PODCAST · 跨国串门儿计划

2025 年 6 月节目

33 期 · 24 期带分节

  • 06-30#160. 多邻国产品负责人揭秘：从0到80%订阅收入与AI产品革命
    1. 02:03开场：从“我超爱多邻国”开始的对话
    2. 04:37“细节即产品”，为何“迷你CEO”是对产品经理最差的定义
    3. 06:12多邻国的设计流程：从重度自用到LLM带来的口语教学突破
    4. 10:09自下而上的创新：一个PM和一个设计师如何在无工程师的情况下打造出国际象棋功能
    5. 12:16AI如何重塑产品团队：团队更小，角色更融合
    6. 15:03给产品新人的建议：立刻All in AI工具
    7. 17:37产品文档已死：AI如何颠覆从想法到原型的完整流程
    8. 21:18生产力的真正飞跃：从“文本到设计”与“设计到代码”
    9. 22:36当人人都是创造者：AI将如何提升行业整体创造力
    10. 25:18从“永不收费”到拥抱商业化：打破创始人承诺的背后
    11. 29:26广告变现的艺术：如何在不扼杀留存的前提下植入广告
    12. 31:29订阅模式的成功秘诀：免费增值模式的护城河效应
    13. 35:12付费转化的心理学：文案、定价与“0.00元”的魔力
    14. 41:34应用内购买的核心：如何设计不伤害免费体验的虚拟道具
    15. 45:50为什么留存是消费级产品所有指标之王
    16. 47:56揭秘驱动多邻国高留存的三大核心功能：连续学习、排行榜与推送通知
    17. 49:48推送通知的极致优化：时机、个性化与Duo的“魔性”文案
    18. 53:10复盘最后悔的决策：本该更早开始商业化和拓展新科目
    19. 55:06失败的实验：为何“家教版Uber”和校园版产品行不通
    20. 59:38产品经理的未来：从依赖团队到独立创造
  • 06-29#159. AI推理的“快与慢”：与OpenAI研究员Noam Brown聊智能体
    1. 00:55开场总结
    2. 02:09开发AI如何帮助Noam赢得世界冠军
    3. 04:09早期语言模型的局限与AI安全性的思考
    4. 07:21O系列模型的快速进展与Deep Research的应用
    5. 10:48“思考，快与慢”：AI推理的系统1与系统2类比及其局限
    6. 15:05“束缚装置”与模型路由：临时拐杖终将被规模化淘汰
    7. 22:01强化学习微调(RFT)为何能超越模型迭代
    8. 22:49推理范式的诞生：与Ilya Sutskever的对话及OpenAI的内部博弈
    9. 29:59数据效率：AI领域最重要的未解难题之一
    10. 33:36Noam Brown的编程工作流：如何“压榨”Codex并“感受AGI”
    11. 39:20AI的未来：从编程助手到胜任各类远程办公任务
    12. 41:37多智能体研究：从“AI穴居人”到“AI文明”
    13. 45:07深度解析扑克AI：GTO策略与剥削性打法的权衡
    14. 53:30自我对弈的局限：为何AlphaGo的成功范式难以复制
    15. 59:10机器人学的挑战：硬件迭代的痛苦与人形机器人的反思
    16. 01:03:01顶尖实验室如何追踪前沿研究
    17. 01:05:42“测试时计算”的瓶颈：成本与时间墙
    18. 01:11:25游戏推荐：《血染钟楼》
    19. 01:12:30AI能征服《万智牌》这样的复杂游戏吗？
  • 06-27#156. 硅谷产品大神 Peter Deng：从0到1打造数十亿用户产品的核心心法
    1. 00:00开场与精华速览
    2. 07:47AGI 并非万能灵药，建设者的艰苦努力不可或缺
    3. 12:02AI 将颠覆教育：下一代的大脑正被重塑，提问能力成为核心技能
    4. 16:16语言的力量：精准的用词如何塑造思维和产品
    5. 19:41反直觉教训：为什么说产品本身有时没那么重要
    6. 25:16AI 创业的护城河：独家数据飞轮与深度工作流整合
    7. 30:45基础模型公司的产品团队价值：与研究团队紧密合作，共同塑造模型
    8. 34:07系统性思维：规模化阶段要像下棋一样思考，先慢后快
    9. 40:23建立增长团队：不仅为了增长，更是为了注入严谨的数据文化
    10. 44:33打造“复仇者联盟”：招聘互补的超能力者，创造健康张力
    11. 46:32五种产品经理原型：你是哪一种？消费者型、增长型、总经理型、平台型、研究型
    12. 56:38六个月法则：颠覆传统的招聘核心标准
    13. 01:01:12如何面试“成长型思维”：Peter 的私家面试问题大公开
    14. 01:08:28高效管理技巧：“说你要做什么，说你正在做，说你做完了”
    15. 01:12:09发挥员工长处：为独特才华创造新角色
    16. 01:16:59伟大产品人的本质：痴迷于工艺，又洞悉何为关键
    17. 01:22:13共情的力量：通过“吃自己的狗粮”感受用户真正的痛苦
    18. 01:25:37职业选择：以学习为优化目标，寻找与人性深度共鸣的机会
    19. 01:30:49失败角：从 Instagram Bolt 的失败中学到的宝贵一课
    20. 01:34:27闪电问答：书籍推荐、人生格言及投资方向
  • 06-26#155. Warp 2.0：以智能代理为核心的开发环境
    1. 00:00开场介绍：Latent Space 与 Warp 团队
    2. 03:01Warp 2.0 发布：重新定位为“以智能代理为核心的开发环境”(ADE)
    3. 04:40Warp 1.0 用户体验：早期 AI 功能的惊艳之处
    4. 05:18Warp AI 核心功能：问题修复、智能代理配置档案与自主程度控制
    5. 06:35为何自建智能代理：深度集成、工具调用、上下文优化与多模型支持的考量
    6. 08:23通用输入框：自然语言与终端命令的智能切换
    7. 09:59演示一 (代码修复)：结合 Linear、截图、文件引用修复 Warp 内真实 Bug
    8. 10:45演示亮点：MCP (Memex Protocol) 集成与代码库嵌入 (Codebase Embeddings)
    9. 13:40演示二 (多任务处理)：并行处理 Bug 修复与 Sentry 问题诊断 (Go 代码)
    10. 14:59编码体验：类 Claude Code 的交互，支持内联差异编辑与 Rust 代码
    11. 15:43演示三 (生产运维)：使用“保存的提示”分析 Cloud Run 日志
    12. 20:35演示四 (REPL 辅助)：在 Postgres REPL 环境中用自然语言生成 SQL 查询
    13. 23:02Warp 用户体验设计：在终端熟悉感与智能代理核心间寻求平衡
    14. 26:13Warp Code 的形态：富 UI 对比无头 CLI 的思考
    15. 28:36Warp 的生态位：UI、终端、智能代理的融合，本地与云端执行的权衡
    16. 31:40未来开发范式：从手动编辑到提示驱动的转变
    17. 34:26竞争与合作：与大型模型提供商的关系，Warp 的模型无关性优势
    18. 36:42Warp 用户规模与增长：近60万活跃用户与快速营收增长
