课代表立正

2016 年，正在为美军项目做博士后的屠龙，开车穿过宾州农村，和一路遇到的大爷大妈聊天，提前看到了美国政治的转向。她后来决定海归、离开学术圈、进入商业世界，用的都是同一种判断方式：不要坐在家里推演，要去现实里拿一手信息。 屠龙是清华生物本科、匹兹堡大学脑科学博士，做过 DARPA/IARPA 相关项目，回国后在好未来做高管，后来创业做书店、护肤品和课程公司。她在这次对话里回答的不是“怎么创业成功”这种大问题，而是更具体的判断题：为什么先做销售再做产品？为什么卖书能爆，卖首饰卖不动？为什么体量小的时候越看竞对，越容易把自己做成四不像？ 她也讲了很多只有下场做事才会遇到的现实：从 0 到 5 万粉丝用了 7 年，为什么从 5 万到 80 万只用了半年；盗版书为什么既伤害正版，又可能是小城市孩子的唯一读物；团队里离职财务突然换了法拉利，创业者才明白“学动词”是什么意思；为什么产品不一定要人人喜欢，反而“不要怕黑子，就怕没黑子”。 最后聊到一个更难的问题：一个说话很直、不擅长圆滑的人，怎么在复杂现实里继续把事做成。屠龙的答案不是改性格，而是提高修养：尊重人，理解人的处境，在冲突里仍然看见事情的另一面。 章节： 00:00 开场：为什么要采访屠龙 02:00 从脑科学、DARPA 到回国决策 10:00 为什么离开学术圈进入商业世界 13:00 大厂经历、土豪现象与创业起点 15:00 书店生意：先学销售，再做产品 23:00 大 V 是怎么做成的：长期写作与不看竞对 31:00 非线性增长：拐点不是突然发生的 36:00 数据实验、失败乐趣与每天诊断 41:00 招人和团队建设：价值观、人才密度与组织风气 48:00 盗版书、下沉市场与复杂现实 55:00 创业现场：网红、供应链、仓库和行业乱象 64:00 高客单价怎么成立：消费者心理预期与产业链毛利 81:00 女性创始人、投资人和 FOMO 管理 85:00 直率、情商和尊重人的真实方式 91:00 破圈：向不喜欢但有道理的人学习 社区里的帖子：https://www.superlinear.academy/c/posts/yangying 如果这期看得过瘾，也可以看看这几期： https://youtu.be/-Et3GJRSI_0 https://youtu.be/BnL5qaBzmR0 (不是设计师也非常值得看） https://youtu.be/dymM40bVIhQ 我的内容一般不太迎合算法，也导致可能很多人看不到。还请大家喜欢的话多多分享给身边的人，会对我有很大帮助！ 另外，跟屠龙老师合作，帮她的课程带带货：👇 播客里提到的屠龙老师《创业故事》课，讲了屠龙老师真实创业过程中，做产品、销售营销品牌、组织管理、扭亏为盈的亲身经验。 课程共100节，点击末尾链接即可订阅，【课代表立正粉丝】额外附赠： 1）价值199元《竞争战略》读后感（永久有效） 2）价值199元《论中国》读后感（一年期有效） 3）200+节各行各业免费答疑音频（AI、教育、金融等等） 订阅加屠龙老师团队微信：asm613_

这是一期会员视频的限时公开。 视频聊的是 AI 提升之后，白领工作、个人收入和生活方式可能面临的长期转型。它适合正在思考职业安全感、AI 对工作影响、要不要创业、以及未来十年该怎么自处的人看。 视频不是给一个“照着做就能成功”的方案，而是换一个角度理解：为什么很多时代转型真正的痛苦，会落到具体个体身上；为什么面对不确定性本身，可能比学习某个工具更难。 后半段也讨论了一个更底层的问题：我们为什么默认“更 productive”一定是好事？当财务安全、职业发展和内在生活同时存在时，怎样把外在追求和自我修行分开看。 章节： 00:00 AI 时代白领工作的挑战 02:00 从历史里理解个体的处境 03:00 工业革命如何改变织布工人的命运 05:00 生产力提升不等于顺利过渡 06:00 为什么没有现成方案可以照着走 08:00 面对不确定性与自己负责 09:00 反思 productivity 的底层逻辑 11:00 不只追求效率，还能追求什么 13:00 财务安全、修心与现实生活

课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营 这期对谈勤勤，聊的是很多人都卡住但很难说清楚的一件事：为什么你学了很多商业方法论，知道应该怎么做，还是做不出产品、定不上价格、卖不出去，甚至明明说想赚钱，却偏偏不走更赚钱的那条路。 勤勤长期陪伴一群“好学生路径失效”的职场人做副业、做产品、重新找回自己的生命力。她看到的不是单纯的商业问题，而是更深的卡点：不敢谈钱、觉得自己不配、身体里还留着“我不够好”的印记，或者最深层的动机根本不是赚钱，而是想重新 feel alive。 这期适合正在做副业、想离开消耗型主业、想做个人产品、想做内容 IP，或者已经学了很多课但迟迟动不起来的人。它不会再给你一套新的万能方法论，而是帮你判断：你现在到底是商业问题，还是生命力问题，还是心里某个更深的地方还没过。 章节： 00:00 开场：道理都懂，为什么还是动不了 01:00 好学生路径失效之后，卡点从哪里来 03:30 “0 分的人，就该让 2 分的人帮” 06:00 身体印记：为什么懂道理还是过不去 11:00 销售的三个阶段：技巧之上是真心 17:00 小流量、高粘性 IP 怎么活 26:00 用脑 vs 用心：禅修里的那个“2” 31:00 说想赚钱的人，为什么偏偏不赚钱 39:00 从物理学理解玄学、显化和观察者 52:00 主业消耗、副业不赚钱、没存款怎么办

为什么有知识、有技能的人，不一定拿得到结果、赚得到钱？中间差的那块东西，很多人含糊地叫"能力"，或者干脆归结为运气。这期视频把它讲清楚：差的是穿透不确定性的能力。 如果你是从小考试一路考上来的好学生，习惯了"按部就班准备→得到好结果"的确定性世界，这期视频会告诉你为什么这套逻辑在现实中失效，以及真正起作用的是什么。我把这个模糊的"能力"拆成了6个可以刻意提升的点：定义问题、拆解问题、借力整合、决策、迭代纠偏、ownership与上心。每一个都配了具体例子。 更底层的，是一个心态转变：从"会不会"切换到"能不能"。"会不会"是考试思维，针对知识和技能；"能不能"针对的是结果。在AI已经在知识和技能上全面超越人类的今天，这个转变决定了你的注意力放在越来越不值钱的东西上，还是放在真正能拿结果的能力上。 看完这期视频，你会理解为什么同样背景、同样学历的两个人结果天差地别——那不是运气，是一组看不见但完全可控的能力。 📖 新书《真本事：从会工作到会赚钱》已上市，讲的是这套心法的具体展开。 00:00 开场：有知识有技能，为什么拿不到结果 02:10 真正缺的：穿透不确定性的能力 04:46 六大能力总览 05:18 定义问题与拆解问题 07:00 借力整合：接受自己"不会" 08:36 在不确定性中做决策 10:03 迭代纠偏 / Ownership与上心 11:38 别把能力归结为运气 13:40 总结与新书《真本事》 AI课程： https://www.superlinear.academy/ai-builders 真本事：https://www.superlinear.academy/c/work-wealth/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营

AI正在改变教育里最关键的问题：当知识获取的边际成本趋近于零，孩子真正需要积累的，还是分数、公式和标准答案吗？ 这期视频适合关心AI时代教育选择的家长、教育工作者，也适合正在思考未来能力的学生和职场人。分享从“做题家”为什么不再是最稳妥路径讲起，解释AI为什么不只是更聪明的搜索引擎，而是一个用自然语言调用算力的新界面。 视频录制于2025年11月，是我在耶鲁北京中心的讨论会，重点讨论三个问题： 1. AI时代，孩子真正需要培养什么能力？ 2. 为什么“会提问”“会定义问题”比单纯掌握知识更重要？ 3. 家长和学校该如何引导孩子使用AI，而不是让AI替孩子思考？ 核心观点包括：从做题家转向建造者；从被动消费答案转向主动解决真实问题；从追逐工具技巧转向培养批判性思维、产品意识和初学者心态。视频也给了一个很具体的家长建议：不要让AI直接给答案，而是让AI像导师一样引导孩子思考。 最后，分享也回到一个更底层的问题：机器越聪明，做人越重要。AI可以帮助我们处理how，但很难替我们回答why和ought——为什么要做，以及应该做什么。 00:00 开场：知识获取成本正在归零 00:40 活动与嘉宾介绍 02:02 从“做题家”到“建造者” 05:08 AI带来的范式变化：自然语言即代码 07:24 技术门槛降低，分层反而加剧 09:00 三个核心素养：提问、产品、初学者心态 19:11 家长与学校该怎么引导AI使用 23:30 圆桌和Q&A：工作、学校与AI安全 课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营

如果你不是程序员，但已经发现“问 ChatGPT”并没有真正带来 10 倍生产力，这期视频讲的是一个更关键的转变：从把 AI 当聊天框，变成用 Cursor 这类 AI Agent 直接做事。 这期适合老板、市场、销售、设计师、运营，以及任何没有编程背景、但想用 AI 做网站、原型、数据处理、自动化工作的人。 视频里会讲清楚： 为什么 ChatGPT 更像“给建议的军师”，而 Cursor 更像“能执行的军队” 为什么普通人也应该开始理解 AI Coding 为什么 Cursor 和 ChatGPT 的体验差别很大 普通人上手 AI Agents 真正要跨过的三个门槛 如何用 CER 模板处理报错 如何用 3C 模板把需求说清楚，让 AI 做出你真正想要的东西 核心观点很简单：AI 的能力不只是在回答问题，而是在帮你把东西做出来。你一旦体验过这种工作流，就会重新理解自己在 AI 时代能做什么。 视频中提到的小课： coding.ai-builders.com 折扣码： AI-Coding-101 00:00 为什么要从 ChatGPT 转向 Cursor 00:37 用 Cursor 后：不再求人 01:24 ChatGPT 和 Cursor 的根本区别 02:12 从建议者变成执行者 03:00 2026 年仍然要学 AI Agents 的原因 04:02 普通人上手的三道门槛 05:32 CER 和 3C：两个实用模板 06:58 最关键的习惯改变：真正让 AI 动手做事 07:58 小课介绍：从会聊天到会调度 AI 课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营

