瑜伽姐的斜杠人生

本期嘉宾｜逍遥 / Arthur AI 企业服务公司创始人，长期从事 AI 企业咨询、IT 项目实施、企业培训和企业级系统落地。他的职业经历横跨技术、业务分析、项目管理、管理咨询、金融科技、企业服务和创业实践，也曾有外资银行、管理咨询、金控总部及创业公司合伙人经历。 这让他不是单纯从“AI工具”角度看企业，而是从技术、业务、流程、组织、成本、风险和商业模式多个维度，看一个企业到底适不适合做AI落地、应该先做哪一部分、哪些事情可以交给AI、哪些判断必须留在人手里。他的核心判断是： AI是人的能力放大器，也是公司能力放大器。但如果企业本身没有流程、没有数据、没有业务定义、没有客户经验沉淀，AI只会放大混乱。 这一期，我们聊的是： 外贸企业真正要建立的不是AI工具清单，而是自己的AI自主权：知道自己要放大什么、保护什么、沉淀什么，以及如何把业务经验变成可复用的系统能力。 这一期，我们聊的是： 企业AI落地真正难的不是模型，而是企业有没有把流程理清、数据沉淀、业务经验结构化，并让AI接得住真实工作。 它不是一集普通的AI工具分享，也不是单纯的IT技术访谈，而是讲清楚： AI进入企业之后，真正的瓶颈不在工具，而在企业内部的流程、数据、权限、业务经验和跨部门协作。 企业真正需要的，不是更多AI工具，而是自己的AI自主权。 本期嘉宾逍遥 / Arthur，是AI企业服务公司创始人，长期从事AI企业咨询、IT项目实施、企业培训和企业系统落地。他的职业经历横跨技术、业务分析、项目管理、咨询、金融科技、企业服务和创业实践。 看企业AI落地，不是从“哪个模型更强”开始，而是从一个更底层的问题开始： 你的业务场景讲清楚了吗？你的客户经验沉淀了吗？你的产品经验、交易经验、流程节点和老板判断，有没有变成系统可以读取和复用的资产？ 这一期我们会聊到： 为什么很多外贸老板愿意花钱买AI工具，却仍然做不好AI落地；为什么企业没有流程、没有数据、没有业务定义时，AI只会放大混乱；为什么客户经验、产品经验和交易Know-how，是外贸企业最应该保护的核心资产；什么是FDE，为什么未来企业会需要既懂业务、懂咨询、懂技术、又能落地AI系统的人。 这不是一集AI工具推荐。 而是一集关于： 外贸企业如何从追工具，走向真正拥有自己的业务系统和AI自主权。 主持人：Fancy 嘉宾：Arthur Xiao 即刻：亚瑟肖（https://okjk.co/il6Lft） 微信：arthur952666 公众号：用 AI 解决个小问题 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线 * 00:00–01:00｜嘉宾登场：逍遥 / Arthur，AI企业服务公司创始人，长期做AI咨询、IT项目实施和企业培训 * 01:00–02:48｜嘉宾自我介绍：从技术、业务分析、项目管理、咨询，到企业服务和创业 * 03:05–06:41｜职业路径拆解：为什么从后台技术一路往前台业务、决策和创业方向走 * 06:41–09:48｜从技术人到咨询人的变化：不仅要懂系统，还要能给客户可落地的方案 * 09:48–14:47｜标签只是衣服：什么时候需要标签，什么时候不能被标签限制 * 14:47–17:35｜AI如何放大销售、内容、客服、客户分析和管理交付：前提是企业必须讲清楚业务 * 17:35–20:05｜为什么很多外贸企业缺少IT思维：做到千万美金规模，也可能没有专职CTO * 20:05–23:19｜跨境电商和外贸企业为什么正在吸引AI、IT和大厂人才进入 * 23:19–27:30｜AI放大公司组织问题：好的组织被放大，不好的组织也会被放大 * 27:30–31:32｜外贸老板追工具的误区：买模型、买工具，不等于完成AI落地 * 31:32–36:39｜业务语言与IT语言的差异：外贸企业要学会定义对象、规则、流程和产出 * 