节目

智元灵犀X2 EDU机器人登场，可选配夹爪、仿真假手、假拳等部件；撑起春晚绝美画面的黑科技，拿下国际顶会认可；AI自己当数据工程师，不改模型，性能直接翻倍…… 时间轴 00:21-01:31|智元灵犀X2EDU机器人登场，可选配夹爪、仿真假手、假拳等部件 01:31-02:42|机器人不再盲目行动!复旦新模型彻底破解行业难题 02:42-04:07|撑起春晚绝美画面的黑科技，拿下国际顶会认可 04:07-05:14|阿里云放大招!本地AI编程项目一键就能上线 05:14-06:40|AI智能体走出实验室!中科院等机构联合发布首个OpenClaw系统性综述 06:40-07:54|7B模型逆袭!GUI智能体终于学会记经验、自我进化 07:54-09:16|蚂蚁集团推出海外AI支付解决方案，商户可实现全球智能体运营 09:16-10:43|AI自己当数据工程师!不改模型，性能直接翻倍 10:43-12:02|碾压顶级大模型!新框架连破15个高危漏洞 12:02-13:31|单卡跑出千级token速度，谷歌全新开源模型来了 13:31-14:50|告别人工标注!单图直接生成可仿真物理3D资产 关注我们 小宇宙：AI观察手册 B站：AI观察手册 抖音：AI观察手册 视频号：AI观察手册 小红书：AI观察手册 微博：AI观察手册 节目简介 《AI热搜榜》是湖北卫视首档AI全流程自动化的“一键生成式资讯节目”，全面颠覆传统节目制作模式。节目将依托自主研发的“AI数字人图文视频智能制作系统”，将“热点捕捉→趋势推演→内容生成→多端分发”环节实现百分百自动化，全网AI热点即时聚合、用户行为数据深度沉淀，为湖北卫视AI主题系列节目选题库提供源源不断的支持。本栏目以“技术突破、产业动态、前瞻趋势”为三大核心内容，每日播报全球AI最新资讯，并深度解读趋势或商业价值，打造AI主题系列节目的技术创新应用标杆。

在很多人的直觉里，“犯错就该受罚”是不需要解释的原则。 惩罚通常用于威慑或隔离风险。 但对于当众冒犯、乱涂乱画、破坏公共设施等轻微违规，这类行为并不涉及公共安全。 因此，惩罚更多转向“纠正”。 在这一背景下，一种更贴近行为本身的思路开始被讨论：创意惩罚。 什么是“创意惩罚”？ 创意惩罚并不是更严厉，而是更“对应行为本身”。 其核心逻辑是：让违规者在一定程度上体验自己行为带来的后果。 例如： 在办公室当众呵斥同事的人，被安排去客服岗位连续接听投诉电话 在公共场所乱涂乱画的人，需要清理城市涂鸦 推倒快餐店垃圾桶的人，被要求在门店连续一周负责清洁 这些惩罚的共同点是：与行为之间存在因果对应关系。 它的目标不是单纯增加痛苦，而是让人“感受到问题所在”。 支持者认为，当一个人直接接触自己行为造成的后果时，再次发生同类行为的概率可能下降。 人们如何看待这种惩罚？ 创意惩罚是否更容易被接受？ 近期，蒂莫西·昆德罗（Timothy G. Kundro）、萨尔瓦托雷·阿菲尼托（Salvatore J. Affinito）和丹妮拉·罗德里格斯-明西（Daniela Rodriguez-Mincey）在《人格与社会心理学杂志》发表研究，专门检验这一问题。 研究团队进行了多项对照实验，将传统惩罚（如停学、监禁）与时长相当的创意惩罚进行比较。 参与者先阅读轻微违规情境，再分别评估两种惩罚方式，判断哪种更合适、哪种更能促使反思。 结果显示，约60%的参与者更倾向创意惩罚，并认为其教育意义更强，同时并不更严苛。 在多轮重复实验中，这一结果保持稳定。 研究还发现一个一致现象：人们往往认为创意惩罚“没那么重”，但“更有效”。 也就是说，人们会区分“惩罚的严厉程度”和“教育价值”。 在另一组实验中，创意惩罚甚至与认知行为疗法进行了对比，结果仍显示更高偏好（在轻微违规语境下）。 关键不只是“创意”，而是“关联” 不过，这种偏好是有条件的。 当惩罚与行为完全无关时（例如用清洁任务惩罚与之无关的冒犯行为），创意惩罚的优势会明显下降。 因此，关键并不在“形式新不新”，而在“是否匹配行为”。 只有当惩罚与行为之间存在清晰对应关系时，它才更容易被认为合理且有效。 违规者视角 研究还让参与者站在违规者角度思考：如果是自己，会选择哪种惩罚？ 结果与旁观者一致。 人们依然更偏好创意惩罚，并认为其更容易促使反思。 这意味着，这种偏好并不仅仅来自外部评判，而可能涉及一种更普遍的心理机制：人们更容易接受“可理解的后果”，而非抽象惩罚。 对于轻微违规行为，惩罚的目标或许不只是让人付出代价，而是改变未来行为。 传统惩罚依赖威慑，而创意惩罚强调体验与关联，让后果更具体、更可理解。 它并不能取代所有惩罚形式，但在某些轻微违规情境中，确实提供了一种不同思路： 与其让人记住“我被惩罚了”，不如让人记住“我知道了问题在哪里”。 参考文献 Kundro, T. G., Affinito, S. J., & Rodriguez-Mincey, D. (2026). Observers (and transgressors) prefer creative punishments. Journal of Personality and Social Psychology, 130(4), 645–665. https://doi.org/10.1037/pspa0000457

