🎙《灯下白》EP52 刘超 🎙️嘉宾｜刘超 长期从事数字内容行业，拥有多年版权管理、版权运营与版权保护经验。从广电，到互联网视频，到IP产业，再到生成式AI，刘超的职业经历几乎完整踩中了中国数字内容产业过去二十年的几个关键节点。2026年进入AIGC赛道创业，开始做AI漫剧、AIGC TVC广告等内容业务。 主持人：吴熳 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 二十年前，一个歌手如果想让自己的歌被广播电台播放，甚至可能把小样从电台外面的栅栏递进去。 那时候，曝光比版权重要，歌手甚至希望电台能够多播几次。 二十年后，我们打开网易云音乐、腾讯视频、爱奇艺，交会员费已经成了一件再自然不过的事情。 而刘超，刚好亲历了这段变化。 他学的是法律，职业生涯却一直泡在内容产业里。从央视和央广那些积满灰尘的磁带、影像资料开始，他干的第一件重要的事，就是把过去没人说得清楚属于谁的“媒体资源”，一点点理清权属，让它们真正成为可以交易、授权、再次开发的“版权资产”。 后来互联网视频平台起来了。 百度文库、快播、搜狐视频、乐视、优酷、土豆，一代平台从盗版、正版化、版权大战一路打过来，中国用户也慢慢从“网上的东西为什么要钱”，走到了主动购买会员、电子书、知识付费甚至短剧。 再后来，刘超去了阿里文娱。 大家嘴里越来越频繁地说“IP”，他却一直在追问更底层的问题： 你到底拿到了什么权利？ 《乡村爱情》拍了十几季，平台也拿了IP衍生开发权，做一个演员盲盒的时候，却可能还差一张演员肖像权。 一首电视剧主题曲，用在电视剧里没有问题，想单独放上QQ音乐赚钱，可能又是另外一套权利。 《长安十二时辰》里一个小小的道具，如果前期没有把权利签清楚，等剧火了再回头找制作团队，商业开发的成本可能已经完全不同。 于是我们终于明白，为什么迪士尼厉害。 电影、人物、玩具、乐园、衍生品、发行渠道，看起来是一整个IP宇宙，底下其实铺着一张极其复杂的权利网络。 然后AI来了。 图片可以生成，视频可以生成，声音可以生成，一支过去需要几十个人完成的广告，现在越来越少的人就可以做出来。 当生产成本不断下降，一个新的问题出现了： 如果AI把内容制作技术彻底平权，过去二十年好不容易建立起来的内容付费体系，会不会再次被冲垮？ 刘超的答案很确定。 内容不会消失。 从人围着篝火讲故事开始，人类就一直需要内容。 AI改变的是生产方式。 而真正值钱的东西，依然藏在人脑子里那些走过的路、见过的世界、积累的常识，以及一个人究竟能不能把这些东西重新组合起来。 💡本期你会听到 1. 一个法学生，为什么一路进入央视、央广的版权资产管理体系？ 2. 当年歌手“求着电台播歌”，中国内容产业后来发生了什么？ 3. 百度文库、快播、搜狐、乐视如何共同推动中国互联网内容正版化？ 4. 中国用户用了十几年，怎样从“网上就应该免费”走到主动为内容付费？ 5. 为什么刘超说，很多看起来做IP、潮玩、影视、乐园的公司，底层都在做版权生意？ 6. 《乡村爱情》做盲盒，为什么可能还差演员的一张肖像权？ 7. 为什么作品可以不断裂变，一项IP后面可能藏着几十种不同权利？ 8. 迪士尼、漫威、索尼和蜘蛛侠之间，到底发生过怎样的版权博弈？ 9. 变形金刚为什么最早是为了卖玩具而出现的内容？ 10. AI生成的人脸、声音、图片和视频，今天的版权究竟应该怎么算？ 11. AI时代，一个内容从业者真正值钱的能力究竟是什么？ 12. 当AI把内容生产成本打下来，我们还会继续愿意为内容付费吗？ 🔥本期金句 “版权这件事情要变得有价值、能够赚钱，最后一定要落到商品上。” “权益可以无限延伸，作品也可以无限裂变。” “版权的复杂性就在这里，你稍有不慎，就可能把权利丢掉。” “你只要火了，能变现，就必然会有盗版，也必然会有搬运。” “怎么让更多用户喜欢你？讲故事是相对最容易的。” “AI时代需要更多的信息面，才能帮助你理解AI、判断AI的交付结果。” “当年加过的班、受过的累、写过的文档，到现在都有用。” “AI只是解决了一种生产方式的问题。” “从围着篝火开始讲故事，到今天，到未来，内容始终都会存在。” ⏱Shownotes 00:15 先点一盏灯，聊一个横跨二十年的内容产业老兵 刘超从数字版权一路走进AIGC，他的职业经历刚好串起广电、互联网文娱、IP商业化和生成式AI几个时代。 03:39 那些积满灰尘的录像带，怎么从“资料”变成真正的资产？ 从央视、央广开始做版权资产管理。不可复现的历史影像拥有巨大价值，可要让它重新流通，第一步永远是把“它究竟属于谁”说清楚。 07:22 当年的歌手求着电台播歌，今天播放一首歌却要先谈版权 媒介地位、内容价值和版权意识在二十年里彻底翻转。数字内容时代，用户每一次消费的背后，都绕不开版权。 13:36 中国人到底从什么时候开始愿意为内容付钱？ 从百度文库、快播，到搜狐视频和乐视，一场互联网版权战争，把用户从免费下载时代慢慢推入会员订阅时代。 22:16 从电驴、迅雷和MP3，到今天家家都有几个会员 过去搜索一首歌，很容易找到下载链接。今天越来越多用户已经把内容当成一项正常消费。中国人的精神产品消费习惯，就这样一点点改变了。 28:06 到底是谁改变了中国版权环境？ 法律、司法体系、平台治理、商业利益、用户习惯共同作用。正版内容逐渐成为平台的核心资产，保护版权也开始直接关系到会员、广告、招商和竞争力。 35:50 从免费，到付费，到愿意付费，再到主动购买 电子书、知识付费、短剧、声音内容都走过相似路径。只要一种内容真正产生消费价值，付费模式迟早会出现。 39:15 进入阿里文娱以后，刘超重新开始“盘家底” 优酷究竟拥有多少剧？每部剧拿到了哪些权利？哪些内容还能继续开发？只有先把资产理清楚，IP商业化才真正有可能发生。 41:09 《乡村爱情》想做演员盲盒，结果发现还差一张肖像权 拿到了IP衍生开发权，依然不意味着所有东西都能直接做。演员的脸、主题曲、服装、道具，都可能对应新的权利。 46:39 一部作品为什么可以像树一样不断长出新权利？ 文字、音乐、表演、视听作品，每一种作品背后都有不同权利主体。一次授权和另一种商业使用之间，可能隔着完全不同的合同关系。 49:29 为什么中国有这么多好IP，却很难长出一个迪士尼？ IP开发需要从最终商业目标往前倒推，把制作团队、人物形象、道具、音乐和后续开发所需权利提前装进同一套体系。 51:00 《冰雪奇缘》背后，是一套完全不同的IP思考方式 乐园、玩具、角色、故事、电影可以互相驱动。一个内容项目的起点，有时候来自一个更加宏大的商业场景。 56:11 为什么蜘蛛侠换过那么多演员？答案可能藏在版权合同里 漫威经营困难时曾把大量IP权益分散出去。迪士尼收购漫威之后想重建宇宙，第一件重要的事情，就是把散落的版权重新拿回来。 59:50 从玩具到动画再到环球影城，变形金刚到底是谁的？ 一个玩具形象进入影视以后会产生新的银幕形象，而电影火了之后，玩具公司又可能需要重新获得形象授权。内容和商品就这样互相推动。 01:03:34 大家嘴上都不说自己做版权，生意却绕不开版权 潮玩、影视、IP、广告、个人内容品牌，表面上的产品完全不同，背后都依赖内容和权利形成长期商业价值。 01:04:26 AI来了以后，版权问题一下变得更复杂了 训练数据、人脸、声音、生成内容、模型平台条款，都在制造新的边界问题。很多问题已经被看见，司法标准仍然在发展之中。 01:09:34 快问快答：刘超每天究竟在用什么AI？ Shark Short、Kimi、WorkBuddy，以及为什么他喜欢让AI不断反驳自己，用它给自己的思考查漏补缺。 01:11:27 AI时代，一个内容人真正值钱的东西是什么？ 看得足够多，拥有足够宽的通识，同时在脑子里建立自己的知识抽屉。需要的时候，知道应该从哪个抽屉里拿出什么。 01:14:08 普通人只有30天，怎么开始做AI漫剧？ 先给自己留出真实的工具和算力预算。前21天大量看，后7天开始复刻，把脑子里印象最深的画面真正做出来。 01:17:24 AI把内容做得越来越便宜，会把内容付费体系冲垮吗？ 刘超的回答是不会。 技术会变，生产方式会变，人类对故事、娱乐、陪伴和表达的需求一直存在。 📖故事摘要 如果把刘超过去二十年的经历连起来，会发现他一直在做同一件事： 研究内容究竟怎样变成资产，又怎样从资产变成生意。 他的职业起点，是央视和央广那些已经无法重新拍摄、重新录制的历史资料。 影像摆在库房里有价值，可只有权属清晰之后，它才能继续被剪辑、授权、数字化和开发。刘超参与的工作，就是把大量“媒体资源”重新变成真正可以运营的“版权资产”。 随后互联网来了。 过去歌手希望获得曝光，后来平台开始为了获得热门内容付出巨额版权成本。百度文库、快播、搜狐、乐视、优酷、土豆经历的一系列竞争，也慢慢改变了中国用户对数字内容的认知。 刘超亲眼看着一代用户从迅雷、电驴、MP3免费下载，走到今天主动购买视频会员、音乐会员、电子书、知识产品和短剧。 2018年进入阿里文娱后，他开始面对更加复杂的一张网。 一个IP究竟能不能做盲盒、做动画、做主题乐园、开发周边，并不只取决于它火不火。 真正决定商业空间的，还有过去到底签下了哪些权利。 演员肖像、音乐、道具、形象、改编、发行、信息网络传播，每一项权利都会决定这个故事还能往哪里继续长。 所以一个成熟IP最难复制的地方，往往藏在用户看不到的地方。 然后，生成式AI开始把生产成本快速压低。 刘超也从做了二十年的版权行业进入AIGC创业。 面对AI，他依然保留着过去那套思考方式。 工具可以换，模型可以换，生产成本可以降，但一个内容人积累过的常识、经验、审美、行业理解，以及把不同知识连接起来的能力，不会因为工具变强就突然失去价值。 他说自己最值钱的东西，是“通识”。 那些过去走过的路、加过的班、写过的文档、看过的舞台、电影和故事，最后都变成了大脑里的一个个抽屉。 AI来了以后，他反而可以更快地打开这些抽屉，把过去二十年的东西重新组合起来。 这可能也是这期节目最有意思的地方。 我们表面上聊了一个多小时版权。 最后聊到的，其实还是人。 当制作技术越来越平权，人真正经历过什么、理解过什么、见过多少世界，反而越来越重要。 AI会继续改变内容的形式。 而人类依然会继续讲故事。 💬听众互动 你还记得自己第一次开始主动为“内容”付费，是为了什么吗？ 一张电影票，一个视频网站会员，一张数字专辑，一本电子书，一门课，还是某个你特别想继续听下去的故事？ 如果今天让你重新盘点自己过去十年积累下来的“知识抽屉”，你觉得里面最值钱的东西是什么？ 欢迎在评论区告诉我们。 也欢迎把这期节目分享给每一个正在做内容、做IP、做AIGC，或者正在思考AI时代自己究竟还剩下什么的人。

🎙《灯下白》EP51 黄啊码 嘉宾：黄啊码 创业公司CTO、广东省人工智能协会讲师、AI内容创作者，拥有十余年技术开发与产品实践经验。生成式AI兴起后，先后深入实践AIGC、Coze工作流、Vibe Coding等方向，并持续参与百度秒哒等AI开发平台的产品实践、赛事与商业项目。如今关注AI产品开发、企业交付、个人IP与AI商业化，持续探索普通技术人如何在模型快速迭代的时代建立自己的长期能力。 主持人：吴熳 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！ 🪝本期故事 如果把黄啊码这些年的技术路径摊开来看，会发现他其实很少在一个工具上停留太久。 程序开发做了很多年，生成式AI起来以后，他先去研究大模型，又很快进入Stable Diffusion、Midjourney和AIGC视频；做了一段时间视觉创作之后，他发现自己的优势并不在纯审美，于是转向Coze工作流；等Vibe Coding开始兴起，他又把多年程序开发和工作流的经验迁移过去，继续用百度秒哒等平台做产品。 看起来一直在换。 但他自己并不觉得这些事情是割裂的。 因为每一次新工具出现以后，他做的其实都是同一件事：先上手，先做东西，再判断自己真正擅长的部分在哪里，最后把之前积累下来的能力重新装进新工具里。 黄啊码把自己的学习方式形容得很简单： “我的路子比较野。” 他很少等到“完全学会”之后再开始。往往是先碰到问题，再去补能力；做着做着发现一个环节不够，就继续往下研究。多年以后回头看，那些原本散落的知识反而慢慢拼成了自己的体系。 这也是他进入AI以后一个很明显的特点。 ChatGPT刚出来时，他当然研究过基础模型。但很快就发现，真正直接进入基础模型研发，并不是自己最有优势的战场。 那就换一个入口。 Stable Diffusion和Midjourney出现，图片给人带来的视觉冲击非常直接，他开始做AIGC图片和视频，也在这个方向上做出过一些成绩。 但做得越多，他反而越敢承认自己的短板： 审美没有那么强。 模型可以帮你生成一张图片，却不会因为你会写Prompt，就自动把十几年视觉训练塞进你的脑子。 构图、颜色、UI、人物风格和整体体验，这些能力依然需要积累。 所以当Coze工作流开始出现时，黄啊码反而一下找到了舒服的位置。 节点、输入、输出、条件判断、业务流程怎么拆、一个环节怎样连接下一个环节——这些事情，本来就是程序开发长期训练的能力。 过去写在代码里的逻辑，现在变成了更加直观的工作流。 再后来是Vibe Coding。 对很多普通人来说，这是第一次能够用自然语言真正做软件。 可对黄啊码来说，它更像一次新的能力迁移：以前要亲手写很多代码，现在可以把大量执行交给AI，但真正决定产品能不能成立的，依然是需求、结构、逻辑和最后如何验收。 所以他后来在百度秒哒上的一系列实践，并不是突然从天而降。 2025年参加秒哒相关黑客松时，他甚至很坦率地说： 最开始就是奔着奖金去的。 但既然参加，就认真做。 他还邀请塔塔一起参加。因为他很清楚，自己偏技术和产品逻辑，而塔塔在视觉与审美上能够形成很好的补位。 最后塔塔拿到第二名，黄啊码拿到第三名。 比赛结束以后，真正重要的东西才开始发生。 成绩带来认可。 认可带来曝光。 曝光以后，过去那些存在自己电脑里的产品第一次开始进入更多人的视野。 他之前做过小说相关产品，后来继续延伸到漫剧工具，再往后，真的有人带着需求找到他，开始产生定制开发订单。 走到这里，黄啊码才越来越清楚地看见一条商业路径： 积累 → 作品 → 认可 → 曝光 → 变现。 所谓“突然被看见”，很多时候只是别人只看到了最后两步。 真正决定后面能不能接住机会的，往往是前面已经做了多久。 AI确实把很多过程压缩了。 但它并没有取消积累。 💡本期你会听到 一个做了十多年技术开发的人，是怎样进入这一轮生成式AI浪潮的。 为什么黄啊码并没有把自己绑定在某一个AI工具上，而是不断从AIGC、工作流迁移到Vibe Coding。 长期程序开发到底训练了哪些能力，以至于新的AI工具出现以后，可以快速迁移。 为什么他说自己的学习方式“路子比较野”，以及“遇到问题再补知识”为什么也可以慢慢形成一套自己的体系。 早期医疗健康相关工作经历，为什么让他一直对“技术到底能不能真正解决人的问题”保持兴趣。 他怎样尝试让AI帮助梳理自己的健康信息，又为什么反复强调个体经验不能被直接复制，AI的回答也必须经过现实判断。 为什么在AI时代，“会使用模型”和“把判断权全部交给模型”完全是两件事。 ChatGPT出现以后，他为什么没有强行去卷自己并不占优势的基础模型研发。 Stable Diffusion、Midjourney为什么成为他进入AIGC视觉创作的重要入口。 做AIGC图片和视频以后，他为什么反而越来越清楚自己在审美上的短板。 AI为什么可以降低执行门槛，却不会自动抹平人与人在审美、判断和经验上的差距。 