36:39–42:07｜外贸获客逻辑正在变化：平台搜索、AI搜索和采购年轻化带来的新压力 * 42:07–45:51｜什么会变，什么不会变：老板必须区分商业本质与平台工具生命周期 * 45:51–47:20｜企业没有通用方案：每家公司必须基于自身生意逻辑设计AI落地路径 * 47:20–53:04｜哪些场景适合AI化：客户背景、开发信、产品资料、报价、知识库、订单流程都可以被重新设计 * 53:04–57:31｜AI自动化和AI协助的区别：不是所有节点都能交给AI，关键决策仍然需要人负责 * 57:31–01:01:57｜老板为什么不能只抱怨：是否AI转型，本质上是老板自己的选择和责任 * 01:01:57–01:08:54｜为什么企业要沉淀客户经验、产品经验和交易经验：买工具很快，但系统才有复利 * 01:08:54–01:12:39｜外贸企业的信息差和客户资产：5万个客户名单背后可能藏着新的市场机会 * 01:12:39–01:16:42｜AI不只是降本增效，更重要的是发现过去做不到的新机会 * 01:16:42–01:24:23｜低利润订单、高利润客户和组织成本：AI不是单一答案，关键是阶段性业务判断 * 01:24:23–01:30:07｜什么是FDE：既懂业务、咨询、项目实施，又能把AI系统真正部署到企业场景里的人 * 01:30:07–01:37:35｜FDE在中国中小企业落地的难点：信任、非标需求、交付边界和付费预期 * 01:37:35–01:43:33｜从工具使用到组织能力：为什么每家公司未来都需要自己的AI工作流程 * 01:43:33–01:47:31｜企业的Alpha：客户经验、产品判断和交易Know-how为什么要像生命一样保护 * 01:47:31–01:52:54｜AI自主权的阶段判断：先解决生存和获客，再考虑风险、模型和私有化 * 01:52:54–01:58:48｜AI应该放在生意的哪个环节：增长、放大、快钱、主业现金流和多业务线布局 * 01:58:48–02:04:35｜为什么大多数人低估了AI长期冲击：软件、白领岗位、机器人和未来公司形态都会被重塑 * 02:04:35–02:07:43｜给个人的建议：锻炼身体、培养爱好、关注那些长期不会变的东西 * 02:07:43–02:15:39｜技术周期正在加速：不需要成为Top 1，只要比周围人领先几个月 * 02:15:39–02:17:40｜结尾总结：外贸企业AI落地，要回到决策逻辑、业务场景、组织能力和老板自己的行动力 10个深度问题 1. 你为什么认为AI不是简单的工具，而是人的能力和公司能力的放大器？ 2. 外贸企业在AI落地前，为什么最先要讲清楚自己的业务场景？ 3. 很多外贸老板明明愿意花钱买工具，为什么AI落地还是很难？ 4. 为什么说企业没有流程、没有数据、没有业务定义时，AI反而会放大混乱？ 5. 外贸企业为什么要沉淀客户经验、产品经验和交易经验？ 6. AI自主权到底是什么？它和买模型、买工具、买培训有什么本质区别？ 7. 哪些外贸业务环节适合AI自动化，哪些环节只能做AI协助？ 8. FDE为什么会成为企业AI落地里的关键角色？它和传统IT实施有什么不同？ 9. 为什么企业的核心判断、客户经验和交易Know-how，要像生命一样保护？ 10. 对于还在生存期、增长期、放大期的外贸企业，AI应该分别放在哪些不同位置？ 5个吸引力亮点 1. 直接点破外贸企业追AI工具的误区 这期不是讲哪个模型好用，而是反复强调：老板真正要做的，是定义业务场景、流程节点、数据状态和结果目标。 2. 把“AI自主权”讲得非常具体 不是空泛地说“企业要有自己的AI”，而是讲客户经验、产品经验、交易经验、核心判断、私有数据和模型风险到底为什么重要。 3. 非常适合外贸老板听 里面大量内容都围绕外贸老板真实痛点：不会讲需求、没有IT思维、没有知识库、依赖平台、服务商太多、付费焦虑、老板注意力被工具消耗。 4. 把FDE讲成企业AI落地的现实岗位 嘉宾解释了FDE为什么不是普通实施工程师，而是既懂业务、咨询、项目实施，又能把AI真正嵌入企业场景的人。 5. 从降本增效讲到增量机会 这期很重要的一点是：AI不只是省人、省钱，更大的价值是帮助企业看到过去做不到的新客户、新市场、新产品和新增长方式。 《瑜伽姐的斜杠人生》播客团队