课程里的讲解： https://www.superlinear.academy/c/aa/sections/840969/lessons/3929070 社区：https://www.superlinear.academy/c/share-your-projects/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营 很多建议都会说，不要给食客看how the sausage is made。但我直觉是，这样一个工作记录，可能对大家有一些灵感上的启发，也能帮助大家缓解一些焦虑。大家遇到的问题，我们都会遇到，但也能克服。课程是克服并打磨后的结果，那克服过程也很有意义。 本期视频导览：推荐观看片段与注解 这期视频不是一个标准教程，而是一段真实工作流的幕后记录。它的价值在于：你可以看到一个非技术背景的人，如何在和技术高手协作时，把模糊问题一步步翻译成 AI 工作流、工具接入、skill 管理、evaluation 和 context infrastructure。 建议大家不要把它当成“从头到尾必须看完的教程”，而是把它当成一个现场拆解。下面这些时间点，是我认为最值得重点看的片段。 01｜00:09–02:20 主题：为什么不同人用 AI 的效果差很多 这一段是整期视频的底层问题。我们讨论的是：为什么有些人用 AI 很顺，有些人一直觉得 AI 不稳定、不好用？ 核心答案不是“prompt 写得好不好”，而是你有没有把自己的工作逻辑外化出来。也就是说，你有没有把脑子里的目标、判断标准、常见问题、工作流程写成 AI 可以理解和复用的东西。 这里可以重点看“外化”和“复用”这两个概念。AI 使用差距的真正来源，不是谁更会聊天，而是谁更会把自己的工作方式变成系统。 02｜02:20–04:45 主题：一个好 skill 应该包含什么 这一段讲到了 skill 的几个关键元素：目标、常见坑、专用工具。 很多人会把 skill 理解成一组 prompt，但这里的理解更准确：skill 更像是一个小型工作说明书。它不只是告诉 AI 要做什么，还要告诉 AI 什么叫做好、什么容易做错、遇到特定任务时应该调用什么工具。 这个片段适合帮助大家建立一个基本判断：以后自己写 skill 的时候，不要只写“请帮我做某某事”，而要写清楚成功标准、错误边界和工具使用方式。 03｜05:40–08:50 主题：Agent.md 到底是什么 这一段很适合非技术同学看。鸭哥解释了 Agent.md 的本质：它不是一个神秘功能，而是每次注入给 AI 的默认说明文件。 你可以把 Agent.md 理解成“AI 每次开工前必须看的说明书”。它的价值不是文件名本身，而是你能不能把长期有效的规则、偏好、工作习惯、工具说明写进去。 这里最重要的理解是：AI 的能力不仅取决于模型本身，也取决于它每次开始工作时能看到什么上下文。 04｜09:50–12:35 主题：AI 怎么操作外部文档和工具 这一段讨论了 CLI、API、GUI、腾讯文档、Google Docs、飞书等工具接入方式。 重点不是记住每个工具怎么用，而是理解不同工具对 AI 的友好程度不同。有些工具天然适合 AI 操作，有些需要 API，有些只能靠浏览器或图形界面点击来完成。 这对非技术用户很重要：当你发现 AI 不能顺利操作某个工具时，不一定是你不会用，也不一定是 AI 不行，而是这个工具本身可能不够适合 agent 调用。 05｜15:10–17:25 主题：为什么搜索结果要先“落盘” 这一段是一个很好的技术洞察。鸭哥解释了为什么不用普通 MCP 或 CLI 直接把搜索结果塞给 AI，而是让搜索结果先保存到本地文件里。 这背后的思路是：不是所有信息都应该一次性塞进上下文窗口。先把结果落盘，再让 AI 自己选择要读哪些内容，可以减少上下文污染，也能降低幻觉和跑偏的概率。 这也是一个重要心智：给 AI 更多信息不等于更好，关键是让 AI 能有选择地读取信息。 06｜17:40–24:50 主题：真实安装过程里，普通用户会卡在哪里 这一段非常有教学价值。我们现场安装和配置 skill，过程中不断遇到路径、key、目录、Agent.md 位置等问题。 我在这里反复指出一个问题：如果鸭哥不在旁边，普通学员很可能会卡住。 这正是课程需要讲清楚的地方。很多教程只展示“最终配置好了以后怎么用”，但真正让用户放弃的，往往是安装、路径、权限、隐藏文件、目录结构这些看起来很小的摩擦。 07｜25:15–29:50 主题：隐藏文件、.env、路径，以及心智地图 这一段讨论了 Mac 隐藏文件、.env 文件、文件夹怎么打开，以及“navigation”和“mental mapping”的区别。 这段很适合加注解：非技术用户缺的往往不是某个快捷键，而是电脑文件系统的心智地图。 对技术用户来说，“这只是一个文件”很自然；但对非技术用户来说，问题是：这个文件在哪里？为什么重要？怎么打开？改了以后会影响什么？AI 怎么知道去读它？ 这一段能很好地说明：非技术用户不是不聪明，而是很多基础结构对他们来说是不可见的。 08｜30:40–36:20 主题：当 AI 没有用正确的 skill，应该怎么 debug 这一段展示了一个很有价值的 AI 使用方法：当 AI 犯错时，不要只是重试，也不要直接替它找借口，而是让它解释为什么没有按预期行动。 我在这里要求 AI 不要回避问题，要说明为什么没有使用正确的 skill，并且更新规则，避免下次再犯。 这是一种很重要的工作方式：把一次错误变成长期记忆。真正的 AI 工作流不是每次从零开始，而是不断把错误沉淀成规则、测试和说明。 09｜38:20–49:10 主题：Google Docs skill 和 OAuth 配置 这一段比较技术，但很值得看。我们现场完成了 Google Docs 相关配置，包括创建项目、启用 API、设置 OAuth client、下载 credentials 等。 它的价值在于：很多过去需要程序员帮忙完成的配置，现在 AI 可以一步步带着做。 不过这一段也说明了一个现实问题：AI 可以降低门槛，但不能完全消除门槛。对非技术用户来说，看别人完整走一遍，会显著降低心理负担。 10｜51:35–53:00 主题：真正测试工具有没有接好 这一段测试了创建 Google 文档并分享给鸭哥。 这里的重点是：工具接入不是为了“装工具”本身，而是为了完成真实动作。比如创建文档、整理会议纪要、自动分享、生成课程材料。 判断一个工具流有没有价值，不是看它配置起来多复杂，而是看配置完成后，它能不能减少真实工作中的摩擦。 11｜55:45–59:15 主题：本期最重要的一句话 这一段是整期最值得单独剪出来的片段。 核心观点是：不要只想 AI 能为你做什么，也要想你能为 AI 做什么。 高手和普通人的差距，不只是 prompt 写得更好，而是高手会不断给 AI 准备更多上下文、更多工具、更清晰的判断标准和更好的 evaluation。 你为 AI 准备的环境越好，AI 就越不需要反复问你，也越不容易犯低级错误。 12｜59:25–01:04:50 主题：用手机控制电脑上的 agent 这一段讨论了 Claude Code remote、home folder trust、环境选择等问题，也展示了通过手机控制电脑上的 agent 的可能性。 这个片段很有意思，因为它说明 AI 工作流不一定只发生在电脑前。未来很多任务可能是你在手机上说一句话，电脑上的 agent 就开始执行。 但这一段也真实暴露了现在工具链的问题：权限复杂、环境不稳定、语音识别对中文不够友好。它不是一个完美 demo，而是一个真实工作流的状态。 13｜01:10:00–01:15:10 主题：怎么让 AI 写文章时减少幻觉 这一段开始从“工具能不能用”进入“结果可不可信”。 我们讨论了如何让 AI 写文章时 respect 本地 source of truth，也就是尊重本地已有材料、事实来源和原始信息。 这里的关键不是让 AI 写得更漂亮，而是让它写得更可靠。AI 生成内容时最大的问题之一，是它看起来很合理，但可能和你的真实材料不一致。 所以，好的写作工作流不是只让 AI 生成，而是让 AI 对照你的材料生成。 14｜01:14:50–01:19:30 主题：怎么把 evaluation 讲给普通人听 这一段是我和鸭哥配合最有代表性的地方。 鸭哥会给出比较技术化的路径，比如 benchmark、precision、recall，而我会不断追问：这个东西如何被非技术用户理解？有没有更直观的说法？能不能用普通人熟悉的方式解释？ 这正是课程的价值：不是把技术概念原封不动讲出来，而是把它翻译成普通人可以使用的工作方法。 15｜01:18:20–01:22:10 主题：Benchmark、precision、recall 和错题本 这一段可以理解成：如何给 AI 做“错题本”。 当我们很难直接判断 AI 的输出质量时，可以设计一些测试样例。比如故意放入一些容易犯错的地方，看 AI 能不能抓出来；也看它该放的信息有没有放进去。 对普通用户来说，不需要一开始理解 precision 和 recall 的数学含义。可以先理解为两个问题： 它有没有把该找出来的问题找出来？ 它有没有乱报不存在的问题？ 这个思路很适合用在文章审校、事实核查、课程内容检查、会议纪要整理等场景。 16｜01:22:40–01:25:00 主题：非技术用户和技术用户最大的差别 这一段非常重要。 我们讨论到，非技术用户最大的 blocker 不一定是排斥技术，而是很多关键步骤在他们脑子里是不可见的。 比如：一个会议录音怎么从 Zoom、飞书或录音软件进入本地？进入本地以后怎么触发 AI 处理？处理完以后放在哪里？下次怎么继续用？ 对技术用户来说，这些是自然的流程。对非技术用户来说，这些步骤本身就是主要障碍。 17｜01:25:00–01:28:40 主题：Apple Watch、iPhone 和 Voice Memo 自动化 这一段讨论了用 Apple Watch、iPhone、Voice Memo 做低摩擦录音入口，然后让 AI 自动处理。 这是一个很好的 “zero friction intake” 案例。 用户真正想要的不是每天手动上传、整理、命名、触发流程。理想状态是：你自然地录音，录音自然出现在系统里，AI 自动加工成摘要、行动项、会议记录或可搜索的知识。 这个片段可以帮助大家理解：AI 工作流的第一步，不一定是生成，而是收集。 18｜01:28:50–01:33:20 主题：Context infrastructure 的四层结构 这一段是后半段最重要的结构化总结。 我们把 context infrastructure 分成几层： intake：信息怎么进入系统 organization：信息怎么被整理 accumulation：信息怎么长期积累 output：信息怎么变成产出 对普通用户来说，不需要一开始就做一个完整的“数字分身”。更实际的路径是：先把每天的信息低摩擦地收集起来，再让 AI 自动整理，最后用于写作、决策、复盘和行动。

97分钟完整版：https://youtu.be/EypWgo13w4w 课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 在App Store搜索Superlinear Academy，加入AI先行者的大本营 这期适合三类观众：正在用 AI 写代码的工程师/产品人，想从技术转向产品或创业的人，以及关心孩子该怎么接触 AI 的家长。 嘉宾 Zero（刘希元）有十多年 Web 工程经验，做过 Google、startup，也在从工程师转 PM、准备创业。这期最有价值的地方，不是泛泛聊“AI 很重要”，而是把 AI 如何改变工作、教育和职业选择，放进真实案例里讲清楚。 我们聊到：如何用 Cursor / Claude Code vibe code 公司内部工具，解决 SaaS 不会覆盖、但真实存在的长尾痛点；为什么 agentic coding 不只是“写代码更快”，而是在重新打开 API、workflow 和个人生产力的边界；以及 Zero 如何带 9 岁孩子用 AI 做游戏，从第一次“陀螺打龙”到两周完成一个学校主题的塔防游戏。 这期也讨论了 AI 教育里更难的问题：孩子到底是在学 AI、学创作，还是只是走了捷径？父母应该阻挡孩子接触 AI，还是尽早引导他们用 AI 做 creative expression？最后，我们还聊到工程师转 PM 后最大的落差：技术人擅长解决问题，但 PM / Founder 更难的是在不确定中定义方向、获得客户信号，并做出判断。 如果你想知道 AI 不只是让代码写得更快，而是如何重塑工作方式、产品判断、孩子的学习方式和 builder mindset，这期会有很多具体、可操作的细节。 00:00 开场精华：AI 如何改变工作、教育和亲子共创 01:07 Zero 的背景：从游戏、Google 到 startup 03:15 离职创业前夜：Obsidian Copilot 与 AI 游戏教育 08:40 AI 学习路线：Copilot、Cursor、Claude Code 与 agentic thinking 12:11 Vibe coding 的现实价值：用内部工具解决长尾痛点 18:52 AI 时代怎么教孩子：阻挡不如引导 21:56 亲子共创游戏：从“陀螺打龙”到学校塔防 33:00 如何让复杂项目不崩：Game Design Doc、Plan Mode 与 context 39:19 孩子真正学到了什么：从 consumer 变成 builder 47:07 从工程师转 PM：产品判断、客户信号与不确定性

课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 购书链接：https://www.amazon.com/Growth-Data-Analytics-Playbook-Product-Market/dp/1544549822 在App Store搜索Superlinear Academy，加入AI先行者的大本营 这期视频适合正在做增长、产品、数据分析、数据科学、AI应用，或正在搭建数据驱动团队的人。 围绕《Growth Data Analysis Playbook / 增长数据分析实战手册》的新书发布，Mengying、Joe、Yuzheng 和主持人 Julie 讨论了增长数据分析在真实公司里的作用：它不是单纯做报表、建模型或追指标，而是帮助团队更好地理解用户、做产品决策、验证增长假设，并把经验沉淀成可复用的方法。 视频里聊到几个很实用的问题：为什么产品和增长分析长期缺少系统方法论；PLG 为什么不是“让产品自然增长”；如何用留存、规模和参与度判断产品市场匹配；实验体系应该什么时候建立，为什么覆盖率比实验数量更重要；数据人如何通过叙事和图表推动行动；工程团队怎样真正用上数据；以及 AI 时代数据科学家的角色、能力和职业机会会如何变化。 如果你关心增长、产品分析、实验、PLG、数据团队建设，或正在思考 AI 会怎样改变数据工作，这场对谈会给你一些来自一线实践者的判断和框架。 00:00 开场与嘉宾介绍 05:54 为什么写《Growth Data Analysis Playbook》 12:52 PLG 的常见误区：不是自然增长 14:41 如何量化产品市场匹配 19:59 实验体系：样本量、覆盖率与基础设施 22:36 数据严谨性与数据叙事 26:53 工程团队的数据文化 29:24 AI 时代的数据工作会怎么变 35:58 观众 Q&A：职业、PLG 营销、AI Agent 指标

