迪魔王 Devmore - More about Dev

# 导读 本期嘉宾是公众号「AI 产品银海」的主理人银海，一位因为热爱分享而误入媒体圈的 AI 产品运营。 银海从电子信息工程专业毕业，第一份工作在创维做大数据工程师，因为全公司只招了他一个大数据工程师，被迫从技术到产品"全栈"成长。之后辗转数据安全、AI 设计工具等领域，最终扎根阿里云做 AI 产品运营。与此同时，他从 Datawhale 社区贡献者起步，写 Prompt 手册、共建 WayToAGI，一路"被看见"，歪打正着成了六万粉丝的 AI 领域 KOL。 这期我们聊了银海一路走来的职业选择，也请他给普通用户科普了 Agent、Workflow、SubAgent 这些概念到底意味着什么，以及一个最实际的问题——传统行业的老板到底该怎么买 AI 服务。最后我们还聊了聊 KOL 这条路到底值不值得走。希望对你有启发～ # 主播 - 五花肉：专注开发者生态运营超过十年，涉及前端、中间件、数据库、操作系统等技术栈，在云原生和开源领域有较深运营经历。目前投身 AI 行业做产品运营，积极探索新工具时代下的增长方法论。 # 嘉宾 - 银海：95 后，电子信息工程出身，历任创维大数据工程师/产品经理、安恒信息数据安全产品经理，现任阿里云 AI 产品运营，专注 Agent 方向。公众号「AI 产品银海」主理人，Datawhale 早期成员，WayToAGI 社区共建者。 # 时间轴 Part1 -【00:21】我是怎么成为 AI KOL的？ -【02:58】从电子信息工程到创维的大数据工程师 -【05:57】从技术“被迫”转型产品经理 -【09:01】接触 AI：从 ChatGPT 开始的学习者之路 -【11:02】社区贡献：Datawhale、Prompt 手册与被看见 -【14:00】共建 WayToAGI，加入阿里做 AI 设计工具 -【15:56】AI 产品经理 vs 传统 PM，技术背景如何加成 -【20:00】为什么从产品经理转做产品运营 -【23:40】起号「AI 产品银海」：用 Vibe Writing 保持持续更新 -【28:11】做公众号可以很好的验证市场热情 Part2 -【31:36】怎么去用好 AI？ -【32:05】概念科普：Agent、Workflow、SubAgent、AgentTeam -【35:00】怎么去买对 AI 服务？ -【39:44】如何评估 AI 输出质量与发现真实需求 -【43:44】最糟糕的 AI 使用方式 Part3 -【46:01】KOL 是好的出路吗？ -【49:06】流量不属于你，只是平台需要你的时候赏的红利 -【52:00】银海的自我定位：学者 -【53:13】给开发者的建议：持续输出、被看见与顺应势能 # 延伸阅读 - 【Agent】：AI 智能体，能够自主感知环境、理解目标并采取行动以完成任务的 AI 系统。与传统的单一"提示-响应"模式不同，Agent 具备规划、记忆、工具调用和自主决策能力，可以将复杂任务分解为多个子步骤逐步执行。 - 【Workflow】：工作流，指将一个复杂任务拆解为多个有序步骤的执行流程。在 AI 应用中，Workflow 通常通过预设的规则和流程编排，让模型按照既定路径完成输入处理、中间推理和输出生成。与 Agent 的自主决策不同，Workflow 更强调流程的确定性和可控性，类似于日常工作中的 SOP（标准作业程序）。 - 【SubAgent】：子智能体，在 Agent 架构中负责处理特定子任务的独立智能体。类似于团队中的实习生或专员，SubAgent 由主 Agent 调度，专注于单一职责（如数据收集、格式转换、内容校验等），完成后将结果汇报给主 Agent 进行整合。通过合理分配子任务，可以提升整体执行效率和输出质量。 - 【AgentTeam】：智能体团队，由多个 Agent 协作完成复杂任务的组织形态。类似真实团队中不同角色分工协作，每个 Agent 承担不同职能，通过消息传递和任务编排实现协同。AgentTeam 适用于需要多维度能力（如研究、编码、测试、设计）的复杂项目场景。 - 【Prompt】：提示词，用户输入给 AI 模型的指令或问题文本。良好的 Prompt 设计包括明确的角色设定、任务描述、输出格式要求和示例参考，能够显著提升模型的输出质量和稳定性。