Han H

334-俄罗斯如何逼迫欧洲人开始把自己定义成“西方人”？续集，上一期播客讨论早期欧洲人并不以“西方”自称，而是使用“基督教世界”或“欧洲”来描述自身。真正的转变发生在19世纪俄罗斯崛起之后，“欧洲”这一概念变得过于宽泛，无法有效区分“我们”与“他们”，于是“西方”被发明出来，作为一个排除俄罗斯的政治与文明共同体。 在这一背景下，本期进一步解释为什么德国在19世纪初并不在“西方”这一概念之中。与英国和法国相比，德国长期缺乏统一的国家结构，这使得德国更倾向于以“文化”（Kultur）而非“国家”来理解自身。 第一次世界大战，德国知识界1914年的“九十三人宣言”甚至刻意使用“文化世界”而非“文明世界”，强调德国的价值在于其独特的精神传统，而不是英法所代表的“西方文明”。英法知识分子则将德国描绘为“野蛮的他者”，排除在西方之外。德国文学巨擘托马斯·曼通过《战争中的思考》和《一个非政治者的思考》，提出了“文化”与“文明”的根本对立，将德国定义为“文化民族”，而将英法归为“文明阵营”。德国不仅不属于西方，反而是对西方文明的一种抗议。这种思想为理解德国在一战时期主动拒绝“西方”提供了关键视角。 两次世界大战期间，德国作家斯宾格勒出版震动欧洲的《西方的没落》。斯宾格勒在一战废墟中提出，西方并不是人类历史的终点，而只是众多文明之一，并且已经进入衰老阶段。他将“文化”与“文明”区分为生命的两个阶段：文化是创造性的成长阶段，而文明则是僵化的终结阶段。在这一框架中，德国既属于西方文化，但又是最早意识到西方衰落的主体。德国因此处于一种特殊位置：它既在西方之内，又站在西方的批判边缘。 节目随后转向第二次世界大战，在这一时期，纳粹德国在英美话语中被彻底排除出“西方”。西方被重新定义为自由、法治与民主的共同体，而德国则被视为其对立面。然而，这种排除同时也引发了更深刻的问题：纳粹主义并非来自西方之外，而是西方现代性内部的一种极端可能性。这一反思成为20世纪德国犹太思想家（如阿伦特等人）政治哲学的重要起点。 战后美国接管了“西方”的叙事，并通过教育体系与政治话语将自身确立为西方文明的中心。然而在今天，当美国在某些时刻开始从这一叙事中抽离时，欧洲，尤其是德国，逐渐成为“西方规范性秩序”的核心。欧盟所代表的法治、规则与共识，构成了一种不同于冷战时期的“西方”。 前奏：巴赫意大利协奏曲Bach Italian Concerto 演奏者：日安 插画：Karasubonn

【本期节目由Eight Sleep赞助播出】 在这个健康意识崛起的时代，我们越来越愿意花大价钱管理自己的身体。睡眠，就是其中最重要的方面之一。 与手表、戒指等可穿戴设备不同，Eight Sleep的产品是一张能够自动控温的智能床套。马斯克、扎克伯格、Bryan Johnson、Sam Altman，都是它的用户。多名职业运动员，也习惯带着它去比赛。这张售价约两万元的智能床套，究竟替我们做了什么？ 这期播客，我们邀请了Eight Sleep的两位创始人，Matteo Franceschetti和Alex Zatarain，聊聊睡眠科技和文化。 他们说，现代人已经熟悉了各项睡眠指标，例如深度睡眠、REM、HRV。但Eight Sleep想要更进一步：在人们熟睡时，根据身体的变化，自动调整床面温度、床体高度，让技术在你毫无知觉的时候工作。 这张床套背后，也是一家消费硬件公司十多年的摸索。从拆开电热毯做原型机，到众筹卖爆却发现卖一台亏一台；从搬到中国学习制造，到反复经历现金流危机，创始人踩了很多坑，才慢慢探索出令人满意的产品形态。 今年4月，Eight Sleep进入中国。消费竞争激烈的中国市场，反而是他们增长最快的一个。一张床套卖两万人民币，Eight Sleep如何解释自己的定价？进入全球35个国家，这家公司从上百万用户身上学到了什么？ 我们也聊到伴侣之间的温差、孕期与产后的睡眠变化，以及他们更远的野心：从改善睡眠，走向健康异常预警和预防医疗。