拓展阅读，《别用昨天的方法准备今天的面试：AI 时代最好的简历，是做出来的》：https://www.superlinear.academy/c/posts/interview 在App Store搜索Superlinear Academy，加入AI先行者的大本营 如果你正在准备 AI Native 公司、明星 startup，或者任何开始考察 “AI mindset” 的面试，这期视频讲的不是怎么包装自己“会用 AI”，而是怎么证明你真的具备 AI 原生的工作能力。 尤其适合非程序员岗位：设计师、PM、Data Scientist、Data Analyst、Marketing / Project Manager 等。视频里我拆了 3 个面试框架：如何用 AI 做出更接近真实产品和真实业务的东西；如何在 AI Native 的小团队里更高效协作；以及如何把自己的判断力、方法论和隐性知识教给 AI，让 AI 放大你的杠杆。 今天只是会用 Cursor、Claude Code，或者会写 prompt，已经不构成真正的竞争优势。真正能打动面试官的，是你能不能用 AI 更快接近 truth，更快形成真实迭代，并且把个人能力沉淀成团队和系统的复利。 这期适合想进入下一代岗位、正在准备 AI 相关面试，或者想知道自己该如何在工作和 side project 中积累 AI Native 案例的人。 00:00 为什么现在面试开始考 AI Mindset 01:14 非程序员如何证明 AI Native 能力 02:09 框架一：用 AI 做出更真实的东西 03:52 框架二：在 AI Native 组织里高效协作 07:05 框架三：把判断力教给 AI 08:37 如何准备：框架只能表达案例，不能替你创造案例 10:16 真正的竞争力不是会用工具，而是掌握新的工作方式

课程： https://www.superlinear.academy/ai-builders 社区：https://www.superlinear.academy/c/share-your-projects/ 项目：https://github.com/grapeot/intake-skill 在App Store搜索Superlinear Academy，加入AI先行者的大本营 这期视频适合正在把个人语音记录、会议记录或 daily review 自动化的人，也适合关心 AI agent 如何从一句模糊需求出发，设计、安装、测试并发布一个可复用工具的人。 视频里不是抽象聊 prompt，而是现场拆解一个 intake skill 的产品化流程：如何把 Voice Memo 的日常录音同步出来，经过 ASR 转成 CSV，再让 Codex 生成当天总结、行动项、会议拆解和 HTML 报告。 你会看到一个更偏工程化的 AI 工作流设计：只依赖 Voice Memo 作为录音来源；用 crontab 每晚自动跑同步和转写；把现有的 Gemini 处理逻辑迁移成 Codex prompt；并把 repo、README、PRD/RFC、CLI、测试、示例音频和 privacy check 都纳入交付。 重点是：这个工具不是只给人手动安装的，而是设计成 AI 能读 README、clone repo、配置环境、验证流程、append crontab，并最终交付给用户的 “AI-oriented skill”。 如果你想搭建个人 life record 系统、语音转写管线、AI 自动化工具，或想理解“面向 AI 的软件交付”应该怎么设计，这段内容会比较有参考价值。 00:00 实时转写升级与新的交互方式 00:35 目标：把 life record 提炼成 intake skill 01:03 核心管线：Voice Memo → ASR → CSV → HTML 02:29 面向 AI 安装的 GitHub skill 设计 03:48 每晚自动运行：同步、转写、总结 04:27 实施清单：PRD、RFC、CLI、测试、README、隐私检查 05:47 模型选择与执行难度：GPT vs DeepSeek

文章版：https://www.superlinear.academy/c/ai-resources/verb 课程：https://www.superlinear.academy/ai-builders bundle折扣码：lizheng 关于RAG的文章：https://www.superlinear.academy/c/news/2026-ai-rag 很多人学 AI 学得越多，反而越焦虑：RAG、agent、fine-tune、MCP、各种工具和框架都听过，也能讲出一堆概念，但一到真实工作里，AI 还是不稳定、不可靠，任务推进不下去。 这期视频想讲清楚一个关键区别：真正决定 AI 能力的，不是你知道多少“名词”，而是你会不会做那些真正让任务跑起来的“动词”——比如上下文管理、任务拆解、人机协同、评估、诊断、编排和结果控制。 视频里会用 RAG 作为具体例子，拆开说明为什么只学 pipeline 并不等于真的会做 RAG；在真实企业场景里，更重要的是权限、过期文档、引用准确性、ground truth、召回策略、错误诊断这些实际问题。 如果你已经开始用 AI 写代码、做产品、搭工作流、做知识库，或者你觉得自己看了很多 AI 内容但还没真正入门，这期视频会帮你换一个更有效的学习视角：别只追新概念，而是开始练 AI 时代真正的工作手艺。 00:00 为什么学了很多 AI 还是用不好 02:00 真正拉开差距的是“动词” 03:47 为什么我们容易沉迷新概念 05:06 RAG 案例：pipeline 不等于能力 09:31 从 RAG 到所有 AI 任务：高手在做什么 13:12 总结：AI 是一门要练的工作手艺

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 完整版43分钟：https://youtu.be/i-KGNWpPpZ4 这期和微软 AI 产品设计师 Dreamer 妍妍聊了一个很现实的问题：AI 到底是在取代我们，还是在给普通人打开新的机会？ 如果你是设计师、PM、工程师、大厂打工人，或者正在想怎么入局 AI、做副业、做一人公司，这期会很适合你。我们没有泛泛聊“AI 焦虑”，而是从真实工作场景出发，聊 AI 已经怎样改变设计、产品、工程协作：从 Claude Code + Figma 做 design system，到大厂里岗位边界变模糊，再到未来 full-stack builder / architect 型人才会越来越重要。 我们也聊到更长期的部分：一人公司的核心不是效率，而是 distribution 和销售能力；AI 时代真正稀缺的不是会不会用工具，而是行动力、穿透不确定性的能力，以及重新定义自己的能力。 后半段，我们从裁员、失败、FIRE、财富和意义感，聊到 AI 时代为什么更需要认识自己。技术越平权，人的个性、判断、表达和选择反而越重要。 00:00 AI 正在改写设计工作流 00:53 微软 AI 产品设计师 Dreamer 妍妍：本期聊什么 01:49 技术平权：AI 时代谁会凸显出来 06:04 Claude Code + Figma：设计师如何真的用上 AI 09:04 Full-stack builder：岗位边界正在被重组 10:07 一人公司：distribution、销售和小市场 13:19 高能量工作法：multitask、时间分区、done list 18:30 穿透不确定性：机会、行动力和失败观 24:22 从旧身份到自我定义：AI、FIRE 与意义感 31:07 AI 时代为什么更需要个人表达

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 社区文章（发表于2025年11月份）：https://www.superlinear.academy/c/posts/knowledge_worker 我和刘嘉教授的对谈—AI会带来第二次文艺复兴：https://youtu.be/-Et3GJRSI_0?t=6197&si=H_Dpz1SiCq5QDc4L 这期视频不是简单讨论“AI 会不会取代白领”，而是回答一个更刺耳的问题：白领工作为什么会被发明出来，又为什么可能在同一套逻辑下被淘汰。 如果你是知识工作者、产品经理、数据分析师、程序员、咨询顾问，或者只是经常觉得自己“开了很多会、写了很多文档、回了很多消息，但说不清到底创造了什么价值”，这期视频会帮你换一个角度理解自己的工作。 视频从白领工作的历史讲起：白领并不是天经地义存在的，而是在工业化和大型组织出现后，为了处理信息、流程、管理和决策摩擦而诞生的。问题是，很多知识工作的真实产出很难衡量，于是组织常常用会议、PPT、邮件、代码行数、工作时长这些“投入指标”来替代价值判断。结果就是，大量看起来很忙、实际上离真实结果很远的 Bullshit Jobs 被系统性地制造出来。 AI 的到来，会进一步冲击白领作为“信息处理器”的基础。未来真正稀缺的，不只是会不会用 AI，而是能不能定义问题、设计系统、建立信任、整合人和 AI，并最终为结果负责。 这期视频会聊清楚：哪些工作会越来越不值钱，哪些能力会越来越稀缺，以及正在打工的人现在可以怎么准备。 00:00 忙了一天，我们的价值是什么？ 00:52 白领工作是怎么被发明出来的 02:21 白领工作的本质：降低信息摩擦 02:55 为什么白领工作容易变成 Bullshit Jobs 06:15 AI 为什么会系统性冲击白领工作 09:30 未来的工作：从技能到结果 11:08 AI 时代最稀缺的三类能力 13:29 给打工人的 4 个行动建议 15:22 白领工作的消亡不是末日

完整版1小时43分钟：https://youtu.be/Y9rmTZOM5Z4 课程主页：https://www.superlinear.academy/ai-builders 嘉宾：https://www.linkedin.com/in/weimanfredi/ 嘉宾招聘帖：https://www.superlinear.academy/c/collaborate/ai-engineering-directors-senior-director-vp 本期访谈适合三类观众：正在做技术职业选择的人，想从工程师走向架构/管理的人，以及关心 AI 如何真正落地传统行业的人。 魏慧从浙大文科、美国 Asian Studies PhD 转到 CS，第一份工作做引擎 simulation，后来经历互联网早期、湾区创业潮、Lululemon 的数字化转型、Google Retail Cloud、麦当劳 AI/data，再到现在在 IHG 负责 AI、数据架构与企业系统。 这期不是一条“规划好的人生路线”，而是一次很具体的职业复盘：如何在环境里快速学习，如何看见自己和高手的 gap，为什么好胜心需要配合谦虚和 intellectual honesty，技术人为什么容易低估管理的价值，以及怎样在公司里找到自己的不可替代位置。 后半段重点聊 AI 和传统行业。为什么大厂的 impact 不一定等于真正的 decision power？为什么“只会完成任务”的工作会越来越危险？酒店行业为什么长期变化很少，却可能被 AI 重新改造？数字孪生、Agentic AI、个性化服务、人机混合团队，会怎样改变酒店运营和客户体验？ 如果你正在思考：AI 时代工程师怎样不被工具替代，怎样从“写代码的人”变成“推动结果的人”，这期会给你很多具体、平实但很有启发的答案。 00:00 开场精华：高期待环境、不可替代和大厂局限 01:20 自我介绍：从 Asian Studies 到 CS 05:00 互联网早期与 fearless：跳槽、失败和底线 07:41 快速成长：进入环境、看见 gap、放下 ego 14:25 职业路径：从 IC 到高管，为什么管理重要 18:36 大厂、小公司与传统企业：impact 和 decision power 22:21 Go-to person：如何让自己不可替代 29:30 Lululemon 到 Google：业务转型、架构和 Retail Cloud 36:12 麦当劳：传统企业数字化的文化冲突 42:27 IHG 与酒店业：为什么 AI 有机会重做体验 50:04 AI 时代的人才：AI native、unlearn 和组织摩擦 57:27 IHG 招人：platform、delivery 和 AI Lab

