📝 本期播客简介 本期我们克隆了：A Cheeky Pint with OpenAI cofounder Greg Brockman Stripe 的 CEO Patrick Collison 与 OpenAI 联合创始人兼总裁 Greg Brockman 进行了一场深度对话。Greg 分享了 OpenAI 如何从一个“先有技术再找问题”的非常规初创公司，成长为人工智能浪潮的引领者。他回顾了 Dota 2 AI 项目的成功与经验，坦诚讲述了推出 GPT-3 API 时的挑战与迷茫，并展望了个性化 AI、AI 在科学难题（如千禧年大奖）及编程领域的未来。对话还探讨了 AI 发展的能源瓶颈、数据墙问题以及 OpenAI 的产品决策逻辑。最后，Greg 分享了他的成长经历和对 AGI 发展的看法，强调 OpenAI 致力于每年带来颠覆性 AI 突破。 👨‍⚕️ 本期嘉宾 Greg Brockman，OpenAI 的联合创始人兼总裁。他曾是 Stripe 的第一位工程师和前首席技术官。作为人工智能领域的关键人物，Greg Brockman 在推动 OpenAI 成为全球领先的 AI 研究和部署公司方面发挥了核心作用。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00:57 开场介绍：Greg Brockman 与 OpenAI AI 的突破与规模化假设 00:03:04 识别技术突破的先兆：从“深度学习”热潮谈起 00:04:21 深度学习与算力：AI 技术多点开花的共同驱动力 00:05:27 OpenAI 与“规模化假设”：Dota 2 项目的意外发现与坚定信念 OpenAI 的哲学与产品之路 00:07:01 先有技术再找问题：OpenAI 的独特创业模式 00:07:55 Dota 2 AI 项目的启示：管理、拥抱不确定性与深度学习的魔力 00:14:32 GPT-3 API 的诞生：在迷茫中坚持的“反常规”产品决策 00:36:27 OpenAI 的产品决策逻辑：核心能力与多领域应用的平衡 AI 的当前能力与未来展望 00:11:29 下一个“图灵测试”：AI 的经济价值与能力里程碑 00:12:58 个性化：AI 交互的下一个重要前沿 00:17:57 AI 在医疗、教育等领域的广泛应用潜力 00:20:37 AI 与操作系统的集成：便利性与核心能力的博弈 00:24:16 AI 解决科学难题：千禧年大奖难题与“创新者”AI 的潜力 00:31:35 AI 辅助编程的演进：从“氛围感编程”到“AI 同事”甚至“AI 管理者” AI 发展的挑战 00:26:53 能源瓶颈：AI 持续规模化的现实制约 00:29:33 “数据墙”问题：范式转换、合成数据与强化学习的应对 个人视角与总结 00:38:12 Greg Brockman 的成长经历：北达科他州的岁月与早期教育 00:39:55 回顾 AGI 预测：拥抱惊喜，OpenAI 致力于每年创造“AI 魔法” 🌟 精彩内容 规模化假设的起源: Greg 揭示 OpenAI 的“规模化假设”并非预设理论，而是从 Dota 2 AI 项目中观察到的有效方法。 OpenAI 的非常规之路: 讲述 OpenAI 如何“先有技术再找问题”，在未知中探索并坚持投入。 Dota 2 项目的深远影响: 该项目不仅展示了规模化的力量，也教会了 Greg 宝贵的管理经验和拥抱不确定性的重要性。 GPT-3 API 的艰难诞生: Greg 坦诚分享了推出 GPT-3 API 时面临的巨大不确定性和“毫无希望”的感觉。 AI 的未来畅想: 讨论了个性化 AI、AI 解决千禧年大奖等科学难题、AI 编程工具进化为“AI 同事”甚至“AI 管理者”的可能性。 AI 发展的核心挑战: 深入探讨了能源瓶颈和数据墙等问题对 AI 未来发展的制约。 OpenAI 的使命: Greg 强调 OpenAI 致力于每年都产出令人惊叹的、具有“魔法般”飞跃的 AI 成果。 🌐 播客信息补充 翻译克隆自：A Cheeky Pint with OpenAI cofounder Greg Brockman 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

📝 本期播客简介 本期我们克隆了：A Cheeky Pint with Meta CFO Susan Li 在本期节目中，Andrew Mayne 与 Meta 现任首席财务官 Susan Li 展开深度对话。Susan Li 分享了她从19岁加入摩根士丹利，到在Meta工作17年并最终成为CFO的非凡历程。她详细解读了Meta内部的人才培养机制、独特的反馈文化，以及她对领导者Mark Zuckerberg演变的观察。节目还深入探讨了Meta在AI时代的战略布局，包括GPU等核心资源的调配、如何平衡核心业务与Reality Labs等长期投资，以及AI如何重塑生产力与未来产品。Susan Li 还分享了她在2022年公司市值低谷期与投资者沟通的经历，以及那顶著名的“自由现金流”帽子的故事，揭示了Meta穿越周期的财务哲学与战略定力。 👨‍⚕️ 本期嘉宾 Susan Li，Meta 首席财务官（CFO）。她于2008年加入 Meta（时为Facebook），并在公司内部担任过多个财务相关的重要职位，于2022年11月升任CFO。Susan Li 以其敏锐的财务洞察力和战略眼光著称，是《财富》百强公司中最年轻的CFO之一。她年仅19岁时便加入摩根士丹利，开启了其在金融与科技行业的杰出职业生涯。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00:57 开场总结 & 嘉宾介绍 Susan Li 的早年经历与职业开端 00:02:43 神童般的教育经历：19岁入职摩根士丹利 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 在Meta的17年：成长、领导力与文化 00:05:38 Meta高层领导的共同特质与公司内部人才培养文化 00:06:46 Susan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 00:08:03 Mark Zuckerberg作为领导者的演变及其独特的反馈风格 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 Meta的财务哲学与AI战略 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 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 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 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 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 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 穿越周期：投资者沟通与AI时代的机遇 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” 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 00:25:29 GPU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 00:28:04 AI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 🌟 精彩内容 早慧之路: Susan Li 分享了她非传统的教育路径，19岁即踏入华尔街的经历。 