75
11《灯下白》EP58｜李术其
🎙️嘉宾｜李术其（猫工头）
主导研发「杰伴」AI 人力资源与智能办公平台，中国人力资源协会创新创业大赛二等奖；同期主导「芯火」计划，获绍兴市人力资源服务业创业创新大赛创业组一等奖。获字节跳动豆包应用创作大赛铜奖、腾讯混元大模型攻防三等奖，具备企业级 AI 安全与落地调优经验。第二届 CCF 算法大会作主题报告，担任宁波人才发展集团「青年午校」AI 常驻讲师，并将 AI 智能体与知识库方案落地于多个政企单位、大型国企及职业院校。在 AIGC 视觉与传播领域，曾获深圳市人才服务中心全民创作大赛一等奖、阿里万相模型心跳大赛二等奖，作品入选北京 2025 AI 视听创作嘉年华展播。
主持人：吴熳（微信rosiawu，欢迎添加加听友群）
在得到直播讲过AI应用，在WaytoAGI北京切磋分享，代表中国在英国大使馆文教处国际大会全英发言讲中国AI如何赋能英语教学，AI牛马库导航科普网站 ka21.org 主理人
本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃和中关村科学城公司提供录音场地，由罗德麦克风提供录音设备。感谢中关村科学城的政策支持！
《灯下白》坚持100% Human，真人真聊真AI，对白坦白灯下白。
🪝本期故事
猫工头这个名字，其实是吴熳给李术其取的。他的头像是一只猫坐在鱼塘旁边，配着一句“总有一天我要承包这片鱼塘”。吴熳越看越觉得，这只猫很像一个包工头，于是“猫工头”这个名字就这样留下来了。现在回头看，这个名字意外地准确，因为李术其使用AI的方式，真的很像一个站在工地现场不断催进度的包工头。
他不会写代码，前端不会，后端不会，数据库也不会，很多专业名词甚至都是AI后来告诉他的。可他特别会一件事，就是提要求，而且敢提非常过分的要求。
猫工头第一次真正把AI用于工作生产，大约是2025年初。此前他也用过GPT，但一直觉得写出来的东西不够好。后来模型能力明显提升，他开始真正用AI写公众号、小红书、短视频文案，又很快开始做图片和视频。这也是很多人进入AI的第一条路，因为AIGC反馈最快，也最容易让人感受到“机器真的能替我干活”。
但玩了几个月以后，猫工头突然觉得这条路太窄了。他本来就在做人力资源相关业务，而视频、图片、营销内容在整个母公司的业务里其实很小。公司真正大的业务，是招聘、外包、派遣、保险、财务、销售以及大量企业服务。如果AI这么强，为什么只让它帮自己做视频？为什么不能真的让它进入公司的主营业务？
于是，他开始第一次尝试自己做业务系统。
当时公司其实已经有传统IT部门，也做过数字化系统。猫工头每天自己在使用这些系统，因此很清楚哪些地方麻烦、哪些地方重复、哪些地方体验糟糕。过去他也只能抱怨，因为自己不会开发，很难真正拿出另外一个方案。AI出现以后，情况突然变了。他先给自己的部门做了一套小系统，用来处理绩效、财务和报销流程，东西真的跑起来以后，他直接拿给老板看。
过去是“我觉得这个系统应该这么做”，现在变成了“我已经做了一个，你看看这样行不行”。
这两句话的分量完全不同。
老板觉得有用，于是开始给他更多需求。招聘、销售、工伤、保险、财务、业务看板，越来越多东西被他一点一点搭起来。猫工头的核心方法也非常特别，因为人力资源行业本身特别强调结果交付。比如客户想招一个人，人力资源公司会持续推荐候选人，等到人真正入职并稳定工作以后，这项服务才算真正成立。所以他和AI沟通时，也沿用了同一个逻辑：我先把最终结果告诉你，至于中间走什么技术路径，你自己想办法。
他把这种方法叫作“破窗理论”。
他的理解很简单。如果最终想要100分，就别一开始只提60分的要求，因为人先把要求打一遍折，AI执行时再打一遍折，最后可能只剩40分。猫工头会反过来做，直接要求一万分。