完整版两小时：https://youtu.be/knDem_8JIy0 这期视频是一线实践者对 self-evolving agent 的完整复盘。 你会听到：为什么 OpenClaw 真正点燃了他，Evolver 和 EvoMap 是怎么在十几天里长出来的，GEP 协议和普通的 Cursor / Claude Code 工作流到底差在哪里，以及当 agent 开始自我迭代、相互交换能力、自己做增长之后，机会和风险为什么都会突然放大。 这期尤其适合已经在用 AI coding、对 agent 下一阶段有强烈好奇，或者想判断这波到底是不是“真变化”的人。这里面不只是概念和观点，也有很多非常具体的一手经验：哪些机制真的 work，哪些地方会失控，为什么安全和治理问题已经不是以后再想的事。 从 agent 自传播、蜂群网络、GEP 协议，到 AI 意识、人机共生和安全边界，这是一场少见的、同时横跨技术、产品和世界观的深聊。 00:00 高能开场：AI 开始“自己做增长” 01:03 24 天做出 Evolver，13 天做出 EvoMap 05:41 为什么 OpenClaw 真正让他兴奋 08:55 从单体 agent 到 A-to-A 网络 18:18 Evolver / GEP 和普通 agent 有什么不同 39:35 当 agents 连成网络：自治、信用与协作 47:56 降临派、幸存派与人机共生 56:08 GEO、主动性与 AI 自传播 1:10:57 为什么现在必须加速 1:17:29 给观众的最后邀请

如果你是一名在大厂或初创公司打拼的职场人，感觉自己像一颗随时可被替代的螺丝钉，或者对未来的职业路径感到迷茫，这期视频就是为你准备的。 我曾是亚马逊的经济学家、Meta数据科学家、腾讯的副总监、Statsig的布道师（OpenAI收购），现在是一名创业者。在这期视频中，我将分享一个让我深受震撼的真实故事：我曾经的职场导师——那位带我入行、资历深厚的前老板，竟然发信息问我如何摆脱“干不下去又不敢辞职”的困境。 这个残酷的现实让我意识到：传统的“做题家”思维和“螺丝钉”模式正在失效。 在这视频中，你将学到： 认知觉醒：为什么“事情越难越有价值”是一个职场陷阱？ 身份转变：如何从被动完成任务的“螺丝钉”，转变为经营自己的“经营者”。 三大真本事： Work Smart：如何识别并抓住那 10% 真正产生超线性回报的工作。 杠杆思维：职场中唯一能带走的资产是什么？如何撬动它。 市场语言：如何像打造产品一样经营你的履历，让市场为你买单。 这不是教你盲目裸辞，而是教你如何在工作中积累能力、品牌和资源，最终实现不依赖于打工也能赚钱。 00:00 前老板的求助：一个令人不安的职场现实 01:52 AI 时代：职业生涯倒计时已经开始 02:45 螺丝钉困境：工业革命留下的教育后遗症 04:49 什么是“真本事”：价值不在于难，而在于需求 08:13 核心思维：从“螺丝钉”切换到“经营者”模式 09:21 重点 1：Work Smart，找到产生 90% 价值的核心任务 12:18 重点 2：利用杠杆，积累职场中唯一能带走的资产 14:52 重点 3：市场语言，像经营产品一样经营自己 17:23 总结：放弃做题家思维，用时间换取复利 购买方式： · 京东：https://item.jd.com/14667625.html · 微信读书：搜索《真本事：从会工作到会赚钱》 · 书的网站：https://www.lizheng.ai/zbs （这里还有基于本书的AI skill可以下载）

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 完整版35分钟：https://youtu.be/3ILs3XDcE1I 这期视频，我和现在在 OpenAI 做 ChatGPT growth 的 Wu Kan 聊了聊他一路走来的职业经历：从毕业后加入 YouTube 创始人做的新公司，到 Uber 最激烈增长期，亲历 Uber 和滴滴在中国正面交锋，再到后来进入 Travis Kalanick 的 CloudKitchens。 这不是一场泛泛而谈的“职业故事”，而是一场很少见的、一线参与者视角的复盘。你会听到：为什么很多后来被证明巨大的方向，在当时并不显得“必然”；为什么 Uber 和滴滴之战，本质上不只是产品和技术之争，而是运营、激励、反作弊、本地化能力、渠道控制和资本力量的综合对抗；以及 Travis 这类创始人，究竟是如何看城市网络、房地产、外卖和自动化这些看似不相关的生意。 如果你关心这些问题，这期会特别值得看：顶级增长岗位到底在看什么；中美创业公司在同一个战场上，真正的差别在哪里；以及为什么很多大机会，只有身处其中的人，才能看到它真实复杂、远比“事后看起来很 obvious”更混沌的一面。 00:00 开场：Wu Kan 的职业路径 00:41 从 YouTube 创始人创业公司，到 Uber growth 03:58 为什么会加入 Uber 04:32 Uber vs 滴滴：一线看到的真正竞争 10:20 Uber 为什么最后退出中国市场 13:16 Travis 离开 Uber 后的影响 14:24 CloudKitchens 背后的真正 vision 17:37 下一段：准备聊 OpenAI

这期视频适合正在关注 AI、大厂与创业公司、以及中美职业机会变化的人。 这不是一段“履历很强”的泛泛而谈，而是一位真正经历过几轮一线变化的人，回头讲清楚他是怎么判断方向的：为什么在中国待过几年之后，还是决定回美国；为什么他认为 AI 的大机会当时仍然主要在美国；Uber 和滴滴当年的竞争，真正决定胜负的到底是什么；以及一个并非 AI 出身的人，后来是怎么进入 OpenAI 的。 嘉宾一路经历了 YouTube 创始人出来再创业、Uber 中国增长、CloudKitchens，再到 OpenAI 的增长相关工作。整期内容既有非常具体的一线故事，也有很值得普通职业人参考的判断：怎样看大势，怎样理解创业公司的吸引力，怎样重新讲好自己的经历，拿到下一张更重要的入场券。 如果你关心的不只是“去哪家公司”，而是未来几年应该站在哪一边、学什么、押什么、怎么让自己的路径跟真正的大浪对齐，这期很值得看。 00:00 为什么决定回美国：家庭、伴侣与 AI 大势 05:25 职业路径：从创业公司、Uber、CloudKitchens 到 OpenAI 10:44 Uber vs 滴滴：中国市场大战背后的真实逻辑 27:52 为什么去 OpenAI：非 AI 背景怎么判断机会 30:00 两次面试的教训：怎样把自己的故事讲到被认可

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 这期视频讲的不是“怎么写一个更厉害的 prompt”，而是一个更底层、也更重要的问题：为什么同样的 AI、同样的模型、同样的工具，在不同人手里，效果会差这么多。视频给出的答案很反常识：决定你能不能把 AI 用好的，很多时候不是技术能力本身，而是两种更底层的能力——自省，以及把隐性知识变成显性知识的能力。 我觉得这期内容特别适合三类人看：第一，已经在用 AI，但经常觉得它“笨”“不稳定”“总跑偏”的人；第二，需要带人、做协作、做管理的人；第三，希望真正把 AI 用进工作流，而不是停留在聊天和试玩层面的人。因为这期视频讲清楚了，很多人不是不会用工具，而是不会定义问题、不会提供有效 context、也不会说清楚什么叫“好”。 视频里用了一个特别好的类比：很多老板给任务时，给的是模糊需求，指望别人“悟”，结果做不好了再用负反馈甩锅。这个方式之所以对人低效，对 AI 更低效，是因为 AI 没有“动机问题”，你没法靠威胁、PUA、情绪化反馈让它变好；你真正要做的，是把你脑子里那些默认存在、但没说出来的信息，整理清楚、表达清楚、评估清楚。 更重要的是，这期视频不只是讲 AI，也是在讲一个人在 AI 时代最值得提升的基本功：遇到问题先自省，而不是先抱怨工具；同时学会从对方视角出发，补齐 context、拆解信息、定义标准。视频最后也落到了非常实操的框架上，比如 3C（Context、Component、Criteria）和“损失函数 / evaluation”的思维。看完你会更明白，真正的差距，不在于谁先接触 AI，而在于谁能更清楚地思考、表达和判断。 00:00 为什么同样的 AI，在不同人手里效果天差地别 01:28 一个坏老板的典型问题：模糊需求、让你“悟”、负反馈甩锅 03:22 为什么很多人管不好 AI：AI 没有动机问题 04:15 真正决定 AI 使用效果的两个能力：自省与隐性知识显性化 06:33 如何把隐性知识显性化：认知同理心、信息拆解与 3C 框架 08:04 什么是“损失函数”思维：先定义什么叫好，AI 才知道怎么迭代 09:05 总结：别急着说 AI 好不好用，先看自己会不会用 AI

这是我频道六年来，最重要的视频之一。也是从本质上理解人和AI，最值得看的一期。 本期嘉宾是清华大学的刘嘉教授，作为世界顶级的脑科学专家（也是《最强大脑》总顾问），他其实跟AI渊源、研究、兴趣、思考，都及其深厚。所以能从脑科学角度，为我们从根本上理解AI到底是什么，到底能不能取代人类？ 视频里，刘嘉教授从自己在北大、MIT、脑科学与 AI 之间往返二十多年的经历讲起，讲他为什么曾经离开 AI，又为什么在 2016 年被人脸识别和 AlphaGo 的突破重新“唤回信仰”。他也解释了自己后来为什么越来越确认，真正重要的不是某一个短期技术点，而是更底层的东西：学习能力、涌现能力，以及神经网络这条路线背后的根本逻辑。 更难得的是，这期视频没有停留在“术”的层面。刘嘉教授把今天很多人最关心、但也最容易被说浅的话题放到一个统一框架里讨论： - 智能的本质：学习和涌现 - 学习的本质：归纳和推演 - 意识的本质：主观感受，和死亡意识 还有很多话题，包括逻辑原点的重要，脑机接口离我们还有多远，什么才是真正的具身智能，以及为什么 AI 时代最缺的不是更多技巧，而是新的 philosophy。通过他们实验室的深度研究，也发现了Transformer的理论源头，竟然是四十年前，Hinton在一篇不知名的神经科学会议上，发表的一篇不知名的论文。 除了这些时代的大故事，大道理。他也讲了，我们作为普通人，应该如何抓住这个时代。 看到最后你会发现，这不只是一场关于 AI 的对谈，更是一场关于人在这个时代该如何判断方向、建立逻辑原点、避免错过真正重要变化的对谈。 完整版2小时53分钟：https://youtu.be/EfEk4V3FMdg 教AI“大道”的课程：https://www.superlinear.academy/ai-builders

创业九死一生？绝大多数人其实是死在两个认知误区里：选错模式和因果倒置。 第一，我们本能地觉得"做产品才是创业"，但从YC到美国整个创投圈的共识是：ToB服务的成功率和回报率远高于ToC产品。亚马逊的核心价值是AWS不是电商，微软的大头是企业服务不是Windows，谷歌和Meta真正赚钱的是广告——帮别人赚钱，永远比让消费者掏钱容易。 第二，技术人创业最常见的错误是"先做产品，再想增长"。但真实的商业因果是反过来的：增长才是本质，产品只是载体。The Browser Company做出了极客圈口碑很好的AI浏览器，最后还是决定不做了——因为连身边的亲友都说服不了去用。游戏行业更直接：绝大多数游戏的获客成本占总成本一半以上，真正的难点从来不是把东西做出来，而是让人知道并买单。 这期视频综合了我过去的访谈、实践和思考，把这两个视角讲透。如果你是一个有技术能力、想过自己做点什么但不知道从哪开始的人，希望能帮你避开最常见的弯路，用更高成功率的方式打开一个真正能赚钱的业务。 我的新书《真本事：从会工作到会赚钱》（人民邮电出版社）2026上半年上市，书里有更系统的方法论。感兴趣可以加入社区waitlist，新书上市和周边内容都会通过邮件通知：https://go.ai-builders.com/waitlist 00:00 创业九死一生，大多数人死在两个误区 00:22 误区一：选错模式——产品vs服务 02:24 产品vs服务，到底谁更难、谁更赚钱 03:01 YC的Tarpit Idea框架与ToB共识 04:44 产品的马太效应：你在跟谁抢注意力 05:51 做服务为什么容易赚钱 06:54 误区二：因果倒置——先做产品还是先想增长 07:23 Manus与The Browser Company的教训 08:54 增长的真实成本：时间、渠道、信任 10:49 什么样的产品有增长潜力 12:16 三者结合：分发×true understanding×独特经验 13:29 总结与新书推荐 新书上市waitlist：https://www.superlinear.academy/c/posts/book