最后，我们还是回到那个最朴素的问题：究竟怎么才算睡个好觉？ 本期节目由Eight Sleep赞助播出。访谈使用英文进行，播客采用中文配音。我们也将原版的英文访谈制作成了视频播客。如果想要收听原版，可以在硅谷101播客的B站或YouTube账号上收看本期节目。 【主播】 Yiwen，硅谷101主持人 【嘉宾】 Matteo Franceschetti，Eight Sleep联合创始人、CEO Alex Zatarain，Eight Sleep联合创始人、CMO 【你将听到】 00:05 一张被马斯克搬进办公室的床套 04:51 从追踪到干预：一张床套想替你做什么？ 07:43 从“不睡觉”到Sleep-maxxing，睡眠文化的十年转向 12:04 看了那么多睡眠分数，然后呢？ 14:16 睡眠数据里，有哪些预测疾病的信号 14:46 为什么最终选择床套，而不是床垫或可穿戴设备？ 16:15 把液冷系统搬上床，解决伴侣之间的温差之争 20:38 孕期、产后与更年期：被忽视的女性睡眠需求 24:46 数据与自研传感器：哪些积累难以复制？ 25:34 治疗癌症？从睡眠监测到预防医疗 30:22 消费硬件创业：制造、成本与现金流的现实考验 31:47 搬到中国学制造：从原型机到量产，没有捷径 35:49 中国成为增长最快的市场，哪些反馈超出了预期？ 38:30 两万元的床套怎么定价？“我们还在Model S阶段” 42:05 带着床套跑遍赛场，职业运动员在意什么？ 43:56 旅行、时差与轮班：作息不固定，如何安排睡眠？ 47:25 更多产品、更多国家，Eight Sleep的下一步 58:15 温控原理：人们一整晚的温度需求为何不同？ 50:42 两万元买一晚好觉，你觉得值得吗？ 【试睡感受】 在使用Eight Sleep的几个月里，我亲身感受到了合适的温度对睡眠的重要性。除此之外，Eight Sleep每天早上会发送一段前一晚的睡眠总结，并给出怎么做能睡的更好的建议。 现在在国内购买Eight Sleep产品，除赠送长期有效的Autopolit标准版订阅之外，还有硅谷101听众专属的1200元优惠券，可以点击天猫优惠券、京东优惠券领取，或联系店铺客服报暗号【硅谷101】领取；海外听众可在eightsleep.com使用SV101折扣码，获得200美元优惠。 【硅谷101年会来了，线下见】 10月10日—11日，我们将在【硅谷】举办Alignment 2026年度大会，从大模型、Agent、机器人到AI Infra，从实验室里的突破，到真实世界的商业化，我们直击AI变化最剧烈的前沿。来自OpenAI、Anthropic、NVIDIA、Meta、Google DeepMind、SemiAnalysis、Cerebras等公司的研究者、创业者与投资人将齐聚现场，分享正在发生的机遇和挑战。 点击报名入口 ，使用折扣码【FANS15】注册，还可以获得15%折扣。 【监制】 泓君 【后期】 Amei 【配音】 daniel大牛 如蓝 【运营】 朱婕 【BGM】 Dangerous Fling - Alexandra Woodward Dusk Movers - Alexandra Woodward Gossip Talk - Arthur Benson City Phases STEMS INSTRUMENTS - John Abbot Flickering Torches - Christian Andersen The Secret Spring - Helmut Schenker None of My Business - Arthur Benson Short Circuit - Ryan James Carr 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Special Guests: Alex Zatarain and Matteo Franceschetti.

