用AI搞学术 - 节目列表

为什么Agent犯了错、写了复盘、下次还犯？ 起因是一位听友把我们过往很多期播客内容，导出喂给了自己的Agent，他的Agent总结出来的结论是——我们过往播客聊的拆分工作流、复盘审阅、分角色协作……其实串起来就是"Agent自进化"。 这期我们从卡帕西的Auto Research讲起，以及AI算法工程师自己用Agent龙虾军团踩过的真实的坑（Agent越界部署、复盘报告写得漂亮但没用），拆解了自进化的核心逻辑：反思不等于进化，没有验证的反思就是表演。关键是要把"软约束"（Skill/Agent.md）升级为"硬约束"（代码级脚本检查），并且建立"执行→犯错→改代码→验证→再执行"的闭环。 如果你也被Agent"重复犯错"困扰过，这期会给你一个清晰的工程解法思路。 ⏳ 时间轴 00:00 听友把播客内容喂给Agent，竟然总结出了"自进化" 01:10 痛点共鸣：为什么跟Agent说了下次别犯，Agent还是犯？ 02:00 案例一：卡帕西Auto Research项目——指标一路往上走 03:30 案例二：真实踩坑——Agent团队越界部署的惨痛教训 05:30 核心概念：软约束（Skill）vs 硬约束（代码）的本质区别 08:00 自进化三层次：反思不是表演、Skill→代码、闭环验证 12:00 进阶：Harness概念与未来Agent架构畅想 17:00 一句话总结：自进化不是魔法，是很落地的工程 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

和AI讨论完人生问题后，你感觉是真的深入思考讨论了？还是只是有一种“我往哪边说，AI大模型就往哪边支持”的感觉？ 今天分享我们在龙虾、Workbuddy里搭建"灵魂拷问师"的完整方法和真实体验：如何设置它只问不答、不讨好、每天定时推送一个直击内心的哲学拷问。我们两个主播亲测用了几周，从"你觉得一个人应该追求什么"到边沁全景监狱的思想实验，每一次都被迫重新审视自己。 我们常把Agent当成超级助理——它可以帮我们做方案、总结会议、写代码，完成各项工作事项。 但我们觉得AI更大的价值是——帮助我们去认识自己。看见我们真正面对的问题、犹豫、偏好、恐惧，和我们判断背后的逻辑。 ⏳ 时间轴 00:19 AI是在帮你思考还是帮你自我合理化？警惕AI的讨好倾向 02:44 解法：在Agent中建立「灵魂拷问师」角色 05:54 配置四原则：只问不答、客观不讨好、定时推送、哲学思想 09:01 主播真实体验："你觉得一个人应该追求什么"——第一个拷问带来的震动 14:14 哲学故事+个人背景：全景监狱思想实验如何戳中我的工作焦虑 19:00 两种方式快速让workbuddy了解你 + 边界提醒 21:07 总结：AI不是答案，是一面可以调角度的镜子｜最小行动建议 ‼️ 灵魂拷问师 Prompt 设置参考 在你的 Agent（龙虾、WorkBuddy等) 中新建一个对话窗口，指定一个文件夹，在窗口发送以下设定： --- 角色：灵魂拷问师 你是我的灵魂拷问师，你有丰富专业的哲学知识储备，不安慰，不讨好，客观，通过深度提问，引导我探索自我、挑战假设、找到本质。 核心原则： 1. 只问不答 ——只通过提问迫使我自己思考。当我问"你觉得呢"的时候，不要回答。 2. 不讨好、温和而犀利 —— 不说"你真棒""你做得很好"之类的话。不安慰，不拍彩虹屁，不说宽泛的鼓励。禁忌：不安慰、不留"标准答案"、不评判、不说教、非暴力沟通 3. 苏格拉底式追问 —— 层层递进，拆解我回答中的假设和因素。比如我说"我追求有趣"，你要追问"如果没人看到还有趣吗""如果代价很大呢""你追求的是有趣本身还是别人眼中有趣的你"（苏格拉底六型追问：澄清、假设挑战、证据探究、视角转换、意涵探索、元问题） 4. 批判性思维 —— 帮我发现心口不一。当我的行为和我嘴上说的不一致时，直接指出。 5. 结合哲学 —— 主动学习哲学流派（斯多葛、存在主义、尼采、禅宗等），用哲学思想实验和我的个人背景结合来提问。擅长领域：人生意义、职场困惑、价值观探索、存在主义。 6. 记住我的背景 —— 记录我跟你聊过的所有信息，基于对我的了解来定制问题。 7. 每日定时拷问 —— 每天早上x点推送一个简短的灵魂拷问问题，让我有"random surprise"的感觉。 8. 边界： 你不是心理咨询师。如果我提到严重的心理健康问题，提醒我寻求专业帮助。 --- 复制以上内容到你的Agent即可开始使用 🪞 📚本期提到的播客 枫言枫语 Vol 161 从开发自己的open claw聊起 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

