AI西经东译 - 节目列表

如果你的AI不仅能帮你处理数字世界的琐事，还能在你的桌面上拥有一个实体伙伴，你会如何使用它？本期节目，我们邀请到Anthropic公司负责Claude Cowork等产品的工程主管Felix Rieseberg，他将分享自己作为顶尖开发者和超级用户的双重身份下，如何将Claude的应用推向极限，并揭示当前AI发展的最大障碍并非技术，而是我们想象力的边界。 在本期节目中，Felix Rieseberg分享了他对AI工具发展的深刻洞见，将其比作智能手机形态最终确定为“玻璃鹅卵石”之前的探索期。他不仅展示了如何将繁杂的邮件系统转变为个人数据库，自动盘点所有资产，还动手为Claude打造了一个成本仅20美元的实体硬件伙伴，用于物理确认AI的操作。更发人深省的是，他通过观察自己9岁儿子与AI的互动，揭示了成年人因习惯于“事情行不通”而形成的思维定式，并探讨了新一代“数字原住民”将如何彻底改变我们与AI的协作方式。 您将了解到： * 如何将杂乱的邮箱变成你的“个人数据库”，让Claude自动盘点你的全部家当？ * 即使不懂编程，你如何能为自己打造一个充满复古情怀、并且能自动更新数据的个人仪表盘？ * Anthropic工程师如何只花20美元，就为Claude打造了一个能帮你“按确认键”的实体硬件伙伴？ * 为什么说新一代儿童使用AI的方式揭示了我们成年人思维中的“牢笼”，我们又该如何打破它？ 💡时点内容 | Key Topics * [01:40] AI的核心挑战与愿景：Felix Rieseberg指出，当前AI行业最大的障碍并非模型能力，而是“如何设计好人与模型的交互界面”。他分享了他的AI愿景，认为AI的价值不应是简单地移动光标，而是“在后台处理掉那些琐碎的杂事，从而把你的创造力完全解放出来”，并强调了接受异步工作模式的重要性。 * [02:10] 打造20美元的硬件伙伴：Felix Rieseberg展示了一个他用价值19美元的硬件制作的Claude物理伙伴，它能通过蓝牙连接，用于批准Claude的操作。他将这种探索与新一代儿童使用AI的方式联系起来，认为孩子们身上正发生奇妙的事情，因为“他们从来没有学过什么是不该问的，或者什么是做不到的。” * [04:40] AI产品的探索期：Felix Rieseberg将当前AI产品的发展阶段比作智能手机形态最终确定为“玻璃鹅卵石”之前的探索期。他指出，目前Claude提供多种入口是为了更好地理解用户意图，并认为“提前知道你的意图，能让我更容易地为你提供一个真正契合你需求的、体验极佳的产品。” * [07:39] AI赋能搬家规划：Felix Rieseberg分享了他使用Claude Co-work处理搬家琐事的经历，他上传了没有尺寸的户型图，Claude通过分析文件夹内的建筑许可文件，成功推算出尺寸。他强调，当自己“还没完全搞清楚自己到底想问什么”时，他会选择更强大的Opus模型。 * [13:38] 邮件作为个人数据库：Felix Rieseberg透露，他授权Claude访问其电子邮件，以自动盘点他购买过的所有家具，并将其添加到3D房屋规划器中。他强调了提升任务抽象层级的重要性，指出关键在于不断反思：“为什么我要自己告诉它我有什么家具？直接让它去弄清楚我有什么不就行了？” * [25:40] 实时数据与动态产物：Felix Rieseberg演示了Claude的“动态产物”（Live Artifacts）功能，它能连接各种数据源创建可自动刷新的个人仪表盘。他认为，该功能真正的威力在于整合多源信息进行深度准备，例如“查看我今天所有的会议，搞清楚我要和谁见面，帮我回顾一下我们最近的对话”。 * [37:53] AI解放非开发者创造力：Felix Rieseberg通过将动态仪表盘设计成2000年代复古风格，展示了AI工具如何激发非技术人员的创造力。他认为，真正激动人心的是让不同专业背景的人都能构建自己的“数字作品”，并表示非常期待看到像作家玛格丽特·阿特伍德“为自己写书而打造的工具”。 📺相关链接与资源 [视频来源]《How the engineer behind Claude Cowork actually uses Claude | Felix Rieseberg (Anthropic)》 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

继“上下文工程”之后，AI领域正迎来下一个热词——“驾驭工程”（Harness Engineering）。这不仅仅是又一个技术流行语，在本期节目中，嘉宾 Cole Medin 将为你揭示，它为何是顶级AI工程师必须掌握的新思维，以及如何通过构建外部框架，彻底改变你与AI智能体的协作方式。 当AI编程助手犯错时，你的第一反应是抱怨模型不够智能，然后无奈等待下一个版本吗？Cole Medin 指出，这正是普通工程师与顶尖工程师的分水岭。他认为，“驾驭工程”的核心是一种主动夺权的思维模式：将每一次失误都视为改进系统的机会。通过构建一个包含规则、技能和钩子（hooks）的“AI层”，你可以为AI智能体打造一个不断进化的外部框架，让它在你的调教下越用越聪明，最终实现将复杂任务拆解，让多个AI智能体自动化协作的终极目标。 您将了解到： * “上下文工程”已经过时？为什么说“驾驭工程”才是顶级AI工程师必须掌握的新思维？ * 当AI编程助手犯错时，除了等待下一个模型版本，你还能做什么来夺回主动权，让它越用越聪明？ * 如何将复杂的开发需求拆解，让多个AI智能体分工协作，并自动化地完成从规划、编码到审查的全过程？ 💡时点内容 | Key Topics * [01:35] Harness Engineering定义：Cole Medin将Harness Engineering定义为给大模型构建一个外部框架（wrapper），并指出这是对“context engineering”的直接演进。他认为，任何AI智能体都是底层模型与此框架的结合，该框架为模型提供了必要的工作流程，是理解和应用AI智能体的核心。 * [02:10] Harness的双重层次：Cole Medin阐述了Harness Engineering的两个层面。