这个夏天，来自全球各地的多个气象机构都拉响了同一个的警报，一场史无前例的超级厄尔尼诺正在上演。 来自摩根大通的经济学家预计，全球的食品通胀将在2027年的上半年上升到5%，明显高于今年同期的2.8% 。这其中有来自霍尔木兹海峡封锁和黑海冲突的因素，也部分归因于我们正深处的这场、50年来颇为罕见的超级厄尔尼诺。 它究竟会通过什么方式影响到全球供给？它所带来的危害是否真的像媒体报道的那么大？在一次次与极端气候变化的对抗中，人们又为应对厄尔尼诺做了怎样的准备？ 【主播】 麻花，硅谷101特约研究员 【嘉宾】 张思齐，资深大宗商品期货交易员 【你将听到】 超级厄尔尼诺，如何影响农业生产 03:17 农业几多产，起决定因素的不只是气候 08:56 超级厄尔尼诺，以及它的影响边界 16:03 厄尔尼诺如何影响棕榈油、天然橡胶和咖啡豆 19:26 哪些终端商品，价格可能受到大波动 22:20 秘鲁禁捕鳀鱼，受波及的除了日料水产，还有宠物食品 25:10 都说厄尔尼诺导致减产，但也有产区因它收益 极端气候之外，生产资料的供应紧张和农民的应对之策 27:53 作物减产是否影响终端价格，还要看产区和出口集中度 29:52 推高全球粮食价格的，还有供应紧缺的氮肥 32:27 大宗商品期货交易员会有哪些工具关注气候变化 35:25 不确定性对于期货交易，究竟是好是坏 40:08 与不确定性对抗多年，农民如何应对极端气候变化 42:07 上有厄尔尼诺，下游农民活用期货 45:22 气候变化引起的出口限制，可能进一步加剧供给危机 巴拿马运河和全球铜矿的减产，厄尔尼诺要背多大的锅 47:02 极端气候带来的干旱，让巴拿马运河的运力更紧张了 50:23 全球铜矿产量下降的锅，厄尔尼诺背不了太多 56:25 做服装的人，也在厄尔尼诺面前为难了 57:41 被极端气候影响的电力、加工食品和保险行业 59:48 大宗商品交易门外汉，可以怎么观察这个行业 【延伸阅读】 • 《纽约时报：This Year’s Record-Breaking El Niño in 3 Charts》 • NOAA: 美国国家海洋和大气管理局，隶属美国商务部。它负责监测海洋、大气和气象变化，提供天气预报、气候预测和海洋资源管理服务。 • El Niño set to become very strong, raising risks of extreme weather into 2027 • 澳洲小麦升贴水（Basis）：澳洲本地小麦现货价格与国际小麦期货价格之间的差价，主要反映澳洲当地的供需、物流及汇率等因素。 • IFPRI: Will extreme weather lead to multiple breadbasket failures and threaten global food security? • Forbes: 巴拿马运河运力使用经济体Top20 • USDA:U.S. Department of Agriculture 【硅谷AI视频黑客松招募】 最懂内容的影视团队，与最懂AI的一群科学家，在硅谷相遇，会碰撞出如何的火花？ 今年，硅谷101把一次现场创作实验带到 Alignment 2026：STORY101 LAB — AI Storytelling Challenge。我们邀请你用AI，完成一部不超过三分钟的视频作品。 比赛设【探索组】与【专业组】双赛道，资深AI影片团队与零基础新手皆可参与。我们提供免费workshop培训，优胜者更可获丰厚奖金与千人线下展映机会。 时间：2026年10月10–11日 地点：Sunnyvale, California 报名入口 【硅谷101年会来了，线下见】 10月10日—11日，我们将在【硅谷】举办Alignment 2026年度大会，从大模型、Agent、机器人到AI Infra，从实验室里的突破，到真实世界的商业化，我们直击AI变化最剧烈的前沿。来自OpenAI、Anthropic、NVIDIA、Meta、Google DeepMind、SemiAnalysis、Cerebras等公司的研究者、创业者与投资人将齐聚现场，分享正在发生的机遇和挑战。 点击报名入口 ，使用折扣码【FANS15】注册，还可以获得15%折扣。 听友福利：在评论区说出你对Alignment大会的期待，我们将在小宇宙、B站、YouTube各抽取3位幸运听众，赠送Alignment 2026现场门票，参与截止时间：10月2日24:00。 【硅谷101听友群】 在这里，和同好一起深聊科技、商业与未来，期待你的声音，也期待更多有趣的讨论。 扫码加入，即刻相遇！ 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Sucker (Instrumental Version) - Gamma Skies Mindscape - Lennon Hutton Flickering Torches - Christian Andersen Kablaam - Ealot Spring Dance - Forever Sunset Seashore - Adriel Fair 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Special Guest: 张思齐.

