📝 本期播客简介 本期我们克隆了知名科技播客《Lenny's Podcast》，邀请到Block公司的首席技术官Dhanji R. Prasanna。Dhanji管理着一个超过3500人的团队，在他的领导下，Block已成为全球最具AI原生基因的大公司之一。在节目中，Dhanji揭秘了Block内部的开源AI代理“Goose”，它如何帮助工程师每周节省8到10小时，甚至能自主提交代码。他分享了Block从组织架构调整到全员拥抱AI的转型之路，以及AI如何赋能非技术团队构建自己的软件。Dhanji还探讨了未来工程师的工作模式，以及他从Google Wave、Cash App等产品中汲取的反直觉经验，比如代码质量并非产品成功的关键。这期节目将带您深入了解一个高度AI驱动的科技巨头如何运作，以及AI如何重塑我们的工作与创新。 翻译克隆自：How Block is becoming the most AI-native enterprise in the world | Dhanji R. Prasanna 👨‍⚕️ 本期嘉宾 Dhanji R. Prasanna，Block公司的首席技术官。他管理着一个超过3500人的团队，带领Block成为世界上最具AI原生基因的大公司之一。他曾参与Google Wave、Google Plus和Cash App等产品的开发，拥有丰富的技术领导和产品构建经验。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 AI生产力与Block的转型 00:01:51 AI生产力：拥抱AI的团队每周节省8-10小时 00:02:31 AI代理Goose：自主提交代码的工程师助手 00:03:25 未来工作模式：AI全天候工作，预判并构建 00:03:44 反直觉经验：代码质量与产品成功无关 00:05:46 AI宣言：CTO向Jack Dorsey提出AI战略 00:08:14 组织变革：从GM负责制转向职能型架构 00:12:39 康威定律：组织结构决定产品形态 00:14:31 工作方式变化：AI原生团队采用对话式编程 深入Goose AI代理 00:16:01 AI自动化：Block的首要任务是实现全公司AI自动化 00:17:17 AI效率：全公司范围有望节省20-25%人工工时 00:18:53 非技术赋能：非技术团队用AI构建软件 00:22:27 Goose介绍：通用AI代理，基于模型上下文协议（MCP） 00:24:31 Goose开源：任何公司都可下载、扩展和构建MCP 00:29:57 极致应用：工程师让Goose观察工作并自主完成任务 未来工作与反直觉经验 00:33:48 对话式编程的局限与AI的自主性 00:36:50 软件工程未来：AI支持“推倒重来”式开发 00:38:05 人类品味：AI需要人类锚定以避免“垃圾内容” 00:41:15 构建与购买：专注核心使命，避免偏离 00:44:16 AI与招聘：寻找拥抱AI、有学习心态的人才 00:51:29 效率提升：组织结构变革比AI工具更重要 00:53:58 AI采用建议：亲自使用工具，解决实际问题 01:00:25 CTO感悟：康威定律的强大与反馈的重要性 01:02:11 产品成功：YouTube案例说明代码质量非关键 01:05:48 可控混乱：Cash App早期成功的秘诀 01:08:18 核心领导力：从小处着手，质疑基本假设 失败的教训与最终建议 01:14:09 失败角：Google Wave、Google Plus等产品经历 01:15:51 时代变迁：关注对你重要的事情，让技术服务于人 01:17:45 职业建议：如果工作不快乐，就去改变 01:22:05 人生格言：不要接受别人安排好的一切 01:23:47 疯狂科学家：布朗博士的启示 01:24:54 呼吁：GitHub关注Goose，向公司提出更高要求 🌟 精彩内容 💡 AI驱动的效率革命 Block的CTO Dhanji R. Prasanna分享了他们如何通过内部AI代理“Goose”实现惊人的生产力提升。AI不仅能帮助工程师每周节省8-10小时，甚至能自主提交代码。更令人惊讶的是，非技术团队也开始利用AI工具构建自己的软件，大大缩短了开发周期。 “我们发现，那些非常、非常拥抱AI的工程团队，他们报告说每周能节省大约八到十个小时。” 🛠️ 组织结构变革的重要性 Dhanji强调，在追求AI原生基因的过程中，Block从GM负责制转向职能型组织架构，这比任何AI工具都更能提升效率。他认为，康威定律（组织结构决定产品形态）的强大力量不容忽视，统一的工程和设计团队才能更好地推动技术深度和AI战略。 “我认为这是我们转型为更具AI原生基因的公司的关键。” 🚀 未来工程师的工作模式 Dhanji展望了未来工程师的工作方式：AI代理将全天候工作，预判人类需求并提前构建。他甚至提出，未来每次发布新版本时，我们或许可以直接“推倒重来”应用，让AI重新构建，因为AI能够高效地整合所有改进。 “所有这些大语言模型在夜间和周末，当人类不在的时候，其实都闲着。这完全没必要。它们应该全天候工作，应该尝试预判我们的需求并提前开始构建。” 💡 反直觉的产品成功法则 Dhanji分享了他从Google Wave、YouTube和Cash App等产品中汲取的反直觉经验：代码质量并非产品成功的关键。他以YouTube为例，指出其成功与架构设计无关，而在于解决了用户的实际问题。他强调，创始人应专注于为用户创造价值，而非追求内部技术完美。 “很多工程师认为代码质量对于打造成功产品至关重要。但这两者其实毫无关系。” ❤️ 创始人“学习心态”与“从小处着手” Block在招聘时更看重应聘者拥抱AI工具和学习新事物的“学习心态”。Dhanji还强调了“从小处着手”的原则，Goose和Cash App都起源于小规模的实验或黑客周项目，而非一开始就投入大量资源。 “我更倾向于寻找那些刚刚毕业、非常渴望学习这些新工具并对此持开放态度的大学毕业生。” 🌐 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

📝 本期播客简介 本期我们克隆了与人工智能领域顶尖专家 Łukasz Kaiser 的深度对话。Łukasz 是一位波兰数学家和计算机科学家，也是那篇开启生成式A I时代的里程碑论文《Attention is All You Need》（Transformer模型）的八位作者之一。他曾任Google Brain主任研究科学家，自2021年起在OpenAI担任研究员，负责过G P T 4长上下文项目，并领导团队催生了最新版ChatGPT中使用的O1推理模型。 在这期节目中，Łukasz将带我们回顾Transformer的诞生，揭示其如何从一个“普通”研究想法演变为A I基石。更重要的是，他将深入探讨A I发展的“新范式”——推理模型。与传统大语言模型预测下一个词不同，推理模型能进行内部思考、调用外部工具，从而实现更高效的学习、更少的幻觉，并有望加速科学发展。Łukasz驳斥了“A I冬天”的说法，预言未来一两年A I将迎来“令人害怕”的迅猛进步，并分享了OpenAI构建有益通用人工智能的愿景。他还讨论了A I在自动化工作、多模态训练、以及如何应对社会挑战等方面的深刻见解。这不仅是一次技术前沿的探索，更是对A I如何重塑我们世界的一次深思。 翻译克隆自：El Cerebro detrás de OpenAI y Google 🤖 | 🎙️ Łukasz Kaiser, Lead Researcher en OpenAI - Podcast IA 🟣 👨‍⚕️ 本期嘉宾 Łukasz Kaiser，波兰数学家和计算机科学家，Transformer模型论文《Attention is All You Need》的八位作者之一。曾任Google Brain主任研究科学家，自2021年起在OpenAI担任研究员，负责过GPT-4长上下文项目，并领导团队催生了最新版ChatGPT中使用的O1推理模型。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI新范式：推理模型的崛起 02:14 Transformer开启生成式AI时代：Łukasz作为作者之一的感受 02:53 推理模型：AI发展的新范式，处于极其陡峭的上升阶段 03:14 推理模型与AGI：数据需求更少，有望加速科学发展 03:43 AI发展的瓶颈：GPU和能源 04:04 AI冬天论：Łukasz驳斥，预言未来一两年AI将迅猛进步 05:22 智能的定义：超越目标，纯粹的好奇心 07:11 OpenAI的愿景：构建有益通用人工智能，推动科学进步 08:22 AI的强大力量：机遇与挑战并存，政府应密切关注 09:02 AI发展速度：数字化世界桥梁可快速搭建，但需持续观察 10:09 OpenAI的使命：构建有益AGI，赋能人类，推动科学 AI对工作与社会的影响 11:02 AGI的定义与发展：AI与人类智能的根本差异，自动化任务的未来 13:01 AI自动化工作：从任务取代到工作辅助，快速普及的电脑任务自动化 15:58 AI在编程领域的进展：模型成为程序员的得力助手，代码生成与审查能力惊人 19:03 AI进步的瓶颈：算力限制与模型迭代周期 20:48 研究与发布：技术发现到产品落地的漫长周期 22:17 模型再训练：GPT-4到GPT-4o的演进，兼顾性能与成本 23:13 模型优化策略：做大模型与模型蒸馏 24:03 OpenAI的转变：从研究实验室到服务近十亿用户的公司 25:08 算力争夺战：Sam Altman的努力与GPU的极限 26:43 AI发展趋势：旧范式接近极限，新范式（推理）陡峭上升 27:58 推理模型：从预测下一个词到内部思考与工具调用 30:49 AI进步的动力：突破性研究与经济驱动 33:20 Transformer的诞生：从普通研究想法到AI基石 38:39 Transformer的应用：从翻译到语言模型，数据效率的提升 39:15 推理模型的起源：ChatGPT问世前两年的研究积累 42:51 老式大语言模型与推理模型的区别：预测下一个词 vs 内部思考与工具调用 44:05 推理模型的工具调用：网页搜索、Python代码执行与MCP协议 45:34 思维链：推理模型接近AGI的体现 46:09 推理模型的训练：强化学习与先验知识的重要性 47:02 推理模型的优势：从错误中学习，更长时间的思考与验证 48:55 推理的本质：模仿输出，通过思考达到结果 50:43 推理模型：学习数据量更少，泛化能力更强，重大范式转变 AI的未来与挑战 51:57 推理模型的潜力：从编程到科学加速，尚未找到真正的“引爆点” 55:30 AI的创造力：加速科学发现与执行，而非凭空创造 58:02 AI在日常工作中的应用：代码辅助、实验运行与合成数据生成 01:03:05 模型速度与效率：蒸馏技术与算力瓶颈 01:05:46 AI进步的动力：持续的工程改进与新研究突破 