他指出，第一层是工具自带的预设框架，而第二层“AI层”才是用户可以构建的。他强调，构建这个包含规则、技能、钩子等组件的AI层比选择工具更重要，因为它定义了智能体的核心上下文和流程。 * [05:06] 从上下文到驾驭的演进：Cole Medin分析了Harness Engineering从Context Engineering的演进，并指出其核心区别。他认为，真正的进化在于“控制”，即编排多个代理会话，以及思维模式的转变：不再将智能体犯错归咎于模型，而是将其视为改进整个驾驭系统的机会。 * [08:36] 系统演进的思维模式：Cole Medin强调Harness Engineering的核心是一种“系统演进”的思维模式。他指出，工程师不应在智能体犯错时等待模型更新，而应主动夺回主导权。他认为，关键在于将每次失误都视为改进驾驭系统的机会，通过更新钩子或技能，让系统不断迭代。 * [12:07] AI层的实践应用：Cole Medin分享了构建AI层的具体实践，重点介绍了技能和钩子。他建议将规划、实施和验证拆分为独立技能以提高效率。同时，他展示了如何使用钩子增强安全性，如在工具调用前检查，或在任务完成后自动运行测试，强制智能体迭代。 * [15:38] 驾驭工程的终极形态：Cole Medin揭示了Harness Engineering的终极形态：编排多个代码智能体任务。他指出，将巨大任务丢给单个智能体会失败。他认为，关键在于将大任务拆解，为每个智能体分配高度专注的子任务，如规划、执行、审查等，并通过自动化工作流串联它们。 * [19:08] 自动化编排：RALPH循环：Cole Medin以“RALPH Loop”为例，展示了如何自动化编排多个智能体。他介绍称，该系统能接收复杂需求，自动拆分为小任务，然后依次启动编码智能体处理。他强调，系统会持续迭代直到所有需求都实现并通过验证，这代表了智能体工程的未来。 📺相关链接与资源 [视频来源]《Harness Engineering: What Separates Top Agentic Engineers Right Now》 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

面对外界关于谷歌在AI竞赛中“落后”的质疑，谷歌CEO Sundar Pichai首次坦诚回应，直面公司在技术前沿的优势与挑战。在这场深度对话中，他不仅剖析了谷歌在编程能力上的具体差距，更对AGI的必然到来以及AI如何重塑搜索的未来，给出了明确而深刻的判断。 自Bard发布以来，AI行业的变化堪称天翻地覆。Pichai坦言，尽管谷歌在多模态等领域处于前沿，但在复杂的长周期编程任务上确实“存在一些差距”。他认为这正是身处技术前沿的常态，并坚信谷歌的规模优势能使其多线并进。他还深入解读了谷歌搜索25年来最大变革背后的战略考量，探讨如何在AI时代带领用户平稳过渡到全新的信息获取方式。 您将了解到： * 谷歌在AI竞赛中真的落后了吗？Sundar Pichai如何回应外界的“追赶者”标签？ * 谷歌搜索25年来最大的变革意味着什么？传统的“十条蓝色链接”最终会消失吗？ * 谷歌CEO为何坚信AGI（通用人工智能）的到来“比想象中更近”？我们应该为此感到兴奋还是恐惧？ 💡时点内容 | Key Topics * [01:30] AI竞赛中的位置：Sundar Pichai回顾了自Bard发布以来的行业变化，并承认谷歌在AI竞赛中既有领先之处，也有落后领域。他指出，在需要使用工具、遵循指令的智能体解码和长周期编程任务上存在差距，并强调“这恰恰就是身处技术前沿的常态”。 * [04:06] 编程能力的差距：Sundar Pichai指出，编程能力是谷歌所有工作的基础，必须占据前沿。他坦言，尽管在生成简短代码方面表现良好，但在处理复杂代码库的长期连续性任务时，与业界最前沿水平相比仍“存在一些差距”，并表示团队正努力追赶。 * [04:31] 大公司的规模优势：Sundar Pichai回应了关于谷歌是否因战线过长而分散精力的质疑，他认为所有公司都在编程领域有重大投入。他强调，作为一家大公司，谷歌拥有规模优势，能够“同时专注于好几个重点领域”，并预测未来30到60天的变化将如同过去五年一样迅速。 * [06:46] 谷歌搜索的未来：Sundar Pichai讨论了谷歌搜索25年来最大的变革，并解释了为何未将AI模式设为默认。他强调，重要的是“要带着用户一起走过这段旅程”，同时确保产品满足期望。他预测，虽然搜索会持续演进，但内容来源和链接将永远是搜索的一部分。 * [09:29] 公众对AI的担忧：Sundar Pichai回应了公众对AI的普遍抵制情绪，他认为这种担忧是面对深刻技术变革的自然反应。他指出，人类的本性很难跟上如此剧烈的变化，并强调“如果大家对此不感到焦虑，我反而会觉得奇怪”，认为这场社会对话有其健康的一面。 * [12:03] AI与未来就业前景：Sundar Pichai预测了AI对未来工作的积极影响，他将AI的变革性与电子表格的出现相类比。他认为，AI将极大地提升生产力并创造新的机遇，并指出“它会彻底改变许多人的起点”，例如让更多人有能力编程，或帮助医生专注于核心工作。 * [14:42] 建立可信的AI智能体：Sundar Pichai分享了他在工作中使用AI智能体的个人体验，例如用它来准备会议。他将建立用户对智能体的信任比作“让人们敢于坐进自动驾驶汽车的后座”，强调必须通过循序渐进的方式，给予用户控制感和透明度来赢得信任。 * [22:24] AGI的必然到来：Sundar Pichai重申了他对AGI必然到来的信念，并解释说十年前推动公司转型正是基于此判断。他预测，AGI到来的时间点“可能比我们想的更近一些”，并强调，作为行业前沿的构建者，有责任让社会开始消化这个事实并为此做好准备。 📺相关链接与资源 [视频来源]《Sundar Pichai on Why Google Is Lagging Behind in A.I.》 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