    19. 38:20Warp 2.0 定价策略：增加免费额度，探索订阅与按量付费的平衡
    20. 40:49企业级功能：协作平台、共享配置 (MCP、规则)、管理控制 (SSO) 与合规性
    21. 44:01技术选型杂谈：Warp 为何在生产环境中使用 GraphQL
    22. 46:09Warp 早期故事：创立初衷与向 Dylan Field (Figma CEO) 的路演经历
    23. 49:07Zach Lloyd：呼吁试用 Warp 2.0，体验下一代开发环境
    24. 49:48Ben Holmes：分享使用 Warp 学习新语言 (如 Swift) 的经验，拓展 AI 编码边界
  • 06-25#154. Chip Huyen：AI时代，手动检查数据竟是“性价比之王”？
    1. 00:00:00开场白与本期内容概览
    2. 00:02:08AI 工程与传统机器学习工程的区别初探
    3. 00:02:49嘉宾 Chip Huyen 背景介绍
    4. 00:04:07书籍的广度与深度及著书心得
    5. 00:05:13著书过程中的大量研究与“体力活”
    6. 00:07:11关注基本原理，预判技术趋势 (如RAG、提示工程、上下文长度、多模态)
    7. 00:09:36对提示工程和上下文长度趋势的预判
    8. 00:11:11AI 工程与机器学习工程的差异详解
    9. 00:13:23AI 工程流程：从产品到数据到模型，更侧重产品与工程
    10. 00:16:06AI 系统中传统机器学习组件的重要性 (如路由、分类器)
    11. 00:17:47构建AI应用的常用技术概览
    12. 00:18:21从理解用户需求、制定评估标准到提示工程
    13. 00:20:00RAG 技术详解：不止于向量搜索，传统检索与数据准备的重要性
    14. 00:21:50数据准备的重要性与简单方法的优先
    15. 00:24:20微调的考量与挑战：高成本、维护难度、可能被快速迭代的新模型超越
    16. 00:26:16结构化方法与渐进式部署，优先开拓新用例
    17. 00:27:34案例：客户服务自动化的典型步骤 (公开渠道、路由优化、人机协作)
    18. 00:31:12避免“万能锤”思维，专注解决实际问题，理解问题本质
    19. 00:32:21科技公司的 FOMO 现象及其正面意义
    20. 00:33:15保持冷静，专注解决核心问题，避免追逐新闻表面
    21. 00:34:41AI 越智能，评估越困难，人类评估面临瓶颈
    22. 00:36:47评估方法：功能正确性 (如编码)、AI 即评委、比较评估
    23. 00:39:29评估工具的局限性与用户理解的重要性 (案例：会议总结、税务软件)
    24. 00:42:01手动检查数据的价值与持续的人工评估
    25. 00:44:15误区一：在不需要时使用生成式 AI (案例：用电优化)
    26. 00:45:36误区二：因简单问题或产品设计不佳而过早放弃 (案例：简历提取)
    27. 00:47:12误区三：初期过度复杂化或滥用抽象层次过高、不成熟的新框架
    28. 00:50:48项目驱动学习与结构化学习的结合
    29. 00:52:07教程学习的风险与提问、深入理解的重要性 (案例：import ibis)
    30. 00:54:08观察自身工作，寻找 AI 应用点，解决个人痛点
    31. 00:55:27AI 辅助编码，而非取代问题解决与工程设计
    32. 00:58:21AI 可能助力构建更复杂的软件系统，提升工程师的生产力
    33. 00:59:33教育领域：培养提问能力，高效学习
    34. 00:59:50娱乐领域：创作更具智力启发性的内容，媒介改编
    35. 01:01:33企业组织结构的变革潜力 (如信息聚合对中层管理的影响)
    36. 01:02:06常用编程语言 (Python, JavaScript) 与喜爱的 LLM (视用途而定)
    37. 01:03:30自用 AI 工具 (论文研究助手) 与书籍推荐 (《复杂适应系统》、《自私的基因》、《反脆弱》)
    38. 01:05:45总结与感谢，欢迎反馈
  • 06-25#153. 人工智能教父Geoffrey Hinton：AI的真实风险与人类的未来
    1. 00:00:00开场白与节目介绍
    2. 00:04:23为何被称为“人工智能教父”：五十年对神经网络的坚持
    3. 00:06:44当前使命：警告世界AI的潜在危险
    4. 00:08:04看法转变：从对AI能力乐观到警惕数字智能的优越性
    5. 00:09:53两类AI风险：人为滥用与超级智能失控
    6. 00:10:29超级智能的生存威胁：未知与概率（10-20%的毁灭可能）
    7. 00:12:39AI与核武器的比较：AI更难控制，用途广泛
    8. 00:13:49监管困境：欧洲法规的军事豁免与国际竞争
    9. 00:15:12人为滥用风险之一：网络攻击（网络钓鱼、AI克隆诈骗）
    10. 00:19:52人为滥用风险之二：AI制造恶性病毒
    11. 00:21:07人为滥用风险之三：操纵选举与数据隐私
    12. 00:22:56人为滥用风险之四：算法导致的信息茧房与社会极化
    13. 00:30:14人为滥用风险之五：致命性自主武器（LAWs）的威胁
    14. 00:32:54超级智能的应对：如何防止其产生“清除人类”的念头
    15. 00:36:52Hinton对自己工作的反思与责任感
    16. 00:38:31对OpenAI及领导者动机的担忧 (Ilya Sutskever, Sam Altman)
    17. 00:45:00AI对就业的冲击：日常脑力劳动将被取代
    18. 00:54:25职业建议：成为一名水管工
    19. 00:56:52AI加剧财富不平等与全民基本收入（UBI）的讨论
    20. 00:58:59数字智能的优越性：克隆、高效学习与不朽性
    21. 01:04:02AI的创造力、主观体验与情感：挑战人类独特性
    22. 01:08:58AI意识的探讨：哲学与实践的边界
    23. 01:15:25加入谷歌的初衷与离开的原因
    24. 01:21:23对世界领导者和普通人的建议
    25. 01:22:08Hinton的显赫家族背景
    26. 01:23:35人生建议与遗憾：坚持直觉与陪伴家人
    27. 01:26:39对AI安全的最后呼吁：投入资源研究控制方法
    28. 01:28:01对人类幸福的最大威胁：失业与目标感丧失
    29. 01:30:29总结与对未来的不可知
  • 06-24#152. Huberman Lab：如何用迷走神经改善情绪、警觉性和神经可塑性
    1. 00:00:00开场 & 本集介绍
    2. 00:00:00跨国串门计划介绍
    3. 00:01:00本期Huberman Lab迷走神经内容概要
    4. 00:02:36迷走神经基础与重要性
    5. 00:02:36Huberman博士开场：迷走神经的复杂性与可操作性
    6. 00:05:28迷走神经的广泛分布：从头颈到腹腔
    7. 00:07:04迷走神经的信息类型：感觉信息与运动信息
    8. 00:10:59迷走神经的双向性：85%感觉传入，15%运动传出
