瑜伽姐的斜杠人生

Podcast · 生活休闲

瑜伽姐的斜杠人生

探索多元生活方式的灵感源泉

主播 FancyWang 出品 王燕FancyWang 生活休闲 · 休闲 2,087 订阅 128 集 3天前更新

在小宇宙收听

简介

这是一个致力于分享女性成长故事、挑战和解决方案的播客平台。我是你的主持人,一个35+岁的资深外贸SOHO从业者,也是一位专业的瑜伽教练,专注于产后恢复。 在我逾15年的外贸职业生涯中,我遇到了各种各样的挑战和困扰,也领略了各种各样的风景。从业务谈判,到自我发展和职场权益维护,我希望将这些经验分享给每一个渴望在职场上取得成功的女性。 同样,作为一位瑜伽教练,我了解到女性在身心健康、自我接纳和自我提升上面临的诸多挑战,特别是对于刚刚经历过生育的女性来说,我希望能帮助她们通过正确的方法找回自我,恢复力量。 我相信,每个女性都有一个强大的内在力量,只是需要找到正确的方法去唤醒它。 在这个播客中,我们会聚焦于外贸领域的专业技能和职场策略,分享成功的案例,分析失败的教训。同时,我们也会探讨女性健康、心理、生活等多方面的话题,为每位女性提供一个全面的成长平台。 不论你是一名正在寻找职业发展方向的年轻人,还是一名正在平衡事业和家庭的职业女性,还是一名正在追求更健康、更和谐生活的女性,我相信,《瑜伽姐的斜杠人生》都能带给你力量和启发。

把自己升级成“系统”:一个程序员,如何开始带着人和AI一起干活?

把自己升级成“系统”:一个程序员,如何开始带着人和AI一起干活?

瑜伽姐的斜杠人生

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

124 分钟 59 次播放 3天前

00后第三次创业:从百万用户到北美AI营销,他为什么不再迷信好点子?

00后第三次创业:从百万用户到北美AI营销,他为什么不再迷信好点子?

