← 瑜伽姐的斜杠人生
2026.11.16
Show notes
节目简介
这一期,我们聊一位正在把自己从程序员升级成“系统”的AI工程师。
本期嘉宾Elemen(艾曼),目前在一家互联网大厂带领小团队,从事AI工程基础设施和相关业务落地工作。他的职业路径并不是一路顺风。
刚毕业时,他因为项目经验不足,在求职中四处碰壁。后来从创业小厂开始,经历了中型企业、外资企业和大厂,也在工作之后前往中国香港攻读硕士。
这些经历,让他对组织、技术和人的协作方式有了不同的理解。小公司让人什么都要做,但未必有完善流程。
大公司拥有更成熟的开发标准,却也可能有更复杂的组织摩擦。而AI出现之后,过去那些清晰的岗位边界,正在重新变化。
现在,他的工作不再只是写代码。
在真实的软件开发流程里,AI已经能够参与需求分析、产品方案、架构设计、代码生成、自动化测试和部分验收工作。
一个工程师也可以同时组织多个Agent,让它们并行完成过去需要不同专业岗位协作的任务。
但问题也随之出现:
当AI已经能够写代码,工程师还负责什么?
当不同Agent分别执行任务,谁来管理它们之间的上下文和信息共享?
当一个系统成功上线,为什么企业老板仍然只关心它能不能创造收入?
当个人模型、RAG知识库和数字分身开始出现,一个人的经验、表达方式和判断逻辑,能不能被长期保存?
这一期,我们还聊到了Elemen正在探索的多Agent协作软件。
他希望让不同的AI工具能够共享必要的工作记录和知识,并以类似圆桌会议的方式协作。
这不是单纯把更多AI工具打开,而是重新组织执行工作。
我们也讨论了一个很现实的矛盾:
技术人员往往希望把东西做得更好、更优雅;但商业世界关心的是用户是否需要,客户是否付费,以及系统能不能带来真正的经营结果。
当AI让软件开发越来越便宜,做出一个产品,仍然不等于做出一个好产品。
更不等于做出一门好生意。
这不是一集AI Coding工具教程。
而是一集关于:
AI时代,一个人如何从单独执行任务,升级为能够组织人、管理AI、沉淀经验、设计系统,并对真实结果负责的人。
主持人:Fancy
嘉宾:Elemen
即刻:Elemen 公众号:艾黎梦说 GitHub:https://github.com/elementlo
收听方式:
喜马拉雅,小宇宙,网易云音乐,qq音乐,豆瓣,App podcast ,Spotify,Google podcast ,overcast,YouTube.
时间线
* 00:00–01:16|嘉宾登场:Elemen,互联网大厂AI工程师,正在带领小团队从事AI基础设施与业务落地工作
* 01:16–02:46|Elemen自我介绍:从传统软件开发到AI工程,如何帮助公司提升效率与支持业务增长
* 02:46–06:48|职业起点并不顺利:从求职碰壁、创业小厂,到中型企业、外资企业和大厂
* 06:48–09:26|不同规模企业的组织差异:小厂没有边界,中大型企业有流程,但也有更多组织摩擦
* 09:26–12:33|为什么工作后又去读硕士:技术基础、职业困惑,以及想换一个环境重新理解自己
* 12:33–16:33|中国香港求学经历:不同学习环境、人文体验与技术文化带来的视角变化
* 16:33–21:27|小厂、中厂、大厂分别教会了什么:从交付业务结果,到形成开发标准,再到理解组织共识
* 21:27–27:28|大厂经验能否直接复制到小企业:真正厉害的人,既能设计复杂架构,也能把它拆成小团队能用的方案
* 27:28–30:32|什么时候发现只写好代码已经不够:技术质量与商业价值之间,并不存在必然的对应关系
* 30:32–34:38|程序员为什么需要商业思维:老板真正关心的不是代码有多优雅,而是系统带来了什么业务结果
* 34:38–39:25|AI Coding带来的职业冲击:非技术人员也开始利用AI独立搭建软件和平台
* 39:25–44:59|AI会开发以后,工程师还负责什么:长期维护、技术路线判断、稳定性、体验和最终责任