比如一个网页响应很慢，懂技术的人可能觉得0.5秒已经非常快。猫工头会直接告诉AI，我要0.01毫秒。AI当然做不到，但它可能最后想尽办法做到0.1秒，这个结果依然远远超过原先预期。再比如做数据分析，正常人可能让AI帮忙想十个分析维度，猫工头会让它想一万个。AI最后只能想出一百多个，他再从里面挑，老板继续挑，真正有用的二十个就留下来。
这就是他的思路。先把天花板抬到一个看起来很夸张的位置，然后让AI自己撞上去，看它最后能做到哪里。
因为AI时代的试错成本实在太低了。
他甚至觉得，有时候人本身才是AI最大的阻力。当几个AI已经可以同时开始干活，一个人还在反复开会、讨论、犹豫到底该怎么做，真正堵住流程的可能已经变成了人。所以猫工头很少害怕AI犯错。他愿意先让AI干，让它先给出一百种错误，然后从错误里反推什么才是正确答案。
这种方法后来被他带进了真正的人力资源业务。
其中一个特别典型的案例，是公司的工伤和雇主责任险。公司一年缴纳的商业保险金额达到数千万元。过去大家知道一年交了多少钱，也知道保险公司赔了多少钱，可真正把数据全部拉到一起以后，猫工头突然看到了很多以前很难被直观看见的问题。
比如已经发生的理赔里，真正回到公司账上的钱有多少，还有多少资金仍然停留在理赔流程里。哪些分公司保费交得多、赔付少，哪些项目交了很少的钱，却发生了高额赔付，哪些合伙人在整个保险大盘里持续贡献利润，哪些项目已经明显进入风险区。
当这些数据真正被穿透以后，一个原本看起来只是“每年交保险”的财务动作，开始变成经营管理问题。老板可以拿着真实赔付数据跟保险公司重新谈价格，也可以看到大量仍在理赔流程中的资金对现金流产生了什么影响，甚至可以进一步精算到某个项目到底需要运营多久，才能把此前发生的高额赔付重新赚回来。
猫工头做这套东西的方式也很有意思，因为很多数据本来就在企业微信群里。一线客服每天工作，本来就需要在群里汇报。过去这些信息汇报完以后，还要另外找人统计、填Excel、上传系统。猫工头觉得这一层可以直接取消。
员工继续按照原来的方式在群里工作。AI定时把群里的内容提取出来，变成文档，再转换成结构化数据，写进数据库，最后形成看板。人完成工作以后，在群里发完，自己的任务就结束了，后面的统计交给AI。
如果一条记录写得乱七八糟，AI实在看不懂怎么办？猫工头专门建了一块区域，把所有AI无法判断的数据原样留下来，等待人工处理。更狠的是，这些错误记录还会保留。谁汇报不清楚，哪一次数字前后对不上，哪个客服说了一句话让AI无法理解，全都有记录。
他发现这样甚至解决了一个管理里的老难题，也就是怎么批评人。管理者直接在群里点名容易产生情绪，私下批评也会增加管理成本。现在异常数据自动显示，员工自己能看到，老板也能看到，没人需要专门骂他。猫工头说得很有他的风格：“谁给他上的榜？AI给他上的榜，他怪谁去？”
从这里开始，AI已经进入了公司的管理机制。
更夸张的是，这一整套系统基本都是猫工头自己搭的。老板提出自己想看到什么，猫工头就去找真正干活的一线人员，把他们每天的工作流程全部问清楚，全程录音，再把录音交给AI整理。需求来了，他先让AI想，方案不行就继续试。
他甚至坦率地说，自己现在有时候“懒得思考”。因为很多决策完全可以先让AI给一版，错了再改。他自己到今天仍然不会写一行代码，可前端、后端、数据库、并发测试、页面交互这些东西，已经真的被他做进了产品。
最终需要正式放进公司服务器时，再把系统交给专业IT做上线、调试、安全和复杂Bug处理。
过去是业务部门排队等IT开发。现在业务部门已经把能跑的产品做出来，再交给IT处理更专业的工程问题。双方的位置开始发生变化。
