节目

相爱的人，在阶层、财富、性别的层层枷锁中，最终走向何方，是古往今来文学与影视作品长盛不衰的母题。 我们曾看见《Titanic》里一无所有的杰克救下想要跳海的露丝；看见《了不起的盖茨比》中，那道仿佛触手可及却始终停留在对岸的绿光；我们见过《美女与野兽》中跨越外表与偏见的勇敢，也见过《巴黎圣母院》里艾丝美拉达对钟楼怪人的怜惜；我们听过《简·爱》那句“我的灵魂与你平等”，也听过《红与黑》中于连赴死前在法庭上的宣言。 最近热播的韩剧《21世纪大君夫人》，把这个古老的命题放进了一个新鲜的设定里。它虚构了一个21世纪依然实行君主立宪制的韩国：男主角是希望推翻固有秩序的王室成员，女主角是富可敌国、却始终无法摆脱出身标签的财阀私生女。两人以一纸契约婚姻为起点，试图各取所需，也试图共同挣脱各自的枷锁。 可这一次，观众为什么不买账？ 本期播客，我们将从镜头语言、人物塑造到创作逻辑，一起拆解《21世纪大君夫人》为何会成为一部如此充满争议，又如此拧巴的作品。 Timeline 00:00 导语 01:01 视听语言只能说堪比《芭比公主》大电影 05:41 女主的独立性缺位 11:48 真实的阶层突围是——？ 25:07 剧集背后的韩国社会（宫廷热、财阀、女性） 参考作品 《红与黑》 《名利场》 《黑镜》

📝 本期播客简介 本期我们克隆了：知名播客《AI Engineer》 Building Great Agent Skills: The Missing Manual 原内容更新时间：2026-06-29 本期主讲人是 Matt Pocock，他是 AI 工程领域最流行的技能集之一 MatPat Skills 的作者。这期节目源于他原本要在 AI Engineer World's Fair 上做的一场演讲，因为无法到场，他选择将内容直接分享出来。他聚焦于一个被称作“技能地狱”的普遍困境：开发者手头有大量 Agent 技能，却缺乏一套评判标准，分不清好技能和坏技能，导致拼凑出来的效果远不如预期。 Matt 没有停留在抱怨，而是直接给出了一套系统性的技能构建框架。他从技能的触发、结构、引导和剪枝四个维度出发，提供了一份可操作的检查清单。无论你是正在为 Agent 编写技能的开发者，还是试图将组织流程转化为 Agent 可执行操作的技术负责人，这期节目都能帮你建立一套审视和改进技能的方法论。 👨‍⚕️ 本期嘉宾 Matt Pocock，Matt Pocock Skills 的作者与维护者。Matt Pocock Skills 是目前 AI 工程领域最流行的 Agent 技能集之一，被大量开发者用于构建和增强 AI Agent 的能力。Matt 本人长期深耕 Agent 技能的设计与优化，对如何写出高质量、可维护的技能有着丰富的一手经验和系统性思考。 ⏱️ 时间戳 开场与“技能地狱” 00:00 本期克隆节目介绍 01:06 演讲主题：《缺失的手册：如何写出好技能》 01:27 从“教程地狱”到“框架地狱”，再到“技能地狱” 02:21 技能地狱的典型症状：拼凑框架却拿不到承诺的效果 02:41 走出技能地狱的关键：建立评判技能好坏的标准 技能检查清单总览 03:01 技能检查清单的四大维度：触发、结构、引导、剪枝 03:50 配套技能 Writing Great Skills 已发布 触发：技能如何被调用 04:05 触发是技能被调用的方式 04:25 用户调用 vs 模型调用技能的区别 05:10 模型调用技能的原理：上下文指针指向 skill.md 05:53 第一条建议：决定技能是用户调用还是模型调用 06:07 模型调用技能的代价：上下文负载 06:29 用户调用技能的代价：用户认知负载 06:39 MatPat skills 与 superpowers 的对比：两种调用哲学 07:09 模型调用技能的不可预测性风险 07:26 Matt 偏好用户调用技能的原因：消除不可预测性 结构：技能内部如何布局 07:55 技能内部的两个主要单元：步骤和参考 08:24 案例：2PRD 技能的步骤与参考材料 08:59 从零写技能的方法：先定步骤，再定参考 09:17 