* 44:59–46:24|从自己动手到指挥AI:如何用真实项目解释工程师工作方式的改变
* 46:24–51:55|两个个人项目的对比:过去一个笔记工具断续开发一年,现在多个Agent可以并行做设计、调研与架构
* 51:55–57:29|从一句业务目标到完整交付:需求拆解、多个方案竞争、开发规约、并行执行、自动测试和指标验收
* 57:29–59:43|AI如何改变传统软件开发流程:过去按部门传递需求,现在更多Agent可以共享信息并直接协作
* 59:43–01:03:23|岗位边界越来越模糊:产品、开发、测试之间的能力交叉,以及员工为什么需要主动升级
* 01:03:23–01:09:25|AI如何扩展非技术人员的职业能力:产品、设计和系统开发不再完全受传统岗位限制
* 01:09:25–01:11:55|多Agent协作的新问题:不同Agent各自完成任务,却不知道其他Agent已经做了什么
* 01:11:55–01:14:01|正在开发的协作软件:为什么希望把不同Agent的任务记录、共享记忆和知识库连接起来
* 01:14:01–01:18:31|多工具协作中的隐私和上下文:企业机密、个人资料、长对话信息损失与跨模型共享
* 01:18:31–01:21:19|两种AI使用策略的碰撞:多模型分工协作,还是先完成自己的核心业务系统
* 01:21:19–01:25:47|系统建设会不会过度设计:如何避免被AI不断扩大的任务带离真正的业务目标
* 01:25:47–01:29:25|外贸SOHO的系统化变化:从分散经验、人工跟进,到客户背调、知识沉淀和订单流程重构
* 01:29:25–01:34:25|AI系统如何实现商业交付:客户不关心系统功能有多强,更关心能否提升收入与转化
* 01:34:25–01:36:17|个人模型和RAG知识库:哪些信息值得长期保存,个人决策过程如何形成数字资产
* 01:36:17–01:40:52|数字分身为什么不能只是普通写作Skill:一个人的表达风格、经验和判断如何被保留
* 01:40:52–01:44:30|个人AI系统的另一种价值:不仅向外执行任务,也能帮助人观察和复盘自己的变化
* 01:44:30–01:48:33|为什么把AI当成“小黄人”来养:从使用别人设计的工具,到围绕自己的需求组织AI协作
* 01:48:33–01:50:27|从开发者到产品创造者:AI不仅帮助完成工作,也让人获得实现个人想法的能力
* 01:50:27–01:54:15|为什么原型越来越容易做,好的产品却没有同步变多:开发能力与市场需求之间仍有距离
* 01:54:15–01:59:38|技术理想与商业现实的矛盾:做小而美的产品,还是做真正有人愿意付费的产品
* 01:59:38–02:00:44|给普通人的第一步建议:先打开一个AI工具,尝试提出建立个人协作系统的需求
* 02:00:44–02:04:56|Fancy结尾总结:外贸企业为什么需要把行业经验、客户判断和业务流程沉淀成自己的系统,而不是继续追逐AI工具
10个深度问题
1. 你从刚毕业求职碰壁,到创业小厂、中型企业、外资企业,再到现在的大厂AI工程岗位,这条职业路径中,哪一次经历真正改变了你对软件工程师价值的理解?
2. 你提到小公司、中型企业和大厂,分别有不同的协作方式与开发标准。如果一个人想从传统程序员转向AI时代的系统设计者,哪些经验最值得保留,哪些反而需要放下?
3. 你曾经认为,写出优雅的代码、做出技术上优秀的软件,就是一个好工程师。后来为什么发现,技术质量并不一定能够转化为商业价值?
4. 现在非技术人员也能利用AI开发软件,甚至搭建完整平台。你认为未来工程师真正不可忽视的价值,会转移到架构设计、决策、用户体验,还是系统长期维护?
5. 你现在可以同时调用多个Agent进行UI设计、竞品调研、架构搭建和软件开发。这样的协作方式与传统团队相比,真正的优势是什么?又产生了哪些新的管理成本?
