AIE 与热闹的大型科技展有什么不同？这场 AI Engineer 大会要求一线团队用短 Keynote 和真实 Demo 讲清楚已经做出了什么。主播从旧金山 World’s Fair 现场出发，也解释为什么决定把它带到上海。 适合 AI 工程师、研究者、技术创业者和正在判断行业方向的人，帮助你了解中美 AI 团队在开源模型、AI Infra、Agent 与 Physical AI 上有哪些不同实践，以及 AIE 上海想连接哪些人。 这期你会听到 • 为什么主播没有去 CES，却认为 AIE 能持续带来认知更新？ • 短 Keynote、真实 Demo 和一线从业者，如何形成 AIE 的工程师文化？ • 中国开源模型受到全球关注后，中美 AI 生态为什么更需要直接交流？ • Cursor、Ollama、Pydantic、Daytona 与中国模型团队将带来哪些实践视角？ • AIE 如何从技术社区聚会成长为全球大会，上海站又会聚焦哪些主题？ 章节 00:00 — 我为什么不去 CES，却来到 AIE 00:19 — AIE 有何不同：短 Keynote、真 Demo 01:45 — AI Engineer 大会首次来到中国 02:33 — 为什么要连接中美 AI 生态 03:03 — 上海站有哪些参与团队 03:50 — AIE 如何从技术社区走向全球 04:33 — OpenAI Jason：从第一届一路看到今天 05:24 — MiniMax：用户会在现场给什么反馈 05:51 — 上海站主题与参与方式 相关内容 观看本期视频版 阅读本期文字稿 AIE Shanghai 2026 时间：2026 年 11 月 5–6 日 地点：上海虹桥希尔顿 活动详情、报名、演讲与赞助申请： https://www.ai.engineer/shanghai/2026 加入Superlinear Academy免费社区 带上正在开发的 AI 产品、基础设施或真实 Demo，和一线 Builder 交流具体问题与实践。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

ChatGPT、Claude Code 和自动化工作流能提高效率，却不会自动创造收入。主播以已有 3000 多名付费学员的课程为例说明：好产品仍不会自动卖出去。要经营可持续的超级个体，顺序应是先找到有价值的产品，再解决销售，最后才用 AI 加速兑现。 适合准备从专业人士转向创业者，或已经在经营个人业务的人，帮助你判断当前瓶颈究竟在产品、销售还是效率，并避免用追逐工具代替市场验证。 这期你会听到 • 为什么产品决定价值与理论天花板，销售却决定业务实际能做多大？ • 产品、销售和效率为何需要采用不同的迭代周期？ • 从一对一咨询走向标准化产品时，哪些核心洞察应当保留？ • 为什么效率只能改变兑现速度，不能拯救没有需求的产品？ • 面对不确定性，创业者思维与好学生思维有什么区别？ 章节 00:00 — 为什么要重新审视“超级个体” 01:13 — 从好学生思维转向创业者思维 01:56 — 识别照做就能成功的确定性陷阱 05:25 — 销售决定 One Person Company 的上限 10:11 — 产品、销售、效率及其不同迭代周期 11:56 — 产品可变，核心洞察要持续深化 15:48 — 从一对一咨询到标准化产品 18:01 — 效率影响增速，不决定天花板 19:15 — AI 操作系统不等于某款工具 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 先写下当前业务最卡的是产品、销售还是效率，再带着一个真实案例拆解瓶颈。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