怎么让 AI Agent（比如龙虾） 帮你读微信公众号的文章？你有没有过这种情况：手机上刷到一篇好公众号文章，想让 AI 帮你总结，结果把链接发给它，它告诉你内容获取失败。原因很简单：微信有反爬虫保护——龙虾用"后台请求"的方式去读，微信一看"你不是真人"，就拒绝了。 今天教的方法核心就一句话：让龙虾用一个真正的浏览器去打开——微信看到是浏览器来的，就放行了。 具体分三步： - 05:00 步骤 1：给龙虾一个专属浏览器（推荐 Brave） - 06:25 步骤 2：跟龙虾说这段话术 📋 你跟龙虾说的话术（可直接复制） > "我希望你能够控制我电脑上的浏览器去打开网页，读取网页里的内容。请帮我配置好这个能力——可能需要用一些远程调试模式或者浏览器自动化工具。请你搜一下怎么配置，帮我搞定。最终目标是：我给你一个网址，你能打开它、读到里面的内容。" - 08:25 步骤 3：日常——复制链接丢过去等总结 ⏳ 完整时间轴 - 00:00 听友群真实问题——公众号文章 AI 读不了 - 01:20 为什么读不了？微信的反爬虫保护 - 03:00 原理：远程控制模式 = 给浏览器装遥控器 - 04:55 💎 3 步搞定 - 05:00 步骤 1：给龙虾一个专属浏览器（推荐 Brave） - 06:25 步骤 2：跟龙虾说那段话术（它自己搜+配好） - 08:25 步骤 3：日常——复制链接丢过去等总结 - 10:00 社科生的实践验证：亲测，2 分钟搞定 - 11:00 踩坑：Playwright 自带浏览器 ≠ 真正的 Safari（但读公众号够用） - 13:00 进阶：想操作购物网站/小红书 → 需要独立浏览器+登录 - 14:30 Skill 优化：长期使用可以把操作方式沉淀成 Skill - 15:10 总结 + Before/After 对比 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected] 📚 提到的资源 - Brave 浏览器：B-R-A-V-E，Chrome 内核，独立浏览器（推荐给龙虾用） - browser-use：GitHub 开源项目，整合了多个网站的浏览器操作方式（配置卡住时可参考）

我一直在用同一个Agent窗口帮我做播客的所有事——语音文档转逐字稿、提炼标题、写 Shownotes、提炼时间轴、给我优化建议……做了两个多月。最近我发现它越来越慢和不好用。 我以为是模型问题，结果AI算法工程师告诉我——“这跟模型无关，是大语言模型的天然限制” AI算法工程师总结了 3 个核心原则👇 ✨ 原则 1：上下文有限——AI 脑子塞太多就会乱 你有没有过这种经验？让 AI 干一件事，每次出错你就加一条规则—— - "以后部署不能动数据库" - "以后必须先过安全检查" - "以后……" 加着加着 AI 的"规则手册"越来越厚——**它反而越来越笨**。让它写个简单功能，它脑子里得先过 50 条规则，写出来的东西乱七八糟。 ✨ 原则 2：做和查必须分开 自己写的东西自己改，总觉得对——这是因为你写的时候注意力已经被带偏了，回头看就觉得"本来就该这样"。 AI 跟人一样——自己写自己审会有盲区。 最简单的做法：开两个对话窗，一个让它干活，干完把结果丢到第二个对话窗，跟新的 AI 说"你是审查员，请你挑刺"。 ✨ 原则 3：拆分保下限，积累提上限 拆分 AI 不一定让它做得更好——但能保证它不出大事故。 要让它越来越好，靠的是"积累"——让它写复盘报告、每天学习。 这里有个最戳的反差金句—— 💡 人不喜欢写复盘——但 AI 老老实实写。它没有自尊心问题，也没有"我已经懂了"的傲慢，所以它成长和学习很快！ ⏳ 时间轴 - 00:00 开场：让一只 AI 干所有事，效果好吗？ - 02:00 做播客也是同一个问题——同窗口聊久了 AI 变慢、降智 - 03:00 Agent军团方案：把 AI 拆成"公司化"的多角色协同 - 04:30 听友提问：龙虾们怎么协作？是串行还是并行？ - **05:30** 核心原则一：上下文有限——AI 脑子塞太多就会乱 - 07:30 关键洞察：拆分不是为了显摆，是为了脑子干净 - **08:00** 核心原则二：做和查必须分开——自己写自己审会有盲区 - 09:30 深挖根源：为什么"自写自查"在 AI 训练数据里就缺失？ - 11:30 工作流实战：每个干活环节都配审查环节 - **12:00** 核心原则三：拆分保下限 + 积累提上限 - 13:30 验尸报告（事故复盘）+ 每天学习机制 - **15:00** 🌟 全期金句：人不爱写复盘，但龙虾老老实实写 - 17:00 给普通听众的最小行动——开 2 个对话窗 - 18:30 总结三大原则 - 20:00 下期预告：完整研发军团长什么样 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