6. 你提到,一个业务部门只需要提出增长目标,Agent就可能生成多个方案、比较开发成本、执行测试并验证指标。那么在这条自动化链路里,哪些决策必须由人承担最终责任?
7. 你正在探索多Agent协作软件,希望解决不同AI之间的上下文、记忆和知识共享问题。为什么现有的多窗口、多工具或公共文件夹,还没有完全解决你的需求?
8. 你同时探索个人模型微调、RAG知识库和数字分身。一个人的长期经验、思考过程、表达习惯和决策逻辑,怎样才能成为真正可持续积累的个人资产?
9. 你提到希望把AI当成自己培养的“小黄人”,而不是完全依赖别人设计好的产品。这种主动组织AI的思维,与普通用户购买AI工具最大的区别是什么?
10. 当AI让一个人几天就能做出过去需要几周甚至几个月完成的软件,而你目前仍然保留稳定的职业收入时,你怎样区分个人兴趣项目、职业能力投资与真正具备商业化潜力的产品?
5个吸引力亮点
1. 从求职碰壁到大厂AI工程师:这不是一条标准的技术精英成长路线
Elemen刚毕业时,并没有直接进入成熟的大厂体系。
他最初缺少实际项目经验,在技术方向上也曾经很迷茫。
后来从创业公司开始,在不同规模的企业里积累技术经验、组织经验和协作能力,逐渐走到今天的AI工程岗位。
2. 这期真正讲清楚了“从写代码到管理Agent”的变化
Elemen举了一个具体的项目对比。
过去,他为了完成一个个人笔记工具,需要自己学习技术文档、了解开发框架、整理素材、设计界面,整个项目断断续续开发了一年。
现在,面对类似规模的软件,他可以同时组织不同Agent:
设计Agent → 竞品调研Agent → 架构开发Agent → 测试Agent。
但这不意味着只要多开几个窗口,就自动拥有一支高效团队。
新的难题是:
不同Agent怎么共享工作进度?
谁掌握最新上下文?
哪些信息需要同步?
谁来判断方案冲突?
谁负责最终结果?
AI放大执行能力之后,协作设计和上下文管理开始成为新的工程问题。
3. 这期对企业老板最有价值的判断:系统交付不是功能,而是业务结果
这期有一段非常现实的讨论。
Elemen提到,工程团队向客户介绍系统时,往往会介绍报表、功能、数据连接和技术能力。
但客户的反应可能只是:
这个系统下个月能给我带来多少营收?
这揭示了技术交付和商业采购之间的差异。
对企业来说,软件功能并不直接等于经营收益。
真正需要回答的是:系统能不能减少成本、改善流程、降低错误、提高转化,或者支持收入增长。
未来AI工程师不仅要懂怎么把系统做出来,还需要理解企业为什么愿意为系统付钱。
4. 从个人知识库到数字分身:AI开始进入人的长期认知资产
Elemen除了研究软件开发,也在探索个人模型微调、RAG知识库与数字分身。
这部分最值得讨论的,不是能不能生成一个说话像自己的机器人。
而是:
一个人的判断依据能不能被持续记录?
不同阶段的想法为什么发生变化?
一个人的知识、工作经验和表达方式,怎样被长期保存并在未来重新使用?
Elemen认为,通用Agent并不能仅凭一个Skill就真正理解某个人。
他希望保留更多与自己有关的个人信息和决策逻辑,再探索更具个性化的AI代理。
5. “养自己的AI小黄人”是这一期很有辨识度的观点
Elemen提出一个很有趣的比喻:
与其只把AI理解为一款已经设计好的产品,不如把它理解成可以围绕自己的目标不断组织和培养的助手。
这不是说AI拥有真实的人格,而是在表达一种不同的使用思路。
普通AI用户通常按照产品已经定义好的功能去使用。
而一个主动设计个人系统的人,会先考虑:
我到底想实现什么?需要哪些能力?哪些事情应该由AI负责?哪些必须由我判断?