AI浪潮之下，工作末日论甚嚣尘上，但本期嘉宾却断言，这不仅不是末日，反而是产品经理和设计师的黄金时代。一年前精准预言Claude崛起的Dan Shipper，Every的创始人兼CEO，将再次分享他对未来工作形态的惊人洞见，揭示为何深度拥抱AI反而让他的团队规模翻倍。 作为一家深度拥抱AI的初创公司，Every的CEO Dan Shipper和他的团队正在亲身实践未来的工作模式。公司里的每一个人，无论技术背景如何，都深度使用Codex、Claude等AI工具完成工作，这让他们成为了“未来的一个小小缩影”。正是在这种沉浸式环境中，Dan早在一年前就精准预言了Claude在非技术领域的崛起。如今，他的公司员工数在过去一年里翻了一倍，有力地反驳了“AI将取代人类”的普遍焦虑，并为我们揭示了一个自动化与人类创造力共存共荣的未来蓝图。 您将了解到： * 为什么说AI的崛起不仅不会终结SaaS，反而会开启它的黄金时代？ * 在AI能够编写代码、生成设计的未来，产品经理和设计师的核心价值将如何体现，为什么说他们才是最大的赢家？ * 当自动化工具日益强大，为什么一家深度拥抱AI的公司员工数反而翻了一倍？人类在未来工作中的新角色究竟是什么？ 💡时点内容 | Key Topics * [00:00] SaaS末日论的终结：Dan Shipper提出了一个反直觉的观点，预测SaaS的未来不是将AI嵌入自身，而是在Codex等AI智能体内部运行。他认为，这种模式将增加SaaS的用户数量（AI成为新用户），并保住其利润率，因为用户会“自带AI来”。因此，他大胆预测所谓的“SaaS末日论”根本站不住脚。 * [00:30] 自动化背后的悖论：Dan Shipper透露，他拥抱AI的公司在过去一年里员工人数翻了一倍，并指出了一个悖论：尽管自动化程度越来越高，人类需要做的事情反而更多了。他强调，“每个AI智能体背后都需要人来引导”，这催生了像“前线部署工程师”这样的新岗位，他们的工作就是确保AI智能体正常工作并做正确的事情。 * [01:00] 从构建到策展的转变：Dan Shipper观察到，随着AI工具的普及，工作的关键点已从“我们能不能做出来”转变为“我们如何保持整体的连贯性”。他预测，未来工作的一个重要组成部分将是审查他人的产出，确保大量AI生成的工作能以一种内聚、连贯的方式融入产品或流程中，这给技术人员和产品人员带来了新的挑战和价值。 * [01:30] 产品经理与设计师的黄金时代：Dan Shipper非常看好产品经理和全栈设计师在AI时代的未来。他以公司内部成员为例，说明了深度拥抱AI的产品经理如何能将出色的产品感与执行力结合，快速交付产品。他同样认为，全栈设计师也被极大地赋能，因为他们现在有能力亲手实现自己脑中那些“让产品看起来更惊艳、交互更有趣的想法”。 * [03:00] 体验未来的工作模式：Dan Shipper分享了他们公司Every如何成为“未来的小缩影”，通过让所有员工都成为AI早期采用者来亲身体验未来。他认为，这种沉浸式环境让他们能比其他公司更早地洞察趋势，并指出清晰地表达观察“能以一种特殊的方式让未来成为现实”。 * [09:00] AI工作的两种模式：Dan Shipper预测，未来的工作方式将朝两个主要方向分化。他指出，公司里每个人都会拥有可以分派工作的AI智能体，但初期模式会是整个公司共享的“超级智能体”。同时，他认为我们大部分工作都将在一个类似Codex的环境中完成，这种环境将成为“一种新的操作系统”。 * [1:15:11] 驾驭模型的艺术：Dan Shipper对如何应对AI变革给出了核心建议。他强调，成功的关键在于“驾驭这些模型”，这意味着无论从事何种工作，都要积极使用和探索新工具。他认为，不应出于焦虑，而要保持好奇心和爱玩的心态，因为“AI的前沿，其实就在AI与每一个具体的人、具体的事相结合的地方”，每个人都有机会成为新用途的发现者。 📺相关链接与资源： [视频来源]《PMs and designers are about to win the AI era | Dan Shipper》 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

AI代理的潜力远超想象，但99%的用户都不知道如何释放其全部威力，最终让它沦为昂贵的玩具。在本期节目中，资深玩家Alex Finn将分享六个彻底改变他工作流程的Hermes Agent实战用例，教你如何真正拥有一位24/7待命的AI员工。 Alex Finn将AI代理的运用提升到了一个全新高度，他不再将其视为简单的问答工具，而是打造成了一个真正自主工作的“AI员工”。想象一下，你只需通过一次“元提示”下达指令，AI就能为你连续工作超过24小时，从零开始构建一个复杂的3D游戏。或者，每天早晨，你只需将待办事项拖入一个看板，AI就会自动接管并完成任务，让你专注于只有人类才能处理的核心工作。从深入拆解竞品技术栈，到将所有设备联网变成一个由AI管理的超级终端，Alex的分享将彻底刷新你对AI代理的认知。 您将了解到： * 如何用一条指令让AI为你连续工作超过24小时，从零开始构建一个可玩的游戏？ * 如何设置一个自动化工作流，让你每天早晨只需花几分钟分配任务，AI就能像全职员工一样帮你处理待办事项？ * 怎样才能将你的所有电子设备连接成一个网络，让AI化身“超级管理员”，随时随地跨设备调取文件和执行任务？ 💡时点内容 | Key Topics * [01:36] 元提示工程解锁AI：Alex Finn分享了如何正确使用Hermes agent/goal指令来执行长期复杂任务。他指出，关键在于结合“元提示工程”，即先让AI为目标构思一个完美的提示词，再将这个详细的提示词用/goal指令。他认为，“可一旦你给它提供了正确的细节和约束条件，斜杠goal指令就会变得……威力无穷。” * [04:34] AI看板自动化工作流：Alex Finn介绍了他如何利用Hermes内置的看板工具来开启新的一天。他分享的工作流程是：早上将所有能由AI完成的任务放入看板的“待处理区”，AI代理便会自动执行。