跨国串门儿计划 - 节目列表

📝 本期播客简介 本期我们克隆了：硅谷前沿技术播客《Latent Space》 本期嘉宾是拥有 45 年编程经验的传奇工程师 Steve Yegge。他曾先后在亚马逊、谷歌担任要职，目前在 Sourcegraph 推进 AI 革命。在这期充满能量的对话中，Steve 提出了一个足以让所有程序员“破防”的命题：Vibe Coding（氛围编程）。他认为，手动编写代码的时代已经终结，如果你在 2025 年还在依赖 IDE 逐行敲代码，你可能正在变成一名“实习生”。 Steve 深入探讨了为什么资深工程师最抵触 AI，如何利用多 Agent 系统实现 10 倍速的生产力飞跃，以及为什么我们正在进入编码的“约翰迪尔（John Deere）时代”。这不仅是一场关于工具的讨论，更是一场关于程序员身份重塑的深刻反思。无论你是刚入行的 AI 工程师，还是拥有数十年经验的老兵，这期节目都将刷新你对“编程”二字的认知。 👨‍⚕️ 本期嘉宾 Steve Yegge，资深软件工程师、技术博客作家。他拥有超过 45 年的从业经验，曾是亚马逊早期平台的关键架构师，并在谷歌领导过多个核心项目。他以犀利的技术评论著称，近期因提出“Vibe Coding”概念并在 Sourcegraph 推动 AI 编码工具 amp 而备受瞩目。 ⏱️ 时间戳 00:00 开场 & 嘉宾介绍 Vibe Coding：一场关于效率的革命 01:18 资深工程师的身份危机：为什么 15 年经验可能成为 AI 时代的障碍 02:49 劲爆观点：2025 年还在用 IDE 的人，就是差劲的工程师 03:55 信任 AI 的代价：为什么你需要 2000 小时的磨合才能掌握“手感” 04:51 案例分享：当 12 年老兵遇到“无所畏惧”的年轻 Vibe Coder 从工具到工厂 08:45 告别手动编辑：为什么编辑 AI 生成的代码是极其昂贵的 10:43 为什么 Claude Code 还不够：我们需要的是 Agent 编排仪表盘 12:38 多 Agent 协作：构建一个会自动沟通、互相发邮件的“Agent 小村庄” 14:52 撞上“合并之墙”：当每个人的生产力提高 10 倍，代码合并成了最大的瓶颈 16:45 约翰迪尔时代：代码的“工厂化生产”与小农经济的终结 行业博弈与技术真相 21:21 后端与基础设施：AI 真的不能碰核心系统代码吗？ 23:58 颠覆 Joel Spolsky：为什么在 AI 时代，“重写”比“修复”更香 25:58 巨头执行力大 PK：谷歌的转身、OpenAI 的混乱与 Anthropic 的防御墙 28:34 2025 展望：开源模型的崛起与“七个月差距”的缩小 工程师的未来 29:58 孩子们还该学编程吗？从学“语法”转向学“超集概念” 31:48 进阶技巧：为什么让 Agent 写代码去调用工具，比直接调用更有效 32:43 结语：科技再次变得有趣，欢迎来到不写代码的新世界 🌟 精彩内容 💡 10 倍生产力差距的残酷现实 Steve 透露，在 OpenAI 内部，拥抱 AI 工作流的工程师与坚持传统方式的人相比，生产力差异已达 10 倍。这种差距在绩效评估中是“刺眼且致命的”。他警告说，如果你不学习如何与 Agent 协作，一年后即使是世界级工程师也可能退化到实习生水平。 🛠️ 告别 IDE，拥抱“编排仪表盘” Steve 认为 IDE 的核心是辅助人类写代码，但未来的趋势是人类不再写代码。因此，IDE 将被“Agent 编排仪表盘”取代。你早上上班的第一件事不是打开编辑器，而是询问你的 Agent 团队：“进展如何？哪些任务需要我决策？” 🚀 编码的“约翰迪尔时代” 这是一个极具启发性的比喻：现在的程序员就像用镰刀收割的农民，而 AI Agent 则是大型联合收割机。虽然很多人在情感上抵触这种“工厂化”，但农业机械化是不可阻挡的趋势。未来的顶尖工程师将是那些能够驾驭“代码工厂”的工厂主。 💻 颠覆“永远不要重写代码” Joel Spolsky 曾告诫程序员永远不要重写代码，但 Steve 认为在 AI 时代这条规则已死。LLM 在“从零构建”上的表现远好于“在复杂旧代码中修补”。通过让 AI 不断生成更好的新版本来替换旧版本，将成为最快、最可靠的开发路径。 ❤️ 给下一代的建议：学架构，而非语法 面对“孩子是否该学编程”的问题，Steve 的回答是肯定的，但路径变了。重点不再是学习特定语言的语法，而是学习函数、类、分布式系统等核心工程概念。只有理解了底层逻辑，你才能在更高维度上指挥 AI 协同工作。 🌐 播客信息补充 翻译克隆自：Latent Space Podcast 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：顶尖 AI 思想辩论 Do LLMs Understand? AI Pioneer Yann LeCun Spars with DeepMind’s Adam Brown. 当“深度学习三巨头”之一、Meta 首席科学家 Yann LeCun，遇上 DeepMind 的物理学家兼 AI 研究员 Adam Brown，会碰撞出怎样的火花？这不仅是一场技术讨论，更是一场关于“智能本质”的哲学思辨。 现在的 LLM（大语言模型）真的理解它在说什么吗？为什么一个四岁的孩子只需要几千小时的视觉信息就能理解物理世界，而 AI 读遍了整个互联网却依然不会洗碗？Yann LeCun 在节目中直言不讳地指出“当前的机器学习烂透了”，并预言 LLM 永远无法达到人类水平的智能；而 Adam Brown 则以数学奥赛的突破为例，坚信智能可以从规模中涌现。从“修马桶测试”到“递归自我改进”，从“喷气发动机的安全性”到“2036 年的意识觉醒”，这期节目将带你穿透 AI 的泡沫，直击技术最底层的逻辑与未来。 👨‍⚕️ 本期嘉宾 Yann LeCun：Meta 首席人工智能科学家，纽约大学教授，2018 年图灵奖得主，被誉为“卷积神经网络之父”。他是 AI 乐观主义者，但也是当前 LLM 路径的坚定批判者。 Adam Brown：Google DeepMind 研究科学家，理论物理学家。他致力于从物理学视角研究 AI 的涌现行为，对当前神经网络范式的潜力持积极态度。 ⏱️ 时间戳 00:00 开场 & 播客简介 神经网络的前世今生 01:10 飞机与鸟：神经网络是对大脑的模仿还是启发？ 03:02 深度学习简史：从 80 年代的冷宫到 2010 年的翻红 05:08 物理学家的视角：简单规则如何产生复杂的“涌现”行为 LLM 的能力边界之争 06:40 快问快答：AI 真的有“理解”和“意识”吗？ 08:50 LLM 的本质：预测下一个词真的能产生智能吗？ 11:11 数据密度对比：为什么四岁小孩比最强 LLM 更高效？ 14:24 样本效率 vs 最终能力：AlphaZero 带来的启示 17:07 智能的证明：LLM 在国际数学奥林匹克竞赛中的表现 19:53 黑箱中的“理解”：我们能看透 AI 的神经元电路吗？ 