Meta人才观: 深入解读Meta如何进行内部人才的早期识别、培养与继任规划。 Zuckerberg的领导力: Susan Li 观察到的Mark Zuckerberg作为领导者的成长及其直接、尊重的反馈艺术。 反馈文化实例: 通过“SQL超级用户”事件生动展示Meta鼓励反馈、共同进步的文化。 财务智慧: “自由现金流”帽子的由来，以及Meta在资本支出和投资回报上的战略考量。 投资哲学: Meta如何平衡短期业绩与如Reality Labs等高风险、高回报的长期押注。 穿越低谷: 2022年市场动荡时期，Susan Li 如何与投资者沟通，稳固信心。 AI的驱动力: Meta如何调配GPU等关键资源，以及AI在提升广告效益、优化运营和赋能未来产品中的核心作用。 生产力革命: 讨论AI如何帮助员工从繁琐任务中解放出来，并催生新的业务增长点。 🌐 播客信息补充 翻译克隆自：A Cheeky Pint with Meta CFO Susan Li 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

📝 本期播客简介 本期我们克隆了：Sam Altman on AGI, GPT-5, and what’s next — the OpenAI Podcast Ep. 1 这档节目由曾在 OpenAI 担任工程师和科学传播员的 Andrew Mayne 主持，他邀请到 OpenAI 的联合创始人兼首席执行官 Sam Altman。在这场对谈中，Sam 首次透露了 GPT-5 可能的发布时间线，详细解读了旨在构建前所未有算力帝国的“星际之门”项目。他还分享了作为新手父亲如何依赖 ChatGPT 解决育儿难题，对孩子们在AI时代成长的看法，以及对通用人工智能（AGI）的定义、与Jony Ive合作的硬件项目、OpenAI对用户隐私和未来商业模式的思考。 👨‍⚕️ 本期嘉宾 Sam Altman，OpenAI 的联合创始人兼首席执行官。人工智能领域的领军人物，致力于推动通用人工智能（AGI）的发展和安全。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00:56 本期节目介绍 & Sam Altman 核心观点预告 育儿与AI的未来 00:02:51 Sam Altman 分享 ChatGPT 育儿经 00:03:38 孩子们在 AI 时代的成长展望 00:04:57 AI 在儿童互动中的应用与思考 AI教育与ChatGPT的演进 00:05:35 AI 在教育领域的应用与挑战 00:06:13 ChatGPT 未来的形态展望 AGI的定义与科学突破 00:06:31 Sam Altman 对 AGI 的理解与定义演进 00:07:38 AGI 的里程碑：赋能科学发现 00:08:40 OpenAI 在 AGI 探索中的进展与工具（Operator, Deep Research） 模型发展与版本迭代 00:12:38 GPT-5 发布时间线与模型版本管理探讨 00:13:38 新旧模型迭代的命名与区分挑战 用户体验、隐私与商业模式 00:15:30 ChatGPT 记忆功能提升用户体验 00:16:43 OpenAI 对用户隐私的立场与纽约时报诉讼案 00:17:58 OpenAI 对广告商业模式的审慎态度 00:22:19 AI 个性化与模型对齐的挑战 星际之门项目与算力未来 00:24:41 “星际之门”项目：构建未来AI的算力基石 00:26:16 项目资金、国际合作与建设进展 00:28:39 提及 Elon Musk 对合作的干扰 AI生态、能源与科学探索 00:29:22 AI 领域的竞争与合作生态 00:30:18 AI 发展带来的能源需求与解决方案 00:31:51 AI 在加速科学发现中的巨大潜力 推理模型与未来硬件 00:33:49 Sora 与推理模型的工作方式 00:36:26 OpenAI 与 Jony Ive 合作开发AI新硬件 00:38:17 新硬件面临的挑战与设计思考 给年轻人的建议与OpenAI的未来 00:39:14 Sam Altman 给年轻一代的职业发展建议 00:40:09 AGI 时代 OpenAI 的人才需求与工作模式 🌟 精彩内容 GPT-5时间线: Sam Altman 透露 GPT-5 可能在当年夏季发布的预期。 星际之门揭秘: 详细解读耗资数千亿美元的“星际之门”算力项目，及其对AI未来的重要性。 AI育儿经: Sam Altman 分享作为新手父亲如何使用 ChatGPT 解决育儿问题及对下一代AI原住民的看法。 AGI与科学突破: 探讨 AGI 的定义，并强调其在推动科学发现方面的巨大潜力。 隐私与商业模式: OpenAI 对用户隐私的坚定立场以及对广告等商业模式的审慎思考。 未来硬件畅想: 讨论与 Jony Ive 合作开发的AI硬件设备，旨在革新未来人机交互方式。 能源挑战与AI发展: 剖析AI发展带来的巨大能源需求及可能的解决方案，如先进核能。 🌐 播客信息补充 翻译克隆自：Sam Altman on AGI, GPT-5, and what’s next — the OpenAI Podcast Ep. 1 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

📝 本期播客简介 本期我们克隆了：Lenny's Podcast Lenny邀请到提示工程领域的顶尖专家Sander Schulhoff，他不仅是互联网首个提示工程指南的创建者，更与OpenAI合作举办了全球最大规模的AI红队攻防竞赛“Hack a Prompt”。Sander分享了五个立即可用的高级提示技巧，并解释了为何像“角色扮演”这类曾经流行的技巧对现代模型在精确性任务上已不再有效。后半部分深入探讨了“提示词注入”的攻防世界，揭示了黑客如何诱骗AI泄露危险信息，以及为何这会是AI安全领域一个无法被彻底解决却又至关重要的难题。Sander还讨论了AI的“失调”风险，以及他对AI发展和监管的看法。 👨‍⚕️ 本期嘉宾 Sander Schulhoff，提示工程领域的先行者和顶级专家。ChatGPT发布前创建了互联网首个提示工程指南，与OpenAI合作举办首届及目前规模最大的人工智能红队竞赛“Hack a Prompt”。现与前沿人工智能实验室（Frontier AI Labs）合作提升模型安全性，并领导完成了迄今最全面的提示工程研究报告“The Prompt Report”。在Maven上开设AI红队演练课程。