他将此比作拥有一个真正的员工，并强调“你就可以去处理那些‘人类专属’的工作。等你忙完回来，会发现 Hermes 已经把你交代的那些事情都处理得差不多了。” * [07:32] 竞品应用技术拆解：Alex Finn演示了如何利用Hermes对竞品应用进行全面的技术研究和拆解。他指出，可以让Hermes访问竞品网站，通过点击、查看开发者控制台等方式分析其技术栈和工作原理，并最终生成一份完整报告。他认为这个功能非常强大，因为“你可以非常迅速地模仿市面上的任何其他应用。” * [10:30] 创建专属记忆维基：Alex Finn分享了创建一个专属“记忆维基”的用法，即让Hermes搭建一个网站来自动记录所有对话主题和日常工作日志。他强调，这不仅能帮助用户回顾过去，“就像一个……全自动的日记本”，同时也能反过来强化Hermes自身的记忆能力，使其服务更加个性化。 * [10:59] 通用电脑管理员：Alex Finn透露了他最主要的使用案例：将Hermes变成一个“通用的电脑管理员”。他解释了如何通过安装Tailscale将所有设备连接到私有网络，从而授权Hermes跨设备操作，例如从台式机上取文件或在不同设备上测试代码。他认为，这“基本上把你的每一台设备，都变成了一个可以从世界任何地方访问的……庞大网络。” * [13:27] “清晨优先事项”提示：Alex Finn分享了最后一个用例，即设置“清晨优先事项”提示，让Hermes每天早上主动询问当天的首要任务。他指出，通过每天回答这个问题，AI能持续学习用户的背景和目标，从而提供更定制化的服务。他强调，“你的智能体对你的背景信息了解得越透彻，它能推荐的工作就越出色，能完成的工作也就越好。” 📺相关链接与资源 [视频来源]《These 6 Hermes Agent use cases blew my mind》 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

AI Agent Hermes 迎来了其史上最重磅的更新，其能力提升了不止10倍，足以彻底颠覆你的工作流。在本期节目中，嘉宾 Alex Finn 激动地宣称，这次更新正式将 Hermes 推向了超越所有竞争对手的王座，并详细拆解了如何利用其新功能，为你打造一个真正意义上的24/7全天候自主工作的“AI员工”。 长期以来，AI Agent 因其“健忘”和无法并行处理任务而备受诟病。Alex Finn 指出，Hermes 的这次革命性更新直击痛点：全新的“会话回顾”功能实现了零成本的永久记忆，彻底解决了上下文丢失问题；而“后台任务”则允许 Agent 同时处理多项复杂指令，真正实现了多线程工作。更令人震撼的是，Hermes 现在不仅集成了Grok进行实时社交媒体搜索，原生支持Codex进行专业级代码编写，甚至可以直接控制你的电脑操作系统，为你预定会议、整理文件。这不再是一个简单的聊天机器人，而是一个深度集成于你数字生活方方面面的超级助理。 您将了解到： * 如何拥有一位能记住所有对话、且记忆成本为零的24/7自动化员工？ * 当AI不仅能为你写代码、生成视频，还能直接控制你的电脑完成操作时，你的工作流程将发生怎样的颠覆？ * 如何将一个宏大的年度目标自动分解为数十个可执行的子任务，并分配给不同的AI代理去完成？ 💡时点内容 | Key Topics * [01:35] 永不遗忘的记忆力：Alex Finn介绍了Hermes Agent的“会话回顾”功能，指出它能记住与用户的所有历史交互，且完全不消耗AI token。他强调，这个新功能通过程序化方式解决了AI工具普遍存在的内存问题，并声称“直接把内存体验提升到了一个全新的层次”。 * [02:04] 后台并行多任务：Alex Finn演示了Hermes Agent的后台任务功能，展示了如何通过简单的指令让Agent同时处理多项复杂任务，而用户仍能进行实时交互。他认为，这解决了传统AI Agent一次只能处理一个任务的痛点，并称其为“和Agent进行多任务协作的最好方式”。 * [04:27] Grok实时搜索集成：Alex Finn宣布Hermes Agent现已集成Grok 4.3，并强调用户可以利用其授权实现对X平台的实时帖子搜索。他指出，这对于需要进行热点新闻或爆款内容研究的用户极为方便，并建议将Grok作为一个专用功能模块，以“获得原生、高效的体验”。 * [04:55] 原生Codex代码能力：Alex Finn透露Hermes Agent原生支持了Codex命令行工具，允许Agent在后台调用他认为是“目前最强的代码生成工具”来处理编程任务。他解释说，这不仅能为用户节省昂贵模型的费用，还能获得比通用模型更好的编程结果。 * [07:18] AI助手控制电脑：Alex Finn演示了Hermes Agent的计算机控制功能，展示了AI如何直接操作他的Notion日历来创建日程。他认为，该功能的核心价值在于远程操作，用户可以通过手机上的Telegram让家中的AI助手完成“退出程序”或“调整设置”等任务。 * [10:10] 原生AI视频生成：Alex Finn分享了Hermes Agent新增的原生视频生成能力，用户可以直接在聊天窗口内通过文本或图片指令生成AI视频。他强调，通过连接Grok OAuth，用户无需再跳转到其他网站，所有操作“都在 Telegram 内部原生完成”。 * [10:38] 自动化看板任务分解：Alex Finn介绍了自动看板任务生成功能，指出用户只需将一个宏大目标添加到看板的“Triage”区域，Hermes就会自动将其分解为子任务并分配给不同的子代理执行。他分享了自己的使用经验，每天早上将待办事项放入看板，“等我回来的时候……我的待办事项已经被分成了差不多40个不同的子任务”。 📺相关链接与资源 [视频来源]《Hermes just got 10x better》 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