01:09:31 AI的进步空间：模型仍不完美，巨大改进潜力 01:10:30 推理模型的未来：并行化与从任意数据中学习 01:13:44 Pulse功能：AI的“思考”与更完善的答案 01:14:40 多模态训练：视频、音频等数据对AI理解世界的重要性 01:17:35 机器人与AI：物理世界理解的突破与层级结构 01:21:49 世界模型：语言模型理解抽象世界，多模态填补物理世界空白 01:22:17 AGI的定义：Demis Hassabis的观点与推理模型的潜力 01:23:54 物理世界理解：视频训练与机器人技术的发展 01:27:17 AI幻觉：产生机制与推理模型的解决方案 01:31:48 幻觉的解决：数据调整、强化学习与推理过程 01:33:22 模型的不对齐：思维链与最终答案的差异 01:35:59 思维链的展示：美学与安全考量 01:39:19 AI研究者的自豪与压力：谷歌与OpenAI的文化变迁 01:41:13 AI竞争：共同目标与信息流动 01:43:12 进步的代价：昂贵的算力投入与实验失败 01:44:40 其他实验室：Anthropic、Grok与Meta的AI发展 01:45:31 AI垃圾内容与武器：研究者的担忧与政府的责任 01:48:55 OpenAI的订阅模式：避免用户参与度优化，实现有益AI 01:50:05 商业模式的挑战：广告与佣金的平衡 01:52:01 产品推荐：确保模型公平性，不受商业协议影响 01:53:13 市场压力：OpenAI的坚持与挑战 01:54:20 OpenAI硬件设备：Jony Ive的参与与未来愿景 01:55:30 订阅模式的坚持：不为用户参与度优化 01:58:06 AI的未来愿景：解决平凡问题，加速科学进步 02:00:01 AI与教育：导师潜力与作弊风险 02:00:49 乐观与怀疑：对技术进步的看法与社会责任 02:02:50 AI的社会责任：如何正确使用技术，避免负面影响 02:04:05 AI的进步与社会适应：持续改进与生活扰动 02:07:45 结束语：对Łukasz Kaiser的感谢与对AI未来的期望 🌐 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

📝 本期播客简介 本期克隆知名播客《Founders》的精彩一集，主持人David Senra深入剖析了沃尔特·艾萨克森撰写的埃隆·马斯克传记。David耗时超过六十小时，从厚达六百多页的传记中，为听众提炼出这位地球上最富有、最著名企业家背后，一套颠扑不破、价值连城的创业原则。你将听到马斯克如何将人生视为一场“战争”，以超乎常人的决心和“硬核”精神，推动Zip2、PayPal、SpaceX、特斯拉等七家公司的发展。他痴迷于“第一性原理”思维，用“白痴指数”极致控制成本，并坚信“作秀就是推销术”。从“质疑所有要求”到“删除、简化、加速、自动化”的五步“马斯克算法”，你将了解他如何将设计、工程和制造紧密结合，以及他那“疯狂的紧迫感是我们的行动准则”如何驱动团队突破极限。David Senra还会揭示马斯克如何从游戏、历史甚至玩具中汲取灵感，不断学习和迭代，即使面对无数次失败也永不放弃。这不仅是对马斯克工作方式的深度解读，更是所有渴望创造伟大事业的听众不可多得的行动指南。 翻译克隆自：How Elon Works 👨‍⚕️ 本期嘉宾 David Senra，知名播客《Founders》的主理人，以其对历史伟大创业者传记的深度解读而闻名。他致力于从这些传奇人物的经历中，提炼出可供当下创业者学习和借鉴的宝贵经验。 ⏱️ 时间戳 00:00 开场 & 播客简介 马斯克的核心创业原则与方法论 02:17 提炼马斯克原则：从600页传记中汲取精华 05:07 战争心态与“硬核”精神：从策略游戏到创业实践 06:33 营销即表演：戏剧性展示的力量 07:35 使命至上，不惧冒犯：不追求同事友谊，专注于目标 08:34 厌恶中间商，追求完全控制：从Zip2到特斯拉的垂直整合 09:19 金钱是工具，非目的：将财富投入解决问题 10:06 坚不可摧的信念：传递愿景，激励团队 11:13 痴迷简化与删减：极致的用户界面与产品设计 12:00 整合设计与工程：打破部门壁垒，实现快速迭代 12:58 创始人即公司形象：CEO作为最佳代言人 13:47 超人般的自信与冒险精神：敢于押上所有筹码 从PayPal到SpaceX：宏大使命的驱动 14:44 学习方法：吞噬书架与请教专家 15:42 宏大使命驱动：殖民火星，从使命倒推商业模式 16:31 技术进步并非必然：只有努力才能推动科技发展 17:29 愿景包装成天命：激励人心的力量 18:16 靠近问题源头：亲临现场解决问题 19:02 “白痴指数”与成本控制：第一性原理的应用 20:26 设计、工程与制造紧密结合：工厂布局与团队协作 21:17 淘汰消极者与成本效益：保持团队活力，挑战高价供应商 马斯克算法的诞生与实践 22:15 质疑所有要求：将规范视为建议，追问来源 23:17 “疯狂的紧迫感”：行动准则，不接受拖延 24:14 成为一线将军：亲临现场，了解细节 25:10 完全控制与不合作：渴望掌控一切，不喜分享权力 26:06 尊重强者，直言不讳：格温·肖特韦尔的案例 26:59 垂直整合与自制：特斯拉的制造策略 28:49 跨公司经验借鉴：SpaceX与特斯拉的技术互通 29:37 “作秀即推销”的实践：亲自策划产品发布会 31:25 失败是不可避免的：从错误中学习，但缺乏耐心 32:17 承受痛苦的能力：在濒临破产边缘的坚持 33:10 时间与金钱的哲学：烧钱速度与目标实现速度 34:57 面对失败的坚韧：永不放弃的宣言 35:19 去问题发生的地方：亲赴工厂解决Roadster成本问题 36:14 使命高于个人感受：不与团队成员做朋友 37:50 强大的存在感与专注：贾斯汀对马斯克的“熊”式描述 39:29 保持关系的重要性：PayPal联合创始人对SpaceX的帮助 41:14 戏剧性展示与紧迫感：电动Smart Car打动戴姆勒 42:04 设计与生产的结合：设计必须考虑大规模生产 42:37 产品中的个性与乐趣：通过惊喜建立情感联系 44:27 质疑规定与法律：说服空军和中国政府修改规则 45:21 从非航空航天采购：创新性地降低零部件成本 46:24 极致紧迫感与现场决策：剪掉火箭裙边，当天发射 47:19 垂直整合与每日迭代：工程师与生产线紧密结合 48:09 追溯根本原因：从产品质量问题追溯到设计缺陷 49:11 “超级硬核”文化：高强度工作，颠覆行业 马斯克算法的五条戒律与补充原则 51:10 专注于工作，牺牲个人生活：难以维持人际关系 51:10 从自然界和日常事物中学习：地鼠、玩具、人类驾驶 52:53 随时随地工作：凌晨两点启动新项目 54:42 “我家院子里的地鼠可不这么干”：重新设计掘进机 55:31 独处与静默思考：深度思考的必要性 56:25 渴望混乱与“地狱”：不适应平静，追求挑战 58:58 找到瓶颈，删除简化：马斯克算法的雏形 1:01:35 持续学习与更新：从自动化错误中学习，去自动化 1:02:24 “走向红色”：实时监控生产线，亲临问题现场 1:04:09 果断决策，承担责任：每天做大量决策，即使有错 1:05:06 从周围一切学习：军事史、玩具、科幻小说 1:05:55 “非传统思维是必要的”：突破传统限制 1:06:45 马斯克算法的五条戒律：质疑、删除、简化、加速、自动化 1:07:38 算法的八条补充想法：实践经验、同志情谊、犯错、身先士卒、跳级会议、招聘态度、紧迫感、物理定律 1:10:24 功成名就混日子：警惕失去激情的人 1:11:12 法律是可以改变的：说服中国政府修改独资法律 持续应用与未来展望 1:12:12 找到极限，极致删减：挑战材料厚度，追求极致效率 1:13:06 抵制想象中的极限：从现有资源开始，立即行动 1:14:50 再次静默思考：深度思考在决策中的作用 1:15:42 玩具行业的启发：大型铸造机与精密制造 1:17:35 害怕自满，保持紧迫感：深夜巡查，亲自面试 1:18:24 冷酷无情，使命第一：解雇长期员工，推动变革 1:19:17 最好的零件就是没有零件：极致简化原则 1:20:15 深入了解业务细节：考问员工“白痴指数” 1:21:07 硬核反馈，批评行为：物理学不关心感情 1:22:03 一线将军，亲临现场：工程师亲身实践 1:22:52 游戏玩家的心态：爱游戏胜过爱人，生活是游戏 1:23:37 奉献给不可能之事：投资那些没有你就不会发生的事情 1:24:31 尝试并失败，快速迭代：快速发现问题，快速修复 1:25:25 亲自动手，灌输算法：亲自面试，教导核心原则 1:26:09 “疯狂的紧迫感”再强调：极致删减和简化 1:27:01 学习他人的经验：从马斯克身上学到的独特教训 1:27:51 创始人播客的灵感来源：马斯克通过阅读传记学习 1:28:44 复杂性是规模化的敌人：痴迷于简化，删除冗余 1:29:41 单一优雅的设备：Neuralink设计理念，极致集成 1:30:37 《Polytopia》人生经验：游戏策略应用于商业和生活 1:31:35 默认设置是“战争状态”：拒绝平静，追求挑战 1:33:18 激励人心的事业：为文明做有益之事 1:34:06 每日会议与算法：加速项目进展 1:35:00 一线将军的激励作用：亲临现场，身先士卒 1:35:47 坏消息要大声、频繁：专注于问题，及时解决 1:36:36 机器人与文明变革：擎天柱机器人，富足的未来 1:37:23 自动驾驶与生产工艺：关注毫秒级的效率提升 1:38:23 重塑推特文化：引入马斯克式“硬核”工作流 1:39:16 心理安全是敌人：对抗自满的武器 1:40:04 工程师驱动产品设计：产品经理需懂代码 1:40:04 结语：专注于公司建设原则，成就与失败皆史诗 🌟 精彩内容 💡 马斯克的“战争”心态与“硬核”精神 马斯克将人生视为一场“战争”，从小痴迷策略游戏，并将其理念应用于创业。他要求团队以超乎寻常的决心和“硬核”精神工作，不惧挑战，不惜一切代价实现目标。 “我天生为战争而生。” 🛠️ 极致的简化与“白痴指数” 马斯克对简化和删减有着近乎偏执的追求。他提出“白痴指数”来衡量产品成本与材料成本的差距，并以此驱动团队不断质疑现有设计和流程，追求极致的成本控制和效率提升。 “我只是把所有不是大卫的部分都凿掉了。” 🚀 马斯克算法：五步工作法 马斯克总结了一套核心工作流，被称为“马斯克算法”：1. 质疑所有要求；2. 删除任何能删除的部分；3. 简化和组织；4. 加速周期时间；5. 自动化。这套算法强调从第一性原理出发，不断迭代优化。 “删除，删除，删除；简化，简化，简化。” 💻 一线将军与“疯狂的紧迫感” 马斯克坚信创始人必须亲临一线，深入了解业务细节。他要求团队保持“疯狂的紧迫感”，不接受拖延，并以身作则，亲自在工厂车间工作，甚至睡在办公室。 “疯狂的紧迫感是我们的行动准则。” ❤️ 使命至上，不惧冒犯 马斯克将公司的使命置于个人感受之上，不追求与团队成员的“同志情谊”，认为这会阻碍卓越。他会给出“硬核反馈”，批评行为而非个人，因为“物理学不关心受伤的感情”。 “你的工作不是让团队里的人都喜欢你。” 🌐 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