从AIGC转向Coze工作流，为什么是一次非常自然的能力迁移。 节点、条件、输入输出和业务流程为什么天然符合程序员的思考方式。 为什么他甚至在使用Coze之前，就已经自己折腾过类似逻辑的产品。 从Coze到Vibe Coding，上一代工具留下的能力怎样继续发挥作用。 为什么Vibe Coding并不等于“不需要产品思维”。 第一次接触百度秒哒时，他为什么没有立刻觉得它会改变一切。 参加秒哒黑客松，最开始为什么只是想拿奖金。 为什么他主动找塔塔组队，以及技术能力和审美能力怎样形成互补。 比赛名次之外，公开比赛真正能够带给个人什么。 从小说产品到漫剧工具，再到真正出现商业定制订单，一项能力怎样逐渐完成商业化。 为什么黄啊码说，很多看起来偶然的机会，往前追都有很长的积累。 个人做AI产品，到底应该花多少钱。 为什么过去他也喜欢研究“怎么白嫖”，后来却越来越发现，有时候不花模型的钱，反而会花掉更多时间。 免费模型、便宜模型和更强模型之间应该怎样做取舍。 个人实验和企业交付为什么完全是两套成本逻辑。 为什么企业客户不关心你调用哪个模型、花了多少Token，它真正购买的是最终结果。 一次为了替甲方降低模型成本的选择，为什么最后反而造成更多返工。 “省钱”为什么有时候是AI交付里最大的隐性成本。 为什么黄啊码认为，AI时代只靠一张传统简历证明自己越来越不够。 当AI可以帮助每个人写出一份漂亮履历，真正的项目为什么变得更加重要。 一个人有没有真正做过项目，为什么只需要向下追问几层细节就很容易判断。 产品、作品、文章和公开表达，怎样逐渐成为个人的新型履历。 为什么做个人IP不意味着一定要当网红。 IP如何降低陌生人理解你的成本，又怎样影响一个人的时间定价。 “我们上班本质上也在出售自己的时间”，那么怎样让同样的一小时变得更值钱？ 黄啊码最常使用哪些AI产品，以及他怎样根据不同业务选择不同工具，而不是形成单一模型信仰。 企业交付里为什么“客户使用什么生态”本身也是工具选择的重要条件。 做Vibe Coding时，他认为最重要的产品习惯是什么。 为什么真正的问题往往不是AI不会做，而是人自己一开始没有把需求说清楚。 不断让AI“再改一版”，为什么和过去甲方不停让设计师修改非常像。 一个产品从第一版改到第五版，为什么最后经常发现还是第一版比较好。 什么叫终局思维：先定义最后什么叫“完成”，再让AI决定中间怎样实现。 需求、验收标准和边界为什么应该在人开始Coding之前先想清楚。 普通人用30天学习Vibe Coding，第一步为什么不是做一个宏大的创业项目。 从一个自己真正需要的小产品开始，为什么成功概率更高。 “自己就是第一用户”，对于产品验证意味着什么。 个人网站为什么是一个非常适合普通人的第一款Vibe Coding产品。 为什么一个真正需要用来介绍自己的个人网站，比单纯为了练习开发一个Demo更有意义。 未来的OPC为什么并不等于“一个人把所有工作全部做完”。 一个人的核心能力、AI、合作伙伴和外部专家怎样共同组成新的工作生态。 为什么知道“谁擅长什么”，有时候比逼自己什么都学会更重要。 🔥本期金句 我的路子比较野，很多东西都是遇到问题以后再去补。 AI可以帮你做很多事情，但你不能把自己的判断也一起外包出去。 尽信AI，就等于把脑子也让渡给AI。 做AIGC做得越多，我反而越能看到自己的审美短板。 工具越来越简单，并不意味着真正的能力差距消失了。 你本来就有优势的地方，为什么不用？ 我不会强迫自己在别人最强的地方硬卷，我会找自己能力最容易迁移过去的位置。 很多所谓碰巧的机会，前面都有很长的积累。 真正的路径是积累、作品、认可、曝光，最后才是变现。 没有所谓突然成功，很多东西只是别人没有看到前面的过程。 AI时代该花的钱还是要花，有时候你省下的是模型费，浪费的是自己的时间。 企业客户购买的是结果，不是你中间用了多少个模型。 为了给甲方省一点模型的钱，最后反复返工，这个钱其实省错了。 如果这个时代还只靠一张简历证明自己，可能已经不够了。 Title可以包装，项目经历很难经得住连续追问。 个人IP不是单纯追流量，它是在让市场更快理解你到底值多少钱。 工作本质上也是在出售自己的时间。 Vibe Coding最重要的不是Prompt技巧，是你得先知道自己到底要什么。 先确定最后怎样验收，再让AI决定中间怎么做。 普通人的第一个AI产品，最好首先对自己有用。 你自己就是用户，这是一个非常好的开始。 一人公司不是让一个人把所有岗位都干一遍。 AI时代更像围绕一个人重新形成一套能力生态。 我不需要每一项能力都自己做到最好，我要知道谁在这件事上做得最好。 ⏱Shownotes 00:01 黄啊码登场：CTO、AI讲师与长期产品实践者 00:39 从传统程序开发一路进入AI，他的技术路径是怎么长出来的 01:35 具体知识会过时，为什么解决问题的思维可以一直留下 02:42 “我的路子比较野”：非标准化的技术成长方式 04:59 Java、PHP再回到Java，多年技术能力如何慢慢积累 05:22 为什么早期职业经历长期和医疗健康相关 07:04 一次用AI重新梳理个人健康问题的尝试 08:00 AI给出另一种思路以后，为什么仍然需要现实世界的专业确认 09:50 个体经验不能复制：AI辅助判断的边界在哪里 10:16 ChatGPT出现以后，他为什么没有继续硬卷基础模型 11:08 Stable Diffusion、Midjourney和AIGC视觉创作 12:10 做得越多，为什么越意识到审美的重要 13:10 转向Coze工作流：终于回到自己熟悉的逻辑世界 13:45 程序开发和工作流之间为什么高度相通 15:15 从Coze到Vibe Coding，能力如何继续迁移 15:44 百度秒哒进入视野 16:22 第一次接触秒哒，并没有想象中那么激动 16:54 参加黑客松：坦白说，一开始就是冲着奖金来的 17:19 拉塔塔一起参赛：技术与审美怎样互补 17:46 比赛成绩之外，真正重要的是公开认可 18:11 公开曝光如何进一步制造新的机会 18:32 小说工具、漫剧工具和第一张定制开发订单 19:03 积累—认可—曝光—变现，一条路径开始变清晰 19:31 为什么很多“突然成功”只是前面的过程没有被看见 20:16 AI工具到底该不该白嫖 20:41 省了模型费，为什么可能付出更多时间成本 21:02 个人使用和企业交付的成本逻辑有什么不同 21:23 真正开始交付以后，该花的钱省不掉 21:50 AI从业者为什么经常一边用最贵模型，一边熬最深的夜 22:54 技术之外，为什么开始认真经营个人IP 23:14 AI时代，传统简历为什么正在失去一部分证明力 23:51 AI能润色所有人的履历，但项目细节很难伪造 24:35 产品、作品和公开内容怎样成为新的个人名片 24:57 为什么做IP也可以理解成经营“自己这款产品” 25:22 怎样让自己的时间拥有更高定价权 25:46 快问快答：不同AI工具分别在什么场景下使用 26:42 最值钱的Vibe Coding习惯：先把需求讲清楚 27:10 为什么AI产品越改越乱，和传统甲方改设计完全一样 27:29 终局思维：先写验收标准 27:48 企业交付最大的坑之一：为了省钱选择了不合适的模型 28:16 甲方最后买的是结果 28:29 普通人30天入门Vibe Coding，应该先做什么 28:50 先做自己真正需要的一个小产品 29:19 为什么个人网站是很好的第一款AI产品 29:46 未来一年：先把身体和节奏照顾好 30:03 一步一个脚印继续经营自己的IP与产品 30:17 为什么不再追求每个方向都必须自己最强 30:37 一人公司并不是一个人什么都做 30:52 AI时代，一个人如何建立自己的能力生态 📖故事摘要 黄啊码做技术已经很多年。 如果只看今天，他身上有很多AI时代非常典型的标签：AIGC、工作流、Vibe Coding、百度秒哒、AI产品、个人IP、企业交付。 但真正把这些标签串起来的，并不是某一个模型。 而是迁移。 他的技术成长方式一直不算特别标准。 一个问题来了，就去解决一个问题；缺哪块知识，就补哪一块。慢慢做下来，曾经看起来零散的技术、产品和业务经验，反而形成了一套属于自己的方法。 所以ChatGPT出现以后，他没有因为自己是技术人，就默认一定要钻进基础模型。 研究过以后，他很快开始判断： 这到底是不是我的优势？ 如果不是，就找下一个自己能够真正动手的位置。 Stable Diffusion、Midjourney等工具出现时，他进入AIGC图片和视频。 视觉生成第一次让普通人以极低门槛进入过去需要大量专业能力才能完成的创作。 黄啊码也认真做了一段时间。 越做，他反而越意识到： AI降低的是执行门槛。 不是审美门槛。 同样一个模型，有人做出来只是“AI味很重的一张图”，有人可以做成完整、有风格、有辨识度的作品。 差别依然来自人。 构图、颜色、UI、视觉判断，以及一个人到底看过多少好东西。 意识到这一点以后，他没有逼自己一定要成为最好的视觉创作者。 他开始重新寻找自己的优势。 Coze工作流出现以后，答案非常明显。 工作流里的节点、输入、输出、条件、变量和业务流程，对于一个做了多年程序的人来说非常熟悉。 过去这些东西藏在代码里。 现在AI和低代码工具把它们重新变成更加直观的结构。 黄啊码甚至发现，自己在正式接触Coze以前，就已经做过相似逻辑的产品。 工具是新的。 思维不是。 到了Vibe Coding阶段，这种迁移变得更加明显。 过去软件开发最大的壁垒之一，是把人的需求翻译成机器可以执行的代码。 现在大量翻译过程可以交给AI。 但这并不意味着人什么都不用懂。 恰恰相反，代码成本下降以后，真正影响产品质量的东西开始继续向前移动： 你的需求清不清楚？ 业务结构合理不合理？ 产品最后解决谁的问题？ 什么叫做完？ 怎么验收？ 一个人如果连这些都没有想清楚，AI越快，只会越快生成一堆以后还要推倒重来的东西。 所以黄啊码现在特别重视“终局思维”。 先把终点描述清楚。 告诉AI： 我最后需要什么结果。 有哪些功能。 哪些东西必须满足。 验收标准是什么。 至于中间怎样实现，可以让模型参与判断。 这和很多人使用Vibe Coding的方式恰恰相反。 很多人先说： 帮我做一个App。 生成以后发现不满意。 再改。 这个地方调整。 那个地方再换。 改到第四版、第五版，代码越来越复杂，产品越来越乱，最后突然觉得： 好像还是第一版最好。 这不是AI的问题。 而是人类版的需求变更一直没有停止。 黄啊码过去做企业交付时，也踩过另一种很现实的坑： 过度考虑成本。 他曾经希望替甲方节省模型费用，所以选了价格更低但能力相对弱一些的方案。 结果输出质量不够。 甲方不满意。 继续改。 继续调。 再返工。 最后节省下来的模型费用，根本抵不过双方多花的时间。 这件事让他重新理解什么叫B端交付。 客户购买的不是Token。 也不是你中间的聪明操作。 客户购买的是结果。 如果一个更好的模型可以更快交出合格结果，该花的钱反而应该花。 所以黄啊码现在对“白嫖AI”这件事没有过去那么执着。 免费工具当然可以用。 但一个人的时间同样是成本。 模型贵100块，却能帮你省三小时；另一个工具完全免费，却需要反复折腾半天，这两件事到底谁更便宜，得重新算账。 他在百度秒哒上的经历，也让这套“结果思维”进一步延伸到了商业。 2025年参加相关黑客松时，他最开始的目的并不宏大。 奖金。 既然平台办比赛，那就参加。 他还把塔塔拉过来组队。 因为他知道自己技术逻辑强，但审美不是最突出的能力，而艺术背景的塔塔恰恰能形成补位。 最终塔塔拿第二，黄啊码拿第三。 可真正影响后续的，并不是比赛名次本身。 比赛给了作品一个公开的认可。 认可以后，别人开始知道这个人。 过去藏在电脑里的项目被看见。 小说工具进一步变成漫剧方向的产品。 随后真实的定制需求开始出现。 到了这个时候，他才把整条链路看得越来越清楚： 积累。 作品。 认可。 曝光。 最后才是变现。 今天看一个人突然接到AI订单，很容易觉得： 这个风口真好。 但再往前看，他可能已经做了一年、两年，甚至更久。 只是过去那些时间没有被市场看见。 AI时代只是让“被看见以后迅速变现”的速度变快了。 没有取消前面的积累。 也正是因为这样，黄啊码越来越重视个人IP。 AI能够把一份普通简历润色得非常漂亮。 Titles可以写得很好听。 经历可以包装。 但真正做过一个产品的人，一旦被追问细节，回答完全不同。 为什么这么设计？ 踩过什么坑？ 最开始的需求是什么？ 用户用了以后怎么反馈？ 模型为什么这样选？ 从第一版到最后发生了什么？ 问三层、五层，很难装。 所以在他看来，一个人在今天最有价值的履历，越来越不只是PDF。 而是公开存在的作品。 产品。 项目。 文章。 演讲。 真实案例。 这些东西共同组成一个人的市场认知。 所谓做个人IP，也不一定非要追求百万粉丝。 它更基础的价值，是让一个陌生人还没真正和你合作以前，就已经能够判断： 这个人到底会什么。 这样，信任成本会下降。 合作成本也会下降。 一个人的时间定价，可能随之改变。 从这个意义上来说，每个人其实都在经营“自己这个产品”。 上班是在出售时间。 咨询是在出售时间。 开发是在出售时间。 内容也是在出售某种注意力和经验。 真正的问题是： 怎样让同样的一小时越来越值钱？ 黄啊码目前给出的答案，并不是让自己变成一个六边形战士。 恰恰相反。 他越来越接受： 我不需要所有东西都做到最好。 有人审美比我强。 有人营销比我强。 有人在某个模型上理解更深。 有人更懂一个具体行业。 我要知道自己的强项，也要知道其他强项分别长在谁身上。 AI则负责吃掉越来越多过去纯执行的部分。 这也是他对“一人公司”的理解。 一人公司并不等于： 这个人没有任何合作伙伴，一个人从早到晚把程序、设计、运营、销售、财务全部干完。 那仍然只是一个非常累的个体户。 真正的AI时代，一个人更像一个节点。 围绕自己连接AI、合作伙伴、专家、平台和客户。 自己保留核心判断。 其他部分不断调用更合适的能力。 这才更接近一个人的生态。 如果普通人今天第一次接触Vibe Coding，黄啊码也没有建议一上来就做一个“改变世界”的产品。 先做小的。 最好做一个自己真的会使用的东西。 比如个人网站。 如果本来就需要向别人介绍自己，那么它有真实用途。 可以拿来展示。 可以持续改。 可以真的收到反馈。 产品不是为了证明“我会用AI”。 产品首先应该有用。 这是AI把开发门槛不断降低以后，反而越来越重要的一条标准。 聊到最后，黄啊码谈未来一年。 他第一个说的是： 身体健康。 少熬夜。 这个答案放在一群天天讨论模型、Agent、Coding和创业的人中间，反而显得特别实际。 技术永远还会有下一个。 今年是这个模型。 明年可能又完全不同。 一个人不需要每次都成为最早的那一个。 真正重要的是，在工具持续变化的时候，还能持续把过去的经验带过去。 找到自己的优势。 做点真实的东西。 让别人看到。 接住新的机会。 然后继续往下一块积木走。 💬听众互动 如果AI已经让“把一个想法做成产品”的成本越来越低，那么你过去真正积累下来的那项能力是什么？ 如果把它和今天的Vibe Coding结合起来，你最想做出的第一个真实产品，又会是什么？