当AI平台不再只是一个简单的API接口，而是一个能自主思考、自我组织的“云端计算机”时，开发者应该如何应对这场范式革命？本期节目，我们邀请到Anthropic平台产品负责人Angela Jiang与工程负责人Katelyn Lesse，她们将从构建者的第一视角，深度揭秘Claude智能体平台的构建哲学与未来蓝图，探讨我们距离“让Claude帮我赚十亿美元”的终极目标还有多远。 从GPT-3时代简单的文本补全，到如今具备工具调用、内存和代码执行能力的Claude托管智能体，AI平台的进化速度超乎想象。Angela和Katelyn分享了这一转变背后的核心驱动力：一切都是为了帮助用户以最简单的方式，从模型中获得最佳结果。有趣的是，Claude智能体平台的诞生，源于Anthropic团队内部在构建自主智能体时反复遇到的基础设施难题——他们自己也曾为了让Claude在服务器上持续运行而头痛不已。正是这种亲身经历，催生了这个旨在将开发者从繁琐的服务器运维、状态管理和安全沙盒中解放出来的强大平台。 您将了解到： * 为什么将智能体与单一模型深度绑定，反而能榨取出极致的性能？ * 开发者都以为提示词工程是构建智能体的最大难点，但真正让他们在产品化时撞墙的瓶颈是什么？ * 当AI平台进化到只需用户提供“结果”和“预算”时，我们与“让Claude帮我赚十亿美元”的目标还有多远？ 💡时点内容 | Key Topics * [01:36] AI平台的演进：嘉宾回顾了AI平台从简单的补全接口到如今具备内存和功能的“云端计算机”的演进历程，并指出平台必须不断进化，提供更高阶的抽象，其核心使命是“让事情变得尽可能简单”。 * [13:11] 模型锁定与工具链耦合：嘉宾回应了关于平台“模型锁定”的担忧，认为随着模型发展，为榨取极致性能，工具链与模型的高度绑定已成趋势。她预测，未来的抽象层将从热插拔模型，转变为在“智能体”（工具链+模型组合）层面进行切换。 * [19:43] 智能体开发的真正瓶颈：嘉宾指出，开发者普遍认为“驾驭工程”最难，但真正的瓶颈是基础设施。她分享道，几乎每个尝试将智能体产品化、规模化部署的团队，最终都会撞上服务器持续运行、安全沙盒和状态存储等基础设施的“墙”。 * [26:42] 企业协作的智能体用例：嘉宾分享了一个法务审核智能体的真实用例，它能自动初审营销文案并决定是否需人工复核。她强调，这类应用因需要交互界面和“人类在环”的流程来促进团队协作，其范畴已超越了单一的“技能”。 * [30:00] 智能体的生命周期管理：嘉宾探讨了智能体的维护挑战，并分享了一种理想模式：业务团队成员可直接用Claude Code修改和改进智能体。她认为，这种“任何人都可以提交PR”的协作文化，是确保智能体不“过时”并持续进化的关键。 * [35:53] 平台的终极愿景：嘉宾预测平台未来的方向是“极致简洁”，用户只需提供“可验证的结果”和“预算”。她设想Claude将能自我理解，自主决定模型和启动子智能体，从而将用户从复杂的框架工程和模型选择中解放出来。 📺相关链接与资源 [视频来源]《The Secrets of Claude's Agent Platform From the Team Who Built It》 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

为什么大多数创作者在从零到一的增长中苦苦挣扎，而真正的秘诀却只在于两个核心习惯？在本期节目中，连续创业者 Dan Koe 揭示了一个反直觉的真相：他之所以能轻松涨粉，并非因为天赋异禀，而是源于他之前七次创业失败所积累下的高价值技能。 在开启社交媒体事业前，Dan Koe 因“闪光点综合征”接连失败了七个商业模式，从设计、广告代理到电商。然而，正是这些探索让他掌握了文案、品牌美学等高价值技能。他指出，多数创作者之所以陷入“新手地狱”，是因为他们边做边学；而他，则是带着一身通过失败磨练出的“技能铠甲”入场，从一开始就拥有了识别爆款内容的敏锐“品味”。 您将了解到： * 为什么从零粉丝做增长只需要两个核心习惯，而大多数创作者却始终无法掌握？ * 如何“像艺术家一样偷窃”，将已被验证的爆款内容转化为你自己的原创作品，并获得算法的青睐？ * 当你没有粉丝时，如何通过一套“不卑不亢”的社交方法，让拥有数万粉丝的创作者主动为你分享内容？ 💡时点内容 | Key Topics * [01:28] 失败铺就的技能基石：Dan Koe回顾了他在涉足社交媒体前，因“闪光点综合征”而失败的七个商业模式，并指出这些经历让他掌握了设计、文案等高价值技能。他认为，正因如此，他并非从零起步，因为所有技能的习得“本质上都是模式识别”，而他已通过失败积累了足够经验。 * [04:41] 逃离“新手地狱”：Dan Koe将大多数创作者的困境归因于“新手地狱”，即在缺乏技能和品味的情况下对着空气发帖。他强调，在人人都能使用AI的时代，真正让你脱颖而出的是独特的技能，因为“当每个人都有超能力的时候……那就相当于谁都没有超能力了”。 * [08:59] 增长杠杆一-复刻验证：Dan Koe分享了增长的第一个杠杆：从个人视角创作已被验证有效的内容。他指出，观众并非寻求全新事物，而是想看“某个特定创作者对一个热门话题的看法”，并以多个顶尖创作者复用爆款标题为例，鼓励大家不必重新发明轮子。 * [24:01] 增长杠杆二-主动社交：Dan Koe揭示了增长的第二个杠杆是“社交”，他批评了仅靠发帖和祈祷算法的被动做法。他强调，创作者必须将社交媒体当作一门生意来经营，通过手动努力去启动增长雪球，因为你想要吸引的粉丝其实“就在别人的粉丝群里”。 * [30:28] “不卑不亢”的社交方法：Dan Koe详细介绍了他称之为“不卑不亢的社交”的具体方法，旨在建立真正的创作者友谊。他分享了从发送赞美、展示兴趣到提供价值（如分享资源）的步骤，并强调要像在现实生活中交朋友一样，避免使用“职场套话”。 * [40:08] 从关系到增长的转化：Dan Koe阐述了在建立稳固关系后，如何自然地提出最终请求以实现增长。他建议，可以分享自己用心创作的高质量内容并请求转发，同时要抱持坦诚的心态。他指出，这个请求是价值交换的结果，而非单方面索取，因为“朋友是做什么的呢？他们会互相支持”。 📺相关链接与资源 [视频来源]《How To Grow An Audience If You Have 0 Followers (It's Only 2 Habits)》 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

