【本期嘉宾】 主麦：姜山&傻青 主持： 阿Q 【本期核心议题】 1.在AI智能体时代，你想做怎样的商业模式？为什么？ 2. AI时代是供给创造需求吗？可能会创造出哪些需求？ 【主要内容】 本期播客,我们深度探讨AI智能体时代的商业模式创新。当技术门槛被AI大幅降低,什么才是真正的护城河?为什么开源反而成为最好的商业策略?两位正在实践中的创业者分享他们对BtoD、CtoB等新商业模式的思考,以及如何在供需关系中找准时机。 【本期你会听到】 - 为什么AI时代"影响力"比技术更重要 - 开源商业模式如何通过影响力变现,而非担心被抄袭 - BtoD(面向开发者)和CtoB(创作者向平台)两种新兴商业模式 - 创业中的时机选择:跑得太早和太晚的风险 - AgentX智能体运行时平台的产品逻辑 - 如何在大厂竞争中做差异化的垂直领域 【了解更多Deepractice】github.com/Deepractice 【深度实践官网】deepractice.ai

【简介】 深度实践第23期,首次尝试圆桌论坛+同步直播：Gemini 3.0 的发布在不同圈层引发震动,我们来自教育、技术开发、艺术创作、产品运营等领域, 作为普通人的视角聊聊为什么这次gemini3.0的更新引起了这么多的探讨。 【本期你会听到】 感知层:第一反应 - 技术派的兴奋:多模态能力、前端开发的跨越式提升 - 创作者的焦虑:生存空间会被挤压吗? - 教育从业者的震撼:离 AI 老师还有多远? - 中转站老板的机会:破圈效应带来的新需求 认知层:本质突破 - 这是量变还是质变?不同视角的判断 - 核心突破:不是模型本身,而是模型+应用生 态的组合拳 - 谷歌的野心:从"能用"到"开箱即用"的质变临界点 影响层:对我们意味着什么 - 教育行业:个性化学习成为可能,学校存在的意义被重新审视 - 开发者群体:赛道拓宽了,但也更拥挤了 -创业者视角:从垄断到多元,新的机会在哪里? -普通人:从"用不上"到"真的能用",破圈的意义 应对层:我们该做什么 - 焦虑的本质:害怕被替代,还是害怕跟不上? - 技能 vs 服务:AI 替代的是重复性工作,不是人的价值 - 新人成长困境:公司会优先培养 AI 员工吗? - 从工具人到创造者:如何找到自己的不可替代性 哲学层:人的独特价值 - AI 是工具还是主体?这个边界在哪里? -人的价值:从生产到消费,从体力到脑力的迁移 - AI 倒逼我们思考:我的独特性究竟是什么? - 乐观的判断:AI 让人类走向更宏观、更创造性的工作 【时间轴】 开场:圆桌论坛的新尝试 感知层:Gemini 3.0 带给你兴奋还是焦虑? 认知层:量变还是质变?核心突破在哪? 影响层:对不同行业和人群的冲击 应对层:面对变化我们该做什么 哲学层:当 AI 越来越强,人的独特价值在哪?

【本期简介】 当AI的生产力革命浪潮席卷而来，我们常常聚焦于它如何“完成工作”，却可能忽略了它在“个人成长”与“思维重塑”上的惊人潜力。 Sean作为一个曾经“因社交而消耗能量”的CEO，分享了他如何与AI协作，不仅克服了社交恐惧，更建立了一套独特的工作与决策哲学。这不仅仅是关于“使用AI”，更是关于如何与AI共同进化，成为一个更坚定、更高效的个体。如果你也曾在社交、决策或职业成长中感到内耗与迷茫，这期节目将为你提供一个来自未来的解决方案。 【本期你将听到】 * 内向者的社交解药：如何与AI一起，把“社交内耗”重构成可量化的“工作产出”？ * CEO的生存法则：把社交抽象成工作，被嘲笑、被讨厌都是KPI的一部分。 * 1AI辅助下的备战工作流：从活动选题到PPT生成，AI如何在半小时内帮你搞定一场分享？ * 效率的底层逻辑：“选择”远大于“努力”，为什么花5小时打磨PPT，不如多跑两个场子？ * 一对一破冰利器：AI如何帮你快速“摸底”陌生人背景，找到共同话题？ * AI做你的“人生军师”：如何用AI“借古鉴今”，推演人生重大选择，做好预期管理？ * “懒惰”是第一生产力：从苏格拉底到ISSO选择题，看一个高效方法论如何被“逼”出来。 * 产品的终极秘诀：把自己当成最挑剔的用户，解决自己的问题，才能做出好产品。