通往 AGI 的不同路径 23:16 “机器学习烂透了”：为什么 AI 至今不会修马桶？ 28:45 乐观派 vs 怀疑派：我们正处于虚假的曙光中吗？ 34:43 莫拉维克悖论：语言很简单，现实世界很复杂 35:46 JEPA 与世界模型：超越生成式 AI 的下一场革命 安全、控制与未来社会 41:05 智能 vs 自主：为什么聪明的 AI 不一定危险？ 45:33 目标不一致风险：当 AI 学会欺骗与勒索 48:16 开源的必要性：防止数字世界被少数巨头垄断 49:49 喷气发动机类比：AI 安全本质上是一个工程问题 意识与道德的终极追问 51:40 哲学家提问：AI 产生意识还需要缺少什么？ 54:13 意识的拆解：主观体验、道德价值与硅基生命 56:39 2036 年的愿景：一场由 AI 驱动的新文艺复兴 🌟 精彩内容 💡 语言不是智能的全部 Yann LeCun 提出了一个发人深省的观点：人类社会过于迷信语言。我们认为能言善辩的人聪明，所以觉得 LLM 聪明。但实际上，语言的信息量极低，真正的智能存在于对物理世界的感知和预测中。 “一个四岁孩子看到的视觉数据量，和最大的 LLM 用有史以来所有文本训练的数据量是相当的。但孩子学会了物理常识，AI 却没有。” 🛠️ 莫拉维克悖论与“修马桶”测试 为什么 AI 能通过律师考试却不会修马桶？Yann 认为 LLM 这种“离散 token 预测”的架构在处理连续、高维、充满噪音的现实世界时完全失效。他提出的 JEPA 架构试图让 AI 像人类一样学习“抽象表示”，而不是死磕像素。 “你永远不可能用大语言模型驱动的机器人来给你修马桶，它根本无法理解现实世界。” 🚀 涌现的魅力：从简单到复杂 Adam Brown 从物理学角度反驳，认为我们不应低估简单规则的力量。就像进化论的唯一目标是“繁衍”，却创造了生物多样性；LLM 的目标只是“预测下一个词”，却在过程中被迫学会了逻辑、数学和编程。 “为了最准确地预测下一个词，它意识到自己需要搞明白怎么做数学，并在内部建立了一个电路。” 🛡️ AI 安全是工程问题，而非科幻剧本 对于“机器人接管世界”的恐惧，Yann 表现得非常淡定。他认为智能不等于自主，我们可以像设计喷气发动机一样，为 AI 设定明确的目标函数和不可逾越的护栏。 “超级智能的出现不会是一个‘事件’，它是一点一点发生的。我们会像信任双引擎飞机飞越大洋一样信任 AI。” 🌈 2036：意识的拆解 当被问及 AI 何时会有意识时，Adam 给出了 2036 年这个具体的数字。他认为意识并非某种神秘的“灵魂”，而是信息处理到一定程度后的产物。未来我们可能会发现，意识可以被拆解成不同的能力维度。 “我们终于有了一个智能的模型生物，也许我们可以把它变成一个意识的模型生物，来回答困扰人类已久的问题。” 🌐 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：挪威主权财富基金官方播客《In Good Company》Why Doubt Is a Superpower | Nobel Prize–Winning Physicist Saul Perlmutter | In Good Company 本期嘉宾是 2011 年诺贝尔物理学奖得主 Saul Perlmutter。他不仅是一位揭示了“宇宙加速膨胀”奥秘的顶尖科学家，更是一位致力于推广“科学思维”的思想家。在不确定性日益增加的今天，我们该如何像科学家一样思考？Saul 在节目中分享了他新书《第三个千年的思维方式》中的核心理念。你会听到：为什么“怀疑”不是弱点而是超能力？如何利用“盲分析”和“情景规划”来对抗投资和生活中的确认偏误？为什么在 AI 时代，批判性思维比以往任何时候都更重要？这不仅是一场关于天体物理的深度对谈，更是一份关于如何在复杂世界中做出明智决策、与他人高效协作的实战指南。 👨‍⚕️ 本期嘉宾 Saul Perlmutter，加州大学伯克利分校物理学教授，劳伦斯伯克利国家实验室资深科学家。因发现宇宙加速膨胀而荣获 2011 年诺贝尔物理学奖。他是“超新星宇宙学计划”的负责人，也是《第三个千年的思维方式》（Third Millennium Thinking）一书的合著者。他致力于跨学科研究，在伯克利开设了深受学生欢迎的批判性思维课程。 ⏱️ 时间戳 00:00 开场 & 嘉宾介绍 科学思维：解决全球问题的“金钥匙” 01:47 现状：我们有解决问题的技术，却缺乏沟通的能力 03:13 什么是“第三个千年的思维方式”：科学思维的社会化应用 04:40 概率思维：告别非黑即白，给你的观点“打个折” 决策的艺术：如何对抗大脑的陷阱 05:36 自信的谦逊：在 95% 的找错时间与“我们能行”之间寻找平衡 14:45 盲分析（Blind Analysis）：如何在看到结果前排除偏见 18:24 投资中的应用：如何避免“羊群效应”并独立收集信息 22:08 情景规划：考虑四个极端的未来，寻找最稳健的策略 25:34 直觉与模式识别：逻辑头脑如何审视潜意识的产物 团队协作与科学文化 06:36 集体傲慢 vs. 个体谦逊：为什么需要和意见不合的人交谈 11:33 理想团队的画像：高能力、低自我、享受共同思考 13:35 室内乐的启示：从小提琴老师那里学到的精准与协作 33:15 家庭背景：科学家父亲与社会学母亲的跨界影响 AI 时代的挑战 34:11 AI 是双刃剑：它能加速落地，也能让你产生“掌握知识”的错觉 35:12 批判性思维工具包：用科学概念判断 AI 是否在“糊弄”你 宇宙的宏大叙事 36:05 宇宙学家的视角：站在微观粒子与宏观结构的交汇点 38:09 视觉化宇宙：从“无限的汤”到星罗棋布的星系 40:15 火星探险：为什么诺奖得主不想买埃隆·马斯克的单程票 42:06 诺奖背后的故事：寻找超新星的 11 年长跑与“暗能量”的发现 45:02 竞合关系：在激烈的科学竞赛中，对手也可以是盟友 总结与建议 47:03 客观真理：它是连接不同项目、修正模型的唯一锚点 49:04 给年轻人的建议：屏蔽末日论调，用建设性的参与管理不确定性 🌟 精彩内容 💡 怀疑是科学家的“刹车” Saul 认为，科学的成功不在于绝对的确定性，而在于对错误的不断追求。实验科学家 95% 的时间都在找错。这种“怀疑”并不是软弱，而是防止掉入思维陷阱的刹车。但开车不能只靠刹车，还需要“我们能搞定”的自信作为油门。 🛠️ “盲分析”对抗确认偏误 在科学实验中，为了防止科学家只看到自己想看到的结果，他们会使用“盲分析”：在所有测量和纠错完成之前，绝不打开装有最终数值的“信封”。这种方法同样可以应用在医疗决策或投资分析中，帮助我们跳出信息茧房。 🚀 投资决策中的“反羊群思维” 当一个团队讨论投资（如苹果股票）时，Saul 建议不要让大家轮流发言，因为后发言的人会深受影响。更好的做法是让所有人独立写下想法，然后再汇总讨论。利用“情景规划”去推演不同驱动力下的极端情况，能让决策更具稳健性。 🌌 宇宙加速膨胀与“暗能量” Saul 分享了那个震惊世界的发现：原本以为宇宙膨胀会因引力减速，结果测量发现它在加速。