猫工头因此提出了一个非常刺耳的问题：当你的客户自己已经可以把一个“勉强能用”的产品开发出来，专业程序员的价值到底应该放在哪里？
这也是这期特别有意思的地方，因为我们没有停留在“AI会不会影响程序员”这种抽象讨论里。现实已经发生了：一个完全不会写代码的人力资源从业者，已经开始自己开发系统，而且老板真的在用。
更进一步，他现在开始思考HR这个岗位本身会发生什么变化。
过去HRBP管理人、支持业务。未来一个AI Native组织里还会出现大量数字员工、Agent和Skill。这些AI员工由谁管理？谁定义它们负责什么？谁判断一个Agent值得消耗多少算力和Token？谁设计它们与真人员工之间的组织关系？
猫工头觉得，HR可能天然有机会走向AIBP。过去管理真人员工，未来还需要开始理解AI员工。
这期录制当天，他刚好因为一套与HR和AI有关的项目来北京参加行业创新创业比赛，并获得二等奖。
从一个机械专业毕业、在国企做行政文宣的人，到后来做网络运营，再到2025年才真正深度使用AI，最后自己给一家几百人的人力资源公司造系统，这条路径连他自己都没有预想过。
而他的整个方法，其实可以缩成一句特别像猫工头的话：
别先问AI会什么，先告诉它你到底要什么。
💡本期你会听到
这期我们首先会聊猫工头这条非常奇怪的职业路径。他大学学机械，毕业后进了国企做行政和文宣，七年以后又因为觉得自己错过了互联网红利，主动进入网络运营和人力资源相关业务。真正把AI用于生产工作，其实已经是2025年初的事情。也就是说，从深度开始用AI，到今天能够独立搭企业业务系统，他花的时间远比很多人想象得短。
吴熳和猫工头重点聊了他一套非常鲜明的AI使用方法。人力资源行业习惯以结果交付，猫工头也把同样的逻辑用在AI身上。他不懂代码，也很少先纠结技术路径，最关心的是结果有没有出来。他甚至会故意提出极端到近乎荒谬的要求，让AI自己想办法接近目标。在他看来，AI时代的试错成本已经低到值得大量尝试，很多人真正的问题，是要求提得太保守，甚至还没有让AI开始干，就已经被自己的经验限制住了。
中间会进入这期最震撼的部分，也就是AI怎样真正进入企业经营。他自己做报销系统、销售和招聘看板，也把企业微信群里的聊天记录自动转换成标准数据，让AI完成过去需要人工统计的工作。在工伤保险案例里，大量过去分散在系统和业务流程里的数字被重新拉到一起，老板第一次可以清楚看到保费、赔付、未到账理赔款、不同项目风险和分公司的真实贡献，再把这些数据继续用于保险议价、现金流判断和项目经营。
我们也会聊企业管理本身如何被AI改变。员工在群里汇报完工作以后，后续统计可以自动完成。AI读不懂的异常数据会被单独留下，员工的错误也会被记录。很多过去需要管理者人工检查、催促和批评的事情，开始变成系统自动暴露问题。猫工头认为，AI时代的精益化管理会进一步加强，因为大量“粗心”和低质量重复劳动，已经越来越难找到技术上的借口。
最后，吴熳和猫工头聊了一个更长远的问题。当一个不会代码的业务人员已经可以自己把产品做到能跑，IT部门的价值会发生什么变化？当企业里越来越多Agent开始承担真实工作，HRBP会不会进一步变成AIBP？未来HR除了管理真人员工，还需不需要参与数字员工的分工、评价、成本和协作机制？这可能比简单讨论AI会不会影响HR更值得讨论。
🔥本期金句
“我真的不懂代码，但是我会很清晰地告诉AI，我到底要什么结果。”
“很多IT人员因为太懂技术，反而不敢提要求。”
“你提出一个你知道它做不到、但你特别想要的东西，它最后可能会给你一个远超原来预期的结果。”
“我压榨不了员工，我还压榨不了AI吗？”
“有的时候，人是AI最大的阻力。”
“先让AI干，让它干出一百种错误，你才知道对的是什么。”
“老板提一件想看的事情，具体怎么做，他不需要讲，我去找一线的人聊。”