“经典是那些你经常听人说‘我正在重读’而不是‘我正在读’的书。” 本期主播：Ann /困鼠/搞搞/Jerry 数据说，76.4%的年轻人都有“二刷三刷”的经历。不过我们为什么要N刷已经看过的作品？这期我们来聊一件大家都干过但很少细想的事：为什么我们总在回头看？是对作品单纯的支持，还是心理学中的“单纯曝光效应”？你又有哪些看了又看的作品呢？ 本期节目在线图文Shownote:Console Timelines | 机核

【欢迎订阅】 每天早上5:30，准时更新。 【阅读原文】 标题：Why the world needs more franchises From pizza to Pilates, franchises mint millionaires and make customers happy 正文：How do you get rich in today's America? Founding an artificialintelligence startup may look tempting, but most fail. Getting an advanced degree and slogging it out as a corporate lawyer or financier was once a reliable path to wealth, but now looks threatened by AI. Perhaps you should look instead to the company that has plausibly created more millionaires than any other in history: McDonald's. Most of its outlets are franchises, run by independent firms that pay royalties to the brand—and often make a fortune. If fast food isn't your thing, do not fear: the franchising model can be found everywhere from hotels to Pilates studios. 知识点：founding /ˈfaʊndɪŋ/v.（现在分词，原形 found） 本义为 “创立，创建（组织、机构）；建立，设立”，外刊商业语境核心义为 创办（企业），发起成立（初创公司）（本文特指发起并搭建一家新商业实体的行为，是创业话题的核心动词） 核心搭配：founding a startup、founding team、founding member、founding partner、founding date ・The museum was founded by a wealthy art collector in 1920. 这座博物馆由一 位富有的艺术收藏家于 1920 年创立。 ・Founding a sustainable business requires more than just a good idea—it needs solid execution. 创办一家可持续发展的企业不仅需要好点子，更需要扎实的执行力。 获取外刊的完整原文以及精讲笔记，请关注微信公众号「早安英文」，回复“外刊”即可。更多有意思的英语干货等着你！ 【节目介绍】 《早安英文-每日外刊精读》，带你精读最新外刊，了解国际最热事件：分析语法结构，拆解长难句，最接地气的翻译，还有重点词汇讲解。 所有选题均来自于《经济学人》《纽约时报》《华尔街日报》《华盛顿邮报》《大西洋月刊》《科学杂志》《国家地理》等国际一线外刊。 【适合谁听】 1、关注时事热点新闻，想要学习最新最潮流英文表达的英文学习者 2、任何想通过地道英文提高听、说、读、写能力的英文学习者 3、想快速掌握表达，有出国学习和旅游计划的英语爱好者 4、参加各类英语考试的应试者（如大学英语四六级、托福雅思、考研等） 【你将获得】 1、超过1000篇外刊精读课程，拓展丰富语言表达和文化背景 2、逐词、逐句精确讲解，系统掌握英语词汇、听力、阅读和语法 3、每期内附学习笔记，包含全文注释、长难句解析、疑难语法点等，帮助扫除阅读障碍。