这暗示了“暗能量”的存在。他描述了寻找超新星的艰辛——这些宇宙中的“标准烛光”几百年才爆炸一次，且转瞬即逝，需要全球团队的极致协作。 ❤️ 跨越代际的“科学乐观主义” 面对充满不确定性的未来，Saul 鼓励年轻人不要被吓人的新闻劝退。他认为每一代人都有机会通过协作去创造想生活的世界。年轻人寻找长辈错误的冲动，正是科学不断进步的动力之一。 🌐 播客信息补充 翻译克隆自：Norges Bank Investment Management: Why Doubt Is a Superpower | Nobel Prize–Winning Physicist Saul Perlmutter | In Good Company 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：硅谷顶尖 AI 技术播客《Latent Space》One Year of MCP — with David Soria Parria and AAIF leads from OpenAI, Goose, Linux Foundation 当今 AI 领域最激烈的竞争对手竟然坐到了同一个录音室里？本期节目邀请到了 Anthropic 的 MCP 项目负责人 David Soria Parra，以及来自 OpenAI、Block 和 Linux 基金会的领袖们。我们将深度拆解过去一年席卷开发者社区的 MCP（Model Context Protocol）协议。 你会听到 MCP 如何从一个 Anthropic 内部的工具，演变成由 OpenAI、微软、谷歌共同支持的行业事实标准。David 详细分享了 MCP 在身份验证、长时任务（Tasks）以及 UI 交互（MCP Apps）上的技术演进与踩过的坑。此外，节目下半场揭秘了“Agent AI 基金会”成立背后的故事：为什么这些巨头愿意放下竞争，共同维护一个中立的开源生态？这不仅是一场关于技术协议的讨论，更是关于未来 Agent 协作范式的终极预演。 👨‍⚕️ 本期嘉宾 David Soria Parra：Anthropic 技术成员，MCP（Model Context Protocol）共同创造者及核心维护者。 Jim Zemlin：Linux 基金会 CEO，拥有 22 年开源基金会运作经验。 Nick Cooper：OpenAI 代表，负责协议与开放生态系统，MCP 核心贡献者。 Brad：Block 首席工程师，开源编码 Agent 工具 Goose 的原作者。 ⏱️ 时间戳 00:00 开场：第一次在录音室集结的顶级阵容 MCP 的技术进化论 01:09 回顾 MCP 这一年：从感恩节的灵感到行业事实标准 06:31 身份验证的深水区：为什么企业级应用需要重构 OAuth 10:54 传输层的教训：从标准 I/O 到可流式 HTTP 的取舍 16:34 模型 vs 协议：代码模式（Code Mode）会取代 MCP 吗？ 20:52 MCP vs Skills：垂直领域知识与横向连接层的协作 23:53 Anthropic 的“狗粮”：内部网关如何赋能研究员自助开发工具 27:32 注册中心与发现机制：未来 Agent 如何自主“安装”新技能 定义 Agent 的新边界 38:05 MCP Tasks：为长时运行的异步 Agent 提供一等公民支持 45:06 消费级愿景：让用户在感知不到 MCP 的情况下连接全世界 47:37 MCP Apps：为什么我们需要在聊天框里直接选飞机座位？ 53:40 开发者号召：如何为 MCP 生态贡献高质量的 SDK Agent AI 基金会（AAIF）的内幕 57:01 世纪联手：OpenAI 与 Anthropic 是如何达成共识的？ 01:02:54 Goose 的角色：参考实现如何推动协议的快速迭代 01:07:32 治理原则：为什么“品味塑造者”比厂商委员会更重要 01:12:27 为什么是现在？Agent 领域需要自己的“Linux 基金会” 01:18:01 利益驱动：捐赠项目给基金会到底能得到什么？ 01:21:34 未来展望：告别“每三秒点一次同意”的异步 Agent 时代 🌟 精彩内容 💡 MCP 的“渐进式发现”哲学 David 解释了如何通过“渐进式发现”机制解决上下文臃肿问题。模型不需要一次性加载所有工具，而是根据任务需求动态获取信息。这使得 MCP 能够支撑成千上万个工具的接入，而不会拖慢模型的推理速度。 🛠️ 代码模式与协议的共生 针对“模型会写代码了，还要协议干嘛”的质疑，David 指出 MCP 提供了 AI 友好的接口文档和身份验证。即使模型进入“程序化模式”，MCP 依然是连接模型与外部世界的稳定桥梁，本质上是一种 Token 优化手段。 🚀 从文本交互到 MCP Apps 本期重点讨论了 MCPUI（现更名为 MCP Apps）。通过 iframe 架构，MCP 允许服务器向客户端发送原始 HTML 界面。这意味着未来你在和 Claude 或 ChatGPT 聊天时，可以直接在对话框里操作复杂的 UI 组件，如选座、绘图或购物，而无需在文本和应用间跳转。 🌐 基金会：Agent 时代的“避雷针” Jim Zemlin 分享了 Linux 基金会接纳 MCP 的逻辑。他认为 Agent 技术正处于“狗年”速度（一年顶七年），成立中立基金会是为了防止协议被单一巨头私有化，确保它像互联网协议一样永远开放，从而吸引全球工程师共同投入。 🤖 异步 Agent 的终极理想 Nick Cooper 表达了对未来一年最期待的突破：Agent 能够真正异步工作。我们不再需要守着屏幕点击每一个“批准”，而是可以同时派出 20 个 Agent 协同处理任务，并在完成后直接交付结果。 🌐 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：斯坦福顶尖科学播客《Huberman Lab》The Science & Practice of Perfecting Your Sleep | Dr. Matt Walker 睡眠不仅是休息，更是一场极其复杂的生理芭蕾。本期嘉宾 Matt Walker 博士是加州大学伯克利分校的神经科学教授，也是全球公认的睡眠权威。在这场深度对话中，他将带我们揭开睡眠的神秘面纱：为什么大脑在梦境中比清醒时更活跃？为什么咖啡因会带来“崩溃”式的二次疲劳？酒精到底是在帮你入睡还是在“敲晕”你的大脑？从光线对生物钟的校准，到补剂（褪黑素、镁、甚至猕猴桃）的真实红利，再到性生活如何改善睡眠质量，Matt Walker 提供了一套基于严谨科学证据的睡眠优化方案。无论你是失眠困扰者，还是追求极致表现的效率控，这期节目都将重塑你对“闭眼之后”那 8 小时的认知。 👨‍⚕️ 本期嘉宾 Matt Walker 博士，加州大学伯克利分校神经科学与心理学教授，人类睡眠科学中心创始人。他是国际畅销书《我们为什么要睡觉》（Why We Sleep）的作者，被誉为“睡眠外交官”。