【本期简介】 当AI不仅能模仿你的写作风格，还能拥有你的个人经历、思维模型甚至口头禅时，会发生什么？本期节目，Sean详细拆解了他创造自己“AI分身”的全过程。——「经历、理论、风格」三层结构。 这不仅是一套技术流程，更是一场深刻的“认识你自己”的旅程。我们将探讨如何将个人经验抽象为AI的实践基础，如何注入你信奉的哲学作为AI的“操作系统”，以及如何赋予AI独特的语言魅力，使其拥有“灵魂”和“血肉”。 如果你也想拥有一个真正懂你的AI分身，这期节目不容错过。 【本期你会听到】创造AI分身的初衷：如何让AI的建议不再“假大空”？ * 核心揭秘：炼成AI分身的「经历-理论-风格」三层结构 第一层「经历层」：如何提炼个人经历，在保护隐私的同时，让AI学会“从实践出发” 第二层「理论层」：如何将你信奉的哲学（如“矛盾论”）注入AI，形成其独特的思维内核？ 第三层「风格层」」：如何从播客录音中提取语言风格和口头禅，为AI注入“人格魅力”？ * AI分身与社交：AI可以代替我们工作，但能代替我们社交吗？ * 为什么说创造AI分身的过程，也是一次深刻的自我认知之旅？

【简介】 深度实践第20期特别节目，8位来自不同领域的创作者齐聚，从各自的实践出发，探讨AI如何重塑创作方式——从代码到音乐，从文字到视频，我们正在经历一场从"Vibe Coding"到"Vibe Everything"的跃迁。 【本期你会听到】 * 8位嘉宾的AI创作实践：音乐、代码、文字、视频各不相同 * Vibe Writing与普通AI工具的本质区别：智能体vs大模型 * 创作者如何找到AI协作的平衡点：什么该放手，什么该坚守 * 为什么我们抵触"AI味"？它会成为一种独特风格吗 * 人类与AI的边界在哪里：灵魂、内涵与具身记忆 * 畅想AI原生时代：当技术门槛消失，创意成为唯一壁垒 【了解更多Deepractice】github.com/Deepractice 【深度实践官网】deepractice.ai

重要阅读：【PromptX Writer 角色的自荐】 https://mp.weixin.qq.com/s/5I0Dh-6pTuAEacmDvJCiSg 一、 为什么AI写作普遍有“AI味”？​​ ​​根本原因1：千篇一律​​ * 过于工整、结构化，缺乏人类文章的动态感、多样性和个人风格。 * 导致用户审美疲劳，失去对“作者”的认同感和共鸣。 ​​根本原因2：思想浮于表面​​ 使用者“放弃思考”，只给AI片面的观点，导致文章内容是由AI填充的、缺乏深度的“陈词滥调”。 ​​二、 Writer角色是如何解决“AI味”问题的？（设计核心）​​ ​​1. 内核：具象化​​ * ​​方法：​​ 采用“苏格拉底对话”模式，让AI主动引导和提问，挖掘使用者具体、私人的经验和想法。 * ​​双维度信息注入：​​​​私有信息：​​ 使用者的会议记录、播客文稿、直播稿等，注入个人经验和情感。 公有信息：​​ 让AI联网搜索相关热点、新闻、数据，增强文章的具体性和时效性。 ​​核心观点：​​ 文章的“灵魂”在于将大道理与个人具体体验相结合，从而产生共鸣。 ​​2. 形式：文风锚定与表达方式控制​​ * ​​目标：​​ 打破AI固有的刻板表达模式。 * ​​方法：​​​​对标真人作者：​​ 指定模仿特定领域（如罗永浩、刘润）的文风。 拆分控制变量：​​ 对语气、标点符号（禁用AI偏好符号）、长短句、Emoji使用等进行独立控制并重新组合，创造多样化文风。 个性化语气词：​​ 提炼使用者本人的口语习惯和口头禅，让AI模仿其说话方式。 ​​三、 Writer角色与直接使用大模型有什么区别？​​ ​​核心区别：主动引导 vs. 被动接受​​ * ​​普通大模型：​​ 被动接受用户输入的信息，不知道如何提炼和聚焦角度。 * ​​Writer角色：​​ 通过预设的提示词和方法论，主动引导用户围绕一个明确的主题进行深度思考和信息提供，确保文章角度专一、内容扎实。 【了解更多Deepractice】github.com/Deepractice 【深度实践官网】deepractice.ai