Prompt Engineering（提示词工程）已成为 AI 应用中的核心技能之一。 - 【MaaS】：模型即服务（Model as a Service），将大语言模型以 API 形式提供给开发者和企业使用的云服务模式。用户无需自行训练模型，通过调用 API 即可获得模型的推理能力，按调用量或套餐付费。代表性平台包括阿里云百炼、火山引擎等。MaaS 平台同时提供模型微调、Agent 编排、数据管理等配套工具。 - 【工业 4.0】：第四次工业革命的概念，核心是通过物联网、大数据、人工智能等技术实现制造业的智能化和数字化转型。强调信息物理系统（CPS）的融合，将工厂数字化系统（如 ERP、SAP、仓储系统）中的数据采集、分析和可视化，以优化生产流程、提升效率和质量。 # 推荐 - 公众号「AI 产品银海」：银海的个人公众号，聚焦 AI 产品测评、产品体验和实践分享，当前有六万多关注。 - Datawhale：开源 AI 学习社区，提供从机器学习到大模型方向的系统化教程，早期聚焦 AI 1.0 时代的教学体系。 - WayToAGI：AI 社区，早期共建 Prompt 工程案例和教程，是国内最活跃的 AI 学习与实践社区之一。 - 豆包语音输入法：字节跳动旗下豆包客户端内置的语音转文本功能，银海早期用于公众号"语音写作"的核心工具。 - 阿里云百炼：阿里云旗下的 MaaS 平台，提供大模型 API、Agent 编排、模型微调等企业级 AI 基建工具。 # Staff 后期：迪西 运营：小迪 文档：天猪 # 关于节目 「迪魔王Devmore」让有意义的事情有意思。 [DevmoreWork](https://www.yuque.com/devmore/work)，more about work，侧重专业的职场话题，邀请行业专业嘉宾，为大家带来更多专业方向的知识和参考。 [DevmoreLife](https://www.yuque.com/devmore/life)，tech in life，是技术生活系列，技术源于生活，又归于生活，该系列跟你聊一聊生活中无处不在的技术。 [MeetDevmore](https://www.yuque.com/devmore/meet)，meet with us，围绕某一个话题，邀请嘉宾和听众们边吃边聊，我们相信，每一个观点都值得被听见。

# 导读 本期嘉宾是「跟着阿亮学AI」主理人阿亮，一个十几年前就和 OpenClaw（小龙虾）作者 Peter 有过邮件缘份、如今靠 AI 内容半年涨到 10 万粉丝的大厂程序员出身的创业者。 十几年前，他买过 Peter 做的 PDF SDK，用邮件聊了几句；十几年后，Peter 发布了席卷全球的开源项目「小龙虾」，他成了国内把这波流量吃得最准的 AI 博主之一。缘份这件事，有时候真的说不清楚。 阿亮，「跟着阿亮学AI」的主理人。大厂程序员出身，14 年出来创业，起起伏伏做了十几年移动互联网产品；2025 年 8 月，面对AI浪潮和下坡路中的旧业务，他做了一个在当时看起来并不确定的决定——开始在小红书上输出 AI 内容。半年多，从零到 10 万粉丝，3 月份一波龙虾热潮让他彻底「起飞」。 这一期我们和阿亮聊了很多真实的事：怎么从完全不懂做内容，到摸索出一套自己的节奏？流量焦虑、零反馈、负反馈，怎么不被这些事拖垮？AI 在他的内容工作流里到底占多大比重（答案可能让你意外）？程序员做知识型 KOL，真正的优势在哪、坑在哪？希望这一期能给正在考虑转型、或者在摸索中坚持的你，一些实在的参考～ # 主播 - 五花肉：专注开发者生态运营超过十年，涉及前端、中间件、数据库、操作系统等技术栈，在云原生和开源领域有较深运营经历。目前投身 AI 行业做产品运营，积极探索新工具时代下的增长方法论。对「知识型 KOL」这件事充满好奇、正在摸索答案的主持人。 - 迪西：同样大厂程序员出身，也在做知识自媒体播客。 # 嘉宾 - 阿亮：「[跟着阿亮学AI]」小红书账号主理人，10 万粉丝知识博主。大厂程序员出身，2014 年出来独立创业，在移动互联网领域做了十余年产品开发与运营；2025 年 8 月起开始做 AI 自媒体，半年积累超 10 万粉丝。同时持续经营 AI 方向的软件产品（App、网站及 ToB 工具）。 # 时间轴 -【00:00】开场：阿亮和龙虾作者 Peter 的十几年前缘分 -【02:07】阿亮自我介绍：大厂→创业→AI 自媒体的路径 -【03:30】观察阿亮账号：内容分几个阶段，龙虾那波是怎么回事 -【05:14】商业化思维 vs 程序员技术功底，哪个帮了你更多 -【09:45】内容分发策略：为什么重点押注小红书 -【13:00】流量焦虑与选题焦虑，怎么应对 -【14:37】能不能让 AI 帮你做选题、自动生产内容？亲测结论 -【19:05】个人 IP 时代：「活人感」为什么是核心竞争力 -【23:03】零反馈和负反馈：怎么撑过最难的阶段 -【30:33】从一个人做到小团队：招剪辑、招编导的节奏 -【38:12】自媒体商业化的现实：接商单、带货还是做产品 -【42:00】AI 在你的工作流里占多少比重？（反直觉的答案） -【48:00】程序员适合做 AI 方向自媒体吗？如何入门 -【54:33】内容推荐：文字和视频类的对标账号 -【01:00:08】创业建议：从副业起步，找到合适时机再全职 # 推荐 -【Claude Code】：Anthropic 推出的 AI 编程工具，以终端命令行为主要交互方式，能够直接操作文件系统、执行代码、进行复杂工程任务，定位为面向专业开发者的深度编程助手。相比图形界面工具，上手门槛较高，但在处理复杂代码库、自动化开发流程方面有独特优势。 -【OpenClaw（小龙虾）】：由开发者 Peter Steinberger 开源的 AI Agent 应用，支持多模型接入、插件扩展、本地大模型部署等功能。与传统的聊天机器人不同，OpenClaw 被设计为一个可以深度控制用户本地电脑并自主处理复杂任务的 AI 智能体。它可以替用户处理文件、自动发邮件、编写代码等，引发了极大的关注与热潮。 # 推荐 - 账号：[跟着阿亮学AI](https://www.xiaohongshu.com/user/profile/5f84695f0000000001008c8d) — 阿亮的小红书账号，专注 AI 工具实操与知识科普 - X（Twitter）：关注 OpenAI、Anthropic 相关 CEO/研究员账号，是获取一手 AI 动态的核心渠道 - 账号推荐（文字类）：数字生命卡兹克、新智元 - 账号推荐（视频类）：秋芝、技术爬爬虾 # Staff 后期：迪西 运营：小迪 文档：天猪 # 关于节目 「迪魔王Devmore」让有意义的事情有意思。 [DevmoreWork](https://www.yuque.com/devmore/work)，more about work，侧重专业的职场话题，邀请行业专业嘉宾，为大家带来更多专业方向的知识和参考。 [DevmoreLife](https://www.yuque.com/devmore/life)，tech in life，是技术生活系列，技术源于生活，又归于生活，该系列跟你聊一聊生活中无处不在的技术。 [MeetDevmore](https://www.yuque.com/devmore/meet)，meet with us，围绕某一个话题，邀请嘉宾和听众们边吃边聊，我们相信，每一个观点都值得被听见。

# 导读 "黑客松从马拉松变成了短跑。"这是悠一对 AI 时代黑客松最精准的一句概括。 一个 03 年的年轻人，在 gap year 里没有选择刷题备考，而是背着电脑跑遍长三角——南客松、TRAE黑客松、圣诞黑客松、鬼屋黑客松、渝客松线上赛、汤泉黑客松、小红书黑客松……连自己都记不清楚参加过多少场了，却因此成了黑客松赛场上的熟面孔，并自称"老兵"。悠一说，这半年的黑客松经历，顶得上大学两三年学到的东西——不管是软件开发层面，还是为人处事。 我们聊了从 2013 年第一批国内黑客松到如今 AI 爆发下黑客松雨后春笋般涌现的变与不变，聊了 AI Native Developer 到底是什么（放大镜、指挥棒、瑞士军刀），聊了那场在楼顶因信号太差演示视频卡成幻灯片的遗憾，还有硬件赛道为什么容易获奖、PocketGuitar 怎么靠一首现场弹奏拿走 20 万大奖，以及"悲观者正确，乐观者前行"这句话对三个不同代际的开发者意味着什么。 从老登到年轻人，这一期或许能给正在经历 AI 焦虑的你，一些不太一样的视角～ # 主播 - 五花肉：国内第一批黑客松组织者，2013 年起给饿了么等大企业定制黑客松活动。