他致力于向公众传播睡眠科学，通过研究揭示睡眠对学习、记忆、情绪及长寿的深远影响。 ⏱️ 时间戳 00:00 开场 & 嘉宾介绍 睡眠的生理芭蕾 02:56 什么是睡眠：一场重置身心健康的复杂生理协作 06:17 快速眼动睡眠（REM）：为什么大脑活跃时身体必须“瘫痪”？ 11:58 深度睡眠（NREM）：成千上万神经元的“圣歌”式同步 17:18 九十分钟周期：前半夜与后半夜睡眠结构的博弈 睡眠习惯的误区与真相 28:31 半夜醒来正常吗？理解“睡眠效率”与 85% 原则 33:59 戳破“超人睡眠法”：为什么多相睡眠对成年人有害 36:51 光线杠杆：如何利用清晨阳光校准你的生物钟 物质与睡眠的博弈 42:36 咖啡因真相：它是如何通过“劫持”腺苷受体来欺骗大脑的 50:53 咖啡因崩溃：一场由于腺苷堆积引发的化学“海啸” 54:08 咖啡因半衰期：为什么下午的一杯咖啡会毁掉你的深度睡眠 59:57 酒精迷思：它不是助眠剂，而是敲晕大脑的“镇静剂” 01:05:11 酒精的代价：生长激素分泌减半与睡眠碎片化 01:15:57 大麻与 CBD：THC 对梦境的抑制与 CBD 的潜在机制 助眠补剂全解析 01:25:12 褪黑素：它是“发令员”而非“运动员”，且存在严重的剂量误区 01:42:38 镁的真相：苏糖酸镁真的能穿透血脑屏障吗？ 01:50:10 意外的发现：酸樱桃汁与猕猴桃对睡眠时间的显著提升 02:00:11 色氨酸与血清素：为什么盲目补充可能导致睡眠紊乱 生活方式与高效技巧 02:05:58 午睡心法：NASA 的 26 分钟法则与避免“睡眠压力”流失 02:20:42 性、高潮与睡眠：激素释放如何开启天然的入睡开关 02:33:43 非传统技巧：为什么昨晚没睡好，今天反而“什么都别做” 02:38:31 烦恼日记：通过关闭“情绪标签页”减少 50% 的入睡时间 02:41:47 卧室禁忌：拿走所有钟表，停止对时间的灾难化想象 🌟 精彩内容 💡 睡眠是原始状态，清醒才是代价 Matt Walker 提出了一个颠覆性的视角：或许睡眠才是生命的原始基准状态，而清醒是为了生存而演化出的短暂偏离。这种观点强调了睡眠作为生物本能的不可动摇性，任何试图削减睡眠的行为都是在挑战数百万年的演化智慧。 🛠️ 咖啡因的“海啸”预警 你以为咖啡因给了你能量？不，它只是堵住了大脑感知疲劳的“耳朵”。Matt 详细解释了腺苷（Adenosine）如何像高压锅里的蒸汽一样不断累积，而咖啡因只是暂时按住了阀门。一旦咖啡因代谢掉，累积的腺苷会瞬间涌入受体，导致严重的午后崩溃。 🚀 酒精：伪装成助眠剂的“镇静剂” 很多人习惯睡前喝一杯，但 Matt 警告说，酒精诱发的是“镇静”而非“睡眠”。它会阻断对情绪修复至关重要的 REM 睡眠，并导致生长激素分泌量下降超过 50%。这种“碎片化”的无意识状态无法提供真正的修复功能。 💻 补剂的剂量军备竞赛 Matt 指出市面上 5mg 或 10mg 的褪黑素属于“超生理剂量”，远超人体自然分泌水平。科学研究表明，真正有效的剂量可能仅需 0.1mg 到 0.3mg。此外，他分享了关于酸樱桃汁和猕猴桃的惊喜数据，这些天然食物在改善睡眠时长方面的表现甚至优于许多合成补剂。 ❤️ 睡眠与关系的双向奔赴 睡眠不足会直接导致同理心下降和攻击性增加。Matt 分享的研究显示，女性每多睡一小时，次日发生性亲密的意愿增加 14%。睡眠不仅是个人健康问题，更是维持长期亲密关系的“润滑剂”。 🌐 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：AI Engineer 大会技术分享 为什么早期的自动化编程工具都很“烂”，而现在的 Claude Code 和 Cursor 却让人直呼好用？本期嘉宾 Jared Zoneraich（PromptLayer 创始人）将带我们拆解 Claude Code 的内部逻辑。他提出了一套反直觉的观点：最好的 Agent 架构不是复杂的流程图，而是一个简单的 While 循环；与其花精力写代码防止模型幻觉，不如“让开道路”信任模型的自主性。 在这场深度技术分享中，你将听到：Claude Code 如何利用 Bash 命令作为万能适配器？为什么“上下文”是 Agent 最大的敌人？以及在 Droid、Codex、Cursor 丛生的时代，开发者该如何选择和构建自己的 AI 工作流。这不仅是一次对 Claude Code 的拆解，更是一次关于 AI 工程化思维的深度洗礼。 👨‍⚕️ 本期嘉宾 Jared Zoneraich，PromptLayer 的创始人。PromptLayer 是全球领先的 Prompt 管理与评估平台，帮助开发者更严谨地构建和测试 AI 应用。Jared 是 AI 工程领域的资深专家，致力于探索 Agent 架构与 Prompt 工程的最佳实践。 ⏱️ 时间戳 00:00 开场 & 嘉宾介绍 编程 Agent 的进化与突破 01:05 为什么现在的编程 Agent 终于“能用”了？ 04:23 历史回顾：从 ChatGPT 复制粘贴到 Claude Code 的无头模式 05:45 核心突破：更好的模型能力 vs 更简单的架构设计 07:48 “AGI 药丸”心态：不要为解决今天的问题而过度设计 深度拆解 Claude Code 内部原理 08:55 架构哲学：简单胜于复杂，扁平胜于嵌套 11:02 核心主循环：四行代码构建的“While 循环”革命 12:39 工具箱揭秘：为什么 read、grep 和 edit 比 RAG 更高效 14:58 Bash 的魔力：作为 Agent 万能适配器的 shell 工具 16:55 待办事项（Todo Lists）：如何通过非确定性指令增强可控性 上下文与 Agent 管理 19:35 上下文管理：Agent 最大的敌人是“变笨” 20:37 告别 DAG：为什么复杂的流程图是工程噩梦 25:47 沙盒与安全：如何在 YOLO 模式与企业安全间平衡 26:47 子 Agent（Sub-agents）：研究员、审查员与任务分发逻辑 31:03 Skills 功能：如何构建可扩展的系统 Prompt 主流编程 Agent 横向对比 34:34 未来趋势：超级工具调用 vs 自适应推理预算 38:14 “AI 治疗师”比喻：为什么 AI 产品没有全局最优解 40:01 各显神通：Codex 的 Rust 并发、Amp 的交接模式、Cursor 的速度优势 45:24 评估与测试：如何通过“Agent Smell”判断 Agent 的健康度 实战建议与 Q&A 52:04 总结：信任模型、简单设计、Bash 为王 53:43 Q&A：如何强制 Agent 的执行顺序？ 56:39 TDD 与规范驱动：AI 时代的工程原则 59:14 关于 PromptLayer：如何招聘与协作 🌟 精彩内容 💡 信任模型（Trust the Model） Jared 强调，开发者往往喜欢过度优化脚手架代码来防止模型出错。但 Claude Code 的成功证明了：给模型工具，然后“让开”。