The Tech Roast Show 把对独角兽、高薪和大厂文化的吐槽做成七位数生意，但三位主创没有把辞职包装成勇气故事：微软时期积累的副业、住父母家、Airbnb 收入与政府补助，都是这笔账不可省略的条件。 适合想离开大厂、经营创作事业或组建小团队的人，帮助你诚实核算现金流、支持系统与练习周期，而不是只看成功后的结果。 这期你会听到 • 四个平等合伙人、三名全职员工和十到二十个长期协作者，怎样撑起七位数生意？ • Austin 在微软工作的阶段，为辞职提前铺设了哪些副业条件？ • Jesse 与 Nikita 如何用不同方式降低长期练习的生活成本？ • 为什么房产、Airbnb、家庭支持与政府补助必须纳入辞职叙事？ • 恐惧、喜剧社群与舞台即时反馈，如何把热爱推向持续行动？ 章节 00:00 — 把科技吐槽经营成七位数生意 01:16 — 软件工作与喜剧工作的稳定性 02:12 — 四个合伙人与三名全职员工 03:56 — 印度巡演背后的协作网络与公司化 05:31 — 微软副业与四万美元补助：辞职前的风险缓冲 06:37 — Jesse 与 Nikita 的低成本练习期 07:37 — 诚实核算辞职背后的特权 08:34 — 恐惧、社群与即时反馈 本期嘉宾 Austin、Jesse 和 Nikita 是 The Tech Roast Show 的三位主创。Austin 从微软转向演出，Jesse 经历长期低成本生活，Nikita 则从 VR 游戏开发转向用非母语讲脱口秀。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 带来把创作变成生意的现金流测算，连同支持条件与协作成本，请大家检查风险缓冲。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI 降低了投递成本，却没有降低判断成本：求职者批量申请，招聘方则被相似简历淹没。Ethan 表示，录制时 Jobright 以不到 10 名全职员工服务 200 多万注册用户，ARR 约 700 万美元。本期从平台和求职者两端拆解这场“双向噪音”。 适合 New Grad、H-1B 求职者、转行者、Mid-to-Senior，以及在做招聘产品的 Founder，帮助你选择投递策略，并理解 AI-native 人才、产品壁垒和 distribution。 这期你会听到 • 为什么“海投还是精投”不是适用于所有求职者的二选一？ • 企业需要的 AI-native 人才，为什么必须用领域判断完成 close the loop？ • H-1B Filter 如何从用户访谈中长出来，并回应真实求职压力？ • 实时职位数据和个性化推荐为何比单纯改简历更接近 Jobright 的产品壁垒？ • AI 降低开发成本后，Founder 为什么仍要亲自理解用户并做 distribution？ 章节 00:00 — AI 招聘市场的核心矛盾 01:12 — Ethan、Carina 与 Jobright 03:15 — 不到 10 人服务 200 多万用户，ARR 约 700 万美元 05:15 — 招聘为何陷入“双向噪音” 12:37 — 不同求职阶段需要不同策略 24:51 — AI-native 人才的判断与闭环 32:50 — Ethan 为什么首先不建议创业 43:23 — 用户访谈如何催生 H-1B Filter 60:27 — 收费、转化与 distribution 74:20 — 给求职者与创业者的建议 本期嘉宾 Ethan Zheng 是 Jobright 联合创始人兼 CTO，拥有机器学习与数据库博士背景，曾任 Twitter 机器学习工程师。Carina 录制时任 Expedia Data Scientist，分享了裁员与 H-1B 压力下的求职复盘。 相关内容 观看本期视频版 阅读本期文字稿 完整版131分钟： https://youtu.be/zrypqOaq3nM 加入Superlinear Academy免费社区 拿出正在使用的求职或招聘方案，附上筛选信号与噪音样本，请大家改进判断机制。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