‘In Savings and Trust,’ historian Justene Hill Edwards tells the story of the Freedman's Bank. Created for formerly enslaved people following the Civil War, its collapse cost depositors millions. She spoke with Tonya Mosley about how this part of history reverberates today. Also, we remember South African pianist, composer and bandleader Abdullah Ibrahim. He died Monday, at age 91. His song “Mannenberg” was an anthem during the fight to end apartheid. Jazz historian Kevin Whitehead shares an appreciation, and we listen back to Terry Gross’s 1989 interview with him. See pcm.adswizz.com for information about our collection and use of personal data for sponsorship and to manage your podcast sponsorship preferences. NPR Privacy Policy

听DP介绍《火遮眼》幕后的动作构建与拍摄，展望一下AI时代里，动作片是否还有立足之地？电影里的功夫与动作会被AI取代么？或者说功夫电影会被AI取代么？我们是否应该更加珍惜眼前所看到的类似《火遮眼》这样的纯手打动作电影。

🧱本期主播：余有矿、庄明浩、猛哥、马军、史炎 * 余有矿（小红书：余有矿） * 庄明浩（@明浩-rosicky311）（「屠龙之术」主播） * 猛哥（@猛哥天才捕手）（「天才捕手FM」主播） * 马军（小红书：@脱口秀演员马军） * 史炎（@史炎nacl） 本期节目聊聊「专业」，不开玩笑，专业应援！我们是凭实力录上的播客！法律、建筑、心理、开飞机？！我们的听友也太专业了！希望大家能在各自的领域越来越专业的同时，还能收获快乐与成就！ 🗺时间轴： 00:01:05 应援，我们是专业的 00:13:42 在校学习的专业 00:22:46 那些年考过的证 00:38:22 植发原来有这么多门道 00:43:57 小乌龟结扎手术？！ 01:20:16 那些没有专业但是很专业的事 01:34:51 AI时代哪些专业受到了“冲击” 01:56:51 每个高光时刻都值得欢呼 * 比赛当天史老师的“华盖”： 🎊线下演出： 长公主《不懂事儿》专场将在6月20日返场台州！欢迎大家前往现场见面～ 南太子将在六月携长公主开启不开玩笑的东北之旅，在大麦、猫眼、抖音搜索《小刘的奇妙冒险》皆可购票哦！一起来现场见面吧！ 每周在北京还有我们的脱口秀演出，微信搜索小程序「猫头鹰喜剧」，线下脱口秀演出等你来～ ❤️来相爱： * 听友群：公众号“猫头鹰喜剧”回复“听友群”，小助手会把你拉进群聊哦～ * 微博：@不开玩笑JokesAside * 小红书：@不开玩笑 * 抖音：@不开玩笑 * B站：@不开玩笑JokesAside 🤝🏻商务合作： * 欢迎发送邮件至 [email protected] 🎵音乐采样： * Al Bowlly - The Very Thought of You * Tortoise - Cliff Dweller Society 📝策划：史炎、大雄、马军 👩🏻‍💻剪辑：万冰冰 🔊发布：🧊

📝 本期播客简介 本期我们克隆了：硅谷 AI 与科技创业播客《No Priors: AI, Machine Learning, Tech, & Startups》Re-engineering the Semiconductor Supply Chain with Intel CEO Lip Bu Tan 在 AI 彻底改写科技产业格局的当下，Intel 这家曾经定义个人计算时代的芯片巨头，正站在一次极其艰难的转型关口。本期节目中，No Priors 主持人 Sarah Guo 和 Elad Gil 邀请到了 Intel CEO Lip-Bu Tan。他曾是 Cadence CEO，也是 Walden 的传奇投资人，如今在 66 岁选择接下“科技行业最难的工作”：重建 Intel。 这期对话不仅聊 Intel 的公司转型，也聊到了更大的时代问题：美国还能不能制造最先进芯片？AI 的增长会把半导体供应链推向哪里？CPU 是否会因为智能体 AI 和推理工作负载重新变得重要？晶圆代工到底是不是一门“信任生意”？以及在电力、内存、先进封装、新材料和制造产能都成为瓶颈的时代，创业者和投资人应该如何下注。 Lip-Bu Tan 在节目中多次强调，他的工作不是为了个人头衔，而是“拯救 Intel”。他的转型方法并不花哨：改变文化、强化问责、让工程师更靠近决策、听客户声音、简化产品线、重建资产负债表，并把 Intel 从一家老派、依赖电子表格的公司，改造成一家 AI 驱动的工程公司。这既是一场 Intel 的自救，也是一场关于 AI 时代国家级半导体能力、供应链韧性和下一代计算平台的深度讨论。 👨‍⚕️ 本期嘉宾 Lip-Bu Tan，Intel CEO，前 Cadence CEO，Walden International 创始人及传奇科技投资人。他长期深耕半导体、EDA、芯片设计、制造、新材料与 AI 基础设施领域，曾投资超过两百家半导体公司，并拥有大量 IPO 与并购退出经验。在 Cadence 任内，他带领公司完成长期转型并为股东创造巨大回报。