🎙《灯下白》EP50 Terry 嘉宾：Terry Tang 跨境电商创业者、SEO/GEO实战者、AI工作流实践者。大学学习土木工程，毕业后曾参与“一带一路”海外工程项目，在巴基斯坦工作三年。回国后从外贸独立站切入跨境电商，长期深耕海外SEO，后做到SEO负责人，并加入AI SaaS初创公司参与产品出海。如今以OPC方式创业，运营AI工具出海网站、Claude Code训练营及跨境企业AI提效业务，持续探索AI时代的独立站、海外获客与品牌增长。 主持人：吴熳 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！ 🪝本期故事 吴熳第一次看完Terry的履历，只说了一句话： “真的是干土木的，啥都能干。” Terry大学学的是土木工程。那个专业在他入学的时候还很热门，等真正走进社会，建筑行业的周期已经开始变化。好在他英语不错，毕业后进入一家中字头企业，参与“一带一路”海外工程项目，在巴基斯坦一待就是三年。 后来为了结婚和家庭，他回国了。 可回到湖北襄阳，他很快面对一个现实问题：原来的土木路径已经很难提供理想的工作机会。 他只好重新找自己身上还能卖出去的东西。 其中一个是英语。 另一个，是大学时期因为爱好自学的建站技术。 他进入一家外贸公司做业务，看到老板主要依靠阿里国际站等平台获客，就主动提了一个建议：做外贸，为什么不自己建网站？ 老板问：你会吗？ 他说：我会。 于是，一个土木工程毕业生，靠着自己大学里折腾WordPress留下的技术爱好，给公司搭起了独立站。 网站做好之后又有新的问题： 没人来。 为了让海外客户在Google里找到网站，他开始学SEO。从网站速度、页面结构、关键词调研，到英文博客、Landing Page、搜索意图和竞品分析，他一点点进入这个行业。 后来，因为一个QQ群里认识的“贵人”，他从襄阳来到深圳，真正进入跨境电商行业，并一路做到SEO负责人。 所以Terry的人生看起来一直在转行，但其实有一条很明显的暗线。 英语把他带到海外。 建站把他带进外贸。 SEO把他带到深圳。 跨境电商又把他带进AI。 每一次转身，都是上一段经历里那个当时看起来“不太重要”的能力，在几年之后突然派上了用场。 Terry第一次真正感受到生成式AI的冲击，也发生在SEO工作里。 以前做海外SEO，大量成本花在英文内容生产上。一篇专业英文稿件可能需要找海外写手，成本很高。后来他开始使用接入GPT-3.5能力的Jasper AI，只需要给出产品参数，AI就可以迅速完成英文产品描述和内容初稿。 那一刻，他觉得整个行业的成本结构都被改写了。 更戏剧性的是，后来ChatGPT自己上线，Jasper这种曾经让他觉得非常惊艳的工具，很快失去了原来的位置。 Terry亲眼看见了一个产品如何因为基础模型能力跃迁而被迅速削弱。 这也让这一期再次出现《灯下白》反复聊到的那个问题： 所有建立在模型能力缺口上的工程优势，都必须面对下一次模型升级。 但AI没有把SEO直接消灭。 Terry反而认为，只要人还需要寻找答案、解决问题，搜索这件事就不会消失。Google加入AI Overview，GEO开始兴起，搜索入口和答案呈现方式在变化，可“一个人有需求，然后去寻找解决方案”这个底层逻辑没有变。 于是他又从SEO开始研究GEO。 再后来，他加入一家AI SaaS初创公司，参与从0到1的海外业务。 可真正让他决定再次离开的，并不是职业危机。 而是工作突然变得太轻松了。 那时候Terry已经把大量SEO流程迁移进Claude Code，并提前配置了自己的Skills。每天到了公司，他只需要用自然语言告诉Claude Code： 帮我做最近的关键词调研。 看看哪些任务还没完成。 把几篇文章写出来。 检查一下站内优化。 然后AI就在后台开始工作。 Terry起身去泡茶。 等他回来，很多过去需要自己坐在电脑前处理很久的事情，已经做完了。 他后来形容，那一刻首先感受到的不是爽，而是： 无比的孤独和空虚。 因为他突然意识到，自己好像拿到了一把非常好的钥匙，却还待在一个已经过于舒适的位置里。如果继续每天花很少时间完成已经熟悉的工作，这种舒服反而可能变成一种蹉跎。 于是，他从公司出来，开始做OPC。 更有意思的是，他出来以后第一个被市场验证的产品，并不是一个复杂的AI SaaS。 而是一门Claude Code训练营。 最开始，他只是在深圳跨境电商社群里免费分享自己的AI工作流。有人安装都不会，有人不知道Skill是什么，也有人看了很多教程，却依然不知道怎样把Claude Code真正接进自己的业务。 Terry觉得，也许应该有一套Roadmap，从安装开始，一步一步带着大家真正做出来。 他采用了独立开发者非常典型的方式： 先别做。 先卖。 第一期课程连完整内容都还没有，只有大纲。他直接问社群里的朋友：我要做这样一个训练营，2000元，两天一夜，线下，有没有人来？ 来了接近20个人。 后来一期又一期，做到了第六期。 这件事给Terry最大的冲击不是“原来培训能赚钱”。 而是： 原来一个人真的可以不上班，也能养活自己。 这是一种完全不同的底气。 公司给你的工资，不一定是你全部的市场价值。真正能够被拿走的，是你积累了多少行业Know-how，有多少人相信你确实解决过问题，以及你能不能把这些经验重新组织成别人愿意付费购买的结果。 现在，Terry依然在运营自己的AI工具出海网站。其中一个网站每天大约有1000名用户访问，也已经能够产生相对稳定的广告收入。 而他正在越来越关注另一个机会： 中国小B企业的B2B出海。 过去，一个非常细分的中国制造企业想自己做海外独立站，成本并不低。建站需要人，设计需要人，SEO需要人，网站运营需要人，英文内容同样需要人。 所以很多企业最后只能依赖平台。 但AI Coding正在把这些成本快速压下来。 如果一个工厂只生产一种非常细分的产品，比如沙发垫、挂绳、某种器械配件，它过去可能因为市场太小，根本养不起一整套独立站团队。 现在，一个人就可能同时完成建站、设计、内容、关键词调研和部分运营。 而越垂直的B2B产品，搜索需求往往越精准。采购商不是随便看看，而是真的可能一次买100件、1000件。一旦在Google或者未来的GEO场景里抓住这个需求，单个询盘的商业价值可能远高于大量普通C端流量。 Terry已经在身边学员身上看到真实案例： 一些极其细分的B2B独立站，每天能够收到四五封来自海外采购商的询盘。 这也是为什么他在节目里忍不住把它称为： “财富密码。” 当然，他非常清楚，从“知道财富密码”到“真正赚到钱”，中间还有巨大差价。 这也是Terry整期节目最稳定的一套方法： 不要上来就写文章。 先诊断网站。 不要上来就做产品。 先查需求。 不要自己坐在那里猜海外用户喜欢什么。 先看关键词、趋势、竞争和搜索意图。 关键词调研在他看来就是“兵马未动，粮草先行”。 SEO的目的也从来不是写文章。 从第一性原理倒推，最后要的是利润；利润之前是成交；成交之前需要流量。 文章只是其中一种获得自然流量的方法。 AI时代，这套逻辑依然没有变。 只是一个人能够完成的环节，突然多了很多。 💡本期你会听到 土木工程毕业的Terry，为什么第一份工作跑去了巴基斯坦，以及英语怎样成为他人生第一次换轨的关键能力。 从“一带一路”海外工程回国以后，他为什么没有继续做建筑，而是在湖北襄阳一家外贸公司重新开始。 明明是土木工程专业，为什么他会搭网站。一个大学时期自己折腾WordPress的爱好，后来怎样变成真正的职业筹码。 他为什么主动说服外贸老板建立独立站，以及当一个网站建出来却没有人访问以后，SEO又是怎样进入他的职业生涯。 从襄阳到深圳，一段QQ群里认识的关系为什么最终带给他跨境电商职业机会。 SEO到底是什么？为什么“SEO=写文章”是一个很大的误解。 网站速度、移动端适配、Google抓取、关键词、页面文案、Landing Page和博客内容分别解决什么问题。 什么叫Thin Content，为什么一个只有产品和广告、缺少足够信息的网站很难获得搜索引擎信任。 为什么Terry认为SEO既需要理科思维，又需要文科思维，而且真正日常工作里文科能力可能反而占得更多。 以前没有AI时，一篇1000多词的英文文章为什么真的需要“手搓”。 SEO的第一性原理是什么：为什么最后要从利润一路倒推到成交、流量和内容。 为什么拿到一个网站以后，第一步不应该马上写文章，而是先做网站诊断。 关键词调研为什么叫“兵马未动，粮草先行”。 Semrush、Ahrefs等专业工具到底在查什么，搜索量、关键词难度、趋势和网站权威度怎样影响决策。 小众、蓝海、高利润的关键词为什么可能比大流量红海词更有商业价值。 Terry过去是怎样学HTML、CSS、服务器和网站技术的，以及为什么他的学习方式一直是“遇到问题，再解决问题”。 英语能力为什么从巴基斯坦工程项目一路影响到他后来的跨境电商职业。 第一次使用Jasper AI生成海外SEO内容时，他为什么觉得行业发生了转折。 过去需要海外写手完成的英文内容，GPT-3.5时代已经怎样开始降本。 Jasper AI后来为什么迅速失去原来的优势，以及基础模型升级怎样改变AI应用创业的生存环境。 AI生成内容越来越容易以后，SEO到底会不会消失。 Google AI Overview、SEO和GEO之间是什么关系。 为什么Terry认为，只要人还在寻找答案，“搜索”作为需求就不会消失。 GEO是不是SEO上面套了一层RAG？为什么现在行业开始发现，两者不能完全画等号。 做到SEO负责人以后，他为什么主动进入AI SaaS创业公司。 每天高强度使用AI超过数小时，一个人的职业方向会怎样被重新塑造。 为什么他最后离开AI SaaS公司，选择自己做OPC。 那杯改变职业路径的茶：给Claude Code下完指令以后，回来发现工作全部完成，为什么反而让他感到孤独。 一个人工作效率变得太高以后，舒适区为什么反而可能变危险。 Claude Code训练营是怎样从一次免费社群分享长出来的。 为什么有人连安装都卡住，而“知道这个工具”与“真正把它跑进业务”之间存在巨大差价。 什么叫预售：课程还只有大纲时，为什么Terry已经开始收费。 第一期2000元、两天一夜、接近20个人，为什么大家愿意为一个当时并不算大IP的人付钱。 培训产品做到第六期以后，最大的流量来源为什么开始变成老学员转介绍。 为什么真正值钱的不是“会Claude Code”，而是Terry多年SEO和跨境电商经验怎样被Claude Code放大。 “原来人真的可以不上班也养活自己”，这句话为什么对一个经历过行业周期的人尤其重要。 35岁危机究竟是什么：一个人的价值到底来自公司平台，还是可以被独立拿走的能力。 为什么Terry认为培训不会是自己长期唯一的业务。 跨境企业愿意为什么样的AI提效结果付钱。 找海外Influencer、批量开发B2B客户，这些重复工作怎样越来越适合Agent完成。 为什么Terry判断，2026年的细分B2B小企业出海可能存在很大的机会。 一个只卖沙发垫、挂绳或者细分器械的中国企业，为什么反而可能适合做海外独立站。 过去做独立站为什么贵：开发、SEO、运营、设计、内容，每一个岗位都是成本。 AI Coding把这些成本压缩以后，小B企业为什么第一次可能真正有能力自己建立海外品牌阵地。 B2B独立站为什么可能比平台更容易抓住精准搜索需求。 每天四五封海外采购询盘，对一个细分工厂意味着什么。 Terry自己的两个AI工具出海网站是怎么做出来的，其中一个为什么已经有每天约1000名访问用户。 如果今天重新拿一台电脑，从零做一个AI出海项目，他最不愿意省掉的两笔钱是什么。 为什么第一笔钱应该花在查词和需求研究，而不是Logo和复杂开发上。 为什么做AI项目必须计算开发、Token、服务器、时间和长期运维成本。 “Terry的美妙工作流”这个名字是怎么来的。 为什么最理想的工作状态，是AI在后台吭哧吭哧干活，人只负责提出目标、验收结果和喝茶。 快问快答里，Claude Code、ChatGPT和Grok为什么成为他最常用的AI工具。 为什么他会觉得Grok在实时海外信息检索上特别有优势。 他认为最值得所有人改变的一个AI习惯，为什么居然只是语音输入。 一个成熟的语音输入法怎样从“识别声音”变成“理解你的表达并自动润色”。 AI网站真正开始有流量以后，他踩过最大的一个成本坑是什么。 为什么Demo部署很简单，但生产环境一旦开始赚钱，就必须重新考虑流量、成本和稳定性。 普通人30天学SEO/GEO，为什么他第一个推荐的不是付费课，而是Google官方文档。 未来一年，Terry为什么希望培训收入占比下降，把更多精力放到跨境独立站AI提效、海外推广和品牌建设。 🔥本期金句 干土木的，确实什么都能干。 英语是我当时赖以生存的一个技能。 SEO不是写文章，写文章只是SEO的一种方法。 从第一性原理倒推，我们最终的目标是利润，利润之前是成交，成交之前是流量。 关键词调研就是兵马未动，粮草先行。 你不能坐在那里想用户需要什么，你得把需求真正查出来。 SEO既需要理科生思维，也需要文科生思维。 我学东西基本不是先完整学一遍，而是遇到问题解决问题，最后突然发现一套体系都学会了。 AI第一次让我意识到，语言的隔阂和技术的隔阂都可以被大幅降低。 只要人还需要解决问题，搜索这件事就不会消失。 有一天我给Claude Code下完指令，出去泡了一杯茶，回来发现工作已经全做完了。 那一刻我感到无比孤独和空虚，因为我发现自己过得太舒服了。 原来一个人真的可以不上班，也可以养活自己。 无论你卖什么，只要是在解决真实需求，就有机会解决自己的生存问题。 秒懂没有用，做和秒懂中间有差价。 真正值钱的是，你已经踩过这些坑，知道遇到问题该怎么解决。 以前叫个体户，现在有了技术，叫OPC。 细分B2B小企业在2026年可能有大结果。 以前一个独立站需要开发、运营、SEO和设计，现在很多事情一个人真的能干。 我做AI工具站，第一步永远是先找到海外用户一个具体的需求。 创业成本不只是开发，还有Token、服务器、时间和运维。 我的美妙工作流，就是AI在后台完成工作，我负责验收，然后喝咖啡、喝茶。 一个非常简单、但所有人都应该开始用的工具，就是语音输入法。 Demo和生产环境是完全不一样的，真正有用户以后，成本一定要重新算。 大道至简。很多行业入门的方法其实都一样。 ⏱Shownotes 01:26 Terry登场：一个跨境电商创业者 01:51 “干土木的啥都能干”：完全跨界的人生起点 02:07 土木工程毕业后，为什么去巴基斯坦做了三年海外项目 03:19 第一次长期生活在巴基斯坦是什么体验 04:30 回国、准备结婚，以及建筑行业周期带来的第一次转行 05:29 一个土木工程学生为什么大学时就会搭网站 06:16 说服外贸老板：做海外生意，为什么必须试试独立站 06:59 从襄阳来到深圳：一个QQ群里认识的贵人 08:42 真正进入跨境电商以后，SEO每天到底在干什么 09:03 SEO为什么同时需要技术思维和内容思维 09:47 Thin Content：网站内容太薄为什么很危险 10:49 最大的误区：SEO不等于写文章 11:33 从利润、成交倒推到自然流量 11:52 拿到一个网站以后，第一步为什么是诊断 13:33 关键词调研为什么叫“兵马未动，粮草先行” 14:04 Semrush、Ahrefs与专业关键词研究 15:07 搜索量、蓝海、竞争度和利润空间怎样一起判断 16:11 HTML、CSS、服务器，这些技术能力是怎么自学出来的 16:45 遇到问题解决问题：Terry的长期学习方法 17:25 SEO到底训练了什么能力 17:39 为什么一个SEO负责人反而认为自己文科思维更重 19:46 第一次用AI写英文SEO内容，行业转折出现了 20:00 Jasper AI怎样大幅降低海外写手成本 21:50 内容生产门槛下降以后，SEO从业者第一次感到危机 22:41 Jasper先火起来，ChatGPT上线以后发生了什么 25:37 亲眼看着一个曾经常用的AI工具消失 27:42 AI生成内容以后，SEO为什么没有消失 28:13 Google AI Overview与搜索的新形态 29:39 GEO和SEO究竟是不是一回事 30:55 做到SEO负责人后，为什么主动加入AI SaaS初创公司 32:11 跨境经验与AI产品出海，怎样自然接到一起 33:02 为什么又从AI公司离开，决定做OPC 33:30 把整个SEO工作流搬进Claude Code 34:26 泡完茶回来，发现自己的工作已经全部做完 34:40 “无比孤独和空虚”：效率太高为什么反而促成辞职 35:56 OPC后的第一个稳定现金流，为什么是Claude Code训练营 36:44 “出来混最重要的是出来”：从一次免费分享开始 37:18 安装、Skill、PPT、飞书：为什么需要系统Roadmap 37:56 独立开发者的预售思维：课程还没做，就先卖 38:36 第一期2000元，两天一夜 39:34 接近20名学员为什么愿意成为“初始股东” 41:00 为什么卖得出去的不是Claude Code，而是“跨境电商+AI” 41:32 做到第六期以后，他第一次意识到不上班也能活 42:20 老学员转介绍为什么逐渐成为核心来源 43:40 35岁危机：自己的价值是不是只能依赖公司平台 44:48 培训之外，开始给跨境企业做AI提效 45:14 为什么长期方向一定还要进入B端 46:06 Agent怎样帮助跨境团队寻找海外Influencer 46:25 B2B客户开发为什么也适合AI自动化 47:50 “我看到一个财富密码”：2026年的细分B2B出海 48:53 过去小企业为什么很难承担独立站成本 49:36 独立站SEO/GEO为什么可能让细分产品直接跳出平台竞争 50:14 真实案例：一些B2B网站每天收到四五封海外询盘 51:18 开发、SEO、运营和设计，以前到底要养多少人 51:45 AI Coding以后，一个人为什么真的能干很多环节 52:58 Terry现在还在运营哪些网站 53:23 其中一个AI工具站每天约1000名用户访问 54:05 两个AI工具出海网站，都是从一个具体海外需求开始 55:04 如果从零重新做一个AI出海项目，他会先花哪两笔钱 55:24 先买查词工具，再找到需求，然后才建站 56:09 开发、Token、服务器、时间与运维：把成本全部算进去 57:10 公众号为什么叫「Terry的美妙工作流」 57:39 AI工作，人喝茶：什么叫真正的美妙工作流 58:44 快问快答：今天到底透露了多少“财富密码” 59:06 最离不开的AI工具：Claude Code、ChatGPT与Grok 59:13 为什么Grok适合追实时海外信息 01:00:37 最值钱的习惯，居然是语音输入 01:01:45 豆包语音输入怎样帮Terry在地铁上快速整理自我介绍 01:02:13 AI时代，为什么语音输入已经不只是语音识别 01:03:01 最大的建站坑：免费托管遇到流量暴增 01:04:12 Demo可以随便部署，生产环境为什么必须重算成本 01:05:23 普通人30天入门SEO/GEO，应该从哪里学 01:05:53 Google官方SEO文档，为什么可能比很多付费课更适合入门 01:06:50 “大道至简”：不同行业走到最后的方法为什么越来越像 01:07:15 未来一年：降低培训占比，继续做跨境企业AI落地 01:07:44 独立站AI提效、海外推广和品牌建设，才是下一阶段 💬听众互动 如果AI已经能替你完成现在工作里80%的重复任务，你会选择留在原来的岗位里，把日子过得更轻松，还是像Terry一样，拿着被释放出来的能力去重新做一门自己的生意？ 更现实一点：如果现在只给你一台电脑，你最想把自己过去哪一段行业经验，做成一个真正能卖到海外的产品或服务？

🎙《灯下白》EP49 嘉宾：史柏帆、张磊 史柏帆 AIGC导演，AIGC影视创作者、创业者，长期进行AI视频与内容创作实践。 张磊 程序员出身的AIGC导演。因为长期热爱影视与《三体》，2024年前后开始尝试用AI把小说转化成画面，并逐渐从技术开发转向AIGC影视创作。如今与史柏帆共同从事AI短剧、影视资产设计与导演工作。 主持人：吴熳 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！ 🪝本期故事 这大概是《灯下白》目前最像“三个人误入别人家客厅”的一期。 节目刚开始，史柏帆就以“公主式出场”坐进镜头。吴熳坐在史柏帆和张磊中间，忍不住说：你们两个怎么这么像两口子？ 他们最近确实几乎每天都在一起。 一起创业，一起做AIGC公司，一起接甲方的AI短剧，一起讨论资产、分镜、世界观和镜头。工作强度很高，但史柏帆说，他们反而觉得很幸福，因为两个人很多时候意见一致，兴趣也接近；一方忙不过来，另一方自然补位。 他们最近做的一部海外短剧，剧情也很典型。 一个原本漂亮的皇后被人陷害，吃了让自己变胖的药，在国王生日典礼上遭到羞辱，最后完成逆袭。这个故事听起来甚至有一点狗血，但史柏帆和张磊并不排斥。 因为出海短剧首先面对的，仍然是最基础的人性。 受辱、委屈、逆袭、爱、嫉妒、愤怒、快乐，这些情绪并不会因为观众来自美国、欧洲还是中国就彻底不同。真正不同的，是服装、建筑、文化背景、行为逻辑和生活习惯。 所以他们做AIGC短剧，不只是“给模型一句Prompt”。 一部架空宫廷剧到底处于哪个时代？巴洛克还是洛可可？建筑应该有多古老？女王穿什么衣服？头饰、王冠、家具和沙发应该怎样搭配？一个穿越者把现代物品带进古代环境以后，什么样的反差才真正成立？ 这些都需要在生成以前被设计。 人物是一套资产，服装是一套资产，场景、家具、重要道具也都是资产。到了真正的视频阶段，再像传统导演调度现场一样，把角色、位置、动作、台词、情绪和镜头重新组织起来。 史柏帆说，现在的AI视频创作正在发生一个很明显的变化： 以前更像动画思维，现在越来越像导演思维。 而张磊就是这种变化里很有代表性的人。 他原本是程序员。 但他一直喜欢电影，也一直是《三体》的书迷。他曾经有一个很简单的愿望：能不能把自己脑海里的《三体》真正做成画面，让别人也看到？ 2024年前后，AI视频工具开始出现，他突然发现，过去需要庞大影视工业体系才能完成的东西，个人第一次有了机会。 于是他开始做，越做越多，越做越喜欢，最后真的从程序员走成了AIGC导演。 但工具变强，并没有让导演变得不重要。 恰恰相反。 当AI越来越会生成画面，真正困难的问题开始从“能不能生成”，转向“你到底想生成什么”。 张磊做《三体》时，有一场云天明回忆自己人生经历的戏。他用了差不多三天完成，却因此低落了一个星期。 因为在制作过程中，他必须把自己带进角色。 角色为什么这样说话？这个时候应该是什么表情？镜头离他多远？情绪什么时候起来，什么时候落下？ 过去演员自己要进入角色。 现在AIGC导演甚至要替AI演员进入角色。 这也是史柏帆认为，AI依然很难真正替代导演和编剧的原因之一： 导演最核心的能力，是共情。 不是知道哪个模型参数更高，而是能不能进入一个和自己完全不同的人，看见他的处境，理解他的欲望，再让观众也相信这一切。 所以聊到最后，两个人给想进入AIGC影视行业的人一个几乎完全不像技术教程的建议： 先看电影。 去看真正优秀的影视作品。 看节奏为什么这样变化，看分镜为什么放在这里，看人物为什么这样表演，看一部成熟作品怎样让情绪呼吸。 模型当然还会继续变。 但电影为什么好看，这件事不会因为模型更新一次就自动改变。 💡本期你会听到 史柏帆和张磊为什么决定一起创业，以及两个长期高度协作的人怎样在AIGC影视公司里互相补位。 海外AI短剧的甲方到底在买什么。从剧本到分镜，再到最终视频，AIGC团队需要承担哪些真实交付环节。 为什么“被陷害的胖皇后逆袭”这样的剧情会适合海外短剧，以及不同国家的观众背后有哪些共通的人性。 流量到底有没有所谓的玄学。史柏帆为什么越来越不愿意天天研究平台算法，而更关心“观众到底想看什么、看完有没有情绪”。 视频号的冷启动、流量池和赛马机制是怎么回事，为什么朋友最初的一键三连和完播率可能仍然有意义。 曾经几个小时跑出巨大流量内容，为什么史柏帆反而觉得这种流量“没有意义”。 内容创作者究竟应该追求绝对播放量，还是找到真正喜欢自己内容的人。 2025年前后的AI视频工具还有明显局限时，为什么真正优秀的作品放到今天仍然成立。 模型变强以后，提高的更多是创作效率，还是创作上限？ 中文观众和海外观众的审美真的差很多吗？为什么史柏帆认为喜怒哀乐这样的底层情绪始终共通。 做海外剧时，为什么世界观不能偷懒。罗马、希腊、中世纪、巴洛克、洛可可和新古典主义之间的区别，最后会怎样影响观众的沉浸感。 剧情为什么也需要“呼吸感”。持续的信息轰炸和持续的高情绪，为什么反而可能让人疲惫。 一个程序员是怎样转行成为AIGC导演的。 张磊为什么因为《三体》开始做AI影视，并逐渐发现这就是自己真正喜欢的事情。 做一部AI短剧以前，人物、面容、服装、场景、道具和装修为什么都需要先被资产化。 什么叫“AI脸”，为什么成熟AIGC作品必须让人物真正拥有辨识度。 为什么现在的AI视频已经开始从“动画思维”进入“导演思维”。 资产拆开以后，导演怎样重新调度人物、场景、道具、位置、动作、台词和情绪。 语言在新一代AIGC影视里为什么仍然重要。它不只是描述画面，更是在组织不同资产之间的关系。 史柏帆为什么离不开语言模型、视频模型和图像工具，人物一致性在影视工作流里到底有多重要。 张磊为什么开始关注新的语言模型，让它帮助做资产整理、时代考据、服装特征、提示词和情绪设计。 AIGC导演最重要的能力为什么不是Prompt，而是共情。 一个导演为什么会因为做了三天云天明的戏，自己低落一个星期。 传统演员需要入戏，而AIGC时代为什么变成导演替AI角色入戏。 不同AI模型为什么像有不同“脾气”，并不存在一个模型适合全部场景。 普通人30天进入AIGC影视行业，究竟应该先学模型，还是先补影视基本功。 为什么两个人都认为，热爱比追风口更重要。 未来一年，史柏帆最想要的变化为什么并不是一个新模型，而是和张磊“长长久久”地继续把事情做下去。 🔥本期金句 做流量没有想象中那么难。归根结底，还是大家想看什么，什么东西能让人开心、让人有共鸣。 我并不需要去搞清楚每个平台全部的算法逻辑，我更关心内容本身到底好不好。 如果每天都盯着流量，一个人会非常焦虑。 流量如果不能把我真正喜欢、真正做的东西传播出去，对我来说就没有那么大意义。 工具的限制不是制约真正创作者的核心因素。 新的模型可以提高创作效率，但不会自动让作品变好。 所有人类底层的感情其实是共通的，差异更多来自成长环境和文化细节。 一部片子的情绪要像呼吸一样，有呼有吸，有张有弛。 现在的AI创作越来越不是动画思维，而是导演思维。 一个AIGC导演依然要理解人物、世界观、动作、台词和情绪。 我过去虽然是程序员，但我一直非常喜欢影视。 因为热爱，所以我去做。 导演最重要的能力之一，是共情。 AI很难替代导演和编剧的一点，是人能够站到别人的角度思考问题。 现在的导演还要站到演员的角度，因为你要指导AI演员怎么表演。 模型都有自己的脾气，没有一个工具适合所有场景。 如果真的想进入AIGC影视，先拿出热爱，再开始做。 比学任何一个AI技术更重要的，是先看足够多优秀的影视作品。 ⏱Shownotes 00:10 《灯下白》第一期视频播客：史柏帆和张磊登场 00:40 “你们两个怎么像两口子”：两个AIGC创业搭档的日常 01:26 现在正在给甲方做什么：AI海外短剧正式交付 01:56 胖皇后被陷害再逆袭：海外观众到底喜欢什么剧情 03:21 工作之外继续做内容IP，“魏大局”为什么还在更新 04:20 流量有没有秘密：先别研究算法，先想观众为什么愿意看 05:01 一键三连、完播率与视频冷启动 05:41 流量池和赛马机制：做到最后为什么反而不想天天研究 06:19 几个小时的大流量，为什么史柏帆觉得“没有意义” 06:52 B站×CCTV6比赛与过去的AIGC获奖经历 07:20 为什么2025年的模型很差，作品今天看依然可以很好 08:17 中文和海外评委都喜欢的内容，到底共通在哪里 08:36 出海短剧背后：人类底层情绪其实没有那么不同 09:18 张磊的导演方法：先问这套画面能不能打动自己 10:00 世界观为什么是AIGC影视最容易被忽略的基础 11:01 巴洛克、中世纪与穿越剧：怎样让时代反差真正成立 11:57 一部片子的情绪为什么必须像呼吸一样有张有弛 12:49 程序员张磊为什么突然开始做AIGC导演 13:53 “因为热爱，所以才做” 14:28 人物、服装、场景、道具：影视资产到底包括什么 15:45 AIGC视频正在从动画思维进入导演思维 16:04 人物是人物，场景是场景，道具是道具：资产开始真正被拆开 17:05 像传统导演一样调度AI角色 17:55 语言依然重要：怎样描述位置、动作、台词和情绪 18:30 快问快答：史柏帆最离不开哪些AI工具 18:50 人物一致性为什么仍然是AIGC影视的基础问题 19:05 张磊最近为什么开始关注新的语言模型 20:01 语言模型怎样参与资产考据、提示词与分镜辅助 21:08 史柏帆：导演最重要的能力，是共情 21:42 张磊做《三体》时，因为云天明的戏低落了一个星期 22:31 为什么AIGC导演比过去更需要“进入演员” 22:52 做AIGC影视踩过最大的坑是什么 23:30 不同模型，其实都有不同的脾气 23:34 普通人30天入行AIGC影视，应该从哪里开始 23:40 史柏帆：先拿出热爱 24:12 张磊：先看大量真正优秀的影视作品 24:50 不是AI+行业，而是行业+AI 24:58 未来一年最期待什么：两个搭档继续长长久久 25:22 “人生得一知己真的很难” 📖故事摘要 史柏帆和张磊最近正在一起创业。 他们做的是AIGC影视公司。 吴熳坐在两个人中间录这期视频播客时，最直观的感受甚至不是他们技术有多强，而是这两个人实在太熟了。 熟到对方一句话刚开头，另一方就知道后面想表达什么；一方手里的工作来不及做完，另一方自然接过去；聊到对商业、创作和未来的判断，两个人很多时候也站在同一边。 史柏帆自己形容，他们最近几乎同吃同住，每天一起工作，强度非常高，却又觉得这件事非常幸福。 因为找到一个真正意气相投的搭档，本来就是一件很难的事。 他们现在接的是真实的AIGC短剧项目。 甲方给出剧本，团队需要理解故事，再细化分镜、设计人物和资产，最后把一整部剧通过AI真正做出来。 例如最近的一条剧情里，一个皇后被人陷害，因为吃了药变得非常肥胖。在国王生日典礼上，她受到各种羞辱，最后完成逆袭。 这种故事听起来并不高级。 甚至可以说相当“抓马”。 但如果真的去看全球短剧市场，就会发现，很多能够跨文化传播的东西本来就建立在人性非常基础的地方。 受辱以后想要翻身。 爱而不得。 嫉妒。 愤怒。 委屈。 喜悦。 逆袭。 这些感情不需要复杂的文化翻译。 观众可能来自完全不同的国家，可当一个人物被羞辱时，人知道什么叫难受；当她终于赢回来时，人也知道什么叫爽。 史柏帆认为，真正需要本地化的反而是细节。 成长环境、历史背景、服饰、建筑、礼仪和文化逻辑都会不同。 所以做海外短剧时，团队不能只让AI随便生成一个“欧洲宫殿”。 这个故事究竟发生在哪一个时代？ 建筑属于中世纪早期，还是更晚的巴洛克？ 人物穿什么？ 宫廷里的家具长什么样？ 如果剧情里存在穿越，那么现代物品被带入这个环境时，怎样才能形成真正的视觉反差？ 