“大家平时的工作本来就在群里，聊完事情就做完了，为什么还要再让一个人统计？”
“有了上下文，才有后面的东西。”
“AI时代的试错成本太低了，只要你胆子够大，你就有成功的几率。”
“我让AI想一万个维度，它想不出来，只给我一百多个，我觉得也差不多压榨到极限了。”
“未来HR不仅要管人，可能还要开始管AI员工。”
“我最期待的是，以后我提一个目标，它就能指哪打哪。”
⏱Shownotes
01:28 猫工头这个名字到底怎么来的？ 李术其的网名原本和“承包鱼塘”的猫头像有关，吴熳觉得他更像一个包工头，于是“猫工头”诞生了。后来再看他驱使AI干活的方式，这个名字越来越准确。
02:57 从机械专业、国企行政，到互联网运营。 猫工头2011年毕业，在国企工作约七年。因为长期接触外部网络运营公司，他越来越想进入互联网，于是主动离开相对稳定的环境，转去做网络媒体和运营，也逐渐进入人力资源集团的业务体系。
05:50 真正深度使用AI，其实从2025年初才开始。 最早他只是拿AI写公众号、小红书和短视频文案。随着模型能力提升，他第一次觉得这些东西真的能够进入生产工作。
07:41 一个完全不会代码的人，为什么已经能给几百人的公司做业务系统？ 吴熳第一次知道猫工头真正开始深度用AI的时间时也非常惊讶，因为此时他已经可以一个人完成大量原本需要产品、数据和开发角色参与的工作。
08:23 人力资源行业的“结果交付”，怎样影响了他的AI方法？ 猫工头习惯先讲清楚最终要什么，然后要求AI把结果给出来。技术路径可以由AI自己寻找，他负责验收。
09:52 猫工头的“破窗理论”。 他故意给AI提出极高要求。目标越高，AI即便只能完成一部分，也可能超过正常人的初始预期。懂得太多技术限制，有时反而容易提前降低要求。
12:45 “我压榨不了员工，我还压榨不了AI吗？” 这句话基本概括了他的使用风格。大量尝试、大量Token、大量失败，只要最终结果能用，都可以接受。
14:52 从AIGC走向真正的企业业务。 做图片和视频几个月以后，他开始意识到，母公司真正大的价值空间在人力资源主营业务。如果AI只能帮忙做营销内容，远远没有释放它的价值。
17:28 第一套系统，是从自己每天觉得难用的地方开始。 过去不会代码，他只能觉得公司的数字化系统不好用。AI出现以后，他先给自己部门做了一套财务、绩效和报销相关的小系统，然后把真正能运行的产品拿给老板看。
19:31 老板觉得有用，于是需求开始越来越多。 从部门工具开始，猫工头逐渐进入销售、招聘、工商、欠薪、工伤保险以及分公司的经营数据，业务系统开始真正进入管理流程。
20:03 一年数千万元的商业保险，AI能从里面看出什么？ 当保费、理赔和到账金额全部被重新拉到一起，企业第一次可以清楚看到保险公司到底赚了多少、多少理赔款仍然处于流程中，以及这些数据对现金流意味着什么。
23:11 同一家公司里，有人在给保险池“蓄水”，有人在“抽水”。 不同项目和分公司的赔付情况差异巨大。当数据穿透到每个业务单元以后，企业可以更精细地判断谁应该获得更低价格，哪些项目已经形成经营风险。
25:43 群聊本身就是数据库。 一线员工每天本来就在企业微信群里汇报工作。猫工头做的事情，是让AI自动把这些聊天记录提取成文档、结构化数据和经营看板，从而减少大量重复统计。
28:32 AI看不懂的数据怎么办？ 所有模棱两可、前后不一致或无法判断的数据都会进入人工处理区域，同时保留原始记录。结果是员工也会逐渐学会用更清晰、标准的方式汇报工作。
30:27 “让AI批评人”是怎么回事？ 过去管理者发现员工工作有问题，需要自己点名。现在异常数据自动显示，员工自己能看到问题。管理者不用每次亲自承担批评者角色，数据自己开始说话。