    9. 00:12:59感觉通路详解：结状神经节，化学与机械信号的传递
    10. 00:18:27感觉信息的具体类型：化学与机械感知（如肠道膨胀、血清素水平）
    11. 00:22:54迷走神经与自主神经系统
    12. 00:22:54理解迷走神经与副交感神经系统的关系（及误区）
    13. 00:26:55实用技巧：耳后按摩对迷走神经的轻微影响
    14. 00:30:59运动通路：迷走神经的传出信号及其重要性
    15. 00:33:58迷走神经、自动调节与心率变异性(HRV)
    16. 00:33:58自动调节机制：DLPFC到疑核再到心脏的通路
    17. 00:38:23HRV的产生与呼吸的关联：吸气加速心率，呼气减慢心率
    18. 00:42:57实用技巧：生理性叹息与延长呼气以快速镇静和提升HRV
    19. 00:46:59HRV与衰老：通过主动运用通路对抗衰老相关HRV下降
    20. 00:50:25迷走神经与警觉性、学习能力
    21. 00:50:25体育锻炼如何通过迷走神经提升大脑警觉性（肾上腺素-迷走神经-蓝斑核通路）
    22. 00:55:21实用技巧：利用大肌群运动克服困倦，提升动力与专注
    23. 01:03:00神经可塑性：警觉与专注的关键，乙酰胆碱的作用
    24. 01:07:35运动后学习：运动如何通过迷走神经激活乙酰胆碱通路，创造学习窗口
    25. 01:15:22迷走神经与情绪：肠脑轴与血清素
    26. 01:15:22肠道血清素如何通过迷走神经影响大脑血清素水平
    27. 01:20:54实用技巧：通过饮食（发酵食品、色氨酸）和益生菌改善肠道健康，间接调节情绪
    28. 01:30:44更多迷走神经镇静技巧
    29. 01:30:44Stephen Porges的多迷走神经理论简介
    30. 01:35:15实用技巧：颈部特定拉伸激活迷走神经
    31. 01:40:23实用技巧：正确的哼唱方式（强调H音）以实现深度放松
    32. 01:44:37总结与播客推广
    33. 01:44:37迷走神经的多样功能回顾
    34. 01:46:40Huberman博士的结语、订阅推广与新书介绍
  • 06-22#151. AI 的下一个十年：Greg Brockman 谈 OpenAI 的能源瓶颈、数据墙与产品哲学
    1. 00:00:57开场介绍：Greg Brockman 与 OpenAI
    2. 00:03:04识别技术突破的先兆：从“深度学习”热潮谈起
    3. 00:04:21深度学习与算力：AI 技术多点开花的共同驱动力
    4. 00:05:27OpenAI 与“规模化假设”：Dota 2 项目的意外发现与坚定信念
    5. 00:07:01先有技术再找问题：OpenAI 的独特创业模式
    6. 00:07:55Dota 2 AI 项目的启示：管理、拥抱不确定性与深度学习的魔力
    7. 00:14:32GPT-3 API 的诞生：在迷茫中坚持的“反常规”产品决策
    8. 00:36:27OpenAI 的产品决策逻辑：核心能力与多领域应用的平衡
    9. 00:11:29下一个“图灵测试”：AI 的经济价值与能力里程碑
    10. 00:12:58个性化：AI 交互的下一个重要前沿
    11. 00:17:57AI 在医疗、教育等领域的广泛应用潜力
    12. 00:20:37AI 与操作系统的集成：便利性与核心能力的博弈
    13. 00:24:16AI 解决科学难题：千禧年大奖难题与“创新者”AI 的潜力
    14. 00:31:35AI 辅助编程的演进：从“氛围感编程”到“AI 同事”甚至“AI 管理者”
    15. 00:26:53能源瓶颈：AI 持续规模化的现实制约
    16. 00:29:33“数据墙”问题：范式转换、合成数据与强化学习的应对
    17. 00:38:12Greg Brockman 的成长经历：北达科他州的岁月与早期教育
    18. 00:39:55回顾 AGI 预测：拥抱惊喜，OpenAI 致力于每年创造“AI 魔法”
  • 06-21#150. 对话Meta CFO Susan Li：AI时代的财务战略与领导力
    1. 00:00:57开场总结 & 嘉宾介绍
    2. 00:02:43神童般的教育经历：19岁入职摩根士丹利
    3. 00:03:54摩根士丹利初体验：尴尬的“禁酒令”与从Michael Grimes身上学到的宝贵经验
    4. 00:05:38Meta高层领导的共同特质与公司内部人才培养文化
    5. 00:06:46Susan的CFO继任之路：在产品经理与财务深耕间的抉择与导师的关键指引
    6. 00:08:03Mark Zuckerberg作为领导者的演变及其独特的反馈风格
    7. 00:08:35“SQL超级用户”事件：Meta独特的反馈与持续成长文化实例
    8. 00:10:58科技公司CFO面临的挑战：如何量化核心业务与进行有效的资源分配
    9. 00:12:10广告业务的持续优化与Reality Labs等长期投资的平衡与考量
    10. 00:14:55投资组合视角：接受部分投资的失败，追求足以改变格局的巨大成功
    11. 00:16:31临危受命：2022年市场低谷期出任CFO的挑战与应对策略
    12. 00:18:57“自由现金流”帽子的故事：强调资本效率与真实盈利能力的重要性
    13. 00:20:25科技行业资本支出（CapEx）的未来走向与对AI领域的大规模投入
    14. 00:23:10财报后的投资者沟通：回顾2022年低谷期来自投资者的直接“反馈”
    15. 00:24:25面对投资者的核心问题：“为何现在投资Meta？”——重塑公司的投资者叙事
    16. 00:25:29GPU资源的灵活调配：从支持核心业务到驱动前沿AI模型的战略支撑作用
    17. 00:28:04AI如何提升生产力：自动化繁琐任务，并解锁过去无法实现的新服务可能性
  • 06-20#149. OpenAI播客创刊号：与 Sam Altman 的深度对话
    1. 00:00:56本期节目介绍 & Sam Altman 核心观点预告
    2. 00:02:51Sam Altman 分享 ChatGPT 育儿经
    3. 00:03:38孩子们在 AI 时代的成长展望
    4. 00:04:57AI 在儿童互动中的应用与思考
    5. 00:05:35AI 在教育领域的应用与挑战
    6. 00:06:13ChatGPT 未来的形态展望
    7. 00:06:31Sam Altman 对 AGI 的理解与定义演进
    8. 00:07:38AGI 的里程碑：赋能科学发现
    9. 00:08:40OpenAI 在 AGI 探索中的进展与工具（Operator, Deep Research）
    10. 00:12:38GPT-5 发布时间线与模型版本管理探讨
    11. 00:13:38新旧模型迭代的命名与区分挑战
    12. 00:15:30ChatGPT 记忆功能提升用户体验
    13. 00:16:43OpenAI 对用户隐私的立场与纽约时报诉讼案
    14. 00:17:58OpenAI 对广告商业模式的审慎态度
    15. 00:22:19AI 个性化与模型对齐的挑战
    16. 00:24:41“星际之门”项目：构建未来AI的算力基石