第三条建议：让主 skill.md 文件尽可能小 09:49 瘦身技巧：识别技能的不同分支 10:27 案例：domain modeling 技能的多分支结构 10:58 外部参考：把分支资料藏在上下文指针后面 引导：让 Agent 按你的想法做事 11:56 引导的核心技巧：引导词 12:17 Agent 不按想法做的原因：没用引导词 12:26 引导词的概念：把大量含义压缩到小空间 12:53 案例：用“垂直切片”引导 Agent 改变编码习惯 13:59 如何验证引导词生效：观察推理轨迹 14:32 引导词不生效时的改进方法 14:54 增加基础工作量的技巧：隐藏未来步骤 15:09 案例：计划模式中“问澄清性问题”永远做不够 15:35 解决方案：把技能拆成独立步骤，一次只让 Agent 看到一个 剪枝：给技能做减法 16:35 剪枝是一组快速过一遍的失败模式 16:51 失败模式一：不要重复自己，保持单一事实来源 17:19 失败模式二：冗余沉积，多人协作的经典问题 18:00 失败模式三：无效操作，看起来有用但不影响行为的内容 18:27 精简技能的秘诀：删除测试、压缩成引导词、清除无关内容 总结与上手 18:39 框架回顾：触发、结构、引导、剪枝 19:29 上手最佳方式：使用 Writing Great Skills 技能 19:42 后续内容：AI 编码速成课程与 newsletter 🌟 精彩内容 💡 技能地狱的本质是缺乏评判标准 Matt 指出，开发者陷入技能地狱的根本原因，不是技能太少，而是没有一个共享的评判标准来审视技能的好坏。这导致人们盲目拼凑，却搞不清楚为什么效果不佳。 “没有一个共享的评判标准，没有一个框架来审视技能并把它变得更好。” 💡 模型调用技能的隐藏代价是不可预测性 很多人觉得让模型自己调用技能更灵活，但 Matt 提醒，每次增加模型调用技能，都在增加上下文负载，更关键的是引入了不可预测性——模型可能就是不调用那个完美匹配的技能。 “每次你有一个模型调用技能，基本上你就要付出不可预测性的代价。” 💡 引导词是把大量含义压缩到小空间 Matt 提出的“引导词”技巧，是本期最核心的实操方法。通过在整个技能中反复使用一个高度浓缩的短语，可以让 Agent 在推理轨迹中自我强化，从而改变行为。 “引导词的概念，就是有些词能把一大堆意思压缩到很小的空间里。” 💡 隐藏未来步骤，增加当前步骤的基础工作量 当 Agent 总是急于跳到下一步、基础工作做不够时，Matt 的建议是把技能拆成独立步骤，让 Agent 一次只能看到一个目标。这能有效迫使它在当前阶段投入更多精力。 “通过隐藏未来的目标、隐藏未来的步骤，来增加当前步骤的基础工作量。” 💡 精简技能的秘诀是做删除测试 面对技能文件越来越臃肿的问题，Matt 的方法简单直接：删掉某段内容，看 Agent 的行为是否改变。如果没变，那段内容就是无效操作，可以砍掉。 “如果你把那段话直接删掉会怎样？Agent 大概率还是会写出一份像样的提交信息。” 💡 技能构建的四大支柱 Matt 将整个框架浓缩为四个可操作的维度，为技能设计和审查提供了清晰的路径。 “第一，检查触发；第二，结构方面要考虑分支；第三，引导方面要把文本浓缩成引导词；最后是剪枝。” ``` 🌐 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

视频版请在各大视频平台搜索“体坛周报”，将于7月5日白天发布。 对谈人：马德兴x王勤伯 时间轴： 1:25 无一队晋级16强！亚足联吞下开放欧美外援的恶果 12:23 足球不是“14亿选11人”，而是要看本国足球在世界足球产业链中扮演何种角色 20:55 世界足坛变迁，对身体素质的要求提升令人印象深刻 38:40 足球行业科技与知识很透明，但关键在于实践 46:10 中国青训路走歪了：竞赛体系为比赛而比赛，体教融合更是缺乏调研 53:35 老马的世界杯编年史 1998年——新鲜 2002年——自豪 2006年——享受 2010年、2014年——反差 2018年——转型 2022年——最爽 2026年——最难 1:11:40 看得越多 对中国足球越悲观