本期嘉宾｜徐司宇 Jeremy AI 应用创业者，曾在字节跳动和知名 SaaS 公司担任产品负责人，长期关注 ToB 产品、行业化产品、AI 应用创新和组织协作方式。他曾在上一家公司负责 AI 产品，但在推动过程中看到传统 SaaS 组织面临的典型困境：低毛利、低人效、重交付、财务压力大、组织老化、怕出错，导致 AI 很容易被嵌入旧流程，而不是长出真正的 AI Native 产品。也正因为看到传统组织转身的困难，他选择离开原有体系，与算法背景的合伙人重新搭建一个更适合 AI 应用开发的小团队，探索面向跨境电商、餐饮等行业的 AI 决策系统。 这一期，我们聊的是： AI应用真正的难点，已经不是能不能做出一个Demo，而是能不能理解真实行业场景、判断用户是否愿意付费、设计可验证的问题集，并把产品从“看起来能用”推进到“真实生产可用”。 AI创业最难的是什么？ 不是做出一个 Demo，也不是接上一个更强的模型。 真正难的是：你能不能理解真实行业场景，判断用户到底痛不痛，设计出能进入生产的问题集，并把产品、算法、工程和商业化做成闭环。 这一期，我和徐司宇 Jeremy 聊了聊他从字节跳动、知名 SaaS 公司产品负责人，到 AI 应用创业者的转变。 我们聊到传统 SaaS 组织为什么很难 AI Native 化，为什么 AI Coding 会改变软件复杂度，为什么“有需求”不等于“愿意付费”，以及为什么未来真正值钱的人，是能同时理解产品判断、工程边界和行业痛点的人。 AI 应用真正的分水岭，不是工具。 而是：谁能把真实世界的问题，变成系统可以持续解决的问题。 主持人：Fancy 嘉宾：徐司宇 Jeremy 即刻/公众号：Jeremy聊AI产品 微信：siyu1138 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线 * 00:00–01:25｜嘉宾登场：徐司宇 Jeremy，曾在字节跳动和知名 SaaS 公司担任产品负责人，目前做 AI 应用创业 * 01:25–02:35｜当前创业方向：搭建 AI 决策系统完整链路，面向真实行业场景做产品 * 02:35–05:55｜职业路径回顾：从准上市公司一线员工到产业团队负责人，再到字节跳动和 SaaS 公司 AI 产品负责人 * 05:55–06:45｜早期 AI 组织雏形：在大厂与 ToB 体系中提前接触到新型协作机制 * 06:45–10:38｜为什么传统 SaaS 组织很难自然长出 AI Native 产品 * 10:38–13:37｜传统 SaaS 的两个问题：重交付、低人效、怕出错，AI 容易被旧流程吞掉 * 13:37–16:08｜中国 SaaS 的客户结构困境：中小客户付费弱，中大型客户定制化强 * 16:08–17:25｜AI Coding 对 SaaS 的冲击：产品复杂度被压低，客户不再必须适应臃肿系统 * 17:25–18:57｜外贸和跨境行业的机会：AI让更多人具备独立经营、建站、选品和数据判断能力 * 18:57–22:16｜组织老化为什么不是加几个AI工具就能解决：关键在组织流程、AI人才和协作范式 * 22:16–26:40｜组织过程资产的重要性：老代码、老流程、旧经验可能成为 AI 转型的包袱 * 26:40–31:18｜为什么离开传统组织创业：与其等待组织转身，不如重新搭一个 AI Native 小团队 * 31:18–34:32｜与算法背景合伙人的合作契机：从生产力工具、数据分析到决策系统的共同判断 * 