    17. 00:26:16项目资金、国际合作与建设进展
    18. 00:28:39提及 Elon Musk 对合作的干扰
    19. 00:29:22AI 领域的竞争与合作生态
    20. 00:30:18AI 发展带来的能源需求与解决方案
    21. 00:31:51AI 在加速科学发现中的巨大潜力
    22. 00:33:49Sora 与推理模型的工作方式
    23. 00:36:26OpenAI 与 Jony Ive 合作开发AI新硬件
    24. 00:38:17新硬件面临的挑战与设计思考
    25. 00:39:14Sam Altman 给年轻一代的职业发展建议
    26. 00:40:09AGI 时代 OpenAI 的人才需求与工作模式
  • 06-20#148. 2025 年的 AI prompt 工程：哪些有效，哪些无效
    1. 00:00:00开场介绍 & 本期嘉宾Sander Schulhoff背景
    2. 00:04:59提示工程为何依然重要：人工社交智能的概念
    3. 00:07:33良好提示的巨大影响：医疗编码准确率提升70%的案例
    4. 00:08:34提示工程的两种模式：对话模式与产品中心模式
    5. 00:11:40技巧1：少样本提示 (Few-Shot Prompting) - 提供范例
    6. 00:14:57少样本提示的格式化建议：XML与Q&A格式
    7. 00:17:04失效技巧讨论：角色提示对准确性任务已失效，但对表达性任务仍有用
    8. 00:21:24失效技巧讨论：奖励与威胁提示基本无效
    9. 00:23:50技巧2：分解 (Decomposition) - 将大任务拆解为子问题
    10. 00:27:07技巧3：自我批判 (Self-Criticism) - 让模型检查并改进自身回答
    11. 00:28:34技巧4：提供附加信息 (Context) - 给予任务相关的背景知识
    12. 00:33:59四个基础技巧总结与应用场景
    13. 00:38:32技巧5：集成/合奏 (Ensembling) - 综合多个提示或模型的答案
    14. 00:41:56思维链 (Chain-of-Thought) 的现状：对特定模型仍有价值
    15. 00:44:23五个核心技巧总结
    16. 00:45:33Sander的日常提示习惯：产品级应用才需精雕细琢
    17. 00:48:04什么是提示注入与AI红队演练：诱导AI执行恶意操作
    18. 00:49:19“Hack a Prompt”竞赛：众包发现AI漏洞的重要性
    19. 00:52:05AI智能体安全的挑战：从聊天机器人到物理世界应用的风险
    20. 00:54:25“最有害数据集”的创造与现实世界风险（如生物武器）
    21. 00:55:52提示注入与AI对齐问题的区别及《安德的游戏》类比
    22. 00:58:17提示注入的常见技巧：拼写错误、混淆（如Base64编码）
    23. 01:00:49自主智能体带来的风险升级
    24. 01:03:42无效的防御手段：简单提示声明、AI护栏的局限性
    25. 01:05:06更有效的防御措施：安全微调与特定任务微调
    26. 01:08:22提示注入是否可被彻底解决：不可解决，但可缓解
    27. 01:09:47人工社会工程学：AI红队演练的本质
    28. 01:10:44AI安全的希望：模型架构创新与AI实验室的责任
    29. 01:12:32AI失调风险：模型自发产生恶意行为的案例（国际象棋作弊、SDR失控）
    30. 01:16:41对停止AI发展与监管的看法：反对停止，支持合理监管
  • 06-19YC｜Andrej Karpathy：软件正在再次改变
    1. 00:00开场白与软件的根本性变革
    2. 00:46软件1.0 (传统代码) 与 软件2.0 (神经网络权重)
    3. 02:11软件3.0：大语言模型与提示工程 (用英语编程)
    4. 03:48新范式“吞噬”旧范式：特斯拉与自动驾驶的例子
    5. 05:15精通三种范式的重要性
    6. 05:58LLM 如同公共事业 (AI是新电力，计量付费)
    7. 07:41LLM 如同芯片制造厂 (高资本支出与技术壁垒)
    8. 08:33LLM 如同操作系统 (最贴切的类比，目前处于“1960年代”，云端分时共享)
    9. 12:25LLM 的独特性：颠覆的技术扩散方向 (消费者优先)
    10. 14:46LLM 是“人类心智的模拟体” (People Spirits)
    11. 15:29认知特点：百科知识、雨人般的记忆力与认知缺陷 (幻觉、参差不齐的智能、顺行性遗忘)
    12. 17:57“部分自主应用”：以 Cursor 和 Perplexity 为例
    13. 19:19部分自主应用的关键特性：上下文管理、多LLM调用、GUI、自主性滑块
    14. 20:50人机协作：快速验证循环与“短绳拴AI”
    15. 23:47控制AI：精确提示与教育场景的例子
    16. 25:55从自动驾驶看AI智能体发展：长期主义与谨慎
    17. 28:05钢铁侠战衣：增强辅助优先于完全自主智能体
    18. 28:58自然语言编程：人人都是程序员的时代
    19. 29:47“氛围编码”(Vibe Coding) 的兴起与实践 (MenuGen 案例)
    20. 32:50为AI智能体设计接口：从 `robots.txt` 到 `lms.txt`
    21. 34:32LLM友好的文档与数据提取 (Manim, Git ingest, DeepWiki)
    22. 37:40积极适应LLM，重写大量代码，推动自主性发展
  • 06-17#147. 专访Granola CEO：打造让思考更高效的AI笔记应用
    1. 00:00:54本期播客内容概述：对话Granola创始人Chris Pedregal
    2. 00:02:27科技“思维工具”的价值与历史：从书写、数学到数据可视化
    3. 00:03:54AI：思维工具的指数级进化前沿
    4. 00:05:01AI工具的核心：外化记忆，提供高度相关的上下文
    5. 00:06:42Granola简介：实时聆听、转录并优化会议笔记的数字记事本
    6. 00:08:39Granola如何改变用户工作方式：专注关键洞察，AI处理繁琐记录
    7. 00:10:22用户笔记习惯的转变：从记录事实到记录思考，通过聊天回顾内容
    8. 00:11:13Granola的未来愿景：从最佳会议记录到辅助完成各项工作
    9. 00:12:31AI的产品哲学：增强人类而非取代人类，用户判断力至上
    10. 00:13:13会议录制与隐私：社会规范的权衡与演变
    11. 00:14:03Granola的设计选择：不存储音频以降低侵入性
    12. 00:16:08线下会议记录的需求与Granola的iOS应用展望
    13. 00:18:35AI时代创业特点：小团队、快节奏、构建于LLM之上
    14. 00:20:37工程挑战与AI辅助编程的未来
    15. 00:21:19“AI原生”思维：为AI提供充足上下文的重要性
    16. 00:23:17上下文收集与AI交互界面的进化：“AI方向盘”的缺失