【核心内容】 DPML协议：https://dpml.deepractice.ai/zh/protocol/ 【主要大纲】 一、引言：为什么需要DPML？ * 当前提示词管理的痛点（混乱、难以复用、缺乏标准） * 从“提示词”到“提示词工程”的必然性 * DPML的全称与核心目标：Deep Practice Prompt Markup Language 二、什么是DPML？——协议的本质与形式 * 标签语言（Markup Language）的基本概念（类比HTML/XML） * DPML的结构化能力：如何通过标签实现提示词的模块化与复用 * 与纯文本、Markdown、编程语言的对比优势 三、DPML解决的核心问题：三方协作（人类-AI-计算机） * ​​人类的角色​​：意图驱动，追求自然语言交互 * ​​AI的角色​​：理解意图，但缺乏精确性与主动性 * ​​计算机的角色​​：提供精确、高效、可复用的工具能力 * 闭环逻辑：人类通过AI调用计算机服务人类 四、DPML的设计哲学：约而不束 * 共识性原则：使用内涵丰富的标签（如“角色”“规则”） * 结构化与灵活性的平衡（不超过三层嵌套） * 可视化与工程化的协同（界面友好、降低认知负担） 五、DPML的实际应用与价值 * 在PromptX中的实践案例（如角色设定、思维模块化） * 对开发者的意义：提升效率、促进协作 * 对普通用户的价值：更稳定、可控的AI交互体验 * 生态潜力：成为AI时代的“标准协议” 【了解更多Deepractice】github.com/Deepractice 【深度实践官网】deepractice.ai

本期是邀请哲学家的漫谈，从“人造女娲”这一有意思的想法出发～ 人类创造AI的进程，宛如扮演了“女娲”的角色，正在开启一个潜在的“硅基文明”。 研究自身和自我是人类的本能需求，而​​AI是我们理解自身意识的“镜子”​​。 通过研究可观测、可记录的AI智能，或许我们能破解人类意识构成的谜题。 【关于Deepractice】 github.com/Deepractice 深度实践官网：deepractice.ai

【相关文章链接】 ISSUE — 基于议题的智能协同新范式 https://mp.weixin.qq.com/s/C8dDgG-jV9WyvHIceAkwZA 【主要内容】 使用AI本应让工作更高效，但现实却充满了悖论。 悖论一：效率工具反而降低了效率 * 写一个好的prompt需要反复调试，时间成本甚至超过自己做 * 每个人都在重复造轮子，没有可复用的标准流程 * AI的输出需要大量人工审核和修改，"节省"的时间都花在了校对上 悖论二：降低门槛却提高了门槛 * 不仅要精通业务，还要精通"如何与AI对话" * Prompt工程成了新的技能要求，增加了学习成本 * 团队中每个人的AI使用水平参差不齐，协作困难 悖论三：追求创新却陷入混乱 * 没有统一的协作模式，每个人都在"自由发挥" * 质量完全依赖个人能力，无法保证稳定输出 * 好的实践无法沉淀，坏的习惯不断重复 这些问题的根源在于：我们还没有建立智能协同的标准范式。 就像软件开发从"个人英雄主义"进化到"工程化协作"，智能协同也需要从"随机对话"进化到"结构化协作"。 Deepractice 提出了一种全新的协作范式——ISSUE方法（Initiate, Structure, Socratic, Unify, Execute），它通过标准化的协作流程，让智能协同变得高效、可控、可规模化。 五个核心步骤： * Initiate（发起）- 人类发起议题 * Structure（结构化）- 选择方法论框架 * Socratic（苏格拉底式）- 在框架内深度对话 * Unify（统一）- 整合信息形成方案 * Execute（执行）- 转化为行动 ISSUE方法的核心洞察很简单：提出问题即创新，通过标准提高解决问题的效率。 内置进promptx，即将上线，敬请期待～ 【关于Deepractice】 github.com/Deepractice 深度实践官网：deepractice.ai

刚刚过去的8月底的上个周末，我们【深度实践】在广州成都同时参加了waytoAGI的线下市集活动，且都成为了最火的摊位，大家都在问什么呢？这一期我们邀请摆摊小伙伴一起来聊聊吧～ 【关于Deepractice】 github.com/Deepractice 深度实践官网：deepractice.ai