34:32–37:32｜第一版产品方向：自然语言处理复杂表格，但发现“有需求”不等于“愿意付费” * 37:32–40:00｜目标客户校正：真正愿意付费的人，要么能降本，要么能直接带来收入 * 40:00–42:11｜从工具型产品转向行业决策系统：产品必须和具体行业场景绑定 * 42:11–47:20｜AI应用的护城河问题：当模型能力越来越强，应用层到底还剩什么价值 * 47:20–50:15｜通用系统与定制模块：AI让行业化系统可以更轻、更细、更贴近真实需求 * 50:15–59:31｜工具与咨询的关系：用户不只是要报告，而是想知道问题在哪里、怎么解决 * 59:31–01:03:13｜为什么用户需要“人”来帮他做合理决策：工具只是长期经营的一部分 * 01:03:13–01:12:25｜工具卖得快，但结果更重要：AI产品不能让客户被平台系统绑死 * 01:12:25–01:15:32｜AI产品的错误代价：不是输出越多越好，而是决策依据是否清楚 * 01:15:32–01:22:19｜做AI决策系统前，必须先明确指标：到底是提升毛利、销售额，还是降低人力成本 * 01:22:19–01:29:39｜真实需求识别：不是所有需求都应该变成系统能力 * 01:29:39–01:33:25｜AI决策系统的输入输出：用数据、趋势、库存、天气等变量生成系统化建议 * 01:33:25–01:35:17｜产品判断与工程协作：产品人要懂技术边界，技术人也要懂产品判断 * 01:35:17–01:41:27｜行业场景的重要性：不深入做运营，就不知道真正痛点在哪里 * 01:41:27–01:48:58｜跨领域理解能力：产品、技术、算法、行业角色之间必须互相翻译 * 01:48:58–01:51:12｜最后总结：Demo不等于真实生产，必须建立专业问题集和准确率验证 * 01:51:12–01:54:47｜结尾：工具的本质不是工具，而是帮助用户看到更好的方法，解决真实世界的问题 10个深度问题 1. 你为什么会在这个阶段离开传统 SaaS 组织，选择自己做 AI 应用创业？ 2. 传统 SaaS 组织为什么很难自然长出 AI Native 产品？ 3. 你提到 SaaS 是“苦生意”，这个判断背后的行业结构是什么？ 4. 为什么低毛利、低人效和组织怕出错，会成为 AI 转型的阻力？ 5. AI Coding 为什么会对传统 SaaS 的产品复杂度产生冲击？ 6. 你们第一版产品做自然语言表格处理，为什么最后发现“用户有需求”不等于“用户愿意付费”？ 7. 一个 AI 产品到底怎样判断用户是真痛，还是只是觉得“这个东西挺好”？ 8. 你为什么认为 AI 应用最终可能是“咨询 + 工具”的完整链路？ 9. Demo 到真实生产之间，最大的鸿沟是什么？ 10. 未来产品人、算法工程师和行业专家之间，应该怎样重新协作？ 5个吸引力亮点 1. 真实拆解传统 SaaS 组织为什么难以 AI Native 化 这一期不是空谈 AI 趋势，而是从组织、人效、现金流、交付压力、员工心态几个维度拆传统 SaaS 的真实困境。 2. 从产品负责人的视角讲清 AI 应用创业为什么不能只做 Demo Jeremy 反复强调，Demo 是小概率场景，真实用户是大概率行为；产品要进入生产，必须有问题集、准确率和可用性验证。 3. 把“AI决策系统”讲成真实行业问题，而不是工具概念 跨境电商、餐饮、库存、天气、趋势、运营动作，都可以被拆成系统输入和输出，但前提是理解真实业务场景。 4. 非常适合企业老板理解：为什么追工具没有用，决策能力才是核心 用户不是想要一个报告，而是想知道问题在哪里、应该怎么解决；工具只是长期降低咨询成本和运营成本的载体。 5. 点出 AI 时代的新型人才方向：产品、技术、算法和行业必须跨界融合 技术人不能只懂技术，产品人不能只懂需求，真正能做出行业 AI 产品的人，必须理解技术边界、用户场景和商业化路径。 《瑜伽姐的斜杠人生》播客团队