瑜伽姐的斜杠人生

这一期,我们聊一位00后连续创业者的第三次创业。 本期嘉宾黄浩彬 Steven,出生并成长于北京,初中赴美,在大学期间就开始正式创业。他曾入选胡润U30和北美华人U30创业者榜单,前两次创业涉及教育科技、在线学习、社交产品和AI社交,做出过百万注册用户规模的产品。 现在,他正在进行第三次创业。 这一次,他选择的方向是 AI营销、品牌出海,以及帮助中国与北美企业建立AI Native的营销增长系统。 Steven的经历很有意思。 他从小就不认为创业是一件必须等到某个年龄才能开始的事情。 最初,他只是喜欢和志同道合的人一起,把一个想法真正做出来。从校园里的二手书交易、篮球比赛,到在线教育、虚拟自习室、AI社交,再到如今的北美品牌营销,他不断在真实市场里寻找新的问题与机会。 但这一期真正重要的,不是他创业得有多早。 而是三次创业之间,有哪些经验能够被重新使用,又有哪些判断必须被重新推翻。 比如: 为什么一个产品做到百万用户,并不代表创业者已经完全理解市场? 为什么AI社交产品最初想解决人与人之间的连接,真实用户却更愿意和虚拟角色聊天? 为什么创业团队比一个人的点子更重要? 为什么中国企业做品牌出海,真正缺的不只是更好的图片、视频和英文营销内容? 为什么AI降低营销成本之后,品牌仍然需要长期积累、用户理解和差异化? 以及,为什么企业可能花出去大量广告费、折扣券和联盟佣金,却并不知道这些钱到底带来了多少真实增量? Steven从自己过去的产品增长经验出发,讨论了AI如何进入品牌营销的真实业务链路:客户数据、渠道运营、用户分层、优惠券、邮件营销、内容触达、A/B测试、联盟归因和营销ROI。 我们也讨论了一个很有意思的问题: AI时代,年轻人的优势到底是什么? Steven认为,答案并不完全是年龄。 而是一个人能不能快速接受变化,愿不愿意承认错误,能不能持续从市场中学习,以及有没有耐心,把一个想法逐渐变成真正能够交付商业结果的事业。 这不是一集AI营销工具教程。 而是一集关于: 当AI让创造和营销越来越便宜之后,创业者如何重新理解市场、组织团队、建立品牌,并把增长从流量变成真正的商业结果。 主持人:Fancy 嘉宾:Steven黄浩彬 社媒链接: 小红书:Steven黄浩彬 微信视频号:Steven黄浩彬 抖音:Steven黄浩彬 X:x.com/stevenhhb 领英:linkedin.com/in/stevenhhb 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 * 00:00–01:07|嘉宾登场:Steven,00后连续创业者,曾打造百万注册用户产品,目前第三次创业聚焦AI营销与北美品牌出海 * 01:07–06:17|Steven的三次创业路径:从校园教育科技、年轻人社交,到AI营销与品牌增长 * 06:17–09:35|创业为什么不只是追求结果:即使正反馈来得很慢,也能享受解决问题的过程 * 09:35–14:09|年轻创业者的心态从哪里来:北京成长、初中赴美、体育训练,以及对不确定性的承受能力 * 14:09–18:23|运动与创业的共同点:延迟满足、情绪稳定、长期训练与对人生选择的主动性 * 18:23–21:29|为什么第三次创业选择AI营销:过去的增长经验、AI技术变化和身边真实客户需求交汇 * 21:29–25:13|AI机会仍然存在巨大使用差:深度使用Coding Agent的人,与尚未建立使用习惯的人之间存在明显差距 * 25:13–27:28|百万注册用户与数十万用户产品背后的教训:为什么创始人不能把产品未来想得过于完整 * 27:28–30:23|AI社交创业的真实碰壁:原本想让AI替身帮人社交,用户却更多把它当作虚拟陪伴产品 * 30:23–32:36|从失败假设中学习:不要带着过多成见进入市场,要识别细小但真实的用户行为信号 * 32:36–36:24|用户需求为什么难判断:用户说出来的需求、真正使用的方式,以及创业者自己的想象并不总是一致 * 36:24–39:22|连续创业最值得复用的能力:团队信任、敢说真话、能力互补,以及建立共同愿景 * 39:22–42:51|两个产品为什么能增长:虚拟自习室与AI社交产品的增长点,以及团队成员如何产生关键创意 * 42:51–48:24|创业不是靠一个人的点子:有限资金如何配置,优秀人才如何聚集,为什么系统和团队比灵感更重要 * 48:24–51:34|中国品牌出海北美的真正难点:品牌不是高端图片与视频,而是长期认知、审美和运营体系 * 51:34–54:02|AI降低营销执行成本之后:企业是否真的能降低品牌建设门槛,又有哪些成本没有消失 * 54:02–57:12|为什么没有适合所有企业的标准营销方案:差异化、业务理解、组织流程和数据连接比套模板重要 * 57:12–01:01:23|AI营销顾问的新角色:理解企业老板需求,把不同渠道、团队和客户数据连接起来 * 01:01:23–01:04:53|真实营销案例拆解:如何通过用户分层、优惠券策略、数据连接和A/B测试减少无效营销成本 * 01:04:53–01:09:33|从邮件到广告与社媒:多渠道触达如何共用一套增长逻辑,避免销售和运营互相打架 * 01:09:33–01:12:22|联盟营销与Cookie归因:重复归因、重复支付佣金和数据清洁为什么直接影响利润 * 01:12:22–01:14:13|不同中国出海品牌的差距:精细化运营能力、决策风格和每一个增长漏斗的管理 * 01:14:13–01:16:05|AI时代营销体系是否需要重做:从数据表、客户反馈到Guardrails,原有经验如何重新适应AI * 01:16:05–01:18:04|年轻创业者的优势是什么:不是出生年份,而是接受变化、快速试错和不被旧经验限制 * 01:18:04–01:20:07|从创业热情走向商业交付:耐心、市场反馈、团队协作和长期迭代缺一不可 * 01:20:07–01:20:48|Steven的后续方向:继续与品牌探索AI Native营销、销售和增长系统 * 01:20:48–01:24:57|Fancy的总结:AI时代为什么不同年龄的人都可以重新建立能力,以及行业经验如何转化成系统资产 * 01:24:57–01:25:12|结尾:Steven对AI时代创业者的寄语,以及本期节目收尾 10个深度问题 1. 你是00后,却已经经历三次创业。为什么你从很小的时候,就习惯把自己想做的事情直接变成项目,而不是先考虑它算不算创业? 2. 从北京成长到初中赴美,再到大学期间创业,这些经历究竟怎样改变了你对风险、不确定性和职业选择的理解? 3. 第一次创业从教育信息化转向在线学习与社交产品,第二次进入AI社交。回过头看,你是怎样判断一个产品应该继续坚持,还是必须改变方向? 4. 你的两个产品分别积累了百万级和数十万级用户。哪些增长来自团队设计,哪些来自外部市场机会?你怎样区分增长成果和真正可持续的商业价值? 5. 你曾希望用AI替身帮助真实的人建立社交关系,但用户却更喜欢和虚拟角色聊天。这个经历如何改变你对“用户需求”和“创始人假设”的理解? 6. 你多次强调,创业最大的经验不是某个增长技巧,而是找到优秀的人,并让他们朝共同愿景努力。你如何判断一个人是否真正适合你的创业团队? 7. 为什么第三次创业选择AI营销和品牌出海?你认为AI真正改变的是营销素材的生产成本,还是品牌从用户数据到增长决策的整条链路? 8. 你认为标准化营销方案是个伪命题,因为品牌需要差异化。那么企业如何同时实现品牌差异化与AI驱动的流程标准化? 9. 你提到优惠券、用户分层、渠道数据和联盟归因等真实营销环节。对一个出海企业来说,哪些数据最容易被忽略,却可能直接影响营销ROI和利润? 10. 你认为年轻人的优势不只是年龄,而是更容易接受变化、犯错和快速学习。那么从一个敢于创业的人,走到真正能够持续交付商业结果的创业者,中间最难跨过的门槛是什么? 5个吸引力亮点 1. 一位00后连续创业者,提供了不同代际的商业视角 Steven并不是等到毕业、工作几年以后才开始创业。他在大学阶段就已经进入真实的产品、融资、用户增长和团队管理环境。 这期的价值不只是讲年轻人敢创业,而是可以观察: 当一个人从很早开始接触数字产品、国际市场与创业团队,他理解机会、风险和个人职业路径的方式,会与传统职场成长路径有什么不同。 更值得注意的是,他并不把短期正反馈视为坚持创业的唯一动力,而是强调对做事过程本身的兴趣。 2. 百万用户产品背后的真实教训,比用户规模更值得听 Steven在AI社交产品中曾设想,让每个人拥有AI替身,由替身主动认识别人、介绍朋友,甚至帮助用户组织各种线下活动。 但真实用户的行为没有完全按照预想发展。 用户反而更愿意和自己的AI替身聊天,最终产品逐渐调整到虚拟角色陪伴方向。 这一段特别有价值: 创业者认为自己在解决的问题,不一定是用户真正愿意使用产品去解决的问题。 做出产品只是开始,听懂市场反馈才是另一种能力。 3. 他认为真正值得复用的创业经验,是团队而不是点子 这期有一个很好的观点碰撞。 Fancy不断追问:两个产品为什么能做到这样的用户规模?哪些动作可以复用? Steven却反复把答案拉回团队。 他认为真正重要的,是找到优秀且互补的人,允许团队成员提出不同意见,并且在关键阶段重新统一愿景。 这也说明: 创业不是只靠一个人不断产生好点子,而是建立一个能够持续发现、验证和执行好点子的组织。 4. 把AI品牌出海从内容生成,推进到真实增长系统 现在很多企业谈AI营销,第一反应仍然是:写文章、生成图片、做视频、翻译文案。 但Steven讨论的是更深的层次: 客户数据 → 用户分层 → 营销策略 → 渠道触达 → 转化归因 → 预算优化 → 增长复盘。 他举了品牌优惠券运营的案例:如果不能区分用户状态、购买历史和渠道反馈,企业可能在重复折扣和无效营销上付出高额成本。 5. “年轻不是年龄,而是快速学习的心态”很适合传播 节目最后,Steven提出一个很值得讨论的观点。 年轻人的优势不一定来自出生年份,也不只是敢尝试新工具。 真正的优势是:能够接受新的事物,承认自己可能做错,并且愿意不断学习。 这让整期节目从“一个00后的创业经历”,自然延伸到所有年龄段的人: AI时代,旧经验可以成为优势,也可能成为限制;真正值得保持的,是持续试错和修正自己的能力。 《瑜伽姐的斜杠人生》播客团队