这些都需要导演在AI开始生成以前就想清楚。 这也是为什么他们反复谈到“资产”。 人物的面容是资产。 服装是资产。 场景是资产。 道具是资产。 甚至某些家具和饰品，也要提前确定。 如果女主角换一个镜头脸就变了，如果同一场戏里衣服突然从巴洛克跳成唐代服装，即使每一张图片单独看都足够漂亮，观众也很难真正相信这个世界。 所以AIGC影视发展到今天，问题已经从“我能不能生成一张好看的图”，逐渐变成了“我有没有能力管理一个完整世界”。 史柏帆把这种变化称为： 从动画思维走向导演思维。 过去，AI视频制作大量依赖图生视频。 创作者先完成一张包含人物、背景、道具和特效的完整分镜图，再让模型使它运动起来。 现在，人物、场景和道具越来越可以独立存在。 创作者可以像传统影视导演一样思考： 这个人站在哪里？ 从A点走到B点。 镜头先看国王，再移动到皇后。 人物说什么话？ 现在是什么情绪？ 谁和谁之间发生了什么关系？ 生成方式发生变化之后，传统影视里大量关于导演、表演、摄影和世界观的知识，反而重新变得重要。 张磊就是一个非常有意思的例子。 他的职业出身是程序员。 但他一直很喜欢电影，也一直喜欢《三体》。 过去，看完小说以后，他会产生一种很典型的书迷幻想： 如果我能把脑子里的这些画面真的做出来就好了。 以前，这个愿望的成本太高。 拍影视需要剧组、演员、摄影、场景、服化道和大量预算。一个程序员即使脑子里有完整画面，也很难凭个人能力真正完成。 2024年前后，AI给了他第一次机会。 他开始尝试把小说转化成画面。 一开始只是因为喜欢。 后来越做越多，逐渐总结出自己的方法，也越来越享受导演这个角色。 吴熳问他： 为什么坚持？ 张磊的答案其实特别简单： 因为热爱。 聊到后来，吴熳甚至觉得“坚持”这个词都不准确。 如果一件事情本身就是一个人喜欢的，他其实不是咬牙坚持。 只是一直在做。 而真正做久了以后，张磊发现，AIGC导演需要的远远不只是技术。 他做《三体》时，曾经处理云天明回忆人生的一场戏。 那是一段很悲伤的内容。 为了让AI生成的人物真正拥有正确的表情、动作和镜头情绪，他必须反复进入云天明的心理。 那场戏做了三天。 做完以后，他自己低落了整整一个星期。 吴熳听完觉得很好笑： 以前只听说演员出不了戏，怎么现在导演也出不了戏？ 可这件事恰恰揭示了AIGC导演今天发生的变化。 过去演员需要理解角色。 导演把要求告诉演员，演员自己完成大量情感加工。 现在，AI演员并不会真正体验云天明的痛苦。 导演必须替它理解。 人物为什么低头？ 这一刻应该哭，还是忍着不哭？ 说这句话时声音应该是什么状态？ 镜头到底应该靠近，还是慢慢退开？ 导演必须先进入角色，再把这种理解转化成AI能够执行的指令。 史柏帆把这种能力概括为： 共情。 他认为，导演需要不断训练自己站到别人的位置上。 理解不同的人，理解不同的处境，也理解世界上和自己完全不同的生活。 这也是他认为AI短期内很难真正取代导演或编剧的一部分原因。 模型可以快速生成。 但真正的问题是： 谁来决定这一刻应该让观众感受到什么？ 情绪也不能一直堆高。 史柏帆认为，一部片子要像呼吸。 有呼，也有吸。 如果一开始就是高能，到最后依然高能，观众反而会逐渐麻木。导演需要设计起伏，知道什么时候收下来，什么时候重新推高，什么时候安静下来让观众和人物待一会儿。 这些都不是换一个更强的视频模型以后自动出现的。 所以两个人对“模型决定作品质量”这件事都没有那么迷信。 他们在2025年就开始大量做AI视频。 那个时候模型的能力明显比今天弱，视频经常出现各种局限。 但史柏帆认为，张磊当时做的《三体》，放到今天依然是很好的作品。 工具变强以后，最大的变化是效率提高了。 创作者可以更快到达自己想去的地方。 但如果不知道自己究竟想去哪里，再快也没有意义。 这和史柏帆对流量的态度其实很像。 他并不否认算法，也知道视频存在冷启动、流量池和赛马机制。 最开始的时候，朋友帮忙点赞、转发、看完视频，确实可能帮助内容更快进入第一批流量池。 可做久以后，他越来越不愿意天天研究“下一个池子到底是多少播放量”。 因为那会让创作者变得很焦虑。 他自己做过几个小时内获得巨大流量的内容。 但他说： 这种流量对我没有意义。 如果只是热闹，没有把自己真正喜欢、真正正在做的事情传递给对的人，再大的数字也不一定留下什么。 他更在意的是： 观众为什么看？ 看完以后有没有开心？ 有没有被打动？ 有没有共鸣？ 只要内容本身成立，真正喜欢它的人自然会留下。 这也是两个人做出海短剧时的一套共同逻辑。 不要先追算法。 先理解人。 不要先追模型。 先理解影视。 不要因为AI可以快速生成，就放弃导演对世界观、情绪、节奏和表演的判断。 快问快答时，吴熳问： 如果一个普通人只有30天，想进入AIGC影视行业，应该怎么办？ 史柏帆的回答是： 先问自己喜不喜欢。 AI时代一个很大的变化，是人终于有机会做很多过去因为专业和资源壁垒无法进入的事情。 你过去没有学导演，并不意味着不能拍。 没有读美术，也不意味着不能开始做视觉。 但前提是，你真的愿意投入。 张磊则给出了更传统的答案： 先大量看好电影。 看真正成熟的影视作品是怎样讲故事的，怎样做分镜，怎样安排人物情绪，怎样处理表演。 这些能力比先熟练某一个AI模型更重要。 因为模型一定会变。 行业知识不会那么快过时。 聊到最后，吴熳问他们： 未来一年最期待什么？ 史柏帆没有回答下一代视频模型。 也没有说公司赚多少钱。 他说： 希望和张老师长长久久。 过去半年多，两个人在创作、做事、待人接物和商业判断上越来越合拍。 到了三十多岁以后，能够找到一个真正愿意长期一起做事，又真正互相信任的人，本身已经非常难得。 史柏帆说： 人生得一知己，真的不好找。 于是这一期从AI短剧聊到流量，从模型聊到导演，最后落到的还是人。 工具变得越来越强。 一个人能做的事情越来越多。 可真正稀缺的东西，好像还是没有变： 热爱。 共情。 判断。 以及一个愿意和你一起把事情做下去的人。 💬听众互动 如果现在AI已经把“拍一部片子”的技术门槛大幅降低，你最想把哪一本小说、哪一个故事，或者哪一个一直存在于脑海里的画面真正拍出来？ 以及，如果要找一个人和你一起做这件事，你最希望这个搭档补足你哪一种能力？

🎙《灯下白》EP48 嘉宾：颜鑫 00后AI创业者、算法与具身智能实践者。大学学习自动化，大二起自学AI并开始创业，先后探索AI+零售、AI+社交、AI+泛心理等方向。近年来持续研究多模态情感感知、情感理解、机器人记忆与情感陪伴，希望让AI从被动响应的工具，逐渐成为能够感知环境、理解人并主动交互的伙伴。 主持人：吴熳 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！ 🪝本期故事 录制这期《灯下白》的当天，吴熳原本并没有提前约颜鑫。 她是在面壁智能和华为昇腾的一场活动上再次遇见他的。颜鑫上台展示了一个自己正在折腾的桌面机器人，吴熳看完以后觉得有意思，现场把人“薅”过来录播客。 真正让她印象深刻的，不是机器人会回答多少知识问题，而是一个很小的瞬间。 有一次颜鑫正在电脑前写代码，没人向机器人提问，它却自己看着周围的环境，突然对他说：“你的屏幕看起来好大，你写代码应该很爽。你是不是程序员？” 颜鑫当时也愣了一下。 因为这句话不是由一句Prompt触发的。机器人通过摄像头看到了他的屏幕，观察了环境里的信息，再推测眼前这个人可能正在写代码，最后主动发起了一次对话。 这和我们今天熟悉的大部分AI交互不太一样。无论ChatGPT、豆包还是其他聊天机器人，通常都需要人先说一句话，AI再回答。颜鑫更想做的，是一个真正“活在环境里”的机器：它会看，会听，会记得，也会在某些时候主动和你说话；你可以打断它，它也可以根据你突然改变的表达调整自己的反应。 为了让这种交互更接近人，他还试图把延迟压到600—800毫秒左右，让机器人不仅说话，还能通过头部、身体和两只像耳朵一样的天线做出与语言相匹配的动作。 但颜鑫真正想解决的问题，比“做一个可爱的桌面机器人”更深。 如果一个人嘴上说“我没事”，AI到底怎样判断他是真的没事，还是正在强撑？ 只看文字，这三个字永远只是“我没事”。可人在真实世界表达情绪时，还有语气、停顿、表情、姿态和动作。同一句话，用不同声音和表情说出来，背后的意义可能完全不同。 所以从2023年开始，颜鑫把越来越多精力放在AI+泛心理与情感陪伴上。他研究多模态情感感知、情感理解、全模态记忆，也思考一个进入家庭的机器人应该记住什么、忘掉什么，以及怎样在尊重隐私的情况下长期理解一个人。 而他为什么偏偏对“情绪”这件事感兴趣，也并不是偶然。 2023年前后，他自己即将毕业，身边的师兄师姐也都开始面临答辩、找工作、租房、异地和第一次真正进入社会的压力。大家都很焦虑，他自己也不是一个永远快乐的人。 他后来很坦率地说：如果我自己非常快乐，我可能也不会选择做这个方向。 颜鑫做产品有一个习惯——他必须先问：这个东西我自己会不会用？ 他想做的不是一个听起来宏大的AI系统，而是先让它能帮到自己，再帮到身边的人。 从大二第一次做AI零售，到AI社交，再到今天做情感陪伴和具身智能，表面上看，他已经换了好几个赛道。 但聊到最后会发现，这几次创业其实都在靠近同一件事： 让AI真正进入人的生活。 不是让人为了AI改变生活，而是让AI先学会理解人。 💡本期你会听到 颜鑫为什么从大二就开始创业，以及一个00后连续探索AI+零售、AI+社交和AI+泛心理的路径是怎样形成的。 一个桌面机器人为什么会在没人提问的时候，主动观察颜鑫的屏幕，并判断“你是不是程序员”；主动交互和我们今天熟悉的聊天机器人到底有什么区别。 为什么“能不能被打断”是人机交互里非常重要的能力。如果AI永远按照自己的话说到底，它为什么更像对讲机，而不像一个真正的伙伴。 人和人交谈时对延迟非常敏感，为什么颜鑫尝试把机器人的响应压到600—800毫秒左右；低延迟为什么不仅影响体验，也会影响人对“这个AI聪不聪明”的直觉判断。 除了语言，一个陪伴机器人为什么还需要动作。头部、身体和两只天线的运动怎样与表达同步，以及为什么这些物理反馈会产生纯线上聊天无法提供的存在感。 人到底能不能和机器人建立信任？颜鑫为什么认为“绝对信任”也许很难，但“相对信任”可能通过技术逐步建立。 他说“我没事”时，AI到底听见了什么？为什么只识别文字，很容易损失人真正表达的情绪。 情感感知为什么必须从文字扩展到视觉、声音等更多模态，以及情绪为什么比数学题更难训练——1+1可以明确判断对错，但一个人此刻到底有多难过，很难拥有绝对标准答案。 AM Bench为什么被提出，它试图衡量现有模型在情感理解相关能力上的表现。 为什么颜鑫认为一部分情感感知应该尽可能留在端侧。一个进入家庭、拥有摄像头的机器人会看到大量私人生活，如果全部上传云端，会产生怎样的隐私风险。 2024年他们做视觉—文本多模态小模型的过程中，为什么把端侧情感理解作为重要方向，以及小模型在具身设备中可能承担什么角色。 从情感感知到情感理解，再到情感表达，为什么是三个完全不同的问题。 传统语音对话链路为什么会经过“语音转文字—大模型处理—文字再转语音”，每一层转换又为什么都有可能损失信息，尤其损失情绪。 为什么颜鑫越来越关注端到端的全模态模型，希望尽量保留人在声音、语气和表达中的情绪信息。 机器人为什么不能只拥有“文字记忆”。它能不能记得你刚才把SD卡放在哪里，能不能理解家庭成员之间的关系，能不能从长期生活中建立属于这个家庭的上下文。 更有意思的是：机器人为什么还要学会“忘记”？如果所有事情全部永久保存，搜索空间和噪声会怎样不断膨胀，机器是否也需要类似人的遗忘机制。 为什么2023年大家都在做更通用的大模型时，颜鑫反而选择进入泛心理方向。 毕业、找工作、租房和异地压力，如何让他第一次意识到，一群看起来正常的年轻人其实拥有非常真实的情绪需求。 “豆包也能陪人聊天”，那为什么还需要机器人？一个毛茸茸、会转头、会摇摆、长期待在你身边的实体，和手机里的AI到底有什么区别。 为什么有人愿意花数千甚至数万元购买功能并不复杂的陪伴机器人。人购买的究竟是机器的功能，还是一个承载感情的容器。 颜鑫为什么说，他希望用AI做一些“能够温暖大家”的事情。 大学原本学习工业自动化，他为什么会在2020—2021年自己开始学习AI；在人脸识别还是AI重要落地场景的年代，他为什么已经觉得AI应该做更多事情。 第一次AI创业做智能零售，怎样试图提升线下结算效率；面对大型商超不断新增的SKU，为什么不能每增加一个商品就重新训练一次模型。 把商品视觉信息向量化以后，怎样让结算系统面对不断变化的商品仍然能够工作。 学校食堂、面包等真实场景里，AI怎样把逐个扫码的一分钟，压缩成十几秒甚至更短的结算过程。 第二次创业做AI社交，他为什么把机器人直接扔进群聊。 一群没有任何利益关系的人，会怎样在真实聊天里自然评价一个AI；为什么颜鑫认为，这种“骂是真的骂，夸是真的夸”的反馈，比很多人为设计的Benchmark更接近真实用户体验。 群聊机器人怎样让他第一次观察到“人拿到AI以后到底会做什么”。 为什么有人拥有AI以后，只会问“今天天气怎么样”，也有人开始向AI寄托情绪。 从AI社交走向AI泛心理，这些未经设计的真实用户行为，对颜鑫产生了什么影响。 什么叫“AI商”？当模型越来越强，人到底有没有学会把AI真正用于改善生活。 为什么颜鑫最终没有把“提高生产力”当成自己最想解决的问题。他更想做的是，让人快乐一点、放松一点，不要每天只想着工作和当牛马。 快问快答里，他为什么把微信也列进了自己最离不开的“AI工具”。 做过这么多产品以后，他最值钱的习惯为什么仍然是：自己必须是产品的第一用户。 最大的产品坑是什么？为什么一个略带完美主义的人，反而会在做到五六十分后直接Rebuild，而不是继续在旧版本上修修补补。 如果让普通人用30天熟悉AI开发，颜鑫为什么没有先推荐Coding课程，而是说：先写好自己的人生说明书。 🔥本期金句 我想让AI更落地一点，能够帮到更多人一点，也能够离人更近一点。 我做任何一个模型、任何一个产品，我自己都是它的第一个用户。 如果它不能解决我的问题，我不会把它发出去让更多人用。 陪伴更像伙伴。它应该主动观察、主动感知、主动交互，而不只是等你给它一个指令。 如果不能被打断，它其实更像一个对讲机。 “我没事”这三个字，用不同的声音、表情和动作说出来，完全不是一回事。 一个机器人进入家庭，它看到的东西太多了，所以感知应该尽量留在端侧。 机器人的记忆不能只有文字，它还应该知道你把东西放在哪里，也应该理解你和家人的关系。 人的记忆会遗忘，机器人也需要学会遗忘。 情感需要一个容器。 我想用AI做一些能够温暖到大家的事情。 模型终究是给人用的，所以真实用户的反馈才是最客观的评测。 AI可以提升一群人的效率，而不只是提升某一个人的效率。 你应该让AI做它应该做的事情。 我不想让大家每天死气沉沉，只知道干活、只知道当牛马。生活还是要快乐一点。 最大的坑是自己都没有想清楚，就贸然开始做，然后不断返工。 现在我会尽量把0到1先想清楚、写清楚，再交给AI。 如果一个普通人想用30天熟悉AI开发，我建议先写好自己的人生说明书。 ⏱Shownotes 01:26 颜鑫登场：00后、连续创业与多模态具身智能 01:55 从大二开始创业：AI零售、AI社交到AI泛心理 03:06 为什么吴熳在活动现场直接把颜鑫“薅”来录播客 03:40 家庭情感陪伴桌面机器人登场 04:01 机器人突然开口：“你是不是程序员？” 