在整个行业狂热追逐大语言模型（LLM）的浪潮中，一位关键的奠基者却选择逆流而上，断言这并非通往真正智能的正确道路。本期节目，我们邀请到图灵奖得主、“AI教父”之一的Yann LeCun，他将系统阐述为何LLM存在根本局限，并首次详细揭示他眼中能够理解物理世界、具备规划与推理能力的下一代AI架构蓝图。 Yann LeCun不仅是深度学习领域的传奇人物，更是Meta AI（FAIR）实验室的缔造者。然而，当Meta的战略重心“完完全全地聚焦在大语言模型上”时，他为何毅然选择离开，并创办新公司AMI来推动他构思多年的“世界模型”架构？在本期对话中，LeCun首次深入剖析了这一决策背后的思考，揭示了大型科技公司内部，在追求长期基础研究与短期产品变现之间的巨大张力。他将分享自己如何从早期的非生成式模型中获得灵感，并坚信只有让AI理解物理世界的因果关系，我们才能构建出真正安全、可控且可靠的智能系统。 您将了解到： * 为什么被誉为“人工智能教父”之一的Yann LeCun认为，整个行业在大语言模型上走错了路？他眼中通往真正智能的蓝图究竟是什么？ * 大语言模型是否存在无法修复的“内在不安全性”？Yann LeCun为何认为它们永远无法做到可靠，并提出了一种截然不同的可控AI架构？ * 在Meta将重心全面转向LLM后，Yann LeCun为何选择离开他一手创建的FAIR实验室？这揭示了大型科技公司内部基础研究与产品变现之间的何种张力？ 💡时点内容 | Key Topics * [01:29] 语言模型的局限性：Yann LeCun阐述了他对大语言模型的看法，他认为它们是处理语言的强大工具，但并非通往类人智能的正确路径。他强调，即便是动物级别的智能也要求对物理世界有深刻理解，而“语言是一种非常特殊的东西”，LLM的架构并不适用于理解高维、连续的真实世界。 * [06:42] 离开Meta的真相：Yann LeCun澄清了外界对他离开Meta的误解，回顾了自己从FAIR总监转为首席AI科学家的历程，以专注于世界模型研究。他指出，随着Meta的战略重心“完完全全地聚焦在大语言模型上”，加上机器人团队被解散，公司已不再是推进他研究方向的最佳平台。 * [09:18] 世界模型的核心蓝图：Yann LeCun定义了“世界模型”的核心概念，即“一个能让智能体系统预判自己行动后果的东西”。他指出，这种预测能力是规划和推理的基础，与大语言模型自回归式地生成下一个词元的方式完全不同，并认为这是构建真正智能系统的两大核心特征之一。 * [11:54] 生成式方法的失败：Yann LeCun回顾了自己五年前的顿悟，他指出在学习图像和视频表示方面，所有成功的架构都是非生成式的，如JEPA。他将变分自编码器（VAE）和掩码自编码器（MAE）等生成式方法归为失败案例，认为“预测像素可以说是一条走不通的路”，因为它们无法学到有意义的抽象表示。 * [30:39] 开源平台的未来：Yann LeCun介绍了他的Tapestry项目，旨在通过类似联邦学习的模式，构建一个开放的全球基础模型。他预测，由于各国追求“AI主权”以及平台天然有走向开放的趋势，这种模式将打破少数科技巨头的垄断，并把今天的闭源模型公司比作“昨天的Sun Microsystems和惠普的HP-UX”。 * [36:25] 图灵奖得主的分歧：Yann LeCun透露，他与Geoffrey Hinton和Yoshua Bengio的观点分歧始于2023年GPT-4发布后。他认为，是另外两位改变了看法，开始相信大语言模型接近人类智能并担忧其风险，而他自己则始终坚持原有观点。他指出，他们的担忧更多是关于“AI的滥用而非末日论”。 * [39:06] LLM内在的不安全性：Yann LeCun认为，大语言模型存在一种“内在的不安全性”，因为它们无法预测自身行为的后果，也无法阻止幻觉的产生。他断言，在现有范式下这个问题无解，而他所倡导的目标驱动AI架构，则可以通过内置的世界模型和成本函数，实现可控和可靠的智能。 📺相关链接与资源 [视频来源]《Yann LeCun on What Comes After LLMs》 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

本简报基于Anthropic官方《The Founder’s Playbook: Building an AI-Native Startup》，旨在为当代初创企业提供一套全新的发展框架。在 2026 年，AI 已经彻底重塑了初创公司的生命周期，使得原本需要庞大团队和巨额资金的路径被极度压缩。 核心洞察包括： * 角色转型： 创始人从“个人贡献者”转变为“代理商协调者”（Orchestrator of Agents），技术与非技术背景之间的壁垒已不复存在。 * 生命周期压缩： AI 代理在编码、研究、自动化和运营方面的能力，使得“10 人独角兽”成为可能。 * 关键陷阱： 虽然构建速度加快，但创始人面临着“代理技术债务”、误将构建等同于验证以及过早扩张的新风险。 * 核心工具集： 通过 Claude Chat（即时任务）、Claude Cowork（知识工作与自动化）和 Claude Code（智能编码）的协同，初创公司可以实现极高的杠杆效应。 1. 重新定义的初创公司生命周期 在 2026 年，传统的“验证 → 融资 → 招聘 → 构建”循环已被打破。AI 使得创始人能够跨越陡峭的学习曲线，直接通过 AI 代理进行生产级代码编写、市场研究和运营自动化。 初创阶段对比 2. 创始人角色的转变 创始人不再被其是否具备技术背景所定义。 * 非技术创始人： 可以利用 AI 构建生产级软件。 * 技术创始人： 可以轻松制定进入市场（GTM）策略、财务模型和融资材料。 * 核心任务： 创始人的精力向上移至“高阶工作”：产生创意、战略判断以及作为代理的指挥者。 3. 