Hao的游戏PM笔记 - 节目列表

本期解读：海外独角兽《Harness is the New Dataset》 这篇文章综合了 Anthropic、OpenAI、Google 等一线团队的实践经验，系统梳理了 Harness Engineering 这一 2026 年 AI 工程领域最热的概念。Harness 是模型周围的外围系统，决定了 agent 能看到什么、能用什么、失败时该怎么办。 🔥 本期核心内容 1. Harness 是什么：给 AI 套上马具 Agent = LLM + Harness｜AI 工程三次演进：Prompt → Context → Harness｜标志性事件：2025 年 11 月 Claude Opus 4.5 发布，「用好模型」开始比「提高模型」更重要 1. 6 个组件，3 层架构 信息层（记忆与上下文管理、工具与技能）→ 执行层（编排与协调、基础设施与保障）→ 反馈层（评估与验证、追踪与观测）｜Openclaw 案例：harness 设计创造出模型本身给不了的「生命力」 1. 7 个设计原则精华 渐进式披露：信息分层加载，不一次性全塞给 AI｜工具少而精：Claude Code 只有约 20 个工具｜研究→计划→执行→验证分离：Boris Cherny 的 context firewall 方法｜反馈闭环：Mitchell Hashimoto 的「每次犯错都工程化」原则 1. 模型与 Harness 的共生关系 训练即部署：Cursor、Windsurf 用真实环境训练模型｜Harness 即数据：执行轨迹才是真正的竞争壁垒｜Anthropic 领先几个月的窗口期，造就了 Claude Code 的生态优势 💡 对游戏/科技从业者的启示 * AI 落地效果不好，问题往往不在模型，而在周围系统——评估你团队 AI 工具的 harness 成熟度 * 用「研究→计划→执行→验证」重构 AI 辅助工作流，不要甩大需求给 AI * 建立团队级经验沉淀文档（类似 AGENTS.md），让 AI 工作流也有复盘机制 📌 关于我 我是 Hao，游戏行业项目管理从业者，9 年经验。这档节目是我的"学习笔记"，把有价值的深度内容消化成中文播客，带上我自己的视角和思考。如果你也对 AI、科技趋势、项目管理感兴趣，欢迎订阅 🎧 🔗 延伸内容 * 游戏项目管理进阶课程：https://j6cuy7img2.feishu.cn/wiki/S86kw6fkKi2l6SkjC2mcGQoYnHd * 模拟面试 / 简历优化服务：https://j6cuy7img2.feishu.cn/wiki/Dgz3wQ1lWidUzBkEPORczpyXnAe * 游戏 PM 成长社区（含工作思考与案例沉淀）：https://j6cuy7img2.feishu.cn/wiki/KO1ewUTThi6nYpk79jAc94dmnMg

本期简介 同样的工具、同样的行业，有的团队用AI提效30%，有的团队快了30倍。差距到底在哪？ 这期聊三层差距：谁在用、用在哪、流程改没改。从一线游戏项目的真实观察出发，聊为什么AI落地的瓶颈正在从「技术能不能做」转移到「业务愿不愿意用」，为什么真正的30倍不来自写代码更快而来自沟通链的消除，以及PM在这件事里能做什么、必须主导什么。 内容偏实操，不是纸面推演。如果你也在团队里推AI，或者想搞清楚这波浪潮对游戏研发到底意味着什么，可以听一听。 金句摘录 场景没变，使用者变了。这才是跨越鸿沟的开始。 谁先自己用起来，谁就先拉开差距。效率差距的起点，往往不在工具选型会上，而在某个策划决定「我自己试试看」的那一刻。 省掉的时间不在任何一个环节内部，而在环节与环节之间的缝隙里。 让AI帮助干活的人自己验证想法，比帮干活的人加速某一步价值大得多。 不是「答案就是X」，而是「大概率问题在这三个方向」——这反而是当前大模型最擅长的事。 当做工具的成本从几人月降到几人天，大团队在工具链上的积累优势就没有以前那么高不可攀了。 你的工作流如果不是为AI设计的，AI就只能在旧流程的缝隙里帮你省点零散时间。 以前优化的是人与人之间的流程，现在要同时考虑人与AI之间的流程。 当生产成本趋近于零，大众市场的价格也会趋近于零。真正还能收到钱的，是那些深度服务于小众群体的产品。 本期关键词 AI团队落地 / 沟通链消除 / 端到端验证 / AI数据归因 / 内部工具成本 / QA瓶颈 / 工作流改造 / plan first / 小众精品 / 游戏PM 本期聊到的几个关键判断 1. 三层效率差距第一层：谁在用——等IT推方案 vs 业务自己上手 第二层：用在哪——加速某个环节 vs 消除环节间的沟通链 第三层：流程改没改——旧流程套新工具 vs 为AI重新设计工作流 2. PM角色的迁移从推方案的人，变成扫除障碍的人 搞定账号、解决网络、整理prompt模板，降低业务试用门槛 3. 数据分析分两类场景查数类（要精确）：现阶段老老实实用BI更可靠 归因类（要方向）：AI把几十个变量跑一遍，指出值得深挖的方向 4. 内部工具的成本结构变了以前「做个内部工具」要季度排期，现在可能周末就能搓出来 资源规划逻辑需要更新——低成本高回报的改善机会不要错过 5. QA会是下一个瓶颈开发提速10倍，测试还是原来的速度，QA会瞬间爆掉 自动化测试、AI辅助回归测试，从「有空再搞」变成必选项 6. 流程优化是PM必须主导的事策划的需求：从Word文档 → 结构化数据表 + 可交互原型 资源命名从第一天就标准化，方便AI自动分类检索 这些跨职能协作规则，只有PM能推 相关资源 * 个人品牌网站：pmnote.ai * 游戏PM系列课程（入行 / 进阶 / AI提效）详情见网站 * 成长社区、一对一模拟面试和简历优化也可通过网站联系