随着模型能力的提升，很多现在的硬编码逻辑在三个月后都会变成累赘。 🛠️ Bash 是 Agent 的“圣杯” 在所有的工具调用中，Bash 是最重要的。因为它简单、健壮，且拥有海量的互联网训练数据。Claude Code 通过在沙盒中运行 Python 脚本或测试用例，实现了极高的灵活性。 🚀 告别复杂的 DAG 流程 过去两年，大家都在构建拥有成百上千个节点的 DAG（有向无环图）。但现在，这种“工程噩梦”正在被简单的循环取代。依赖模型的自主探索，比硬编码每一个 if/else 语句效果更好，维护成本也更低。 🧠 上下文压缩艺术 上下文越长，模型越笨。Claude Code 通过 H2A 缓冲区管理 IO，并在上下文达到 92% 阈值时进行智能压缩。Jared 建议，将长期记忆存储在沙盒的 Markdown 文件中，而不是全部塞进对话框。 🎨 AI 产品的“品味”与视角 不同的编程 Agent 代表了不同的哲学：Claude Code 追求极致的命令行简洁，Cursor 追求 UI 交互的快感，而 Amp 探索免费与广告模式。开发者应根据“品味”选择最适合自己工作流的工具。 🌐 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：Forbes 科技访谈系列 Why This Entrepreneur Believes We Should Build Data Centers In Space 当马斯克在德州疯狂测试“星舰”时，有一群人已经盯上了太空里的“无限能源”。本期嘉宾 Philip Johnson 是 Star Cloud 的创始人，这家由英伟达支持的初创公司，刚刚完成了将 H100 芯片送上太空的壮举。 为什么在地球上建数据中心越来越难？为什么“星舰”的成功是太空算力的“iPhone时刻”？在没有空气和水的真空里，价值数万美金的 GPU 如何散热？Philip 将带我们揭开“天基数据中心”的神秘面纱。这不仅是一个关于航天技术的硬核分享，更是一场关于 AI 算力成本、能源革命以及人类如何跳出地球资源限制的深度对话。 👨‍⚕️ 本期嘉宾 Philip Johnson，Star Cloud CEO 兼联合创始人。他曾任职于麦肯锡，长期与各国政府航天机构合作。他创办的 Star Cloud 致力于利用大幅下降的发射成本，在太空构建大规模 AI 算力基础设施，目前已获得英伟达、Y Combinator 等顶级机构投资。 ⏱️ 时间戳 00:00 开场 & 嘉宾介绍：把英伟达 GPU 送上天 为什么是太空？ 00:48 地球的瓶颈：能源限制与漫长的基建审批周期 01:11 太空的诱惑：无限太阳能与低至 0.5 美分的电力成本 01:59 规模想象力：四公里见方的太阳能板与“太空发电厂” 星舰：改变游戏规则的变量 03:01 范式转移：为什么“全重复使用”是航天成本的分水岭 03:35 算一笔经济账：从每公斤 6500 美元到 10 美元的成本暴降 硬核工程挑战 04:34 实验报告：第一块在太空运行的 H100 验证了什么？ 05:41 散热难题：在真空中，如何利用“辐射冷却”给芯片降温 07:12 制造挑战：把散热器的成本降低 100 倍 算力市场的未来 08:26 需求预测：为什么十年后一半的新增算力会在太空？ 09:47 时间表：等待“星舰”量产后的成本反转曲线 10:09 辐射防护：如何用粒子加速器测试芯片的“防弹衣” 11:03 硬件折旧：太空中的 H100 会比地球上更耐用吗？ 创业初衷与商业路线图 11:52 创始团队背景：从 SpaceX 到微软数据中心的大牛组合 12:44 灵感来源：如果能量传输损耗大，那就把数据中心搬到能源源头 13:45 商业化第一步：为卫星提供“边缘计算”，解决天地传输带宽瓶颈 15:58 终极愿景：二十年后，把高能耗工业留在太空，把绿色留给地球 🌟 精彩内容 💡 能源是 AI 的第一生产力 Philip 指出，在地球上新建百兆瓦级数据中心，能源审批可能耗时数十年。而太空拥有 24 小时不间断的太阳能。一旦发射成本通过“星舰”降下来，太空电力的边际成本几乎为零。 🚀 “星舰”带来的成本奇迹 目前的航天就像“飞一次纽约就拆一架飞机”。而星舰的完全可重复使用，将发射成本从每公斤数千美元压低到两位数。这意味着在太空建数据中心的综合成本，未来将比地球便宜 10 倍。 ❄️ 物理学的挑战：辐射散热 在没有空气对流的太空，散热全靠红外辐射。Star Cloud 研发了巨大的薄膜散热器，利用温差将热量排向零下 270 摄氏度的宇宙深空。这不再是科学难题，而是如何大规模廉价制造的工程挑战。 🛡️ 保护最脆弱的“大脑” AI 芯片在高能粒子轰击下极易失效。Philip 透露，他们利用粒子加速器对 H100 进行了“轰炸测试”，找出了芯片最脆弱的部位，并结合物理屏蔽与软件算法，让最先进的商用芯片能在恶劣的辐射环境中存活。 🌐 播客信息补充 翻译克隆自：Forbes: Why This Entrepreneur Believes We Should Build Data Centers In Space 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：OpenAI 顶尖研究员 Noam Brown 在加州大学伯克利分校（UC Berkeley）的深度技术分享。 Agentic AI MOOC | UC Berkeley CS294-196 Fall 2025 | Multi-Agent AI by Noam Brown Noam Brown 是 AI 界的传奇人物，他主导开发的 Libratus 和 Pluribus 在德州扑克领域击败了人类顶尖高手，随后的 Cicero 更是首次在复杂的《外交》策略游戏中展现了超人类的谈判与协作能力。在这场演讲中，Noam 并没有空谈概念，而是从博弈论的底层逻辑出发，深刻揭示了为什么在语言模型时代，我们不能简单复刻 AlphaGo 的成功路径。他提出了一个极具争议但也极具洞察力的观点：如果你的目标是让 AI 学会和人类合作，那么想绕开人类数据是行不通的。无论你是对 AI 智能体（Agent）感兴趣的开发者，还是关注通用人工智能（AGI）演进路径的观察者，这期关于多智能体协作、推理扩展和博弈论心法的分享都不容错过。 👨‍⚕️ 本期嘉宾 Noam Brown，OpenAI 研究员。曾就职于 Meta AI（FAIR）。他是世界上首个在六人桌德州扑克中击败顶尖职业选手的 AI——Pluribus 的核心作者，也是《外交》游戏 AI——Cicero 的主导者。他的研究重点在于如何通过多智能体强化学习和搜索算法，让 AI 在复杂、不完美信息的环境中实现战略推理与协作。 ⏱️ 时间戳 00:00 开场 & 播客简介 AI 进化的底层逻辑 02:02 消失的最后一块拼图：为什么 LLM 还没实现像 AlphaGo 那样的自我提升？ 04:04 偏见警告：我们对“自我博弈”的直觉是否被围棋过度拟合了？ 