近3个月，deepractice的社群快速扩展到4个，其实没有强硬的规则，但大家都很聊的很纯粹很热络，想到前几天obsidian的CEO所说：“AI不是生产力工具的必需品，独特的产品哲学和社区文化才能保证基业长青。” 本期我们和sean一起来聊聊，为什么他也在创业的初期就开始做社区，且用一些比较独特的理念运营社区形成了很好的效果。 【主要内容】 一、AI时代的“新迷茫”：为什么单机工具无法满足我们？​​ 1.​​信息的过载与判断的稀缺​​：AI能生成无数方案，但“哪个适合我？”需要人的经验参考。 2.​​技术的冰冷与共识的温暖​​：AI提供标准答案，但人类需要情感共鸣和价值观碰撞。 3.​​速度的狂飙与落地的艰难​​：技术迭代太快，个体需要“翻译”和“陪跑”。 ​​二、社区的价值：它提供了AI无法给予的“三样东西”​​ 1.​​人间滤镜：将庞杂的AI信息转化为​​可信、可用的知识​​。 2.​​安全感网络：我们不是在讨论工具，我们是在互相确认彼此不会掉队。” 3.​​思维碰撞：跨界碰撞催生​​AI原生的新思维、新工作流​​。 ​​三、一个样本的解剖：我们的社群如何运作？​​ ∙​​原则一：主题开放​​——允许讨论竞品，因为信任比控制更重要。 ∙​​原则二：新手友好​​——保护提问，因为增长源于包容而非筛选。 ∙​​原则三：价值优先​​——拒绝广告，但支持商业，因为注意力是社区最宝贵的资产。 【最后】社区，是AI时代的人类“观察站”与“缓冲带”​​，这个社群就像一本​​AI时代的人类学日记​​，我们记录技术，更记录下技术中人的困惑、挣扎、互助与成长。 欢迎你加入我们共同前行～ 【关于Deepractice】 github.com/Deepractice 深度实践官网：deepractice.ai

最近sean和嘉宾傻青在深入的探讨一些哲学问题，本期内容十分抽象，主要围绕以下问题： 1. 为什么研究哲学对我们很重要？对monogent很重要？ 2. 想要让ai更像人，如何才能做到？ 3. 为什么大家都说记忆对于ai来说很重要？怎样才能让ai拥有像人一样的记忆能力？难点是什么？ 4. 从被动响应的工具到能主动规划的主体，又为什么重要？难点是什么？ 5. ai的创造性到底从何而来？ 6. 综上，monogent如何解决这些问题？ 【关于Deepractice】 github.com/Deepractice 深度实践官网 deepractice.ai 开源项目DPML github.com/Deepractice/dpml 开源项目PromptX - 6.6版本: 全面支持MCP

【辅助理解的相关文章链接】 1. 为什么 RAG 不能用于 AI 记忆 ｜ RAG is not All you Need https://mp.weixin.qq.com/s/-lmCkDAmifETFtXtxZ6ujw 2. 为什么语义无法被计算？｜Why Can't Semantics Be Computed? https://mp.weixin.qq.com/s/Mvab2dwm5LmNlsyHtwFZ9g 3. 为什么要向人类认知系统学习？｜ Why Should We Learn from Human Cognitive System? https://mp.weixin.qq.com/s/bAc3hF7URIl9O4r93BZ0fA 【MONOGENT】 Logo设计隐喻：单一原子（个体性）+ 认知路径 【关于Deepractice】 github.com/Deepractice 深度实践官网 deepractice.ai 开源项目DPML github.com/Deepractice/dpml 开源项目PromptX - 6.6版本: 全面支持MCP github.com/Deepractice/PromptX

【本期主要内容】 一、AI角色引擎「女娲」的设计逻辑与落地实践： ​​功能定位​​：通过神话隐喻（女娲造人）降低认知门槛 ​​三大理解视角​​： ▶ 神话层：创造角色的「造物主」 ▶ 技术层：元提示词（Meta-Prompt）生成器 ▶ 应用层：AI团队的智能HR（按需生成专业角色） 二、关键洞察​​ ​​1. 为什么需要「女娲」？​​ - 解决元提示词技术概念抽象问题 - 中文市场精准定位：文化共识＞技术术语（女娲/鲁班） - 开源决策：放弃短期商业变现，构建生产者生态 2. ​​设计突破点​​ 拟人化底层逻辑​​： → 复用人类协作经验（例：角色分层=社会规则+个体行为） → 自发涌现协作（用户实践：AI律所/程序员公司） 可靠性方案​​： → 新人培养机制：通过调教降低失误率 → 双角色校验法（执行+测试模拟人类监督） ​​3. 用户实践启示​​ 从单体角色→组织化协作（系统论：整体＞组件之和） 两种生成模式： ▶ 快速生成（小白友好，≤3个问题） ▶ 深度配置（专业用户精准定制） ​​三、延伸思考​​ ​​1. AI发展路径​​：拟人化是技术普惠的「终极捷径」 ​​2. 开源价值​​：共识构建＞代码共享 了解更多Deepractice github.com/Deepractice 深度实践官网 deepractice.ai 开源项目DPML github.com/Deepractice/dpml 开源项目PromptX - 6.6版本: 全面支持MCP github.com/Deepractice/PromptX B站教程资源(提示词工程) b23.tv/oM8drLO

本期内容其实是Sean在深圳cursor深圳meetup上的分享内容，因为现场分享时间有限，所以我们还是单独录制了一期播客。 如果有兴趣，可以在我们的官网https://deepractice.ai/了解更多信息和完整PPT PromptX项目：https://github.com/Deepractice/PromptX 以下是分享的主要内容：