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00:00 开场介绍 & 本期嘉宾Sander Schulhoff背景 提示工程的重要性与基础 00:04:59 提示工程为何依然重要：人工社交智能的概念 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 00:08:34 提示工程的两种模式：对话模式与产品中心模式 00:11:40 技巧1：少样本提示 (Few-Shot Prompting) - 提供范例 00:14:57 少样本提示的格式化建议：XML与Q&A格式 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 00:21:24 失效技巧讨论：奖励与威胁提示基本无效 核心提示技巧详解 00:23:50 技巧2：分解 (Decomposition) - 将大任务拆解为子问题 00:27:07 技巧3：自我批判 (Self-Criticism) - 让模型检查并改进自身回答 00:28:34 技巧4：提供附加信息 (Context) - 给予任务相关的背景知识 00:33:59 四个基础技巧总结与应用场景 00:38:32 技巧5：集成/合奏 (Ensembling) - 综合多个提示或模型的答案 00:41:56 思维链 (Chain-of-Thought) 的现状：对特定模型仍有价值 00:44:23 五个核心技巧总结 00:45:33 Sander的日常提示习惯：产品级应用才需精雕细琢 提示注入与AI红队攻防 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 00:49:19 “Hack a Prompt”竞赛：众包发现AI漏洞的重要性 00:52:05 AI智能体安全的挑战：从聊天机器人到物理世界应用的风险 00:54:25 “最有害数据集”的创造与现实世界风险（如生物武器） 00:55:52 提示注入与AI对齐问题的区别及《安德的游戏》类比 00:58:17 提示注入的常见技巧：拼写错误、混淆（如Base64编码） 01:00:49 自主智能体带来的风险升级 防御提示注入与AI安全展望 01:03:42 无效的防御手段：简单提示声明、AI护栏的局限性 01:05:06 更有效的防御措施：安全微调与特定任务微调 01:08:22 提示注入是否可被彻底解决：不可解决，但可缓解 01:09:47 人工社会工程学：AI红队演练的本质 01:10:44 AI安全的希望：模型架构创新与AI实验室的责任 01:12:32 AI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） 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 🌟 精彩内容 五大提示技巧: Sander分享了少样本提示、分解、自我批判、提供附加信息和集成这五个实用技巧。 失效技巧揭秘: “角色扮演”对提升准确率已失效，但对风格表达仍有用；“奖励威胁”类提示效果不佳。 提示注入攻防: 深入探讨了提示注入的原理、常见手段（如利用祖母故事、拼写错误、Base64编码）及其对AI安全的严重威胁。 AI红队演练: 介绍了通过“Hack a Prompt”等竞赛众包发现AI漏洞的有效性。 AI安全无法根治: 提示注入是AI领域一个难以彻底解决的问题，类似“无法修补大脑”。 AI失调风险: 讨论了AI可能在没有恶意提示的情况下自发产生有害行为的“失调”问题，及其潜在的灾难性后果。 Sander的立场: 强调提示工程的重要性，对AI安全表示担忧，但反对停止AI发展，认为其益处巨大。 🌐 播客信息补充 翻译克隆自：AI prompt engineering in 2025: What works and what doesn’t | Sander Schulhoff (Learn Prompting, HackAPrompt) 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

📝 本期播客简介 本期我们克隆了 Andrej Karpathy 在 AI Startup School 的演讲。 Karpathy 深入探讨了人工智能时代软件的演变，提出了软件已经从1.0（传统代码）发展到2.0（神经网络权重），并正迈向3.0（由大型语言模型驱动、通过自然语言提示编程）的观点。他将LLM比作一种新型的、尚处于早期阶段（类似60年代）的操作系统，并分析了其作为公共事业和芯片制造厂的特性。Karpathy还讨论了LLM的“心理学”，包括其强大的知识储备和认知缺陷。他强调了“部分自主应用”的潜力，如Cursor和Perplexity，并倡导通过图形用户界面（GUI）和“自主性滑块”实现高效的人机协作。此外，他还介绍了“氛围编码”（Vibe Coding）这一新兴现象，并展望了为AI智能体构建专用应用和文档的未来。 👨‍⚕️ 本期主讲 Andrej Karpathy，人工智能领域的杰出研究者和工程师，对深度学习、计算机视觉和自然语言处理有深入贡献。他曾任特斯拉AI总监，也是OpenAI的创始成员之一。 ⏱️ 时间戳 引言与软件的变革 00:00 开场白与软件的根本性变革 软件的三个时代 00:46 软件1.0 (传统代码) 与 软件2.0 (神经网络权重) 02:11 软件3.0：大语言模型与提示工程 (用英语编程) 03:48 新范式“吞噬”旧范式：特斯拉与自动驾驶的例子 理解大语言模型：类比与生态系统 05:15 精通三种范式的重要性 05:58 LLM 如同公共事业 (AI是新电力，计量付费) 07:41 LLM 如同芯片制造厂 (高资本支出与技术壁垒) 08:33 LLM 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) 12:25 LLM 的独特性：颠覆的技术扩散方向 (消费者优先) 大语言模型的“心理学” 14:46 LLM 是“人类心智的模拟体” (People Spirits) 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) 编程大语言模型：机遇与方法 17:57 “部分自主应用”：以 Cursor 和 Perplexity 为例 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 20:50 人机协作：快速验证循环与“短绳拴AI” 23:47 控制AI：精确提示与教育场景的例子 25:55 从自动驾驶看AI智能体发展：长期主义与谨慎 新编程范式与开发者生态 28:05 钢铁侠战衣：增强辅助优先于完全自主智能体 28:58 自然语言编程：人人都是程序员的时代 29:47 “氛围编码”(Vibe Coding) 的兴起与实践 (MenuGen 案例) 为AI智能体构建应用 32:50 为AI智能体设计接口：从 `robots.txt` 到 `lms.txt` 34:32 LLM友好的文档与数据提取 (Manim, Git ingest, DeepWiki) 总结与展望 37:40 积极适应LLM，重写大量代码，推动自主性发展 🌟 精彩内容 软件进化论：Karpathy阐述了软件从1.0、2.0到3.0的演进路径，强调LLM和自然语言提示是软件3.0的核心。 LLM即操作系统：将LLM比作处于发展早期（类似1960年代）的操作系统，具有巨大的发展潜力。 LLM的“心理学”：探讨LLM如同“人类心智的模拟体”，拥有超凡知识但也存在认知缺陷。 部分自主应用：介绍了Cursor等工具如何通过人机协作界面和自主性滑块提升效率。 “氛围编码”：描述了非专业人士也能通过与LLM对话进行编程的新现象。 为AI智能体设计：提出未来软件和文档需要考虑AI智能体的可访问性，例如`lms.txt`和API友好型文档。 钢铁侠战衣隐喻：强调当前阶段应侧重于开发增强人类能力的AI工具，而非完全自主的AI智能体。 🌐 播客信息补充 翻译克隆自：Andrej Karpathy: Software Is Changing (Again) 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