06:17 德州扑克悖论：赢钱最多的人，不一定是技术最无懈可击的人 08:49 稳健性的代价：假设对手能看穿你的“模型权重” 不完美信息游戏的博弈心法 12:39 算法的局限：为什么 PPO 算法玩不好“石头剪刀布”？ 15:58 概率的艺术：在扑克和现实中，动作的价值取决于你“多久做一次” 18:33 击败人类选手的算法：从虚拟博弈到遗憾匹配（Regret Matching） 22:36 寻找万能算法：跨越单智能体与多智能体强化学习的鸿沟 合作的真相：人类数据是绕不开的坎 23:36 零和博弈的冷酷：为什么在纯粹的对抗中，沟通毫无意义？ 25:26 争议观点：想让 AI 学会与人合作，不使用人类数据是“死路一条” 26:52 最后通牒博弈：当数学上的“最优解”遇到感性的人类 31:21 《外交》游戏挑战：如何在充满了背叛与信任的环境中建模？ 34:12 均衡的陷阱：为什么一个完美的 AI 进场后会被人类“虐惨”？ 37:07 Cicero 的成功公式：模仿人类 + 推理扩展 + 强化学习环境 多智能体 AI 的新范式 39:14 o1 系列的启示：当推理性能曲线开始疯狂左移 41:51 延迟瓶颈：为什么多智能体协作是解决串行思维链（CoT）的关键 42:31 并行扩展技术：共识（Consensus）与 N 中选优的利弊权衡 44:45 路由即智能：多样性是多智能体系统的核心力量 46:01 现状与未来：自然语言已成为智能体之间完美的“沟通协议” 48:19 临界点：为什么现在是投身多智能体 AI 研究的绝佳时机 🌟 精彩内容 💡 AI 进化的三部曲 Noam 认为 AI 突破遵循：预训练（学人类）、推理扩展（想更久）、自我提升（超人类）。LLM 目前卡在了第三步。在双人零和游戏（如围棋）中，自我博弈能完美解决问题，但在复杂社会场景中，这远远不够。 🛠️ 为什么 PPO 算法会失效？ 在不完美信息游戏中，简单的强化学习算法（如 PPO）无法收敛到纳什均衡。Noam 解释道，这是因为 AI 必须学会“随机化”自己的策略。如果你总是诈唬，价值就会归零；你必须以精确的概率平衡动作，这需要更高级的博弈论算法。 🚀 合作的“死路”论 这是全场最深刻的洞察：在“最后通牒博弈”中，数学最优解是只给对方一分钱，但现实中人类会因为觉得不公平而拒绝。Noam 认为，文化差异和人类的感性无法通过纯算力模拟出来。要学合作，必须喂给 AI 人类数据。 💻 Cicero：谈判 AI 的巅峰 通过《外交》游戏，Noam 展示了如何让 AI 既能像人一样说话谈判（Cicero），又能保持强大的战略推理。它的核心逻辑不是寻找数学上的绝对完美，而是寻找针对人类群体的“最优响应”。 🌐 播客信息补充 翻译克隆自： 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：知名科学播客《Huberman 实验室》（Huberman Lab） 你所以为的、最适合你的学习方法，很可能就是错的。斯坦福大学神经生物学教授 Andrew Huberman 本期将彻底颠覆你的认知。他指出，最好的学习方法不是为了“记住”，而是为了“对抗遗忘”。在这期节目中，Huberman 教授利用神经科学的前沿研究，拆解了大脑如何通过神经可塑性来重塑连接。你将听到为什么“突击测验”其实是学习者的好朋友，为什么反复阅读课本会让你产生掌握知识的错觉，以及如何利用 NSDR（非睡眠深度休息）和“间隙效应”让大脑的学习效率提升一倍。这不仅是一场关于大脑机制的科学讲座，更是一套人人可用的高效学习实战协议。 翻译克隆自：Optimal Protocols for Studying & Learning 文字版精华：见微信公众号（点击跳转） 👨‍⚕️ 本期嘉宾 Andrew Huberman，斯坦福大学医学院神经生物学和眼科学教授。他主持的《Huberman Lab》是全球最受欢迎的健康与科学类播客之一。他致力于将深奥的神经科学转化为简单、免费且实用的生活工具，帮助大众优化睡眠、专注力、学习能力和身心健康。 ⏱️ 时间戳 00:00 开场 & 播客简介 重新定义学习 01:48 反直觉的学习观：学习是为了对抗自然遗忘 05:23 神经可塑性真相：加强与削弱连接，而非增加新神经元 09:10 第一次小测验：感受“提取困难”对大脑的信号作用 专注与巩固的生物学 11:34 学习第一步：专注力是有限的“腺苷预算” 15:08 费劲是好事：那种“苦差事”感正是神经改变的信号 16:42 专注力训练：正念冥想与视觉聚焦的科学原理 18:20 学习第二步：神经连接的实际重塑发生在睡眠中 21:12 NSDR 协议：如何通过 10 分钟深度休息加速可塑性 顶尖学习者的实战习惯 22:42 医学生研究：表现最好的学生如何安排日程 24:03 排除干扰：独处学习与收起手机的必要性 25:21 “看一遍，做一遍，教一遍”：通过输出倒逼输入 27:45 节奏适应：大脑如何根据固定时间表进入专注状态 30:01 抱负感：长远动机如何支撑枯燥的学习过程 测试：最强的学习引擎 32:26 核心发现：测试是建立知识而非仅仅评估知识 35:44 1917 年的经典实验：思考与回忆远胜于反复阅读 38:24 信心陷阱：为什么“学四次”的人自我感觉良好却考得最差 43:38 心理练习：Huberman 如何在脑海中“飞越”神经解剖结构 46:38 纠错的价值：意识到“不知道”才是学习的开始 进阶学习协议 48:40 黄金时间：接触新知识后 24 小时内测试效果翻倍 53:07 熟悉感 vs. 掌握感：识别答案不等于拥有知识 01:00:37 开放式问题：为什么简答题比选择题更能对抗遗忘 01:05:34 间隙效应：在学习中插入 10 秒停顿的奇效 01:08:48 情绪与记忆：中世纪“冷水浴”背后的肾上腺素逻辑 01:15:33 交错学习：通过注入随机故事增强大脑的重复频率 01:17:18 终极境界：从熟练、精通到大师级的跨越 🌟 精彩内容 💡 学习即“防遗忘”疫苗 Andrew Huberman 提出一个核心观点：我们不应为了记住而学习，而应为了“对抗遗忘”而学习。大脑每天会丢弃大部分信息，只有通过主动的、甚至感到费劲的干预，才能给神经系统打下“预防针”，将其锁定在回路中。 🛠️ 专注力是一种有限预算 专注力并非取之不尽。Huberman 解释了腺苷如何限制我们的注意力，并推荐了每天 5-10 分钟的正念冥想或视觉聚焦练习。这些练习本质上是在训练大脑“把飘走的注意力拉回来”的肌肉记忆。 🚀 警惕“虚假信心陷阱” 研究显示，反复阅读材料的人对考试最有信心，但实际表现最差；而不断测试自己的人虽然感到痛苦且缺乏信心，最终成绩却名列前茅。这是因为反复阅读只增加了“熟悉感”，而测试才真正建立了“回忆能力”。 💻 间隙效应（Gap Effect） 在学习过程中随机停顿 10 秒，大脑的海马体会以正常速度的 20-30 倍回放刚刚接触的信息。这种“离线重放”机制能让你在不增加学习时长的情况下，获得更多的神经重复次数。 ❤️ “看、做、教”三部曲 顶尖学习者不仅独自钻研，更会主动教给他人。