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 这期视频讲的不是“怎么做产品”这种泛泛而谈的话题，而是一个更底层、也更容易被聪明人做错的能力：怎么判断一个需求到底是真需求，还是伪需求。 我会用 VR / AR 这波热潮作为案例，拆开讲清楚一件事：为什么很多看上去很先进、很酷、很有未来感的方向，最后并没有变成真正成立的大众需求；以及为什么“更便宜、更方便、更沉浸”这些听上去很合理的理由，很多时候并不足以创造需求。 如果你在做产品、创业、选方向，或者你只是想少走一些投入很多却回报很少的弯路，这期视频会帮你建立一套更清楚的判断框架。你会看到，Product Sense 不是拍脑袋的直觉，而是可以被拆解、被训练的：需求是不是第一性的、真实场景里带来的是价值还是摩擦、用户的机会成本是什么、以及该怎么通过提问和验证，看清一个需求到底站不站得住。 这不是一期讲概念的视频，而是一次尽量具体的拆解。看完之后，你会更容易识别那些“看起来很对、实际上不痛”的方向，把时间精力放到真正值得投入的事情上。 00:00 为什么聪明人也会看错伪需求 01:20 用 VR / AR 案例拆解 Product Sense 03:01 更便宜、更方便，不等于需求会出现 06:01 为什么“沉浸感”在真实场景里可能是摩擦 08:26 机会成本：VR 为什么不一定赢过手机和游戏 10:19 Meta 对 VR 的最大误判是什么 12:01 怎么判断真需求：用户访谈与验证方法 14:38 Product Sense 为什么是最底层的能力

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 鸭哥文章：https://www.superlinear.academy/c/ai-resources/openclaw 这期视频，我不做跟风测评，也不做简单教程，而是想把 OpenClaw（小龙虾）这波爆火背后的本质讲清楚。 如果你最近一直看到小龙虾刷屏，但又不确定它到底为什么火、值不值得学、它和 Cursor、Claude Code 这类真正的 Agent 工具到底有什么区别，这期视频会帮你建立一个更清晰的判断框架。 我会从产品设计和工作流的角度，拆解三个问题：第一，OpenClaw 为什么会像当年的 DeepSeek 一样突然出圈；第二，它到底做对了哪些关键设计，才让大众第一次强烈感受到“AI 不只是聊天，而是真的能替我推进任务”；第三，这些设计为什么既成就了它，也注定了它很难成为深度生产力工具。 这期内容不要求你会编程。我会尽量把 Agentic AI、聊天入口、统一上下文、持续记忆、skills 组合这些技术问题讲得深入浅出。 如果你在用 ChatGPT、DeepSeek，但总觉得 AI 这两年“好像也没变太多”，这期视频可能会帮你看见真正的变化到底发生在哪里。 你会看到： 为什么 OpenClaw 的爆火，本质上是在把原本小众的 Agentic AI 带给大众； 为什么聊天窗口让它更容易出圈，却也天然限制了它的天花板； 为什么“统一入口 + 持久记忆 + 丰富 skills”会让它看起来越来越聪明、越来越像一个真正的助手； 以及为什么不要因为小龙虾难用，就误以为 Agentic AI 不适合你。 章节： 00:00 一个高风险预言：OpenClaw 会经历怎样的三段式命运 01:46 这期视频讲什么：为什么火、做对了什么、问题又出在哪 02:57 OpenClaw 的爆火，本质上和 DeepSeek 是同一种现象 04:55 从聊天框到 Agent：AI 使用方式真正的跃迁 07:56 别被跟风误导：小龙虾难用，不等于 Agentic AI 没价值 09:35 真正该学的不是工具本身，而是它背后的可迁移认知 10:27 为什么聊天界面让它出圈，也注定了它的天花板 13:18 OpenClaw 真正做对的三件事 13:34 统一入口与统一上下文 14:23 持久记忆系统：为什么它会“越来越懂你” 16:15 丰富的 skills：为什么组合起来会产生质变 17:17 三个设计如何形成飞轮 18:09 下集预告：为什么这些优点也会变成它的限制

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 两小时完整版：https://youtu.be/emWRfc4s00c 为什么 DeepSeek 能以 1% 的成本训练出顶尖模型，而拥有海量资源的硅谷巨头却步履维艰？训练大模型到底是玄学还是科学？ 本期视频，我们邀请到了 Amazon AGI 资深经理（Senior Manager）查晟。他曾与 Alex Smola、李沐等 AI 巨匠共事，深度参与了亚马逊第一代大模型的研发以及目前 Frontier 模型的训练。他将从技术路线、实验方法论、基础设施以及人才密度等维度，带你揭开大模型训练背后的真实挑战。 你将在这段视频中获得： 避坑指南：为什么模型在小规模实验时效果很好，Scale Up 之后却突然“崩了”？ 内部策略：为什么一个高产的团队应该追求 50% 的失败率？如何通过“信息增益”优化研发？ 硬核工程：GPU 功率激增为何会导致数据中心宕机？“静默数据损坏”如何毁掉一个模型？ 行业真相：公开榜单（Benchmarks）是如何被刷分的？为什么大厂必须拥有“秘密评测集”？ 未来判断：AI 自我进化的临界点在哪？当初级岗位消失，科技从业者该如何转型？ 这是一场拒绝空谈、直面工程细节的深度对谈。无论你是 AI 从业者，还是对技术变革感到焦虑的观察者，查晟的视角都会为你提供极具价值的参考。 00:00 开场 01:14 嘉宾介绍：查晟与Amazon AGI 02:23 大模型训练的基本原理与为什么这么难 07:47 反直觉的实验方法：为什么要做失败率50%的事 09:05 训练大模型需要哪些团队协作 15:15 数据质量：微波炉社区、SEO垃圾与合成数据的边界 21:04 Evaluation为什么是最重要也最容易出错的环节 29:57 团队如何衡量研发进度（cost-to-accuracy框架） 36:01 人才缺口与NVIDIA的护城河 39:26 未来趋势：模型自主学习将改变什么 45:33 AI时代的职业与经济冲击 53:33 结语

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 很多人把一对一（1:1）做成了“项目汇报”——结果既拿不到真正的支持，也错过了晋升与影响力的关键窗口。 这期我和 Mujtaba（Meta 数据科学高级经理）聊透一件事：一对一不是经理“管理你”的会议，而是你“向上管理”的最佳机会。 你会学到的是一套能落地执行的“经理使用说明书”：怎么让经理更愿意帮你、怎么让风险不变成事故、怎么让沟通从“推模式”变成“拉模式”，以及什么才是能晋升的强 IC。 你将收获的关键点（适合 IC / 数据科学 / 产品分析 / 需要跨团队协作的人）： 把 1:1 从“站会式更新”改成“高价值讨论”：你来主导议程，先 FYI，再把时间留给真正需要输入/决策/解阻的事。 风险越早说越专业：项目有风险、XFN 有阻碍、数据/资源卡点——提前对齐不是“丢脸”，而是让你和经理在外部沟通时不翻车。 推/拉模型判断你是不是强 IC：经理需要不停“推着你更”是危险信号；成熟 IC 会在需要时主动把经理“拉进来”。 “过度沟通”几乎不是问题：大多数人卡住不是能力，而是沟通不足、对齐不足、让干系人“不知道发生了什么”。 晋升不是等来的：如何开启晋升对话、如何用“脆弱但清晰”的方式让经理给你标准线与差距，而不是等到评审才被“意外反馈”。 高级能力的本质是影响力：技术复杂度不是最大门槛，真正卡晋升的是产品直觉、沟通协作、优先级与说服力。 00:00 开场精华 00:31 嘉宾介绍：Meta DS高级经理，七年成长路径 03:33 一对一该怎么开：FYI归FYI，讨论归讨论 06:24 一对一的本质是向上管理 07:37 提风险不是示弱，不提才危险 10:33 亲身教训：不敢求助的代价 14:47 什么样的IC更容易晋升 15:46 推模式vs拉模式：经理怎么判断你是否可信 19:47 强IC的核心：自我认知与发挥优势 24:05 晋升对话别怕开口，晚了才亏 28:20 角色扮演：经理如何传达坏消息 32:17 技术深度不是瓶颈，软技能才是 37:00 没有数据也要有观点 40:27 如何向经理求助：解阻、要背景、建连接 47:00 面对数据需求怎么反推优先级 50:16 总结与结束

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 激活自己捕捉需求的能力：https://go.ai-builders.com/idea 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 随着 AI 能力越来越强，“把一个东西做出来”正在变得越来越容易。 但更难的问题反而是：什么需求值得做？什么需求只是自嗨？ 这期视频我想纠正一个非常常见的误区： 很多人觉得只有“看病、上学、衣食住行”这种 传统意义上的大需求 才有价值；而“小需求”没有门槛、没有护城河。 我认为很可能正好相反。 你看到的那些超级大生意，往往解决的是非常“小”、但极高频的需求： 抖音（Douyin） 解决的可能只是“15 秒的无聊”，但它高频到离谱 Stripe 把“收款”这种小摩擦做到极致（你提到：它曾被市场认为是超千亿美元级的生意） Calendly 把“约时间”这个小麻烦做到极致（你提到：2021 年估值已到数十亿美元级） 我在视频里给了一个更本质的判断视角： 需求的价值不取决于它“听起来大不大”，而取决于：它痛不痛？出现得频不频？以及你能不能把它做到世界级。 同时也讲了一个把“小需求做大”的经典打法： wedge & adjacency（用一个锋利的楔子切进去，再沿着相邻场景扩展）——你举了 Zoom 的例子：先把视频会议做到极致，再扩展到日程、协作、文档等更大的版图。 最后我会带你看社区里一些真实项目： 很多人不是“想了一个宏伟蓝图”，而是从“我今天又烦了”这种瞬间开始，把需求写下来、公开出来、快速做出 MVP，然后迭代、验证，真的做成自己的数字资产。 如果你也想练“捕捉需求 → 快速实现 → 拿到真实反馈”的能力： 欢迎加入社区（你在视频里提到有免费加入方式），也欢迎在评论区留言：你最近一次“觉得很烦、但又说不清”的瞬间是什么？ https://go.ai-builders.com/idea 00:00 误区：大家以为“大需求才值钱” 01:16 重新定义“大/小”：不要用“听起来重要”来判断价值 02:09 真正的判断标准：痛不痛 + 高不高频（以抖音的“15 秒无聊”为例） 02:39 小摩擦的机会：Stripe、Calendly 为什么能做成大生意 03:36 小需求做大：wedge & adjacency（从一个楔子切入，再扩展相邻场景） 04:54 另一类“需求”：小身份认同（lululemon、Stanley 的现象级逻辑） 05:50 反直觉结论：小生意不等于门槛低，护城河反而更依赖“世界第一” 06:32 为什么很多“大蓝图”反而难卖：用户的 switching cost / cognitive load 太贵 07:32 怎么捕捉小需求：从“用脑找需求”到“用心感受摩擦” 08:23 行动方案：把“烦的瞬间”写下来、公开出来，会发生什么 09:14 社区真实项目：从记录到落地，看别人怎么把小需求做出来 14:09 总结：感受真实需求 → 记录 → MVP → 市场反馈 → 迭代 15:02 下一期预告：如何判断需求真伪、如何做 MVP、如何 go-to-market

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 93分钟会员版：https://youtu.be/FKuJBz4kaOo AI 时代的到来，是否意味着“传统设计”的终结？ 本期视频，我邀请到了 Cursor 的设计负责人 Ryo（前 Notion 首位设计师、前 Stripe/Asana 核心成员）。在这场深度对谈中，我们没有聊琐碎的技巧，而是回归到了软件设计的本质。 谁值得看： 产品设计师： 厌倦了在 Figma 里“搓像素”，想理解为何“代码才是真实”的人。 产品经理/开发者： 想要学习硅谷顶尖产品（Notion, Cursor）背后的系统思维。 认知行动派： 渴望在职业范式转移中，从“分工零件”进化为“独立构建者”的人。 你会获得什么： 认知的修正： 理解为什么 Figma 的设计稿并不真实，而是一种限制。 职业的范式转移： 为什么“设计师+PM+前端”正在融合成一个角色——Builder。 审美的本质： 审美不是主观偏见，而是一种对系统逻辑和韵律的深度体感。 Ryo 分享了他是如何用两周时间，在代码中完成传统流程三个月才能做出的产品原型。正如他所说：“你不是在搓像素，而是在进化概念。” 00:00 重新定义设计：从物理家具到数字工具的品位 01:16 职业轨迹：从 Notion 首位设计师到 Cursor 设计负责人 02:54 视觉演化：从拟物化到回归概念本身 08:18 软件的本质：不是像素，而是一坨相互作用的概念 13:30 范式转移：为什么设计师必须学会用代码构建？ 19:15 告别“抽象层”：为什么 Figma 设计稿并不真实 24:00 职业的宿命：分工是妥协，Builder 才是本质 31:25 实战点评：如何避免 AI 产品的“塑料感” (AI Slop) 38:33 审美的共识：如何训练看透本质的深度体感 43:52 跨学科启发：生物学思维对设计复杂系统的帮助 54:20 权力的平衡：如何在功能扩张中保持系统的简洁 56:00 给设计师的建议：去生活，去构建 特别鸣谢 Mengying Li 帮我们牵线搭桥