如今，他接任 Intel CEO，目标是在 AI 时代重建这家美国标志性半导体公司。 ⏱️ 时间戳 00:00 开场 & 播客简介 接下“最难工作” 02:29 66 岁为什么不退休：接任 Intel CEO 的真正原因 03:34 被特朗普要求辞职：一场意外政治风波与自我辩护 04:43 “拯救 Intel”具体意味着什么：文化、问责与速度 05:39 让工程师直接汇报：从技术根因出发重建公司 Intel 的重建路线 05:39 爬、走、跑：Lip-Bu Tan 的长期转型节奏 06:00 强化资产负债表：美国政府、NVIDIA 与 SoftBank 的支持 06:52 产品线大幅简化：重新听客户声音，押注下一代产品 07:00 CPU 回归重要性：智能体 AI 与推理如何改变 CPU/GPU 比例 07:36 晶圆代工是信任生意：IP、良率、缺陷密度与周期时间 08:18 走向全栈：从硅片到软件、系统和整机架方案 Terrafab 与新型制造合作 08:51 从 Cadence 到 Intel：临时三个月如何变成十五年 09:17 与 Elon Musk 合作：AI 增长下的半导体基础设施缺口 10:25 Terrafab 是什么：Elon Musk 的自建晶圆厂计划 10:49 非传统思维的价值：质疑每一个步骤，但不一定能在洁净室抽烟 AI 时代的全球供应链 11:13 AI 对国家和产业的不同冲击：BPO、能源、数据中心与模型训练 12:46 三大瓶颈：电力、氦气与内存短缺 13:28 不拥抱 AI 的公司最危险：AI 将重塑预测、设计与企业运营 13:52 美国制造芯片是否可行：为什么 Intel 仍要坚持晶圆代工 15:04 供应链韧性：不能只依赖一两个地理位置的玩家 15:37 先进制程的复杂性：14A、1 纳米、0.7 纳米与制造精度 先进制程、封装与新材料 15:52 摩尔定律走到哪里：18A、14A、10A 与 7A 的路线 16:30 先进封装成为瓶颈：eMIPT、量产良率与客户要求 16:56 新材料路线：氮化镓、碳化硅、磷化铟、玻璃与人造金刚石 17:47 工程师的信念：撞墙之后，要么跳过去，要么绕过去 18:55 性能、功耗、成本的取舍：摩尔定律不再只是简单缩放 半导体重新变热 19:17 从没人听到人人追捧：半导体投资的周期反转 19:58 NVIDIA、Broadcom、TSMC、AMD 与 Intel 的市值变化 20:36 为什么半导体投资很难：资本密集、不可预测、客户切换成本高 22:15 Lip-Bu Tan 的投资战绩：159 起 IPO、126 起并购与 200 多家半导体公司 22:53 投资第一原则：从真正的瓶颈出发 23:09 互连与光学：为什么集群速度让光子技术变重要 23:59 EDA 与 AI：用机器学习优化芯片设计是一座金矿 24:48 电源与散热：从 40 伏到 1 伏的效率损耗也是机会 25:07 第一个客户很重要：为什么偏好超大规模云厂商 25:57 以色列创业者：战争期间仍然继续开会的韧性 AI 如何改变半导体公司 26:20 物理 AI：智能体 AI 之后的下一个大前沿 26:14 Cadence 与 Synopsys：AI 正在进入 EDA 与系统设计 27:03 创业公司的机会：颠覆式创新、上市或被巨头收购 27:45 十年后的半导体公司会怎样：资本密集、周期性与 AI 驱动 28:33 好投资人的标准：困难时也愿意陪公司走下去 29:15 工程创业的本质：不断解决问题，攻下一个前沿 29:54 为什么不喜欢单人公司：十家公司九家中途会改商业计划 30:38 未来赢家画像：方向清晰、聚焦细分、有伙伴、有全栈能力 31:10 NVIDIA 的启示：CUDA 如何把芯片公司变成平台公司 31:26 Intel 的未来组合：XPU、先进封装、晶圆代工与专用硅芯片 把 Intel 变成 AI 驱动公司 31:48 AI 会如何改变团队结构：从管理人到管理 Agent 32:53 先招最好的半导体人才，再补软件和 AI 人才 33:10 向下一代学习：儿子成了 Lip-Bu Tan 的 AI 老师 33:45 告别电子表格：把 Intel 转型为 AI 驱动的工程组织 34:00 从销售到设计：AI 不只是营销工具，而是工程体系工具 资本、政府与产业政策 34:12 资本密集型公司如何融资：不只是软件式 VC 逻辑 35:10 基础设施需要政府资金：产业政策在半导体中的现实意义 35:36 风险投资也在变重：十亿美元级别投资正在出现 36:17 政府资金、主权基金与大型资本：AI 工厂和晶圆代工的新资金结构 36:50 长期投资人与短期股东：建设业务和资本配置之间的平衡 市场误解与十倍目标 37:10 投资人最误解 Intel 的地方：公司仍在“爬”的阶段 37:36 把 Intel 当作多个创业公司叠在一起：更快、更聚焦、更工程化 38:04 晶圆代工必须谦卑：Intel 与 TSMC 仍有距离 38:34 2030 年以后才会显现的成果：代工信任需要时间 38:50 从 PC 到边缘端：物理 AI 和智能体 AI 带来的新计算需求 39:29 