本期嘉宾｜俊杰 / Phinn 企业内部 IT 系统管理者，长期从事 ERP、SAP、OA、CRM/DMS、BI、数据仓库、企业系统集成与内部应用开发。 他的职业路径从 SAP 定制开发开始，曾在 SAP 上海研发体系工作多年，熟悉大型企业软件的产品架构、系统逻辑和企业管理流程。后来进入当前公司担任企业内部系统管理者，负责 SAP、OA、销售系统、经销商管理系统、BI 数据分析，以及多个内部业务系统的运维、开发和改造。 这段经历让他不只是一个技术执行者，而是一个既懂系统、懂数据、懂流程，也理解企业管理、业务协作和组织落地的人。 在AI时代，他开始把 AI 应用到企业内部系统建设中，包括知识库、数据分析、代码开发、流程自动化、合同审核、报表整理、文件处理、业务系统原型和企业内部 Skill 沉淀。 这一期，我们聊的是： 企业AI落地真正难的不是模型，而是企业有没有把流程理清、数据沉淀、业务经验结构化，并让AI接得住真实工作。 它不是一集普通的AI工具分享，也不是单纯的IT技术访谈，而是讲清楚： AI进入企业之后，真正的瓶颈不在工具，而在企业内部的流程、数据、权限、业务经验和跨部门协作。 主持人：Fancy 嘉宾：俊杰 youtube: https://www.youtube.com/@PhinnShen 邮箱：[email protected] github: github.com/phinn/KinetAios 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线 * 00:00–01:30｜嘉宾登场：俊杰，企业内部IT系统管理者，职业路径覆盖 SAP、ERP、BI 和AI应用 * 01:30–04:32｜从 SAP 定制开发到企业内部系统管理：为什么真正懂系统的人必须理解企业流程 * 04:32–08:10｜企业知识库为什么难落地：不是技术问题，而是业务知识、产品经验和部门协作问题 * 08:10–10:21｜IT部门为什么做不好所有AI知识库：一线销售和市场经验往往不在系统里 * 10:21–13:44｜为什么以前企业不急着整理数据：顺风市场里，经验存在业务员脑子里也能活 * 13:44–15:42｜增长放缓后，老板为什么开始重视AI、数据和系统化管理 * 15:42–18:21｜IT系统管理者日常到底管什么：SAP、OA、DMS、CRM、BI和业务系统之间的关系 * 18:21–23:46｜从传统系统运维到AI开发：Claude Code、Codex、Dify 等工具如何进入企业内部应用 * 23:46–28:02｜传统企业系统的痛点：外部软件贵、定制慢、审批长，业务变化却等不起 * 28:02–33:25｜为老板做AI工具：为什么老板会用内部AI工具快速做出财务、销售相关系统 * 33:25–38:01｜AI工具真正难在哪里：不是接模型，而是上下文、记忆、任务模式和不同场景的处理 * 38:01–40:18｜内部人做AI落地的优势：懂公司需求、懂老板习惯、懂业务流程，才能优化工具 * 40:18–43:32｜AI带来的组织变化：固定工作被沉淀成Skill，人需要重新找到自己的不可替代性 * 43:32–45:28｜IT部门被压缩后，为什么企业反而更需要懂AI和业务的内部技术人 * 45:28–50:42｜IT人员未来的分水岭：只懂技术会危险，懂技术 + 懂业务 + 懂场景才会变贵 * 50:42–54:28｜什么叫全面系统化管理：不是买一套软件，而是先理清组织、流程、分工和业务规则 * 54:28–01:00:33｜AI自动化之前，为什么必须先精简流程、节点和数据结构 * 01:00:33–01:05:16｜老板和管理者在AI时代的新责任：目标、权限、KPI和指令必须更明确 * 01:05:16–01:13:35｜ERP解决流程，BI解决数据，AI解决什么：AI必须建立在真实、干净、可用的数据上 * 