新项目磨合期，当所有决策都汇聚到一个人身上，团队会出现什么问题？PM 又能用什么机制把决策负荷分散出去？这一期聊团队里"人"的问题。

本期解读：Tripo 首席科学家曹寅培谈 AI 3D 生成 曹寅培是 Tripo 的首席科学家，Tripo 是目前 AI 3D 生成领域最前沿的公司之一。最近他们发布了 P1.0 模型，首次实现了「原生可用」的 AI 3D 生成——直接输出拓扑合理的低模，可以跳过手动清理直接进入生产管线。 🔥 本期核心内容 1. "长得像"和"能用"的真实差距AI 生成 3D 的核心门槛不在视觉效果，而在网格拓扑、UV 展开、骨骼绑定等底层结构 2. 传统 3D 管线最痛的环节重拓扑和绑定是最耗时、最没创意的苦活，管线后半段发现问题会导致全链返工 3. P1.0 模型的突破：Pipeline Ready首次直接生成工业级低模，「有皮有肉有骨有脑」的框架中，行业刚走到「肉」这一层 4. 2 秒生成一个低模：速度带来的范式变化当生成从「天」压缩到「秒」，创作方式本身会质变——你能做的产品类型完全不同了 💡 对游戏/科技从业者的启示 * 中小团队和独立开发者最先吃到红利，AI 能覆盖 80% 的填充类资产 * PM 现在就可以按「AI 可做程度」给项目资产分四档（A/B/C/D），重新设计排期和外包策略 * 评估 AI 3D 工具的核心指标：生成物能不能直接进管线，还是增加返工 📌 关于我 我是 Hao，游戏行业项目管理从业者，9 年经验。这档节目是我的「学习笔记」，把油管上的好内容消化成中文播客，带上我自己的视角和思考。如果你也对 AI、科技趋势、项目管理感兴趣，欢迎订阅 🎧 🔗 延伸内容 * 游戏项目管理进阶课程：j6cuy7img2.feishu.cn * 模拟面试 / 简历优化服务：j6cuy7img2.feishu.cn * 游戏 PM 成长社区（含工作思考与案例沉淀）：j6cuy7img2.feishu.cn

🎙️ 这是一期个人分享 最近AI圈很火的概念——蒸馏自己、数字分身。我花了16个小时，真的做了一个自己的AI。这期不聊技术实现，聊的是这个过程中我对"知识"这件事的重新理解。 📊 关键数据 27MB 原始数据（几百篇内容 + 工作日志 + 创作素材）→ 154KB 蒸馏产物（9个文件），压缩比 180:1 🔥 本期核心内容 1. 知识工作者的核心困境你的知识困在脑子里，一天只有24小时，一次只能跟一个人聊｜80%的问题重叠，但每个人需要针对性的回答 2. 27MB的"自己"藏着什么半成品比成品更有价值｜创作过程中的废弃段落藏着思考脉络｜工作日志是最好的蒸馏原料 3. 第一版失败的教训方法论不是差异化——AI也懂方法论｜真正的差异化在具体案例和边界判断｜"上下文"比"知识点"更稀缺 4. 提炼人格比提炼知识更难口头禅背后是思维模式｜"先反问再回答"不是话术，是责任感｜能力边界比能力范围更重要 5. 执行在降价，判断在升值AI能做排期、写PRD、整理会议纪要｜AI不能判断"该不该做"和"这个人说的可不可信"｜护城河是你的判断体系，不是工具技能 💡 对知识工作者的启发 * 你的隐性知识比你以为的多得多——问题不是有没有，是有没有挖出来 * 每天记录几句"我为什么做这个判断"，就是在积累蒸馏原料 * 数字分身是工具，真正值得花时间的是积累值得被提取的东西 📌 关于我 我是 Hao，游戏行业项目管理从业者，9 年经验。如果你也对 AI、项目管理、职业成长感兴趣，欢迎订阅 🎧 🔗 延伸内容 * 个人品牌网站（社区 / 课程 / 各平台入口）：pmnote.ai