通过将复杂知识简化并输出，学习者能精准发现自己的知识盲区。正如 Huberman 所说：“教一遍”是检验掌握程度的最高标准。 🌐 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：访谈类播客《Extraordinary》 本期嘉宾 Gabriel Peterson 的经历足以打破所有关于“学历”的刻板印象。他是一名来自瑞典的高中辍学生，在没有大学学位的情况下，通过自学成为了 OpenAI 的研究科学家，目前正在 Sora 团队参与构建通用人工智能。在这期节目中，Gabriel 详细拆解了他如何利用 ChatGPT 建立起一套“自上而下”的递归式学习法，在短短几天内掌握传统教育需要数年才能触及的深度技术。他还会分享自己早期在创业公司睡沙发垫、带着 A3 纸去“扫楼”推销产品的疯狂经历，以及他如何通过高主动性的“Demo 策略”和“反馈机制”，在硅谷顶尖公司中脱颖而出。这不仅是一个关于天才逆袭的故事，更是一份关于在 AI 时代如何重塑个人竞争力、实现跨越式成长的实战指南。 👨‍⚕️ 本期嘉宾 Gabriel Peterson，OpenAI 研究科学家，目前效力于 Sora 视频模型团队。他曾是 Midjourney 的早期成员，是一位极具影响力的自学者和技术博主。他以高中辍学者的身份，凭借对 AI 工具的深度运用和极高的行动偏见，成功拿到了 O1 杰出人才签证并进入全球顶尖 AI 实验室。 ⏱️ 时间戳 00:00 开场 & 嘉宾介绍 辍学者的逆袭之路 03:00 从瑞典小镇到硅谷：高中辍学者的非典型开局 04:36 疯狂的销售经历：带着 A3 打印纸去“扫楼” 06:22 睡在沙发垫上的亿万富翁梦：创业初期的艰辛与信念 07:16 编程初体验：从山寨宝可梦游戏到被真实问题“逼”出来的技术 重新定义学习：AI 时代的自学心法 10:14 自上而下学习法：为什么真实任务是最好的老师 13:30 递归式填补知识空白：如何用 ChatGPT 拆解扩散模型等复杂技术 18:17 建立“点通”的直觉：每天问 AI 一百个问题的量变与质变 21:28 跨越学历鸿沟：AI 如何让辍学者胜任传统博士级的研究工作 职业生涯的增长黑客 24:23 寻找反馈的艺术：为什么你应该追着资深工程师要 Code Review 29:30 签证黑客：如何用 Stack Overflow 的帖子拿到 O1 杰出人才签证 31:42 招聘真相：公司只想赚钱，用 3 秒钟的 Demo 证明你的价值 34:10 避开 HR 的替代信号：直接向有利益驱动的 CEO 展示能力 36:31 走出“成人日托所”：为什么野心勃勃的人应该尽快进入真实市场 硅谷的势能与 AGI 愿景 51:21 薪水翻十倍的秘密：旧金山的人才密度与网络效应 56:13 克服“我不够聪明”的错觉：你已经在前 1% 了 58:23 总结建议：给你年轻时的自己一份“跳过弯道”的指南 🌟 精彩内容 💡 大学不再垄断基础知识 Gabriel 认为，传统的“自下而上”教育体系（先学基础再碰前沿）效率极低。在 AI 时代，任何人都可以通过 ChatGPT 进行“自上而下”的学习：从一个具体的前沿项目开始，遇到不懂的数学或原理再递归向下询问 AI，直到彻底理解。 “自上而下学扩散模型需要三天，自下而上学可能要六年。” 🛠️ 递归式填补知识空白 Gabriel 详细描述了他的提问技巧：让 AI 用 12 岁孩子能听懂的话解释概念，要求展示所有中间数据的形态，并不断追问“为什么”。他认为学习的本质是追逐那个“哈，点通了”的瞬间，而 AI 能让这种瞬间高频发生。 “学习不再需要从下往上走了，AI 是你最好的递归式导师。” 🚀 3 秒钟 Demo 策略 在求职和建立影响力时，Gabriel 强调“行动偏见”。与其列出简历上的实习经历，不如做一个让人 3 秒钟就能看出你技术实力的 Demo。公司本质上是赚钱机器，只要你能证明自己能帮公司赚钱或解决问题，学历和背景都不再重要。 “CEO 永远不在乎你的学位，他们只在乎你能不能干活。” 💻 硅谷的人才密度优势 Gabriel 分享了搬到旧金山后的世界观重塑。他认为旧金山的势能来自于“身边的人跟你想的一样、做的也一样”。这种环境带来的动力远超任何励志演讲，它能让一个人的收入和成长速度发生数量级的飞跃。 “如果你真的有野心，搬到旧金山是唯一客观正确的选择。” ❤️ 克服“智力自卑” Gabriel 坦诚自己曾觉得自己很笨，无法与造火箭的人竞争。但他意识到，只要有主动性去探索和学习，就已经超过了 99% 的人。他鼓励年轻人不要被“博士学位”等门槛吓倒，现在的工具已经抹平了这些差距。 “人们真的很容易低估自己能做多少事。” 🌐 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：知名商业传记播客《Founders》 本期嘉宾 Michael Ovitz 的名字在好莱坞就是“权力”的代名词。作为 CAA（创新艺人经纪公司）的联合创始人，他曾被誉为“好莱坞之王”。在这期节目中，你将听到他与《Founders》主持人 David Senra 之间关于商业本质与人生哲学的深度碰撞。Ovitz 分享了他如何从收发室每天提早两个半小时上班开始，凭借对电影史的海量研究和对人才的极致追求，重塑了整个娱乐行业的规则。他会揭秘如何通过“认知框架”预判商业走向，如何用“非销售”的手段完成顶级融资，以及为什么在 AI 时代，“深度好奇心”依然是无法被打败的终极优势。这不仅是一次对好莱坞往事的追忆，更是一场关于如何识别 A 级人才、如何在竞争中保持垄断地位、以及如何建立长青企业的实战大师课。 👨‍⚕️ 本期嘉宾 Michael Ovitz，CAA（Creative Artists Agency）联合创始人，好莱坞最具影响力的经纪人之一。他曾代理过斯皮尔伯格、斯科塞斯、保罗·纽曼等顶级巨星，并主导了索尼收购哥伦比亚影业、松下收购环球影业等重大跨国交易。他也是一位著名的艺术收藏家和科技投资人。 ⏱️ 时间戳 00:00 开场 & 播客简介 顶级大脑的共通特质 02:05 智力上的“变色龙”：Marc Andreessen 的超强处理能力与沟通艺术 07:12 联合创始人的脆弱性：为什么 90% 的合伙关系会走向破裂？ 11:55 押注 A 级人才：从 Steve Jobs 到好莱坞导演的选人准则 商业博弈与销售心法 12:39 洛克菲勒的“黑带”销售：不提一个钱字，却让对方主动捐出巨款 23:36 认知框架的力量：为什么“我看过这部电影”是老牌创业者的核心优势 30:17 识别天才的直觉：Nobu 寿司与 Wolfgang Puck 餐厅背后的商业嗅觉 40:20 拿破仑式的野心：为什么胃口是“越吃越大”的？ 从收发室到权力巅峰 43:41 幸存者游戏：在收发室“干掉”另外 19 个竞争对手的狠劲 49:31 知识就是力量：CAA 内部的必读书单与电影史培训 52:34 跨界好奇心：为什么经纪人要读女性杂志和汽车杂志？ 