36
0接着上一期「AI 原生下一代」的缘起，这一期请来两位学员——对外经贸大学经济学的吉祥和香港中文大学（深圳）电子工程的汤姆熊。他们进来三周，做的不是外部客户项目，而是把「章鱼 AI」这档播客流程本身当业务：吉祥搭了六路采集 + 评分归档 + 策划案生成的选题工作流；汤姆熊做了一个能识别口癖、按主人偏好学剪辑的多轨播客剪辑 Agent。最反直觉的一句是吉祥说的——来之前把 AI 当"全知全能的大脑"，来之后才发现任务一复杂它就跟不上，得自己搭一个适合自己的工具。学校里 AI 是老师，到了公司它是同事、也是黑盒，得一条条拆开看。
────────────────────
【你将听到】
两位学员是谁：从教授推荐、从家人推荐来的两条不同路径
🎙 01:09 吉祥（对外经贸大学经济学）：教授让写 AI 相关论文，用 AI 写完汇报了一遍使用历程，被老师推来
🎙 02:38 汤姆熊（香港中文大学（深圳）电子工程）：家里人很早就关注楠哥的播客，自己大一就用 AI 辅导学习
🎙 03:16 但学校里学的东西离真实业务太远，想到公司里看看 AI 怎么真正落地
在做什么：让"AI 原生下一代"自己动手，把「章鱼 AI」这档播客的生产线造出来
🎙 03:41 吉祥负责选题自动化：把 Sophie 每天要刷的一堆网站、群里分享的视频号/公众号/微博，都收进选题库
🎙 05:32 汤姆熊负责剪辑自动化：多轨 WAV → 并轨降噪 → 剪口癖 → 输出成片，一个"本地运行、可追溯、由真人掌握最终语义决定权"的剪辑助手
🎙 07:12 "机器做机械的活，真人贡献判断"——先让 Agent 看 YouTube/Bilibili 教程学参数，再靠人工评审反馈学偏好
成果拆开来讲：一条工作流到底长什么样
🎙 08:20 吉祥的循环工作流：6 个采集 skill（学术 + 新闻 + 社媒）→ 评分筛选去重归档 → 生成符合章鱼 AI 风格的策划案 → 日报推荐
🎙 10:53 汤姆熊已经审到"每天 15 碗"级别的剪辑样本——但工具内置规则、ASR 结果、历史成片经验之间会打架，最终只能保一个
踩坑现场：AI 会偷懒，Agent 会打架
🎙 09:31 吉祥碰到最真实的一课：微信公众号采集 skill 嵌入评审系统那天，AI 突然给所有素材打同一个分——回头一查，是 AI 把某一行代码写成了常数
🎙 10:53 汤姆熊踩到的是"多规则冲突"：ASR + 视频教程 + 历史成片，三个来源都在给剪辑意见，只能靠不断人工审核逼它"越剪越干净"
学校里的 AI vs 工作里的 AI：不是深浅之别，是视角之别
🎙 13:18 吉祥：学校里面对教授学者，讲的是技术深度和信息密度；到公司面对客户，得降低信息密度、抬用户视角
🎙 15:15 汤姆熊：先搞清楚用户的输入是什么、使用场景在哪，再动手；不然做完发现 Octo 平台不接 100MB 以上的 WAV，全套流程得回去改
🎙 16:47 "完成比完美更重要"——一开始加太多规则、太多人工审核卡点，反而没跑起来
项目前后，两个人对 AI 的理解各自"翻了一次面"
🎙 17:23 吉祥（跟上一期学员相反的答案）：来之前把 AI 当全知全能的大脑，来之后发现任务一复杂它就跟不上——得自己去搭一个适合自己的工具
🎙 19:32 汤姆熊：以前碰到卡点就整块外包给 AI，现在做的很大一部分工作是把 AI 的黑盒一条一条拆开，从机制上想怎么优化
AI 让学习成本变小之后，年轻人到底该学什么
🎙 20:47 吉祥：两个月的资料搜集能压到两周甚至一周，机会成本变小了——反而更要拷问自己"内心究竟适合什么"
🎙 21:55 汤姆熊：本来只想学机器人方向，这三周之后决定加修 CS，去补 AI 的底层原理——因为亲手用过、才想真的看懂
────────────────────
想和更多正在做 AI Native 转型的人聊聊？我们攒了一个「章鱼 AI」听友交流群——在这里，你可以和更多正在推动 AI Native 转型的人（从企业老板、管理者，到各行各业的一线实践者）交换踩坑经验，聊聊不同组织把 AI 真正用起来的做法，也能第一时间收到我们的新节目和线下活动消息。
扫描图片下方的二维码，加入交流群，一起待在这个「第一现场」。
────────────────────
—— 本期制作 ——
主持 ｜ Sophie
对谈嘉宾 ｜ 吉祥 · 汤姆熊
剪辑 · 后期 · 运营 ｜ Sophie 和她的 AI
出品 ｜ 明略科技 · AI Native 组织实验室