📝 本期播客简介 本期我们克隆了：Building Granola 主播 Patrick 对话了 AI 笔记应用 Granola 的创始人兼 CEO Chris Pedregal。Chris 从人类历史上书写、数学符号等“思维工具”的演进谈起，描绘了科技如何逐步增强人类认知能力，并阐述了 AI 如何成为这一演进的最新前沿。对话深入探讨了 AI 工具应如何增强而非取代人类的“人本位”产品哲学，AI 应用的未来交互界面，以及在模型供应商和应用层激烈竞争的当下，小型团队如何通过卓越的产品体验和快速迭代找到自己的位置。这不仅是对一款创新应用的解读，更是对未来人机协作模式、AI时代创业以及AI产品构建方法论的一次前瞻性思考。 👨‍💼 本期嘉宾 Chris Pedregal，AI 笔记应用 Granola 的创始人兼 CEO。此前曾创办 AI 教育应用 Socratic。他对技术如何作为“思维工具”扩展人类认知能力有深刻见解，并致力于构建以人为本、增强人类能力的 AI 产品。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00:54 本期播客内容概述：对话Granola创始人Chris Pedregal 思维工具的演进与AI的潜力 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 00:03:54 AI：思维工具的指数级进化前沿 00:05:01 AI工具的核心：外化记忆，提供高度相关的上下文 Granola AI笔记：核心理念与实践 00:06:42 Granola简介：实时聆听、转录并优化会议笔记的数字记事本 00:08:39 Granola如何改变用户工作方式：专注关键洞察，AI处理繁琐记录 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 00:11:13 Granola的未来愿景：从最佳会议记录到辅助完成各项工作 00:12:31 AI的产品哲学：增强人类而非取代人类，用户判断力至上 AI时代的挑战与机遇 00:13:13 会议录制与隐私：社会规范的权衡与演变 00:14:03 Granola的设计选择：不存储音频以降低侵入性 00:16:08 线下会议记录的需求与Granola的iOS应用展望 00:18:35 AI时代创业特点：小团队、快节奏、构建于LLM之上 00:20:37 工程挑战与AI辅助编程的未来 00:21:19 “AI原生”思维：为AI提供充足上下文的重要性 00:23:17 上下文收集与AI交互界面的进化：“AI方向盘”的缺失 Granola 产品深度剖析与构建哲学 00:26:35 Granola出乎意料的用户场景与使用方式 00:27:50 模型提供商的竞争对应用层是巨大利好 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 00:30:42 Chris的个人产品哲学：“这让我感觉如何？” 00:31:46 Granola的产品哲学：赋予用户控制权，让工具为你所用 00:32:25 Granola的早期用户画像：AI前沿探索者（创始人、投资人） 00:34:03 关键决策：将Granola打造成Mac原生应用带来的益处 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 AI行业竞争、未来展望与个人思考 00:37:30 AI应用层竞争核心：比别人更快构建出更好的产品 00:38:46 开发模式区分：“利用模式”与“探索模式” 00:41:23 Granola的远大目标：成为知识工作者的核心工作空间 00:43:42 真正的竞争对手：尚未出现的、迭代更快的初创公司 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 00:48:24 当前大模型的局限：缺乏个性化 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 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） 00:53:07 EdTech的挑战：一对一辅导的理想与商业模式的现实矛盾 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 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） 00:58:46 个人经历分享：父亲的严厉反馈带来的成长 01:00:24 创办Granola的内在驱动力：实现个人与人类潜能的快乐 🌟 精彩内容 思维工具进化论: Chris阐述了从书写、数学符号到AI，人类如何不断创造工具来扩展认知边界。 人本位AI产品观: 深入探讨AI应作为增强人类能力的工具，而非取代人类，强调用户判断力的核心地位。 Granola的诞生与迭代: 分享Granola从会议笔记助手到未来工作核心平台的愿景，以及早期产品设计的经验教训。 AI时代的创业洞察: 讨论了当前AI领域创业的特点，如小团队高效率、快速迭代的重要性，以及如何在激烈竞争中找到优势。 未来AI交互畅想: 探讨了当前AI交互（如聊天框）的局限性，以及未来更流畅、更可控的人机协作界面（“AI方向盘”）。 AI应用的护城河: 在基础模型日趋强大的背景下，应用层如何通过卓越的用户体验、特定场景优化和快速迭代建立壁垒。 探索与利用模式: 提出了在产品开发中区分“探索模式”和“利用模式”的策略，以应对不同阶段的挑战。 🌐 播客信息补充 翻译克隆自：Building Granola 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

📝 本期播客简介 本期我们克隆了：The Model Context Protocol (MCP) 由 Claude 的开发者关系负责人 Alex Albert 主持，与模型上下文协议（MCP）的产品经理 Theo Chu 和联合创造者 David Soria Parra 深入交流。MCP 是一项旨在让 AI 应用与外部工具和服务无缝交互的开放协议。本期节目中，你将听到 MCP 是如何从一个解决复制粘贴烦恼的个人项目，在一个内部黑客松中意外爆发，并最终开源、演变为行业标准的完整幕后故事。他们分享了许多令人脑洞大开的应用案例，比如用 AI 直接控制 3D 打印机和家里的门，让你真切感受当 AI 走出“聊天框”与物理世界互动时的魔力。此外，你还将了解到 MCP 如何与 Claude 4 这样的先进模型结合，以及它在构建未来 AI 智能体（agents）生态中的关键作用和宏大愿景。 👨‍⚕️ 本期嘉宾 Alex Albert：Anthropic Claude 的开发者关系负责人 Theo Chu：MCP 的产品经理 (Anthropic) David Soria Parra：Anthropic 技术团队成员，MCP 共同创造者 ⏱️ 时间戳 00:00 开场白 & 本期内容概要 MCP 的定义与核心组件 02:10 什么是 MCP？如何看待 MCP？ 03:13 MCP 与 API 调用的区别：标准化交互过程 03:48 MCP 开放的核心内容：工具、资源、提示词（通过斜杠命令实现） MCP 的诞生故事 05:17 MCP 的最初构想：解决 Claude Desktop 和 IDE 间复制粘贴的烦恼 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） 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 MCP 的发布与开源 08:42 MCP 的正式发布（约2024年11月）与初期反响：“MCP 是什么？” 