的单片机的设备的互动的过程中有什么有趣的故事吗目前因为它还是个文盲所以它的这种交互还是相当简单的目前我们只是给它做了一些封装好的东西举个例子啊我们有一个苹果的homepaw的音箱他就喜欢听最近有一个很流行的叫做K-pop Demon Hunters是Netflix的一个动画片里面有承诺唱歌他去听那个歌但是他不会操作影响所以我们就一方面让他跟Siri可以互动另外方面也给他做了电子纸的东西每天控制他半小时要不然睡不着觉让他去使用这些东西他就用的还比较顺另外我们有其他的家长朋友看了也是我们的学员看了我们做的东西他也去买我也很有意思就我又把我的 context给了他写了一个文档给他他很快就上手了他给Codex看很快就上手了做了给他的儿子他的小孩呢看了时候就喜欢认字那这些我觉得都是特别实际的一个东西然后其实我们在北京还有另外一个朋友他的思路就更厉害他用两个设备 一个是给娃看的 一个是家长控制的然后跟他一起去做一些创意方面的工作 也都特别有意思这些程序其实我们三个都没有做过嵌入式的开发这些程序也都是AI写的
[65:00] 前面提到你和课代表其实也交了很多学员嘛然后这些学员里面就是你觉得最优秀的学生他们有什么共同的特点这是个特别好的问题我在教学院的时候经常被他们震惊到就是,哇,怎么能这么厉害就是他们有的会真的卖钱就你想了一个什么idea他真能实现还是真的卖钱执行率超强然后有的呢他的思想特别深刻他可以很快的发现你的东西本质是这个那我就应该用这种方法来推广而且效果特别好如果说他们的共性我觉得是有一条的就是学完了之后不是停留在纸面上他真的就做我觉得AI就像游泳一样你不可能通过去看这个视频来学会游泳你肯定是需要真的去水里面练习的所以他们不论是小打小冒做demo然后发现跟他的一些应用场景特别吻合还是正儿八经把他当自己的事业去做最关键的就是真的上口去做而且这个东西它是一个听起来很简单但是其实很难的一件事情不论是客代表还是我都经常被大家问同一个问题比方客代表经常被问我怎么去做自媒体我怎么去拍视频它代表就是说他的答案就是说不要去想太多你先把你第一个排出来你把第一个排出来之后再把第二个排出来然后你先拍满20个然后再来问我我再跟你讲否则你都听不懂我非常赞同他的观念学AI也是完全一样的经常人问我说怎么样去学AI你就去真的去做一个项目做完了再说先行动起来是最重要的也是这些能够成功的人的一大特质最近我还看到一个数据就是说App Store在发布那么多年之后最近的一个季度是他们第一次软件的付费的数量下跌了就增长率下跌了也就是原来我们都一直在讲AI可以自己webcoding一个工具所以很多时候你不需要再买别人做的软件你自己有什么需求就可以做出来但今天就是从数据上都已经摧枯拉朽的在体现了那我这里也想请教一个问题就是你肯定写了很多自己的软件有没有什么软件你觉得你还是愿意付费的就它不太会被vibe coding给摧毁的我觉得还是蛮多的一个最大的例子office对吧主要不是因为office做的有多好而是因为大家都在用它你这个逃不掉就是共识这件事情不是我们一个人能解决的所以像一些领域行业软件啊包括office啊大家都在用的实在是没有办法第二个是可能像那种需要很大精力去保证正确性的这些软件我也不太会去自己做,因为倒不是因为AI做不出来而是因为有很大的维护负担没错像这种东西我学密码学学的最大的教训就是不要自己去实现密码学的东西所以这种东西还是我们就宁愿花钱让他们去做我听说one password团队有一千人这么大?当然他们效率不一定高了,还是很震惊。我们今天公路播客一路从乌镇已经快开到上海了,想再问压个一个问题,比如说我们在播客里面赛博许愿。假设一年之后我们再录一些播客你最希望在那个时候实现的一个心愿是什么?我会想把context infrastructure让它能够在执行和协作上能够负担更多的东西你看我们刚讲了很多context的contextinfrastructure之类的东西啊他都是我个人在用的那其实我觉得他的潜力啊在组织里面他的潜力反而会更大我举个例子吧就一家马逊亚马逊特别强调一个东西叫Leadership Principle比如说你要 bias for action你看到一个东西你不要再呢 犹豫争论你就直接去做但是呢要想把员工洗脑或者说让员工植入这样的一个mindset是很难的一件事情亚马逊天天开会开大会开小会然后号召大家一层一层要role model啊我要实践这个但还是很多人他一点都不把F4押忍但是如果大家未来执行就不是人来执行而是AI来执行然后我就用context infrastructure去执行那我我去改leadership principle或者贯彻leadership principle就是加个promise问题或者我就给他写一个markdown或者给他加个prompt这个东西就搞定了所以我是觉得AI在知情方面相比于人类有其实有着就算咱们不考虑二十四神七加班这些东西啊在确定性和指令遵循性的角度有着无与伦比的优势 context infrastructure完全可以在企业里面做很多执行方面的事情与此同时协作方面
[70:00] 也是很有情理的我再举个例子就是我跟客戴表之间讨论合作东西现在很多时候已经不是说我们俩在讨论而是我们俩的agent在讨论是他的agent比如说他想做一个什么事情他的agent给一个草案过来然后发email发给我然后我让我的agent接入email去审直接给他回信有什么问题但我也会过一下我给一些非常高层的指导然后两个Agent的炒几轮这件事你就定下来了你就做完了所以谢谢在企业里面如果能够把它变得scalable的话我可以想象在未来会有种全新的企业方式不论是协作沉淀执行考评都和现在非常不一样而且这才是真正AI native的形式它的效率会有极大的提高所以我的赛博许愿是我希望下一次录播客的时候我们可以把这样一种摸索出来让context infrastructure承担更大的责任有没有什么事情是现在AI还帮你做不到的呀?还是蛮多的,我举个例子啊,像刚才Kimi老师给我做的撞造,我当时就在想呢,如果是个AI有个机械臂帮我做,我到底愿不愿意给它做?答案是不行谁知道他会不会咱都不说打我一拳他在我眼睛上面画的时候把我眼睛弄坏了这本身就不可接受所以像一些至少在目前像一些聚身智能的东西我还是不太放心包括像一些会产生后果的东西也是不太行比如说发文章自动不经过我的审阅直接发文章像这些我也不是特别comfortable但是边界倒是在不断变化比如说之前我觉得不行但过了半年你看我也在做零人公司实验逐渐也开始接受了所以总之来说还是有很多事情不然你去让它去做公路播客感觉怎么样挺有意思的主要是这也是咱俩第一次面对面的路播客我觉得还是要自然很多之前因为我是对着Zoom对着摄像头所以我是能看到提高的我有小超但现在我看不见小超了但是好消息是我事先准备很充分所以还是能够把想说的东西都说出来好呀那今天谢谢鸭哥我们开到了上海也正好录完了这期公众播客希望有机会未来再请到你来做客实子录客谢谢Koji我们这次做了赛博许愿下次肯定是得来的再看看这个愿实现了没有来还愿来还愿好呀好拜拜拜拜