随着AI模型能力提升，训练需求更复杂，一批为模型公司提供训练数据的新公司正在快速增长：AfterQuery今年4月宣布A轮融资时，估值为3亿美元，到了9月，据媒体报道，新一轮融资已经将其估值推至32亿美元。另一家提供训练数据与智能体环境的公司Bespoke Labs，也在今年7月宣布，种子轮与A轮融资合计达到4000万美元。 虽然估值水涨船高，AI数据行业对外界来说却极其不透明。问题来了：这些公司究竟在卖什么？ 过去提到数据标注，我们容易想到给图片打标签、给模型回答打分。但随着AI从回答问题走向执行任务，数据公司的交付物也在变化：从专家写出的评分标准，到包含任务、工具和验证机制的强化学习环境。它们需要找到懂行的人，获得真实的行业资料，再把专业知识与工作经验转化成模型能够学习的训练信号。 与此同时，新的AI评测层出不穷。榜单分数提高了，究竟代表哪些能力变强了？针对评测生产数据，什么时候能改善真实用户体验，什么时候又会变成单纯的刷分？对于每天训练模型的研究员来说，他们最需要的数据，到底是什么？ 本期节目，我们邀请到在Scale AI负责后训练与评测研究的何允中，以及加州大学伯克利分校博士后、Agents’ Last Exam项目研究者孙一铀，从产业与研究两个视角，拆解这门透明度不高、又变化极快的生意。 我们聊了Scale、Mercor、Surge等数据公司的不同背景，也讨论了小团队在合成环境与垂直领域中的机会。从采购一份游戏源码，到验证专家提交的任务，再到设计让人愿意交出经验的激励机制，好数据的难点，往往藏在榜单之外。 【主播】 Yiwen，硅谷101主持人 【嘉宾】 何允中，Scale AI研究总监（后训练与评估方向） 孙一铀，加州大学伯克利分校博士后 【你将听到】 拆解数据生意和玩家 05:03 数据公司之间的区别：招聘平台、众包标注、合成数据 08:27 从预训练到后训练，模型需要的数据发生了哪些变化？ 09:32 Rubric数据：把专业判断变成评分标准 10:46 强化学习（RL）环境：从回答问题到动手干活 12:18 从vibe coding，到vibe everything：详解Agents’ Last Exam 14:10 游戏好不好玩、作品好不好看，主观判断能被量化吗？ 17:33 Rubric 与环境如何配合：人与Agent协作 评测与模型真实能力 20:05 从做评测到卖数据：benchmark的生意 23:25 什么样的评测值得刷？核心能力与真实场景 27:29 没上热门榜单的评测，也可能带来真实的数据需求 31:39 模型公司如何权衡内部评测、公开榜单与用户反馈 什么是好数据：采购、版权与小众行业工作流 33:30 两三个人的数据创业公司，为什么也能找到机会？ 38:56 模型越来越会自己造数据，外部供应商的机会还能持续多久？ 40:48 模型公司为什么仍然需要外部数商？研发周期与行业采购的难题 有了数据，之后呢？ 44:04 数据买回来之后怎么用？从 SFT、强化学习到模型训练模型 47:03 训练数据不是越难越好：为不同模型匹配难度与解题轨迹 48:22 SWE-bench Verified 的争议：测试缺陷与数据污染 50:04 专家交来的数据也可能造假，如何验证真实的工作过程？ 54:03 数据行业的下一步：收购企业、获取数据，还是持续投入研发？ 【感谢科沃斯对本期节目的大力支持】 这期我们聊了很多验证和评测：写代码跑一遍沙盒就知道对错，家务却是每天都在变的开放任务，对机器人来说，真实家庭环境就是最严格的评测现场。 科沃斯在服务机器人领域已扎根28年，连续11年稳居国内线上扫地机器人销售额第一，产品销售全球150多个国家和地区，拥有超过1200项全球专利。 从全能清扫的扫地机器人，到解放高空与双手的擦窗机器人，再到割草、泳池清洁，科沃斯让每个场景都有对应的专职选手，为人清空琐碎，让生活的每一刻都“无难事”。 