01:00:37 诚信是最高效率：在没有合同的情况下完成成百上千笔交易 颠覆行业的实战案例 01:12:07 创造性商业：将制片厂卖给日本资本的底层逻辑 01:28:42 可口可乐营销战：如何用 35 个定制广告击溃麦迪逊大道 01:33:46 错误学习法：Patrick Collison 如何通过复盘 Ovitz 的失败来学习 01:40:46 班长竞选的教训：宁愿做被批评的行动派，也不做无所作为的平庸者 人生哲学与终极驱动力 01:52:41 失败是勋章：美国商业文化中对“重新站起来”的尊重 01:54:14 逃离“山谷”：出身贫寒带来的二元动力——要么成功，要么死亡 02:01:59 怀念迈克尔·克莱顿：一段长达 30 年、基于好奇心与忠诚的友谊 02:08:42 总结：永不满足，永不停止学习 🌟 精彩内容 💡 认知框架：商业世界的“预知梦” Michael Ovitz 提出了一个深刻的观点：长寿和丰富的经历会带来更广的“认知框架”。当面对艰难决策时，他能看到别人看不到的东西，因为“这部电影我以前看过”。无论是处理个人矛盾还是复杂的商业并购，他都能迅速将现状分类并预判结果。 🛠️ 销售的最高境界：无拳之拳 通过讲述大卫·洛克菲勒为 MoMA 筹款的故事，Ovitz 揭示了顶级销售的秘诀——克制。洛克菲勒在三小时的谈话中不提钱，只聊愿景和艺术，最终让 Ovitz 主动捐出了超出预期的款项。这种“不卖而卖”的策略被他视为销售的“黑带水平”。 🚀 极度勤奋与情报收集 在威廉·莫里斯经纪公司的收发室时期，Ovitz 每天 6:30 到岗，利用无人干扰的时间读遍好莱坞几十年的文件。他甚至订阅 210 种杂志，从女性时尚杂志中捕捉未来六个月的文化潮流。这种对情报的病态痴迷，让他能与任何领域的顶尖人物（如赛车迷保罗·纽曼）进行深度对话并建立信任。 💻 诚信作为商业底色 在 CAA 创立初期，由于缺乏资金和律师，许多交易是靠口头协议完成的。Ovitz 强调，在充满谎言的行业里，“不撒谎”和“极致的跟进”反而成了最革命性的竞争优势。他坚持对合作伙伴保持 100% 的透明度，确保每个人都不会感到被排挤。 ❤️ 创始人的“二元”动力 Ovitz 坦言，即使在他功成名就之后，童年时期在圣费尔南多谷的贫困记忆依然挥之不去。对他来说，成功是“二元”的：要么赢，要么死。这种对平庸的恐惧和对世界永不枯竭的好奇心，构成了他至今不愿退休、持续带教年轻人的底层驱动力。 🌐 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：硅谷顶尖思想对谈《#BLOCKCON - Fireside Chat》#BLOCKCON - Day 2 (Oct 11) - Fireside Chat: Nassim Nicholas Taleb & Naval Ravikant 当今世界最清醒的思想家纳西姆·塔勒布，与硅谷投资哲人纳瓦尔坐到了一起。塔勒布作为《黑天鹅》、《反脆弱》的作者，在这场对话中不仅定义了什么是真正的“风险共担”，更揭示了为什么我们正处于一个被“知识分子白痴”（IYI）统治的脆弱时代。你将听到：为什么你应该雇佣那个看起来最不像医生的医生？为什么不到 3% 的顽固少数派能决定全美国人喝什么饮料？为什么比特币是人类历史上对“鲍勃·鲁宾交易”的一次大复仇？这不仅是一场关于金融和概率的讨论，更是一次关于勇气、美德和如何在不确定的世界中通过“路径依赖”生存下去的思维洗礼。 原博客时间：Oct 15, 2018 👨‍⚕️ 本期嘉宾 纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb），知名思想家、概率学家、前衍生品交易员。著有《黑天鹅》、《反脆弱》、《随机漫步的傻瓜》以及《风险共担》。他致力于研究不确定性、概率和知识论问题。 纳瓦尔·拉维康特（Naval Ravikant），知名股权众筹平台 AngelList 创始人，硅谷著名天使投资人，以其关于财富与幸福的哲学思考闻名。 ⏱️ 时间戳 00:00 开场 & 播客简介 理论与实践的鸿沟 01:50 从交易员到学者：为什么理论家总在胡说八道 05:35 专家问题：如何区分“真专家”与“知识分子白痴” (IYI) 07:19 餐饮业的启示：同行评判（拿奖）vs. 现实评判（倒闭） 10:41 预测的无能：为什么占星师的记录可能比经济学家更好 风险共担的深度定义 13:24 汉谟拉比法典：建筑师、死刑与防止隐藏风险 14:33 鲍勃·鲁宾交易：当损失被社会化，而收益被私有化 15:48 比特币的诞生：对银行救助和代际财富掠夺的复仇 17:59 白银法则：为什么“己所不欲勿施于人”比黄金法则更稳健 20:45 历史的对称性：为什么古代领导者必须身先士卒 真实信号与美德 23:08 扎哈维信号：伤疤是冒险者无法伪造的勋章 25:55 虚假美德：为什么不包含牺牲的“环保提示”不是美德 26:39 给年轻人的建议：去创业，去失败，不要加入 NGO 32:11 医生测验：为什么你应该选那个长得像“屠夫”的医生 非对称性与林迪效应 37:09 试错胜过设计：在波动中获益的“凸性”思维 42:06 林迪效应：为什么老技术（叉子）比新技术更长寿 44:46 货币竞争：神为什么只接受最坚挺的货币 45:57 政币分离：加密货币如何重塑国家与货币的关系 少数派原则与遍历性 46:54 少数派原则：为什么不到 1% 的顽固者能决定社会规则 53:54 自动挡与清真肉：非对称偏好如何支配全球供应链 58:10 遍历性与路径依赖：为什么“损失厌恶”是极其理性的 01:00:27 俄罗斯轮盘赌：为什么群体概率不等于个体命运 01:03:03 总结：不确定性越大，决策反而越简单 🌟 精彩内容 💡 理论与实践的本质区别 塔勒布指出，在学术圈，人们只被同行评判，这导致了模型的脱节。而真实世界是由盈亏报表驱动的。 “理论上，理论和实践没有区别；但在实践中，区别可大了。” ⚖️ 鲍勃·鲁宾交易与比特币 对话深入探讨了 2008 年金融危机中银行家如何拿走奖金却让纳税人承担风险。纳瓦尔认为，比特币的创世区块正是对这种不对称性的“复仇”，旨在实现货币与国家的彻底分离。 🍦 少数派原则（Minority Rule） 这是一个极具启发性的观点：社会规则往往不是由多数人决定的，而是由一小撮“不愿妥协的少数派”决定的。例如，因为少数犹太人不喝非洁食饮料，导致全美的饮料几乎都变成了洁食认证。这一原则解释了道德演变、市场偏好乃至政治革命。 🎲 遍历性（Ergodicity）与生存 塔勒布批判了行为经济学家对“损失厌恶”的误读。他认为，如果一个行为有爆仓（毁灭）的风险，那么无论预期收益多高，都不值得尝试。 “你可以承担所有风险，但要确保你明天还能站在这里。” 🩺 医生测验：反直觉的雇佣逻辑 如果你有两个医生可选，一个光鲜亮丽像好莱坞明星，一个像粗鲁的屠夫，且两人级别相同。塔勒布建议选那个“屠夫”，因为他必须克服外表的巨大偏见才能达到同样的地位，这意味着他的医术必然远超常人。 🌐 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