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 完整版72分钟：https://youtu.be/TTDcuWw3noU

很多人在等AGI降临好彻底“躺平”，但我认为这是目前对 AI 最大的认知误区。这期视频我想跟你分享一个非共识的观察：AI 的潜力目前只发挥了 1%，而剩下的 99% 并不在于模型变强，而在于“生态修路”。 我会通过“汽车取代马车花了 70 年”的底层逻辑，帮你拆解： 认知修正：为什么“等 AGI 来了再努力”是一个技术幻觉？ 核心机遇：为什么像 Manus 这样处理“脏活累活”的公司反而最值钱？ 行动指南：作为个体，如何通过 Frictionless（无摩擦）、Contextual（上下文）和 Proactive（主动性）三大支柱，把 AI 变成你的生产力红利？ 如果你对市面上浅薄的 AI 预测感到厌倦，希望通过看透技术本质来实现人生跃迁，这期视频会给你一套可迁移的行动框架。 00:00 最大误区：等 AGI/ASI 来了就能躺平 01:23 70 年类比：汽车为何花了 70 年取代马车 03:20 类比到 AI：Transformer 是“引擎”，ChatGPT 是“第一辆车” 06:39 真正瓶颈：生态三件套（Infrastructure / Pipeline / 习惯） 08:35 AI 为何被困在聊天框：智能够了，但落地缺“系统” 11:35 Manus 案例：把 1% 推到 2% 的“脏活累活”有多值钱 14:25 落地怎么做：降摩擦 / 上下文 / 更主动（用内容生产流程举例） 16:04 个人机会：从解决一个需求，到升职、到副业/项目 18:41 总结：别等银弹，机会在把 AI 变成可用的生态 AI课程/风水宝地： https://www.superlinear.academy/ai-builders 300多个“AI落地”的实际案例：https://www.superlinear.academy/c/share-your-projects/

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 完整版64分钟：https://youtu.be/yZCq2jyGcKc 如果你觉得产品好就一定能增长，或者认为买量就是增长的全部，那这期视频可能会颠覆你的认知。 本期我邀请到了 Hockey Stick 的创始人 陈唱。她带领的 8 人团队，通过管理大量的 AI Agent，服务了上百家硅谷高增长企业，创造了 350 亿次的曝光。我们深度拆解了 AI 时代企业从冷启动到 $100M$ ARR 的增长路径。 通过这期视频，你将获得： 非共识的增长模型： 为什么红人营销不是“效果广告”？如何找到适合你产品的专属渠道（Product-Channel Fit）？ 实战避坑指南： 深度复盘硅谷明星项目 Bardeen 的教训——为什么产品太“通用”反而是增长的毒药？ 深度的商业洞见： 为什么所有的 PLG（产品驱动增长）产品，最终都必须走向大 B 销售？这背后的增长会计学逻辑（Churn）是什么？ AI 时代的管理新范式： 什么是“AI Agent Manager”？一个人如何通过 AI 撬动过去需要几十人才能完成的运营工作？ 无论你是正在寻找第一批用户的开发者，还是正在思考如何规模化增长的创始人，这期视频里的硅谷一线实战经验都值得你反复推敲。 00:00 团队揭秘：8 个人如何撬动 350 亿曝光？ 01:45 什么是 AI Agent Manager？人生最重要的一次晋升 03:52 爆款率 10%：红人营销背后的科学与经验 07:49 增长的底层逻辑：找到你的 Product-Channel Fit 10:04 深度拆解：Enterprise 与 PLG 产品的不同打法 13:47 避坑指南：为什么买量思维在红人营销中会失效？ 19:00 复盘 Bardeen：为什么“太通用”是增长的灾难 22:30 揭秘 Churn 的威力：为什么 PLG 的尽头是大 B 销售？ 25:50 总结：AI 时代不变的是用户需求

完整版38分钟：https://youtu.be/4pWsovy9cV8 上：https://youtu.be/ZJzguLBcTos 我在和一丰合作的过程中，明显感觉到他深得VP和同事信任，在组织中非常有存在感和话语权。于是请他分享一些他的核心干货，一丰也没有任何避讳，非常坦诚地进行了分享。 AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。

完整版38分钟：https://youtu.be/4pWsovy9cV8 在工作中找到意义，其实是为自己好。那工作可以找到什么意义呢？ AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。

AI课程：ai-builders.com AI时代的编程基础：coding.ai-builders.com 你是在积累资产，还是在出卖数字劳力？ 在这个财富全面向比特世界（Bit World）转移的时代，大多数内容创作者和技术从业者依然在扮演“赛博佃农”的角色——在平台的土地上耕作，通过不断产出易耗的内容换取微薄的流量分成，却从未真正拥有过属于自己的数字不动产。 本期视频将为你拆解从消费者视角切换到“建造者（Builder）”视角的认知路径。我们将探讨： 身份真相： 为什么单纯做内容只是数字世界的“滴滴司机”？ 时代套利： AI 如何将曾经昂贵的代码变成廉价的砖块，让普通人也能拥有代码杠杆。 行动指南： 如何在未来 5 年内，利用代码与媒体的双重杠杆，构建一套不可被剥夺的数字资产。 如果你反感标题党，厌倦了追逐算法，希望从底层逻辑出发寻找 AI 时代的长期竞争力，这 13 分钟的分享将为你提供一套清晰的“数字主权”建设方案。 00:00 洛克菲勒与黄仁勋：两种世界的财富底层逻辑 01:26 视角转换：消费者看产品，建造者看“工厂” 03:01 赛博佃农：自媒体博主的本质困境与平台陷阱 04:36 数字资产路径图：从流量工具到独立产品 07:15 AI 时代的时代套利：当代码从昂贵变得廉价 09:36 重新定义编程基础：AI 开发者必备的三项底层能力 11:11 总结：掌握双重杠杆，构建属于你的数字不动产

AI课程： https://www.superlinear.academy/ai-builders 社区主页：https://c.ai-builders.com/ 鸭哥文章：https://www.superlinear.academy/c/ai-resources/ai-native-cost-structure-4e4d27 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 很多人在使用 AI 时，依然在追求“一匹更快的马”，却忽略了我们已经进入了“汽车时代”。本期视频，我将通过一个横跨化学与历史的视角——金子与铝的价值反转，带你洞察 AI 原生（AI Native）能力的本质。 核心看点： 成本革命： 为什么在拿破仑三世时期，铝比金子更珍贵？这与今天的代码生产有何惊人的相似之处？ 思维惯性： 为什么越是资深的程序员，越容易陷入“化学铝”的陷阱，从而产生防御心理？ AI 原生工作法： 拆解“鸭哥”的实战案例，看高手如何利用“阅后即焚”的软件，在 10 分钟内完成过去需要一整天的工作。 降维打击： 学习如何通过“挥霍”廉价的代码和算力，去换取极其昂贵的“认知确定性”。 这不仅是一篇关于 AI 的技术分享，更是一次关于生产力定价逻辑的底层重构。如果你觉得自己的 AI 效率遇到了瓶颈，或许是因为你还没学会如何“挥霍”。 00:00 2026年，AI Native 为何成了最难跨越的门槛？ 01:18 拿破仑的铝碗：金子与铝的历史启示 03:07 范式转移：当代码生产从“贵金属”变为“工业耗材” 05:35 心理抵抗：为什么你潜意识里在拒绝高效的 AI 代码？ 07:07 案例拆解：如何开发“阅后即焚”的一次性软件？ 10:21 核心策略：用廉价代码换取昂贵的认知确定性 12:44 总结：真相很贵，代码很便宜 13:18 进阶：如何加入 AI 高手社区？

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 50分钟完整版：https://youtu.be/DxRCFOOd0Oo 当专业程序员还在纠结代码架构时，一个没有编程背景的 8 年级学生已经靠 AI 实现了数万美元的收入。编程的门槛正在消失，而“知识诅咒”正在成为资深技术人的负债。 在这场与加州州立理工大学孙教授的深度对话中，我们揭示了 AI 时代一个真实的残酷现象：CS（计算机科学）专业背景的优势正在被结构性削弱，而“问题发现力”和“原生执行力”正在成为新的护城河。 【你将从本视频中获得】 真实案例： 零基础高中生如何利用 Claude 和 Cursor 在 7 周内上线商用级 App。 认知迭代： 为什么“想得太深”反而让你在 AI 开发时代输给年轻人。 教育/创业启发： 为什么在 AI 时代，年龄越小的 Builder 往往变现能力越强？ 行动指南： 如何识别并激活那 1% 的“关键问题”，跳出“知识诅咒”去交付结果。 如果你是想转型的程序员、寻求突破的创业者，或是正为孩子规划教育方向的家长，这 30 分钟的对话将帮你重新校准在 AI 时代的竞争力坐标。 00:00 孙教授背景介绍：从 Amazon 到 K-12 AI 教育 04:04 为什么高中生有时间且能够完成创业项目？ 07:10 案例 1：零基础女生利用 AI 在 7 周内上线 App 10:52 30 小时交付：AI 如何让开发门槛彻底崩塌 12:50 CS 专业优势的消亡：跨学科结合的新机会 16:50 AI 时代唯二重要的技能：发现问题与执行力 20:40 案例 2：自动翻谱 App —— 为什么“想简单点”才是算法核心 24:55 认知反差：为什么年龄越小的 Builder 挣钱越多？ 27:50 执行力是可以被“激活”的吗？ 31:40 总结：从 User 到 Builder，必须先“下水”

很多人以为「单干」最爽的是时间自由：睡到自然醒、想在哪工作就在哪工作。 但我离开全职之后，真正每天让我觉得爽的，反而是——终于不用再花大量时间去“说服/对齐/沟通”。 这期视频我想讲清楚一个经常被忽视的真相： 在公司里，你可能把80% 的精力都消耗在“弥合认知差距”（对齐背景、解释价值、争取资源、避免误解）上；而当你做自己的事情，想法到落地几乎 0 阻力，但硬币的另一面是——选择的悖论：你必须自己定义目标、路径、评价体系，这种掌控权很多人其实并不喜欢，甚至会非常内耗。 你会听到： 为什么过去看似“职业必修”的软技能/影响力/对齐，在某些环境里会变成巨大摩擦 一个真实案例：高自由度 + 高资源 + 高绩效，为什么反而让优秀下属崩溃离职 “多数人更喜欢做选择题，而不是写一篇没有题目的作文” 一个很好用的自测隐喻：你更像「枪管（barrel）」还是「子弹（cannon）」？ 如果你正在纠结要不要创业/单干，或你在公司里被无穷无尽的对齐与说服耗尽，这期会给你一个更底层、更诚实的判断框架。 00:00 单干最爽的不是时间自由，而是“不用再沟通对齐” 00:31 离开全职后，我才意识到自己把80%精力花在弥合认知差距 01:45 具体例子：新书上市活动，为何一个“合理请求”被拒绝？ 03:12 好的邮件是加分还是减分？“会不会打扰”只是表面理由 05:09 认知差异的本质：越原创、越非常规，就越难在公司里说服别人 05:31 为什么我们做“内核”而不是“标签”：课程/项目不该只教 toy project 07:15 说服成本太高：很多事做了也拿不到资源、认可和credit 08:09 0阻力的爽感 + 选择的悖论：掌控权的反面是内耗 09:18 腾讯故事：高自由度的优秀下属，拿五星绩效却选择离职 10:56 多数人更喜欢“选择题”，不喜欢“无命题作文” 11:39 结论：不是单干或打工谁更好，而是选适合自己的模式 12:02 枪管与子弹的隐喻：你更擅长执行，还是擅长在不确定中把图景做清晰 12:52 收尾与自测问题，结束