32:53 这整套东西真的是他一个人做的吗？ 答案是肯定的。老板提出想看什么，猫工头就去找一线工作人员访谈，全程录音，再让AI整理需求、设计方案并尝试实现。
33:40 “人有时候才是AI最大的阻力。” 猫工头认为，与其开很久的会讨论方案，不如先让AI做。错误也有价值，因为一百个错误方案可能帮助人更快知道正确方向在哪里。
34:24 到今天，他仍然一句代码都不会。 前端、后端、数据库以及并发测试等工作都交给AI。他掌握的核心能力，是目标、要求、业务流程和验收标准。
36:05 产品能跑以后，再交给专业IT。 真正进入企业服务器、处理上线、安全和复杂Bug时，仍然需要专业人员。业务人员和IT的关系却已经改变，因为业务方手里第一次有了自己做出来的原型甚至完整产品。
37:39 当客户自己都能开发，程序员的价值在哪里？ 这是猫工头抛出来最尖锐的问题。业务人员已经能够得到一个能用的产品，专业技术人员未来需要提供什么更高层次的价值？
39:55 老板的反馈很直接：继续做。 现在系统已经开始以具体分公司为单位继续扩展，加入招聘等更多真实业务模块。
40:31 那些复杂的数据图表是谁想出来的？ 很多并非猫工头提前设计。他会把业务需求口述给AI，让AI帮忙结构化，再要求筛选、交互以及多层数据穿透。
41:26 “无限下钻”为什么成为他的执念？ 老板先看到整个公司，再看到分公司，再看到项目，最后甚至能看到具体员工。只要发现某个数字异常，就可以不断往下找原因。
49:47 “给我想一万个分析维度。” 猫工头让AI尽可能扩大选择范围。AI最后只想出一百多个也没关系，他再从中挑选真正有用的部分，再交给老板补充。
51:39 企业管理为什么需要从大盘一直看到微观？ 一个总体数字只能告诉老板可能存在问题，真正的管理需要继续追问问题在哪个项目、哪个环节、哪个员工，以及问题为什么发生。
55:01 “世界就是一个巨大的企业微信和系统。” 这也是吴熳听完这套方法最大的感受。原本散落在聊天记录里的日常工作，只要拥有足够上下文，就能继续被整理、分析和转化为企业经营数据。
56:23 录播客当天，猫工头刚拿了一个人力资源行业创新创业比赛二等奖。 他参赛的方向继续往前走了一步，开始讨论HR怎样从HRBP走向AIBP。
56:45 未来HR会不会开始管理数字员工？ 猫工头认为，AI Native组织里会出现越来越多Agent。谁来决定它们负责什么、消耗多少资源、如何评价表现，以及怎样和真人员工协作，会成为新的组织管理问题。
59:56 快问快答，最离不开的三个AI工具。 猫工头把不同工具分成主力干活、图像处理和快速生活检索等不同角色，他甚至把豆包直接当成新一代百度。
01:00:59 做HR最值钱的习惯是什么？ 他的答案依然和整期一模一样，敢定非常高的标准，敢提要求。
01:02:18 做HR踩过最大的坑是什么？ 曾经为了一个项目投入团队半年时间，吸引几千人参与，最后项目取消。大量前期工作全部损失，也带来了后续求职者沟通和管理压力。
01:03:25 如果普通HR只有30天学习AI，应该从哪里开始？ 先找到工作里大量重复、可以迅速被AI优化的环节，同时想清楚自己未来希望成为怎样的人。只有方向清楚，才知道该向AI提什么要求。
01:04:26 HRBP为什么可能走向AIBP？ AI会继续进入企业组织，未来HR如果完全不了解AI，很难承担组织战略支持角色。管理对象可能逐渐从真人员工扩大到真人和数字员工共同组成的团队。
01:04:56 未来一年，猫工头最期待AI发生什么变化？ 他希望今天需要反复调教很多轮的过程能够越来越短。目标说清楚以后，AI可以更接近“指哪打哪”，这样他就能同时做更多事情。