数据来源：北京奥维云网大数据科技股份有限公司；统计时间：2015年-2025年；统计范围：中国扫地机器人市场全渠道(线上、线下)监测数据 欢迎了解更多，复制淘口令打开淘宝：48￥ CZ001 mBdFTN9ipmh￥ https://m.tb.cn/h.8EbY9YU 【新品】科沃斯X12S PRO扫地机器人滚筒活洗3.0全自动扫拖一体 京东链接 本期福利：下单备注【硅谷101】额外加赠抗菌滚筒拖布一个 把家务交给科技，享受属于你自己的惬意生活吧！ 【硅谷AI视频黑客松招募】 最懂内容的影视团队，与最懂AI的一群科学家，在硅谷相遇，会碰撞出如何的火花？ 今年，硅谷101把一次现场创作实验带到 Alignment 2026：STORY101 LAB — AI Storytelling Challenge。我们邀请你用AI，完成一部不超过三分钟的视频作品。 比赛设【探索组】与【专业组】双赛道，资深AI影片团队与零基础新手皆可参与。我们提供免费workshop培训，优胜者更可获丰厚奖金与千人线下展映机会。 时间：2026年10月10–11日 地点：Sunnyvale, California 报名入口 【硅谷101年会来了，线下见】 10月10日—11日，我们将在【硅谷】举办Alignment 2026年度大会，从大模型、Agent、机器人到AI Infra，从实验室里的突破，到真实世界的商业化，我们直击AI变化最剧烈的前沿。来自OpenAI、Anthropic、NVIDIA、Meta、Google DeepMind、SemiAnalysis、Cerebras等公司的研究者、创业者与投资人将齐聚现场，分享正在发生的机遇和挑战。 点击报名入口 ，使用折扣码【FANS15】注册，还可以获得15%折扣。 【相关阅读和名词解释】 Rubric（评分标准）：针对具体任务制定的一组评价条件，用来判断回答或工作成果是否达到要求。它可以包含正确性、完整性、指令遵循等维度，也可以融入专家判断。 RL Environment（强化学习环境）：让模型通过行动和反馈进行学习的环境。在本期讨论的Agent训练中，通常包括任务、可操作的软件与工具，以及判断任务是否完成、完成质量如何的验证和奖励机制。 Benchmark（评测基准）：通过一组任务与评价规则，衡量模型或智能体在特定能力和场景中的表现。评测数据与训练数据需要保持适当隔离，才能有效检验模型面对新问题的能力。 Reward Hacking（奖励投机）：模型利用评分机制的漏洞获得高分，却没有真正完成预期任务。例如，绕过正常操作修改结果，让验证程序误以为任务已经成功。 Agents’ Last Exam（ALE）：由Berkeley RDI与行业专家共同构建的智能体评测项目，关注具有经济价值、需要多步骤执行且结果可验证的专业任务。 Humanity’s Last Exam（HLE）：由Center for AI Safety与Scale AI共同组织推出的评测，覆盖数学、人文、自然科学等领域的高难度专家问题。 SWE Atlas：Scale推出的软件工程智能体评测套件，覆盖代码库问答、测试编写和代码重构。 SWE-bench Verified：经过人工审核的软件工程评测，让模型修复真实开源项目中的问题。OpenAI于2026年2月宣布停止报告其分数，指出测试设计缺陷与数据污染影响了它衡量前沿模型能力的有效性。 【硅谷101听友群】 在这里，和同好一起深聊科技、商业与未来，期待你的声音，也期待更多有趣的讨论。 扫码加入，即刻相遇！ 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Mindscape - Lennon Hutton Light-Footed - Bonnie Grace Smiling Neighborhood - Claude Signet Ruffles and Rust - Fabien Tell Reclaim - Megan Wofford 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：[email protected] Special Guests: 何允中 and 孙一铀.