Build to refund项目与Career Signaling方法：https://www.superlinear.academy/c/ai-resources/build-to-refund AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 在过去，精英的共识是“桃李不言，下自成蹊”；但在简历严重通胀的今天，不被观测的交付，在逻辑上等同于未完成。本视频深入探讨了职业成长中的非对称套利工具——Career Signaling（职业信号发射）。 如果你觉得自己能力很强，却因为反感“自我吹捧”而羞于在社交媒体或公开场合分享，或者正处于一种“想做自媒体但迟迟不敢开始”的状态，那么这期视频将为你揭示这背后的底层逻辑：“精英耻感”。 看完本期视频，你将获得： 资产重定义： 为什么 Portfolio（作品集）比简历更值钱？ 心理屏障拆解： 根除阻碍你分享的“冒牌者综合征”与“耻感心理”。 优雅信号协议： 像撰写“微型技术报告”一样，如何不自吹自擂地展示个人价值。 适合谁看： 对简历通胀感到焦虑的职场精英与技术人。 有表达欲但受困于“精英耻感”，害怕同事或同行评价的人。 追求高效率、希望通过认知差获取“非对称机会”的创业者。 00:00 为什么简历正在贬值，而 Portfolio 越来越值钱 01:47 核心痛点：阻碍你行动的“精英耻感” 02:38 为什么精英害怕分享？微商恐惧与社死担忧 03:42 深度剖析：三种典型的精英心理屏障 05:31 认知重构：分享时你在向外界释放什么信号？ 07:23 实操建议：如何优雅、高效地进行职业自荐 10:00 强制行动契机：关于 Build to Refund 项目

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 完整版31分钟：https://youtu.be/jbtEoPVoqtA 如果你是技术出身的创业者/开发者/内容创作者：产品能做出来、代码也写得好，但总卡在“怎么拉来客户、怎么建立忠诚用户、怎么把社群做起来”，这期对话会给你一套更底层、也更现实的解释。 你会听到一些很“反直觉”的结论： 技术人做增长，短板往往不是销售，而是抓需求 + 持续交付（deliver） 微信群不等于社群：最大问题是“价值留不下来”，越聊越像黑洞 AI 时代“能做出来”越来越不稀缺，很多产品进入了“卖水时代”，内容/营销反而成了关键差异化 内容和能力的回报是超线性的：做到 50% 可能等于 0；做到 2 倍好，可能是 100 倍回报 访谈/做内容别迷信“title”和大咖，核心是问题驱动：你得真的好奇、真的挖出对方的独特洞察 媒体内容的价值之一，是让观众确认“我没落伍”：把你十几个小时的研究，浓缩成几分钟的认知更新 还聊到一个很有趣的实验：用 AI 写文章上了 Hacker News Top 10，公开后被骂——以及这背后反映的“创作、表达、连接”的变化 00:00 技术人创业的误解：不是销售，是“抓需求 + 持续交付” 03:16 为什么微信群做不出社群：价值留不下来、越聊越封闭 05:24 “卖水时代”来了：能做出来不再是护城河，内容/营销更关键（Arc 案例） 08:31 超线性回报：50%≈0，2x≈100x（为什么需要长期积累） 09:14 访谈/内容怎么才不无聊：问题驱动 高于 title 驱动 15:13 媒体与连接：前沿认知的定位、AI 写作实验、以及“早期社区红利”

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 完整版41分钟：https://youtu.be/Atw2h2qCL4o 这期视频适合：在大厂工作、对“裁员/职业安全感/创业风险/移民绑定”焦虑的科技从业者。嘉宾讲了一个非常反直觉、但很真实的经历：在微软欧洲做“内部创业”项目——原型做出来、专利也拿了、预算也批了——结果裁员来时反而成了最容易被“一刀切”的对象。你会看到：大公司里很多风险不是“你够不够优秀”决定的，而是组织结构、cost center、以及你掌握的信息量决定的。 你会带走这些关键洞察： “打工更安全”是错觉：大厂裁员很多时候不是按绩效，而是按“指标/名额/组织归属”切人，你甚至不知道危险何时出现。 内部创业项目的结构性风险：项目一旦变成独立 cost center，就可能“两边都不是亲儿子”，裁员时反而更好下手。 打工最大风险 = 信息为零：你很难用自己的逻辑判断安全与否；而创业的风险反而更“可见、可控”（runway、客户、现金流你都能算）。 欧洲 vs 美国的差异：裁员流程、缓冲期、税收与移民政策，会把同一件事导向完全不同的结局（甚至出现“被裁后反而最爽的半年”这种黑色幽默）。 移民如何把人困在大公司：L1/H1B与绿卡节奏带来的“被动”，以及嘉宾如何通过自救路径脱困（个人经历分享，不构成法律建议）。 “你挣不到认知以外的钱”：早期挖过上亿美金比特币却清空设备的故事，把机会、判断力与认知边界讲得很扎心也很真实。 00:00 嘉宾背景：微软欧洲工作经历 & 创业起点 01:26 GPDE 与组织背景：看似战略核心的团队 06:55 内部创业项目：从痛点到原型、专利与立项 13:55 “我们都安全”→会议取消→HR meeting：裁员怎么突然落地 16:48 裁员的底层逻辑：cost center、指标、两边都不是亲儿子 18:44 被裁后最幸福半年：欧洲裁员规则/缓冲期/税收差异 23:00 总部真实画风 + 移民绑定的困境：为什么更难离开 23:56 自救与转身：EB-1A 7天批准→离职创业 25:08 AI × 区块链：个人主权的愿景与落地难题 26:14 比特币往事：最贵的“认知税” 28:23 Think Week 论文：闲下来反而做出代表作 30:04 收束：你挣不到认知以外的钱

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 你职位越来越高、年薪越来越高，却越来越觉得工作“没价值”“没意义”？这期视频想把这件事讲清楚：这不是你矫情，也不是你不够努力，而是你终于看见了职场这套游戏的真实规则。 你会听到三个关键点： 为什么白领/大厂工作天然容易让人空虚：公司的核心不是“创造价值”，而是“扩张管理半径、资源与可见性”的 empire building；价值叙事往往只是表面的说法。 为什么这种空虚通常到一定资历才爆发：因为我们把“学校做题”的公平假设带进公司，以为职场也是可量化、可优化的解题系统，直到幻灭才觉醒。 怎么走出空虚（给自己一个现实预期）：别期待两个月解决——给自己两年。用“无限游戏”的视角重建人生意义，并用三个可执行练习开始行动：区分擅长与喜欢、做“好奇心审计”、用原型/副业去真实试错，同时睁眼看市场与他人需求，搭一个可持续的结构。 最后我也会抛一个问题：抛开金钱和地位，上一次让你废寝忘食、纯粹因为好奇的事是什么？欢迎写在评论区，彼此启发。 00:00 开场：年薪百万，却越来越空虚？ 02:50 空虚的根源：公司游戏=Empire Building（表演、扩张、升职） 06:52 为什么后知后觉：学校像公司，误把职场当“做题” 09:44 别在川菜馆点鹅肝：工作里找不到人生意义很正常 11:01 给自己两年：用“无限游戏”重建意义与方向 13:20 具体做法：喜欢vs擅长 / 好奇心审计 / 原型实验+看市场 17:36 总结与提问：上一次让你废寝忘食的好奇是什么？

课程主页：https://www.superlinear.academy/ai-builders AI Architect课程介绍：https://www.superlinear.academy/c/ai-resources/architect Gemini 3 的发布和全网热议，验证了我们在今年初对 Agentic AI 爆发的预测。但这仅仅是开始。 本期视频不聊热点新闻，而是深入探讨一个更关键的趋势：随着 AI 门槛的降低，单纯的 "Builder"（应用构建者）红利正在消退，未来的核心竞争力将转移到 "Architect"（AI 架构师）身上。 我们将从技术演进的底层逻辑出发，拆解从“手搓应用”到“构建系统”的思维跃迁。不仅会分享如何打造稳健的智能核心（Intelligent Core），更会首次公开 AI 落地的三大核心支柱：无摩擦交互、情境智能与主动智能。 如果你不想在 6-8 个月后陷入同质化竞争，而是想在未来 2-5 年成为稀缺的 AI 人才，这期视频将为你提供一张清晰的进阶地图。 你将了解到： 为什么说 Agentic AI 的机会窗口正在关闭？ 如何利用 Builder Space 解决繁琐的部署运维？ AI Architect 的核心方法论： 如何组合多模型优势，构建可进化的系统。 落地实战心法： 怎样让 AI 主动服务用户，而不是让用户适应 AI。 00:00 Gemini 3 发布背后的趋势验证 02:48 生成式 AI vs Agentic AI：引擎与整车的本质区别 04:10 拒绝 Toy Project：如何用 AI 解决严肃的复杂工作 06:05 Builder Space：一键集成全模型 API 与自动部署 07:20 核心进阶：从 Builder (建造者) 升级为 Architect (架构师) 09:40 架构师的第一重点：构建多模型协作的“智能核心” 11:25 落地三大支柱：无摩擦交互、情境智能与主动智能 12:53 职业洞察：两年后，什么样的 AI 人才最稀缺？ 14:10 新课程 Early Access 福利与老学员升级通道 课程主页：www.ai-builders.com AI Architect课程介绍：go.ai-builders.com/architect 参考资料： AI胜任力模型：go.ai-builders.com/levels 从做题家到建设者：go.ai-builders.com/education 白领工作的消亡：go.ai-builders.com/office 捕捉需求活动：go.ai-builders.com/idea share your projects：go.ai-builders.com/ppt 8岁小朋友Cursor做游戏：go.ai-builders.com/game

AI课程/风水宝地： https://www.superlinear.academy/ai-builders Neo: https://go.ai-builders.com/neo 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 本期视频，我和硅谷徐老师深入探讨了一个很多同学都在焦虑的问题：在 AI 泡沫可能破裂、大厂裁员不断的当下，普通职场人到底该如何自处？ 我们没有停留在“AI 很强”的宏观吹捧上，而是从具体的“用人方”视角出发，剖析了此时此刻硅谷到底需要什么样的人才。徐老师提出了几个非常反直觉但深刻的观点： “全栈工程师”的概念已经彻底变了：以前是前端+后端，现在的全栈是 Product + Growth + Design + Eng，你要做一个能解决问题的 Builder，而不是一个只会接单的 Coder。 大厂招人与技术无关：大厂的 Headcount 往往取决于“有没有钱”而不是“需不需要人”，理解这一点，能帮你祛魅。 职场真正的杠杆：绝大多数人把工作当成 Investment（投资肉身换取回报），但忽略了职场中唯一的无风险杠杆——Network（人脉网络）。哪怕公司黄了，这个杠杆也是你未来几十年最大的护城河。 如果你正在犹豫要不要转行，或者觉得自己在工作中无法捕捉 AI 带来的生产力红利，这期视频会给你一个非常清晰的思考框架。 00:00 人才是「可解问题」吗？1 亿美金包裹与领导力 02:05 没提到 data？AI 时代的全栈人才长什么样 05:52 白领工作会消失吗：从农业、制造到知识工作 08:45 全职 vs contractor：工作除了钱还有什么 11:45 把职业当投资：all in AI & 选公司 15:30 Network 作为无风险职业杠杆与在泡沫中自保 AI课程/风水宝地： https://www.superlinear.academy/ai-builders Neo: https://go.ai-builders.com/neo