这让整期节目从程序员的职业转型,延伸到所有人的个人能力建设。
AI时代,真正重要的可能不是拥有多少工具,而是能不能让工具按照自己的目标协作。
《瑜伽姐的斜杠人生》播客团队
本期嘉宾Elemen(艾曼),目前在一家互联网大厂带领小团队,从事AI工程基础设施和相关业务落地工作。他的职业路径并不是一路顺风。
刚毕业时,他因为项目经验不足,在求职中四处碰壁。后来从创业小厂开始,经历了中型企业、外资企业和大厂,也在工作之后前往中国香港攻读硕士。
这些经历,让他对组织、技术和人的协作方式有了不同的理解。小公司让人什么都要做,但未必有完善流程。
大公司拥有更成熟的开发标准,却也可能有更复杂的组织摩擦。而AI出现之后,过去那些清晰的岗位边界,正在重新变化。
现在,他的工作不再只是写代码。
在真实的软件开发流程里,AI已经能够参与需求分析、产品方案、架构设计、代码生成、自动化测试和部分验收工作。
一个工程师也可以同时组织多个Agent,让它们并行完成过去需要不同专业岗位协作的任务。
但问题也随之出现:
当AI已经能够写代码,工程师还负责什么?
当不同Agent分别执行任务,谁来管理它们之间的上下文和信息共享?
当一个系统成功上线,为什么企业老板仍然只关心它能不能创造收入?
当个人模型、RAG知识库和数字分身开始出现,一个人的经验、表达方式和判断逻辑,能不能被长期保存?
这一期,我们还聊到了Elemen正在探索的多Agent协作软件。
他希望让不同的AI工具能够共享必要的工作记录和知识,并以类似圆桌会议的方式协作。
这不是单纯把更多AI工具打开,而是重新组织执行工作。
我们也讨论了一个很现实的矛盾:
技术人员往往希望把东西做得更好、更优雅;但商业世界关心的是用户是否需要,客户是否付费,以及系统能不能带来真正的经营结果。
当AI让软件开发越来越便宜,做出一个产品,仍然不等于做出一个好产品。
更不等于做出一门好生意。
这不是一集AI Coding工具教程。
而是一集关于:
AI时代,一个人如何从单独执行任务,升级为能够组织人、管理AI、沉淀经验、设计系统,并对真实结果负责的人。
主持人:Fancy
嘉宾:Elemen
即刻:Elemen 公众号:艾黎梦说 GitHub:https://github.com/elementlo
收听方式:
喜马拉雅,小宇宙,网易云音乐,qq音乐,豆瓣,App podcast ,Spotify,Google podcast ,overcast,YouTube.
时间线
* 00:00–01:16|嘉宾登场:Elemen,互联网大厂AI工程师,正在带领小团队从事AI基础设施与业务落地工作
* 01:16–02:46|Elemen自我介绍:从传统软件开发到AI工程,如何帮助公司提升效率与支持业务增长
* 02:46–06:48|职业起点并不顺利:从求职碰壁、创业小厂,到中型企业、外资企业和大厂
* 06:48–09:26|不同规模企业的组织差异:小厂没有边界,中大型企业有流程,但也有更多组织摩擦
* 09:26–12:33|为什么工作后又去读硕士:技术基础、职业困惑,以及想换一个环境重新理解自己
* 12:33–16:33|中国香港求学经历:不同学习环境、人文体验与技术文化带来的视角变化
* 16:33–21:27|小厂、中厂、大厂分别教会了什么:从交付业务结果,到形成开发标准,再到理解组织共识
* 21:27–27:28|大厂经验能否直接复制到小企业:真正厉害的人,既能设计复杂架构,也能把它拆成小团队能用的方案
* 27:28–30:32|什么时候发现只写好代码已经不够:技术质量与商业价值之间,并不存在必然的对应关系
* 30:32–34:38|程序员为什么需要商业思维:老板真正关心的不是代码有多优雅,而是系统带来了什么业务结果
* 34:38–39:25|AI Coding带来的职业冲击:非技术人员也开始利用AI独立搭建软件和平台
* 39:25–44:59|AI会开发以后,工程师还负责什么:长期维护、技术路线判断、稳定性、体验和最终责任