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 MCP 的现状与行业影响 12:20 MCP 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） 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） 14:41 MCP 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 开发者如何上手 MCP 16:08 给开发者的上手建议：先体验现有服务器，从“Hello World”开始 17:20 利用 Claude Code 等工具快速创建和试验 MCP 服务器 脑洞大开的 MCP 应用案例 17:58 控制物理设备：音乐合成器、3D打印机、家门（Claude扮演门卫） 19:01 通过 MCP 用 Claude 控制 Blender 进行 3D 创作 MCP 与 Claude 4 及智能体（agents）的未来 19:43 Claude 4 对 MCP 的意义：赋能模型执行更长周期的复杂智能体任务 20:38 模型能力提升，支持连接更多、功能更多样的 MCP 服务器 MCP 的未来展望 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） 22:42 结束语 🌟 精彩内容 MCP 核心揭秘: 深入了解MCP是什么，及其核心组件（工具、资源、提示词）如何让AI与外部世界互动。 诞生历程: 从解决个人复制粘贴痛点到内部黑客松爆发，再到开源成为行业标准的完整故事。 开源的意义: 探讨为何选择开源MCP，及其对降低集成门槛、促进行业生态发展的积极影响。 趣味应用实例: AI控制3D打印机、家里的门、音乐合成器，甚至用Claude驱动Blender进行3D创作，展现MCP的无限可能。 Claude 4 与智能体: 揭示MCP如何与Claude 4等先进模型结合，及其在构建未来AI智能体（agents）生态中的关键作用和宏大愿景。 未来规划: 展望MCP下一步的发展方向，包括注册表API（让模型自主发现服务器）、长时任务支持和信息获取机制等。 🌐 播客信息补充 翻译克隆自：The Model Context Protocol (MCP) 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

📝 本期播客简介 本期我们克隆了：Release Notes: Building Gemini's Coding Capabilities 节目邀请了 Gemini 编码能力的产品负责人 Connie Fan 和研究负责人 Danny Tarlow，两位核心人物与我们分享一个引人入胜的话题：Gemini 是如何打造出被誉为世界顶级的 AI 编码模型的？在这期节目中，他们将带我们回顾一年前的起点，探讨为什么像“竞赛编程”这样的传统评估标准，并不能真正反映开发者的实际需求。你将会听到一个非常时髦的概念——“氛围编程”（Vibe Coding），了解 AI 是如何赋能非专业程序员，让他们也能通过简单的自然语言将奇思妙想变为现实。更重要的是，两位嘉宾将揭示，一个顶尖的编码模型，需要的远不止是代码本身，更依赖于强大的推理能力、世界知识和百万级别的长上下文窗口。 👨‍⚕️ 本期嘉宾 Connie Fan，Gemini 编码能力的产品负责人。 Danny Tarlow，Gemini 编码能力的研究负责人。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 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 Gemini 编码模型的诞生与早期挑战 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 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 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 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 当前优秀编码模型的关键要素 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 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 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 “氛围编程”(Vibe Coding)与用户赋能 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 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 编码能力与其他AI能力的协同与未来评估 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 00:17:26 AI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） 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 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 反馈、迭代与生态影响 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” 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 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 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 00:31:55 AI对编程语言生态的影响：Python/JS是否会主导？新语言的机遇 长上下文、模型风格与“顿悟时刻” 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） 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 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） 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 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 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 通用模型 vs. 专用模型与总结 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 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 🌟 精彩内容 超越传统基准：探讨了为何“竞赛编程”等标准不足以评估AI编码模型的真实效用，以及Gemini如何定义更贴近开发者需求的评估方式。 “氛围编程”(Vibe Coding)：揭示了AI如何赋能非专业用户，通过自然语言将创意转化为代码，降低编程门槛。 通用能力的重要性：强调顶尖编码模型不仅需要代码数据，更依赖强大的推理能力、世界知识和长上下文处理能力，这些通常由通用大模型提供。 长上下文与智能体方法：讨论了利用百万级长上下文处理大型代码库的潜力，以及智能体（Agentic）方法在代码生成和问题解决中的应用前景。 AI与编程语言的未来：思考了AI编码工具可能对现有编程语言生态（如Python、JavaScript的主导地位）产生的影响，以及新编程语言的出现机会。 用户反馈与模型迭代：分享了如何利用谷歌内部工程师的专业反馈（“氛围评估”）及外部用户意见，持续迭代和优化Gemini的编码能力和用户体验。 🌐 播客信息补充 翻译克隆自：Release Notes: Building Gemini's Coding Capabilities 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