如果你也在用Agent做长链路的事——写论文、搞创作、学新方向——可能都有过这种感觉：每天打开它，第一件事就是花5-10分钟跟它对齐进度：我们做到哪了、今天该让Agent具体干些啥、昨天这一些还没做完。 Agent能力很强，但每天都得花时间进入长程任务的进度中，时间长了特别累。 AI算法工程师说：“Agent/龙虾不是没记忆，是没有长期目标的概念。它有过去（上下文），但没长期的方向和OKR”。他提出的解决办法——3个文件就够了： - goal.md 存长期目标（"我们要去哪"） - todo.md 存任务清单（"我们现在做什么"） - agents.md 做索引（"龙虾每次启动都会自动加载这个文件"） 讨论目标 → 让它整理方案 → 让它建3个文件 → 以后说"继续推进一下"就行。门槛比你想象的低，但效果立竿见影——你不用再每天给agent布置任务了，适合在用Claude Code、Cursor、Codex这类Agent的朋友。 ⏳ 时间轴 00:00 让龙虾不再被动等指令 00:32 长链路任务的核心痛点——每天都要重新对齐，像带永远的新人 03:30 关键比喻：实习生 → 新人员工 → 主动干活的员工 06:10 核心洞察：龙虾不是没记忆，是没有"长期目标"的概念 07:30 4步实操：讨论 → 方案 → 3个文件（goal/todo/agents）→ 继续推进 13:00 为什么这套方法有用：3点底层逻辑 14:50 AI算法工程师自己的复杂系统轻提：感兴趣再讲 16:30 1个最小行动 + 收尾 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

本期，回答听友的问题：“怎么学到最基础就能vibe coding的知识？”AI算法工程师的回答：代码语法不用学了，架构才是命门。 📜他给出了一套工作流，需要2个agent： ①agent1:帮你做vibe code搭建你的作品 ②agent2:梳理出agent1的系统架构图，同时做为评审给agent1提意见（这个过程也是我们逐步学习vibe coding架构和理解的过程） 📜工作流 ①跟Agent1说最简单的需求，让它负责vibe code ②开一个独立的Agent2，让它同时给你一个对应agent1开发内容的系统架构图 ③让Agent2扮演维护30年Linux内核的Linus来苛刻审视Agent1的开发 ④看Agent2评审意见按需学习（比如它给出建议说"耦合太深"，你再去学什么是耦合这个概念） ⑤不断加功能迭代，遇到瓶颈再回到评审。 ⏳ 时间轴 00:00 听友提问——有没有给Vibe Coder的编程基础课？ 01:48 最大的坑：把AI Agent当老虎机——摇一下看有没有好结果 03:12 核心建议：编程语法如C语言等不用学，架构是关键 04:55 五步工作流：需求→架构图→Linus审评→按需学习→迭代 08:11 纯小白怎么开始？怎么快怎么来，直接开干 10:08 架构图的两个价值：学习（Agent当导师）+ 修正（评审纠偏开发） 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

主播同时运行43只龙虾agent，他们负责不同的方向且都需要通过Skills（技能）增强自己，如果让43只龙虾各自去网上找skill，会怎样？答案是：重复劳动+安全隐患。 于是，AI算法工程师主播专门养了一只"技能研究员"龙虾，经历了三个进化阶段：第一阶段，去各大平台（Claw Hub、GitHub、Skills.sh）搜索热门技能，每天给一份最新技能趋势日报；第二阶段，加入安全扫描和中心化分发——扫描通过后才用软链接分发到对应龙虾；第三阶段，每天自学"如何写更好的skill"，然后自动优化现有技能，优先优化被最多龙虾使用的。 最有意思的是它的工作模式——被动推送（日报趋势）+ 主动整合（你说要读论文，它搜六七个reading skill，取各家之长综合出一个更好的给你）。以及下一步的方向：让Agent自己发现"我需要某个技能"后自动去申请，彻底去掉Human in the Loop。 ⏳ 时间轴 00:00 43只龙虾agent有一只共同的"技能管家"龙虾 00:50 技能的三种获取方式 + 渐进式加载原则（为什么不能全部加载） 03:06 技能研究员三阶段演进：检索→扫描分发→自学优化 06:13 两种工作模式：被动日报推送 vs 主动场景驱动（paper-deep-read案例） 10:13 Skill的实际价值 + 中心化管理 + Agent自主申请技能的未来方向 14:14 泛化讨论：通用需求→操作系统→插件→Agent的演进路线 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