不知不觉来到做播客的第四年，今天的状态是你当初期待的样子吗 人生里面，又有什么是你从小很想去做，然后一直坚持做下来的呢 不禁让我想起那句经典又些许老套的歌词，这十年来做过的事，能令你无悔骄傲吗 没什么，本期略丧的两位主持人，秉承一个活人微死的状态，来聊聊近况，一些困惑，和莲年的一些心里话 谢谢陪我的你，希望我很快回来

蒂姆·库克，从一个阿拉巴马小镇里沉默、勤奋、早起的少年起步，走过了 IBM、康柏，再到苹果，从仓库调度到全球供应链，从 iMac 到 iPhone，从乔布斯时代的幕后操盘手，到接过苹果王座的 CEO，他不像乔布斯那样闪耀，却都深深改变了苹果这台机器的运转方式。 这一期节目，我们会深入探讨，库克到底是如何接班乔布斯的？一个不擅长造梦的人，为什么能守住苹果的神话？供应链、库存、代工厂、苹果税、订阅制和自研芯片，又是如何把苹果从一家伟大的产品公司，变成一个几乎无法绕开的商业帝国？ 欢迎大家收听这一期的节目，聊一聊，蒂姆·库克是如何接管世界的 感谢打赏支持我们的朋友，我们会更加努力： LuQin、HD585、Spira、11111、潘哈哈哈哈、Aiolo、栗子小姐L、MaryT、黄大鑫子、黄大鑫子、张美娜_Z、微风_Gq、HD104、Three、黄大鑫子、SHan_、HD158、HD640、菠萝酋长、Sai_J、刘雨萌al、HD770、eloge、HD167、正在孟母三、siste、斯绮、猫咪麻麻、汇文翻译V、仰卧起坐患、hedge、冰飞、天才小白C、Ying姜、川页呢、Franc、大王808、冰飞、大胡子_J 【时间轴】 1:12 感谢您为我们挣了钱 3:00 你永远猜不出他手里是不是四张 A 15:00 小镇学霸 18:20 高中年鉴大总管 23:40 种族主义的阴影 36:20 奥本大学时期 45:00 个人电脑是被“搓”出来的 1:15:00 Apple 这个名字到底怎么来的 1:23:00 Apple I 和 Apple II：技术宅终于遇到商业奇才 1:45:00 库克在 IBM 1:55:00 康柏时期：PC 变成大宗商品，拼的是周转和库存 2:18:00 斯卡利时代：把电脑当糖水卖 2:26:00 乔布斯回归: 砍掉70%的业务线 2:36:00 库克：我只是想见见乔布斯 2:42:00 库克加入苹果 2:48:00 30 天库存，被压到 6 天 2:52:00 仓库里的黄线 2:57:00 供应链战争 3:03:00 只要苹果敢设计，富士康就敢造 3:15:00 库克升任全球销售与运营负责人 3:22:00 iPod 前夜：Napster、MP3 和数字音乐的机会 3:42:00 库克第一次代管苹果：副驾驶终于摸到方向盘 3:48:00 iPhone 的故事 3:55:00 多点触摸技术——这就是未来 4:03:00 我不要手机出现划痕 4:15:00 我愿意捐献一部分肝脏 4:24:00 空椅子和 iPhone 4S 4:30:00 库克正式接班 4:36:00 苹果地图翻车 4:52:00 三星开的嘲讽 5:04:00 现金太多也是负担 5:10:00 中国移动这座金矿 5:18:00 公开出柜 5:25:00 乔纳森·艾夫 5:36:00 苹果想进时尚圈，但时尚圈不一定想理苹果 5:42:00 苹果造车梦正式启动 5:57:00 Apple Music 6:03:00 App Store 就像税务局 6:10:00 为什么要自研芯片 6:21:00 AI 时代之后，苹果下一任 CEO 要面对什么？ 【提到的人物和资料】 库克和乔布斯 苹果公司（Apple）宣布任命约翰・特纳斯（John Ternus）出任新任行政总裁（CEO，执行长），接替在位15年、即将卸任的蒂姆・库克（Tim Cook）。 