85 分钟 54 次播放 1周前

一个AI程序员的真实工作流:产品、内容、知识库如何一起跑起来

一个AI程序员的真实工作流:产品、内容、知识库如何一起跑起来

瑜伽姐的斜杠人生

本期嘉宾|肖杰 全栈工程师、AI实践分享者,也是内容账号 “AI程序员说” 的主理人。他现在一边做程序员主业,一边高频探索AI在产品开发、内容创作、知识整理和企业业务落地中的应用。在产品开发里,AI已经参与到需求管理、模块拆分、接口设计、代码生成、报错分析和测试迭代;在内容创作里,AI帮助他做选题、结构整理、不同平台的内容改写、封面配图和表达润色;在知识整理里,他也在持续探索个人知识库、企业知识库与AI协同之间的关系。 这一期,我们聊一个AI时代非常具体的问题: 一个人,怎样借助AI,把自己的能力放大成一个小团队? 本期嘉宾肖杰,是一名全栈工程师,也是AI实践分享者。他现在一边做程序员主业,一边运营自己的内容账号“AI程序员说”,持续探索AI在产品开发、内容创作、知识整理和企业业务落地里的真实应用。 他的工作很有代表性。 在产品开发里,AI已经参与到需求管理、模块拆分、接口设计、代码生成、报错分析、前后端对接和测试上线。 在内容创作里,AI可以帮他做选题、打分、写大纲、生成母稿,再根据不同平台改写成不同风格。 在知识整理里,他也在搭建个人知识库和公司知识库,把日常感悟、业务经验、产品工作流不断沉淀下来。 这一期最有意思的地方,是他现在所在的公司是一家财务公司。 很多人会问:财务公司招程序员干嘛? 但正是这个问题,打开了一个很现实的AI落地场景: 财务行业有大量重复答疑、流程解释、跨境电商财务服务、政府流程、开户流程和知识型交付。 这些事情过去依赖人反复解释,现在可以借助知识库、AI顾问、小程序和流程自动化,把人的能力放大成系统能力。 这一期我们会聊到: 为什么AI让程序员必须重新理解用户需求;为什么很多人做出来的AI产品其实只是AI垃圾;为什么企业知识库会成为未来公司的护城河;为什么内容不是简单发文章,而是客户认知和数字资产;以及,为什么AI时代真正重要的,不是你会不会用某个工具,而是你能不能把自己的行业经验,变成可以被AI放大的系统。 这不是一集AI工具教程。这一期,我们聊的是: AI时代,一个人真正被放大的,不只是执行效率,而是结构化思维、产品判断、知识库沉淀、内容表达和把业务落地成系统的能力。 主持人:Fancy 嘉宾:肖杰 微信公众号:AI程序员说 X:https://x.com/xiaojiecode 小红书:AI程序员说 即刻:AI程序员说 微信号:bestai88 欢迎合作与交流🤝 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 * 00:00–01:02|嘉宾登场:肖杰,全栈程序员、AI实践分享者,正在探索AI如何放大个人能力 * 01:02–02:32|肖杰自我介绍:AI冲击程序员工作,也让生产力进入爆发阶段 * 02:32–04:24|主业与副业的关系:不是简单分开,而是在做好本职工作的基础上探索AI和内容输出 * 04:24–07:26|为什么不把主业和副业分得太清:公司、个人、产品和内容可以相互促进 * 07:26–10:42|组织灵活性的重要性:小公司、开放老板和AI时代的快速试错环境 * 10:42–15:30|AI落地为什么会被旧组织限制:大公司船大难掉头,小团队更容易重组协作方式 * 15:30–19:16|从迷茫到有想法:环境、伙伴、老板、项目和AI共同改变一个人的状态 * 19:16–22:24|财务公司里的FDE角色:老板提出想法,肖杰把需求转成产品和工具 * 22:24–27:29|什么样的老板值得合作:允许探索、给反馈、重视人品和能力,而不是只管流程 * 27:29–31:28|刻意练习与负反馈:真正做事的人,不怕被指出问题,怕的是一直不开始 * 31:28–36:09|推广自己为什么重要:个人、公司和老板,本质上都要面对客户和商业交换 * 36:09–39:43|AI时代的“产品垃圾”问题:很多人做了很酷的东西,却没有真正理解用户需求 * 39:43–43:12|财务AI场景一:把基础知识、常见问题和重复答疑做成AI顾问 * 43:12–45:11|财务AI场景二:为财务自由职业者搭建AI OPC平台和个人AI顾问 * 45:11–46:37|财务AI场景三:流程化业务自动化,让一线人员一天服务更多客户 * 