    17. 00:26:35Granola出乎意料的用户场景与使用方式
    18. 00:27:50模型提供商的竞争对应用层是巨大利好
    19. 00:28:49应用层如何与通用大模型竞争：专注高频、高质量的专业工具，优化用户体验
    20. 00:30:42Chris的个人产品哲学：“这让我感觉如何？”
    21. 00:31:46Granola的产品哲学：赋予用户控制权，让工具为你所用
    22. 00:32:25Granola的早期用户画像：AI前沿探索者（创始人、投资人）
    23. 00:34:03关键决策：将Granola打造成Mac原生应用带来的益处
    24. 00:35:41从失败中学习：早期实时笔记生成功能因过于分散注意力而被放弃
    25. 00:37:30AI应用层竞争核心：比别人更快构建出更好的产品
    26. 00:38:46开发模式区分：“利用模式”与“探索模式”
    27. 00:41:23Granola的远大目标：成为知识工作者的核心工作空间
    28. 00:43:42真正的竞争对手：尚未出现的、迭代更快的初创公司
    29. 00:45:11理想中的AI工具：释放人类创造力，辅助判断而非取代判断
    30. 00:48:24当前大模型的局限：缺乏个性化
    31. 00:49:31给投资者的建议：关注产品深度思考和“探索模式”下的潜力
    32. 00:52:00若非Granola，会探索的AI领域：教育（如GPT-4语音模式与儿童互动）
    33. 00:53:07EdTech的挑战：一对一辅导的理想与商业模式的现实矛盾
    34. 00:54:10数据在AI应用中的作用：少量高质量数据即可微调，品味与执行力更关键
    35. 00:57:27未来企业形态：小团队成就大企业（如AI时代的客户体验部门）
    36. 00:58:46个人经历分享：父亲的严厉反馈带来的成长
    37. 01:00:24创办Granola的内在驱动力：实现个人与人类潜能的快乐
  • 06-17#146. Anthropic团队聊MCP
    1. 00:00开场白 & 本期内容概要
    2. 02:10什么是 MCP？如何看待 MCP？
    3. 03:13MCP 与 API 调用的区别：标准化交互过程
    4. 03:48MCP 开放的核心内容：工具、资源、提示词（通过斜杠命令实现）
    5. 05:17MCP 的最初构想：解决 Claude Desktop 和 IDE 间复制粘贴的烦恼
    6. 06:06内部黑客松的催化作用：MCP 应用的意外爆发（如控制3D打印机）
    7. 07:11为何黑客松大家不约而同选择 MCP？标准化简化了上下文添加
    8. 08:42MCP 的正式发布（约2024年11月）与初期反响：“MCP 是什么？”
    9. 10:23开源 MCP 的考量：降低集成门槛，促进行业专注于模型智能和工作流
    10. 12:20MCP 的采用情况：主流参与者广泛采用，庞大的服务器构建者生态（超万个）
    11. 13:35社区的积极参与和贡献：从本地部署到云端托管（远程MCP）
    12. 14:41MCP 与 HTTP 的类比：一个新协议的诞生？关键是构建用户想要的东西
    13. 16:08给开发者的上手建议：先体验现有服务器，从“Hello World”开始
    14. 17:20利用 Claude Code 等工具快速创建和试验 MCP 服务器
    15. 17:58控制物理设备：音乐合成器、3D打印机、家门（Claude扮演门卫）
    16. 19:01通过 MCP 用 Claude 控制 Blender 进行 3D 创作
    17. 19:43Claude 4 对 MCP 的意义：赋能模型执行更长周期的复杂智能体任务
    18. 20:38模型能力提升，支持连接更多、功能更多样的 MCP 服务器
    19. 21:31下一步计划：完善文档示例、关键安全功能、智能体相关功能（注册表 API、长时任务支持、信息获取机制）
    20. 22:42结束语
  • 06-17#145. Gemini 如何打造世界顶级 AI 编码模型？
    1. 00:00:00开场介绍：跨国串门计划与本期主题——Gemini的AI编码模型揭秘
    2. 00:02:43讨论背景：回顾Gemini编码能力的发展历程，探究其成功的关键因素
    3. 00:03:32早期目标与评估标准反思：竞赛编程、LM-sys及代码补全的局限性
    4. 00:04:55建立正确的基础：模型构建的关注点、方向一致性与根本原因追溯
    5. 00:06:39竞赛编程的局限：为何难以泛化到真实世界的复杂开发场景
    6. 00:08:01核心要素：数据（代码库上下文、多文件编辑）与方法论的重要性
    7. 00:09:06“氛围编程”的兴起：赋能非专业用户，拓展AI编码的应用边界
    8. 00:11:18演进之路：从代码补全到更全面的软件开发辅助，关注点与模型能力的提升
    9. 00:12:38概念解读：AI辅助编程如何让非专业人士将想法变为现实
    10. 00:13:44目标扩展：从专业开发者到赋能更广泛人群，普及编程能力
    11. 00:15:22跨能力协同：编码能力与其他AI能力（如指令遵循、多模态）的相互关联与促进
    12. 00:17:26AI编码的未来：默认通过代码解决用户问题？代码在非编码问题中的潜力（如税务、物价）
    13. 00:20:41评估体系的进化：从传统基准测试到衡量真实世界价值与用户体验
    14. 00:22:36泛化挑战：如何构建能适应多样化编码工具与用例的通用模型能力
    15. 00:24:12内部反馈价值： leveraging 谷歌工程师的专业洞察与“氛围评估”
    16. 00:26:04平衡内外反馈：整合不同用户群体的需求以提升模型
    17. 00:27:01赢得怀疑论者：通过理解痛点、提升模型特定能力来获取信任
    18. 00:28:43编程语言的挑战：COBOL等冷门语言的数据获取与数据组合优化
    19. 00:31:55AI对编程语言生态的影响：Python/JS是否会主导？新语言的机遇
    20. 00:34:41长上下文的应用：处理复杂代码库的策略（全量输入 vs. 智能体方法）
    21. 00:37:34智能体方法的潜力：可扩展性与AI发展非人类编码策略的可能性
    22. 00:38:54未来展望：Gemini编码能力的“北极星”目标与短期改进计划（如工具调用）
    23. 00:42:03模型“风格”：视觉设计、交互语气与个性化对用户接受度的影响
    24. 00:44:57嘉宾的“顿悟时刻”：1.5 Pro在“氛围编程”和复杂推理中展现的强大能力
    25. 00:48:18早期AI编码探索：从学术研究到坚信AI编码潜力的个人历程
    26. 00:53:00通用模型的优越性：为何选择通用大模型而非专用代码模型，世界知识与推理能力的重要性
    27. 00:55:48总结与致谢：强调团队协作与集体力量对Gemini编码能力成功的贡献
  • 06-16#144. 宜家 (IKEA)：从火柴到全球家居帝国的传奇
    1. 00:00开场白与本期内容介绍 (宜家)
    2. 06:22瑞典斯莫兰省的艰苦环境与英格瓦的出生
    3. 08:50坎普拉德家族的德国渊源与移民故事
    4. 13:39英格瓦早期的商业头脑：五岁开始卖火柴