主播：TAKO / 黄瓜 / 刘总 / 芭比 嘉宾：貘貘 嗨嗨！蜜子们！ 踩着中秋假期的小尾巴，国庆也马上来啦！ 咱们就着假期续上之前没说完的 旅游十宗罪的后五宗罪！ 有人为了“省钱”，撒下弥天大谎上演临阵脱逃 有人为了出片，理直气壮霸占公共景点 有人戏瘾大爆发，在车厢里大声飙戏秀恩爱的戏精 有人无耻抹零占尽朋友便宜 更有甚者朋友帮忙代购不仅没有感谢反而还倒打一耙… 请假通知：国庆期间（10.4/10.5）的凹凸电波 我们暂时停更一期，会于10.11/10.12回归！ 大家可以关注一下我们的视频账号@凹比巴拉 提前预祝大家国庆快乐！！！ BGM： Chill or Be Chilled - Oli Silk

本期主播：刘旸教主、李酌妍、月明、猛哥、六兽 本期是我们的无聊斋小课堂第一课——夸夸课！我们凑了一波（其实也不知道算不算会夸人的）喜剧演员，来聊聊夸人与被夸的趣事儿和小技巧，本期包含以下内容—— 01:18 热身小游戏 主播互相夸夸：谁是最会夸人的小朋友呀～ 06:17 月明：身为幼师，夸人实力的底子还是有的！ 07:02 教主在健身房被夸的“极与极” 08:49 还得是月明！给司机夸美了！ 11:28 阿腌的夸人：没想到你还挺挺禁捅啊你！ 13:19 小野老师的欲扬先抑夸人法！所有人严肃学习！ 16:35 什么夸奖，能让猛哥“这一段刻成光盘跟我一起下葬”？ 17:30 六兽aka高情商的神来了！ 18:38 令教主“不舒服”的夸奖，原来是这个意思！ 21:08 阿米尔汗已经知道全中国最好的喜剧编剧和保定三杰是谁了！ 25:17 夸小孩记得一定要夸细节！ 27:42 教主的冒犯性夸人经历！畜生——牛犊！ 30:52 猛哥教你分辨评价与夸奖！ 33:40 观众夸与被夸投稿分享：“纠正”扫兴家长、回怼让人不舒服的”传统夸奖”、长命百岁夸夸（翻车版）、健身房夸人且脱单（单田芳版） 45:49 教主遇上了很多次“恶魔低语”诅咒？ 48:27 有没有人认识月明啊！大明星！ 50:39 喜剧演员如何回应“你讲的真好”夸夸？阿腌：转人工 55:12 教主猛哥与明星摄影师“过招儿童心理学”的经历 01:03:27 六兽的应对他人夸夸的回复小妙招？还挺暖味啊！ 01:05:46 教主安慰夸夸阿腌、阿腌不好意思当面夸夸教主 01:16:43 猛哥的微观夸人小妙招 01:19:18 阿腌的微观夸（骂）人小妙招？？？ 01:21:10 虚伪的夸奖也有虚伪的夸奖的价值 01:23:50 观众夸人妙招投稿分享：抠细节连场景带后果；神之语气词；还话茬 01:34:28 辅导班课后小作业——三道情景题，巩固复习一下子！ 01:35:19 题目1：当你的朋友剪了一个难看，不适合他的发型，但是问你好不好看，你该如何夸夸他？ 01:40:56 题目2：公司年会上，你五音不全的老板非要唱《死了都要爱》全程跑调 破音三次。唱完他问你：“怎么样，我唱得还行吧？” 01:45:35 题目3：你的朋友也是喜剧演员，他在某场演出中冷场了，很冷场的冷场，你该如何夸夸他、安慰他？ 欢迎收听本期播客！ 【关于我们】 🎬收看无聊斋视频内容？关注微博、小红书、B站、抖音：@无聊斋 🙋投稿成为无聊斋嘉宾？公众号关注「无聊斋」回复“投稿” 👀来参与线下录制？公众号关注「无聊斋」会有不定期观众招募掉落 👗想加入无聊斋听友群？关注 @无聊斋 小红书，加入首页听友群 🤝商务合作？欢迎发送邮件至 [email protected] ✍️制作：婧文 ✂️剪辑：小天