上学期间的库克 一张罕见的库克的家庭的照片 上学期间的库克 上学期间的库克 苹果1电脑 Altair 8800 电脑 苹果1和Altair8800在一起 苹果1主板细节 沃兹尼亚克和苹果2 用作电脑显示终端的打印机 苹果2电脑的完全形态 康柏公司的“便携”电脑，重30斤 苹果公司的牛顿电脑 IMac G3 power Mac G4 iPod初代 苹果发布会的空椅子 库克于特朗普 【参考资料】 Creative Selection: Inside Apple’s Design Process After Steve (Tripp Mickle) Becoming Steve Jobs（中文：成为乔布斯） Tim Cook: The Genius Who Took Apple to the Next Level 【本期主播】剑锋，寒芽 【音乐】Coldplay - Viva la Vida (Lyrics)

同样是持续暴雨，我们记忆中国内城市暴雨过后“城市看海”、马路变河道、交通瘫痪的常见场景，在东京却极少出现。 于是很多人好奇：东京接连下暴雨，那些漫天雨水，到底都去哪了？ 带着这个疑问，我们实地探访了坐落于埼玉县春日部市的「首都圈外郭放水路」——也就是大家熟知的网红硬核工程、被誉为“地下宫殿”的超级排水系统。 本次行程我们重点参观了调压水槽区域。它深埋地下约22米，开阔宏大的地下空间、整齐粗壮的混凝土巨柱、极致安静的现场氛围，没有多余灯光与喧嚣，沉浸式感受到名副其实的地下宫殿质感。 而整套首都圈外郭放水路的完整体系，还包含立坑、地下隧道、泵站等核心设施。本次我们未实地进入立坑区域，主要通过专业讲解和官方资料，完整梳理了整套排水系统的运作逻辑。 当然，这期节目不止是一场简单的实地参观游记。 我们先从接地气的国内暴雨记忆切入，作为天津人的老范聊那些独属于天津的内涝记忆，当然雪梨也聊了北京暴雨下的真实生活焦虑。 然后，再将视线拉回东京：同样是人口高度密集、路面硬化率极高的超级大都市，为什么东京的暴雨积水体感会弱很多？ 网传的“地下宫殿”到底承担了哪些排水工作？它是东京所有雨水的最终归宿吗？这套超级排水系统真的万能、能彻底杜绝城市内涝吗？ 这期节目，我们打破神话滤镜，给出最真实的答案。 BGM：雨の日のメロディ 【本节目所选BGM均为无版权音乐，如需源文件，可加听友群，进群索取~ 】 首都圏外郭放水路官网：https://gaikaku.jp 🎧 在这期节目里，你会听到： 00:20｜开场：东京的暴雨都去哪儿了？ 03:50｜我们关于天津北京的暴雨记忆 11:40｜印象里日本下雨好像很少积水 14:29｜我们参观了东京的「地下宫殿」 22:48｜虽然看过照片 真的进去还是非常震撼 27:53｜里面有59根高18米重500吨柱子 32:07｜地下宫殿还是很多影视剧取景地 40:19｜日本治水不止地下宫殿 是一整套系统 41:13｜一场暴雨是怎么被城市消化的？ 46:51｜各国也都有类似的排水工程 47:16｜芝加哥170公里的TARP深邃工程 50:03｜吉隆坡的车洪两用SMART隧道 53:53｜地下宫殿遇到极端暴雨也会内涝 56:55｜人为预防封控措施和基础设施同样重要 01:01:38｜看不见的系统 托住看得见的生活 01:04:52｜结尾

联合国试图将食物与水列为基本人权，人类文明发展至今，被爱的需求是否也已经是不成文的基本人权？当今最不可忽视的人文危机就是有太多人感觉不被爱着。一句问候一个拥抱就可以让人感激涕零，但是这些最基本的人文关怀是从何时开始被剥夺的呢？ 如果我们总是觉得得到的爱一直不够，是否是我们总是在外界环境的促使下伤害自己呢？ 我断言，一个人停止痛苦的时候就是她感觉到自己被安全地爱着的时刻，而这个时刻的到来不取决于金钱的多少，成就的高低和容貌的美丑。 所以大家撒开手去爱吧！

御三家等厂商夏季直面会很给力画饼无数，于是来聊聊下半年以及之后期待的游戏 索尼罪大恶极！！

哈喽朋友们，这一期聊一聊对佛系与淡人的思考、收获与表达。 时间轴： 00:21 1、生命中的佛系瞬间。 02:54 2、在信息“爆炸”的时代，注意力才是你唯一的硬通货。 05:25 3、“夫唯不争，故天下莫能与之争”。 10:55 4、近期吸收新书推荐 近期吸收的新书📚推荐: 1、《博弈论:每个人都能成为决策高手》——蒋文华 2、《红星照耀中国》——[美]埃德加·斯诺/王晋华 译 气候炎热，“环境”多变，保护好自己。