标题里的“豆包还是 Codex”不是产品跑分，而是聊天式工具与 agentic 工具两种工作方式的对比：前者多在对话里给答案，后者能调用文件、代码和工作流，连续完成一整段任务。真正的变化，是把目标而非零散问题交给 AI。 适合想突破聊天窗口、又担心自己没有编程背景的非技术用户，帮助你判断该从哪里开始，并把自然语言指令变成可重复执行的工作流。 这期你会听到 • Chat 与 agentic 工具在执行边界上有什么根本区别？ • Codex 如何串联音频转码、转录、高光提取与文档整理？ • 为什么换工具界面不够，工作流才决定生产力上限？ • Claude Code、Cursor 等工具如何减少人在各环节的反复介入？ • 非技术用户可以怎样安排一周练习，建立调度工具和算力的习惯？ 章节 00:00 — 成为 AI 高手的关键转变 01:00 — 聊天工具为何限制能力上限 02:00 — Chat 与 agentic 工具的差别 03:00 — 从视频后期到发布的完整工作流 06:00 — 工作流如何决定生产力上限 08:00 — 开始使用 Codex 等工具 10:00 — 非技术用户的一周练习 12:00 — 像学游泳一样进入真实实践 相关内容 观看本期视频版 阅读本期文字稿 文章： https://www.superlinear.academy/c/ai-resources/stop-using-chatgpt 加入Superlinear Academy免费社区 带上想交给代理工具完成的完整目标、文件与验收条件，请大家拆解成可重复工作流。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

模型像是给每个人配了 50 个博士级助手，多数人的工作却没有同步改变。徐老师用 TQ 解释人与模型能力之间的落差，并从 Agent、FDE 和产品逻辑出发，讨论个人与组织如何真正转向 AI 原生。 适合正在判断职业方向、设计组织结构或重做产品流程的人，帮助你区分工具使用与底层能力变化，并评估哪些工作值得交给 AI。 这期你会听到 • 为什么模型能力很强，个人的 TQ 却可能仍然很低？ • IQ 如何同时包含 intelligence 与 intensity，EQ 又为何需要考虑注意力？ • 为什么任务不应只在“找人还是用 Agent”之间选择，还要考虑多个 Agent 协作？ • 咨询顾问、设计师和运营如何转向 FDE 或 AI 原生从业者？ • 开发成本下降后，分发、用户与执行速度为什么会成为新的产品约束？ 章节 00:00 — AI 时代，职业选择该看什么 03:00 — 用 IQ、EQ 与 TQ 重估个人能力 06:00 — 为什么不是 100 个 Agent？ 12:00 — 训练 TQ，重写产品开发逻辑 17:00 — FDE 崛起如何改变职业选择 23:00 — AI 原生一代应该培养什么 28:00 — 一人公司与扁平化组织 34:00 — 白领适应 AI 的窗口正在缩短 38:00 — 把 AI 当作团队成员 40:00 — FDE、用脑卫生与创始人心态 本期嘉宾 徐老师现任 Gen 首席 AI 与创新官，负责 AI 原生浏览器 Norton Neo；早年曾在 VMware 从零搭建网络团队。本期他聚焦 AI 原生从业者的能力、职业与组织选择。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 列出当前仍由人完成的认知任务，带上质量要求与组织约束，请大家判断哪些值得交给智能工具。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

想靠一天的意志力推翻多年习惯，通常只会回到原点。所谓顺天改命，是让mindset与behavior逐步对齐，用长期行动改变未来概率，再进入一个把Builder式解决问题当作默认值的环境。 适合反复立目标却难以持续、正在学习AI或开发产品的人，帮助把自律焦虑改写成习惯积累、环境选择与下一步行动。 这期你会听到 • 为什么一次强烈行动很容易被原有mindset和behavior抵消？ • 怎样用持续练习把“遇到问题就打开Codex”变成Builder习惯？ • 为什么知行合一不是知道后立刻做到，而是长期改变每次选择的概率？ • 有效环境为何需要行动者、可见的成长阶梯与坦诚分享？ • 默认值与微小校准如何共同构成顺天改命的长期路径？ 章节 00:00 — “逆天改命”为何容易失败 01:00 — 把命理解为未来概率 04:00 — mindset如何塑造behavior与习惯 06:00 — 别高估一天，也别低估一年 08:00 — 环境如何重写默认值 12:00 — 行动阶梯与坦诚分享 16:00 — 用微小校准积累超线性增长 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 带来反复中断的目标和真实行动记录，和大家设计能逐步替代旧习惯的环境调整。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

