AI Odyssey

在 AI 时代，得益于大模型的进化，做出一款软件的门槛正在前所未有地降低。但当我们沉浸在这些技术带来的“魔法时刻”时，常常会遭遇一个更为残酷的现实：产品做出来之后，究竟该怎么推出去？怎么让用户掏出真金白银来订阅 ？ 这几乎是所有技术背景创业者都会经历的阵痛。本期节目的嘉宾宗源，正是这段阵痛的亲历者。他本是一名前端开发者，在 2024 年创业的摸爬滚打中，硬生生“逼”自己转型成了在泥坑里找流量的增长工程师。 在这一期里，你听不到虚无缥缈的宏大叙事，全是一线打仗的生存指南。从如何利用 AI 全自动监控竞品发布实现热点截流 ，到在 Product Hunt 上肉搏互换票仓；从拆解 GitHub 高权重外链的真实门槛，到复盘同行“700万流量却只有极低付费率”的血泪教训。 如果你也是那个在屏幕前为 AI 产品流量而焦虑的创业者，希望今天这些实打实的操盘经验，能帮你拨开一些迷雾。 嘉宾介绍 宗源（推特：jaredliu_bravo）：YouMind 新手增长工程师，近三个月拿到全站 50%+ 流量，操盘过 2 次 PH 打榜（日榜第一，年榜第六）。关注 Growth Hack、自动化、内容创作。过去在网易、阿里、A+轮创业公司做前端开发和TL，24 年组建过小团队创业做 Tidyread（现已被 OpenClaw 颠覆）。 产品介绍 YouMind（youmind.com）：YouMind 是一款 All in One 的 AI 学习和创作工作台，通过 AI 帮助您收集、整理资料，基于资料进行学习和创作，产出令您愉悦的图文、播客、视频等。 主播介绍 Leo：硅谷大厂高级机器学习工程师，GenAI LLM发烧友 核心观点 增长终极目标是建立从拉新到付费的订阅飞轮。Wordware 700万 UV 虽带来 20 多万注册，但注册到付费订阅率仅约 3%-4%，证明了受众错位会导致严重的流量浪费。 AI工具增长方案的落地成本极低，借助 AI（如 Openclaw）可实现全自动监控竞品模型发布并连夜生成推广物料的营销闭环。 内容运营与增长的核心引擎是“Skill”（前身为 Shortcut），通过激励用户在社媒自发传播其构建的自动化工作流，实现产品的无感裂变。 提升 Domain Rating (DR) 并在 SEO 中获取非品牌类“信息词”搜索排名是关键，突破 200-300 Stars 的 GitHub 仓库可提供 96+ 极高权重的 Do-follow 外链。 Product Hunt 打榜胜负取决于社媒互换票仓网络的规模，且产品必须找到像 Chris Messina 这样能原话保证 100% 被 Feature 的头部 Hunter 进行发布。 时间轴 * 02:05 嘉宾介绍：从前端开发者向产品增长工程师的转型路径与契机。 * 04:01 核心判断：产品增长的唯一目标是建立赚钱的付费订阅飞轮。 * 04:42 时代差异与渠道变化：高保真模型带来的“魔法时刻”口碑效应，以及 ChatGPT、Openclaw 等带来的新兴增长渠道。 * 06:24 极客案例：利用 Openclaw 监控 Nano Banana 2 发布，实现连夜自动撰写分发对接文案的全链路自动化提效。 * 08:05 截流策略：在 Seedance 2.0 模型未发布前，通过提示词站点进行跨端注册转化。 * 12:45 社媒分发：定准海外受众与创作者，重仓 X 与 Facebook。 * 16:36 核心裂变引擎：揭秘 YouMind 内容运营抓手“Skill”（前身为 Shortcut），利用 RSS 日报、图片封面生成等工作流，驱动创作者在社媒进行二次传播。 * 18:19 社媒避坑：Facebook 多语言群组硬广效果极差，需转为联系活跃贡献者做红人营销。 * 20:18 X 机制：算法高度依赖日更，中断将导致流量池评级断崖式下跌。 * 22:06 Reddit 局限：易遭遇 Shadowban，难以持续发广告，更适合作为 SEO 关键词占位的辅助。 * 23:27 SEO 核心：Domain Rating (DR) 对非品牌类信息词排名的决定性作用。 * 26:34 天工AI案例拆解：通过关键词 Sora/Seedance 热点将博客流量做到整站 30%，并利用页面顶部/底部多重 CTA 按钮实现转化。 * 28:59 外链起步：通过低价付费导航站与资源型提示词站群进行低成本 DR 堆量。 * 30:31 高阶外链：通过 GitHub 建立开源仓库，突破 200-300 Stars 后获取 DR 高达 96-97 的 Do-follow 链接。 * 31:30 Product Hunt 打榜内幕：平台砍掉水分后YouMind揭榜三榜第一的戏剧性过程，以及X/Linkedin票仓互换网络搭建。 * 35:03 100% Feature 秘籍：付费咨询或联系为数不多（如 Chris Messina、前 PH CEO）能保证 100% 被 Feature 的头部 Hunter。 * 37:31 漏斗数据复盘：YouMind提示词站超 20% 的高注册率；对比 Wordware 700万 UV 转化 20 多万注册用户，但付费订阅率仅 3%-4% 的受众错位反思。 * 39:40 行业预判：类比写代码门槛的下放，Web Creating 将成为未来 1-3 年极大的增长变量，用户自发传播AI Skill 将引爆市场。 AI产品核心流量分发渠道与实操策略对比 术语表 * Informational Keywords (信息词) vs. Brand Keywords (品牌词)：品牌词指用户直接搜索“YouMind”带来的流量（属于品牌推广的功劳）；信息词指用户为了解决特定痛点而搜索的通用词汇。能在信息词上获取高自然搜索流量 (Organic Search)，才是验证 SEO 动作真正有效的核心指标。 * Domain Rating (DR)：域名评级。反映网站在搜索引擎眼中的权威度（类似大佬背书）。分数越高（如达到 50 以上），发布的博文越容易在非品牌类的信息词搜索中获取高排名。 * Do-follow / No-follow 链接：Do-follow 允许搜索引擎蜘蛛追踪并传递权重到目标网站，成功获取此类链接能实质性提升自身站点的 SEO 效果。 * One-Tap Login：一键登录机制（如网页右上角自动弹出的 Google 授权登录）。在不增加用户点击成本的情况下，可直接提升 3% 至 8% 的注册转化率。 相关资源 * AI模型与工具：Nano Banana 2 / Nano Banana Pro, Seedance 2.0, Kimi K2.5, NotebookLM, Manus, Openclaw, ChatGPT * SEO与外链资源：thereisaaiforthat (导航站), submitDRs (AI TDK作者的外链服务) * 行业参考案例：天工 (skywork.ai) , Wordware 以上就是本期的全部内容了，欢迎您的收听，我们下期再见～ PS：AI Odyssey 听友群正式开通了，添加 vx：aiodysseyai 带你一起看 AI

主播的话 当行业还在迷信千亿参数模型时，CAMEL AI 已经靠一群“打工人”智能体深入企业内网，像真人一样点鼠标、填工单了。 作为全球首个 Multi-agent 框架的奠基团队，本期嘉宾带来了一个极具冲击力的反共识：未来的 Agent 进化，不靠更长的 Context，而靠更严密的组织架构。 在对话中，你会听到一些打破滤镜的实战真相：为什么 Agent 之间沟通多了反而会像人类一样“互相推诿”？为什么“模拟键鼠操作”这种看似笨拙的方案，反而是企业自动化的最优解？ 别再盯着 Prompt 调优了。当这个写出第一篇 Multi-agent 论文的团队开始重注强化学习和环境模拟时，你就该意识到：Agent 的草莽时代结束了。想要看懂下半场，这期节目提供了最真实的坐标。 嘉宾介绍 Regina | CAMEL AI Founding Product Wendong | CAMEL AI Founding Engineer Celine | CAMEL AI Founding Growth 产品介绍 CAMEL AI 是世界上首个基于LLM构建的开源的多智能体框架，一直在探索 AI 多智能体的Scaling Law，包含大规模智能体系统、复杂环境、智能体自我进化三个关键维度。项目论文在2023年被 NeurlPS录用。 主播： Leo：硅谷大厂高级机器学习工程师，GenAI LLM发烧友 核心观点 商业定位分层： 开源社区（ToC）负责技术验证与品牌声量，桌面端产品（ToB）负责高价值场景（如 ERP/CRM）的营收落地。 架构效率论： Multi-agent 的核心价值不在于简单的“并行”，而在于通过任务拆解将 Long-Context 转化为 Short-Context，从而降低幻觉率。 Agent Scaling Law： 智能体能力的扩展由三要素决定：Agent 数量、环境交互（RL）的进化能力、合成数据的质量。 成本优化路径： 利用 KV Cache 配合 Context Splitting，在重复性任务中可降低 70%-80% 的 Token 成本。 终局预判： 未来的 Agent 系统将是“中心化调度 + 专有小模型执行”，通过强化学习（RL）在特定环境中自我进化，而非依赖单一千亿参数模型。 时间轴 01:20 从顶会论文到商业化：全球首篇 Multi-agent 论文背后的学术起源与商业转型逻辑。 04:40 商业策略：ToC 赚声量，ToB 赚营收 为什么企业级自动化（CRM/ERP）是目前最稳健的现金流场景？ 06:47 Workforce：Coordinator 与 Worker 协作 拆解Agent“组织架构”：如何通过协调者实现任务的高度泛化。 