四个核心增长阶段的详细分析 3.1 创意阶段 (Idea Stage) 核心目标： 寻找“问题-解决方案契合点”（Problem-Solution Fit）。在写第一行代码前，必须证明问题的真实性、具体性和频率。 * 挑战： * 误将构建视为验证： 由于 AI 使得构建原型极其容易，创始人往往跳过真实的用户访谈。 * 丧失客观性： 创始人可能利用 AI 寻找支持其偏见的证据（确认偏差）。 * Claude 的应用： * 压力测试： 扮演“魔鬼代言人”，寻找反向证据和失败竞争者的先例。 * 客户发现： 自动化外联、设计非引导性的访谈框架、分析访谈笔记。 3.2 MVP 阶段 (MVP Stage) 核心目标： 将验证过的问题转化为产品，并获取“产品-市场契合点”（PMF）的证据。 * 挑战： * 代理技术债务 (Agentic Technical Debt)： 如果没有文档和架构约束，AI 生成的代码会逐渐偏离原始愿景。 * 零摩擦功能蔓延： 增加新功能的成本极低，导致产品失去重心。 * 安全性忽视： 创始人可能在不理解安全原则的情况下部署带有漏洞的代码。 * 战略工具：CLAUDE.md * 作为项目的持久“记忆”，记录架构决策、模式和约束，确保 AI 代码生成保持一致性。 * PMF 试金石： 超过 40% 的用户对产品消失感到“非常失望”；或者产品开始产生“拉动力”，不再需要创始人强力推销。 3.3 发布阶段 (Launch Stage) 核心目标： 将早期势头转化为可重复、可持续的增长引擎，同时使业务“生产就绪”。 * 挑战： * 创始人瓶颈： 创始人参与所有决策会导致组织停滞。 * 技术债偿还： 必须进行系统性的架构审计，修复 MVP 阶段为了速度而牺牲的质量。 * Claude 的应用： * 自动化系统： 利用 Claude Cowork 设计工作流逻辑，接管支持、分类和报告工作。 * 安全与合规： 利用 AI 扫描代码，准备进入企业市场所需的合规文件（如 SOC 2, GDPR）。 3.4 扩张阶段 (Scale Stage) 核心目标： 实现系统性增长，并构建不可逾越的竞争护城河。 * 构建护城河的策略： * 累积的领域知识： 将创始人的行业洞察（如特定行业的边缘情况）编码进产品中。 * 数据飞轮： 利用用户行为信号持续优化模型，这种数据是竞争对手无法购买的。 * 工作流锁定： 通过深度的 API、SDK 和原生集成，使产品成为客户日常运营中不可或缺的一部分。 * 创始人职责： 转向对外事务，如分析师简报、企业交易和 IPO 路演。 4. 工具矩阵：Claude 生态系统的应用 5. 核心原则总结 在 AI 原生时代，虽然工具改变了构建路径，但初创公司的本质原则依然适用： 1. 证据优于信念： 在获得用户反馈前不要过度构建。 2. 架构优于速度： 使用 CLAUDE.md 等工具防止 AI 造成的熵增。 3. 系统优于个人： 尽早利用 AI 自动化流程，避免创始人成为增长的制约点。 4. 深度优于表面： 真正的护城河来自于对特定领域问题的深度整合与数据积累。 结论： AI 初创公司的瓶颈已不再是“能构建什么”，而是创始人的“判断力”——即选择构建什么，以及何时应用 AI 来加速这一进程。 📺播客说明 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

一位阔别编程13年的顶尖投资人，如何利用AI瞬间将个人生产力提升400倍，完成过去需要一个庞大工程师团队才能实现的工作？本期节目我们邀请到了YC总裁Garry Tan，他将分享自己如何通过“Token最大化”哲学，不仅在5天内重建了曾耗资数百万美元的创业项目，更揭示了在AI时代，顶尖开发者必须掌握的“法拉利修理工”心态。 Garry Tan作为全球顶级孵化器Y Combinator的总裁，在暂停编程13年后，毅然重返“战场”，在短短几个月内便创建了多个广受欢迎的开源项目。最令人震惊的案例是，他仅用5天时间和200美元的AI调用成本，就成功复刻并升级了自己当年的创业项目Posterous——一个过去耗费了数百万美元、一支7人团队、历时一年半才建成的博客平台。如今，这个AI驱动的新平台不仅功能完备，还具备了强大的智能体研究能力，能自动完成过去需要整个记者团队才能完成的深度调查报道，充分展示了AI如何将个人能力放大到极致。 您将了解到： * 为什么一位阔别编程13年的顶尖投资人，能在重拾代码后，瞬间将生产力提升400倍？ * 什么是“Token最大化”哲学？它如何让AI智能体完成过去需要整个记者团队才能完成的深度研究工作？ * 为何在AI能编写海量代码的今天，最顶尖的开发者反而需要把自己变成“法拉利修理工”？ * 我们正处在“个人AI”革命的前夜，但你必须做出什么关键选择，才能确保是你控制工具，而不是工具反过来控制你？ 💡时点内容 | Key Topics * [01:35] 400倍生产力飞跃：Garry Tan回顾了自己阔别编程13年后，如何利用AI在5天内以200美元成本，重建了过去需耗时一年半、花费数百万美元的博客平台Posterous。他透露，这次经历让他实现了“大概是我上一次还算得上是三分之二时间在写代码那年的400倍”的工作量，引发了业界的广泛关注。 * [02:03] AI工具：法拉利与修理工：Garry Tan将当前使用开源AI工具的体验比作“开法拉利”，既能体验到前所未有的速度和能力，也必须接受它随时可能“在路边抛锚”的现实。他认为，现阶段的AI开发者必须自己扮演“机械师”的角色，具备亲自动手修复问题的能力，这就像回到了“家酿计算机俱乐部”的时代。 * [07:17] “Token最大化”哲学：Garry Tan阐述了他的核心理念“Token最大化”，即在AI辅助工作中应“彻底穷尽所有信息”（boil the ocean）。他认为，不应满足于人类的“差不多就行”，而应利用AI的能力，将token用到极限，去交叉引用所有信源，从而做出“比一个普通人点击链接、读个标题就以为自己全懂了要好得多的决策”。 * [12:59] “CEO计划”与开发流程：Garry Tan分享了他受Brian Chesky“十星级体验”启发而创造的“CEO计划”提示词，用以探索项目的“柏拉图式理想形态”。