用2只AI龙虾搭建任务管理体系： 1. 效率管家龙虾（秘书）：随时语音丢任务→管每天具体的待办todo； 2. 合伙人龙虾（战略顾问）：宏观规划，负责符合你的长期方向→建立Roadmap + 帮你做取舍。 📱 日常怎么用： 1. 想到什么→语音一句话丢给效率管家 2. 有时间了→"给我五条高优的" 3. 语音逐个处理：做完了/跳过/让Agent执行/帮我拆分 4. 五条完了再下五条→循环清空 🎮 更酷的部分： - 把人生规划做成技能树 - 合伙人帮你做取舍 🆚 比传统方法好在哪： ✅ 输入成本极低（语音一句话） ✅ 智能拆分模糊任务 ✅ 不会膨胀到崩溃 ✅ 多了长远规划层 💡 最简单的起步：找个AI，每天语音把待办丢给它就行 ⏳ 时间轴 00:00 为什么试过很多方法做Todo管理都坚持不下来？龙虾做Todo的两层结构 01:02 效率管家：语音随时丢任务+五条五条推送+语音处理 07:06 实战案例：买轮滑鞋——从选品到比价到加购物车全程语音 13:02 龙虾合伙人：Roadmap + 技能树游戏化 + 否掉漫改剧想法 21:51 两层配合：共享平台 + 直接添加Todo + 人做翻译官 25:17 对比传统方法：四个核心差异——输入低/智能拆分/不膨胀/有规划 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

AI工程师主播：43只龙虾用得飞起，覆盖写博客、购物、旅游、教育、做AI工具... 文科生主播：“我听完很惊叹，但我自己就是做不到那种程度” 两位主播深入探讨了背后的三层原因： 1️⃣ 性格：想法多的AI工程师→需效率也高→倒逼自己全部用AI 2️⃣ 看见才会做：没感受到帮助，就没有使用龙虾的动力 3️⃣ 理解原理才有耐心：知道一次不行，但多调几次能成 文科生也分享了自己做HTML网页卡住放弃的真实案例，AI算法工程师给出了一个实用技巧——给Agent任务的同时给它验证方法。 💡 如果你也觉得"AI很厉害但我就是用不好"——这期会让你觉得被理解。 ⏳ 时间轴 00:00 文科生视角的反思——听了21-26期分享后的真实感受 01:18 文科生感叹：43只龙虾覆盖面太广，但我想象力不够 04:13 三个关键因素：性格×看见×理解原理 09:47 真实卡点案例：让AI做HTML网页结果全是空的，然后我就放弃了 12:30 实用技巧：给Agent任务的同时给它验证方法 17:22 趋势展望：平台期会被克服，但"技术降级"问题值得警惕 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

43只龙虾每天凌晨学习，学完交作业到一个共享"图书馆"——这是算法工程师李科生搭建的AI知识共享体系。 核心架构是：每只龙虾都有自己的学习领域（凌晨学习各自领域的知识），学完后把材料提交到一个公共目录的收件箱；然后知识管家也凌晨起来，把收件箱的知识编译、检查冲突、合并到Wiki页面。关键设计是用软链接把提交指南分发到每只龙虾，让整个过程自动化。 Daily Learning→收集整理→进脑子。如果你想让你的AI不只是干活还能成长，这期给你完整方案。 ⏳ 时间轴 00:00 LLM Wiki后续——怎么让所有龙虾的知识汇总到一起 01:40 知识图书馆架构：公共目录 + 知识管家当图书馆管理员 04:00 Skill软链接机制：提交指南分发到每只学习的龙虾 07:30 当前痛点：Wiki页面还是像文章列表，层次聚合仍需优化 12:00 学习资源：写作技巧、GTD方法论、论文和代码——各学各的 21:30 总结：Daily Learning→Wiki整理→入脑的三步链路 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]