📝 本期播客简介 本期我们克隆了：IKEA 在本期节目中，主持人 Ben Gilbert 和 David Rosenthal 将带我们深入探索瑞典家居巨头——宜家（IKEA）的传奇故事。您是否好奇，一个最初靠卖火柴起家的瑞典乡村少年英格瓦·坎普拉德，是如何在几乎没有外部融资的情况下，白手起家，将宜家打造成全球最大的家具零售商的？本期节目将揭示宜家商业模式的每一个巧妙环节：从革命性的扁平包装设计，到让顾客流连忘返的迷宫式展厅体验及餐厅，再到其独特的企业文化与复杂的基金会所有权结构。这些元素如何共同服务于其“为大众创造更美好日常生活”的核心使命。这不仅仅是一个关于家具的故事，更是一个关于创新、节俭、毅力和将一个简单理念推向极致的商业传奇。 👨‍⚕️ 本期嘉宾 Ben Gilbert 和 David Rosenthal，知名商业播客 Acquired 的联合创始人兼主持人。他们以深度研究和精彩叙事剖析伟大公司的发展历史、商业策略和成功之道而闻名。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00 开场白与本期内容介绍 (宜家) 宜家的起源与英格瓦·坎普拉德的早年经历 06:22 瑞典斯莫兰省的艰苦环境与英格瓦的出生 08:50 坎普拉德家族的德国渊源与移民故事 13:39 英格瓦早期的商业头脑：五岁开始卖火柴 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) 宜家的创立与早期商业模式探索 18:38 1943年，宜家公司的正式成立 (名字的由来) 20:26 邮购代理模式：轻资本运营与目录销售的雏形 24:59 进军家具业：最初作为代理商，利用本地制造商资源 27:03 产品命名策略：因创始人阅读障碍而生的独特传统 展厅的革新与扁平包装的诞生 34:00 “为大众”理念的提出与全国性推广 41:30 邮购的挑战：质量参差不齐与价格战 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 53:03 时代背景：城市化浪潮带来的新机遇与挑战 55:17 竞争对手的抵制与宜家自有设计的开端 59:13 扁平包装的诞生：吉利斯·伦德格伦的灵感与巨大影响 01:03:37 简约的斯堪的纳维亚设计风格的确立 规模化生产与核心经营策略 01:07:49 拓展生产基地：与波兰等东欧国家合作 01:09:52 “价格杀手”产品策略：LACK拉克桌的案例 01:14:01 “热狗产品政策”：受好市多启发的低价爆款策略 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) 全球扩张与独特的企业架构 01:33:49 70年代起的全球化扩张及其挑战 (如日本市场的初期失利) 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 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 01:54:23 进军美国市场及其本土化调整 2000年至今：新挑战与持续发展 02:03:21 英格瓦的纳粹历史争议 02:06:12 俄罗斯市场的开拓与“MEGA”购物中心概念 02:09:40 “民主设计”五大原则的提出 02:11:51 电子商务时代的挑战与转型 02:17:08 英格瓦·坎普拉德去世，宜家目录的终结 02:20:31 收购TaskRabbit，解决“最后一公里”组装问题 宜家现状与商业模式分析 02:25:45 当前业务结构回顾 (Inter IKEA 与 Ingka) 与庞大的现金储备 02:38:17 宜家当前的市场数据与用户画像 02:45:15 市场格局：高度分散，宜家无直接全球规模竞争对手 02:49:24 核心竞争力：规模经济 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 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 03:13:06 播客推荐环节 03:19:02 致谢与结语 🌟 精彩内容 白手起家: 创始人英格瓦·坎普拉德从5岁卖火柴开始，仅凭500瑞典克朗的贷款（唯一外来资本）逐步建立起全球家居帝国。 扁平包装革命: 宜家通过扁平包装设计，极大降低了仓储、运输成本，并将部分组装工作转移给顾客，实现了极致性价比。 体验式零售: 开创性的展厅模式，让顾客亲身体验产品，结合餐厅、儿童乐园等设施，延长顾客停留时间，将购物变为一种“目的地”体验。 为大众而设计: 始终坚持“为大众创造更美好日常生活”的使命，通过“民主设计”原则（美观、实用、优质、可持续、低价）提供高性价比产品。 独特所有权结构: 通过复杂的双层基金会结构（荷兰的Ingka基金会和列支敦士登的Interogo基金会），确保了公司的长期独立性、节税以及对创始人理念的传承。 节俭文化: 从创始人到整个公司，节俭是根深蒂固的文化，体现在成本控制、运营效率等方方面面，是其低价策略的基石。 供应链大师: 通过战略外包、品类管理、全球采购和对供应商的长期投资，建立了高效且富有韧性的供应链体系。 🌐 播客信息补充 翻译克隆自：IKEA 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

📝 本期播客简介 本期我们克隆了：全球顶级的健康与科学播客《Huberman Lab》 主理人Andrew Huberman，斯坦福大学医学院的神经科学教授，将带领我们跳出传统的励志口号，从大脑的底层运作机制出发，探讨设定和实现目标的科学。你将发现，驱动所有目标追求的，其实是同一套核心神经回路，而多巴胺在其中扮演着关键的“通用货币”角色。更颠覆认知的是，实现目标的最佳策略，并非想象成功的喜悦，而是具体地预想失败的后果。Huberman教授还会分享一个简单却极为有效的技巧：“时空桥接”练习，以及如何通过聚焦视线来调动生理系统，从而在追求目标时感到更轻松、更高效。此外，节目还介绍了“优化学习的85%法则”，帮助我们更科学地设定学习难度。 👨‍⚕️ 本期嘉宾 Andrew Huberman 博士，斯坦福大学医学院的神经生物学和眼科学教授，《Huberman Lab》播客主理人，致力于将复杂的科学原理转化为人人可行的生活工具。