六倍回报只是开始：Lip-Bu Tan 仍在寻找十倍机会 39:47 Cadence 的长期回报：从 2.42 美元到数十倍增长 40:13 Intel 的目标：五到十年争取十倍回报 算力会分布在哪里 40:23 数据中心是不是唯一答案：集中式推理与边缘计算的拉扯 41:03 供应限制仍是最大约束：AI 基础设施建设不会很快放慢 41:36 关键不是算力本身，而是应用：谁能找到巨大且可持续的应用 42:20 行业会先增长再整合：最后只剩少数真正赢家 42:58 机器人、国防与家庭设备：边缘端算力重新变重要 43:20 投资判断的三层逻辑：问题、合作玩家、应用规模 43:38 结尾：押注尚未大规模部署、但可能巨大的应用 🌟 精彩内容 💡 66 岁接下 Intel：不是为了职位，而是为了“拯救” Lip-Bu Tan 坦言，很多人觉得他应该退休，而不是去接这份行业里最难的工作。但他认为 Intel 是一家对半导体生态和美国都极其重要的标志性公司，因此决定“再做一次”。即便曾遭遇特朗普总统要求他辞职的风波，他仍强调自己并不需要这份工作，做这件事是为了帮助 Intel。 “我六十六岁了，很多人觉得，你应该退休了，而不是去接这个行业里最难的工作。” “我做这件事，纯粹是为了拯救 Intel。” 🛠️ 重建 Intel 的第一步：文化、问责与工程师 Lip-Bu Tan 认为，Intel 的转型首先不是宏大叙事，而是把公司重新变成一家行动更快、更接近客户、更尊重工程判断的公司。他要求所有工程师向他汇报，以便直接理解问题出在哪里；同时推动更强问责制，减少层层会议，让公司具备创业公司的速度。 “你要以光速往前走，不能有一层又一层官僚式的会议。” “从第一天起，我就决定让所有工程师向我汇报。” ⚙️ CPU 重新重要：智能体 AI 与推理改变算力结构 在训练时代，GPU 是绝对主角；但 Lip-Bu Tan 观察到，随着智能体 AI、推理和强化学习的增长，CPU 的作用正在变强。过去 CPU 和 GPU 的比例可能是 1:8，现在可能变成 1:4，甚至 1:1。尤其在编排大量 Agent 的任务中，CPU 的需求变得非常高。 “现在，智能体 AI 和推理让 CPU 变得非常抢手。” “在强化学习里，在编排所有 Agent 的速度上，CPU 实际上更好。” 🏭 晶圆代工是信任生意：美国制造必须补上 面对外界对 Intel Foundry 的质疑，Lip-Bu Tan 仍然选择继续加码。他认为，对大型半导体公司来说，不能只依赖一两个地理位置的供应链玩家。先进制程和制造能力是国家基础设施，也是产业韧性的关键。但晶圆代工不只是花钱建厂，更是 IP、良率、缺陷密度、周期时间和客户信任的长期积累。 “这是服务业务，也是信任业务。” “你必须有一条稳健且有韧性的供应链。你不能只依赖一两个不同地理位置的玩家。” 🧱 下一代瓶颈：先进封装、新材料、电源和散热 当传统 CMOS 和摩尔定律的红利逐渐变弱，Lip-Bu Tan 开始关注新材料和先进封装。他提到氮化镓、碳化硅、磷化铟、玻璃基板、人造金刚石等方向，也强调封装、电源管理和散热正在成为 AI 基础设施的新瓶颈。 “做工程师有一点很好，你总会撞墙。撞到墙以后，你要么想办法跳过去，要么绕过去，最后拿到更好的结果。” 💰 半导体投资方法论：先问瓶颈在哪里 作为投过两百多家半导体公司的传奇投资人，Lip-Bu Tan 的投资框架非常清晰：先找真正的瓶颈，再判断客户是否痛到愿意付钱。他看好互连、光学、EDA、新材料、电源管理、散热等方向，也特别强调第一个客户的重要性，尤其是超大规模云厂商这类能带来规模化验证的大客户。 “我首先会从投资角度看：瓶颈在哪里？你到底想解决什么问题？” “客户是不是已经为它痛到不行？然后我才开始投。” 🤖 把 Intel 变成 AI 驱动公司 Lip-Bu Tan 认为，AI 不只是 Intel 的外部市场机会，也会改变 Intel 内部的工作方式。他正在把 Intel 从一家老派、依赖电子表格的传统公司，转型为一家由 AI 驱动的公司：在设计、工程、组织、销售和营销中全面使用 AI 工具，同时引入懂前沿模型、开源和工作负载的新型人才。 “过去它更像一家很老派、依赖电子表格的传统公司。现在我在把它转型成一家由 AI 驱动的公司。” 📈 Intel 的十倍目标：风险投资人的内心还在 Lip-Bu Tan 说，自己内心仍然是风险投资人，因此总是在寻找十倍机会。虽然 Intel 的基数比 Cadence 大得多，但他仍希望未来五到十年能为股东创造十倍回报。他认为，市场还没有完全理解 Intel 在产品、边缘计算、智能体 AI、物理 AI 和晶圆代工上的潜力。 “我一直在找十倍机会。内心里做风险投资的人，都会想找十倍机会。” “比赛还没有结束。” 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

我们总被教育“要有边界”，于是把边界当成城墙，但是城墙守住了安全，也挡住了温度。 真正的边界可以是一扇门，门可以关，也可以开。 你愿意为谁把门开大一点？其实表达了你更在意什么。