* 44:59–46:24|从自己动手到指挥AI:如何用真实项目解释工程师工作方式的改变
* 46:24–51:55|两个个人项目的对比:过去一个笔记工具断续开发一年,现在多个Agent可以并行做设计、调研与架构
* 51:55–57:29|从一句业务目标到完整交付:需求拆解、多个方案竞争、开发规约、并行执行、自动测试和指标验收
* 57:29–59:43|AI如何改变传统软件开发流程:过去按部门传递需求,现在更多Agent可以共享信息并直接协作
* 59:43–01:03:23|岗位边界越来越模糊:产品、开发、测试之间的能力交叉,以及员工为什么需要主动升级
* 01:03:23–01:09:25|AI如何扩展非技术人员的职业能力:产品、设计和系统开发不再完全受传统岗位限制
* 01:09:25–01:11:55|多Agent协作的新问题:不同Agent各自完成任务,却不知道其他Agent已经做了什么
* 01:11:55–01:14:01|正在开发的协作软件:为什么希望把不同Agent的任务记录、共享记忆和知识库连接起来
* 01:14:01–01:18:31|多工具协作中的隐私和上下文:企业机密、个人资料、长对话信息损失与跨模型共享
* 01:18:31–01:21:19|两种AI使用策略的碰撞:多模型分工协作,还是先完成自己的核心业务系统
* 01:21:19–01:25:47|系统建设会不会过度设计:如何避免被AI不断扩大的任务带离真正的业务目标
* 01:25:47–01:29:25|外贸SOHO的系统化变化:从分散经验、人工跟进,到客户背调、知识沉淀和订单流程重构
* 01:29:25–01:34:25|AI系统如何实现商业交付:客户不关心系统功能有多强,更关心能否提升收入与转化
* 01:34:25–01:36:17|个人模型和RAG知识库:哪些信息值得长期保存,个人决策过程如何形成数字资产
* 01:36:17–01:40:52|数字分身为什么不能只是普通写作Skill:一个人的表达风格、经验和判断如何被保留
* 01:40:52–01:44:30|个人AI系统的另一种价值:不仅向外执行任务,也能帮助人观察和复盘自己的变化
* 01:44:30–01:48:33|为什么把AI当成“小黄人”来养:从使用别人设计的工具,到围绕自己的需求组织AI协作
* 01:48:33–01:50:27|从开发者到产品创造者:AI不仅帮助完成工作,也让人获得实现个人想法的能力
* 01:50:27–01:54:15|为什么原型越来越容易做,好的产品却没有同步变多:开发能力与市场需求之间仍有距离
* 01:54:15–01:59:38|技术理想与商业现实的矛盾:做小而美的产品,还是做真正有人愿意付费的产品
* 01:59:38–02:00:44|给普通人的第一步建议:先打开一个AI工具,尝试提出建立个人协作系统的需求
* 02:00:44–02:04:56|Fancy结尾总结:外贸企业为什么需要把行业经验、客户判断和业务流程沉淀成自己的系统,而不是继续追逐AI工具
10个深度问题
1. 你从刚毕业求职碰壁,到创业小厂、中型企业、外资企业,再到现在的大厂AI工程岗位,这条职业路径中,哪一次经历真正改变了你对软件工程师价值的理解?
2. 你提到小公司、中型企业和大厂,分别有不同的协作方式与开发标准。如果一个人想从传统程序员转向AI时代的系统设计者,哪些经验最值得保留,哪些反而需要放下?
3. 你曾经认为,写出优雅的代码、做出技术上优秀的软件,就是一个好工程师。后来为什么发现,技术质量并不一定能够转化为商业价值?
4. 现在非技术人员也能利用AI开发软件,甚至搭建完整平台。你认为未来工程师真正不可忽视的价值,会转移到架构设计、决策、用户体验,还是系统长期维护?
5. 你现在可以同时调用多个Agent进行UI设计、竞品调研、架构搭建和软件开发。这样的协作方式与传统团队相比,真正的优势是什么?又产生了哪些新的管理成本?