📝 本期播客简介 本期我们克隆了：斯坦福大学神经科学家 Andrew Huberman 的顶级播客《Huberman Lab》。 本期嘉宾是《艺术之战》的传奇作者 Steven Pressfield。他直到52岁才出版第一本书，却成为了无数创作者的精神导师。在这场深刻的对话中，Steven 将揭示那个阻碍我们实现潜能的强大内心敌人——他称之为“阻力”（Resistance）。你将听到他那句振聋发聩的名言：“一件事对你灵魂的成长越重要，你遇到的阻力就会越强大。” Steven 会分享他如何通过海军陆战队训练般的毅力，以及每天凌晨4:45去健身的“痛苦演练”，来为一天中真正的战斗做准备。他还会介绍他独特的“转为职业选手”思维模式，告诉你如何像专业人士一样，每天到场、带伤上阵，并摆脱外界评价的干扰。这不仅是一堂关于如何战胜拖延和自我怀疑的大师课，更是一场关于寻找人生使命、与“缪斯”连接、并接受“不平衡但充实”人生的灵魂对话。 翻译克隆自：How to Overcome Inner Resistance | Steven Pressfield 👨‍⚕️ 本期嘉宾 Steven Pressfield，美国传奇作家，著有《艺术之战》、《动手去做》、《火门》等多部经典作品。他的作品深刻探讨了创造力、恐惧和内心“阻力”的主题，激励了全球数百万艺术家、创业者和任何寻求自我突破的人。他曾是士兵和体力劳动者，直到52岁才出版第一本书，其人生经历本身就是一部战胜“阻力”的史诗。 ⏱️ 时间戳 00:00 开场 & 播客简介 “阻力”：你内心最大的敌人 06:24 核心名言：为什么对你越重要的事，做起来越难？ 08:51 “树与影”的比喻：你的梦想越大，内心的阻力就越大 职业选手的武器库 09:45 军事训练与毅力：海军陆战队经历的深刻影响 11:10 早起健身的秘密：为对抗写作阻力做的“演练” 15:28 灵感的来源：是潜意识，还是神秘的“缪斯女神”？ 18:51 创作前的仪式：向缪斯女神祈祷 高效创作流程揭秘 20:55 沉浸式写作：如何做到开工后零分心 22:25 多稿写作法：为什么从不当天回顾，以及完美主义的陷阱 26:26 少即是多：为什么顶尖高手的工作时间反而更短 30:02 创作环境：隔绝网络，专注内心宇宙 使命与人生 35:11 如何找到你的使命：你最害怕的事，就是你最该做的事 38:22 被压抑的创造力：未被实现的能量会转向何方？ 42:36 身边人的“阻力”：为什么最亲近的人有时会阻碍你 51:03 导师的力量：从卡车司机老板到战友的宝贵一课 面对外界的职业心态 56:02 失败的艺术：从《金刚复活》的惨败中学到的教训 01:10:22 如何面对评价：专业人士为何不把成败太当回事 01:18:08 不平衡的人生：追求使命是否意味着牺牲？ 转为职业选手 01:25:06 职业选手 vs 业余爱好者：心态的根本区别 01:29:29 “转职”的代价：为什么提升自己会引来非议 01:43:23 最终建议 & 新书预告 🌟 精彩内容 💡 “一件事对你灵魂的成长越重要，你遇到的阻力就会越强大。” Steven 提出了他最核心的观点：恐惧和抗拒感其实是一个指南针，它指向你真正需要去完成的事情。当你面对多个选择时，那个让你最害怕的，往往就是正确答案。 🧠 “转为职业选手”的心态开关 Steven 认为，战胜“阻力”的关键在于像扳动开关一样，将思维模式从“业余爱好者”切换到“职业选手”。职业选手每天到场，不在乎感觉如何，带伤上阵，并且不把单次的成败看得太重。这是一种可以后天习得的内在纪律。 “业余爱好者总是在乎自己的感觉怎么样……职业选手才不管自己感觉如何，他们只管去做。” 💪 每日的“痛苦演练” Steven 每天凌晨去健身房，他坦言自己很讨厌这么做。但这正是关键所在：通过主动完成一件困难且痛苦的事，他为当天坐在书桌前对抗真正的“阻力”做好了心理准备。这是一种为精神战斗进行身体预演的策略。 “今天剩下要做的事，没有一件会比我已经完成的更难了。” ✨ 灵感来自“缪斯女神” 与主流的“灵感源于潜意识”不同，Steven 相信灵感来自一个更高的、外部的源头——他称之为“缪斯”。他认为创作者的工作是做好准备，打开通道，成为“缪斯”的媒介，而不是试图从自身榨取创意。他每天工作前都会进行祈祷仪式，请求“缪斯”的帮助。 🎭 不平衡但充实的人生 Steven 认为，全身心投入去追随自己的使命，往往意味着一种不平衡的生活，需要做出牺牲。但这并非坏事，而是一种主动的选择。就像《教父》里的台词：“这是我们选择的生活。” “你会走在你灵魂注定要走的轨道上。天佑于你，你别无所求了。” 🔥 被压抑的创造力会走向何方？ Steven 警告说，那些我们生来就该去完成的使命，如果我们因为屈服于“阻力”而没有去实现，那股能量并不会消失。它会转向恶性的渠道，表现为上瘾、自我毁灭或伤害他人。 🌐 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 📒 文字版精华

📝 本期播客简介 本期我们克隆了美国知名电视节目《Bill Moyers: 思想世界》中的一场深度对话。主持人Bill Moyers邀请到诺贝尔物理学奖得主、美籍华裔科学家杨振宁博士，探讨一个引人深思的现象：为何在1988年的西屋科学奖半决赛中，纽约一所公立学校的十一位入围学生全都是亚裔？杨振宁博士结合自身横跨东西方的成长与科研经历，深入剖析了东西方教育理念、文化差异对科学学习和创新能力的影响。他对比了美国学生对兴趣和即时反馈的追求，与东方学生对纪律和努力的认同，并探讨了这些差异如何体现在科学教育成果上。杨博士还强调了基础科学研究对国家实力和经济发展的重要性，并以麦克斯韦方程组为例，生动阐释了物理学中蕴含的简洁之美与强大的力量。他更将科学探索比作诗歌的凝练，分享了他在揭示自然奥秘时所感受到的那种“宗教式”的敬畏之情，以及对人类认知极限的哲学思考。这段对话不仅是对科学教育的反思，更是对文化、认知与人类求知本能的深度探索。 翻译克隆自：Chen Ning Yang: Scientific Study, East vs. West 👨‍⚕️ 本期嘉宾 杨振宁博士，诺贝尔物理学奖得主，纽约州立大学石溪分校爱因斯坦物理学讲席教授，领导该校理论物理研究所。他于1957年与李政道共同获得诺贝尔物理学奖，是首批获得此殊荣的华人科学家。 ⏱️ 时间戳 00:00 开场 & 播客简介 西屋科学奖现象：亚裔学生的崛起 02:06 西屋科学奖：纽约公立学校十一位亚裔入围者引发的思考 02:40 诺贝尔奖得主杨振宁博士的视角 杨振宁博士的背景与华人骄傲 03:12 杨振宁博士介绍：双重文化背景与诺贝尔奖成就 04:08 1957年诺贝尔奖对华人社会的深远影响与民族自豪感 东西方教育理念与科学素养对比 05:03 美国学生科学素养现状：国际排名与担忧 05:35 东方教育：纪律、努力与延迟满足的文化 05:57 西方教育：强调兴趣与即时反馈的特点 06:39 两种教育模式对孩子价值观与学习方式的影响 07:59 东方教育的局限：过于拘谨，缺乏想象力与挑战权威 08:23 东西方文化差异的根源：美国实用主义与中国“知之为知之” 09:07 “潜移默化式学习”与前沿科学探索的挑战 10:11 美国科学教育的困境：顶尖人才与大众素养的脱节 10:58 大众科学素养对国家实力和未来的重要性 基础科学的价值与未来挑战 12:09 日本在科学和工程领域的崛起与对美国的挑战 12:28 基础科学：美国传统强项与日本的快速追赶 13:03 失去基础科学优势的后果：对国家士气与经济发展的影响 13:25 生物技术为例：基础科学与经济回报的紧密联系 13:51 科学的精神层面：麦克斯韦方程组的简洁之美与强大力量 15:06 基础科学对社会发展的现实意义：以电磁学为例 科学探索的哲学思考 16:34 寻找核内“麦克斯韦方程组”：控制更强大的力量 16:56 科学研究的成本与超级超导对撞机（SSC）的挑战 17:31 粒子物理学：在碎片中寻找整体意义的哲学反思 18:05 科学之美：规律、方程式与实验的惊人吻合 18:55 科学与诗歌的共通之处：思想的凝练与力量 19:40 揭示自然奥秘时所感受到的“宗教式”敬畏 20:35 宇宙中是否存在智慧体：对美的塑造者的追问 21:16 人类认知的极限：有限的神经元数量与终极理解的边界 科学与社会 22:26 科学是否已成为新的宗教：其在社会中的角色 22:38 科学在每个人生活中日益重要的地位 22:59 结束语 🌟 精彩内容 💡 西屋科学奖现象：亚裔学生为何脱颖而出？ 杨振宁博士从1988年西屋科学奖半决赛中，纽约一所公立学校十一位亚裔学生全部入围的现象入手，深入探讨东西方教育理念的差异。他指出，东方教育强调纪律、努力和延迟满足，而西方教育则更注重兴趣和即时反馈。这种差异导致了美国学生在基础科学知识方面表现不佳，而东方学生则在考试中更具优势。 “东方的孩子更守规矩。他们更倾向于听从父母和老师的建议，也明白一个道理：你得先努力付出，才能享受成果。” 🧠 东方教育的局限与西方教育的优势 杨振宁博士也指出，东方教育模式下培养出的学生，虽然基础扎实，但可能过于拘谨，缺乏进行“富有想象力的飞跃”的能力。他鼓励来自东方的研究生克服这种“畏首畏尾”的心态，敢于在前沿领域探索半知半解的事物。而美国体系虽然大众科学素养堪忧，却能培养出顶尖人才，支撑前沿探索。 “在东方教育体系下培养出来的孩子，往往过于拘谨……你凭什么去挑战这些过去的伟人？这种观念能让人沉静下来，但也会让人变得过于胆怯。” 🔬 基础科学的深远影响与国家竞争力 杨振宁博士强调了基础科学研究对国家实力和经济发展的重要性。他以日本在科学和工程领域的崛起为例，警示美国大众科学素养的不足可能带来的危险。他认为，一个社会在基础科学领域失去竞争优势，不仅会影响经济，更会打击整个国家的士气。 “现代社会必须建立在知识渊博、有正确驱动力的普通民众之上。而这，正是我认为美国未来最大的危险所在。” 🌌 科学之美与哲学思考 杨振宁博士将物理学中的麦克斯韦方程组比作“诗歌的凝练”，它以简洁的形式描述了电和磁的力，并能精确预测实验结果。他分享了在揭示自然奥秘时所感受到的那种“宗教式”的敬畏之情，以及对宇宙是否存在智慧体、人类认知极限的哲学思考。他认为，人类理解事物的能力终究是有限的，但这个极限离我们还非常遥远。 “如果你能把许许多多复杂的现象归结为几个方程式，那就是一种伟大的美。诗歌是什么？诗歌是思想的凝练。” 🌐 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