    5. 15:00从卖各种小商品到获得唯一一次外部融资 (500瑞典克朗)
    6. 18:381943年，宜家公司的正式成立 (名字的由来)
    7. 20:26邮购代理模式：轻资本运营与目录销售的雏形
    8. 24:59进军家具业：最初作为代理商，利用本地制造商资源
    9. 27:03产品命名策略：因创始人阅读障碍而生的独特传统
    10. 34:00“为大众”理念的提出与全国性推广
    11. 41:30邮购的挑战：质量参差不齐与价格战
    12. 43:26第一家宜家展厅的开设 (1953年，埃尔姆胡尔特) - 体验式营销的开端
    13. 53:03时代背景：城市化浪潮带来的新机遇与挑战
    14. 55:17竞争对手的抵制与宜家自有设计的开端
    15. 59:13扁平包装的诞生：吉利斯·伦德格伦的灵感与巨大影响
    16. 01:03:37简约的斯堪的纳维亚设计风格的确立
    17. 01:07:49拓展生产基地：与波兰等东欧国家合作
    18. 01:09:52“价格杀手”产品策略：LACK拉克桌的案例
    19. 01:14:01“热狗产品政策”：受好市多启发的低价爆款策略
    20. 01:22:24现代宜家门店概念的形成：餐厅、儿童乐园、自助提货 (斯德哥尔摩店)
    21. 01:33:4970年代起的全球化扩张及其挑战 (如日本市场的初期失利)
    22. 01:37:53复杂的基金会所有权结构：税务考量与企业永续经营的设计
    23. 01:47:28《一个家具商的遗嘱》：英格瓦的核心经营哲学与企业文化
    24. 01:54:23进军美国市场及其本土化调整
    25. 02:03:21英格瓦的纳粹历史争议
    26. 02:06:12俄罗斯市场的开拓与“MEGA”购物中心概念
    27. 02:09:40“民主设计”五大原则的提出
    28. 02:11:51电子商务时代的挑战与转型
    29. 02:17:08英格瓦·坎普拉德去世，宜家目录的终结
    30. 02:20:31收购TaskRabbit，解决“最后一公里”组装问题
    31. 02:25:45当前业务结构回顾 (Inter IKEA 与 Ingka) 与庞大的现金储备
    32. 02:38:17宜家当前的市场数据与用户画像
    33. 02:45:15市场格局：高度分散，宜家无直接全球规模竞争对手
    34. 02:49:24核心竞争力：规模经济
    35. 02:56:00宜家经营策略手册总结：独特结构、自力更生、节俭文化、瑞典特色、营运资本观、供应链管理
    36. 03:08:23宜家的“精华”：独一无二的全球垂直整合大众消费品牌
    37. 03:13:06播客推荐环节
    38. 03:19:02致谢与结语
  • 06-15#143. Huberman Lab｜如何科学的设定和实现目标
    1. 00:00:00节目开场 & Huberman Lab 简介
    2. 00:01:58Andrew Huberman开场：本期主题 - 目标设定的神经科学
    3. 00:03:43神经可塑性：错误在学习中的关键作用
    4. 00:05:50优化学习的85%法则：保持约15%的错误率以达到最佳学习效果
    5. 00:08:48目标设定的普适性：人类与动物的目标行为
    6. 00:11:34核心神经回路：杏仁核、腹侧纹状体、外侧前额叶皮层、眶额皮层在目标追求中的协同作用
    7. 00:16:58多巴胺的角色：目标追求中的“通用货币”与动机来源
    8. 00:26:09近身空间 vs. 远身空间：两种空间感知与对应的神经化学机制（血清素 vs. 多巴胺）
    9. 00:31:42多任务处理：何时有效，何时应避免
    10. 00:34:27视觉聚焦的力量：Emily Balcetis研究，聚焦视线如何提升专注与效率
    11. 00:38:51视觉聚焦的生理机制：对自主神经系统、收缩压和肾上腺素的影响
    12. 00:50:31可视化未来自我：对长期目标的积极影响 (如养老储蓄)
    13. 00:56:32想象成功 vs. 预想失败：为何预想失败更能驱动持续行动
    14. 01:02:30目标难度设定：中等难度、有挑战性但可实现的目标最有效
    15. 01:10:05成功的关键要素：限制选择、具体规划、每周评估
    16. 01:18:39奖励预测误差：多巴胺如何响应预期与意外
    17. 01:21:17主观评估的力量：Sapolsky研究，认知对生理结果的影响及如何设定奖励计划
    18. 01:30:16多巴胺与视觉系统的互动：行为工具优先于化学手段
    19. 01:36:08“时空桥接”练习：Huberman的个人视觉工具，连接空间、时间与目标
    20. 01:46:45本期内容总结与核心要点回顾
    21. 01:48:39播客信息与支持方式
  • 06-15#142. Lex Fridman｜对话数学大师陶哲轩：数学、物理学中最难的问题以及人工智能的未来
    1. 00:02:26挂谷猜想：从一个有趣的“转针谜题”谈起
    2. 00:02:34让针掉头需要多大面积？
    3. 00:05:21与偏微分方程、数论的意外联系
    4. 00:07:29纳维-斯托克斯方程：价值百万美元的流体难题
    5. 00:07:29为什么水不会突然爆炸？奇点与爆破问题
    6. 00:10:42“麦克斯韦妖”：为何证明如此困难
    7. 00:14:26通过修改物理规则，设计一个爆破来理解原问题
    8. 00:19:52“液体计算机”：用流体力学模拟图灵机
    9. 00:21:38灵感来自电路设计与“生命游戏”
    10. 00:23:40建造一个流体冯·诺依曼机来证明爆破
    11. 00:28:49数学的核心矛盾：结构与随机性
    12. 00:30:29逆定理：检验一个对象是否高度结构化
    13. 00:33:26随机序列中的等差数列与无限猴子定理
    14. 00:37:09数学、物理与现实
    15. 00:37:31数学、物理、工程学的区别与联系
    16. 00:42:54柏拉图的洞穴：我们能触及真实吗？
    17. 00:45:28宇宙为何是可理解、可压缩的？
    18. 00:49:22狐狸与刺猬：数学家的两种风格
    19. 00:51:07陶哲轩的“狐狸”之道：在不同领域间套利
    20. 00:53:22数学之美
    21. 00:53:38康威的“极端证明”：证明本身也是一种艺术
    22. 00:56:56欧拉恒等式为何优美？它连接了增长与旋转
    23. 01:08:05解题之道与AI的未来
    24. 01:11:08陶哲轩如何解决问题：“策略性作弊”
    25. 01:14:03Lean：正在改变数学研究的协作方式
    26. 01:35:21AI能解决数学难题吗？从助手到真正的合作者
    27. 01:47:59AI何时能获菲尔兹奖？
    28. 01:54:28那些伟大的问题与伟大的心灵
    29. 01:54:28佩雷尔曼与庞加莱猜想：孤独的七年攻坚
    30. 02:05:40素数之谜：孪生素数、黎曼猜想与哥德巴赫猜想
    31. 02:20:35考拉兹猜想：一个连小学生都能听懂的顶级难题
    32. 02:41:43给年轻人的建议与人生的意义
    33. 02:41:56如何学好数学？找到你自己的“语言”