专注开发者生态运营超过十年，目前投身 AI 行业做产品运营，积极探索新工具时代下的增长方法论。 - 迪西：刚刚参加完黑客松比赛，在努力从传统开发向 AI Native Developer 转变的工程师。 # 嘉宾 - 悠一：03 年生，长三角黑客松"老兵"，AI Native Developer 的践行者。本科学数据清洗与模型训练，gap year 期间一边实习一边跑遍各大黑客松赛场，现就读于日本福井大学研究生院。参加过 AdventureX、南客松、圣诞黑客松、鬼屋黑客松、重庆渝客松、环球黑客松、小红书巅峰赛等多场黑客松，并曾在中科大组织高校黑客松复赛。 # 时间轴 -【01:25】悠一自我介绍：福井大学研究生 & 黑客松老兵 -【02:06】什么触发了向 AI Native 开发者的转变？看 AdventureX 时的顿悟 -【04:30】AI Native Developer 的三个关键词：放大镜、指挥棒、瑞士军刀 -【05:20】过去一年参加了多少场黑客松？记不清了…… -【07:01】第一场南客松是什么体验？那时已经熟练掌握 Cursor 了 -【07:35】最遗憾的一场：圣诞黑客松楼顶演示，信号太差 PPT 卡成幻灯片 -【08:14】那场比赛做了什么：能在播客里丝滑插入问答的互动工具 -【10:14】参加 AI 黑客松的人都是什么来头？学生多、设计师多、04/05 后越来越多 -【11:37】硬件 + AI 赛道：获奖概率依然很高的秘诀 -【13:35】Rokid AI 眼镜黑客松：帮助 ADHD 用户阅读论文的眼镜产品 -【14:07】最让眼前一亮的作品：脑机接口控制轮椅、PocketGuitar 口袋吉他拿走 20 万大奖 -【15:17】让人共鸣的产品更容易得奖，但评审维度每场都不一样 -【17:35】你会提前研究评委维度再准备 idea 吗？ -【18:36】五花肉：2013 年国内第一批黑客松和 AI 时代黑客松的三大变化 -【22:55】AI 时代打黑客松还需要熬夜吗？ -【24:00】悠一理想中的黑客松：吃好、喝好、睡好 -【27:03】每参加一场黑客松就是融入最新技术潮流的过程 -【27:32】焦虑与确定感同时存在，所以不断参赛 -【28:23】队友从现场临时组队到找熟悉老搭档：效率优先 -【29:43】参加黑客松对悠一的职业选择有什么影响？ -【30:04】为什么不国内考研而选择去日本申请研究生 -【31:04】"这半年比赛经历顶得上大学两三年" -【36:10】AI Native 思维是什么：把 AI 当成信任的专家伙伴，而不是执行命令的工具 -【38:01】评估不同模型的成本有多高？用 Arena 和线下观察来选 -【41:01】IDE 在 AI 时代还有价值吗？老登和年轻人的不同适应感 -【42:52】AI 时代开发者留下来的核心能力：测试、审美、全栈联调 -【46:43】老登迪西的视角：这波冲击还没缓过来，技术判断力 + 业务能力两条腿 -【50:25】南坡北坡：AI 技术上升 vs 人与物理世界更多连接 -【51:19】如何面对 AI 焦虑：像"一二三木头人"，时不时回头看一眼就够了 -【53:37】迪西：找到自己的那条主线，再去看 AI 进化到哪了 # 延伸阅读 - 【黑客松（Hackathon）】：由 "Hack"（黑客/编程）和 "Marathon"（马拉松）合成的词，指一种在限定时间内（通常 24-48 小时）让开发者、设计师、产品经理等集中快速构建产品原型并进行路演评审的竞赛形式。起源于上世纪末的硅谷开发者文化，在国内大约从 2013 年前后开始兴起，最初多以云服务商为赞助方。AI 时代的黑客松作品完成度和部署成熟度大幅提升，许多作品在比赛结束后即可直接上架应用市场。 - 【AI Native Developer】：指在开发流程中将 AI 工具深度嵌入的开发者。狭义理解为"做出来的产品离开了 AI 就无法存在"；广义理解为在做任何事情之前，将 AI 当作信任的专家伙伴优先进行探讨，而非仅将其作为执行工具。区别于传统"先在脑子里构思框架，再告诉 AI 怎么做"的工作方式。 - 【AdventureX】：国内知名黑客松品牌，以高质量的参赛作品和赞助商资源著称，曾获得 Dify 等 AI 基础设施公司赞助。2024 年的那场 AdventureX 是悠一从"手搓代码"转向 AI Native 开发的重要契机。 - 【Dify】：一款开源的 LLM 应用开发平台，提供可视化的 AI 工作流搭建能力，使设计师、非技术背景人员也能搭建完整的 AI 应用产品。 - 【LangGraph】：基于 LangChain 的一个图形化工作流框架，用于构建有状态的多步骤 AI 应用和 Agent，尤其适合构建需要复杂流程控制的 AI 产品。 - 【MCP（Model Context Protocol）】：Anthropic 发布的一种开放协议，用于标准化 AI 模型与外部工具、数据源之间的连接方式，让不同模型能够调用各类工具和服务。被视为 AI 时代的"USB 接口"。 - 【SuperPower Skill】：GitHub 上一个高星开源项目，提供一套完整的 AI 辅助开发工作流：从头脑风暴 → 反问澄清需求 → 生成规范文档 → 写详细 Plan → TDD 测试驱动开发 → 验证 → 交付，推动开发者在 AI 时代完成完整的软件工程流程。 - 【TDD（测试驱动开发）】：Test-Driven Development，一种软件开发方法论，要求在写功能代码之前先写测试用例，通过测试来驱动代码实现。在 AI 编程时代，部分 AI 编程工具已能自动实现 TDD 流程。 - 【脑机接口（BCI）】：Brain-Computer Interface，通过感知大脑或肌肉的电信号来控制外部设备的技术。节目中提到的小红书巅峰赛上，一对夫妻档团队制作了绑在额头上的脑机接口设备，通过感知肌肉电信号控制轮椅前进，令人动容。 - 【Codex】：OpenAI 推出的 AI 编程工具/模型，支持自然语言生成代码。 - 【minimax】：国产多模态大模型，以语音克隆（TTS）能力和文本生成能力见长，在播客相关应用中表现突出。 # 推荐 - SuperPower Skill：GitHub 高星开源项目，提供从需求探讨到 TDD 开发的完整 AI 辅助工作流，可在 GitHub 搜索 `superpowerskill` 找到。 - AI Arena（LMSYS Chatbot Arena）：一个让用户对比不同模型输出、以匿名方式投票的第三方模型评测平台，相对客观，适合用来参考模型综合能力排行。 # Staff 后期：迪西 运营：潘潘 文档：天猪 # 关于节目 「迪魔王Devmore」让有意义的事情有意思。 [DevmoreWork](https://www.yuque.com/devmore/work)，more about work，侧重专业的职场话题，邀请行业专业嘉宾，为大家带来更多专业方向的知识和参考。 [DevmoreLife](https://www.yuque.com/devmore/life)，tech in life，是技术生活系列，技术源于生活，又归于生活，该系列跟你聊一聊生活中无处不在的技术。 [MeetDevmore](https://www.yuque.com/devmore/meet)，meet with us，围绕某一个话题，邀请嘉宾和听众们边吃边聊，我们相信，每一个观点都值得被听见。

# 导读 如果说前几年我们还在讨论 “AI 能不能写代码”，那么到 2025 年，问题已经变成了——当 AI 写得比我们快、比我们好，甚至比我们“更像工程师”，我们在做什么？做投降派/降临派还是拯救派。 这一期 MeetDevmore，是老朋友的一次久违的聚会，几位长期站在一线的工程师、产品人、运营者，只是坐下来，复盘这一两年里真实发生的变化，我们聊了接近两个小时。 有人兴奋有人焦虑，有人已经彻底换了行业。也许能给在十字路口兴奋或者恐慌的你，一些启发或者陪伴。 ## 本期你会听到什么？ - 2022 年底到现在，真实发生的人才迭代，互联网行业真的是冲击最快的吗？ - 低代码平台还需要存在吗，AI Coding 到底替代了什么，又放大了什么？ - Agent 为什么在 2025 年才真正「能用」？ - 程序员、设计师、产品经理的边界是否正在消失？ 等等 ## 核心观点提炼 - AI 不是“更快的程序员”，而是改变了问题拆解与协作结构，解决问题永远是核心能力 - Agent 的关键不是自动化，而是上下文、工具与任务规划能力 - 单一技能正在快速贬值，多技能与系统理解成为新门槛 ## 适合谁听？ - 开始担心 “我会不会被 AI 替代” 的技术人 - 已经在用 AI Coding，但总觉得哪里不踏实的人 - 想理解下一代开发方式，而不是只学新工具的人 - 围绕 开发者生态 的市场/运营从业者 # 主播 - 五花肉：【迪魔王Devmore】 主理人，超过14年开发者生态运营经验。 - Laura：【非做不可 | FeMake It】主播，Leapility CMO, AI Agent 实用派。 - 天意：网易 CodeWave 打杂，AI Coding 降临派。 - 天猪：【迪魔王Devmore】 打杂工，AI Coding 从业者， AI Coding 拯救派。 - 迪西：连续创业技术人，AI Coding 投降派。 # 时间轴 -【00:47】2025 年 AI 行业回顾：亲历者的真实感受 -【08:52】AI Coding 开始冲击程序员岗位，焦虑从哪里来？ -【14:00】从 Vibe Coding 到 Spec Coding：开发方式的拐点 -【22:00】Agent 为什么 2025 年才真正“能用”？ -【28:05】RAG 在上下文增强后为何逐渐失效 -【34:05】当 AI 写代码超过你，人类角色发生了什么变化 -【47:04】Vibe Coding：非技术背景创业者的新机会 -【55:02】长尾需求与 AI：低成本验证正在改变产品形态 -【57:52】Benchmark 的意义与局限：指标不等于体验 -【01:18:35】AI Coding 的边界：为什么仍然需要人 -【01:29:05】2025 年高频 AI 工具与 Coding 工作流推荐 -【01:40:28】对 2026 年 AI、Agent 与硬件形态的预测 # 延伸阅读 -【Agent（智能体）】：一类具备自主决策能力的 AI 系统，通常结合大模型、工具调用、记忆机制与任务规划能力，可在给定目标下连续执行多步操作。 -【AI Coding】：指利用人工智能模型辅助或主导软件开发过程的技术范式，涵盖代码生成、理解、重构与调试等环节，旨在提升开发效率并降低编程门槛。 -【Vibe Coding】：一种以“快速试错 + 即时反馈”为核心的编程方式，通常通过与 AI 的多轮交互不断修正目标和实现路径，强调探索过程而非一次性准确实现。 -【Spec Coding】：以结构化需求说明（Specification）为核心驱动的开发方式，通过明确约束、接口与规则，引导 AI 或工程实现复杂系统，强调可控性、稳定性与可维护性。 -【Benchmark】：用于评估模型或系统性能的标准化测试方法，通过统一任务和指标对不同方案进行对比，但往往无法完整反映真实业务场景中的使用效果。 -【MCP（Model Context Protocol）】：一种用于规范大模型上下文管理与工具调用方式的协议设计，目标是提升模型在复杂任务中的一致性、可控性与工程可落地性。 -【SKILLS】：在智能体系统中，将复杂工具能力或操作流程抽象为可复用的“技能单元”，以降低调用复杂度并提高执行稳定性。 -【RAG（Retrieval-Augmented Generation）】：一种将外部知识检索与生成模型结合的技术方案，通过在生成前引入相关信息以缓解模型知识不足的问题，常用于企业知识问答与专业领域应用。 # 我们的 2025 年度 AI 产品推荐 - Claude Code - ChatGPT - Cherry Studio - Notion - Trae - Lovable # Staff 后期：迪西 运营：小迪 文档：天猪 # 关于节目 「迪魔王Devmore」让有意义的事情有意思。 [DevmoreWork](https://www.yuque.com/devmore/work)，more about work，侧重专业的职场话题，邀请行业专业嘉宾，为大家带来更多专业方向的知识和参考。 [DevmoreLife](https://www.yuque.com/devmore/life)，tech in life，是技术生活系列，技术源于生活，又归于生活，该系列跟你聊一聊生活中无处不在的技术。 [MeetDevmore](https://www.yuque.com/devmore/meet)，meet with us，围绕某一个话题，邀请嘉宾和听众们边吃边聊，我们相信，每一个观点都值得被听见。