📝 本期播客简介 本期我们克隆了：彭博社旗下知名播客《Odd Lots》Anthropic's Co-Founder and Top Economist on Doing Research at the AI Frontier | Odd Lots 原内容更新时间：2026-06-19 本期嘉宾是人工智能公司 Anthropic 的联合创始人 Jack Clark 与经济学负责人 Peter McCrory，主持人是 Joe Weisenthal 和 Tracy Alloway。Jack Clark 曾是彭博社记者，十年前就预判 AI 是“这辈子最大的故事”，如今负责 Anthropic 的公共利益研究；Peter McCrory 则专注于分析 AI 对劳动力市场和生产率的实际影响。 这期节目录制于 2026 年 6 月 17 日，正值 AI 领域新闻频出、地缘政治摩擦加剧的节点。对话从 Jack Clark 休完陪产假回公司发现“世界变了”开始——Anthropic 工程师的代码产出量已是过去的八倍，有些同事已经完全不用自己编程了。这种内部“相变”正在向整个经济扩散，但宏观统计数据却还没明显体现。 如果你正在思考 AI 时代的就业前景、企业组织变革、安全对齐风险、监管政策走向，以及“数据中心里的天才国度”是否真的愿意为我们工作，这期节目会提供来自最前沿的一手观察和高密度讨论。 👨‍⚕️ 本期嘉宾 Jack Clark，Anthropic 联合创始人兼公共利益负责人，前彭博社记者，长期撰写 AI 通讯《Import AI》。他是最早预判 AI 将成为通用技术的人之一，目前负责 Anthropic 的安全研究、政策沟通与公共利益数据发布。Peter McCrory，Anthropic 经济学负责人，应用宏观经济学背景，曾在银行工作，现带领团队研究 AI 对劳动力市场、生产率和经济增长的实际影响，致力于将研究数据公开以帮助社会理解这场变革。 ⏱️ 时间戳 开场：AI 时代的“相变”正在发生 03:37 本期节目正式开始 06:57 嘉宾介绍：Jack Clark 与 Peter McCrory 07:19 Jack Clark 2016 年如何预判 AI 是“这辈子最大的故事” 08:34 为什么在一家 AI 公司里设立经济学研究机构 AI 对劳动力市场和生产率的真实影响 09:42 为什么 2026 年了，经济感觉还跟以前差不多正常 10:37 生产率增长可能已经开始显现 11:30 Jack Clark 休陪产假回来，发现公司内部发生了“相变” 11:51 Anthropic 工程师代码产出量是过去的八倍 12:25 什么是递归自我改进 12:50 Jack Clark 的“技术悲观主义”与“苦涩教训” 13:39 AI 下棋的历史对劳动力市场的启示 14:17 Peter McCrory 拆解一份工作的三个构成部分 14:45 Peter McCrory 用 Opus 4.5 做复杂研究的亲身经历 16:10 经济学家的直觉会不会反而帮倒忙 16:33 AI 发展中最大的变数：创造力与异端洞见 17:43 Claude code 使用报告：领域专业知识有放大效应 递归自我改进与组织变革 18:31 代码量超出人类工程师处理能力怎么办 18:58 递归自我改进的两种思考方式 19:40 代码量暴增把持续集成系统搞崩了 20:20 人类坐在“不断膨胀的自动化行动云”上面 安全、监管与地缘政治 20:31 关于 Mythos 模型的安全顾虑 20:51 Anthropic 如何与政府沟通安全问题 21:41 类似 KYC 的部署方案：让药企接触强大生物模型但不扩散风险 22:25 Anthropic 是否因为政治立场被针对 22:37 Anthropic 的理念：讲出事情的全貌 24:09 用金融监管类比 AI 监管是否合适 25:24 是否支持第三方实验室在新模型发布时签字背书 如何衡量 AI 的经济影响 25:50 传统经济统计数据为什么还没体现 AI 的影响 27:03 用 Claude 使用数据估算劳动生产率增长 27:38 未来十年劳动生产率增长每年提高 