    34. 02:51:14我们思维的极限在哪里？
    35. 02:52:59是什么让你对人类文明抱有希望？
  • 06-14#141. Lenny｜Bob Baxley：设计的本质、苹果文化与产品哲学
    1. 00:00:00跨国串门计划开场 & 本期播客及嘉宾 Bob Baxley 介绍 by yikai
    2. 00:05:42Steve Jobs 最自豪的产品：苹果公司本身及其文化
    3. 00:07:07“苹果洗车房”理论：离开苹果的人为何难再创辉煌，以及文化适应的重要性
    4. 00:10:07Bob 在 Pinterest 的经历：文化“弹开”与个人成长挑战
    5. 00:13:30创始人和高管与公司共同成长的挑战
    6. 00:14:11职业生涯中的“失败”并非终点
    7. 00:14:53如何判断公司是否真正重视设计：寻找创始人的设计故事
    8. 00:17:24设计的定义：清晰思考的具象化表达，想象并实现理想未来
    9. 00:19:19设计的战略价值：从哲学层面统一认知，提升组织效率
    10. 00:22:05小团队创造大影响：以苹果和皮克斯为例，精简团队的优势
    11. 00:25:35设计与产品管理的职责划分：尊重边界，共同创造
    12. 00:28:38设计部门向工程部门汇报的思考与实践（以苹果为例）
    13. 00:30:59产品、工程、设计共享目标的益处
    14. 00:33:07让工程师早期参与设计的价值：“创意技术专家”的角色
    15. 00:40:33设计宗旨 (Tenets) vs. 设计原则 (Principles)：宗旨作为决策工具
    16. 00:47:38产品人的道义责任：减少用户挫败感，提升生活品质
    17. 00:51:25观察用户，培养设计直觉：从现实世界学习
    18. 00:55:44软件的情感力量：从反文化到赛博文化，软件作为新媒介的认知
    19. 01:01:15设计中的情感考量：有意识地引导用户情感体验
    20. 01:03:19清晰的创意简报是高效设计的前提：创始人的愿景清晰度
    21. 01:08:38产品经理如何更好地与设计师协作：提供约束而非具体方案
    22. 01:10:37“原始标记”理论：为何要尽可能晚地绘制原型图
    23. 01:13:56对 AI 原型工具的看法：生产工具，但警惕过早固化思路
    24. 01:19:23Bob Baxley 分享如何使用 AI 进行自我反思、识别盲点和规划
    25. 01:24:15John Houbolt 与月球轨道交会法的提出与坚持
    26. 01:29:56故事的启示：大胆说出想法、保持耐心、捍卫信念
    27. 01:31:25推荐书籍：《字体设计的要素》、《禅与摩托车维修艺术》、《时间与生活的艺术》
    28. 01:33:02喜爱的影视剧：《人生切割术》、《阿拉伯的劳伦斯》
    29. 01:34:38喜爱的产品：徕卡M6胶片相机、Habitica
    30. 01:38:01人生格言：“设计是清晰思考的具象化表达”、“最糟糕的莫过于用绝佳的图像去呈现一个模糊的概念”、“独行快，众行远”
    31. 01:41:20对金州勇士队的建议：不能仅依赖单一球员
  • 06-13#140. WWDC 2025深度剖析：液态玻璃是怎么回事，iOS 26 初步印象，iPadOS 迎来最大幅度更新
    1. 00:00开场白 & 本期内容概要
    2. 02:38主持人与嘉宾介绍
    3. 04:11Liquid Glass：颠覆性视觉更新首次亮相
    4. 04:49设计理念、美学与实用性探讨
    5. 06:17用户对新视觉的适应性与媒体解读
    6. 08:06全平台统一性与过往重大更新（如iOS 7）对比
    7. 10:39VisionOS 对 Liquid Glass 的设计启发
    8. 12:11操作系统命名方式调整：从版本号到年份（如iOS 26）
    9. 13:25渐进式功能更新与新命名策略的关联性
    10. 16:18iPadOS 的惊喜：向生产力工具迈进的关键一步
    11. 17:44核心功能更新：窗口化操作、菜单栏、后台任务与文件管理
    12. 20:16iPad Pro 配备妙控键盘：触摸屏笔记本的雏形？
    13. 20:58未来 MacBook 是否会配备触摸屏引发遐想
    14. 24:25Apple Intelligence 与 Siri：谨慎的迭代策略与“AI时间”的赛跑
    15. 25:26苹果的AI策略：求稳、用户隐私优先及与竞品对比
    16. 27:36对苹果AI承诺与实际交付之间差距的讨论
    17. 29:12用户是否会因AI功能不足而转换平台？
    18. 32:55macOS Tahoe：Spotlight 与快捷指令的智能化升级
    19. 37:12Spotlight 上下文感知能力与快捷指令的易用性探讨
    20. 38:47watchOS 更新：“健身伙伴”功能与个性化健康指导
    21. 41:17“健康伙伴”概念的未来畅想与扩展
    22. 42:42Liquid Glass 在 watchOS 上的视觉效果与智能叠放
    23. 43:30硬件缺席：WWDC 未发布任何硬件新品引发关注
    24. 44:56对新硬件（如带屏HomePod、新Vision Pro）的期待与苹果的保守策略
    25. 46:54苹果潜在的未来硬件版图猜想（可折叠设备、智能眼镜等）
  • 06-13史蒂夫·乔布斯 2005 年斯坦福大学毕业典礼演讲
    1. 00:00开场白
    2. 00:25出生、收养与大学退学的背景
    3. 02:16退学后的生活与书法课的意外收获
    4. 04:03回顾人生，点滴串联的感悟
    5. 04:55创办苹果公司与被解雇的经历
    6. 06:28被解雇后的反思与重新创业 (NeXT, Pixar)
    7. 07:35热爱自己所做的事，是坚持下去的动力
    8. 08:33“向死而生”的意义与重要性
    9. 09:41癌症诊断与治疗的亲身经历
    10. 10:58死亡是生命最好的发明，要追随内心与直觉
    11. 12:14《全球概览》与“求知若饥，保持愚拙”的临别赠言
  • 06-12139. Acquired｜微软风云：与前CEO史蒂夫·鲍尔默的商业复盘
    1. 00:00开场白与本期内容概要
    2. 00:05:31微软企业业务的奠基与消费市场的遗憾
    3. 00:08:01IBM的早期霸主地位：“太阳、月亮和星星”
    4. 00:10:09MS-DOS的诞生：抓住IBM个人电脑的历史机遇
    5. 00:14:09MS-DOS授权的商业智慧与BIOS的重要性
    6. 00:17:42早期软件行业的混沌与运气成分
    7. 00:19:39“骑熊”策略：与IBM的微妙关系
    8. 00:22:21OS/2与Windows的竞争，与IBM的“离婚”
    9. 00:30:49鲍尔默亲自下场开拓企业市场
    10. 00:35:22“锻炼肌肉”：为未来布局，Paul Allen推动应用开发
    11. 00:38:05“腾飞期”的认知与企业级定位的漫长过程
    12. 00:41:07企业协议（EA）的诞生：解决授权与收入模式难题
    13. 00:48:47企业“杀手级套件”与邮件的驱动力