05:27 被动回答和主动观察，到底有什么区别 06:37 看懂日历、观察环境，一个桌面机器人能看到什么 07:04 陪伴机器人的第一个难点：主动交互 08:04 为什么“能够被打断”才更像真实的人类交流 09:28 把延迟压到600—800毫秒，为什么很重要 10:52 语言之外，动作怎样参与机器人的情绪表达 12:17 机器与人，能不能建立一种“相对信任” 13:20 情感感知、情感理解、情感表达的三层问题 14:16 一句“我没事”，为什么文字完全不够 15:36 视觉、声音、文字之外，触觉什么时候才能真正进入情感交互 16:14 为什么情感能力比Coding更难做评测和训练 17:28 AAM Bench：怎样观察模型的情感理解能力 18:05 为什么感知能力应该尽量留在端侧 19:19 机器人进入家庭以后，隐私问题会变得多真实 20:04 从端侧小模型走向泛心理基础模型 21:01 语音转文字、大模型、文字转语音：传统链路怎么工作 21:51 每转换一次，都可能丢失什么 22:51 机器人需要什么样的全模态记忆 24:16 为什么机器人不仅要记住，还要学会忘记 25:11 “面向机器人场景的智能体原生全模态记忆系统”到底在解决什么 26:55 从2023年开始做AI泛心理，最初的动机是什么 27:35 毕业、答辩、找工作、租房：情绪需求就在自己身边 28:18 颜鑫的产品原则：自己先用 28:48 他真正想做的，是让AI离人更近 29:06 既然豆包也能聊天，为什么还需要实体机器人 30:28 长期上下文和实体陪伴，会怎样改变人与AI的关系 31:46 为什么有人愿意为“几乎什么都不会”的陪伴机器人花很多钱 33:01 情感为什么需要一个容器 33:17 自动化专业的学生，为什么大二开始自学AI 34:22 在人脸识别还是重要AI场景的年代，他已经在想什么 34:57 第一次创业：AI+智能零售 36:03 第二次创业：把AI机器人塞进微信群 37:05 群聊怎样自然形成一套真实的用户评测 39:35 为什么没有利益关系的真实反馈，比精心设计的评测更有意思 40:28 真实群聊数据如何帮助理解“人到底怎么用AI” 42:02 三段创业经历，怎样一步步补足颜鑫对“人”的认识 43:10 大型商超几十万SKU，为什么不可能每次都重新训练模型 44:19 通过向量化，让不断变化的商品仍然可以被识别 46:02 食堂和面包场景，智能结算已经怎样真实落地 47:08 AI提升的不只是一个人的效率，也可以是一群人的效率 48:28 AI+零售给了他效率视角，AI+社交给了他人的视角 49:16 有AI以后，为什么很多人仍然只会问天气 50:48 也有人开始把自己的情绪寄托给AI 50:57 第三次选择：为什么最终进入AI+泛心理 52:10 “我只是想让大家更快乐一点” 52:41 “可能我自己也没有那么快乐” 53:27 未来仍然想做帮助人放松、快乐和生活的产品 54:38 快问快答：Codex、Claude Code和微信 55:58 最值钱的产品习惯：自己必须是第一用户 56:08 最大的产品坑：没想好就做，然后反复返工 56:26 完美主义者为什么有时宁愿Rebuild 57:25 先把0到1想清楚、写清楚，再交给AI 57:51 普通人30天熟悉AI开发：先写人生说明书 58:09 未来一年：希望自己的产品真正帮助到自己之外的人 📖故事摘要 颜鑫是00后。 如果只看年龄，他的履历甚至会显得有一点过于密集。大学读自动化，大二开始自己学AI，也从那个时候开始创业。第一段做AI+零售，第二段做AI+社交，后来又一路进入AI+泛心理、多模态算法和具身智能。 他自己后来复盘时，却不觉得这些经历彼此割裂。 AI零售让他第一次真正理解，一套技术怎样进入真实世界，并且同时提升一群人的效率。AI社交让他开始观察，人拿到AI以后究竟会做什么。到了泛心理和情感陪伴，他关心的问题进一步从“技术能不能工作”，变成了“技术到底懂不懂人”。 这期播客甚至也是从一个真实产品开始的。 录制当天，吴熳在面壁智能与华为昇腾的活动现场看见颜鑫展示一个桌面陪伴机器人。机器人有两个摄像头，也有像耳朵一样可以活动的天线，头部和身体会随着说话做动作，吴熳觉得有意思，就把颜鑫“薅”过去了。 但真正让人印象深刻的，并不是这些拟人化外形。 颜鑫讲了一个自己调试机器人的瞬间。 他坐在电脑前写代码，没有给机器人发任何命令。机器人却观察到他的屏幕，主动对他说：你的屏幕看起来很大，写代码应该很爽，你是不是程序员？ 这句话让颜鑫自己都产生了一个Aha Moment。 因为在他看来，这才是“伙伴”和“工具”之间一个很小、却很关键的区别。 今天的大部分AI，都在等待。 人输入，机器回答。 人再问，机器再答。 但真正生活在你旁边的人不会这样。 一个朋友可能看到你盯着电脑一下午，主动问一句“是不是又加班了”；也可能察觉你今天异常沉默，问一句“你是不是不开心”。 所以颜鑫给陪伴机器人定的第一个目标，是主动交互。机器人必须能够持续感知环境，在没有明确Prompt的情况下，根据周围发生的事情决定自己是否应该发起交流。 第二个目标，是允许打断。 真实人类不会永远等对方完整说完一大段话再开始回答。我们会插话，会停顿，会发现对方突然改变想法，也会在被打断后顺着新的信息继续交流。 如果一个AI无论发生什么，都必须按照已经生成好的句子说到底，那么它更像一台对讲机。 第三个问题，是延迟。 颜鑫希望把响应控制到600—800毫秒左右。几百毫秒听上去是一个纯技术指标，但在人机交流中，它直接影响“像不像人”。 等待太久，人会清楚地意识到： 它在处理。 它在计算。 它是一台机器。 而人在和人说话时，这种等待几乎不会被单独感知。 第四个问题，是动作。 如果机器人回答一句开心的话，但身体没有任何反应；如果语气很兴奋，两个“耳朵”却完全静止，这种违和感会迅速把人从关系里拉出来。 所以他的机器人不仅输出声音，也会输出与语言相配合的动作。 这些细节最终都指向一个更大的问题： 机器能不能和人建立信任？ 颜鑫对此并不特别乐观。 他并不认为人一定能够对机器产生和人与人一样的“绝对信任”。但他相信，通过更自然的感知、理解、记忆和交互，人和机器之间有机会形成某种相对稳定的信任。 而一旦进入情感问题，技术难度会突然变得很高。 最简单的例子，就是“我没事”。 如果只看文字，这三个字没有区别。 “我没事。” “我没事……” “嗨，我没事啊。” 同样三个字，换一个语气、表情和动作，情绪完全不同。 这也是颜鑫越来越关注多模态情感感知的原因。 情绪从来不只存在于文字里。人的声音、表情、视线、身体姿态，都包含信息。如果系统最终只把所有东西压缩成文字，再交给大语言模型处理，大量情感信号可能在最开始就已经消失。 更难的是，情感不像数学。 1+1等于2，可以明确告诉模型什么是正确答案。 但一个人此刻究竟是70%的难过，还是40%的失望和30%的愤怒，没有一个绝对标准。 模型训练又偏偏需要目标。 于是情感理解本身就成为一个很难评估、也很难优化的问题。 颜鑫和团队因此做了AAM Bench，尝试系统观察现有模型在相关方向上的能力；也做过面向端侧的视觉—文本多模态模型，希望设备能在本地完成一部分对人和环境的感知。 端侧在这里不仅是为了速度。 也是为了隐私。 吴熳听到“机器人进家庭”时，第一反应就是： 我都不敢想它能拍到多少东西。 确实如此。 一个长期待在家庭里的机器人，可能看见比手机更加私人和连续的生活。谁回家了，夫妻在说什么，东西放在哪里，今天谁看起来很疲惫，这些信息如果持续上传云端，人很难完全没有顾虑。 所以颜鑫倾向于，让尽可能多的感知发生在设备本地。 而随着机器人真正进入生活，另一个问题又出现了： 它应该怎样记住你？ 今天大量Agent Memory仍然以文本为主。但一个机器人真正陪在身边以后，它需要记住的事情未必都是一句一句可以写进数据库的文字。 你刚才把卡放在桌子的哪个位置。 这个人是你的妈妈还是同事。 你每周三晚上似乎都会很晚回来。 你看到某件东西时，表情会发生什么变化。 这些上下文共同组成它对你的理解。 更有意思的是，颜鑫甚至认为机器人还要学会忘记。 人的记忆不是无限保存的。 如果一个机器人把几年里所有细节都永远以同样权重留下，一方面搜索空间会越来越大，另一方面大量已经没有价值的信息会变成噪声。 所以真正智能的记忆，也应该包括遗忘、更新和重新组织。 颜鑫为什么会愿意长期研究这些看起来很难量化、也没有Coding那么容易拿到确定反馈的东西？ 答案其实来自他自己。 2023年，他即将毕业，实验室里的师兄师姐也都走到人生的第一次大转折。论文、答辩、工作、租房、异地、收入，很多事情突然同时压过来。 年轻人看起来拥有无限可能。 但大家并不快乐。 颜鑫发现，这不只是别人的问题，也是自己的问题。 他做产品始终有一个非常个人化的原则： 我是不是第一用户？ 如果一个模型连自己的问题都解决不了，他不会因为它在Benchmark上很好看，就认为这是一个有价值的产品。 所以他开始做泛心理。 他希望先帮到自己，再帮到身边的人。 节目里吴熳也问了一个非常现实的问题： 现在豆包、ChatGPT已经能陪人聊天了，你为什么还要做机器人？ 颜鑫认为，实体本身很重要。 手机里的一句话，和一个长期存在于你房间里、会转头看你、会摇晃身体、记得你过去发生过什么的小东西，是两种不同的体验。 他举了日本陪伴机器人的例子。 有些产品的实际功能并不复杂，不会做家务，也不能真正提高多少生产力，却依然有人愿意花几千、几万元购买。 原因也许和养猫类似。 你很难用“它究竟替我完成了多少任务”解释自己为什么愿意养一只猫。 猫是一个情感容器。 机器人也可能成为新的容器。 这句话也解释了颜鑫整个创业路径为什么最终走向今天。 他大学原本学习的是工业自动化。2020—2021年前后，ChatGPT还没有出现，当时AI的大量应用仍集中在视觉识别等领域。 颜鑫却觉得： AI应该不只做这些。 所以大二时，他先去做智能零售。 大型商超的SKU可能非常庞大，并且每天都在变化。如果每增加一种商品，就需要重新训练模型，技术带来的成本甚至会超过它节省的人力。 他们的思路，是在商品入库时把视觉特征转成向量，与商品信息匹配。以后商品增减不需要不断重新训练整个模型。 这种技术后来进入学校食堂、面包等场景。 结算的时候，不需要工作人员对每一件商品逐一扫码，把东西放到识别区域里，就能一次完成识别和价格计算。 原来可能需要几十秒甚至一分钟的结算，被明显缩短。 这段经历第一次让颜鑫看到： AI可以提高的，不只是一个坐在电脑前的人的生产力。 它可以一次提高一整群人的效率。 到了第二次创业，他开始做AI+社交。 他把机器人放进微信群，让用户直接和模型聊天。 现在看，这种产品似乎并不稀奇。 但在那个时候，大量普通用户甚至还接触不到今天这样成熟的大模型产品。微信群反而成了AI离普通人最近的入口。 更重要的是，颜鑫第一次有机会观察： 如果完全不告诉用户应该怎样使用AI，人到底会拿它做什么？ 有人每天只问：你好。今天天气怎么样？ 也有人开始和机器人开玩笑、骂它、夸它，甚至向它表达非常个人的情绪。 在群聊里，人们还会自然评价机器人。 “这个模型怎么这么笨。” “它今天这个回答还挺好。” 这些讨论不是专门设计出来的测评，没有奖金，没有任务，也没有人在旁边提醒“请认真评价”。 所以颜鑫觉得，这种反馈非常珍贵。 骂是真的骂，夸也是真的夸。 模型终究是给人用的，那么真实用户在没有利益关系的场景里做出的反应，本身就是一种最自然的Benchmark。 AI+社交让他开始从“模型能不能做事”，走向“人为什么这么用模型”。 也正是在观察这些用户时，他发现，有些人正在把情绪寄托给AI。 于是第三段创业慢慢出现。 当时他也考虑过AI+法律、AI+医疗等方向，最后越来越坚定地进入泛心理。 因为在他看来，这个时代已经不再主要面对“能不能吃饱”的问题。 很多人能够正常工作，能够生活，却依然不快乐。 而他并不想把自己所有的技术能力都投入到“怎样让一个人一天多干30%的活”上。 他更想做的，是让人快乐一点、放松一点、拥有更多生活本身的乐趣。 吴熳问他： 这种想让别人快乐的原动力从哪里来？你自己平时是一个快乐的人吗？ 颜鑫停了一下，说： “可能我也没有那么快乐吧。” “如果我快乐的话，我可能也不会做这个方向了。” 这句话让这一期里那些复杂的多模态、端侧、全模态记忆、情感模型，突然变得很具体。 一个00后的技术创业者，折腾这么多模型和机器人，最后想做的事情并没有多宏大。 他只是希望技术不只让世界运转得更快。 也能让人过得稍微开心一点。 到了快问快答，颜鑫说自己最离不开的三个“AI工具”是Codex、Claude Code和微信。 吴熳马上问： 微信怎么也能算AI工具？ 原因还是“人”。 他需要看行业信息，也需要观察真实的人在说什么、关心什么、怎样使用AI。 在他的世界里，人本身就是最重要的数据源之一。 做过这么多产品之后，他认为自己最值钱的习惯仍然是： 坚持自己是第一用户。 而最大的坑，则是没有真正想清楚，就开始做。 颜鑫有一点完美主义。他过去经常做到五六十分以后，发现离自己想要的九十分差距太大，与其在旧结构上修两个月，不如直接Rebuild，从头再来。 所以现在他越来越习惯在动手之前，把0到1先想得更清楚，把目标和结构写下来，再交给AI执行。 最后，吴熳问： 如果让普通人用30天熟悉AI开发，你会怎么建议？ 颜鑫没有回答“学Python”。 也没有回答“每天刷Codex”。 他说： 写好自己的人生说明书。 因为工具会变，模型会变，开发方式也会变。 但你得先知道自己是谁，什么问题真的困扰你，你愿意长期解决什么，以及AI到底应该帮你把人生带向哪里。 未来一年，他最期待的变化也很简单： 希望自己做出来的产品，不只帮助自己。 也真正帮助到自己以外的人。 💬听众互动 如果未来真的有一个机器人长期生活在你家里，它会看见你的表情、听见你的语气、记住你的习惯，也可能在你不开口的时候主动问你一句“你今天是不是不太开心”—— 你希望它记住你什么？又最希望它永远忘掉什么？