01:05:50 吴熳问：“你就不能想想摸鱼吗？” 猫工头回答：“不摸鱼又不能赚钱。”这大概也是这一期最猫工头的结尾。
📖故事摘要
猫工头这期很容易被概括成一个“不会代码的人靠AI编程”的故事，但真正听完以后，会发现他的核心能力一直都在人力资源业务里。
他最懂的是结果。客户招聘一个人，人最终入职，服务才算真正交付。企业做一个系统，老板真的能用，才有意义。AI做一个页面，看起来再高级，如果解决不了业务问题，也没有价值。
所以他和AI沟通的时候，从一开始就跳过了很多技术人员习惯讨论的路径。他会告诉AI，我要什么，为什么要，做到什么程度我才满意，然后让AI不断试。
这种方法在模型能力很弱的时候可能完全行不通。到了今天，它突然变得非常有杀伤力，因为AI自己已经可以去找框架、找代码、找Skill、做数据库、搭前端、搭后端，再根据反馈继续修改。
业务人员第一次拥有了一种过去很少拥有的能力：不用等别人给你开发，你可以先自己做一个出来。
猫工头真正改变的，可能正是这件事。
过去业务部门提需求，产品经理翻译，技术排期，开发，测试，上线，整个过程可能几个月。现在业务人员可以先和AI把东西跑起来，哪里不对马上改，需求甚至是在使用中长出来的。老板提出一个问题，一线员工讲实际流程，AI帮忙整理，程序先跑，数据再告诉大家下一步应该改哪里。
从这个角度看，猫工头其实已经非常像FDE。他没有这个岗位名称，也没有工程师背景，可他真的在一线，真的懂业务问题，真的把AI带进去，也真的做出了产品。
更重要的是，他把企业里原本存在、却一直没人真正利用的数据重新激活了。微信群里的聊天记录，以前只是聊天记录。传统系统里的保费和理赔数据，以前只是存档。销售日报以前只是日报。招聘过程以前只是业务人员每天做过的动作。
当AI能够同时阅读、整理、结构化和分析以后，这些东西开始变成上下文。
有了上下文以后，老板第一次可以问更多问题。为什么这个项目亏？为什么这个销售停滞？为什么这个员工一直出现异常？为什么我们一年交这么多保险费？为什么还有这么多钱迟迟没有回到公司账户？
数据开始不断往下穿透。
所以猫工头特别喜欢“无限穿透数据报表”。因为管理真正需要的往往就是这个过程，先看到一个异常，再一直追问为什么，最后找到具体的人、具体的动作和具体的业务原因。
这也解释了为什么这期最后会自然聊到AIBP。AI进入企业以后，变化不会停留在“HR用AI写招聘JD”。事务性工作会越来越多地自动化，数字员工会真正进入组织。Agent会消耗预算，会承担任务，会有表现差异，也会需要权限和管理。
那谁来设计真人与AI之间的关系？谁定义数字员工在组织里的位置？
猫工头把问题抛给了HR。
未来的HR也许除了理解人，还得真正理解AI。
一个2025年才开始深度使用AI的人，在不到两年时间里，从写文案、做视频一路走到了企业经营数据、业务系统和组织设计。
这个速度本身已经很有意思。
可猫工头大概不会觉得自己学得有多快，因为他的注意力始终放在另一件事情上：
这个东西还能不能再多干一点？
💬听众互动
如果你完全不会写代码，但每天都在使用公司的业务系统，你有没有认真想过，那些让你反复填表、复制粘贴、重新统计、催人汇报的工作，现在还有多少真的必须由人完成？
如果今天给你一个足够强的AI，你敢不敢像猫工头一样，直接提出一个看起来有点离谱的目标，然后先让它做？
还有一个更值得企业管理者思考的问题。当业务人员自己已经可以做系统，当聊天记录可以直接成为数据，当Agent开始承担真实岗位任务以后，未来公司的IT、HR、管理者和一线员工之间，会形成什么样的新关系？
猫工头这一期聊的是HR。下一期，他还要继续讲另一项已经被大家反复催更的核心能力：薅AI羊毛。
真人真聊真AI，对白坦白灯下白。
我们下一盏灯见。