他透露，自己的工作流依赖于Conductor工具，通过“CEO”技能构思，再用“Plan-End”技能确保测试覆盖率，从而将从构思到代码提交的流程完全自动化。 * [21:33] “轻代码，重提示”范式：Garry Tan提出了“轻代码，重提示”的开发新范式，他将Markdown比作一种新的代码，用于向AI描述意图和流程。他强调，工程师的核心挑战在于判断“到底多大比例的工作应该交给大语言模型处理，多大比例应该留在代码层面解决”，并将确定性操作交给代码，而将通用情况和意图理解交给潜在空间。 * [34:45] 个人AI时代的选择：Garry Tan预测我们正处在“个人AI”革命的前夜，未来世界面临一个关键选择。他指出，要么每个人都拥有自己的AI，亲自编写提示词，掌控数据和工具；要么这一切都由大公司控制，用户将“永远处在API的另一端”。他强调，这才是决定“到底是你控制你的工具，还是你的工具反过来控制你”的根本问题。 * [37:36] 成为“时间亿万富翁”：Garry Tan回应了时间稀缺如何迫使他走向自动化的问题，并提出了一个新颖的观点。他认为，通过“最大化地使用token”，人们可以“买下数百万年的机器意识”，从而让自己成为“时间亿万富翁”。他强调，这并非指拥有更多个人时间，而是能够调用海量机器算力，为自己所关心的事业服务。 📺相关链接与资源： [视频来源《Tokenmaxxing: How Top Builders Use AI To Do The Work Of 400 Engineers 》 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。

随着人工智能代理（Agents）能力的提升，传统的 Markdown 格式在处理复杂指令、大规模规范和深度数据可视化时逐渐显露局限。Anthropic 工程师 Thariq 提出，将 HTML 作为 Claude Code 的首选输出格式具有“不合理的效能”。HTML 不仅在信息密度、视觉清晰度和可分享性上优于 Markdown，更通过引入双向交互和自定义编辑界面，显著提升了人类在自动化工作流中的参与度（Human-in-the-loop）。尽管 HTML 在生成速度和版本控制方面存在挑战，但在处理复杂任务时，它所带来的高质量产出和直观体验使其成为 Markdown 的强力替代方案。 1. 从 Markdown 向 HTML 演进的动力 尽管 Markdown 是目前 AI 代理通信的主流格式，但在实际应用中存在以下痛点： * 阅读障碍： 当文件超过 100 行时，Markdown 变得难以阅读。 * 表达受限： 难以实现丰富的可视化、颜色区分、复杂图表及交互。 * 编辑习惯改变： 用户越来越多地通过 Prompt（提示词）让 Claude 修改文件，而非手动编辑，这抵消了 Markdown 易于手动编辑的传统优势。 相比之下，HTML 能够提供一个更丰富、更具交互性的“画布”，使 Claude 能够以更高效的方式传达深度信息。 2. HTML 的核心优势 2.1 极高的信息密度 HTML 能够集成多种数据表达形式，几乎涵盖了 Claude 能够处理的所有信息类型： * 结构化数据： 利用表格（Tables）展示复杂数据。 * 视觉设计： 通过 CSS 应用色彩和布局。 * 矢量绘图： 使用 SVG 绘制插图和流程图。 * 动态交互： 结合 JavaScript 和 CSS 实现元素交互。 * 空间与多媒体： 支持绝对定位、画布（Canvas）和图像标签。 2.2 卓越的视觉清晰度 Claude 可以利用 HTML 构建理想的导航结构（如标签页、链接），并支持响应式设计。这种组织方式使得大型规范和计划书在不同设备上都易于研读，提高了跨组织分享和阅读的概率。 2.3 双向交互能力 HTML 文档不再是静态的。用户可以要求 Claude 在 HTML 中添加滑动条（Sliders）或旋钮，以便动态调整设计参数或算法选项。通过设置“复制为 JSON”或“复制为提示词”按钮，用户可以将调整后的结果无缝反馈给 Claude。 2.4 上下文感知的深度集成 在使用 Claude Code 生成 HTML 时，它可以摄取极其丰富的上下文，包括： * 本地文件系统。 * 通过 MCP（模型上下文协议）连接的 Slack、Linear 等工具。 * Git 提交历史及浏览器数据。 3. 五大核心应用场景 4. 实施策略与常见问题分析 4.1 启动方法 无需复杂的技能配置，只需在对话中明确要求 Claude： * “制作一个 HTML 文件（make a HTML file）” * “制作一个 HTML 构件（make a HTML artifact）” 核心技巧： 明确你希望该构件实现的功能及其使用场景。 4.2 性能与效率权衡 * Token 效率： HTML 虽然消耗更多 Token，但在 100 万长度的上下文窗口（如 Opus 4.7）中，这种增加几乎可以忽略不计，且产出质量的提升远超其成本。 * 生成速度： HTML 的生成时间可能是 Markdown 的 2 到 4 倍。 * 版本控制： 这是 HTML 的主要劣势，其 Diff（差异对比）非常嘈杂，不如 Markdown 易于审查。 * 美观度控制： 可以通过指向现有的代码库或设计系统 HTML 文件，让 Claude 学习并匹配特定的审美风格。 5. 结论 将 HTML 作为 Claude Code 的输出媒介，其核心价值在于**“让人重新回到环路中”（Stay in the Loop）**。通过将枯燥的纯文本转化为可视化、可交互的富媒体文档，用户能够更深入地参与到 AI 的决策和规划过程中。尽管在某些技术层面（如生成速度和版本控制）存在局限，但 HTML 在增强信息理解和决策质量方面的表现，使其成为了复杂 AI 协作任务中的优选方案。 **📺相关链接与资源** [文章来源]https://x.com/trq212/status/2052809885763747935 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。