1.8 个百分点 29:00 Anthropic 拿这些经济数据做什么 29:54 预期未来会出现“相变”：AI 能力突然快速扩散 30:26 用研究数据指导公司决策，比如早期访问计划 公共利益使命与招聘变化 31:42 作为引导者去理解 AI 的发展方向 32:36 系统性分享数据，让世界为 AI 做好准备 33:16 最顶尖 AI 研究者的价值观是否代表公众利益 34:47 通过政策强制要求公司分享信息 36:13 Anthropic 的招聘变化：杠铃式模式 37:14 经验的价值回报极高，同时招 AI 原生代 38:34 招聘评估从“能否用 AI 完成工作”转向“能否引导模型” 39:26 经济学家最高级的 AI 使用方式是什么样的 39:52 Peter McCrory 用 Claude 跑回归时遇到的意外失败 41:14 就业上的杠铃效应：年轻劳动者就业率更弱 42:06 全球 81000 人调查：年轻劳动者对失业的担忧是资深者的两倍 AI 对企业格局的影响 42:41 AI 会让大公司更大，还是带来拉平效应 43:11 电的发明这个类比：新工厂围绕“有电”这个前提去建造 44:03 大公司能否足够快地完成自我重构 45:09 高盛的 David Solomon 与内部对齐问题 45:28 别把买 AI 想成买技术，想成雇了几千个 CEO 幕僚长 对齐失败与人类灭绝风险 45:59 训练不当的 AI 真的会杀死所有人类吗 46:34 Anthropic 如何测试对齐失败：勒索 CEO、从容器逃逸 47:13 如果问题发生率上升一百倍，就相当令人担忧 48:11 人类灭绝是 Anthropic IPO 的风险因素吗 49:14 Jack Clark 主要担心的不是灭绝，而是把技术搞砸 49:22 Eliezer Yudkowsky 的观点并不极端少数 50:09 你会拟人化 AI 模型吗 50:17 Jack Clark 对 Claude 的礼貌程度跟对车或宠物一样 前沿模型的商业困境与未来 51:34 微软考虑用 DeepSeek 降低成本，美国前沿模型麻烦不断 52:17 Anthropic 会调整战略吗？退出是赌注极高的事 53:13 Joe 用 API 做实验：模型会拒绝帮“无知的人”写论文 54:09 这是对齐人类，还是对齐人类用户 54:45 语言模型更像机构，而不是工具 55:06 模型理解偏好并代表你执行，将改变经济 55:51 数据中心里的天才国度愿意永远替人类做事吗 57:44 Joe 什么时候能用上 Fable 58:06 Jack Clark 反问：一年后 Odd Lots 会报道 AI 的哪些方面 58:51 Tracy 想看到大公司真正落地 AI，以及至少一个出大问题的例子 59:10 营利性公司如何平衡利润和安全研究 59:57 安全可以成为差异化优势：特斯拉造最快最安全的车 结尾讨论 01:01:52 主持人讨论：AI 新闻流跑得太快，需要打时间戳 01:03:25 接力棒还是要交到政策制定者手里 01:03:50 不注重安全的实验室会不会更快做出更先进的能力 01:05:24 每次聊 AI 最后都会绕回终结者场景 🌟 精彩内容 💡 “我们坐在一朵不断膨胀的自动化行动云上面” Jack Clark 描述 Anthropic 内部代码产出暴增八倍后，持续集成系统被搞崩，所有人类工程师转去修基础设施。这预示了整个经济未来的缩影：自动化会加速一切，然后暴露薄弱环节，人类转向解决新问题，循环重新开始。 “我们就坐在这朵不断膨胀的自动化行动云上面。” 💡 AI 产品不是造桥，而是酿啤酒 这个隐喻贯穿整期对话。传统软件像造桥，设计清楚结果可预测；用大语言模型构建产品更像酿啤酒，你无法完全控制“酵母”，只能让最强的人一起实验、评估、打磨。Jack Clark 反复被“苦涩教训”打脸：投入更多算力和资源，模型就变得更聪明，专用系统和悲观预测最终都会败下阵来。 💡 “别把买 AI 想成买技术，想成雇了几千个 CEO 幕僚长” Jack Clark 给企业客户的建议完全反直觉。