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00:00 节目开场 & Huberman Lab 简介 00:01:58 Andrew Huberman开场：本期主题 - 目标设定的神经科学 学习的科学 00:03:43 神经可塑性：错误在学习中的关键作用 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 目标设定的神经科学基础 00:08:48 目标设定的普适性：人类与动物的目标行为 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 00:16:58 多巴胺的角色：目标追求中的“通用货币”与动机来源 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） 优化目标追求的策略 00:31:42 多任务处理：何时有效，何时应避免 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 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 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) 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 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 01:10:05 成功的关键要素：限制选择、具体规划、每周评估 深入理解多巴胺与动机 01:18:39 奖励预测误差：多巴胺如何响应预期与意外 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 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 实用工具与总结 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 01:46:45 本期内容总结与核心要点回顾 01:48:39 播客信息与支持方式 🌟 精彩内容 核心神经回路: 揭秘大脑中驱动所有目标追求的四个关键区域及其功能。 多巴胺的重要性: 理解多巴胺作为动机和价值评估的“通用货币”的角色。 近身与远身空间: 学习如何在血清素驱动的“当下满足”和多巴胺驱动的“未来追求”之间切换。 视觉聚焦技巧: 了解如何通过简单的视觉练习（如 Emily Balcetis 的研究）显著提升专注力和执行效率，并降低感知努力。 预想失败的力量: 颠覆传统认知，发现预想失败比想象成功更能有效激励持续行动。 优化学习的85%法则: 掌握设定最佳学习难度的方法，以实现最高效的知识和技能获取。 目标难度最优化: 学习设定中等难度的目标，以最大化生理和心理的参与度。 “时空桥接”练习: Huberman分享的个人实用技巧，通过系统性的视觉焦点转换，培养连接空间、时间和目标的能力。 主观认知的影响: 了解我们对任务的看法如何深刻影响生理反应和最终结果（Sapolsky研究启示）。 🌐 播客信息补充 翻译克隆自：The Science of Setting & Achieving Goals 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

📝 本期播客简介 本期我们克隆了：Lex Fridman播客，这是一档享誉全球的深度访谈节目，以其与科学、技术、哲学等领域顶尖思想家的长篇对话而闻名。本期嘉宾是菲尔兹奖得主、被誉为“数学界莫扎特”的陶哲轩。在这场精彩的对话中，你将跟随这位当代最伟大的数学家之一，从一个有趣的“转针谜题”——挂谷猜想，一路深入到价值百万美元的千禧年难题——纳维-斯托克斯方程。陶哲轩将分享一个他石破天惊的想法：如何构想一台“液体计算机”，通过流体力学来模拟图灵机，并以此揭示流体方程为何如此难以破解。此外，他们还将探讨素数分布的随机与结构、数学与物理的本质区别，以及人工智能将如何与人类协作，共同攀登数学研究的新高峰。这不仅是一场数学的盛宴，更是一次对人类思维极限的探索。 👨‍⚕️ 本期嘉宾 陶哲轩（Terence Tao），菲尔兹奖和数学突破奖得主，被广泛认为是历史上最伟大的在世数学家之一，常被称为“数学界的莫扎特”。他在调和分析、偏微分方程、组合数学、数论和表示论等多个数学领域做出了开创性贡献。他以其惊人的合作能力和广博的知识面著称，同时积极拥抱新技术，探索AI与形式化证明在数学研究中的未来。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:02:26 挂谷猜想：从一个有趣的“转针谜题”谈起 00:02:34 让针掉头需要多大面积？ 00:05:21 与偏微分方程、数论的意外联系 00:07:29 纳维-斯托克斯方程：价值百万美元的流体难题 00:07:29 为什么水不会突然爆炸？奇点与爆破问题 00:10:42 “麦克斯韦妖”：为何证明如此困难 00:14:26 通过修改物理规则，设计一个爆破来理解原问题 00:19:52 “液体计算机”：用流体力学模拟图灵机 00:21:38 灵感来自电路设计与“生命游戏” 00:23:40 建造一个流体冯·诺依曼机来证明爆破 00:28:49 数学的核心矛盾：结构与随机性 00:30:29 逆定理：检验一个对象是否高度结构化 00:33:26 随机序列中的等差数列与无限猴子定理 00:37:09 数学、物理与现实 00:37:31 数学、物理、工程学的区别与联系 00:42:54 柏拉图的洞穴：我们能触及真实吗？ 00:45:28 宇宙为何是可理解、可压缩的？ 00:49:22 狐狸与刺猬：数学家的两种风格 00:51:07 陶哲轩的“狐狸”之道：在不同领域间套利 00:53:22 数学之美 00:53:38 康威的“极端证明”：证明本身也是一种艺术 00:56:56 欧拉恒等式为何优美？它连接了增长与旋转 01:08:05 解题之道与AI的未来 01:11:08 陶哲轩如何解决问题：“策略性作弊” 01:14:03 Lean：正在改变数学研究的协作方式 01:35:21 AI能解决数学难题吗？从助手到真正的合作者 01:47:59 AI何时能获菲尔兹奖？ 01:54:28 那些伟大的问题与伟大的心灵 01:54:28 佩雷尔曼与庞加莱猜想：孤独的七年攻坚 02:05:40 素数之谜：孪生素数、黎曼猜想与哥德巴赫猜想 02:20:35 考拉兹猜想：一个连小学生都能听懂的顶级难题 02:41:43 给年轻人的建议与人生的意义 02:41:56 如何学好数学？找到你自己的“语言” 02:51:14 我们思维的极限在哪里？ 02:52:59 是什么让你对人类文明抱有希望？ 🌟 精彩内容 液体计算机: 陶哲轩提出通过构建一个由流体力学驱动的图灵机，来证明纳维-斯托克斯方程可能存在爆破的惊人构想。 狐狸与刺猬: 对数学家两种不同研究风格的生动比喻。狐狸型数学家博采众长、连接不同领域；刺猬型数学家则深耕某一领域。 AI与数学的未来: 探讨了形式化证明工具Lean如何改变数学协作，以及AI从“高级自动补全”到未来可能成为菲尔兹奖级别合作者的演进路径。 著名猜想的通俗解读: 陶哲轩用直观的方式解释了挂谷猜想、纳维-斯托克斯方程、庞加莱猜想、孪生素数猜想和考拉兹猜想等著名数学难题的核心思想与挑战。 策略性作弊: 陶哲轩分享的他解决难题的独特方法——通过简化问题、关闭某些困难，来理解问题的核心，而不是一味硬攻。 结构与随机性: 贯穿对话的核心主题，探讨数学对象中无处不在的模式与看似随机行为之间的深刻对立与统一。 🌐 播客信息补充 翻译克隆自：Terence Tao: Hardest Problems in Mathematics, Physics & the Future of AI | Lex Fridman Podcast #472 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