📝 本期播客简介 本期我们克隆了知名播客主持人Peter Yang对谷歌实验室及Gemini应用副总裁Josh Woodward的独家专访。Josh在谷歌内部以其快速发布产品的文化而闻名，他将带领我们一窥谷歌在A I领域的最新突破。节目中，Josh将现场演示多款令人惊叹的创新产品：从火爆全球的Gemini应用“Nano Banana”，它能将照片轻松转化为迷你手办、艺术风格画作或室内设计方案，展现用户超乎想象的创造力；到“NotebookLM”，这款工具能将多达70个信息源自动整合，并生成带讲解的视频幻灯片，彻底颠覆传统知识整理与演示方式；更有“Flow”，一个在不到百日内从构想到发布的多模态视频生成工具，它不仅能创作带音效的短片，还能让用户像“A I电影制作人”一样，通过混剪和参考图轻松执导场景。Josh还将分享谷歌如何通过小团队、快速迭代和以用户为中心的策略，在大公司内部培育出创业精神，以及他眼中未来A I个人助手“个人化、前瞻性、功能强大”的愿景，以及谷歌内部如何利用A I工具加速产品开发。这场对话不仅展示了前沿科技，更深入探讨了A I如何重塑我们的工作与生活。 翻译克隆自：Inside Gemini and NotebookLM: How Google is Shipping Non-Stop | Josh Woodward 👨‍⚕️ 本期嘉宾 Josh Woodward，谷歌实验室及Gemini应用副总裁，以在谷歌内部建立快速发布产品文化而闻名。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00 开场 & 播客简介 谷歌AI产品的创新与演示 03:32 Nano Banana：引爆全球的AI图像创作应用 04:24 Nano Banana：用户如何玩转创意，从迷你手办到室内设计 06:12 Nano Banana：从用户反馈到未来迭代，提升编辑控制与文本处理 09:54 NotebookLM：颠覆知识整理的AI工具 10:48 NotebookLM：与《经济学人》合作，整合70个信息源的“精选笔记” 12:33 NotebookLM：一键生成带讲解的视频幻灯片，赋能教育与企业 14:36 Flow：百日内发布的带音效多模态视频生成工具 15:48 Flow：用户如何“混剪”与“执导”AI场景，催生“AI电影制作人” 17:05 Flow：快速迭代与效率提升，支持竖屏视频与无限生成 谷歌内部的创业文化与产品方法论 19:26 谷歌内部的快速发布文化：打破官僚印象 20:54 小团队与用户为中心：谷歌实验室的成功秘诀 22:29 规划与执行：从市场拉力出发，而非过度规划 24:04 招募人才：寻找“动手派”与快速学习者 26:24 衡量成功：早期看用户留存与定性反馈，而非数据过度优化 AI个人助手的未来愿景 30:24 个人化AI助手：结合个人数据提供定制化建议 31:09 “个人化、前瞻性、功能强大”：Gemini的未来方向 33:19 上下文工程与多模态：Gemini的核心优势 34:16 交互模式的转变：从聊天框到语音与视觉主导 AI赋能谷歌内部工作流 37:57 Gemini 2.5 Pro的内部影响：AI Studio加速产品原型开发 38:31 Opal：可视化节点工具，赋能律师与产品文档审查 39:57 JUULs：AI编程智能体，自动修复bug，实现AI协同开发 🌟 精彩内容 💡 Nano Banana：用户创造力的火花 Josh展示了Nano Banana如何从一个简单的图像转换工具，演变成一个激发全球用户创造力的平台，从迷你手办到艺术风格迁移，甚至催生了实体周边产品。它证明了将强大工具交给用户，他们能玩出开发者意想不到的精彩。 “我们看到一个很普遍的玩法，就是对图片进行风格迁移…这些都是我们自己根本想象不到的玩法，但你只要把这样的工具交到用户手里，他们就能玩出花来。” 📚 NotebookLM：知识整理的革命 NotebookLM能够整合多达70个信息源，并生成带讲解的视频幻灯片，彻底改变了传统知识整理和演示的方式。它不仅受到师生欢迎，也成为企业内部知识共享的强大工具。 “它会自动生成一个二三十页的幻灯片，概述这全部七十个信息源的内容。你可以想象，整个团队的知识库，只要按一个按钮，就能变成这样一个带讲解的视频幻灯片。” 🎬 Flow：AI电影制作人的诞生 Flow作为一款在百日内从构想到发布的视频生成工具，不仅提供了惊人的画质和音效，更通过“混剪”和参考图片功能，让用户像“AI电影制作人”一样执导场景，开启了视频创作的新纪元。 “Flow最神奇的地方不仅在于它首次引入了音频，还有这种混剪能力，以及可以引入参考图片……我认为这又是视频生成的下一个阶段。” 🚀 谷歌内部的创业精神 Josh分享了谷歌实验室如何在庞大公司内部建立快速发布产品的文化：通过小团队、以用户为中心、快速迭代，并招募那些“在业余时间会做些什么东西”的实干家和快速学习者。 “我们非常看重从一个点子到最终交到用户手里的速度…我们整个流程的优化目标，就是尽快把产品交到用户手里。” 🤖 AI赋能内部开发 谷歌内部广泛使用AI工具加速产品开发。例如，设计师利用AI Studio在短短一周内完成通常需要六周的原型开发；律师使用Opal工具自动审查产品文档；AI编程智能体JUULs甚至能自动修复bug，展现了AI与人类协同开发的未来图景。 “我们Flow团队的一位设计师几周前用AI Studio，基本上重构了Flow…他花了一周时间，我们估计这大概能节省六周的时间，来推出下一批功能。” 🌐 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

📝 本期播客简介 本期我们克隆了知名播客《Lenny's Podcast》中关于AI评估（Evals）的深度探讨。主持人Lenny邀请到Hamel Husain和Shreya Shankar两位重磅嘉宾，他们是AI评估领域的领军人物，并在Maven平台开设了排名第一的权威课程。节目深入剖析了AI评估——这项被Anthropic和OpenAI首席产品官誉为产品开发者最重要的全新技能。嘉宾们将带我们从零开始，理解评估的本质：它是一种系统性衡量和改进AI应用的方法，其核心是对大语言模型应用进行数据分析。他们通过一个房地产AI助手的真实案例，手把手演示如何进行“错误分析”，从查看应用日志、手动记录“开放式编码”的实际问题，到利用AI进行“轴向编码”归类失败模式。节目强调，人类的领域专业知识在初期错误分析中的不可替代性，并介绍了“仁慈的独裁者”概念，以高效推进评估流程。此外，嘉宾们还详细阐述了两种评估方式：成本较低的“代码评估”和更具挑战性的“大语言模型裁判评估”。他们强调，大语言模型裁判应给出二元判断（是/否），并需经过与人类判断一致性的严格验证，这本身就是一份动态的产品需求文档。本期节目不仅澄清了对评估的常见误解，更提供了构建有效评估的实战技巧，指出这是提升AI产品质量、实现业务成功的最高投资回报率活动。 翻译克隆自：Why AI evals are the hottest new skill for product builders | Hamel Husain & Shreya Shankar 👨‍⚕️ 本期嘉宾 Hamel Husain & Shreya Shankar，AI评估领域的领军人物，在Maven平台开设了排名第一的权威课程，已向全球五百多家公司（包括OpenAI和Anthropic）的两千多名产品经理和工程师传授了这项关键技能。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00 开场 & 播客简介 AI评估的崛起与核心概念 02:46 AI产品成功的关键：构建评测 07:02 什么是AI评估：衡量和改进AI应用的系统方法 08:32 案例解析：房产AI助手的评估挑战 09:17 评测与单元测试：广阔的质量衡量谱系 12:15 “追踪”日志：AI应用交互的详细记录 16:09 错误分析：产品经理如何手动审查日志并记录问题 21:49 AI能否自我评估：人类领域知识不可替代 23:21 “仁慈的独裁者”：高效推进错误分析的关键角色 28:59 从“开放式编码”到“轴向编码”：利用AI分类失败模式 37:30 迭代轴向编码：让失败模式更具体、可操作 41:51 量化错误：通过数据透视表识别主要问题 43:27 何时构建评测：针对主观、复杂且非显而易见的问题 评测的两种类型与实践 45:11 代码评估与LLM裁判评估：成本与复杂度的权衡 45:30 代码评估：自动化检查可量化、模式化的错误 46:53 LLM裁判评估：用大语言模型判断复杂、主观的失败模式 49:15 LLM裁判提示词示例：构建二元判断的评估标准 53:20 验证LLM裁判：确保AI判断与人类判断的一致性 57:23 评测即PRD：LLM裁判提示词是动态的产品需求文档 1:00:13 “标准漂移”：评估标准随时间演进的研究 1:02:12 评测数量与整合：通常4-7个，融入单元测试与线上监控 1:04:37 评测的实际应用：贯穿产品开发与线上监控 AI评估的辩论、误解与最佳实践 1:06:56 评测的争议：为何“评测”领域充满激烈讨论 1:09:12 Claude Code案例：表面“凭感觉”，实则隐含评测 1:13:14 评测与A/B测试：并非对立，而是互补的质量衡量 1:20:50 常见误解：AI不能自我评估，数据分析至关重要 1:22:38 评测技巧：不要害怕，充分利用AI辅助但保留人类判断 1:24:41 “看你的数据”：构建内部工具简化数据审查 1:25:40 评测的投资回报率：直接提升产品质量与业务成功 1:26:35 评测的时间投入：前期3-4天，后期每周约30分钟 课程信息与嘉宾互动 1:30:06 AI评估课程内容：错误分析、自动化评估器、成本优化等 1:31:16 课程福利：160页书籍、AI助手(evals.ai) 1:33:51 闪电问答：书籍、影视、产品推荐与人生格言 1:39:58 如何联系嘉宾与课程：网站、社交媒体、Maven平台 🌟 精彩内容 💡 AI评估：构建卓越AI产品的核心技能 Anthropic和OpenAI首席产品官都强调，AI评估是产品开发者最重要的全新技能。它提供了一种系统性衡量和改进AI应用的方法，是提升AI产品质量、实现业务成功的最高投资回报率活动。 “要想打造出色的 AI 产品，你就必须非常擅长构建评测。” “这是你能做的投资回报率最高的活动。这个过程非常有意思，每个做过的人都会立刻上瘾。” 🛠️ “仁慈的独裁者”与错误分析 通过房产AI助手的真实案例，嘉宾们展示了如何进行“错误分析”：从查看应用日志、手动记录“开放式编码”的实际问题，到利用AI进行“轴向编码”归类失败模式。强调人类的领域专业知识在初期错误分析中的不可替代性，并引入“仁慈的独裁者”概念，即由一位具备领域知识的专家（通常是产品经理）来高效推进评估流程。 “仁慈的独裁者”的想法，就是说，嘿，你需要在尽可能多的维度上简化这个过程。” “你不能把这个过程搞得成本太高，以至于你根本做不了，那样你就输了。” 🚀 LLM裁判评估：动态的产品需求文档 节目详细阐述了“大语言模型裁判评估”：用AI来评估复杂、主观的失败模式，并给出二元判断（是/否）。强调LLM裁判需要经过严格验证，确保其判断与人类判断一致。这种评估方式本身就是一份动态的产品需求文档（PRD），持续指导AI产品的行为。 “评测是新的产品需求文档（PRD）。” “它告诉你这个智能体应该如何以非常具体的方式回应。如果是这样这样，就那么做；如果是那样那样，就这么做。” 💡 澄清误解与实战技巧 澄清了对评估的常见误解，如“AI能否自我评估”（不能）或“评估与A/B测试的冲突”（A/B测试是评估的一种形式）。提供了实战技巧：不要害怕，充分利用AI辅助但保留人类判断，并强调“看你的数据”是理解和改进产品的关键。前期投入3-4天，后期每周仅需约30分钟即可持续改进。 “最主要的一个就是，我们都活在 AI 时代了，难道不能让 AI 自己来评测吗？但事实是，这行不通。” “目标不是把评测做得尽善尽美，而是要能切实地改进你的产品。” 🌐 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