一个200人的养狗微信群、一家每月开团的买手店、每月一场总会满员的线下活动——以及过去一年仍然为负的净利润。Vera和粒粒把养两只大型犬积累的经验做成副业，这期不讲抽象的“从零到一”，而是拿她们的真实账单、用户和产品逐项判断：需求到底在哪里，什么应该先做，什么只是看起来像生意。 这期你会听到 • 用户真正需要的不是“更多商品”，而是有人替他判断什么值得信 • 为什么先给6个朋友打电话、当场收100元定金，比一百句口头支持更接近真实需求 • 怎样从用户已有支出倒推定价，一两千人的垂直社群为什么可能足以成为全职生意 • 产品只有30分时为什么就该launch，以及线下店为什么很容易成为一条昂贵的退路 章节 00:00 — 两个狗妈，两只70磅的doodle 02:05 — 这个副业过去一年的净利润是负的 03:22 — 想做一个爆款遛狗包，为什么被劝停 05:28 — 一个月在一只狗身上到底能花多少钱 11:35 — 一小时200元的私教课，训的其实是人 22:18 — 从狗妈到买手店：现在在做的三块生意 29:40 — 打6个电话、当场收100元定金，验证真实需求 32:40 — 从价值倒推定价，社群为什么是高性价比生意 36:52 — 做一个业务，最难的其实是增长 37:45 — 你只有两次机会，但产品30分就该launch 43:14 — 要不要开线下店 本期嘉宾 Vera是一名资深UX Designer，粒粒从事环境合规政策分析。两人在西雅图因为养同款大型犬认识，后来共同发起Lumitails（光尾物语），从doodle群发展出买手店、线下活动与播客。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 如果你也在把自己的经验做成真实产品或副业，欢迎与2万+成员一起交流；社区里已有700+真实项目与实践分享： https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

意识到生成式AI可能压缩知识工作的价值后，主播一度认真筹备回美国开餐馆，最终却走向知识付费。本期复盘这条转型路径，也直面内容商业化最难的部分：消费者购买前只能先判断信任。 适合想摆脱打工、尝试卖课或发展独立收入的人，帮助判断实体生意、ToC内容业务和ToB企业培训各自解决什么问题。 这期你会听到 • 为什么对知识工作的担忧，最初把选择推向开餐馆这样的实体生意？ • 放弃餐馆后，会员频道与课程如何成为知识付费的试验路径？ • 内容商业化中，为什么高质量课程在购买前难与精美包装拉开差距？ • 从ToC转向ToB，改变了客户需求、信任建立和交付方式的哪些部分？ • 企业培训的一线反馈如何反哺课程内容与后续业务选择？ 章节 00:00 — 从大厂打工转向知识付费 03:00 — 生成式AI与知识工作的倒计时 06:00 — 寻找公司之外的收入来源 07:00 — 为什么放弃去美国开餐馆 08:00 — 从会员频道走到课程迭代 11:00 — 卖课为何容易被误解 14:00 — 从ToC调整到ToB 17:00 — 企业需求如何反哺课程 20:00 — Superlinear APP与业务下一步 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 把你的独立收入设想带来，列出目标客户、交付方式与信任门槛，请大家检验商业假设。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

Codex只听到一句“帖子更新一下”，就修改了面向大量用户的公开内容；改得不错，却依然越过了流程边界。本期讨论为何不能简单收回Agent权限，而要在自主执行与高后果操作之间设置approval gate。 适合让AI接触邮箱、社区、部署或客户系统的人，帮助区分日常自主任务与必须人工确认的操作，并设计可执行的验收标准。 这期你会听到 • 为什么Agent产出的内容正确，仍不代表它有权直接发布？ • 模糊指令与过高权限如何共同造成Codex先斩后奏？ • 怎样设置approval gate，让日常任务独立完成、对外操作必须确认？ • access control与逐次审批分别解决什么问题？ • 为什么理解能力边界和验收标准，可能比fancy prompt更重要？ 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 展示准备接入邮箱或发布系统的代理流程，标出高后果操作，请大家审查审批边界。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