46:37–52:37|从财务到外贸的启发:重复问题、知识库、客户答疑和业务SOP都可以被AI重构 * 52:37–57:45|工匠精神与商业生存:做产品要精细,但也要理解阶段、现金流和客户需求 * 57:45–01:00:55|Token、模型命名和AI话语权:为什么国内开源模型也值得长期关注 * 01:00:55–01:05:25|产品落地与AI垃圾:一个产品有应用不等于能赚钱,商业验证必须被放进流程 * 01:05:25–01:09:17|工程师思维里的版本迭代:不是做完就结束,而是V1、V2、V3持续修Bug * 01:09:17–01:15:29|信息茧房与跨界视角:单一技能、单一环境和单一认知在AI时代都很危险 * 01:15:29–01:21:18|AI如何进入产品研发:需求确定、UI原型、前端、后端、接口对接、测试和上线 * 01:21:18–01:25:37|AI如何进入内容创作:选题、评分、大纲、母稿、多平台改写和知识库回流 * 01:25:37–01:32:04|结构化思维为什么重要:产品、内容、外贸订单、公司管理都需要流程和指标 * 01:32:04–01:41:42|内容资产与企业护城河:真正值钱的是行业经验、业务判断和知识库沉淀 * 01:41:42–01:49:21|企业知识库怎么开始:不会结构化没关系,先用语音和AI把碎片信息整理出来 * 01:49:21–01:52:53|从碎片化到结构化:用AI帮助老板把业务线、逻辑性、差异化和知识库整理出来 * 01:52:53–01:57:51|多个Agent如何分工:审美模型、决策模型、执行模型,各自做不同工作 * 01:57:51–02:03:33|先确认目的,再选择模型:注意力有限,不要被工具热度牵着跑 * 02:03:33–02:05:51|结尾总结:程序员思维 + 行业经验,可能是未来3–5年AI落地最重要的能力组合 * 02:05:51–02:06:14|收尾:关注肖杰的内容账号“AI程序员说”,继续学习程序员视角下的AI落地方法 10个深度问题 1. 你为什么会从一个全栈程序员,逐渐走向AI实践分享者和内容创作者? 2. 你并没有把主业和副业分得很清楚。你认为AI时代,主业、副业、兴趣和公司业务之间的边界会怎样变化? 3. 你现在在公司里的角色很像财务公司里的FDE。老板提出想法之后,你是如何把它转成产品、工具和系统的? 4. 为什么你认为“和什么人在一起”比“做什么事”更重要? 5. 你提到很多程序员正在“生产AI垃圾”。一个AI产品到底怎样判断是真需求,还是自嗨? 6. 你们在财务行业里做AI顾问、财务OPC平台和流程自动化,这三个场景背后的共性是什么? 7. 一个程序员进入财务这种非技术行业,最难补上的能力是什么:业务理解、用户需求,还是商业判断? 8. 在产品开发中,AI已经能写前端、写后端、读原型图、做测试。那人的第一责任到底是什么? 9. 你如何用AI做内容工作流?从选题、评分、大纲、母稿到多平台发布,中间最关键的判断在哪里? 10. 你认为企业知识库最重要的价值是什么?它只是内部效率工具,还是未来公司的护城河和流量入口? 5个吸引力亮点 1. 这期把“一个人如何变成小团队”讲得非常具体 不是泛泛说AI提效,而是拆到真实工作流: 需求管理、UI原型、前端、后端、接口对接、测试、公测、上线、内容选题、文章母稿、多平台改写、知识库回流。 这就是一个人借助AI承担多个角色的真实样本。 2. 财务行业AI落地案例很有启发 肖杰公司不是抽象聊AI,而是把AI放进财务场景:基础知识AI顾问、财务自由职业者OPC平台、政府/跨境/开户等流程化服务提效。 这对外贸老板、财务服务商、企业顾问和小团队都很有参考价值。 3. “AI垃圾”这个判断很真实 AI让产品开发变快,也让很多人误以为“做出来”就等于“有价值”。肖杰很直接地指出:很多程序员做的是自己觉得酷的东西,但没有真正满足用户需求。 4. 这期特别适合企业老板理解知识库 肖杰和Fancy都反复强调:公司的行业经验、业务判断和专业知识库,才是AI时代真正的护城河。 AI可以解决效率问题,但它替代不了一个公司对自己行业的沉淀和判断。 5. 程序员思维和商业思维的碰撞很有价值 肖杰更擅长结构化、产品化、版本迭代和工具落地;Fancy不断把问题拉回客户、订单、商业模式、内容资产和行业经验。 这期最有意思的地方就在于:AI落地不能只有工程师,也不能只有老板经验,必须把两者接起来。 《瑜伽姐的斜杠人生》播客团队