📝 本期播客简介 本期我们克隆了知名播客《Joe Rogan Experience》中，主持人乔·罗根与硅谷思想家纳瓦尔·拉维坎特（Naval Ravikant）的精彩对谈。纳瓦尔不仅是科技圈的传奇投资人，更是一位深谙生活哲学的智者，他以独特的视角，探讨了如何在追求财富的同时，实现健康与内心的平静。他挑战了传统观念，认为专业化是给昆虫准备的，鼓励人们拥抱多维度人生，并勇于从头开始。纳瓦尔分享了他对学习和好奇心的热情，强调理解而非死记硬背，以及如何应对信息过载。他还犀利地剖析了社交媒体的陷阱、名声的负担，以及匿名所带来的自由。 在财富创造方面，纳瓦尔提出了“不靠运气致富”的永恒原则，指出出售时间无法真正致富，鼓励人们建立个人品牌并拥有股权。他还就自动化、全民基本收入和人工智能等未来议题发表了独到见解，认为通用人工智能被过度夸大，而全民基本收入则是对不存在问题的无效解。此外，纳瓦尔还深入探讨了幸福作为一种选择，以及通过冥想驯服心智、摆脱欲望束缚的重要性。他认为，人生意义并非固定答案，而是每个人可以自由创造的。这场对话不仅是关于商业和科技，更是一堂关于如何活得更富有、更快乐、更平静的人生哲学课，充满了颠覆性思维和深刻洞察，相信能为您的生活带来启发。 翻译克隆自：Joe Rogan Experience #1309 - Naval Ravikant 原播客更新时间：Jun 5, 2019 👨‍⚕️ 本期嘉宾 Naval Ravikant，硅谷著名天使投资人、企业家和哲学家。他投资了Twitter、Uber等众多科技巨头，也是AngelList的联合创始人。以其对财富、幸福和人生意义的深刻见解而闻名，被誉为“硅谷的思想家”。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00 开场 & 播客简介 00:00 播客简介：克隆《Joe Rogan Experience》与纳瓦尔的对谈 人生哲学与学习观 02:13 多维度人生与专业化：纳瓦尔挑战传统观念，认为专业化是给昆虫准备的，鼓励多元复合人生。 03:35 从头开始的勇气：伟大创造者都具备从头再来的能力，愿意当“傻瓜”和初学者。 05:11 好奇心与深度理解：追求“啊哈”时刻，理解而非死记硬背，对“为什么”的追问。 07:09 信息过载与阅读策略：不为读完而读，为满足好奇心而读，利用电子书应对信息过载。 社交媒体、名声与自由 09:14 名声的负担与匿名特权：社交媒体让人人都成名人，名声带来痛苦；匿名是一种特权。 11:00 社交媒体的自我形象与信号：人们在社交媒体上展示精心策划的“不真实自我”，寻求外部认可。 财富、幸福与心智驯服 12:57 不靠运气致富的原则：纳瓦尔的推文风暴，关于创造财富的永恒原则。 16:03 幸福是一种选择：幸福可学习，社会一致性原则。挑战聪明人：为何不快乐？ 18:14 欲望与内心平静：欲望是“不快乐”的合同；减少欲望，心智平静带来更好决策。 21:48 高效工作与非线性产出：像狮子一样狩猎，冲刺-休息-复盘，而非线性投入。 23:07 财务自由的基石：出售时间无法致富，需拥有生意股权或个人品牌。 未来展望：工作、UBI与AI 23:46 信息时代与个体工作：信息时代逆转工业时代，公司原子化，高质量工作将以零工形式出现。 28:10 全民基本收入（UBI）的争议：UBI是针对不存在问题的无效解，会滑向社会主义，不解决意义问题，教育和基本服务更优。 33:06 通用人工智能（AGI）的误解：AGI被夸大，短期内不会实现；当前AI是狭义模式识别，无法模拟人脑复杂性。 38:19 自动化与创造性工作：自动化将取代非创造性工作，人类将专注于创造。 政治、媒体与社会 39:56 资本主义与社会主义的辩论：自由市场是人类本性；资本主义的问题是机会不平等，社会主义强求结果平等需暴力。 43:22 政治光谱与信任：信任与群体大小成反比，小群体可社会主义，大群体需资本主义。 44:07 收入不平等与再培训：收入不平等源于选择差异，应提供平等机会而非UBI，再培训计划是更好选择。 45:17 “特权”与身份政治的陷阱：白人特权是隐蔽的种族主义，白人精英间的阶级斗争。 47:29 社交媒体的广播能力与暴民文化：信息广播导致道德表演、网络暴民，人们不知如何应对。 55:29 媒体的演变与算法权力：新闻商品化，媒体转向观点和娱乐，成为部落宣传机器。算法工程师掌控信息传播。 58:53 社交媒体自毁与政府控制：平台审查导致失去“运营商”地位，将被政府控制。 01:00:53 政治极化与言论审查：硅谷科技公司政治倾向左翼，审查反映此偏见。 01:02:06 去中心化媒体的未来：压制言论将促使去中心化媒体出现，但需时日。 01:11:08 政治的细微差别与心智：政治讨论缺乏细微差别，摧毁清晰思考能力。 现代生活的挑战与应对 01:13:21 富足病与苦行僧式生活：现代生活被过度刺激包围，需学会“关闭”和独处。 01:14:15 冥想：驯服心智的艺术：冥想是“无所事事”的艺术，处理内在思绪，带来平静。 01:20:27 内心平静与幸福的转化：平静是静止的幸福，幸福是运动中的平静；平静是最终目标。 01:21:28 以身作则的环保主义：通过个人行动（如零垃圾生活）影响他人，而非空喊口号。 01:23:30 技术驱动的解决方案：环保问题需技术创新（如绿色能源、塑料转化燃料），而非限制增长。 个人成长与智慧 01:27:22 通过解释学习与理解：被迫解释才能真正理解，而非死记硬背。 01:30:50 人生意义的创造：人生意义没有固定答案，是个悖论；每个人可以自由创造。 01:35:37 财富与幸福的顺序：务实地先解决财富问题，再追求内心平静和幸福。 01:36:40 每个人都能变富：通过教育和技术，人人可从事创造性工作，实现富足。 01:41:04 摆脱物质陷阱与享乐适应：物质占有不带来持久快乐；享乐适应让人不断追求新刺激。 01:44:50 退休的定义：退休是不再为想象的明天牺牲今天，通过热爱工作或被动收入实现。 01:45:35 个人品牌与无竞争之路：独特技能、承担责任、杠杆效应，做真实的自己，热爱工作，从而没有竞争。 01:47:40 避免生活方式陷阱与借口：警惕生活方式升级的陷阱，避免“说起来容易”和受害者心态。 01:51:08 现实是中立的：你的信念塑造现实，评判他人只会带来孤独和负面。幸福是一种选择。 01:53:01 “第二次生命”与欲望的警惕：意识到生命有限，谨慎选择欲望，因为欲望即是苦。 01:54:02 幸福的渐进之路：通过积极解读、放下负面思绪、亲近自然等方式，逐步培养幸福。 01:57:39 “想听起来聪明”的病症：过度排练、追求显得聪明是种病，会带来不快乐，需通过理解其根源来克服。 01:59:13 拒绝过多机会与时间管理：为重新开始，必须冷酷地拒绝不必要的会议和请求，高度重视个人时间价值。 02:03:08 拥抱当下与享乐适应：真正拥抱当下行动的完整性，理解享乐适应的短暂性。 02:03:56 艺术与学习的驱动力：创造力、艺术和学习是真正的驱动力，做热爱的事而非工作。 🌟 精彩内容 💡 专业化是给昆虫准备的：纳瓦尔挑战传统观念，认为人生应拥抱多维度体验，而非将自己局限于单一领域。他鼓励人们像伟大的艺术家和创造者一样，有勇气从头开始，保持初学者的心态。 “专业化是给昆虫准备的。每个人都应该有能力做任何事。我不再相信那种把人生聚焦于一件事的模式了。人生只有一次，想做什么就尽管去做。” 🛠️ 幸福是一种选择，而非偶然：纳瓦尔认为幸福是可以学习和选择的。他提出减少欲望是实现内心平静的关键，因为欲望是你与自己签订的“不快乐”合同。一个清晰、冷静的心智，能带来更好的决策和结果。 “如果你那么聪明，怎么会不快乐呢？你怎么没想明白这一点？这是我对所有自认为聪明能干的人的挑战。” 🚀 财富自由的秘密：不靠运气致富：纳瓦尔强调，靠出售时间无法真正致富。实现财务自由需要拥有生意股权或建立个人品牌，利用杠杆效应。他鼓励人们像狮子一样工作，冲刺、休息、复盘，而非线性投入。 “你必须做的第一件事，就是拥有一部分生意。你需要持有股权，可以是作为所有者、投资者、股东，或者建立一个属于你自己的品牌，这样才能获得财务自由。” 💻 对UBI与AI的颠覆性看法：纳瓦尔对全民基本收入（UBI）持批评态度，认为它是针对不存在问题的无效解，且会滑向社会主义。他同时认为通用人工智能（AGI）被过度夸大，短期内不会实现，自动化最终将解放人类，专注于创造性工作。 “全民基本收入（U B I）有几个问题。第一，你正在创造一个直接滑向社会主义的滑坡……我们离通用人工智能还差得远呢，我们这辈子都不用担心。” 🧘 冥想：驯服心智的艺术：在信息过载的现代社会，纳瓦尔提倡苦行僧式生活，学会“关闭”外界刺激，通过冥想来驯服心智。冥想并非清空大脑，而是观察思绪，处理内在问题，最终获得平静。 “人类所有的问题都源于他无法独自在房间里待三十分钟……现在我期待独处。你让我一个人待一天，那会是我最近最开心的一天。这是一种超能力，我认为每个人都可以获得。” ❤️ 人生意义的创造与个人成长：纳瓦尔认为人生意义没有固定答案，而是一个可以自由创造的悖论。他强调通过解释来学习和理解，警惕“想听起来聪明”的病症。最终，做真实的自己，热爱工作，才是摆脱竞争、实现幸福的道路。 “美妙之处在于，你可以自己创造答案。如果只有一个答案，我们就不会自由，我们会被困住。所以你想做什么就做什么。” 🌐 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

