课代表立正

别人眼里的死局，宝二爷怎么把它谈成赚钱的生意？ 矿机厂急着还债，机器却卖不掉；交易所没什么生意，手里有闲置的币；矿场挖出的币只够交电费，眼看就要停机。背着100万高利贷的宝二爷，把这三方接到了一起。按他的回忆，这笔合作后来做成了全球最大矿场，而他自己的钱基本没花，却拿到了股份和分红。 这次和郭宏才（宝二爷）聊的，是“攒局”与“破局”，也是课堂之外的Street Smart：怎样看清别人最着急解决什么，找到自己能接下的部分；怎样谈付款方式、分工和回报，让几方都愿意加入，把原来做不成的事情做成。 完整会员版：https://youtu.be/WbTDLpFaCqg 他也讲了其他几次具体的机会：市场担心以太坊转PoS，矿机没人愿意接，他怎样打听信息、谈下定金，再用挖矿收入支付余款？与比特儿合伙做ICO平台时，技术由合作者负责，他为什么愿意接下运营和国内官司？没有清华学籍，他又怎样在校园做起网络电话生意、走进创业者的圈子？话费不赚差价，最后到底得到了什么？ 攒成一局以后，也有看错的时候。10元买入以太坊，后来却把手里的ETH全部换成ETC，为什么损失惨重、连矿场也赔了进去？从借钱买币到组织矿场合作，再到几次翻身与失手，我们追问他怎样判断机会、处理风险，以及每一次选择实际付出的代价。 沿着这些经历，也能听到早期币圈生意怎样发展：USDT的合作与流动性、币安早期项目、股份纠纷、和解与慈善。最后，我们聊到他为什么选择住在硅谷，以及他对比特币、美元稳定币、美股代币化和永续合约的判断。 文字版+完整视频：https://www.superlinear.academy/c/recording/chandler-guo AI Builders课程： https://ai-builders.com/ 章节： 00:00 开场：宝二爷的币圈起落 00:44 为什么想跟宝二爷聊江湖智慧？ 03:03 借100万高利贷买币，遇上熊市 05:32 三方各有难处，这笔矿场生意怎么谈成？ 10:58 赚到钱的矿场合作，为什么还是结束了？ 12:42 10元买入以太坊，接下无人愿接的矿场 15:11 换成ETC，为什么又走到破产边缘？ 16:03 技术、运营与官司：和比特儿合作做ICO平台 19:44 USDT早期合作，以及交易所的变化 22:56 股份纠纷、和解与慈善 25:32 没有清华学籍，怎样走进校园创业圈？ 29:13 话费不赚差价，这门生意赚什么？ 31:23 从卖牛肉到币圈：他怎样看行业规则？ 33:29 为什么选择硅谷？他申请“杰出人才”的经历 35:16 他是怎么认识V神的？ 36:31 发币、筹码与交易所的赚钱方式 38:17 稳定币与美股代币化：金融会怎样变？ 40:12 比特币的价格与流动性：他的判断依据 41:54 稳定币与永续合约，分别改变了什么？ 44:21 私钥丢了，钱到底去了哪里？

为什么论文读了、代码跑了，还是会被 AI 热点带偏？你可能验证了它说的是真的，却没有发现：连“什么叫厉害”，都是它替你定义的。 Jev 比大语言模型更快、更便宜，就意味着它是下一代技术范式吗？这和拿“有没有薄肌”去跟马斯克比，有什么相似之处？本期我用 Jev 拆解一套判断新技术的五步方法：理解原理、明确适用边界、建立评价标准、找到真正的比较对象，最后再决定它值不值得投入。 很多人读过原文、试过产品，却仍然沿着发布者的叙事往下推。一个符合期待的故事，加上技术博主的背书和平台流量的放大，就容易让人误以为“所有懂行的人都在看好”。而认真比较后说“不必追”的人，反而可能被当成没看懂。 从 Jev 到 MCP、LangChain 和 OpenClaw（小龙虾），我会具体讲：怎样找到被宣传省略的替代方案，为什么判断力不能靠记住结论来获得，以及当公司里所有人都在追热点时，如何通过做出更好的方案，让不同意见真正被听进去。 本期文章、技术细节与历史判断： https://www.superlinear.academy/c/ai-resources/ai-builders-learning-path AI Builders 课程： https://ai-builders.com/ 你最近遇到过哪个“大家都说必须学”的 AI 新技术？欢迎在评论区分享，也欢迎带着具体依据来讨论。 章节： 00:00 新技术范式，还是又一轮炒作？ 01:44 判断技术，先看它选了谁当对手 03:25 判断新技术的五步框架 04:27 Jev 到底在做什么？哪些方法也能做到？ 05:17 比速度和价格之前，先看这四个指标 05:57 换个比较对象，Jev 还值得追吗？ 07:08 “为机器而生”的故事，为什么那么吸引人？ 09:03 看懂论文的人，为什么也会放大炒作？ 10:38 为什么看懂后反对，反而被当成不懂？ 12:15 用同一套方法，看 MCP、LangChain 和小龙虾 13:52 反对一个方案，得拿出什么替代？ 14:41 判断力最难的一步，为什么靠背结论学不会？ 16:02 在公司里，怎样让不同意见被听进去？ 17:06 课程更新：从理解结论，到亲手实现和比较