07:28 核心壁垒：模拟键鼠的 Browser-use 摆脱 API 依赖，让 Agent 像真人一样直接操作浏览器界面。 15:48 预设四大原子 Agent 能力：从代码执行到多模态处理，支撑复杂任务的底层工具库。 18:57 架构之争：单体 Agent 的天花板 为什么长链路任务必须由多Agent协同？解决注意力衰减与幻觉。 22:04 重新定义 Agent Scaling Law：扩展定律不仅是算力，更是 Agent 数量、环境规模与数据的三位一体。 25:08 数字化组织：HR、CEO 与打工人 揭秘“图结构任务流”：如何像管理公司一样管理 Agent 系统。 30:10 安全底线：人在环路 (HITL) Agent 如何在登录验证等不确定场景中主动向人类求助。 31:33 协作悖论：为什么 Agent 也会“甩锅”？ 过度沟通导致的 Token 浪费与执行效率下降的真实观察。 35:33 RL 下半场：垂直领域的专家进化 如何利用强化学习（RL）将行业 Know-how 植入Agent闭环。 37:38 Workflow Memory：复制成功路径 长期记忆机制：如何将偶然的成功转化为确定的生产力。 商业/技术洞察 技术架构对比：Single Agent vs Multi-Agent 基于wendong的技术分享整理 References * 开源框架 (GitHub): CAMEL AI (CAMEL) * 学术论文: CAMEL: Communicative Agents for "Mind" Exploration of Large Scale Language Society * Elgent(GitHub): The Open Source Cowork Desktop to Unlock Your Exceptional Productivity.

编辑部注 本期节目录制于 2025 年 12 月。 录制期间，嘉宾 Kisson 担任 Tanka AI CEO。在节目正式发布时（2026 年 1 月），她已卸任该职务并开启了全新的创业旅程。 为了保持对话的完整性和当时语境的真实性，我们在音频和文案中保留了录制时的称谓与视角。Kisson 的职业变动恰恰印证了 AI 行业的一个核心特质——惟有“变化”本身是不变的。祝贺 Kisson，也期待她的下一个 Next Big Thing。 主播的话 进入 2026 年，大模型的上下文窗口已经卷到了千万级，但为什么 AI Agent 依然记不住你的喜好？ 本期节目，我们邀请到连续创业者Kisson，深度复盘 AI 记忆的演进之路。 不同于市面上泛泛而谈的“AI 情感陪伴”，本期内容揭示了一个反直觉的行业真相：在 AI 时代，笨重的 B 端企业反而比 C 端用户跑得更快。 为什么互联网时代的“C 端包围 B 端”逻辑失效了？ * 技术层面：从早期的 Replika 到如今的 HippoRAG，Memory 如何从简单的“存储”进化为具备抽象能力的 MemCell？ * 交互层面：当自然语言真正成为新的 UI，LLM OS的形态发生了什么巨变？ * 商业层面：为什么 Outcome-based pricing（结果付费）是检验 SaaS 产品力的唯一标准？ 如果你认为 2026 年的 AI 创业已经没有机会，这期节目会告诉你——真正的护城河不再是模型参数，而是你对垂直场景“记忆深度”的理解。 嘉宾介绍 Kisson：ex-Tanka AI CEO。曾任 Mindverse（心识宇宙）联创及 COO。前TikTok商业化战略总监，前Facebook集团战略经理。关注AI agent和记忆模型。公众号：Kisson不聊广告改煲鸡汤了。推特：@KissonL 产品介绍 Tanka.ai 是一款人工智能驱动的业务软件，旨在简化运营、加强团队协作并推动中小企业的可持续增长。它学习并保留知识，优化决策，并将分散的数据转化为可操作的长期记忆。 网址：www.tanka.ai 主播： Leo：硅谷大厂高级机器学习工程师，GenAI LLM发烧友 核心观点 * 互联网定律失效：B 端采纳速度快于 C 端。因为企业有明确的 ROI 计算逻辑，而 C 端用户在缺乏“超级应用”之前，很难改变交互习惯。 * 记忆细胞的进化：未来的 Memory 不是堆砌数据，而是像生物一样，将“事件”抽象为结构化的记忆细胞，实现类似人类的“遗忘与强化”机制。 * 交互即系统：自然语言将成为新的图形界面，未来的操作系统不再是点击图标，而是理解意图的 LLM OS。 * 人的懒惰是护城河：引用 Andrej Karpathy 的 "Copilot for X" 观点——即使 AI 能力再强，人类“懒得去描述任务细节”的本性，依然是垂直领域创业公司最大的机会（帮你把任务描述清楚）。 时间轴 快速导航： * 如果你关心 技术架构演进 (RAG/MemCell) → 跳转 20:19 * 如果你关心 商业定价与 B 端策略 → 跳转 34:33 * 如果你想听 2026 行业宏观判断 → 从头开始听 2026 宏观视角：互联网定律为何失效 * 03:45 扎克伯格的早期实验室：从 Meta 到 Tanka 的路径演变。 * 06:22 B 端反超 C 端：为什么在 Memory 落地这件事上，企业比个人更积极？ 交互范式：Natural Language as UI * 11:25 拒绝被动问答：Agent 必须具备 Proactive Trigger 能力。 * 15:30 LLM OS 概念：当自然语言取代图形界面，我们还需要 App 吗？ 硬核拆解：Memory 技术栈演进 * 21:48 Replika 的启示：早期情感陪伴产品的成功与局限。 * 23:46 Mindverse 架构复盘：试图打造“USB 式记忆插件”的工程挑战。 * 24:00 学术界新框架：HippoRAG 与 Self-RAG 如何模拟人类海马体机制？ * 27:35 MemCell：如何将非结构化对话转化为结构化记忆？ * 24:55 评测困局：关于 Local Models与 Memory 结合的 Benchmarking 讨论。 商业洞察：定价策略与终局 * 34:33 定价心理学：为什么 Outcome-based pricing 是 B 端唯一解？ * 43:09 重读 Andrej Karpathy，创业者的机会在“最后一公里”。 Kisson 结合 Tanka AI 的实战经验，总结了 B 端客户的采购心理： 以上就是本期的全部内容了，欢迎您的收听，我们下期再见～ PS：AI Odyssey 听友群正式开通了，添加 vx：aiodysseyai 带你一起看 AI

主播的话 你的 Transformer 模型，是不是有一半的计算量都在“摸鱼”？ 当所有人都在卷 SFT的时候，为什么硅谷的前沿研究者们却开始担心“模式坍缩”，转而把目光投向了 RLVR？ 这期节目，我们没请 CEO，也没请投资人，而是拉来了一位最近在硅谷“跑会”跑到腿软的硬核朋友——俊帆。作为自动驾驶领域的 AI Engineer，他在短短两个月里，密集扫荡了 Pytorch Conference、Ray Summit、AMD Dev Day 甚至各类 Hackathon（还抽中了一块显卡！）。 我们把他在这些活动上听到的“内部噪音”和“前沿信号”做了一次深度 Dump。你会在节目里听到： * 斯坦福大佬 Christopher Manning 是如何通过“残差流抹除”实验，发现 Transformer 架构其实非常浪费的； * 为什么现在大家都说“Post-training”才是决胜局，以及 Thinking Machine 实验室是如何用轻量级的 LoRA 就能跑出逼近 97% 的 RL 效果； * 还有字节、Google 在Infra层面上为了解决万卡训练和 Agent 显存焦虑做的“变态”优化。 如果你是正在死磕模型效果的算法工程师，或者是对 AI 技术栈演进好奇的产品人，这期“硅谷前线观察报告”绝对能帮你省下几千美金的门票钱。 戴上耳机，我们一起去湾区现场看看。 嘉宾： 朱俊帆：芝加哥大学金融数学和佐治亚理工学院计算机科学毕业，曾在自动驾驶公司从事 AI Agent 和强化学习的研发工作；在芝加哥做了几年投行的量化金融模型。 欢迎查看嘉宾的 LinkedIn 了解更多信息 主播： Leo：硅谷大厂高级机器学习工程师，GenAI LLM发烧友 本期重点 * 00:47 嘉宾介绍 * 02:01 嘉宾的“特种兵”行程单：从 PyTorch Conf 到 AMD Dev Day * 05:43 斯坦福教授的新发现：Transformer 后半部分的计算量，其实都被“浪费”了？ * 07:20 混合专家模型 (MoE) 的进化：如何用一半的计算量超越 Benchmark * 12:40 硅谷热词 RLVR：当数学定理成为“裁判”，RLHF 还有必要吗？ * 15:57 像人类一样思考：解决长程推理难题的“分层推理”策略 * 19:40 过度 SFT 会导致“模式坍缩”？聊聊 Post-training 时代的 Trade-off * 22:06 创业公司福音：只用 LoRA 也能逼近 97% 的全量 RL 效果 * 25:00 显存不够怎么办？Red Hat 提出的“睡眠模式”与 GPU 热交换黑科技 * 28:53 字节跳动 VERL 揭秘：如何搞定万卡集群上的 RL 混合编排？ * 34:06 Google 的 Agentic Browser：不只是看网页，而是直接运行代码 * 37:17 当 AI 遇见 NBA：从预测比赛到生物制药，Agent 的落地场景猜想 以上就是本期的全部内容了，欢迎您的收听，我们下期再见～ PS：AI Odyssey 听友群正式开通了，添加 vx：aiodysseyai 带你一起看 AI。