126 分钟 99+ 次播放 2周前

AI Agent工程师:当代码越来越多由AI生成,人还负责什么?

AI Agent工程师:当代码越来越多由AI生成,人还负责什么?

瑜伽姐的斜杠人生

本期嘉宾|林浩 AI Agent 工程师,目前在网易从事 AI 全栈开发,为游戏美术同事开发 AI 创作平台。 他的职业路径从字节后端研发开始,后来进入网易,逐步从后端拓展到前端、客户端和 AI 全栈开发。过去遇到不熟悉的技术领域,往往需要找不同岗位的同事协作;现在借助 AI,他可以先把事情跑起来,再边做边学。 在工作中,他参与的产品也从早期的生图平台,逐渐走向更复杂的通用 Agent 平台:不只是生成一张图或一段视频,而是要理解美术同事的审美、上下文、知识库、用户记忆和完整创意生产流程。 林浩这一期最有价值的地方,不是讲“AI怎么写代码”,而是讲清楚一个工程师在AI时代的真实体感: 能力边界被打开了,代码产出变快了,工作流被重构了,但人的注意力、判断力、需求拆解能力和最终兜底责任,反而变得更重要。 但这一期真正重要的,不只是“AI让工程师更强了”。 我们还聊到另一面: AI让代码产出越来越快,文档越来越多由AI生成,团队协作也开始变成“你的AI写一份文档,我的AI再读这份文档”。效率是提高了,但人的注意力也被撕碎了。多任务、多窗口、多模型、多Agent并行之后,人反而更难进入深度思考和心流状态。 这一期我们会聊到: 为什么AI会打破后端、前端、客户端之间的边界;为什么通用Agent平台不只是生成图片,而是要理解用户记忆、知识库和完整生产流程;为什么工程师在AI时代仍然要负责需求翻译、伪需求判断、历史上下文和发布兜底;以及,为什么AI让我们能做更多事,却更难专注一件事。 这不是一集AI Coding工具分享。 而是一集关于: AI时代,工程师如何拓宽能力边界,同时重新夺回自己的注意力、判断力和深度思考能力。 主持人:Fancy 嘉宾:林浩 即刻/小红书/微信公众号:一切顺利鸭 b 站:一切顺利鸭啊 微信号:azerocoder 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 * 00:00–01:13|嘉宾登场:林浩,AI Agent工程师,从字节后端研发到网易AI全栈开发 * 01:13–03:12|林浩自我介绍:从后端、前端、客户端到全栈,AI帮助工程师拓宽能力边界 * 03:12–06:52|后端到全栈的转变:AI如何帮助工程师从幕后走到幕前 * 06:52–10:05|从数据和服务器,到网页、客户端、App:工程师成就感如何被重新激活 * 10:05–13:17|从生图平台到通用Agent平台:技术变化背后,其实是用户场景变复杂了 * 13:17–17:30|美术创作平台的两类用户:高标准精细打磨型,以及希望AI自动完成任务型 * 17:30–24:23|AI会写代码之后,工程师还负责什么:需求翻译、伪需求判断、代码审查、历史上下文和发布兜底 * 24:23–27:18|工程师经验的价值:有些“Bug”不能随便修,修掉反而可能引发更大的系统问题 * 27:18–36:00|非工程师如何更好地向AI表达需求:上下文管理、目录整理、工作区收窄和素材归档 * 36:00–41:47|林浩的Markdown知识库:从过度分类到只保留输入、整理和深度思考 * 41:47–48:02|为什么选择太多会撕碎注意力:过度分类、完美主义和决策疲劳 * 48:02–52:41|工程师的完美主义:追求优雅代码和高质量,但也可能造成注意力消耗 * 52:41–57:13|给AI说明任务的三个关键:目标、边界、可验证结果 * 57:13–01:03:45|AI之间的文档协作:产品经理给AI写文档,工程师再把文档交给自己的AI分析 * 