01:13:35–01:20:24｜AI时代的不确定性：工具更新很快，真正重要的是终身学习和保持选择权 * 01:20:24–01:28:10｜哪些固定工作适合做成Skill：合同审核、报表、文件处理、邮件、数据核对和文档拆分 * 01:28:10–01:32:40｜Skill和提示词的区别：Skill不是一句话，而是流程、经验、判断标准和可重复执行 * 01:32:40–01:35:55｜企业为什么不能一上来就谈模型：应该先找痛点、理流程，再选工具 * 01:35:55–01:42:12｜追工具还是搭系统：为什么工具会过时，但流程、知识库和业务闭环会复利 * 01:42:12–01:49:58｜给企业老板的建议：不要盲目追AI工具，先讲清楚业务问题和落地场景 * 01:49:58–01:53:51｜未来公司形态：AI OPC、小团队、垂直场景外包和企业AI落地的新机会 * 01:53:51–01:55:12｜结尾：俊杰的工具、AI落地经验和给听众的补充建议 10个深度问题 1. 你从 SAP、ERP、BI 一路走到AI应用，最大的职业能力变化是什么？ 2. 企业知识库为什么不能只靠IT部门来做？ 3. 为什么很多销售和市场经验，长期只存在业务员和老板脑子里？ 4. 企业AI落地之前，为什么必须先整理流程、数据和业务节点？ 5. ERP、BI和AI分别解决企业管理里的什么问题？ 6. 为什么你认为懂企业管理的人做AI落地，比单纯懂模型的人更有优势？ 7. 哪些企业内部工作最适合沉淀成 Skill？ 8. Skill和普通提示词最大的区别是什么？ 9. 为什么企业老板一上来就追AI工具，反而容易偏离真正的问题？ 10. 未来懂技术、懂业务、懂AI落地的人，会不会成为企业最关键的新型人才？ 5个吸引力亮点 1. 真实企业内部AI落地案例，不是抽象聊工具 2. 从SAP、ERP、BI到AI，完整讲清企业系统化管理的演进 3. 点破企业AI落地最大的坑：没有流程、没有数据、没有业务协同 4. 把Skill讲清楚：不是提示词，而是流程、经验和判断标准的沉淀 5. 特别适合企业老板、IT负责人、外贸管理者、业务负责人和AI转型者反复收听 《瑜伽姐的斜杠人生》播客团队

本期嘉宾｜Mike 多年产品经理，目前是一家 AI硬件创业公司产品负责人。他曾在阿里和硅谷科技公司做产品相关工作，参与过复杂需求定义、工具型产品设计、商业化 SaaS 产品构建和跨职能协作，也在阿里完成了产品能力从量变到质变的训练。 离开大厂之后，他进入 AI 硬件创业公司，把自己过去的软件产品经验、硬件背景和AI时代的新工具结合起来，重新理解产品经理的价值。 最近，他用AI密集 build 了多个项目：从 PRD、复杂需求定义、完整 SaaS 产品搭建，到自动化工作流、AI辅助产品执行、策略模型和个人工具，都逐步纳入自己的 AI 工作流。 这一期，我们聊的是： 当AI能写代码、做原型、跑自动化之后，产品经理还能靠什么重新上桌？答案可能不是“会不会用AI”，而是能不能拥有同理心、想象力、逻辑力、判断力，以及把想法真正做出来的勇气。 主持人：Fancy 嘉宾：Mike 即刻：小麦可 微信： littlemikeya 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线 * 00:00–01:14｜嘉宾登场：Mike，AI硬件创业公司产品负责人，曾在阿里与硅谷科技公司做产品 * 01:14–03:01｜从阿里主动离开：在绩效较好时选择转向AI硬件创业公司 * 03:01–03:47｜软件经验、硬件背景与AI趋势：为什么选择 AI + 硬件这条路径 * 03:47–07:02｜什么是“古典但不老登”的产品经理：既保留价值判断，也持续拥抱新工具 * 07:02–12:06｜短期数据与长期价值：为什么好产品不能只被即时数据牵着走 * 12:06–13:36｜从 Product