本期主播：刘旸教主、六兽 本期嘉宾：王汉洋（创业者、内容创作者；播客蜉蝣天地、诗梳风、山有虎主播） 恰好十一假期将至！我们来聊一期旅行的见天地！这期我们的偷家老嘉宾汉洋返场，来聊聊他作为一个「世界gai溜子」，溜过的那些好地方、见过的新鲜事儿！本期包含以下内容—— 01:22 关于「gai溜子」是不是全国通用名字这件事…… 01:58 被东北话染指的时代 03:16 「gai溜子」名词解释（大师版） 04:42 作为「世界gai溜子」，汉洋去过多少个国家和地区？ 06:41 去过最多次、最远的地方是哪里？ 10:54 聊聊「gai溜子」的老家——长春以及东北 16:42 去过和印象里完全不一样的地方是哪里？（含烂梗 慎听） 23:35 去过的逐渐没落、人迹罕至的地方？ 27:34 旅行中遇到过的民俗活动？ 32:45 旅行途中的意外、绝境逢生时刻？（又名披萨奇遇记） 35:59 在国外遇到的种族歧视问题 42:48 曾见到过什么 这辈子都没见过、特别罕见的景象？ 45:15 关于用泉水治好面瘫的神迹？？ 50:08 一次“良辰美景没人可说”的浪漫记忆 53:49 gai溜子干过的那些正经事儿 56:52 最大的正业：拍古建筑&AI建模（🙋《梁柱之间》平武报恩寺建模视频戳我可观看） 01:02:38 为什么会对古建筑如此感兴趣？ 01:09:40 小时候不出门，长大gai溜子？？ 01:13:34 世界的好不会向我主动走过来，我得向它走过去 01:15:16 关于汉洋是高中学历这件事 01:19:50 做综艺、非洲种咖啡、出书，这人想干的事儿也太多了！ 01:22:38 突然开始聊用AI是怎么肥事啊！咱这期不是见天地吗！ 01:32:22 对世界保持好奇心的秘诀 欢迎收听本期播客！ 【关于我们】 🎬收看无聊斋视频内容？关注微博、小红书、B站、抖音：@无聊斋 🙋投稿成为无聊斋嘉宾？公众号关注「无聊斋」回复“投稿” 👀来参与线下录制？公众号关注「无聊斋」会有不定期观众招募掉落 👗想加入无聊斋听友群？关注 @无聊斋 小红书，加入首页听友群 🤝商务合作？欢迎发送邮件至 [email protected] ✍️制作：婧文 ✂️剪辑：小天

📝 本期播客简介 本期我们克隆了：Eero Alvar · How I Use AI to Learn Things 原内容更新时间：2026-08-14 本期由 Eero Alvar 分享他目前使用 AI 学习的方式，并通过实时演示展示一套正在构建的学习系统。这个系统试图解决传统学习中的两种低效：面向所有人的统一教学无法贴合个人理解水平，以及学习者在不同信息源、教学风格和符号体系之间切换时产生的额外心力消耗。 这套方法的核心，是让 AI 先探测学习者当前的知识边界，再规划一条通往目标理解的路径，最后沿着依赖关系逐步教学。