超线性增长真正困难的不是偶尔做对一次，而是长期保持：把自己放进持续进步的环境，让更多当下动作在未来产生复利。本期说明为何长期主义是参与AI时代的一种基本策略。 适合已经尝试学习AI、做项目或经营个人成长，却难以持续的人，帮助判断什么样的环境能让一次进步变成长期积累。 这期你会听到 • 为什么超线性增长的难点是“保持”，而不是单次做对？ • 哪些动作能够在未来继续产生复利，而不是完成后立即归零？ • 持续进步的环境如何支持长期主义，而不只提供短期刺激？ • Stay Superlinear为何采用订阅制社区来承载这种长期积累？ 相关内容 观看本期视频版 加入Superlinear Academy免费社区 带来难以坚持的长期项目和当前节奏，和大家设计能让行动持续积累的环境实验。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

模型和API人人可用，稀缺的是把AI Agent交付成可靠业务结果的人。Jove从Cresta的一线实践解释FDE如何补上最后一公里：处理RAG、幻觉和guardrail，也理解业务、赢得客户信任并对结果负责。 适合工程师、创业者和企业AI负责人，帮助判断FDE是否值得转型、企业为何需要这一角色，以及招聘时该看技术还是交付能力。 这期你会听到 • Forward Deployed Engineer与传统驻场工程师的组织位置和责任有何不同？ • FDE如何把客户现场问题带回产品，并缩短AI Agent的time to value？ • 语音AI进入酒店、银行或餐馆时，RAG、延迟与业务细节为何构成最后一公里？ • 为什么客户信任可能比模型、guardrail和工程实现更难积累？ • Cresta如何通过编程、工程实践、行为沟通与限时构建任务面试FDE？ 章节 00:00 — Jove与FDE岗位扩张窗口 02:20 — AI Agent FDE负责什么 06:50 — 创业经历为何适配FDE 09:30 — 把客户现场反馈带回产品 16:00 — 语音AI如何进入真实服务场景 23:00 — 技术之外更难的是客户信任 26:20 — 模型易得，最后一公里难做 32:00 — FDE的人才画像与面试方式 38:30 — 从掌握技能到对结果负责 39:30 — FDE在北美与国内的不同条件 本期嘉宾 Jove在温哥华的AI公司Cresta带领约30人的FDE团队，预计扩展到100人；他曾在Splunk、EMC担任工程师和管理者，也有开发实时数据管道和流式数据库的创业经历。 相关内容 观看本期视频版 阅读本期文字稿 完整版56分钟： https://youtu.be/MF30YbZCRbM 加入Superlinear Academy免费社区 拿出卡在交付末端的企业智能项目，写明技术故障、业务约束与信任障碍，请大家诊断。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI把写代码、数据分析等premium skill变便宜之后，提高生产力未必会让全职员工受益。本期从离开Statsig创业谈起，讨论Agentic AI、business owner的激励机制，以及为什么Builder最终必须面对用户与Go-to-Market。 适合担心AI重构职业、会用ChatGPT或Cursor却没有真实产出的人，帮助判断技能溢价、收入分配和职业定位将如何变化。 这期你会听到 • 为什么Agentic AI的关键不是聊天，而是用自然语言调度算力？ • 全职员工、business owner与生产力红利之间存在怎样的激励错位？ • 当premium skill变便宜、岗位边界合并，职业会如何从技能转向结果与个人特质？ • 持续做东西并拿到用户反馈，为什么比追完所有工具更能培养Builder？ • 技术创业者为何常在产品完成后才看见销售与Go-to-Market的难度？ 章节 00:00 — 离开Statsig后为何做AI教育 04:33 — 用项目反馈建立课程与频道定位 10:23 — Agentic AI让自然语言调度算力 13:38 — 生产力红利究竟归谁 19:13 — 从会打工到成为business owner 23:53 — 复利与职业稳定感的幻觉 28:51 — 大厂表演、小团队聚焦与生活选择 本期嘉宾 课代表立正（Dr. Sun）是Superlinear.Academy创办者；这期回顾他离开Statsig后经营AI课程、社区与内容业务的实践。 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 带来用智能工具做出的内容或产品，附上用户反馈与付费证据，请大家检验价值转换路径。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