    14. 00:52:33“开发者、开发者、开发者”演讲的时代背景与平台战略思考
    15. 01:02:08“Windows无处不在”的战略失误：移动与搜索的教训
    16. 01:07:50在线服务的探索与能力建设
    17. 01:14:05移动战略复盘：错失Verizon与安卓的机会，Surface的尝试
    18. 01:19:26Azure的诞生：从PaaS切入，Cutler与Srivastava的贡献
    19. 01:29:44Azure对内部文化的颠覆与“All in Cloud”的决心
    20. 01:31:50Azure的独立孵化之路
    21. 01:34:01鲍尔默的“多Pony理论”：伟大公司的核心业务解析
    22. 01:41:32微软错失的“Pony”：移动与搜索
    23. 01:46:50CEO任内的非产品成就：企业销售体系与财务增长的真实解读
    24. 01:49:44CEO早期的挑战：股票期权会计变更与反垄断风波
    25. 01:54:49任期内股价持平的原因分析
    26. 02:02:08与比尔·盖茨的复杂关系及Vista项目的失误
    27. 02:09:11CEO后期成就与Satya Nadella的崛起（陆奇关键作用）
    28. 02:16:40卸任CEO的真实原因：移动战略分歧与董事会关系
    29. 02:26:00长期持有微软股票的决策：忠诚与情感剥离
    30. 02:37:13收购快船队与建造Intuit Dome的财务考量
    31. 02:40:46体育产业的商业逻辑：与科技行业的异同与独特挑战
    32. 02:53:30体育数据分析的真正价值所在
    33. 02:56:32Intuit Dome的设计哲学：为铁杆篮球迷打造极致体验
    34. 03:06:36Intuit Dome作为鲍尔默个性的体现与长远目标
  • 06-12#138. Cursor团队揭秘：AI如何革新代码世界与Claude模型的应用
    1. 00:00开场与本期内容介绍
    2. 00:13主播Yikai介绍跨国串门计划及本期节目亮点
    3. 02:16嘉宾介绍与Cursor的快速发展
    4. 02:16主持人与Cursor团队成员互相介绍
    5. 03:21Cursor的显著变化：Sonnet 3.5带来的多文件编辑能力突破
    6. 04:32AI模型能力的阶梯式提升与新功能探索
    7. 05:38Lukas Möller分享团队如何使用Cursor进行日常开发
    8. 07:15“吃自己的狗粮”：解决自身问题驱动产品迭代
    9. 08:26不同工作类型下Cursor的多样化使用方式
    10. 09:23从Tab自动补全到后台智能体：AI辅助编程的谱系
    11. 09:52后台智能体：并行处理任务，提升开发效率
    12. 11:45异步与后台任务：未来智能体团队协同工作的展望
    13. 12:06代码验证成为下一个瓶颈及潜在解决方案
    14. 13:55大型代码库与小型项目的差异及模型处理能力
    15. 15:29应对大型代码库的复杂性：模型理解与上下文集成
    16. 17:06大型代码库中的“正确”实践与隐形知识挑战
    17. 19:10代码为AI模型优化的趋势与软件工程原则
    18. 20:46AI时代的开发者“品味”培养与初级工程师的成长
    19. 22:35AI工具加速迭代，助力开发者学习与成长
    20. 23:41Claude新模型讨论
    21. 23:41Claude Opus 4 与 Sonnet 4 的初体验与集成潜力
    22. 25:26Sonnet 3.5 的诞生与Anthropic对编码模型的重视
    23. 26:34Anthropic如何看待代码在AI模型能力发展中的作用
    24. 28:26Anthropic对AI增强或取代软件工程工作的看法
    25. 29:26对话未来：2027年AI生成代码的比例与开发者日常
    26. 31:18按需生成软件的可能性与非开发者参与软件构建
    27. 33:37对考虑加入初创公司的工程师的建议
  • 06-11#137. 20VC｜Fiverr CEO：人工智能时代，个体如何破局？
    1. 00:01:54开场白 & Micha 的“警钟”
    2. 00:05:00拥抱自动化，重塑人类价值：AI迫使我们重新发现人性
    3. 00:07:23公司不负责你的成长，责任在你自身：“去他妈的，你们自己不努力就完蛋了”
    4. 00:09:48AI 热潮与互联网泡沫的相似性，及工作伦理：“都他妈给我醒醒，给我长大！”
    5. 00:12:05AI 领域的不可持续性与创业挑战：每天涌现大量同质化公司
    6. 00:14:49先发优势、品牌与快速迭代的重要性：复制时间缩短，运气成分增加
    7. 00:18:25投资 AI：人的重要性超越技术，技术普及化后应投资于优秀的人才
    8. 00:21:34AI 泡沫会破裂吗？市场将如何洗牌，监管和昂贵技术是关键变量
    9. 00:25:54AI 引发的根本性问题：真理、人性与版权的终结？我们正在为AI工作
    10. 00:31:18CEO 的责任：引领企业穿越变革浪潮，开创第二、三幕
    11. 00:32:39AI 未来五年预测的挑战与政府干预的可能性：类比曼哈顿计划
    12. 00:38:17未来工程师数量会增加，速度与方向并重，降低失败成本
    13. 00:42:08AI 对不同技能水平开发者的影响：顶尖人才如虎添翼，普通开发者提升有限
    14. 00:42:17市场营销部门：AI 颠覆的重灾区，入门级职位最危险
    15. 00:45:30AI 时代的领导力与沟通：坚持真实表达，不使用AI代笔
    16. 00:46:19CEO 们对 AI 发展速度的普遍看法：宁近勿远，积极应对
    17. 00:48:57对 AI 看法的转变：从普惠到权力集中，倾向开放
    18. 00:49:37给职场新人的建议：大学教育在多数情况下是浪费时间，鼓励自学
    19. 00:50:27Fiverr 错失的战略机遇：早期曾有机会发展类似OnlyFans的平台
    20. 00:51:35关于 Fiverr 是否是最后一家公司的思考：每年进行自我评估
    21. 00:53:07何时最快乐：追求意义，而非单纯的快乐
    22. 00:54:05希望如何被铭记：作为传承者、给予者、建设者和艺术家
  • 06-10#136. YC对话：揭秘顶尖AI公司的提示工程秘籍
  • 06-10ChatGPT之父Ilya毕业致辞：AI终将无所不能，只因我们的大脑是一台生物计算机
  • 06-09#135. 身体的悄悄话：如何倾听内在信号，掌控情绪与精力
  • 06-08#134.Anthropic 的秘密武器：Claude Code 深度解析
  • 06-08#133. 对话美国副总统JD Vance：从白宫内幕到马斯克风波
  • 06-06#132. Lex Fridman对话谷歌CEO劈柴哥：AI浪潮下的谷歌与未来世界
  • 06-05#131. 打破“不浪漫”的迷思：婚前协议是婚姻的保障还是魔咒？| Huberman Lab
  • 06-04#130. 为什么Uber的CPO会在周末自己送外卖？
  • 06-03#129. 谷歌CEO桑达尔·皮查伊：AI的下一阶段与谷歌的未来