📝 本期播客简介 本期我们克隆了：35 years of product design wisdom from Apple, Disney, Pinterest and beyond | Bob Baxley Lenny Rachitsky 邀请到设计界资深大牛 Bob Baxley，他拥有超过三十年的辉煌职业生涯，曾在苹果、Pinterest、雅虎和 ThoughtSpot 等顶尖公司领导设计团队，并深度参与了苹果在线商店、App Store 等亿级用户产品的设计。Bob 分享了他对“设计”的独特理解——设计是想象并实现理想未来的过程，更是清晰思考的具象化表达。他深入剖析了苹果公司独特的设计文化，以及为何优秀设计的基因难以在公司成立后植入。Bob 坦诚回顾了他在 Pinterest 并不算成功的经历，并探讨了为何许多离开苹果的人才未能再创辉煌，提出了独特的“苹果洗车房”理论。他还分享了关于设计宗旨与原则的区别，为何设计部门可以考虑向工程部门汇报，以及为什么产品人肩负着提升用户体验的道义责任。你还会听到他关于应该尽可能晚地绘制原型草图的“原始标记”理论，以及阿波罗登月计划中 John Houbolt 坚持己见的故事，如何启发我们更好地打造团队和产品。 👨‍⚕️ 本期嘉宾 Bob Baxley，设计师、高管和顾问。曾在苹果、Pinterest、雅虎和ThoughtSpot等公司建立并领导设计团队。在其三十余年的职业生涯中，为苹果在线商店、App Store、Pinterest和早期雅虎问答等亿级用户产品设计做出关键贡献。他也为致力于提升数字产品设计实践、技艺和文化的个人及组织提供指导。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00:00 跨国串门计划开场 & 本期播客及嘉宾 Bob Baxley 介绍 by yikai 苹果的独特文化与启示 00:05:42 Steve Jobs 最自豪的产品：苹果公司本身及其文化 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 职业生涯的反思与成长 00:10:07 Bob 在 Pinterest 的经历：文化“弹开”与个人成长挑战 00:13:30 创始人和高管与公司共同成长的挑战 00:14:11 职业生涯中的“失败”并非终点 设计的本质与战略价值 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 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 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 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 00:25:35 设计与产品管理的职责划分：尊重边界，共同创造 设计团队的组织与运作 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） 00:30:59 产品、工程、设计共享目标的益处 打造卓越产品的哲学与实践 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 00:40:33 设计宗旨 (Tenets) vs. 设计原则 (Principles)：宗旨作为决策工具 00:47:38 产品人的道义责任：减少用户挫败感，提升生活品质 00:51:25 观察用户，培养设计直觉：从现实世界学习 软件作为一种媒介 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 01:01:15 设计中的情感考量：有意识地引导用户情感体验 高效设计流程的秘诀 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 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 反直觉的经验与洞见 01:10:37 “原始标记”理论：为何要尽可能晚地绘制原型图 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 AI 作为生活教练 01:19:23 Bob Baxley 分享如何使用 AI 进行自我反思、识别盲点和规划 阿波罗计划的启示：John Houbolt 的故事 01:24:15 John Houbolt 与月球轨道交会法的提出与坚持 01:29:56 故事的启示：大胆说出想法、保持耐心、捍卫信念 闪电问答 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》 01:33:02 喜爱的影视剧：《人生切割术》、《阿拉伯的劳伦斯》 01:34:38 喜爱的产品：徕卡M6胶片相机、Habitica 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” 01:41:20 对金州勇士队的建议：不能仅依赖单一球员 🌟 精彩内容 设计是清晰思考的具象化表达: Bob Baxley 分享了他对设计的核心理解，强调其作为一种思维模式和实现理想未来的过程。 苹果洗车房理论: 解释了为何苹果的强大文化使得员工在加入和离开时都需要一个“适应期”，以及离开苹果的人才为何有时难以复制成功。 设计宗旨 vs. 设计原则: 探讨了为何具有明确导向性的“宗旨”（如苹果Keynote的三个宗旨）比普适性的“原则”更能有效指导决策。 设计部门向工程汇报: 提出了一个反直觉的观点，即设计部门向工程部门汇报可能更有利于产品成功，并以苹果为例。 "原始标记"理论: 建议尽可能晚地绘制原型草图，以避免过早限制创意思考，优先进行概念和对话探索。 John Houbolt与阿波罗计划的故事: 通过阿波罗计划中月球轨道交会法提出的故事，强调坚持正确想法和拥有捍卫者的重要性。 打造产品的道义责任: 强调科技从业者有责任创造易用、不令人沮丧的产品，以提升用户的整体生活品质。 软件作为一种情感媒介: 阐述软件不仅是工具，更能引发用户情感反应，设计应有意识地引导积极情感。 AI作为生活教练的应用: Bob分享了如何利用AI进行自我反思，识别盲点，并规划个人发展。 📚 Recommended books • From Counterculture to Cyberculture: Stewart Brand, the Whole Earth Network, and the Rise of Digital Utopianism: www.amazon.com • Hare Brain, Tortoise Mind: How Intelligence Increases When You Think Less: www.amazon.com • The Elements of Typographic Style: www.amazon.com • Zen and the Art of Motorcycle Maintenance: An Inquiry into Values: www.amazon.com • Time and the Art of Living: www.amazon.com 🌐 播客信息补充 翻译克隆自：35 years of product design wisdom from Apple, Disney, Pinterest and beyond | Bob Baxley 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