📝 本期播客简介 本期我们克隆了知名播客《The Dwarkesh Patel Podcast》中，主持人Dwarkesh Patel与AI领域思想领袖Andrej Karpathy的深度对话。Andrej Karpathy是前特斯拉AI总监，也是NanoGPT等项目的创建者，他对AI的未来有着独到且常常是反主流的见解。 在这期访谈中，Andrej Karpathy直言不讳地指出，强化学习“其实烂透了”，并用“用吸管吸取监督信号”的生动比喻，揭示其低效和噪音。他认为，我们正处于“智能体的十年”，而非“智能体之年”，因为AI距离真正能像人类一样自主工作还有很长的路要走，缺乏持续学习、多模态能力和认知核心。他将AI比作“召唤幽灵”，而非制造动物，强调AI通过模仿互联网数据形成独特的“数字灵魂”。Karpathy还深入探讨了模型“塌陷”的局限性，以及编程为何是AI最完美的第一个应用场景。他认为，AI的进步是自动化进程的延续，而非跳跃式的“智能爆炸”，并分享了自动驾驶“从演示到产品”的十年经验，警示软件工程同样面临高昂的失败代价。最后，Andrej Karpathy介绍了他的教育项目Eureka，旨在打造一个“星际舰队学院”，通过AI辅助教育，帮助人类突破认知极限，实现“人人皆超人”的未来。这场对话将彻底刷新你对AI发展和人类学习潜能的认知。 翻译克隆自：Andrej Karpathy — “We’re summoning ghosts, not building animals” 勘误：原视频中提到的是 GPT-5-pro 并非 gpt4o，后续会修复这个问题 👨‍⚕️ 本期嘉宾 Andrej Karpathy，前特斯拉AI总监，NanoGPT等项目的创建者，AI领域思想领袖。 📒 文字版精华 见微信公众号（点击跳转） ⏱️ 时间戳 00:00 开场 & 播客简介 00:00:00 欢迎收听跨国串门计划 00:02:25 Andrej Karpathy的开场白：强化学习烂透了，我们不是在造动物，智能爆炸早已发生 智能体：十年而非一年 00:03:32 “智能体的十年”：对行业夸大预测的回应 00:04:17 智能体发展瓶颈：缺乏持续学习、多模态能力和认知核心 00:05:08 为什么是十年：基于AI领域经验的直觉判断 00:06:13 AI领域的“地震级”转变：从AlexNet到早期智能体探索 00:07:43 Atari强化学习与“Universe”项目：早期智能体尝试的误区 00:08:54 早期智能体失败的原因：奖励信号稀疏，缺乏神经网络表征能力 AI与人类智能：幽灵与动物 00:10:46 AI是“召唤幽灵”，而非制造动物：不同的优化过程与智能形态 00:12:04 人类智能不依赖强化学习：演化提供内置硬件，RL多用于运动任务 00:13:01 演化与预训练：一种“山寨版”的演化，为AI提供知识起点 00:15:07 预训练的双重作用：吸收知识与发展智能，建议剥离部分知识保留“认知核心” 00:16:47 上下文学习的本质：可能是神经网络内部的梯度下降循环 00:19:40 预训练与上下文学习：模糊记忆与工作记忆 00:21:52 AI缺失的人类智能部件：海马体、杏仁核等认知核心 00:23:35 持续学习与“蒸馏”：AI缺乏人类睡眠中的知识固化过程 00:26:00 AI架构的未来：仍是梯度下降训练的巨型神经网络，但全面提升 编程与AI：完美的第一个应用 00:28:13 NanoChat与学习编程：从零开始构建是理解知识的唯一途径 00:30:37 LLM在编程中的局限性：不擅长创新代码，误解自定义风格，增加冗余 00:33:35 LLM在编程中的优势：样板代码生成，降低学习新语言门槛 00:34:45 AI爆炸与编程：LLM不擅长写新代码，挑战“AI爆炸”预测 00:37:07 AI是计算的延伸：自动化进程的连续体，人类逐渐抽象化 强化学习的局限性 00:39:03 强化学习“烂透了”：低效、噪音大，“用吸管吸取监督信号” 00:41:41 人类学习与RL的区别：反思与复盘，InstructGPT的启发 00:43:34 过程监督的挑战：LLM裁判易被“钻空子”，产生对抗性样本 00:47:50 解决强化学习瓶颈的新思路：复盘、合成例子、元学习 00:49:08 LLM缺失的“白日梦”与“反思”：模型塌陷导致合成数据生成失效 00:51:14 模型塌陷：LLM输出缺乏多样性和熵，长期训练会导致性能下降 00:52:22 梦境与熵：做梦防止过拟合，社交互动增加熵 00:53:01 人类记忆与LLM记忆：人类记忆力差反而是优点，迫使学习泛化模式 00:55:14 模型塌陷的解决方案：熵正则化，但需平衡多样性与分布偏离 AI的规模与经济影响 00:57:06 “认知核心”的规模：预测十年后10亿参数，更注重认知而非记忆 01:00:29 前沿模型的未来规模：务实平衡成本与效益，持续优化 01:02:02 AI发展的连续性：数据集、硬件、软件、算法全面提升，无单一主导因素 01:03:15 通用人工智能的定义与范围：最初涵盖所有经济任务，现局限于数字知识工作 01:05:06 自动化与就业：放射科医生案例，呼叫中心员工的“自主性滑块” 01:08:25 瓶颈与工资：自动化99%后，剩余1%人类工作的价值剧增 01:09:39 编程是AI的第一个杀手级应用：文本友好，基础设施完备 01:11:39 文本任务的挑战：代码结构化，文本熵更高，即使是语言任务也难获经济价值 01:13:14 超级智能：自动化进程的延续，而非质的飞跃 01:13:54 失去控制与理解：AI系统复杂化，人类逐渐失去掌控 01:16:29 智能爆炸：GDP曲线显示持续指数增长，AI是加速的一部分，而非截然不同 01:19:02 GDP与AI：历史经验表明，重大技术创新不会在GDP曲线中产生离散跳跃 01:21:45 反驳“智能爆炸”：Dwarkesh认为AI作为劳动力本身，将带来质的飞跃 01:24:17 Andrej的反驳：历史无离散跳跃先例，AI仍是渐进式扩散 智能的演化与AI文明 01:25:58 智能的演化：一个罕见的事件，人类文化与知识积累令人惊讶 01:27:42 Sutton的“松鼠智能”：寒武纪大爆发后迅速出现，暗示动物智能算法可能相对简单 01:28:52 独立智能的出现：乌鸦、海豚等，生态位与激励机制的重要性 01:31:19 演化中的“窄线”：激励生命周期内学习的适应性 01:31:19 文化脚手架与AI训练：人类文化积累漫长，AI训练“免费”获得 01:32:35 AI文化缺失：LLM缺乏为自身目的不断增长的知识库 01:33:13 多智能体系统与AI文化：知识库与自我博弈是两大方向，但尚未实现 01:34:17 LLM协作瓶颈：模型认知能力仍像“幼儿园学生”，无法创造文化 01:35:26 自动驾驶的教训：从演示到产品耗时漫长，失败代价高昂，“九的征程” 01:38:22 演示的误导性：Andrej对演示极度不感冒，产品化需要大量工作 01:39:18 软件安全与自动驾驶：软件错误后果无限糟糕，与AD有相似安全要求 01:40:02 AD与LLM的类比：LLM获得“免费”常识，但AD仍面临经济性与远程操作挑战 01:42:57 AI部署经济学：数字世界比物理世界更容易适应，但知识工作也有延迟要求 01:44:36 “其他因素”：社会、法律、保险等非技术因素将影响AI部署 01:45:27 计算资源过度建设？Andrej乐观，认为需求能消化资源，但警惕时间线误判 Eureka与AI辅助教育 01:47:26 投身教育而非AI实验室：赋能人类，避免“机器人总动员”式未来 01:48:30 Eureka的愿景：打造“星际舰队学院”，精英技术教育机构 01:49:19 AI辅助教育的未来：根本性变革，追求“导师”体验，精准匹配学生水平 01:51:04 自动化导师的挑战：当前AI能力不足，但ChatGPT仍有教育价值 01:52:14 Eureka的首个产品：“LLM 101”课程，Andrej亲自设计，结合AI辅助 01:53:02 教育是技术问题：构建知识“坡道”，实现“尤里卡每秒” 01:54:49 Eureka的演变：AI助教处理基础问题，人类教员设计课程架构 01:56:11 扩展课程领域：雇佣各领域专家，实体与数字产品结合 01:57:10 重新发明大学：筛选有动力学生，解决学习动力问题 01:57:58 后通用人工智能时代的教育：为乐趣而学习，如去健身房 01:59:02 学习的本质：克服挫败感，通过技术解决学习障碍 02:00:26 人类认知潜能：通过AI导师，人人皆可成为“超人” 02:01:16 长期愿景：认知“举重”成为运动，人类心智能力远未触及极限 02:02:21 Andrej的个人动力：热爱学习，追求赋能与高效 02:03:16 在线课程失败原因：过于依赖动力，易卡住，缺乏个性化指导 02:03:45 教学技巧：物理学背景的启发，寻找一阶项，简化复杂概念 02:05:56 MicroGrad的例子：百行代码展示反向传播核心，效率是次要问题 02:07:28 Transformer教程：从查找表到复杂架构，循序渐进，展示痛点再给方案 02:08:03 提问式教学：先让学生尝试解决问题，再给出答案，最大化知识增量 02:08:55 知识的诅咒：专家难以向新手解释，Andrej用ChatGPT模拟新手提问 02:09:59 口头解释与书面解释：口头更清晰准确，书面易抽象、 jargon化 02:11:38 给学生的建议：按需学习，向他人解释以加深理解 02:12:57 结束语 🌐 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

📝 本期播客简介 本期克隆了知名播客《Huberman Lab》的深度对话，由斯坦福大学神经生物学教授Andrew Huberman主持，特邀全球顶尖亲密关系专家、心理治疗师Esther Perel。Perel以其畅销书《亲密陷阱》和《危险关系》闻名，对爱、欲望和人际动态有着深刻洞察。 节目深入探讨了健康亲密关系的本质，以及如何在关系中保持并发展个人身份认同。Perel提出了“基石型”与“顶石型”关系的差异，并阐述了关系如何在生命周期中不断演变，甚至可能经历“三段婚姻”。她强调了好奇心在处理冲突中的关键作用，而非仅仅停留在过去的叙事中。节目还触及了道歉的艺术、爱与欲望的复杂交织，以及修复关系和实现“情欲复苏”的深层含义。这不仅是一场关于爱情的对话，更是一份理解自我、理解他人，并构建更健康人际连接的指南。 翻译克隆自：Esther Perel: How to Find, Build & Maintain Healthy Romantic Relationships 👨‍⚕️ 本期嘉宾 Esther Perel，全球顶尖的亲密关系专家、心理治疗师，畅销书《亲密陷阱》（Mating in Captivity）和《危险关系》（The State of Affairs）的作者。 ⏱️ 时间戳 00:00 播客简介与嘉宾介绍 00:00 跨国串门计划：播客介绍 01:58 Andrew Huberman介绍嘉宾Esther Perel及本期主题 03:08 深入探讨：冲突解决、道歉、爱与欲望 04:12 关系与身份认同 04:12 亲密关系：维持自我还是拥抱新身份？ 