明知工作有毒、关系恶化或资产继续下跌，却仍然“先这样吧”，不一定是胆小，而可能是熟悉感、责任规避和身份绑定共同把坏现状伪装成安全，持续消耗一个人的agency。 适合察觉环境正在变坏、却迟迟无法离开的人，帮助识别自己是在理性等待，还是被沉没成本和习得性无助困住。 这期你会听到 • 为什么熟悉感会把一个确定变坏的环境误报为安全？ • 责任规避如何让“什么都不做”看起来不像一种选择？ • 环境钝感为何会诱使人用更多努力抵消持续下坡？ • 身份绑定与沉没成本怎样让离开的代价越拖越高？ • 如何识别习得性无助，并通过行动逐步找回agency？ 章节 00:00 — “先这样吧”如何吞掉选择 01:00 — 留在坏环境里的心理机制 02:00 — 在亚马逊toxic组耗尽后被裁 03:00 — 从山东到上海读高中的选择 06:00 — 熟悉感与责任规避的陷阱 07:00 — 环境钝感让努力抵消下坡 08:00 — 身份绑定制造沉没成本 09:00 — 习得性无助如何阻止离开 11:00 — 找回选择方向的agency 12:00 — 别把方向盘交给现状 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 把迟迟没有离开的坏环境当作案例，带上沉没成本、责任与身份顾虑，请大家推演可逆行动。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

屠龙从脑科学博士后走进商业世界，做过教育高管，也创业卖过书、护肤品和课程。她反复验证的一条原则是：不要坐在家里推演，要去现实里拿一手信息。先做销售还是先做产品、为什么一个品类能爆另一个卖不动、什么时候不该看竞对——这期聊的都是创业真正落地以后才会遇到的判断题。 这期你会听到 • 为什么她在2016年开车穿过宾州农村，与陌生人聊天后提前看见美国政治的转向 • 从0到5万粉丝用了7年，从5万到80万只用了半年：非线性增长的拐点从哪里来 • 先学销售、再做产品，怎样用真实交易代替想象中的用户需求 • 一个说话直接、不擅长圆滑的人，怎样在复杂现实里继续把事做成 章节 00:00 — 为什么要采访屠龙 02:00 — 从脑科学、DARPA相关项目到回国决策 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、失败的乐趣与每天诊断 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 — 网红、供应链、仓库和行业乱象 64:00 — 高客单价怎样成立：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、情商与尊重人的真实方式 91:00 — 破圈：向不喜欢但有道理的人学习 本期嘉宾 屠龙，清华大学生物学本科、匹兹堡大学脑科学博士。做过DARPA/IARPA相关项目，回国后曾任教育公司高管，后来连续创业。 本期相关 观看本期视频版 阅读本期文字稿 屠龙在社区里的帖子： https://www.superlinear.academy/c/posts/yangying 本期提到的屠龙老师《创业故事》课，包含她在产品、销售、品牌、组织管理与扭亏为盈中的实际经历。本期与该课程有合作；订阅与当前权益请向屠龙老师团队确认，微信：asm613_ 加入Superlinear Academy免费社区 如果你也在把AI与自己的专业本事做进真实项目，欢迎与2万+成员一起交流；社区里已有700+真实项目与实践分享： https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。