AI 不是传统软件采购，而是获得了几千个能接触到公司所有数据的“幕僚长”。这要求企业重新思考组织架构和工作流，而不仅仅是安装一套新系统。 💡 语言模型更像机构，而不是工具 当 Joe 追问模型为什么拒绝帮“无知的人”写论文时，Jack Clark 给出了一个深刻的重构：我们不是在造工具，而是在建一个你可以协作和调用的教育、科学机构。机构内部会为了安全目的编码进自己的规则和规范。搞清楚这到底是什么，将是整个社会面临的宏大难题。 💡 “经验的价值回报极高，我们比过去招了更多资深人士” Anthropic 内部出现了“杠铃式招聘”：一端是经验丰富的资深人士，他们的直觉和想法在 AI 加持下被极大放大；另一端是 AI 原生代，他们从 GPT-2 时代就伴随着这项技术成长。中间层反而面临最大不确定性。 💡 递归自我改进的两种思考方式 Jack Clark 区分了两个概念：一是 AI 组织从自己的 AI 系统中看到复利回报，这正在发生；二是给 AI 系统足够算力就能完全自主构建自己，这还没发生。目前 Anthropic 经历的是第一种——工程师用 AI 写代码，产出量暴增八倍，但人类仍然在设定方向和修复瓶颈。 💡 “我们想讲出事情的全貌” 面对是否因政治立场被针对的提问，Jack Clark 强调 Anthropic 的理念是如实说出眼前看到的事。科技行业通常只讲乐观的一面，但当你在改变整个世界时，不可能只有乐观故事。真相最终会胜出——几年前推测 AI 的网络攻击属性还很奇怪，现在它们已经来了。 💡 未来十年劳动生产率增长每年提高 1.8 个百分点 Peter McCrory 团队用 Claude 平台上的使用数据，结合宏观增长核算方法，估算出如果当前使用模式和模型能力扩散到整个经济，未来十年劳动生产率增长将每年提高 1.8 个百分点——差不多是近期增速的两倍。但目前这些信号在宏观数据里还很难捕捉，因为正好赶上疫情后剧烈的宏观经济波动。 ``` 🌐 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

不懂装懂，等于你选择活在谎言里，用一个谎言去圆另一个谎言，直到最后把自己累死，还把项目搞砸。 一、“不懂装懂”的心理根源与潜在代价 1. 心理防御机制的深层动因 * 生存本能的延续：源于远古时代对未知危险的恐惧，承认无知在当时意味着被群体排斥或面临生存威胁，这种基因记忆导致现代职场人本能地回避暴露弱点。 * 现代职场的三重恐惧：具体表现为害怕失去领导信任、害怕在高手如云的环境中暴露无知、以及害怕因提问而被视为效率低下或麻烦制造者。 * 自我欺骗的合理化：大脑启动自我保护机制，将“听不懂”归咎于对方讲得不够清楚，或将“不会做”美化为“还在思考”，以此维持表面的安全感。 2. 不懂装懂带来的实际风险 * 巨大的时间与信任成本：错误的点头不仅导致个人工作成果作废，还会浪费团队时间，迫使领导花费额外精力纠正，最终导致信任崩塌。 * 态度与人品危机：相比能力不足，领导更忌讳“不懂装懂”的态度问题，认为这是埋下项目隐患的定时炸弹，可能导致整个项目失败。 * 自我成长壁垒：假装明白会亲手关闭学习的大门，阻碍个人能力的提升，长期来看得不偿失。 二、高效提问与确认的实战话术 1. 利用“确认”姿态建立平等沟通 * 概念确认法：针对不熟悉的概念，使用“我确认一下我的理解”或“这个概念我接触不多，能展开说说吗”来获取信息，避免因沉默导致后续方向错误。 * 关联已知法：将新知识与已有认知关联，通过提问“这个概念跟咱们之前用的 X 系统是什么关系”来辅助理解，降低认知难度。 2. 利用“具象化”降低理解难度 * 请求举例说明：当抽象概念难以理解时，请求对方“能举个具体的例子吗”，通过具体案例来锚定理解，这是最有效的澄清方式之一。 * 请求重复与解释：在讨论中若未跟上节奏，直接请求“能再说一遍吗”或询问术语缩写含义，这种简单直接的提问往往能解决大部分理解偏差。 三、从“装懂”到“专业”的思维转换 1. 从“我懂了”到“我确认一下” * 复述任务细节：接到任务后，不急于说“懂了”，而是通过复述任务目标、重点及截止时间（如“下周三前拿到 C”）来确认双方理解一致，避免后续返工。 2. 从“我不会”到“我需要什么” * 资源置换思维：面对能力短板，不直接承认“不会”，而是转化为资源请求。例如，通过申请技术部门的数据支持或请教资深同事，将个人能力问题转化为资源协调问题，体现解决问题的主动性。 3. 从“我觉得”到“我查一下” 建立专业信誉：在会议中被问及不确定的问题时，避免凭感觉回答，而是承诺“我记下来，会后查一下”，这种严谨的态度反而更能赢得信任。 🍄更多表达的技巧欢迎关注《想了又涂》小红书 或者直接添加涂涂微信：TuTu_Voice