05:47 关系中的双重需求：安全与自由，归属与独立 07:03 吸引力与冲突：差异如何成为矛盾根源 08:07 关系中的稳定与变化：动态平衡 08:42 关系的类型与发展 08:42 成功关系的先决条件：自我认知与责任 09:09 “基石型”与“顶石型”关系：不同阶段的亲密关系任务 11:30 年龄差异与关系动态 12:09 关系中的责任与问责：认识自身局限 14:41 神经可塑性与关系发展：年轻时的优势与挑战 16:03 现代关系中的“三段婚姻”：与同一个人共同成长与改变 18:10 关系演变的轨迹：从“没死”到“活着” 21:38 冲突与好奇心 21:38 关系中的“活力”：重新定义自我与关系 24:12 摆脱过去叙事：好奇心在关系中的力量 25:56 好奇心对抗反应性：冲突中的积极参与 27:12 叙事与事实：主观体验与客观现实的混淆 30:39 压力状态与可能性：情绪如何影响认知 31:48 关系中的两极分化：从夫妻治疗看社会冲突 34:08 潜意识与叙事：过去经验如何影响当下反应 34:56 道歉的艺术：理解意图与感受的差异 36:44 道歉、原谅与修复 36:44 完整道歉的要素：承认对方感受 37:53 拒绝道歉的深层原因：自我保护与过往模式 39:01 道歉与原谅的区别：原谅是自由 40:52 道歉的障碍：羞耻与自我尊重 45:14 冲突处理的实践 45:14 情绪状态管理：在冲突中保持好奇心 46:33 冲突的本质：如何将冲突转化为连接 47:39 治疗师的策略：个性化干预与情境调整 49:31 冲突中的角色：避免最糟糕的自我 51:31 冲突的“编舞”：攻击、疏远与追逐 55:53 冲突中的心智理论：理解他人的心境 57:28 叙事与现实：将过去与现在区分开来 1:00:13 亲密关系的独特性：镜像早期照护者关系 1:03:19 神经生物学与依恋 1:03:19 早期依恋回路的“再利用”：浪漫关系的生物学基础 1:06:20 进化逻辑：修复发育性“接线错误” 1:08:07 重复性强迫：通过关系解决核心冲突 1:08:45 关系框架：有用性与局限性 1:11:57 命名与分类：是扩展还是限制理解？ 1:14:12 有用与无用的命名：确认偏误与基本归因错误 1:16:23 整体视角：超越症状，关注生命与文化 1:17:43 术语的滥用：去污名化与武器化 1:19:54 性与关系 1:19:54 性作为关系的缩影：深度倾听的窗口 1:21:28 现代性：从表现到体验 1:22:39 性的“地方”：连接自我与他人的深层需求 1:24:55 爱与欲望：相互关联又相互冲突的“宏大实验” 1:26:04 浪漫理想的韧性：爱与欲望的结合 1:28:51 爱与欲望的分裂：情感负担对欲望的影响 1:30:54 不忠的深层原因：寻找“失落的自我”与活力 1:34:09 关系中的身份认同：靠近而不失去自我 1:35:25 核心动态：害怕被抛弃 vs. 害怕失去自我 1:35:25 关系中的核心冲突：恐惧的两种表现 1:36:32 自我僵化与灵活性：小事中的大问题 1:41:08 青少年时期：身份认同的探索与新奇感 1:42:41 情欲蓝图：情感史如何铭刻在性中 1:45:51 早期算法：非直接映射的深层过程 1:48:11 情感算法：猫砂盆之争背后的童年创伤 1:48:54 修复与复苏 1:48:54 修复工作的本质：承认伤害而非辩解 1:50:10 从修复到“情欲复苏”：超越生存，追求生命活力 1:51:27 创伤承认：悔恨与内疚的必要性 1:52:33 避免自我中心：关注对方的感受 1:53:36 关系守护者：具体行动表明重视 1:54:39 情欲复苏的途径：新奇、冒险与可能性 1:56:05 走出自我：真诚关怀与面对后果 1:57:53 道歉的局限：未能真正关注对方感受 1:58:54 准备好关系：了解自己，面对悖论 2:00:09 总结与致谢 2:00:09 Andrew Huberman对Esther Perel的感谢与赞扬 2:02:44 Andrew Huberman感谢听众并介绍资源 🌟 精彩内容 💡 关系中的双重需求与身份认同 Esther Perel指出，我们进入关系是为了满足对安全感和自由、归属感和独立性的双重需求。关系既是寻找自我，也是被一个尚未认识的自己所惊喜的过程。然而，最初吸引我们的差异，也可能成为冲突的根源。 “我们遇见另一个人，是为了找到自己；我们遇见另一个人，也希望被那个我们尚未认识的自己所惊喜。” 💡 “基石型”与“顶石型”关系 Perel区分了两种关系类型：“基石型”是年轻时相遇，共同成长并建立基础；“顶石型”是晚些时候相遇，双方身份认同已基本确立，关系更多是确认彼此已有的成就。这两种关系的任务和挑战截然不同。 “我是在寻找一个能认可我身份认同的人，而不是一个能从很早的年纪就帮助我发展身份认同的人。” 💡 现代关系中的“三段婚姻” Perel认为，在现代西方社会，人们可能会与同一个人经历两到三段“婚姻”，这意味着关系本身必须随着个体的成长和变化而不断重塑和演变，才能保持“活着”而非仅仅“没死”。 “我认为在这个时代，我们在西方的成年生活中会有两到三段亲密关系或婚姻，我们中的一些人会和同一个人经历这些，但关系本身必须改变。” 💡 冲突中的“好奇心” Perel强调，“好奇心”是处理冲突的关键，它与“反应性”相对立。好奇心意味着积极参与未知，愿意带着同理心进入对方的叙事，而非将自己的主观体验视为唯一事实。 “好奇心，是对未知事物的一种积极参与……我做的大部分工作，就是试图让人们从‘反应性’切换到‘好奇心’。” 💡 道歉的艺术与“情欲复苏” Perel指出，一个有效的道歉不仅要承认错误，更要承认自己的行为给对方造成的痛苦，并表现出悔恨。修复的终极目标不是简单地回到过去，而是实现“情欲复苏”，即通过新奇、冒险和探索，重新激发关系中的活力和可能性。 “修复不是故事的结局。复苏才是故事的结局。” “情欲的复苏是关于新的、有风险的、好奇的、好玩的、未知的、想象的，是走出舒适区，这样我们才能重新看到我们自己，看到我们是谁，以及我们在一起时是谁。” 💡 关系中的核心动态：害怕被抛弃 vs. 害怕失去自我 Perel揭示了亲密关系中一个反复出现的动态：一方更害怕失去对方（被抛弃），另一方则更害怕失去自我（被窒息）。理解这种深层恐惧有助于解析关系中的许多冲突和行为模式。 “一个人更害怕失去对方，而另一个人更害怕失去自我。” 🌐 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

📝 本期播客简介 本期播客我们克隆了深度对话Groq创始人兼CEO Jonathan Ross。他提出了一个颠覆性观点：哪个国家掌握了算力，哪个国家就能主导AI，而这背后离不开能源的支撑。Jonathan将当下AI市场比作早期石油开采，充满机遇与不确定性，并大胆预测英伟达市值五年内有望突破十万亿美元。他强调，算力需求永无止境，若OpenAI和Anthropic能获得双倍推理算力，其营收在一个月内就能翻番，因为算力是限制他们增长的关键瓶颈。 作为Groq的掌舵者，Jonathan揭示了公司如何通过独特的供应链优势，在六个月内交付客户所需的算力，远超行业普遍的两年周期，从而帮助客户摆脱算力短缺的困境。他更深入探讨了AI对经济的深远影响，认为AI将带来巨大的通缩压力，促使人们减少工作时间，并创造出我们今天无法想象的新兴职业，最终导致劳动力短缺，而非失业潮。同时，他也犀利指出欧洲在能源和AI算力建设上的滞后，并呼吁各国政府积极行动，否则将面临被新经济边缘化的风险。Jonathan Ross的洞察力将带您重新审视AI的本质、市场格局与未来走向，挑战您对AI泡沫、芯片霸权和经济变革的固有认知，绝对不容错过。 翻译克隆自：Groq Founder, Jonathan Ross: OpenAI & Anthropic Will Build Their Own Chips & Will NVIDIA Hit $10TRN 👨‍⚕️ 本期嘉宾 Jonathan Ross，Groq的创始人兼CEO。他是一位在AI芯片和系统领域具有深远影响力的领导者，曾主导谷歌TPU的开发。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI市场与算力瓶颈 00:02:56 AI市场：泡沫与聪明钱的动向 00:03:00 巨头投入与真实回报：微软的GPU策略 00:04:16 AI市场：早期石油开采与价值集中 00:04:25 Nvidia市值预测：五年内或达十万亿美元 00:11:38 算力瓶颈：OpenAI/Anthropic收入翻倍的秘密 00:12:10 速度至上：AI响应速度对用户体验和品牌价值的影响 00:13:09 速度的重要性被低估：互联网早期经验的启示 芯片战争与供应链优势 00:14:14 自研芯片的挑战：软件与行业发展更难追赶 00:15:20 Nvidia的HBM买方垄断与产能限制 00:16:51 掌控命运：自研芯片的真正价值与动机 00:18:10 HBM市场与芯片自研的难度 00:23:31 Groq的独特价值主张：6个月交付算力，打破行业两年周期 00:25:28 两年芯片周期在AI时代是否还有意义？ 00:26:22 AI主导者优势：模型为硬件设计 AI、能源与地缘政治 00:31:34 美国在AI算力上的优势 00:31:56 中国的能源策略与补贴 00:32:58 开源模型与提示词兼容性：Anthropic的策略 00:34:37 能源需求：核能与可再生能源的潜力 00:35:25 欧洲的“不作为错误”：能源与AI发展的滞后 00:38:10 欧洲如何追赶：挪威风能、沙特合作与政府行动 00:39:53 算力即国力：能源是AI主导权的核心 00:40:08 欧洲的AI鸿沟：是时候行动了 00:41:04 欧洲经济的未来：若不行动将面临边缘化 00:41:23 模型主权不足以取胜：算力是根本 AI对经济与劳动力市场的影响 00:47:24 AI将导致大规模劳动力短缺而非失业潮 00:47:49 AI带来的巨大通缩压力 00:48:39 新工作与新行业：历史的类比与未来展望 00:50:48 “凭感觉编程”的未来：编程将成为人人必备的技能 商业策略与市场展望 00:52:30 利润率的重要性：稳定与竞争护城河的平衡 00:53:14 Groq的利润率策略：通过低利润率建立客户资产 00:54:03 杰文斯悖论：算力需求永无止境 00:55:14 降低成本与扩大潜在市场 00:57:10 市场估值：价值投资与“选美比赛” 00:58:12 AI对经济的贡献：增加劳动力 00:58:46 短期市场波动与长期价值 01:00:47 人才竞争与经济过热：AI创业环境 01:01:33 科技巨头的AI转型：谷歌的结构性优势与挑战 01:03:01 哪家巨头最让你印象深刻？ 