🎙《灯下白》EP47 嘉宾：Darren 计算机专业出身，金融技术背景程序员、Web技术爱好者、OPC。早期曾在纺织面料行业从事技术与数字化相关工作，后长期探索海外独立站、跨境电商、自动化工作流与Vibe Coding。如今主要围绕海外SaaS产品与企业知识库建设开展业务，也持续实践AI产品、自动化营销和产品出海。 主持人：吴熳 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！ 🪝本期故事 很多人第一次听“海外独立站”，脑海里想到的可能是建一个网站、把中国商品挂上去，再投点广告。但Darren真正跑过一遍之后，会告诉你：建站反而是里面相对简单的一步。 真正难的是，你到底卖什么？谁会买？为什么有人愿意在亚马逊、TEMU之外，单独进入一个陌生网站下单？用户从哪里来？网站加载速度会不会影响转化？订单进来以后怎样从中国供应链发到海外？广告什么时候应该继续加预算，什么时候必须马上停？ Darren曾经卖爆过一个连吴熳听完都觉得有点不可思议的产品——给蜜蜂和蝴蝶喝水的小器皿。它插在花园的土里，倒进去水之后，蜜蜂和蝴蝶可以停下来饮水，再继续帮助植物授粉。主要购买者，是海外喜欢种花的老年人。 这不是Darren坐在家里拍脑袋想出来的需求。他通过Meta广告库观察哪些产品已经有人持续花真金白银投放，再做市场和用户调研，最后用小预算测试。ROI跑得好，就逐步加钱；不行，就停止，再测下一个。最理想的时候，他的广告预算曾经跑到单日约3000美元。 他的核心判断也因此越来越稳定：选品决定生意有没有机会成立，投流只是把这个结果放大。 这套方法后来贯穿了他做独立站、自动化、SaaS甚至企业AI服务的整个过程。他并不特别迷信某一个风口，而更习惯像工程师一样对待商业：先找信息，拆链路，做小实验，看真实数据，再修正自己的判断。 从程序员，到中国供应链出海，再到如今的SaaS、企业知识库和OPC，Darren看起来换过很多方向，但底层其实一直在做同一件事：用技术把一个真实需求跑通，再看它能不能变成生意。 💡本期你会听到 Darren为什么从计算机专业毕业后，第一份工作却进入了纺织面料行业；一个程序员怎样参与面料数据库、OCR和线下面料图书馆建设；为什么这些看起来和AI无关的经历，后来反而成为他理解传统行业数字化的基础。 他又是如何通过YouTube、技术博客和Starter Story接触海外创业者的真实案例，并从中学习独立站、选品、投流和一个人创业的方法。2024年前后开始研究N8N以后，他怎样把信息抓取、AI分类、飞书沉淀，以及视频脚本、画面生成、拼接、上传和数据监测做成自动化流程。 这一期也会把海外独立站的完整链路聊得很细：域名、服务器、网站、支付、营销、中国供应链和跨境物流分别处在什么位置；为什么做独立站可以不囤货；海外品牌站和亚马逊有什么区别；CDN和网站加载速度为什么会直接影响海外用户的购买体验。 当然，还有那件非常有代表性的爆品——给蜜蜂和蝴蝶喝水的小器皿。Darren是怎样从Meta广告库里发现这个需求的？为什么海外老年人愿意为一个中国消费者可能完全想不到的东西付费？什么叫白牌产品？怎样避免跨境销售中的侵权风险？ 在投流部分，他也完整讲了自己的方法：为什么选品比投流更重要，ROI达到什么状态才值得继续加预算，什么时候应该扩量，什么时候必须止损，以及单日约3000美元的广告预算是怎样一步步从小额测试跑出来的。 与此同时，独立站也并不是一个永远有效的机会。TEMU等低价平台进入海外以后，消费者的价格认知发生变化，过去依赖信息差和“小而美”的独立站模式也受到明显冲击。Darren为什么没有固守已经跑通过的路径，而是继续转向企业服务、知识库、自动化和SaaS，也是这一期很重要的一条线。 最后，我们还聊到了AI Coding之后，一个技术出身的人为什么仍然反复强调“框架”。AI当然能一句话帮普通人写出一个网站，但能运行和能够长期维护完全是两回事。如果今天的代码结构混乱，几个月后无论自己继续迭代，还是交给真正的技术团队，都可能付出巨大的维护成本。 🔥本期金句 选品很重要，投流只是一个放大的作用。 做产品要先调研需求，再看数据，让数据决定你的下一步。 要把自己的主观世界和客观世界分开。 一个东西你自己不会买，不代表市场上没有人愿意买。 海外用户和中国用户的消费习惯不一样，不能直接拿自己的生活经验替他们做判断。 跑通0到1以后，不要马上扩张，先让它稳定地跑一段时间。 AI Coding可以快速把东西做出来，但框架决定它以后还能不能继续长。 一个产品现在能运行，不代表半年以后别人还能看懂你的代码。 OPC不是没有人管，而是所有的事情最后都回到自律。 前期调研清楚，再行动；0到1跑通以后，再考虑扩量。 ⏱Shownotes 01:26 Darren登场：出海、Vibe Coding、SaaS与企业知识库 02:26 计算机毕业后的第一份工作，为什么去了纺织面料行业 03:13 OCR、面料数据库与线下面料图书馆 04:36 技术系统怎样连接面料采购商、服装设计师与科研人员 05:55 Starter Story：Darren大量海外商业认知的来源 06:42 从海外创始人的0到1故事里，他到底在学什么 07:13 2024年开始研究N8N与AI自动化 07:22 自动抓取技术文章、AI分类与飞书知识沉淀 08:31 一条视频生产工作流，怎样从脚本一路做到发布后的数据监测 10:40 从看教程到直接读Paper：AI怎样改变技术人的学习方式 11:57 什么是海外独立站：域名、网站、营销和中国供应链 12:37 不囤货，怎样把中国商品直接卖给海外消费者 13:51 品牌站为什么不只是“做得好看”，网站速度也影响转化 14:29 北美服务器、法国用户与CDN缓存 15:26 海外消费者为什么愿意在陌生品牌站下单 16:12 独立站真正适合卖什么样的产品 16:56 Darren卖爆的“蜜蜂和蝴蝶喝水器” 17:13 为什么购买者主要是海外喜欢种花的老年人 17:34 Meta广告库：怎样找到已经有人花钱验证过的需求 18:24 什么是白牌产品，跨境销售为什么要特别注意侵权 18:45 从小额测试开始，怎样判断一个产品值不值得继续投 19:57 单日广告预算如何逐渐跑到约3000美元 20:36 选品和投流到底谁更重要 21:13 ROI跑得好以后，预算怎样逐步扩张 22:34 什么情况下继续投，什么情况下马上止损 23:22 汽车尾灯、风铃，还有哪些意想不到的海外产品 23:44 29.9美元到59.9美元：独立站如何设计组合与客单价 24:59 从中国发欧洲，普货物流成本到底如何计算 26:30 没有海外仓，为什么一样可以做跨境独立站 26:45 海外用户对物流时间的容忍度，为什么超出中国人的想象 27:09 为什么又是Starter Story改变了他的认知 27:41 TEMU进入海外以后，独立站的生意发生了什么变化 28:22 低价平台怎样冲击过去依赖信息差的小而美模式 30:01 从跨境生意重新转向N8N、AI和企业服务 30:21 从一次部署服务开始，怎样逐步延伸到B端需求 30:37 “熳姐，咱俩去黄埔搞个OPC” 31:01 一个偏内向的技术人，为什么决定去参加黑客松 31:35 金融产品与外国人来中国旅行的Agent 32:57 黄埔OPC能够提供哪些算力、曝光、融资和企业服务 33:52 从上班到OPC，最大的变化为什么其实是自律 34:47 AI怎样替一个人承担信息获取、论文阅读和研究工作 35:08 为什么现在不再重点做传统实体独立站 35:24 从跨境经验进一步转向海外SaaS产品 36:23 从自己的线下沙龙需求出发，做一款白板SaaS 37:25 把独立站视觉效果和提示词做成新的产品 38:26 数据驱动之外，也可以先解决自己的真实需求 38:56 Product Market Fit之外，还有Product Me Fit 39:22 成为父亲以后，一个OPC怎样重新安排工作、Coding与家庭 40:06 技术背景做Vibe Coding，到底有什么实际优势 40:45 普通人用AI做产品，为什么应该先问一句“适合什么框架” 41:41 不懂技术，也可以让AI帮助选择Framework 43:30 为什么框架决定了产品未来的维护成本 44:03 吴熳用了近20年的文件管理习惯，怎样现场变成产品需求 46:03 一个长期存在的个人痛点，本身就可能是一款产品 47:25 框架定下来以后，产品才能持续加功能而不至于越来越乱 48:02 AI写出的代码能跑，为什么专业工程师接手时可能依然崩溃 48:57 真正做海外独立站，第一步为什么不是建网站，而是解决支付 50:16 支付链路跑通之后，再进入营销 50:43 Meta、TikTok等平台的广告账户怎么玩 51:08 不想投广告，也可以通过SEO慢慢获取自然流量 51:39 Blog与搜索内容怎样持续为独立站带来用户 53:14 为什么一个人做独立站反而可能保持更高利润 53:48 品牌站也需要做客户关系和复购 54:56 优惠券、感谢信与用户口碑如何形成第二轮传播 56:36 快问快答：Claude Code、Codex与AI工作流 57:16 最值钱的产品习惯：先调研，再用数据决策 57:35 把客观世界和自己的主观想象分开 57:49 最大的产品坑：刚跑通，就急着扩张 58:25 从第一家亚马逊店到第二家，为什么应该再等等 59:42 普通人30天做独立站，第一步仍然是市场调研 01:00:09 Reddit、博客与Starter Story：去哪里获取真实市场信息 01:00:15 先跑通0到1，持续验证，再扩量 01:01:03 未来一年：希望找到一个更擅长营销和市场的Partner 📖故事摘要 Darren大学学的是计算机，职业起点也是程序员，只不过他进入的第一家公司并不是典型互联网企业，而是一家做纺织面料相关业务的公司。面料看起来是一个非常传统的行业，但实际包含大量数据：化学成分、质地、柔软度、用途、样本和供应商信息都需要被系统化管理。 作为技术人员，Darren参与了这些信息的数字化。他们不仅有线上系统，还有实体的面料图书馆。服装设计师可以来现场挑样，采购商扫描面料卡后可以进入页面查看更多信息，面料厂商和科研人员也可以借助这套系统寻找样品和数据。 那时还没有今天意义上的生成式AI，但这段经历很早就让Darren形成了一种工作方式：面对一个传统行业，不是先问“这里有没有AI”，而是先看业务到底怎样运转，信息卡在哪里，然后再用技术把它重新组织。 后来，他开始大量看海外的技术博客、YouTube和Starter Story。Starter Story里有许多创业者从0到1建立生意的真实案例，对Darren来说，它更像一个海外商业案例库。他不只是看成功故事，而是研究这些人怎样发现需求、获得第一批用户、投放广告，以及一个人怎样把一条完整商业链路跑起来。 也正是在这些信息里，他逐渐进入海外独立站。 独立站并不神秘。本质上，就是自己购买域名、建立网站，再通过广告、SEO或社交媒体找到海外消费者。当订单进入之后，再利用中国成熟的供应链完成采购和发货。前期甚至不一定需要自己囤货，也不一定必须拥有海外仓。 可真正做起来以后，他发现，独立站的核心从来不是“建一个网站”。 网站只是容器。 真正决定这门生意能不能成立的，是选品、用户、流量、支付、物流和转化。海外消费者为什么愿意绕过亚马逊，在一个陌生网站购买？你的产品是不是足够垂直？网页能不能快速打开？法国用户访问部署在北美的服务器会不会太慢？结账是否顺畅？这个品类有没有别人已经花钱验证过？ Darren技术出身，所以他会格外关注网站速度。服务器放在北美，美国用户可能打开很快，但欧洲和其他地区的用户体验可能下降，这时候就需要通过CDN和缓存，把内容更快地分发到不同区域。 这些技术细节看起来离“卖东西”很远，但它们最后都会回到一个简单的问题：会不会影响转化率。 而在商业层面，最有意思的故事，是那款给蜜蜂和蝴蝶喝水的小器皿。 如果单纯问一个生活在中国城市里的人，“你觉得海外会不会有人专门买一个东西给蜜蜂喝水”，很多人的第一反应大概和吴熳一样：还有这种需求？ 但市场真的存在。 海外很多老年人喜欢园艺和种植，希望吸引蜜蜂、蝴蝶帮助花园授粉，因此这样一个看起来极其细分的产品，反而对应一群非常明确的用户。 Darren并不是靠直觉发现它的，而是从Meta广告库里观察真实广告投放。一个产品如果长期有人花钱买量，至少意味着已经有商家愿意用真金白银验证它。接下来，他再分析竞争、供应链和品类，最后用小金额做测试。 这也形成了他后来最核心的一条产品原则：不要主观臆断。 你自己觉得奇怪，不代表市场觉得奇怪。你自己不会买，也不意味着另外一个国家、另外一个年龄和生活方式的人不会买。 产品上线以后，数据继续决定下一步。ROI表现良好，就增加预算；表现下滑，就减少预算甚至停掉。最理想的时候，预算可以随着验证结果逐步增加，而不是一开始就重仓。 他单日广告预算最高曾跑到约3000美元。能够花到这个规模，本身就意味着前面的产品和转化链路已经被验证。 因此在Darren看来，选品和投流之间，选品明显更重要。 如果选错产品，广告投得越猛，只会越快地证明自己错了。投流只是放大器，真正需要先成立的是市场供需。 除了蜜蜂喝水器，他还卖过汽车尾灯、风铃等产品。大量实践也让他不断发现，中国消费者的常识并不能直接迁移到海外。 一个很典型的例子就是物流。 中国电商基础设施已经极其成熟，很多消费者习惯第二天、第三天收到货，时间长一点就开始焦虑。但Darren通过海外创业者和实际订单发现，一些海外用户对物流的容忍度远比中国消费者高，有时候等待数周并不是无法接受的事。 这一个认知，就可能改变整套商业模型。 如果消费者能够接受更长物流周期，创业者前期便不一定需要投入大量资金做海外仓，也不必为了物流速度过早增加固定成本。 但市场同样在快速变化。 TEMU等平台进入海外以后，中国供应链里的大量低价商品被更加直接地推向全球消费者。过去独立站凭借信息差、特色品类和独立品牌获得的空间开始受到明显挤压，测一个品能成功的概率也发生变化。 Darren没有因为过去赚到过钱，就认定独立站一定值得永久坚持。他重新回到技术，继续研究N8N、自动化和AI，又通过小红书、闲鱼等渠道接触企业客户，从部署类服务逐步进入企业知识库和B端AI需求。 与此同时，他开始真正成为OPC。 他参加黑客松，做金融方向的产品，也结合自己的跨境经验做过帮助外国人规划中国旅行的Agent。比赛之后，又进一步接触上海黄埔的OPC生态，看见算力、产品曝光、融资、法律服务等公共基础设施怎样帮助一个人更低成本地创业。 但真正成为一个人工作以后，他感受到最明显的变化并不是自由，而是自律。 以前上班有同事、有协作、有截止日期，组织天然会推着人往前走。成为OPC以后，研究、写代码、客户、营销、产品迭代、运动和家庭都要自己安排。尤其已经成为父亲之后，工作之外还需要留出时间陪伴孩子。 AI在这时开始越来越像一个人的虚拟团队。论文和行业新闻可以自动收集，英文材料可以辅助理解，资料可以分类，代码可以交给Codex和Claude Code一起完成，一个人的能力边界因此被明显放大。 现在，Darren已经不再把重点放在过去那种实体商品独立站上，而更关注海外SaaS和数字产品。 他做产品时依然带着过去独立站留下的习惯：有时候先看市场，有时候也从自己的需求开始。例如他需要做线下分享和沙龙，就想做一款可以同时承担白板、讲解、提示词展示、PPT和录屏功能的工具。 这也是节目里吴熳提到的一个说法：除了Product Market Fit，也可以有Product Me Fit。 自己就是第一位用户。 AI Coding让这些产品从想法变成Demo的速度越来越快，但Darren作为一个真正学过计算机的人，也提出了一个非常值得普通人注意的问题——框架。 一个完全没有技术背景的人，现在确实可以告诉AI：“帮我做一个网站。” 它很可能真的能跑。 但随着支付、用户系统、页面、数据库和新功能不断增加，如果一开始没有清楚的框架，代码会越来越混乱。自己用的时候也许勉强能维持，可当产品真正赚到钱，需要交给专业技术团队继续开发时，对方可能打开项目就开始头疼。 所以他的建议不是让普通人重新去学几年编程，而是至少学会问AI一句： 我想做这样的产品，应该基于什么成熟框架来开发？ 让AI在一个已有结构里工作，比让它从头自由发挥，更容易让产品在半年、一年之后仍然可以维护。 Darren的经历看起来横跨纺织、程序员、独立站、跨境电商、自动化、企业服务、知识库、SaaS和OPC，但真正贯穿其中的是一套很稳定的工程师思维。 不要觉得自己已经知道市场。 先去调研。 不要觉得第一个订单出现，就代表模式已经成立。 先跑0到1，再持续验证。 不要因为AI一夜之间写出了代码，就默认这个产品可以长期生长。 先把结构搭好。 对Darren来说，商业和写程序其实很像。你的判断只是一个假设，真实世界才是运行环境。只有把它真正跑起来，才能知道到底有没有Bug。 💬听众互动 如果今天让你用中国供应链做一个面向海外的独立站，你最想卖什么？ 更重要的是：这个答案来自你自己的想象，还是你真的找到过一群愿意付钱的海外用户？