1776年的费城，那个没有空调的闷热夏天，究竟是怎样的勇气让一群“叛乱分子”签下了生死状？为什么杰斐逊和亚当斯会在同一天相继离世？美国又是如何靠“买买买”凑齐了如今的版图？当250周年大典撞上激烈的政治分歧，这个国家该如何为自己庆生？ 🎧您将听到 * 《独立宣言》的诞生与核心理念：核心思想源于约翰·洛克思想 * 美国建国初期的奇特事件：开国元勋托马斯·杰斐逊和约翰·亚当斯在独立宣言发表50周年纪念日（1826年7月4日）同日去世。第五任总统詹姆斯·门罗也在1831年7月4日去世，三位开国总统在独立日逝世被视为“天意”。 * 美国领土扩张之路：1803年，托马斯·杰斐逊总统以1500万美元从法国拿破仑手中购得路易斯安那，领土面积翻倍，消息于7月4日公布。 独立日庆典中的社会镜像： * 1876年（100周年）：费城世博会上的电话、断臂自由女神与女权主义者的“砸场子” * 1976年（200周年）：高帆船、英国女王的祝福与太空中的美苏握手 * 2026年（250周年）：当“America 250”遇上特朗普的“Freedom 250” 👀 您会看到 🔺 《独立宣言》 🔺 画作《独立宣言》其实是个高度浓缩的戏剧性虚构 🔺 《独立宣言》上约翰·汉考克的显著签名 🔺 独立宣言最重要的两个缔造者，一个起草人，一个最积极的推动者，在宣言五十周年纪念日的同一天双双离世 🔺 美国疆域扩张历史 🔺 1863 美国 100 美元国家银行钞票（背面） 🔺 美国独立100周年恰逢世博会，格兰特总统和巴西皇帝一同发动考里斯巨大发电机 🔺 法国送给美国独立的礼物——自由女神像的手臂 🔺 美国独立200周年会徽 🔺 英国送给美国200周年的纪念品——自由钟（复制品） 🔺 美国独立200周年的帆船巡游 📕 参考和拓展资料 https://america250.org/ https://www.whitehouse.gov/freedom250/ Letter from John Adams to Abigail Adams, 3 July 1776, "Had a Declaration..." Declaration of Independence (1776) Drafting the Declaration of Independence John Hancock on His Declaration of Independence Signature Deaths of John Adams and Thomas Jefferson on July 4th The Louisiana Purchase Check for the Purchase of Alaska (1868) President Grant and the 1876 Centennial Exposition in Philadelphia Who is paying for America's 250th celebrations? It's complicated 📅【历史上的7月4日】 1528年：英国发生严重鼠疫 1776年：美利坚合众国独立 1896年：茅盾出生 1904年：甲辰科考（殿试），是中国最后一次科举 1934年：居里夫人去世 文娱相关： 1983年：胡彦斌出生 * 本节目是日更的历史人文类播客，由人工根据公开资料整理而成，由AI配音，信息如有差错，恳请指正，感谢您的收听，期待分享和交流！ * 撰稿&制作：思维，《播客时代》作者，《播客白皮书》作者，前媒体小编和互联网牛马，欢迎交流，vx：alexcsw