成为真正的自己理应是世间最自然不过的事，但若非这个世界的种种努力试图说服我们，让我们相信做自己是最不可取的选择，那么这原本会是轻而易举的。 世界是如何做到这一点的呢？ 为什么我们总在演戏，却不敢做自己？面具戴久了，连自己都信了那个假故事。其实，真实的你根本不需要保护。敢不敢放下恐惧，活出本来的样子？ 02:10 拆掉心理墙，拥抱真实自我：探索恐惧背后的力量 04:24 解放内心，拥抱真实自我：超越自我保护的勇气与探索 06:28 拥抱真实自我：探索恐惧背后的意义 08:41 活在当下：追寻真实生活的挑战与变化 10:52 追求真实的自己：摆脱表面虚伪的困扰！ 12:55 走向真实的旅程：内心的变化与自由的收获 此内容为《求知行囊会员专区》，每周至少更新一期，至少更新100期，可以永久使用，建议购买整个专题。 求知行囊阅览室每天更新精选深度内容，综合内容精选+借助我们条理清晰人生框架系统，打造专属您的个人成长体系。 内容有相关视频、音频、播客、中英内容，一个全面立体的阅览体系。 内容涵盖多个领域，全面拓宽思维认知，付费专题后可以添加主页客服，只针对会员专区提供专属服务。

📝 本期播客简介 本期我们克隆了：David Ondrej 的 AI 与软件工程访谈《Matt Pocock’s Agentic Engineering Workflow (just copy him)》 原内容更新时间：2026-06-18 本期嘉宾 Matt Pocock 是 TypeScript 与开发者教育领域极具影响力的创作者，他和主持人 David Ondrej 深入讨论了 AI 编程时代，开发者真正应该提升的能力是什么。Matt 的核心观点非常鲜明：AI 已经非常擅长 tactical programming，也就是写代码、改 bug、做 commit 这些战术性工作；但人类开发者必须更擅长 strategic programming，也就是软件设计、代码库架构、任务拆分、测试策略、产品判断和长期方向。 这期节目不是一场单纯的工具盘点，而是一套关于 Agentic Engineering 的实践哲学。你会听到 Matt 如何使用 Claude Code、Opus、Sandcastle、GitHub Actions 和 AFK 智能体，把 AI 放进安全、可并行、可 review 的工程流水线里；也会听到他为什么反对盲目追逐最新模型，认为真正重要的是运行框架、代码库可修改性、软件基本功和人的判断力。 节目中还现场演示了 Matt 的 teach skill：一个能根据学习者目标、当前水平和本地工作区，生成个性化课程的 AI 技能。它不仅能教 Git、调试、测试等基础知识，还会记录学习状态，像一个真正了解你的老师一样持续推进学习路径。除此之外，Matt 还分享了 grill me skill、流程型技能与能力型技能的区别、Agentic Loops 与任务队列的关系、人类 review 如何演化，以及 AI 时代做产品、创业和招聘的底层逻辑。 如果你是开发者、AI builder、产品经理，或者正在思考如何不被 AI 编程浪潮淘汰，这期节目会给你一个很清醒的答案：不要把思考外包给 AI。把战术性交付交给 AI，把战略性判断、产品愿景和系统改进牢牢握在自己手里。 👨‍💻 本期嘉宾 Matt Pocock，知名开发者教育者、TypeScript 与 AI 编程实践领域创作者。他长期面向开发者制作高质量课程和开源工具，尤其关注 TypeScript、开发者体验、智能体技能与 AI 辅助工程工作流。他的 skills 仓库包含 teach、grill me 等多个面向 AI 编程与学习场景的智能体技能。 🎙️ 主持人 David Ondrej，长期关注 AI 工具、智能体工作流和 AI 编程实践的创作者。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI 编程时代的人类价值 01:37 模型不是全部：为什么 Matt 更关注运行框架而不是新模型 02:16 tactical programming 与 strategic programming：AI 吃掉了哪一部分工作 03:35 无限战术程序员大军：人类开发者必须学会战略性指挥 03:47 如何委派 AI：任务边界、接口设计、测试策略与文档 05:15 技能就是 AI 的上限：为什么高级开发者会被 AI 放大十倍 AI 个性化学习与 teach skill 06:01 teach skill 的诞生：把教学原则编码进智能体技能 07:15 现场演示：一个 Vibe Coder 如何补齐工程基础 08:52 真正要学的不是更多语法，而是 Git、调试、测试与交付 09:23 教学不是灌输信息，而是帮学习者重新定位自己的使命 10:37 口述能力的重要性：开发者如何更快把想法变成 AI 可用的输入 11:50 stateful skill：为什么好老师必须记住你的目标、进度和上下文 13:39 第一课：Git 是项目的撤销按钮 14:18 个性化练习与测验：AI 如何用成熟教育方法增强记忆 15:19 知识图谱与线性路径：teach skill 如何记录学习进程 16:21 如何安装 Matt 的 skills 仓库 