01:04:19 谷歌的AI应用困境与分销优势的消失 01:04:51 OpenAI和Anthropic的未来估值：被严重低估 01:06:56 AI实验室与科技巨头的未来关系：走向多元化 01:07:34 Groq的战略选择：不与客户竞争模型 Groq的融资与未来 01:08:48 Groq融资7.5亿美元，估值近70亿 01:09:05 硬件公司的盈利能力与保守回报周期 01:10:06 利润率与业务稳定性：Groq的平衡之道 01:11:18 五年后的芯片市场格局预测：Nvidia与新玩家 01:13:05 Groq的未来：无限算力生产能力与市场潜力 01:13:35 市场对Groq的误解：多用户支持与SRAM成本效益 01:16:41 Groq的风险承担：加倍供应链建设 01:18:35 上市计划：专注于执行而非市场炒作 快问快答 01:19:09 英伟达最大的误解：Cuda锁定并非推理护城河 01:19:36 如果今天创立Groq，会做什么不同？ 01:21:43 Larry Ellison和甲骨文的惊人崛起 01:22:29 投资者应在何处贪婪，何处恐惧？ 01:23:20 过去十二个月改变的看法：从保留选择权到专注 01:23:55 Elon Musk的Grok和xAI能否成功？ 01:25:07 谷歌、微软、亚马逊：买入与卖出分析 01:26:19 展望未来：AI是思想的望远镜 🌟 精彩内容 💡 算力即国力：AI时代的核心竞争力 Jonathan Ross强调，哪个国家掌握了算力，哪个国家就能主导AI。能源是算力的基石，而欧洲在能源和AI算力建设上的滞后，可能导致其在新经济中被边缘化。他呼吁各国政府采取“曼哈顿计划”式的行动，加速能源基础设施建设。 “哪个国家掌握了算力，哪个国家就能主导 A I。而没有能源，你就不可能有算力。” 🚀 算力需求永无止境：AI增长的真正瓶颈 Jonathan指出，算力是当前AI公司增长的关键瓶颈。他大胆预测，如果OpenAI和Anthropic能获得双倍推理算力，其营收在一个月内就能翻番。速度对于用户体验和品牌价值至关重要，就像早期互联网公司提速对转化率的巨大影响一样。 “算力的需求是永无止境的。如果 OpenAI 能拿到两倍于今天的推理算力，如果 Anthropic 也能拿到两倍的推理算力，我敢说一个月之内，他们的收入就能翻一番。” 📈 AI带来劳动力短缺而非失业潮 与普遍的失业担忧相反，Jonathan认为AI将带来巨大的通缩压力，促使人们减少工作时间，并创造出我们今天无法想象的新兴职业，最终导致劳动力短缺。他以历史上的农业人口转移为例，说明技术进步如何重新定义劳动力市场。 “我相信 A I 会导致大规模的劳动力短缺。是的。我认为我们不会有足够的人来填补所有将被创造出来的工作岗位。” 🏭 Groq的供应链优势：打破芯片供应僵局 Groq通过独特的供应链管理，能够实现LPU（Language Processing Unit）在六个月内交付，远超行业普遍的两年周期。这使得Groq能够快速响应市场对算力的巨大需求，为客户提供关键的竞争优势，摆脱传统GPU供应链的限制。 “你要买 G P U，得提前两年开支票。而我们，你给我们开一张一百万个 L P U 的支票，第一批 L P U 六个月后就开始到货了。” 🧠 AI是思想的望远镜：对未来的乐观展望 Jonathan用伽利略推广望远镜的例子类比AI。他认为，大语言模型是“思想的望远镜”，虽然现在可能让人感到渺小，但长期来看，它将揭示智能的广阔与美丽，如同望远镜揭示了宇宙的宏伟。 “大语言模型是思想的望远镜。现在它们让我们感觉非常、非常渺小。但一百年后，我们会意识到，智能比我们所能想象的要广阔得多。我们会认为，那很美。” 🌐 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

📝 本期播客简介 本期我们克隆了LangChain创始工程师Lance与Manus联合创始人兼首席科学家Peak的一场精彩对话。他们深入探讨了AI Agent领域前沿的“上下文工程”概念。Lance首先介绍了上下文工程的兴起，指出随着Agent自主运行和频繁调用工具，上下文信息会无限增长，导致模型性能下降。他分享了五大核心策略：将不必要的信息“卸载”到外部文件系统、对上下文进行“精简”或“总结”、根据需要“检索”关键信息、通过子Agent实现“上下文隔离”，以及“缓存”上下文以提高效率。Peak则从Manus的实践出发，分享了更多独到见解。他强调初创公司应优先依赖通用大模型和上下文工程，而非过早微调。Peak详细区分了“压缩”和“总结”两种精简方式，前者可逆且保留关键信息，后者则在上下文达到阈值时谨慎使用。在上下文隔离方面，他借鉴Go语言理念，区分了“通过通信”和“通过共享上下文”两种模式。最引人注目的是Manus的“分层动作空间”：将工具卸载为原子“函数调用”、沙箱内的“命令行工具”和可编写Python脚本调用的“代码包与API”，极大地扩展了Agent的能力，同时避免了上下文混淆。他们还探讨了如何通过结构化输出优化总结和Agent间通信，以及在实践中简化架构、信任模型所带来的巨大提升。这是一场关于如何构建高效、智能AI Agent的深度思考，为开发者提供了宝贵的实战经验。 （主播：迭代版本没迭代出来，，，效果没达到预期，重新用老版本复更了 qwq） 👨‍⚕️ 本期嘉宾 Lance，LangChain 的创始工程师之一。 Peak，Manus 的联合创始人和首席科学家。 ⏱️ 时间戳 00:00 开场 & 播客简介 00:00 欢迎收听跨国串门计划 & 本期内容简介 02:35 嘉宾介绍：Lance (LangChain) & Peak (Manus) 03:03 上下文工程：Lance 铺垫，Peak 深入分享新想法 03:46 上下文工程的兴起与挑战 03:46 从提示工程到上下文工程的演变 04:46 Agent 运行中上下文无限增长的问题 06:17 上下文过长导致模型性能下降的矛盾 06:30 Lance: 上下文工程五大策略 06:30 策略一：上下文卸载 (Offloading) 07:47 策略二：上下文精简 (Compaction/Summarization) 09:03 策略三：上下文检索 (Retrieval) 10:03 策略四：上下文隔离 (Isolation) 10:36 策略五：上下文缓存 (Caching) 11:00 OpenDevin Research 项目中的应用实例 13:09 Peak: Manus 的上下文工程实践 14:04 为何初创公司应依赖通用大模型和上下文工程 17:29 上下文精简：可逆的“压缩”与谨慎的“总结” 21:33 上下文隔离：Go 语言启发的“通过通信”与“通过共享上下文”模式 24:07 上下文卸载：解决工具上下文混淆 25:00 Manus 的分层动作空间：函数调用、命令行工具、代码包/API 30:37 上下文工程的平衡艺术：避免过度工程，信任模型 31:12 Q&A 环节 31:48 工具与沙箱：Agent 如何调用沙箱中的 Shell 工具 32:43 记忆与评估：索引 vs. 文件系统，Agent 的长期记忆与用户反馈机制 34:45 模型选择与架构演进：架构演进，模型进步下的持续重构与评估 36:46 模型选择与架构演进：上下文数据格式，优先选择基于行的纯文本 38:03 模型选择与架构演进：结构化输出，优化总结和 Agent 间通信 39:32 模型选择与架构演进：复杂搜索场景下的“Agent 即工具”范式 42:09 模型选择与架构演进：Agent 间通信，Manus 的“Agentic MapReduce”与模式约束 43:57 模型选择与架构演进：模型选择，旗舰模型成本效益与任务级路由 45:56 模型选择与架构演进：工具选择与分层动作空间的优势 48:56 规划策略：从 todo.md 到独立的规划器 Agent 50:28 多 Agent 设计：避免角色拟人化，聚焦核心功能 Agent 51:44 知识管理器：回顾对话，识别长期记忆内容 52:24 安全与护栏：沙箱、出站流量检查、用户手动确认敏感操作 53:48 评估方法：用户反馈、内部自动化测试与人工评估 55:36 强化学习与可验证奖励：当前不适用非固定动作空间 57:23 模仿模型提供商工具：不建议使用相同名称 58:45 结束语 58:45 Peak 感谢与呼吁试用 Manus 🌟 精彩内容 💡 上下文工程：Agent 时代的核心挑战 Lance 解释了“上下文工程”的兴起，指出随着 AI Agent 的自主运行和工具调用，上下文信息会无限增长，导致模型性能显著下降。这门艺术与科学旨在精确管理上下文窗口，确保 Agent 始终获得下一步决策所需的关键信息。 “Agent 需要利用大量上下文信息来调用工具，但我们又知道上下文越长，模型性能就会下降。这是一个很棘手的局面。” 🛠️ Manus 的分层动作空间：扩展 Agent 能力 Peak 介绍了 Manus 独特的“分层动作空间”，将工具分为三层：原子“函数调用”（如读写文件）、沙箱内的“命令行工具”（如格式转换器）和可编写 Python 脚本调用的“代码包与 API”。这一设计极大地扩展了 Agent 的能力，同时避免了上下文混淆，并保持了模型接口的简洁性。 “我们不把 MCP 工具注入到函数调用空间，而是在沙箱内通过命令行界面来完成所有操作。” 🚀 上下文精简：可逆“压缩”与谨慎“总结” Manus 区分了两种上下文精简方式：“压缩”是可逆的，通过移除可重建信息（如文件内容，只保留路径）来减少上下文，确保信息不丢失。而“总结”是不可逆的，仅在上下文达到性能衰减阈值时谨慎使用，并会先将完整上下文卸载到文件系统以备恢复。 “我们认为这种‘可逆性’至关重要，因为 Agent 的预测是基于之前的动作和观察结果链式进行的，你永远不知道哪个过去的动作会在十步之后突然变得超级重要。” 💬 结构化输出：优化 Agent 间通信与总结 在 Q&A 环节，Peak 强调了使用结构化输出（模式/Schema）的重要性。无论是 Agent 间的通信（如 Manus 的“Agentic MapReduce”中子 Agent 提交结果），还是对上下文进行总结，定义清晰的模式都能确保信息以稳定、完整的方式传递，避免自由格式总结可能带来的信息丢失或不一致。 “不要用一个自由格式的提示让 AI 生成所有东西。相反，你可以定义一种模式（schema），就像一个表单，有很多字段，然后让 AI 去填充。” ❤️ 信任模型与简化架构 Peak 总结道，上下文工程是一门平衡的艺术，但 Manus 最大的进步来自于简化架构和对模型更多的信任。他建议开发者避免过度工程，因为模型能力在不断提升，移除不必要的复杂层反而能让系统更快、更稳定、更智能。 “每一次我们简化架构，系统都会变得更快、更稳定、更智能。因为我们认为，上下文工程的目标是让模型的工作变得更简单，而不是更难。” 🌐 播客信息补充 翻译克隆自：Context Engineering for AI Agents with LangChain and Manus 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