6. 你提到,一个业务部门只需要提出增长目标,Agent就可能生成多个方案、比较开发成本、执行测试并验证指标。那么在这条自动化链路里,哪些决策必须由人承担最终责任?
7. 你正在探索多Agent协作软件,希望解决不同AI之间的上下文、记忆和知识共享问题。为什么现有的多窗口、多工具或公共文件夹,还没有完全解决你的需求?
8. 你同时探索个人模型微调、RAG知识库和数字分身。一个人的长期经验、思考过程、表达习惯和决策逻辑,怎样才能成为真正可持续积累的个人资产?
9. 你提到希望把AI当成自己培养的“小黄人”,而不是完全依赖别人设计好的产品。这种主动组织AI的思维,与普通用户购买AI工具最大的区别是什么?
10. 当AI让一个人几天就能做出过去需要几周甚至几个月完成的软件,而你目前仍然保留稳定的职业收入时,你怎样区分个人兴趣项目、职业能力投资与真正具备商业化潜力的产品?
5个吸引力亮点
1. 从求职碰壁到大厂AI工程师:这不是一条标准的技术精英成长路线
Elemen刚毕业时,并没有直接进入成熟的大厂体系。
他最初缺少实际项目经验,在技术方向上也曾经很迷茫。
后来从创业公司开始,在不同规模的企业里积累技术经验、组织经验和协作能力,逐渐走到今天的AI工程岗位。
2. 这期真正讲清楚了“从写代码到管理Agent”的变化
Elemen举了一个具体的项目对比。
过去,他为了完成一个个人笔记工具,需要自己学习技术文档、了解开发框架、整理素材、设计界面,整个项目断断续续开发了一年。
现在,面对类似规模的软件,他可以同时组织不同Agent:
设计Agent → 竞品调研Agent → 架构开发Agent → 测试Agent。
但这不意味着只要多开几个窗口,就自动拥有一支高效团队。
新的难题是:
不同Agent怎么共享工作进度?
谁掌握最新上下文?
哪些信息需要同步?
谁来判断方案冲突?
谁负责最终结果?
AI放大执行能力之后,协作设计和上下文管理开始成为新的工程问题。
3. 这期对企业老板最有价值的判断:系统交付不是功能,而是业务结果
这期有一段非常现实的讨论。
Elemen提到,工程团队向客户介绍系统时,往往会介绍报表、功能、数据连接和技术能力。
但客户的反应可能只是:
这个系统下个月能给我带来多少营收?
这揭示了技术交付和商业采购之间的差异。
对企业来说,软件功能并不直接等于经营收益。
真正需要回答的是:系统能不能减少成本、改善流程、降低错误、提高转化,或者支持收入增长。
未来AI工程师不仅要懂怎么把系统做出来,还需要理解企业为什么愿意为系统付钱。
4. 从个人知识库到数字分身:AI开始进入人的长期认知资产
Elemen除了研究软件开发,也在探索个人模型微调、RAG知识库与数字分身。
这部分最值得讨论的,不是能不能生成一个说话像自己的机器人。
而是:
一个人的判断依据能不能被持续记录?
不同阶段的想法为什么发生变化?
一个人的知识、工作经验和表达方式,怎样被长期保存并在未来重新使用?
Elemen认为,通用Agent并不能仅凭一个Skill就真正理解某个人。
他希望保留更多与自己有关的个人信息和决策逻辑,再探索更具个性化的AI代理。
5. “养自己的AI小黄人”是这一期很有辨识度的观点
Elemen提出一个很有趣的比喻:
与其只把AI理解为一款已经设计好的产品,不如把它理解成可以围绕自己的目标不断组织和培养的助手。
这不是说AI拥有真实的人格,而是在表达一种不同的使用思路。
普通AI用户通常按照产品已经定义好的功能去使用。
而一个主动设计个人系统的人,会先考虑:
我到底想实现什么?需要哪些能力?哪些事情应该由AI负责?哪些必须由我判断?
这让整期节目从程序员的职业转型,延伸到所有人的个人能力建设。
AI时代,真正重要的可能不是拥有多少工具,而是能不能让工具按照自己的目标协作。
《瑜伽姐的斜杠人生》播客团队