01:03:45–01:08:40|效率提升后的副作用:AI执行太快,多会话并行让人失去学习和思考过程 * 01:08:40–01:15:15|多窗口、多模型、多任务为什么会跑偏:AI Review可能越修越远,目标需要反复拉回 * 01:15:15–01:21:24|系统化与解耦:如何让AI帮助拆任务,而不是让多个自动化流程互相打架 * 01:21:24–01:25:26|美术创作场景里,哪些交给AI,哪些必须留给人:批量、格式、生成交给AI,审美和精细调整留给人 * 01:25:26–01:33:15|AI短剧、AI游戏和新一代用户:我们是不是低估了AI原生内容的接受度? * 01:33:15–01:35:17|工程师观念的变化:从不信任AI生成代码,到发现AI确实能提高效率 * 01:35:17–01:43:28|工程师的职业风险:AI工具建设者、AI用户和AI平台之间的边界正在变薄 * 01:43:28–01:51:27|工程师是否适合创业:技术能力强,但0到1、用户、市场和商业化可能是更大门槛 * 01:51:27–01:54:57|公众号与后续输出:林浩可以把工程师思维、规则化经验和AI时代的工作方法分享给更多非工程师 * 01:54:57–01:55:06|结尾:感谢林浩,也期待他后续继续分享工程师视角下的AI协作方法 10个深度问题 1. 你从字节后端研发到网易AI全栈开发,最大的能力边界变化是什么? 2. 后端、前端、客户端在过去分别解决什么问题?AI为什么会打破这些岗位之间的护城河? 3. 你第一次借助AI做出以前自己不敢想的客户端产品时,最大的体感是什么? 4. 从生图平台到通用Agent平台,为什么真正变化的不只是技术,而是用户场景? 5. 面向游戏美术同事做AI创作平台时,你如何理解“审美”“用户记忆”“知识库”和“生产流程”? 6. AI会写代码以后,工程师还不能被替代的价值到底在哪里? 7. 你提到有些Bug不能随便修,为什么历史上下文和系统包袱反而是工程师经验的一部分? 8. 对非工程师来说,如何用工程师思维向AI描述任务?一个好任务应该包含哪些关键要素? 9. AI让执行变快以后,为什么人反而更容易失去心流和独立思考? 10. 未来工程师如果不想只被AI Coding工具替代,应该往产品、系统、商业、用户,还是组织协作方向拓展? 5个吸引力亮点 1. 这期把“AI全栈工程师”讲得很真实 林浩不是抽象说工程师要转型,而是具体讲到:后端工程师过去主要维护数据、服务器和基础设施;现在借助AI,可以自己做前端、客户端,甚至独立完成一个产品闭环。 2. “AI提高效率,也剥夺注意力”是这期最强钩子 林浩明确提到,AI确实提高了效率,但不同工作之间快速切换,也会让人的注意力不断被稀释,最后很难进入心流状态。这个问题很适合所有高频使用AI的人听。 3. 工程师还负责什么,这期拆得非常清楚 不是一句“工程师不会被替代”就结束,而是拆成:需求承接、需求翻译、伪需求判断、代码审查、历史上下文判断、发布上线、异常兜底和责任承担。 4. 这期非常适合非工程师学习“工程师思维” 林浩讲到,上下文、目录、工作区、记录、数据和可验证结果,都会影响AI的输出质量。对外贸老板、产品经理、内容创作者来说,这期能帮助他们理解:不是提示词越复杂越好,而是你的信息结构越清楚,AI越容易帮你做对。 5. 对AI协作副作用的讨论很有价值 这期讨论了一个很新的现象:产品经理用AI生成文档,工程师再把文档丢给自己的AI,AI和AI之间在传递信息,人反而变成文档搬运工。这种协作效率更高,但也可能削弱人的沟通、碰撞和思考。 《瑜伽姐的斜杠人生》播客团队

115 分钟 66 次播放 3周前

评价

还没有人评价。听过的话,留个分数和一句短评吧。

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的单集添加进来吧