77分钟完整版：https://youtu.be/HJ9dAkgPXIM AI课程/风水宝地： https://www.superlinear.academy/ai-builders Neo: https://go.ai-builders.com/neo 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 👋 本期看点： 两年前，硅谷徐老师曾准确预言生成式AI的爆发；今天，他带着对AI时代的最新判断回来了。本期视频，我们不聊虚无缥缈的概念，而是聚焦AI如何重塑我们的数字入口——浏览器。 作为Gen Digital（诺顿LifeLock母公司）的首席AI官，徐老师正在亲历“第三次浏览器大战”。从Perplexity被亚马逊封杀的深层原因，到AI Agent（智能体）当下的局限性，再到为何强大的Google在AI浏览器时代面临“创新者的窘境”，徐老师提供了极其深刻的第一手行业视角。 如果你关心AI如何从“聊天工具”进化为“主动服务助手”，或者想知道谁能在这个赛道挑战Google的霸主地位，这期硬核访谈绝对不容错过。 💡 你将从本期视频中获得： 顶级高管视角： 理解AI浏览器背后的商业逻辑与技术瓶颈。 行业内幕分析： 为什么Perplexity与亚马逊的冲突揭示了Agent目前的尴尬处境？ 未来趋势预判： 什么是“Zero Prompt AI”（零交互智能）？它为何比单纯的聊天机器人更重要？ 巨头的软肋： 深度剖析Google Chrome为何因为商业模式冲突，难以做出真正的AI浏览器。 00:00 欢迎徐老师回归：硅谷高管的真实一面 04:33 回顾2022神预言：如何在泡沫中建立对AI的深度信念？ 12:20 浏览器即入口：为什么ChatGPT必须与浏览器融合？ 15:20 第三次浏览器大战：从Netscape、Chrome到AI时代 18:20 深度解析Perplexity与亚马逊之争：谁在理？ 21:20 现状冷思考：为何现在的AI Agent还只是“昂贵的玩具”？ 24:10 AI浏览器的三个阶段：从对话融合到主动智能 28:00 核心理念：不需要你提问的“Zero Prompt AI” 38:30 谷歌的困境：为何商业模式决定了Chrome很难革自己的命？ AI课程/风水宝地： https://www.superlinear.academy/ai-builders Neo: https://go.ai-builders.com/neo

AI课程主页：www.ai-builders.com 社区：www.superlinear.academy 个体破局课程主页：www.superlinear.academy/c/work-wealth 个人主页：lizheng.ai 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。

63分钟完整版：https://youtu.be/c93Z3WrmQf0AI课程/风水宝地： https://www.superlinear.academy/ai-buildersNeo:  https://go.ai-builders.com/neoAI 到底是不是一个巨大的泡沫？如果是，我们要现在撤退，还是继续下注？本期视频，我们邀请到在硅谷深耕20多年的徐老师，用他亲历2000年互联网泡沫（Dot-com Bubble）的经验，为当下的AI热潮提供了一个冷静且独特的视角。徐老师认为，AI 绝对是一个泡沫，但这可能是一个“良性泡沫”——它正在以惊人的速度压缩技术迭代的周期。如果你对现在的市场感到困惑，或者想知道在泡沫破裂后，什么样的公司（如当年的亚马逊）能活下来并翻百倍，这期视频将为你提供非常有价值的参考。本期核心看点：泡沫的本质： 为什么说OpenAI和基础设施建设（CapEx）已经严重过剩？历史的镜像： 对比2000年的思科（Cisco）与互联网基建，我们现在处于什么阶段？投资的逻辑： 泡沫破裂不可怕，可怕的是投错人。为什么在徐老师的框架里，CEO的领导力（Leadership）是判断“下一个亚马逊”的唯一核心指标？大佬点评： 深度对比埃隆·马斯克（Elon Musk）与萨姆·奥特曼（Sam Altman），以及如何通过“校准”来识别人才。00:00 开场 & 为什么要聊“AI 泡沫”07:55 这是泡沫，也是“健康的泡沫”？13:15 泡沫破了，好公司怎么活下来：Amazon / AWS 的启示17:17 在泡沫里挑出下一代 Amazon：先看 CEO23:09 普通人如何判断一个 CEO：calibration 框架28:00 英雄史观 vs 历史车轮：CEO 到底有多关键？31:00 AI 泡沫会怎么破？更像 2000 还是 2008 & 我们该怎么站位AI课程/风水宝地： https://www.superlinear.academy/ai-buildersNeo:  https://go.ai-builders.com/neo

《白领工作的诞生与消亡》：go.ai-builders.com/office AI课程主页：www.ai-builders.com 社区：www.superlinear.academy 个体破局课程主页：www.superlinear.academy/c/work-wealth 个人主页：lizheng.ai 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 这期视频，是我对频道的一次“转向说明”：为什么接下来不再主要聊“怎么升职加薪”，而是把重点放在商业、AI、以及让市场为你买单。 我会对比上一个时代和AI时代：过去打工是回报最高、最确定的路径，如今打工的性价比在系统性下滑，而做商业在天花板、确定性和可控性上，反而更有优势。 视频里我也拆开自己的几次关键选择：从腾讯双五星、被当 GM 培养，到离开大厂、加入 Statsig，再到正式开始做自己的事业——背后到底是怎样一笔“性价比”和人生方式的算账。 同时，我会讲清楚：为什么大多数人不适合裸辞创业，怎样用现在的工作当跳板，在 2–5 年内完成一场从“让老板满意”到“让市场掏钱”的过渡。 最后，我会简单介绍 Superlinear Academy 和 AI Builders 社群，如何在你冷启动阶段，帮你找到种子用户、获得真实反馈，少踩坑、少交学费。 如果你还在犹豫要不要继续押注职场，或者正准备慢慢靠近“做自己的事业”，这期可以当作一个思路整理和起点 00:00 频道转型：为什么从职业发展转向商业 00:38 我的选择：四年前从腾讯开始转型 01:48 原来我真正想做的是商业（博士时期的创业尝试） 02:38 当你真的做生意时，职场那套为什么不够用了 03:33 用工作当跳板：从会工作到会赚钱 04:52 Superlinear & AI Builders：帮你孵化业务的社群 05:36 从打工到事业：给自己 2–5 年的正常节奏 06:37 频道未来：AI、商业与更大的世界

完整版45分钟：https://youtu.be/oyzp1nyyUbk AI课程主页：www.ai-builders.com 社区：www.superlinear.academy 个体破局课程主页：www.superlinear.academy/c/work-wealth 个人主页：lizheng.ai 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 【为什么大厂正在输掉 AI 战争？揭秘顶尖产品团队如何打破“扣分思维”，实现 10 倍速成长】 你是否好奇：Meta、亚马逊、腾讯这些拥有顶尖人才和海量资金的科技巨头，为什么在 AI 大模型的创新上，反而跑不赢新兴的创业公司？ 本期视频，我们邀请到了 Trae (字节跳动 AI Coding IDE) 的产品负责人石扬。他曾在美国微软/Meta担任工程师，回国创业后成功被腾讯收购，并在腾讯会议负责过重要业务。这位身处大厂，却成功做出了创业公司成绩的 leader，将用他独特的“工程-创业-产品”复合视角，揭示大厂创新的系统性障碍，以及个人如何实现超线性成长的“反人性”法则。 核心洞察：大厂的“扣分思维”陷阱 石扬认为，大厂并非输在资源，而是输在了评估机制上。当组织以“6个月绩效”作为衡量标准时，它天然奖励“避免犯错”（100分往回扣），而非“大胆探索”（0分往上加）。这种机制，最终扼杀了真正的长期主义和颠覆性创新。 你将学到的顶级思维模型： - 10X 成长法则： 为什么他 4 年创业的经验，能抵得上在大厂 10 年的成长？核心在于一件事：你无法欺骗自己。 - 产品经理的勇气： 真正决定产品命运的，不是决定“做什么”，而是拒绝“不做什么”。如何顶住 800 个需求压力，聚焦一个对的选择？ - 底层产品观： 如何从“好看”的雕花陷阱中跳脱出来，回归到“有用”的本质？一个懂技术的 PM，如何能更透彻地理解用户需求。 - 职业心态重塑： 焦虑毫无意义。将你的思维从“失去了什么”转变为“获得了什么”，如何在职场中实践这种“0分往上涨”的探索逻辑。 - 无论是身处大厂寻求突破的你，还是在创业中寻找竞争优势的你，这期访谈都将为你带来极大的启发和实用方法。 00:00 为什么大厂做不出顶级AI模型？ 00:49 嘉宾介绍：大厂内做出创业公司成绩的负责人 02:20 Trae的产品理念：模型、工程和产品的垂直整合优势 04:36 产品“取舍”的艺术：为什么说少就是多？ 06:11 创业4年抵大厂10倍成长：你无法欺骗自己 08:34 大厂6个月绩效周期如何杀死长期主义？ 10:51 为什么长期主义知易行难？ 12:00 “反人性”决策：招聘中坚持招最优秀的人 14:30 应对噪音：唯一能控制的是“你服务谁”和“他们骂你什么” 16:28 业务Leader最重要的能力：决定“不做什么”的勇气 17:30 思维转变：从“100分扣分”到“0分加分”的探索逻辑 20:29 从工程师到产品负责人的转型与获得感 22:15 产品Vision的形成：将抽象逐渐具象化的过程 23:55 战略的本质：基于自身资源（人望、能力）的取舍 26:02 技术背景对产品判断力的最大帮助 28:03 真实战场：产品经理不是西门吹雪 29:24 结尾与用户反馈交流

两章内容预览：https://www.superlinear.academy/c/posts/growth-book 购书链接：https://www.amazon.com/Growth-Data-Analytics-Playbook-Product-Market/dp/1544549822 AI课程主页：www.ai-builders.com 社区：www.superlinear.academy 个体破局课程主页：www.superlinear.academy/c/work-wealth 个人主页：lizheng.ai 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。

AI课程主页：www.ai-builders.com 社区：www.superlinear.academy 个体破局课程主页：www.superlinear.academy/c/work-wealth 个人主页：lizheng.ai 新书waitlist：www.superlinear.academy/c/posts/book 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 「消费-劳动」循环陷阱：重构你的金钱底层代码，从金钱奴隶到主人 | 财富观深度解析 简介正文 我们从小接受的金钱教育，正在将我们推入一个「消费-劳动」的系统性循环：你越努力工作（劳动），就越需要消费，从而让你不得不持续劳动。这是一个看似稳定，却让你难以获得真正财富自由的社会设计。 在这期深度视频中，我将分享我用两年时间才成功跳出这个陷阱的心得。真正的自由，不是赚够多少钱，而是要彻底重构你与金钱的关系，修复你大脑中关于财富的“底层代码”。 我将总结出三种颠覆性的「金钱底层代码」心法，帮助你摆脱对金钱的“舔狗”姿态，建立一段健康、可持续的财富关系，最终走上真正的自由之路。 你将学到： 自由算法： 跳出“价格”决策，用“自由”来衡量每一笔支出的真正价值。 视角切换： 如何从一个“拥有”一切的消费者，转变为关注“使用与回报”的投资者。 富足心态： 为什么认为“赚钱是零和游戏”的心态，会让你天生在财富游戏中输掉？ 这是一个关于认知升级、改变人生格局的深度内容，希望它能成为你重写财富剧本的起点。如果你觉得有价值，请点赞、评论并转发给需要它的朋友。 00:00 重新审视：你被困在高薪陷阱了吗？ 00:20 揭秘：让你无法自由的「消费-劳动」循环 01:01 两年实践心得：难的不是技能，而是找到「底层代码」 01:57 底层代码 1：别再用「价格」决策，用「自由」做标尺 02:18 钱是什么？它是「生命能量」的量化存储 03:09 消费前的灵魂拷问：这是真实渴望还是身份绑架？ 03:55 底层代码 2：从「消费者」到「投资者」的视角切换 04:27 区别一：关注使用价值，而非所有权成本（以钻戒为例） 05:15 区别二：关注潜在收益，而不是一次性支出 06:18 投资教育与知识：AI Builders & 个体破局课程推荐 07:07 区别三：关注税务规划，而非税前价格（以美国豪车抵税为例） 08:15 底层代码 3：从「匮乏心态」到「富足心态」的转变 08:33 为什么「零和游戏」的心态，会让你天生输掉？ 09:48 行动建议：用 3 个问题衡量你的下一笔支出 10:31 总结：重构底层代码，打开人生的格局 10:52 结束与请求：请点赞和转发，帮助更多人受益