一个技术负责人和我说，让AI写了个复杂功能，出了crash自己修不了。他自己下场看代码才发现：AI写的代码能跑，但脑子里没有那段代码的心智模型，直觉完全失效。最后他精确描述问题，AI才把bug修掉。 这期聊的就是这个问题——AI编程的信任边界到底在哪？ 【本期要点】 → 简单模块直接用，复杂架构人必须深度介入。核心原则：你可以让AI帮你写代码，但不能失去对代码的理解力。 → 三条实战经验：给AI建立项目记忆（README）、串行优先于并行、一开始就按工程规范来。你和AI的协作方式决定了产出的质量上限。 → AI降低了产出成本，但判断成本一点没降。执行门槛在急速降低，判断价值在急速上升。你的竞争力取决于判断力，不是执行速度。 → 团队共识：现在AI是工具，必须用但不能完全信任。AI提供原料，人提供配方。 【关于我】 我是Hao，游戏行业10年，现任游戏公司项目经理。运营「游戏PM笔记」，专注游戏项目管理和AI提效的实战分享。 【找到我】 🌐 PM成长社区：pmnote.ai 📚 课程：AI提效课 / PM入行课 / PM进阶课 — 详情见 pmnote.ai 💬 一对一简历优化、模拟面试、职业咨询 — 社区内联系我

本期简介 聊一个具体的问题：怎么让 AI 从几个人的个人爱好，变成整个团队的标配？ 光靠鼓励没用，得在流程和制度层面做调整。降低使用门槛比宣传有效十倍。招人时 AI 能力要成为必选维度。推 AI 的方法论，和推 Scrum 是一回事——自上而下拿授权，自下而上积累证据。 这期内容来自最近和兄弟项目的一次集中交流，加上自己项目里正在推的几件事。有看到比我们领先一个身位的做法，也有踩过的坑。全是正在发生的实操，不是纸面推演。 金句摘录 * 没有人会主动改变自己已经习惯的工作方式，除非有外力推动。 * 制度不是为了强迫谁，是为了把底线拉起来。 * AI 把产能的时间维度，从「人在工位的 8 小时」扩展到了 24 小时。 * AI 生成的东西不能直接用，但「改一改」比「从零做」永远更快。 * AI 能力最终会像 Office 一样成为基础技能，不会永远有「AI 工程师」这个独立岗位。 * 个人提效是加法，团队提效是乘法。 * 自上而下拿授权，自下而上积累证据。 * 让用得好的人来分享，比管理层号召有效十倍。 本期关键词 AI 团队落地 / 制度化推进 / 工具壳封装 / 定时任务 / 夜间修 bug / 资产生产链路重构 / 招聘维度 / 窗口期 / Scrum 推广方法论 / PM 产能管理 本期聊到的几个关键做法 1. 把 AI 参考写进流程 模型类需求必须附带 AI 生成的参考，美术基于此做正式版。留过渡期让大家适应，之后切成硬性要求。 2. 降低使用门槛 统一入口、封装 Skill、共享账号、配 Wiki 说明书。新人打开工具选一个功能就能用，不需要懂背后的 API。 3. 让 AI 在下班后继续工作 预设好的生图任务夜间跑，第二天来收半成品。批量制造「改一改」的素材。 4. 用真实业务场景当训练场 一批需要快速产出的功能性物件，直接用 AI 链路跑——策划出图、AI 生模、原画只审核不执行。业务推进的同时，团队自然上手了 AI。 5. 招聘考察两件事 有没有意识到 AI 能做什么；有没有把 AI 融入自己工作流的实际案例。有认知没实践说明行动力弱，有实践没认知说明思考浅。 下期预告 下期聊团队里「人」的问题——制作人成了决策瓶颈怎么办，组长不愿意承担决策角色的时候 PM 能做什么。 相关资源 * 个人品牌网站：pmnote.ai

🎙️ 本期简介 游戏行业的 35 岁危机，比互联网大厂来得更早、更隐蔽。最近收到了太多关于「35 岁之后怎么办」的私信，今天想认真聊聊这个话题——那些从你身边「消失」的同事，后来到底去了哪里，过得怎么样。 基于我九年的行业观察、咨询案例和身边人的真实经历，聊三件事：为什么游戏行业的「保质期」比你想的短，那些人后来走了哪六条路，以及真正决定你走向的，往往不是能力本身。 💡 本期金句 离开不等于失败。 最好的职业安全感，不是来自一份工作本身的稳定性，而是来自你随时能找到另一份工作的能力。 你没法控制每一次出手是不是暴击，但你可以通过堆暴击率来提高整体期望值。 📌 关于我 我是 Hao，游戏行业九年项目经理。在小红书和 B 站分享游戏行业观察与项目管理思考，也提供一对一求职咨询和课程服务。 🔗 个人网站：pmnote.ai 📕 小红书/B站：Hao的游戏PM笔记

🎙️ 今天聊一个有点跨界的话题——从全球资本市场的真实案例出发，聊聊投资世界里那些被真金白银验证过的生存法则，跟我们游戏人面对的处境有什么交叉。 🔥 本期核心内容 1. 追热点的人在哪个领域都亏散户追中东冲突热点被反复收割 vs 游戏人追每一波新概念却什么都没学会。真正的胜率来自长期深耕的"能力圈"。 2. 信息越多≠判断越准几百万美元的政治分析不如一个简单的 VIX 信号。对我们来说：与其做 AI 万事通，不如在自己的场景里把一两个工具用到极致。 3. All in 是最危险的策略年初赚 20% 的基金三月回吐全部利润。游戏团队盲目推翻管线的代价同样惨痛。先验证、先赚安全垫、再扩张。 4. 系统会自我修复，但你得还在场上恐慌中离场的人错过了反弹。2022-2023 年离开游戏行业的人，也错过了行业自适应后的新机会。 5. 中国团队的身位优势亚洲基金经理跑赢美国同行，国内游戏团队的 AI 接受度也明显更快。但窗口不会永远存在。 6. 被淘汰的到底是哪种人不是能力差的人，是只会一套打法、不愿意根据环境变化调整自己的人。 💡 对游戏/科技从业者的启示 * 深耕 > 广撒网，在自己的工作场景里把 AI 用透比什么都知道一点有用得多 * 节奏 > 速度，先小范围验证再逐步扩展，别在膨胀期 All in * 判断力正在成为最稀缺的竞争力——"怎么做"在贬值，"做什么"在升值 * 每天记录决策场景，给自己积累真实的案例库 📌 关于我 我是 Hao，游戏行业项目管理从业者，9 年经验。如果你也对 AI、科技趋势、项目管理感兴趣，欢迎订阅 🎧 🔗 延伸内容 * 游戏项目管理进阶课程：j6cuy7img2.feishu.cn * 模拟面试 / 简历优化服务：j6cuy7img2.feishu.cn * 游戏 PM 成长社区（含工作思考与案例沉淀）：j6cuy7img2.feishu.cn

【本期主题】 游戏从业者用AI的真正瓶颈 同一个团队、同样的AI工具，有人效率翻倍，有人折腾半天连一个满意的结果都拿不出来。差距到底从哪来？这期我想把这个问题拆清楚。 结论可能让你意外：瓶颈不在工具，不在prompt技巧，而是两个看起来跟AI没关系、但决定了你能不能用好AI的底层能力。 【本期关键收获】 → AI输出不满意，十有八九是你这端的输入有问题 → 人在协作中会自动假设对方和自己拥有相同的背景知识，AI不会 → 任何需求包含三个要素：背景、内容、标准——交给人或AI都适用 → 给具体反馈而不是"不行，重做"，AI和团队成员都一样 → 游戏研发的核心交付物是"体验"，而体验极难被精确定义，所以这个行业特别需要把隐性标准显性化的能力 【关于主播】 Hao，游戏行业近10年，一线研发项目经理。做过关卡管线搭建、项目海外上线、从零搭建研发体系。每天记录工作中的思考和复盘，到现在已经积累了几百篇。 【课程与社区】 🔗 pmnote.ai — Hao的PM成长平台 📚 课程体系： · 游戏项目管理14讲 — PM入门，建立基础认知和工作框架 · 从执行者到架构师 — PM进阶，突破1-4年成长瓶颈 · 游戏PM的AI实战手册 — 把AI嵌入排期、风险识别、会议纪要等日常工作流 👥 PM成长社区：每日工作思考更新 + 同行交流 + 课程答疑 💬 一对一模拟面试和简历优化服务，详情见 pmnote.ai

AI在团队里跑起来之后，我们遇到了什么 当团队Token消耗量涨到春节后的三四十倍，每周还在翻倍——AI不再是"试试看"，而是真正嵌入了日常工作。 但跑起来之后，问题才刚刚开始。 这期会员专属视频，聊的是AI在一个百人游戏团队里真正落地后，冒出来的那些你提前想不到的管理风险： AI编程的信任边界 技术负责人让AI写了一个复杂功能，跑出两个crash，AI修不了。自己去看代码才发现——AI的编码思路和人不一样，出了问题你的直觉会失效。简单功能很爽，复杂架构很慌，这中间的边界在哪？ 文档产出门槛归零之后 AI让策划可以很快写出一份"看起来该做"的需求文档。但"看起来完整"和"经过验证"之间有巨大鸿沟。AI降低了产出成本，但判断成本一点没降。审核机制怎么设计？ 团队AI经验拉齐 项目记忆、串行优先、工程规范先行——来自一线程序同学的实战经验，对所有岗位都有参考价值。 Claude Code源码泄露的启示 51万行代码暴露了什么？五个通用设计模式如何迁移到你自己的AI工作流？ AI到底是谁的机会 25-35岁、应届生、管理者——不同阶段的人该怎么抓住这波红利？ 不是鸡汤，全是真实项目里的案例和踩坑。 PM成长社区/课程/咨询/社群详情见：pmnote.ai

Shownotes 🎙️ 「油管解读」是我新开的一档节目 油管上有太多高质量的深度内容，但大多是英文的，动辄几小时，听起来费劲。所以我用 AI 把感兴趣的内容转成中文播客，方便自己通勤收听，也分享给你。 本期解读：The Diary of a CEO × Karen Hao（邵考蓝） 邵考蓝是一位获奖调查记者，先后在 MIT Technology Review 和华尔街日报覆盖 AI 领域超过 8 年，采访超过 250 人（含 90+ OpenAI 员工/高管），新书《Empire of AI》登上纽约时报畅销榜。这期访谈长达 2 小时，是目前对 AI 行业最深入的批判性对话之一。 🔥 本期核心内容 1. OpenAI 内部权力游戏Altman 如何镜像 Musk 的语言来招募他｜CEO 之争的内幕｜Ilya 原话「他不应该把手放在 AGI 按钮上」｜董事会解雇与复职的完整还原 2. AGI 是一个营销神话？人类智能没有科学共识定义｜Altman 对不同听众讲不同版本的 AGI｜沙丘类比：制造神话的人最终迷失在自己的神话中 3. AI 帝国的四大特征资源掠夺（数据+土地）｜劳动剥削（数据标注+自动化）｜垄断知识生产（研究者被收编+异见者被开除）｜善恶叙事（「不让我来，中国就来了」） 4. 就业冲击的真实面貌入门级岗位减少 40%（Anthropic 报告）｜Klarna 从 7400 人降至 3000 人｜数据标注成为被裁白领的「接盘工作」｜职业阶梯正在断裂 5. 环境与社区代价Stargate 数据中心耗电超纽约市 20%｜Memphis 社区被甲烷污染但事先不知情｜淡水争夺与电费上涨 💡 对游戏/科技从业者的启示 * 技术选型要评估长期依赖风险和退出成本，尤其是 AI 工具 * 引入 AI 的目标是释放创造力，不是把人变成 AI 监工——士气崩溃的隐性成本更大 * 职业阶梯断裂是结构性问题：初级岗位被替代后，未来的高级人才从哪来？ * 不是所有问题都需要「火箭」，大多数时候你需要的是「AI 的自行车」 📌 关于我 我是 Hao，游戏行业项目管理从业者，9 年经验。这档节目是我的"学习笔记"，把油管上的好内容消化成中文播客，带上我自己的视角和思考。如果你也对 AI、科技趋势、项目管理感兴趣，欢迎订阅 🎧 🔗 延伸内容 * 游戏项目管理进阶课程 * 模拟面试 / 简历优化服务 * 游戏 PM 成长社区（含工作思考与案例沉淀）