好技能、坏技能与人的主导权 16:42 两类智能体技能：流程型技能与能力型技能 17:40 grill me skill：让 AI 成为对抗性面试官，逼你先想清楚 18:45 从想法到 PRD，再拆成 issue：Matt 偏好的 AI 协作流程 19:13 为什么不该把思考外包给模型 20:18 技能太多会污染上下文：为什么能力清单不一定应该塞给 AI 21:35 高级开发者的新机会：把工程流程抽象成可复用技能 22:28 知识、技能与智慧：为什么真正的判断力很难被直接打包 Matt 的 Agentic Engineering 配置 23:27 Claude Code、Opus 与本地规划：Matt 的基础 AI 编程配置 23:52 Sandcastle：为什么要在沙箱里运行智能体 24:30 并行智能体：Docker、Podman、Vercel 沙箱与远程执行 24:47 GitHub Actions 工作流：让智能体自动 review PR 25:12 AFK 工作方式：离开键盘后，让智能体继续完成任务 25:44 为什么 Matt 不太频繁切换模型 26:03 运行框架比模型更可控：prompt、技能、环境与代码库的综合优化 别只追模型，要优化运行框架 26:37 模型与运行框架应该各占一半，而不是 90% 对 10% 27:01 “苦涩的教训”：算力会赢，但不代表你应该放弃优化系统 27:40 好代码库才是 AI 的加速器 29:15 不要围绕单个模型过度优化：长期有效的是软件基本功 29:53 三十年、四十年仍然有效的东西：让代码库更容易修改 30:05 如何优化 token 成本：不是写更短 prompt，而是让代码更好改 30:39 Vibe Coder 的陷阱：每周换工具，却不学习软件工程原则 31:13 真正的上限是人的技能，而不是模型订阅 Fable、深层 Bug 与系统性改进 32:32 David 的 Fable 体验：AI 自己操作浏览器、创建 API key、迁移 app 34:12 AI 是否让人的价值变低了？ 34:48 Matt 的回应：AI 能执行任务，但判断标准仍然来自人 35:12 更强模型发现深层 bug，是否意味着 AI 参与更深？ 36:44 不是只有新模型能发现问题：合适的运行框架也能持续做安全审查 37:31 实践落后时，人们会误以为只能靠更强模型补洞 38:25 从一次 bug 修复中真正应该学到什么 39:03 把循环内置进系统：测试、审查、重构和持续安全检查 39:48 十倍 AI builder 的关键能力：不是修掉 bug，而是修掉 bug 产生的系统原因 Agentic Loops、AFK 与任务队列 40:48 人在环路中 vs AFK：两种 AI 工作模式的区别 41:35 AFK 是产出暴增的关键：把自己从等待权限和反复确认中解放出来 42:35 Ralph loop：早期循环式智能体工作流 42:48 为什么 Matt 更喜欢“队列”而不是“循环” 43:12 issue 队列：探索、分诊、实现、review 与合并 44:15 开发团队本来就是任务队列系统 44:34 循环不是完整图景，真正重要的是 AFK 智能体和任务流 人类检查点与自动化边界 45:50 自动化 bug 处理：从线上错误到 issue、探索、修复、review 46:28 把人在环路中的检查点不断往右推 47:03 人类最终看到的，不只是 bug，而是探索结果、修复方案和 review 请求 47:40 什么时候可以自动合并到生产环境？ 48:14 review 的双重价值：防风险，也获得系统洞察 49:11 我们 review 的不只是代码，也是在 review 生成代码的系统 49:54 更适合智能体时代的 review：总结模式、历史记录与个性化反馈 50:53 AI 生成讲解视频：让 PR review 变得更丰富、更快 AI 时代做软件与做生意 51:36 SaaS 死了吗？Matt 认为做生意的基本功没变 51:54 还是要跟客户聊：弄清楚他们真正需要什么 52:20 AI 能加速实现，但不能替你找到正确问题 52:47 不要让 AI 替你决定产品方向 53:18 应该问 AI 什么：删掉什么、如何更简单、如何改善 UX 53:29 警惕功能膨胀：不要做成有一千个功能却没人会用的产品 高级开发者、AI 新人与未来招聘 53:47 高级开发者能被 AI 放大十倍，但前提是愿意使用 AI 54:37 年轻 AI 原生开发者 vs 传统高级开发者：谁更有优势？ 