Manager 到 Product Engineer：产品经理不能只会“比比”了 * 13:36–19:35｜阿里时期的产品质变：从复杂产品里做减法，把核心链路做到清晰、克制、美和可生长 * 19:35–22:53｜产品常识与结构化能力：为什么不是所有用户需求都要被满足 * 22:53–24:22｜大厂产品训练在AI时代还有没有价值：同理心、想象力、逻辑力依然重要 * 24:22–29:02｜如何训练产品能力：从日常生活、用户感受、机场指示牌、椅子设计到第一性原理 * 29:02–33:11｜古典PM能力为什么会变贵：感受力、创造力、逻辑拆解和人的灵性 * 33:11–36:45｜哪些PM工作容易被替代：浅层思考、被动接需求、写长篇PRD、催进度 * 36:45–41:47｜AI时代更贵的能力：学习能力、产品判断力、创新力和技术倾向性 * 41:47–52:48｜AI给产品经理带来的不是效率，而是勇气：为什么第一步是敢开始 * 52:48–55:48｜只要代码能实现，就没有不敢尝试的：从Demo到完整SaaS产品的真实体验 * 55:48–58:36｜复杂需求如何被AI改写：AI友好的PRD、上下文、验收标准和人类Review * 58:36–01:02:52｜跨界偷学工程师思维：如何用CTO、工程师、产品经理视角拆解问题 * 01:02:52–01:06:09｜MVP和PMF：软件产品与实物产品都需要降低试错成本 * 01:06:09–01:13:29｜AI辅助策略研究：为什么复杂决策、责任承担和艺术性仍然属于人 * 01:13:29–01:16:55｜为什么“AI有幻觉”不是拒绝AI的理由：人也会出错，关键是用法和工作流 * 01:16:55–01:23:04｜从 Prompt、Context、Harness 到 Loop：AI能力如何逐步工程化 * 01:23:04–01:25:29｜AI模型还没真正自我学习，但工作流自动化正在持续增强 * 01:25:29–01:30:33｜公司里没人愿意做的脏活累活，为什么正适合用AI自动化 * 01:30:33–01:34:37｜练脑子的两个方法：长文阅读和运动，为什么身体基建也影响认知能力 * 01:34:37–01:38:53｜每个人都是领域专家的权杖：AI原生组织里，人仍然需要长板和专业判断 * 01:38:53–01:42:30｜从大厂到创业公司再到AI工具：把自己当成产品，不断打磨能力迁移 * 01:42:30–01:47:10｜AI硬件行业观察：护城河不只在AI，更在硬件、软硬一体和长期耐心 10个深度问题 1. 你为什么会用“古典但不老登”来形容自己这一类产品经理？ 2. 在你看来，数据驱动型产品经理和古典产品经理最大的区别是什么？ 3. 从 Product Manager 到 Product Engineer，产品经理到底要补上哪一块能力？ 4. 你在阿里完成产品能力从量变到质变，最关键的一次训练是什么？ 5. 为什么你认为产品经理不能只是接需求、写PRD和催进度？ 6. 在AI时代，同理心、想象力和逻辑力为什么反而更重要？ 7. AI给你最大的改变，为什么不是效率，而是勇气？ 8. 一个产品经理用AI从Demo做到完整SaaS产品，中间真正难的是什么？ 9. Prompt、Context、Harness、Loop这几个词，分别对应AI工作流的什么变化？ 10. 未来AI原生组织里，超级个体和团队之间会是什么关系？ 5个吸引力亮点 1. 不是普通PM访谈，而是AI时代产品经理重新定义自己的样本 2. 把 Product Manager 到 Product Engineer 的转变讲得很具体 3. 真实拆解AI如何让产品经理从“提需求的人”变成“亲自交付的人” 4. 提出“AI带来的不是效率，而是勇气”的强观点 5. 适合产品经理、创业者、AI学习者、企业老板、内容创作者和技术转型者反复收听 《瑜伽姐的斜杠人生》播客团队