AI让做产品越来越容易，为什么钱反而可能被离产品更远的人赚走？ 会员抢先看｜本期提前7天向会员开放，之后向所有观众公开。 这期我会拆解自己不接商单、靠课程和会员内容变现的做法。从制造业、电商和餐馆选址，到我自己做自媒体的经历，我们一起看清：当生产越来越卷，利润为什么会流向掌握渠道的人。 但“做渠道”到底意味着什么？为什么产品做得好，不等于生意能做起来？为什么平台上有10万粉丝，也未必能让真正想看的人看到你的内容？我会把分发拆成“触达”和“转化”，再讲一个具体目标：积累5000个因为认可你而主动订阅的人，建立一条自己能长期经营的渠道。 章节： 00:00 做得出产品，为什么还赚不到钱？ 00:39 为什么我又开始劝朋友做自媒体？ 01:47 不接商单，我靠什么养活自己？ 02:52 谁掌握稀缺环节，谁拿走利润 04:29 AI产品，会不会卷成下一个制造业？ 06:12 分发就像选址，决定生意的上限 08:23 让人看到你，和让人愿意买，是两回事 10:00 产品和渠道，你真正的优势在哪？ 10:50 想靠副业摆脱工作，先别把它当“顺便做做” 12:58 5000个订阅者，为什么可能撑起一门生意？ 14:06 有10万粉丝，为什么还是触达不了他们？ 15:37 怎样把平台流量，积累成自己的渠道

开5个AI窗口就忙不过来，一个人怎么管400多个任务？ 这次和Orca联合创始人津晶聊的，就是她和重度用户已经在用的一套工作方式：让Claude Code指挥Codex，把需求、设计、开发、测试串成流程；把发布、用户反馈等重复工作交给定时运行的Agent；人负责设定目标、关键决定和最终验收。 她管理的400多个任务分处不同阶段，其中约一半已经在按固定流程自动运行。更值得追问的是：怎样让更多工作同时往前走，又不把自己变成每个AI的监工？ 这套方式也体现在Orca自己的团队里。录制时只有4个人，他们每天发布一个稳定版本，每版包含上百个PR。后半场，我们继续拆解：为什么他们不怕被OpenAI和Anthropic“顺手做掉”？为什么每做一个新产品，都要深入访谈约100位用户？把95%的时间花在产品上，增长又从哪里来？最后，津晶也分享了她看好的几类AI创业机会。 Orca：https://github.com/stablyai/orca 欢迎加入我创办的AI社区「超线性学院」，里面已经有两万多AI Builders，700多个项目。在里面，你能看到最新的技术进展，和不同背景的人如何用AI解决自己的问题。我在腾讯、美团、小红书等公司的企业培训，在社区里也可以免费看。 访问 https://www.superlinear.academy，或搜索App超线性学院。 章节： 00:00 开场：一个人，几百个AI任务 01:03 Orca解决了Claude Code的什么问题？ 03:00 ADE和Harness，究竟差在哪？ 08:00 AI越来越多，人的注意力怎么分配？ 11:27 为什么不怕被OpenAI和Anthropic做掉？ 16:59 一个好用的AI工具，难在什么细节？ 21:17 400多个任务，怎样做到不用逐个盯？ 27:18 这么多Agent，一个月要花多少钱？ 32:50 从Google到YC，她如何连续把产品做起来？ 37:29 95%的时间做产品，增长从哪来？ 42:59 访谈100个用户，怎样问出真正的需求？ 47:40 用户意见那么多，最后该听谁的？ 52:22 大厂跑得这么快，她为什么还不焦虑？ 57:50 接下来的AI创业机会，她看好哪三类？