系统会调用 Sub-agent（子 Agent）进行事实核查和可视化，使用 Mermaid 展示学习计划，并通过持续测验确认学习者是否真正理解。 演示中，Eero Alvar 使用 Obsidian 和 MDLog 记录学习过程，从电磁学背景出发学习微分形式、余向量、楔积和广义斯托克斯定理。他展示了 AI 如何根据回答调整教学内容，一次只推进一个推理步骤，并把图解、练习和长期学习记录整合到同一套界面中。 👤 本期嘉宾 Eero Alvar 是本期节目的主持人和作者，分享自己当前使用 AI 学习的方法，并展示了配套的学习系统与代码仓库。为了验证这套方法，他没有只介绍抽象理念，而是现场从对微分形式几乎不了解的状态开始学习，完整经历探测、规划和教学过程。这个案例尤其适合关注 AI 辅助学习、个性化教育和知识管理的人收听。 ⏱️ 时间戳 00:21 一对一教学与信任 04:04 AI 教学的三阶段 06:13 用 AI 学微分形式 🌟 精彩内容 💡 最优教学必须贴合理解边界 面向很多人的课程或书籍，不可能对每个人都做到最优，因为每个人的当前理解水平不同。真正有效的教学，应当避开已经掌握的内容，也避开学习者暂时无法理解的内容，准确作用在理解的边缘。 "所以它应该正好在他们理解的边缘上发挥作用。" 💡 AI 学习的重点不是降低难度 好的 AI 学习系统并不是替学习者消除所有困难，而是把不必要的困难交给系统处理，把认知努力集中到真正难懂的材料本身。规划、找资源、事实核查和安排顺序，都不应该分散学习者的注意力。 "我们希望把费劲的程度拉到最大。" 💡 信任会改变信息吸收的效率 学习者面对陌生来源时，往往会保留一部分信任。即使两个解释完全相同，来自熟悉且可靠的渠道时，理解和吸收也会更顺畅。因此，AI 教师不仅要提供正确答案，还要通过验证和事实核查建立可靠性。 "在大脑信任这个渠道的时候，消化吸收这些信息会轻松得多，即使解释是一模一样的。" 💡 学习流程先测量，再规划 系统不会直接把一整套课程倾倒给学习者，而是先通过有梯度的问题，沿着可能的知识分支逐步探测边界，形成关于学习者当前理解水平的详细图谱，再据此生成学习路径。 "这样它就会获得一张关于学习者理解水平的非常详尽的图谱。" 💡 一次只推进一个推理步骤 演示中，AI 沿着依赖树逐步推进，每次只解释一个逻辑节点，并在关键步骤检查理解。这种节奏避免了常见聊天工具一次性输出整套答案，让学习者有机会随时提问和消化。 "所以我喜欢把节奏放得很慢，一次只走一步推理。" 💡 反馈是 AI 学习不可缺少的一环 定期小测验不仅能防止学习者误以为自己已经理解，还能帮助系统持续校准教学路径。回答问题、应用新知识和完成练习，也会进一步巩固新形成的理解。 "真正检验自己的理解，对你来说是很重要的反馈。" 💡 把教学理念做成一套 AI 系统 这套系统真正的价值不只在于调用了哪些模型或工具，而在于它把一套教学风格具体化：一方面设计从当前理解到目标理解的路径，另一方面控制沿途每一步推导和解释的方式。 "这个视频真正讲的，其实是如何把一种学习理念或者教学方式，做成一套 AI 系统。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