55:23 DX 与 AX：开发者体验和智能体体验的重叠 55:41 好的软件基本功同时改善人类协作和智能体协作 56:36 关键不是资历，而是实验心态与对 AI 的兴趣 57:03 只做 tactical programming 的程序员没有未来 57:14 未来开发者必须从写代码工具人转向战略性思考者 给普通 AI 使用者的实用建议 57:28 第一件事：删掉所有技能、插件、MCP server 和臃肿配置 57:53 回到白纸状态，观察智能体本来会怎么工作 58:07 再叠加流程型技能，而不是盲目堆能力型技能 58:41 把工具变成可定制、可调整、可实验的系统 58:55 尽量把实现工作委托给 AFK 智能体 59:12 AFK 工作流一旦设置好，会带来非常强的产出提升 59:19 结尾：去 Twitter 找 Matt Pocock 🌟 精彩内容 💡 AI 已经吃掉了 tactical programming Matt 用 John Ousterhout 的 tactical programming 与 strategic programming 区分，解释了 AI 编程时代最大的变化：写代码、修 bug、提交 commit 这些战术性任务，AI 已经能以更低成本完成。开发者真正要提升的，是如何设计系统、拆分任务、规划路线、管理代码库，并调动这支“无限战术程序员大军”。 “AI 做 tactical programming 就是比你强，因为它做得更便宜。” 🧠 你的技能，就是 AI 的上限 Matt 反复强调，AI 不是独立于人的万能工具，而是人的倍增器。高级开发者之所以能获得巨大提升，是因为他们能给 AI 更清晰的上下文、更好的设计、更明确的判断标准。相反，如果使用者本身技能不足，AI 很难越过这个上限。 “你的技能就是 AI 能做到什么程度的上限。” 🧑‍🏫 teach skill：把 AI 变成真正懂你的老师 Matt 现场演示了 teach skill：它会先理解学习者的使命、目标和当前水平，再生成本地学习材料、速查表、HTML 课程和练习题。它不是简单回答问题，而是像老师一样记住你的进度，并沿着适合你的路径继续推进。 “我理解的教与学，不是把信息塞进你的脑子里，而是帮你在世界里重新定位。” 🧩 grill me skill：在动手之前，让 AI 先质问你 Matt 最喜欢的技能之一是 grill me。它会把模型变成一个对抗性面试官，不断追问你的想法、挖出模糊点、挑战假设，直到你和 AI 对问题达成共同理解。Matt 常用它替代 plan mode，在写代码之前先把奇怪的地方和潜在风险暴露出来。 “在真正动手之前，尽可能把奇怪的地方、意外的东西都挖出来。” 🛠️ Sandcastle 与 AFK 智能体：把自己并行化 Matt 用自己做的 Sandcastle，把智能体放进沙箱中运行，并通过 GitHub Actions 触发 review、实现和探索任务。这样他可以让多个智能体并行处理 issue，而自己只在关键检查点介入。对他来说，AFK 是真正进入 AI 编程状态的标志。 “只要我能把自己从这个等式里拿掉，我就把自己并行化了。” 🏎️ 不要只盯着模型，引擎不是整辆赛车 面对新模型、新工具和 Fable 之类的热潮，Matt 的观点非常冷静：模型当然重要，但运行框架同样重要。prompt、技能、沙箱、代码库结构、测试、文档、review 流程，都是你更能控制、也更能持续优化的部分。 “大家都在看那个又大又亮的新东西，但其实你应该关注那些已经有效了三十、四十年的东西。” 📦 优化 token 成本的真正方法：让代码库更容易修改 很多人问 Matt 如何降低 token 消耗，他的答案不是写更短 prompt，而是让代码库更清晰、更模块化、更容易探索。好的架构能让更便宜的模型也完成同样任务，因为 AI 不需要花大量 token 在混乱代码里撞墙。 “答案是，让你的代码库更容易修改。” 🔁 Agentic Loops 不是全部，更好的比喻是任务队列 Matt 不否认循环有用，但他认为很多人把 Agentic Loops 神化了。软件开发更像任务队列：有人添加 bug report 和 feature request，智能体探索、实现、review，人类在合适节点做判断。与其让智能体无限循环烧 token，不如构建清晰的 AFK 队列系统。 “我大多数时候会把这些东西看成队列。是队列，不是循环。” 👀 Review 的对象不只是代码，也是生成代码的系统 随着 AI 自动修复更多问题，人类 review 的形式会变化。但 Matt 提醒，review 不只是防止坏代码进入生产环境，也是理解系统如何工作的窗口。未来我们需要 review 代码，也要 review 生成代码的那套 AI 流程，并用抽查、总结、视频讲解等方式提高效率。 “我们 review 的不只是代码。我们也在 review 生成代码的那个系统。” 🚀 AI 创业的基本功没有变 谈到 AI 时代做 SaaS 和软件生意，Matt 的回答很朴素：你还是要跟客户聊，理解他们真正的问题，做出能解决问题的原型。AI 能让实现变快，但不能替你决定产品愿景，也不能替你找到真实需求。 “如果你没有同时跟真人交流，没有弄清楚他们想要什么，那 AI 帮不了你。” 🧭 最实用的建议：先清空配置 Matt 给普通 AI 使用者的第一条建议很反直觉：删掉所有技能、插件、MCP server、claude.md、agents.md，回到白纸状态，观察智能体本来会怎么工作。然后再根据真实问题，逐步加回流程型技能和必要配置。 “大家都会往上下文窗口里塞太多东西，塞太多指令，最后变得很臃肿。” 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight