Hao的游戏PM笔记 - 节目列表

这是整门课最核心的一章。双卡系统（3C卡+CER卡）是和AI高效协作的底层方法论，学会这个，后面的场景都是应用。 本章要点： * 3C卡 * CER卡 * 为什么双卡系统能减少来回沟通 * 完整的使用示例和练习 本章交付： * 3C卡模板 * CER卡模板 * 双卡使用检查清单 📌 课程详情&报名： j6cuy7img2.feishu.cn

在深入具体方法之前，先建立一个全局地图。这一章梳理PM的典型工作场景，以及后续课程的学习路径。 本章要点： * PM工作的5大高频场景 * 每个场景的痛点和AI解决方案预览 * 基础篇→核心方法篇→进阶篇的学习路线 * 如何结合自己的工作节奏学习 本章交付： * 5大场景与章节对应表 * 基础篇完成检查清单 📌 课程详情&报名： j6cuy7img2.feishu.cn

Cursor最强大的三个功能：@mention、知识库、Rules。这一章深入讲解这三个功能的用法和配合技巧。 本章要点： * @mention：让AI引用你的文件 * 知识库：项目背景、风险案例、模板库 * Rules：让AI遵守你的工作规范 * 三者如何配合使用 本章交付： * project-background.md模板 * Rules配置模板 * @mention速查表 📌 课程详情&报名： j6cuy7img2.feishu.cn

工欲善其事，必先利其器。这一章带你完成Cursor的安装和基础配置，搭建好你的AI工作台。 本章要点： * 为什么选Cursor：对比ChatGPT/Claude的优势 * Cursor安装与基础配置 * 创建你的第一个工作区 * 完成配置后的验证测试 本章交付： * 安装配置检查清单 * 基础Rules模板 📌 课程详情&报名： j6cuy7img2.feishu.cn

这是课程的第一章，聊聊AI能帮PM做什么、不能做什么，以及为什么"会用AI"正在成为职场基础能力。 本章要点： * PM的日常工作有哪些适合AI辅助 * AI的能力边界：擅长什么、不擅长什么 * 从"我问你答"到"我说你做"的范式转变 * 为什么选择Cursor而不是ChatGPT 适合你，如果： * 试过AI但觉得"不好用" * 想了解AI到底能帮PM做什么 📌 课程详情&报名： j6cuy7img2.feishu.cn

引 最近有个感觉，越来越强烈：过去十年在游戏行业学的项目管理方法论，正在集体失效。 甘特图、燃尽图、人天、Sprint、迭代、里程碑、流程规范。 这些词曾经是游戏项目管理的圣经。我们用它们拆解版本，用它们约束团队，用它们向制作人汇报进度。 但最近我一次又一次地发现，这些词所指向的管理范式，正在被 AI 从根基上动摇。 这是因为过去的一切，都建立在一个正在消失的前提之上：人是生产的瓶颈。 而新世界的前提变了：Agent 正在成为真正的生产力单元。 2026 年了，也许不应该再试图用旧的管理框架去驾驭一个全新的生产方式。 我想从一个游戏 PM 的视角，聊聊哪些旧认知正在崩塌，以及什么正在取而代之。 上篇：正在崩塌的六个旧共识 一、人天估算正在变成一场集体幻觉 游戏开发的排期，过去全靠人天。一个功能多少人天，一个版本多少人月，一个里程碑需要几个 Sprint。整个项目管理的大厦，建立在"人天可预估"这个地基之上。 但这个地基正在开裂。 同一个程序员，不用 AI 写一个战斗系统的基础框架可能需要两周，用 AI Coding 可能三天就搞定了。同一个美术，不用 AI 画一套概念图需要一周，用 AI 辅助可能一天出五个方案。 人天估算的前提是：同一个人做同一件事，效率大致稳定。但当 AI 介入之后，同一个人的产出波动可以达到三到十倍。你还怎么用"人天"来排期？ 更要命的是，团队里每个人使用 AI 的水平参差不齐。有人已经用 Claude Code重构了自己的整个工作流，有人还在把 AI 当搜索引擎用。同一个岗位、同一个职级，实际产能可能差出一个数量级。 人天估算没有消失，但它正在从一个精确的度量单位，退化成一个模糊的参考区间。 二、线性流程正在被 AI 击穿 游戏开发的经典流程是一条线性的链：策划出需求文档 → 评审 → 程序拆解任务 → 开发 → 提测 → QA 测试 → 修 Bug → 验收。 这条链之所以存在，是因为每个环节都依赖"人"来完成，而人与人之间的信息传递需要文档、会议、流程来保障。 但 AI 正在打穿这条链上的每一个环节之间的墙。 当策划可以用 AI 直接生成可运行的原型，"需求文档→程序理解→技术评审"这三步可以压缩成一步。当 AI 可以自动生成测试用例并执行回归测试，"提测→QA→回归"也在被压缩。 不是说流程不需要了，而是流程的颗粒度和节奏完全变了。过去一个 Sprint 两到四周是合理的，因为从需求到可验收需要这么久。但当 AI 把中间环节大幅压缩之后，一周甚至几天就能完成过去一个 Sprint 的量。 你的 Sprint 周期不变，但产出密度剧增，这意味着管理节奏必须跟着变。还按照旧节奏开评审、做回顾，团队可能会觉得流程在拖后腿。 线性流程不会消失，但它会从一条长链变成多条短链并行。项目管理的重心，从"管控流程的执行"转向"协调并行短链之间的依赖"。 三、每日站会的价值需要重新定义 每天早上十五分钟，每个人说三句话：昨天干了什么、今天要干什么、有什么阻塞。这是 Scrum 的标配，也是游戏团队最常见的会议形式。 日站会之所以有用，是因为信息分散在每个人脑子里，团队需要一个低成本的方式来同步进展和发现风险。 但问题来了：当 AI 工具可以实时追踪每个人的代码提交、任务状态、文档更新，你还需要让每个人花十五分钟口头汇报吗？ AI 已经能做到自动生成每日进展摘要，自动标记偏离计划的任务，自动识别可能的阻塞点。这些事情，一个 Agent 比一场站会做得更快、更准、更全。 日站会不会完全消失，但它的功能正在被重新定义。它不再是信息同步的工具，而应该是团队建立共识和解决复杂问题的时间。如果一场站会的内容 AI 都能总结出来，那这场会就不该开。 项目管理者需要重新思考：哪些会议是为了传递信息（AI 可以替代），哪些是为了达成共识（人必须参与）。 四、文档驱动的协作模式正在被颠覆 游戏行业有一个根深蒂固的传统：一切以文档为准。策划案、技术方案、美术规范、测试用例，文档是团队协作的锚点。 "你看文档了吗？"——这句话在游戏团队里出现的频率，可能仅次于"这个需求什么时候做完？" 文档之所以重要，是因为人的记忆不可靠，人与人之间的口头传递会丢失信息。文档是一种用"写下来"来对抗"记不住"的机制。 但 AI 正在改变这个模式。 当 Agent 可以直接阅读代码库、理解上下文、追溯历史讨论，它需要的不是一份精心排版的策划案，而是结构化的、机器可读的需求描述。 当你写一份五十页的策划案，可能只有 20% 的内容是真正的决策信息，剩下 80% 是背景铺垫、设计解释和格式排版。AI 不需要那 80%。 这不是说文档不重要了，而是文档的形态需要进化。从"写给人看的长文档"进化成"人和 Agent 都能高效消费的结构化信息"。 未来的游戏策划案可能不再是一个 Word 文件，而是一组结构化的数据、一套可执行的规则描述、一份 Agent 能直接消费的需求定义。 五、专职 QA 的传统定位正在被重写 在游戏行业，QA 一直是一个庞大但容易被低估的岗位。大量的测试工作是重复的、机械的：走遍每一张地图的每一个角落，尝试每一种装备组合，反复触发每一个对话分支。 这恰恰是 AI 最擅长的事情。 AI 可以 7×24 小时不间断地跑自动化测试，可以模拟成千上万种玩家行为路径，可以在每次代码提交后几分钟内完成过去需要一天的回归测试。 很多游戏团队已经开始用 AI 构建自动化测试框架：自动生成测试用例、自动执行测试场景、自动标记异常并生成报告。过去需要十个 QA 花一周做的版本回归，AI Agent 可能一个晚上就跑完了。 但这不意味着 QA 这个角色消失了。机械的重复测试交给 AI，人类 QA 的价值会转向更高层面：制定测试策略、定义质量标准、做体验层面的主观评估——这些需要理解"好玩"是什么的工作，AI 目前还做不好。 项目管理者需要重新规划 QA 团队的结构和职责，而不是继续用人头数来衡量测试能力。 六、经验主义的管理直觉正在被数据 Agent 碾压 作为一名工作快十年的游戏项目管理，最引以为豪的是什么？直觉。看一眼进度就知道哪里要出问题，听一句汇报就能判断风险在哪里。 这种经验主义的管理直觉，曾经是项目管理者最大的壁垒。 但当 AI Agent 可以实时分析项目数据——代码提交频率、Bug 收敛曲线、需求变更历史、人员负载分布——并据此预测风险和给出建议时，纯靠经验的直觉就显得既粗糙又危险。 经验能覆盖的变量有限，一个人最多同时关注十几个风险维度。但 AI 可以同时监控几百个指标，发现人类注意不到的模式和关联。 这不是说经验没有价值，而是经验需要和 AI 的数据分析能力结合，才能发挥最大作用。一个只靠直觉管项目的 PM，和一个用 AI Agent 辅助决策的 PM，判断力的差距会越来越大。 旧共识碎了一地。但废墟之下，新规则已经在生长。 下篇：正在生长的四条新规则 规则一：AI 投入不是成本，是军备竞赛 让我们看看最新的现实。 顶级模型的定价还在攀升。更大的上下文窗口、更强的推理能力、更快的响应速度，每一项都在烧钱。一个深度使用 AI Coding 的游戏开发团队，一个月的 Token 消耗可以轻松过万美元。 这不是成本，这是投资。 你的竞争对手的程序团队已经在用 AI Coding 以两到三倍的速度产出代码。 你的竞争对手的美术团队已经在用 AI 一天迭代十个方案，而你的美术还在手画第二稿。 你的竞争对手的策划团队已经在用 AI 做快速原型验证，而你的策划还在写第三版需求文档。 在 AI 的使用上省钱，就是在战略上认输。 游戏行业的竞争一直是效率和品质的竞争。当 AI 成为效率的核心变量，能不能用好 AI、敢不敢投入 AI，就决定了团队的天花板。 算力上的马太效应在游戏行业体现得尤其明显：投入 AI 越多 → 迭代越快 → 品质越高 → 市场反馈越好 → 收入越多 → 投入 AI 越多。这个飞轮一旦转起来，追不上的团队会被甩得越来越远。 规则二：PM 的核心能力从"管人"变成"编排 Agent" 游戏项目管理过去的核心能力是什么？沟通协调、资源调配、进度把控、风险管理。本质上都是在"管人"——理解人的能力边界，协调人与人之间的配合，确保每个人都在正确的时间做正确的事。 但当 Agent 成为团队中事实上的生产力单元，PM 需要管理的对象变了。 你需要知道哪些任务适合交给 AI、哪些必须由人来做。你需要设计人和 AI 协作的工作流，而不是纯粹人与人协作的流程。你需要评估 AI 输出的质量标准，而不是只看人的交付物。 未来的游戏 PM 需要具备一种新能力：Agent 编排。就像导演需要知道怎么调度演员和特效团队一样，PM 需要知道怎么调度人类成员和 AI Agent，让它们在正确的节点上配合。 这不是一个可选的技能点，这是未来 PM 的基本功。 不会编排 Agent 的 PM，就像不会用 JIRA 的 PM 一样，很快会被行业淘汰。 规则三：游戏开发正在从"大团队长周期"变成"小团队快迭代" 过去做一款中型游戏，需要 50-100 人的团队，开发周期三到五年。为什么需要这么多人、这么长时间？因为每一个环节——美术资产制作、程序功能开发、关卡设计、测试验证——都需要大量的人力投入。 AI 正在从根本上改变这个等式。 当 AI 可以辅助生成美术资产、加速代码编写、自动化测试流程，完成同样的工作量需要的人就少了。少了多少？现在可能是少 10%，两年后可能是少 30%~50%。 这意味着游戏开发的组织形态会发生根本性的变化。 大团队的优势在于分工细致、各司其职。但大团队的劣势也很明显：沟通成本高、决策链条长、转向困难。当 AI 降低了纯执行层面的人力需求，大团队的沟通成本劣势会被进一步放大。 未来的赢家可能是那些 10-20 人的精英小队，每个人都深度使用 AI，团队的实际产能等价于过去 50-100 人的规模。管理这样的团队，PM 需要的不是层层汇报的管控体系，而是扁平高效的协作机制。 小而精的团队 + 大量 AI Agent = 新时代游戏开发的最优解。 规则四：PM 的终极价值回归——决策力 你有没有想过，当 AI 接管了项目管理中大量的事务性工作之后，游戏 PM 的价值究竟在哪里？ 进度追踪，AI 可以做。风险预警，AI 可以做。会议纪要，AI 可以做。数据报告，AI 可以做。资源排布的初步方案，AI 也可以做。 那人类 PM 还剩下什么？ 答案是：判断力和决策力。 AI Agent 有数据，有效率，有耐心。但它没有对"好玩"的直觉，没有对团队情绪的感知，没有对市场时机的嗅觉，没有在信息不完整时做出关键决策的魄力。 游戏是一个充满不确定性的行业。做什么类型的游戏、砍掉哪个功能、要不要推迟测试日期、团队士气低落时该怎么办——这些决策没有标准答案，需要的是对游戏、对人、对市场的综合理解。 AI 能把所有数据和分析摆在你面前，但最后拍板的，必须是人。 未来游戏 PM 的核心价值，不是亲自跑流程，而是做出正确的决策。 就像古代的将军，能力不在于自己挥刀砍人，而在于排兵布阵——给他多少兵（Agent），他都能指挥得动，并打赢仗。 终 旧世界，人是瓶颈，流程是保障，文档是锚点，经验是壁垒。 新世界，Agent 是产能，效率是投资，数据是锚点，决策力是壁垒。 两个世界，每一个关键词都在剧变。 流程已死，Agent 永生。 让我们勇敢地扔掉旧流程图，拥抱新的生产力。 —————— 📌 关于我 我是 Hao，游戏行业项目管理从业者，9年经验。 🔗 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）]

🎙️ 这是「游戏PM成长三部曲」的最后一期 AI时代，游戏PM会被取代吗？这期聊聊我的观察和应对思路。 📌 本期内容 **AI对游戏PM的影响** - 短期：效率工具升级，会议纪要从1小时变成10分钟 - 中期：能力门槛重塑，"会用工具"不再是优势 - 长期：岗位价值重新定义，核心是"让事情发生、让协作顺畅" **哪些工作会被取代** - 信息搬运：会议纪要、周报整理、进度汇总 - 模板化输出：需求文档初稿、流程说明 - 数据汇总：报表生成、图表分析 - 共同特点：可以明确描述、有标准答案 **什么不会被取代** - 判断和决策：没有标准答案，需要结合业务背景 - 人际协调：理解人、理解利益关系 - 系统设计：理解业务本质，做创造性的设计 **我怎么用AI** - 会议纪要与跟进：录音转结构化纪要 - 风险识别：分析项目数据，发现潜在问题 - 理解跨职能专业内容：补足专业知识短板 **怎么才能不掉队** - 成为AI的使用者，而不是被替代的人 - 强化AI做不了的能力：业务理解、人际信任、系统思维 - 重新定义你的价值：从"执行者"升级为"效率架构师" 💡 一句话总结 能用好AI的PM，会比以前更有价值。效率天花板被打开了。 📌 关于我 我是 Hao，游戏行业项目管理从业者，9年经验。 🔗 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）]

🎙️ 「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：AI makes you more creative, AI Roundtable with Steven Johnson and Grant Lee This Week in Startups的AI圆桌对话，嘉宾是NotebookLM编辑总监Steven Johnson（畅销书作家）和Gamma联合创始人Grant Lee。两位每天都在用AI做产品、写书、服务用户，分享了他们对「AI与创造力」的深度思考。 🔥 本期核心内容 1. AI让创作者更原创AI处理「苦力活」（找资料、整理引用），创作者能专注于真正需要创造力的洞察和思考Steven Johnson用这种方式写书，效率和原创性都提升了 2. 用AI「对话」整个用户群Gamma把用户反馈喂给LLM，产品经理能直接和「所有用户」对话几秒钟获得洞察，传统方法可能需要用研团队花几周 3. AI是思考伙伴，不是替代者NotebookLM的定位：帮你整理、关联、发现线索，但判断和创造还是你来做真正有价值的AI应用是「人机协作」，不是「一键生成」 4. Jevons Paradox与就业市场效率提升不会减少需求，反而创造更多应用场景就像电灯让捕鲸业衰落，但创造了电影业和现代娱乐业 5. 教育的回归AI可能倒逼口试和手写考试回归评估真正的理解能力，而不是信息搬运能力 💡 对游戏/科技从业者的启示 * 重新定义「苦力活」：让AI处理低价值执行，把精力放在判断和决策上 * 用AI做用户洞察：把玩家反馈喂给AI，快速获得规模化洞察 * AI使用能力正在成为基础能力，不会用就是竞争力不足 📌 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）

🎙️ 这是「游戏PM成长三部曲」的第二期 如果你做了3年左右游戏PM，感觉成长变慢了，这期内容应该对你有帮助。 📌 本期内容 **为什么3年会感觉成长变慢** - 前3年靠"第一次"成长，每个第一次都是巨大进步 - 3年后大部分场景都见过，经验边际效益递减 - 核心问题：从靠经验成长，转向靠什么成长？ **3年经验和资深PM的核心差距** - 从"执行任务"到"设计系统"——能不能看到问题并主动解决 - 从"管理进度"到"管理风险"——从事后响应到事前预防 - 从"跨部门协调"到"跨部门对齐"——从被动响应到主动建设 **怎么突破瓶颈** - 主动承担"系统性问题"，解决一个系统性问题比完成十个执行任务更有价值 - 建立自己的方法论，能讲清楚方法论的人才能带团队 - 扩大影响力半径，让你的思考和建议被看见 **聊聊跳槽** - 想清楚你要的是什么 - 准备好"可迁移的成果" - 理解目标公司的痛点 💡 一句话总结 如果你觉得现在工作"挺顺的"，那可能是危险信号。顺，意味着你在重复已经会的事情，没有在成长。 📌 关于我 我是 Hao，游戏行业项目管理从业者，9年经验。 🔗 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）]

🎙️ 「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。 📚 本期解读书籍信息 * 书名:《智能简史:进化、AI与人脑的突破》(A Brief History of Intelligence) * 作者:麦克斯·班尼特(Max Bennett),AI公司Alby创始人 * 出版:中译出版社,2025年6月 * 核心框架:智能进化的五次突破 一句话推荐 AI与人类智能差距最大的地方在哪? 本期解读《智能简史》最后两次突破:心智化与语言。1500万年前灵长类获得"读心术",10万年前人类掌握符号系统。这两次突破造就了社会协作与文化传承,也对应了PM从资深到卓越的跨越:理解人心,构建知识系统。 核心内容 🤝 第四次突破:心智化(1500万年前) * 心智理论:理解别人也有自己的想法、信念、意图 * 错误信念测试(Sally-Anne Test):4岁儿童的认知飞跃 * 镜像神经元:大脑中的行为模拟器(看到别人做就能"感受") * 多层嵌套推理:"我知道你知道我知道..." * 模仿学习:从观察中掌握复杂技能(黑猩猩用工具) * 长期规划:理解未来的自己(棉花糖实验) * AI的盲区:ChatGPT没有心智化能力,无法理解用户意图/情绪/知识状态 💬 第五次突破:语言(10万年前) * 符号系统五大特征:任意性、组合性、抽象性、嵌套性、离线性 * 语言改变思维:不只是表达工具,而是重新组织了思维结构 * 知识外部存储:脱离大脑,通过口传/文字跨代传承 * 文化进化爆炸:生物进化以万年计,文化进化以十年计 * 大语言模型:ChatGPT有"语言形式"无"真正理解"(中文房间) * 第六次突破?元认知/真正心智化/具身智能的可能性 🗺️ 五次突破完整地图 * 第一次(转向):效价判断+转向导航 → Roomba * 第二次(强化学习):预测奖励+时序差分学习 → AlphaGo * 第三次(模拟):想象+情景记忆+认知地图 → AlphaZero * 第四次(心智化):理解他人+模仿学习+长期规划 → 尚未实现 * 第五次(语言):符号思维+抽象推理+文化传承 → ChatGPT(形式) * 每次突破都是叠加,不是替代 🎮 游戏PM视角 * 第四阶段(心智化):理解团队的"人心管理"构建"人的模型":每个角色的想法/担心/能力边界/协作模式 从"对齐信息"到"对齐认知":建立共同心智模型 * 第五阶段(语言/系统):构建知识系统与文化传承把经验编码成流程 把隐性共识显性化 构建团队语言系统 让知识脱离个人大脑,变成团队资产 * PM成长完整路径:转向(救火)→强化学习(踩坑)→模拟(预判)→心智化(理解人)→语言(知识传承) 相关资源 * 《智能简史:进化、AI与人脑的突破》麦克斯·班尼特 著 * 推荐阅读:《人类简史》尤瓦尔·赫拉利 * 推荐观看:AlphaGo纪录片 * 相关论文:约翰·奥基夫的位置细胞研究(2014诺贝尔奖) 📌 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）

🎙️ 「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。 📚 本期解读书籍信息 * 书名:《智能简史:进化、AI与人脑的突破》(A Brief History of Intelligence) * 作者:麦克斯·班尼特(Max Bennett),AI公司Alby创始人 * 出版:中译出版社,2025年6月 * 核心框架:智能进化的五次突破 一句话推荐 AI能下围棋却不会洗碗,核心原因是什么? 本期解读《智能简史》第三次突破:模拟能力。2亿年前哺乳动物的新皮质带来了想象力——不需要真实试错,就能在脑中预演无数可能。这对应AlphaZero的飞跃,也对应了PM从中级到高级的转变:构建脑中的项目模型。 核心内容 🎯 第三次突破:模拟(2亿年前) * 新皮质:哺乳动物的秘密武器,占人类大脑80%体积 * 生成模型:大脑不是录像机,是生成器(盲点填充实验) * 想象力的本质:在行动前先在脑中预演多种可能性 * 老鼠走迷宫实验:位置细胞快速"扫描"可能路径 * 情景记忆:记录"某个具体时刻发生了什么",实现时间旅行 * 认知地图:诺贝尔奖研究——位置细胞与网格细胞构建GPS系统 🤖 AI对应:AlphaZero * 无模型 vs 基于模型:从AlphaGo到AlphaZero的飞跃 * 内部棋局模拟:不下真实的棋,在"脑中"快速预演千万种走法 * 效率提升:几小时达到AlphaGo数月训练的水平 * 从零开始:无需人类棋谱,纯靠自我模拟学习 🚫 模拟能力的边界 * 为什么AI还不会洗碗?围棋世界 vs 现实世界的复杂度对比 * 围棋:规则固定、状态可描述、后果可计算、信息透明 * 洗碗:形状千差万别、物理交互复杂、环境动态变化、需要临场应变 * 核心挑战:构建精确的"现实世界物理模型" * AI在虚拟世界(游戏/文本)表现好,但在物理世界(机器人/自动驾驶)进展慢 🎮 游戏PM视角 * 第三阶段(模拟):资深PM的"预见性管理" * 构建项目模型:目标/范围/依赖关系/关键路径/瓶颈/风险地图/人员能力 * 从"经历"到"想象":不只从踩过的坑学习,还能想象未见过的风险 * 知识外部化:把脑中模型变成可复用的模板和流程 相关资源 * 《智能简史:进化、AI与人脑的突破》麦克斯·班尼特 著 * 推荐阅读:《人类简史》尤瓦尔·赫拉利 * 推荐观看:AlphaGo纪录片 * 相关论文:约翰·奥基夫的位置细胞研究(2014诺贝尔奖) 📌 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）

🎙️ 「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。 📚 本期解读书籍信息 * 书名:《智能简史:进化、AI与人脑的突破》(A Brief History of Intelligence) * 作者:麦克斯·班尼特(Max Bennett),AI公司Alby创始人 * 出版:中译出版社,2025年6月 * 核心框架:智能进化的五次突破 一句话推荐 为什么AI能下围棋却不会洗碗? 这本《智能简史》用10亿年大脑进化史,揭示了智能的五次突破。本期解读前两次:转向与强化学习——它们解释了Roomba和AlphaGo的工作原理,也对应了游戏PM从救火模式到预判能力的成长路径。 核心内容 🧠 第一次突破:转向(6亿年前) * 大脑为什么会出现?主动捕猎的生存需求 * 效价(Valence):智能的第一个概念,好/坏的原始判断 * 神经元的三大秘密:全或无尖峰、速率编码、适应性 * 转向导航:只需两条规则就能在复杂环境中找到食物 * AI对应:Roomba扫地机器人——最简单但最成功的设计 🎯 第二次突破:强化学习(5亿年前) * 多巴胺:大脑的奖励货币 * 从反应到预测:大脑学会了预判"做这个→会得到那个" * 时序差分学习:用预测误差更新世界模型 * 好奇心的诞生:探索本身就能触发多巴胺奖励 * AI对应:AlphaGo——从无数盘棋的胜负中学习 🎮 游戏PM视角 * 第一阶段(转向):初级PM的救火模式——哪里有问题冲哪里 * 第二阶段(强化学习):从踩坑中成长——建立预测模型 * 核心转变:从"反应已发生的问题"到"预判未来的风险" 金句摘录 1. "大脑不是录像机,是生成器。你看到的世界,是大脑'生成'的模拟版本。" 2. "智能的本质不是反应,是预测。PM的成长也是如此。" 3. "没有沉淀,每次都是从零开始;有了沉淀,能力才能代代累积。" 4. "市场就像进化一样,最看重三样东西:便宜的、实用的、简单到足以首先被发现的。" 相关资源 * 《智能简史:进化、AI与人脑的突破》麦克斯·班尼特 著 * 推荐阅读:《人类简史》尤瓦尔·赫拉利 * 推荐观看:AlphaGo纪录片 * 相关论文:约翰·奥基夫的位置细胞研究(2014诺贝尔奖) 📌 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）