🎙《灯下白》EP46 嘉宾：李光华David 前AI翻译平台创业者，8年从事机器翻译、大模型翻译与企业本地化技术实践，曾参与打造面向专业翻译与出海团队的AI翻译平台LanguageX，并服务大疆、用友等大型企业客户。如今发起Vibe Coding社区，和一群翻译人、外语人及文科生探索AI时代新的产品创造方式，同时从事产品出海与企业AI转型服务，也是公众号&小宇宙「David的全景图AI」主理人。 主持人：吴熳 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！ 🪝本期故事 李光华大学读的是俄语语言文学。 更有意思的是，那时候的他甚至有点“反技术”。 不爱电脑，不爱手机，对复杂的软件没有什么兴趣。 毕业以后，他做翻译，在海外项目里承担大量笔译和口译工作。也正是在真正干活的时候，他发现了一件事： 翻译软件怎么能这么难用？ 传统翻译工具要安装、配置记忆库，把过去的译文拆成一句原文对应一句译文，再做字符串匹配。一个学外语的文科生，甚至可能要先培训一个月，才能把工具真正用起来。 后来，他读了《乔布斯传》。 一个原本觉得技术复杂、冰冷、难用的人，第一次开始想：技术为什么不能做得更好？ 这成为他后来不断向技术靠近的起点。 从人工翻译，到翻译项目管理平台；从机器翻译，到NLP；从和中科院自动化所等技术团队合作，到自己做模型；最后又做出LanguageX，把术语提取、预翻译、质量检查、润色和专业译者的工作流一起放进平台里。 他们做了五年。 模型参加WMT机器翻译比赛，产品进入大型企业客户的本地化团队。在大模型真正爆发之前，他们已经在做一件今天听起来非常AI Native的事：不是给传统软件接一个翻译API，而是让AI进入整个业务流程。 那时候，专业语料是护城河。 一个医疗领域模型、一个法律领域模型、一个言方向，都可以单独训练、单独部署。几十万句高质量平行语料、算法工程师、GPU、长期积累的行业术语，都是技术壁垒。 直到大模型来了。 李光华发现，他们最引以为傲的专业小模型，开始被一个根本不是专门为翻译训练的大模型超过。 更残酷的是，大模型不只会翻译。 它懂法律、懂医学、懂语言，还能提术语、做质检、润色、理解上下文。 过去一个团队花几年、几百万元堆出来的东西，生命周期可能只有两三年。 那一刻，他离“模型吃掉一切”比很多人都更近。 因为被吃掉的，就是自己亲手做出来的模型。 后来，他离开了公司。 他写了一篇《迟来的告别：再见LanguageX》，在文章末尾放了一个微信群二维码。 一群正在焦虑的翻译人、外语人和文科生，跟着他走了进来。 他们害怕失业，害怕翻译价格跌价，害怕客户直接把文本丢进大模型，也害怕自己不会AI、不会GitHub、更不会写代码。 李光华没有告诉他们“AI不会替代你”。 因为他亲眼见过替代是怎么发生的。 他做了另一件事： 带他们开始Coding。 💡本期你会听到 一个大学时期不爱电脑的“反技术少年”，为什么最后做了六七年NLP和机器翻译 俄语语言文学、人工翻译、机器翻译、Vibe Coding，这些看似跳跃的经历为什么其实是一条线 为什么李光华说，Vibe Coding本质上也是一种“翻译” 传统翻译软件的记忆库，到底是怎样工作的 为什么一个翻译工具过去甚至需要培训一个月才能熟练使用 《乔布斯传》怎样改变他对技术和产品的理解 从Smartcat到机器翻译，他为什么越来越靠近模型 LanguageX如何把模型与专业译者的工作流结合起来 为什么专业翻译不是“把中文变成英文”这么简单 术语、格式、变量、页眉页脚和版本管理，为什么都是企业本地化里的脏活累活 大疆、用友这样的头部企业，为什么需要专业翻译项目管理系统 LanguageX为什么从一开始就不是“传统软件＋一个AI API” 不同语言、不同领域为什么需要选择不同的模型 AI如何进入术语处理、预翻译、质检、润色等整个流程 大模型出现之前，高质量专业语料为什么如此值钱 几十万句专业语料怎样训练一个垂直机器翻译模型 为什么在医疗、法律等窄领域，小模型曾经可以打败通用翻译 大模型出现之后，这套逻辑为什么突然被改写 一个参加过WMT机器翻译比赛的团队，为什么仍然遭遇大模型的降维打击 为什么大模型“不是为了做翻译”，却反而把翻译做得很好 大模型既是语言专家又是法律专家，这件事对专业翻译意味着什么 为什么过去几十万元一个语言方向的模型，如今很难再卖出去 李光华为什么最终离开自己做了多年的AI翻译平台 《迟来的告别：再见LanguageX》为什么意外变成一个新社区的起点 翻译行业真正的焦虑，不只是“会不会失业” 为什么李光华觉得“翻译的昨天，可能就是Coding的今天” 文科生做AI产品，真正卡住的为什么经常不是能力，而是恐惧 一个学哲学的人，为什么会做出“100个哲学家群聊”的产品 为什么文科生反而可能做出一些程序员想不到的软件 李光华为什么认为，文科生在AI时代最大的优势是“广度” 「全景图AI」怎样把看不过来的长文章自动变成双人播客 懂业务，又懂AI的能力边界，为什么是企业AI咨询真正值钱的地方 🔥本期金句 Web Coding对我来说也很像翻译：把一种业务需求翻译成代码。 大模型不是为了做翻译，但它读了足够多的文本以后，翻译反而做得很好。 以前我们以为专业数据和专家经验能够形成很深的护城河，后来发现通用模型会直接碾过来。 大模型既是语言专家，又可能是法律专家，这就是它相比传统翻译模型的优势。 翻译以前是一个足以安身立命的技能，现在它能够容纳的人已经少很多了。 我不会劝大家进入翻译行业，但我仍然会劝大家学外语。 翻译是一项技能，语言背后的思维和文化才是更重要的东西。 AI Coding有点像打字，它本身未必是一门大生意，但它能打开很多新的领域。 文科生的优势是广度，你得先见过，才可能想到。 很多创新不是世界上从来没有，而是这个领域原来没有。 做产品，一个是对业务理解得足够深，一个是表达和UI，这两个地方能拉开差距。 最大的产品坑，是我们把模型做得太重了。 ⏱Shownotes 01:26 李光华登场：从AI翻译创业到Vibe Coding社区 02:09 “反技术少年”为什么最后做了六七年NLP 02:57 俄语语言文学毕业后，他怎样成为职业翻译 03:44 Smartcat与专业翻译软件带来的第一次产品启蒙 04:24 从人工翻译走向机器翻译 04:55 俄语、翻译、NLP、大模型与Coding，其实是一条连续路径 05:33 Vibe Coding为什么也是“把需求翻译成代码” 05:47 《乔布斯传》与一个反技术者对产品认知的改变 06:35 传统翻译记忆库：一句原文匹配一句译文 08:04 为什么机器翻译成为当时NLP最成熟的商业场景 09:47 从翻译项目管理平台走向模型 10:17 术语提取、预翻译、质量检查与润色 11:14 LanguageX：把AI模型和专业译者工作流结合起来 11:57 WMT机器翻译比赛与大型企业客户 12:47 企业出海：为什么一个Excel里也藏着复杂的本地化工程 15:30 0.5B小模型是怎样被训练出来的 17:45 多语言、多版本、多供应商，为什么需要TMS管理平台 18:53 2021年起步，LanguageX怎样进入头部企业 20:20 为什么训练过模型的团队，更容易真正理解AI Native翻译系统 20:54 AI不是只负责翻译，而是进入整个业务流程 23:08 头部企业真正购买的，是AI理解与行业Know-how 24:27 大模型时代之前，专业语料为什么是一种稀缺资产 25:13 通用翻译和垂直行业模型的差异 26:21 每个客户的翻译工作流为什么都不完全一样 26:52 创业CEO的另一面：每天站会与战斗状态 27:46 随性的人，为什么进入了一个极度严谨的行业 28:35 他最快乐的阶段，其实是产品0到1 31:07 WMT有优势的小模型，为什么依然输给了大模型 31:46 “通用打败垂直”：大模型带来的降维打击 32:37 语言专家＋法律专家：大模型为什么天然占优 33:40 DeepL、传统机器翻译与一个时代的黄昏 34:33 离开翻译创业后，他为什么开始带文科生Coding 35:28 《迟来的告别：再见LanguageX》与社区的第一批成员 36:25 翻译人的焦虑：降价、订单减少与AI替代 38:21 “翻译的昨天，就是Coding的今天” 39:39 带翻译人学习AI转型，本质上是在分享自己走过的路 40:01 社区成员都做出了什么产品 41:18 文科生AI Coding最难的一关：对技术的恐惧 42:16 为什么社区一定要保持多元 43:10 “100个哲学家对话”：文科生会做出什么奇怪又有趣的软件 44:35 李光华自己最喜欢的小产品：钢笔字自动装裱 46:16 「全景图AI」：把看不过来的文章变成双人播客 46:56 长文本如何自动变成一段几十分钟的音频 49:26 为自己的孩子做英语和背诗小产品 49:43 企业AI咨询：帮助老客户少踩已经踩过的坑 50:30 懂业务＋懂AI边界，为什么比单纯会工具更重要 52:08 文科生在AI时代真正的优势：广度 54:24 “你得先见过，才有可能提出这个问题” 58:00 快问快答：ChatGPT、Codex与Cursor 58:36 最值钱的产品经验：业务深度与UI表达 59:12 最大的产品坑：把自己的翻译模型做得太重 59:40 几百万元研发、两三年生命周期，值不值 01:00:46 过去一个语言方向几十万元，为什么现在模型卖不动了 01:02:34 科技只领先一年够不够？什么才是长期价值 01:03:25 大模型还没吃完的地方：格式与行业里的脏活累活 01:04:31 还会不会劝年轻人进入翻译行业 01:04:40 不会劝你做翻译，但仍然建议你学外语 01:07:46 未来一年：希望自己和社区朋友做出更好的产品 01:08:31 AI Coding不是终点，它是一种打开新世界的基础能力 📖故事摘要 李光华大学学的是俄语语言文学。 如果只看起点，很难想象这个人后来会训练机器翻译模型、做AI平台，再带着一群文科生开始Coding。 更有意思的是，他年轻时甚至并不喜欢技术。 那个年代，他接触到的专业翻译软件非常重。安装、配置、建立术语库和翻译记忆库，每一个步骤都充满技术门槛。 所谓翻译记忆库，是把曾经翻译过的内容处理成“一句原文对应一句译文”，以后遇到相同或相似句子，再从数据库中匹配出来。 今天回头看，这个方法甚至显得有些原始。 但在当时，它已经是专业翻译生产力的重要组成部分。 毕业后，李光华进入真实的翻译业务。他参与海外项目，既做笔译也做口译，并管理团队。在工作过程中，他逐渐接触Smartcat等海外云端翻译平台，也参与过它们在中国的本地化。 做得越深，他越清楚一个事实： 翻译未来最大的变量，不是项目管理软件，而是机器翻译本身。 于是，他开始接近NLP。 他调研中科院自动化所、大学实验室和不同机器翻译团队，开始尝试把模型与人工翻译流程结合起来。 一开始是翻译。 后来是术语。 一个专业项目里，同一个术语必须从头到尾保持一致。模型需要先从文件里提取术语，再确定译法，形成术语表，然后进行预翻译。 翻译结束后，还要检查标点、括号、错别字、漏译和格式，再对语言进行润色。 慢慢地，他们发现： AI不应该只是“把一句中文变成一句英文”。 它应该进入整个专业翻译流程。 后来，他们做出LanguageX。 这个平台的用户不是偶尔翻一句话的普通人，而是企业里的出海、本地化和专业翻译团队。 例如一家大型企业要把网站、产品说明、软件界面和文档同步到十几个国家，面对的根本不是“翻译准不准”这么简单。 一个Excel表格里，可能同时存在文本、变量、代码、参数和数字。哪些可以翻译，哪些必须锁死；不同页面如何保持术语一致；版本更新以后哪些译文需要重新同步；内部团队怎样管理外部供应商——这些才是真实业务。 所以LanguageX越来越“重”。 但这些脏活累活，也逐渐形成了护城河。 尤其是在大模型出现之前。 那时候，高质量专业语料非常值钱。 李光华和团队有多年人工翻译积累，可以把大量专业译文整理成一句对一句的平行语料，再针对医疗、法律等不同领域微调模型。 一个语言方向一个模型。 几十万句高质量语料，就可能明显提高一个垂直领域的翻译表现。 他们参加WMT机器翻译比赛，也得到过行业专业机构的认可，产品最终进入大疆、用友等大型客户的内部本地化流程。 这个团队并不是后来看到ChatGPT火了，才给传统软件套上一层AI。 他们从一开始就在和模型打交道。 这也让他们很早形成了一种今天被称为AI Native的产品逻辑。 同一段内容，不同语言、不同专业领域，可以选择不同的模型；翻译之前用AI处理术语，翻译之后再用AI做质量检查和润色；项目完成后的专业数据又可以继续回到系统，帮助模型进一步适应行业。 从业务到数据，再从数据回到模型，是一个闭环。 在大模型爆发之前，这条路线看起来几乎无懈可击。 直到大模型出现。 李光华发现了一件残酷的事： 自己做了很多年的小模型，正在迅速失去优势。 这件事甚至有些反常识。 照理说，一个针对医疗、法律等领域精细训练过的模型，拥有大量专业语料，应该比一个什么都学的通用模型更专业。 在一段时间里，也确实如此。 但当模型规模继续扩大，情况发生了改变。 大模型根本不是为了翻译而生。 它只是读了海量文本。 可最后，它翻译得很好。 更麻烦的是，大模型不只会语言。 让传统翻译模型处理一份法律文件，模型需要解决的是语言问题；而大模型本身可能同时拥有大量法律知识。 它既像语言专家，也像法律专家。 原本需要几个专门模型分别完成的术语处理、翻译、质量检查和润色，它也可以逐渐统一完成。 专业小模型多年构筑起来的优势，被模型能力的一次跃迁迅速压平。 过去，为企业部署一个垂直领域、一个语言方向的模型，可以卖几十万元。 五种语言，就是五个模型。 算法工程师、GPU、语料处理与持续训练，背后都是实实在在的成本。 一个模型可能投入数百万元研发。 但它真正领先的时间，也许只有两三年。 当DeepSeek一类强大的通用模型可以直接部署，并覆盖多个语言时，客户不再愿意为五个独立机器翻译模型买单。 李光华后来总结，这也是自己做产品踩过最大的坑： 把模型做得太重。 但这个“坑”又不能简单说是错误。 如果没有当年的模型能力，他们不可能进入WMT这样的比赛，也不可能获得头部企业客户的信任，更不可能真正理解模型。 它只是一个非常典型的技术时代悖论： 你必须投入，才能获得领先。 可你刚刚获得的领先，下一代技术可能马上就会把它抹平。 最终，李光华离开了自己做了多年的翻译平台。 他写了一篇文章： 《迟来的告别：再见LanguageX》。 文章末尾，他随手留下一个微信群二维码。 很多人进来了。 他们大多是翻译、外语或者文科背景，也是最早感受到大模型冲击的一群人。 过去，翻译可以是一门足以安身立命的专业技能。 一千字多少钱，靠积累语言能力和行业经验，一个人可以长期生活。 但大模型来了以后，简单订单被直接吃掉，剩下的订单价格继续下降。 过去也许需要八个翻译完成的项目，现在模型先跑一遍，只需要留下一个人做检查。 问题不是“翻译会不会完全消失”。 而是一个行业还能容纳多少人。 李光华没有给这群人讲“AI只是工具，不会替代人”。 因为他本人刚刚从一个被大模型剧烈改变的行业里走出来。 他更想告诉他们： 我只是比你们先多走了两步。 现在，我把这条路再走一遍给你们看。 于是，这个微信群慢慢变成了一个Vibe Coding社区。 文科生第一次打开GitHub，往往会害怕。 满屏英文、代码、仓库、命令行，看起来像另一个世界。 但李光华发现，他们真正的困难很多时候并不是“学不会”。 而是不敢开始。 AI Coding改变了这件事。 他们不再需要先学几年计算机基础，才能第一次把自己的想法做成产品。 有人把自己的翻译工作做成术语工具；有人把长文章转成播客；有人做心理疗愈产品；还有一位学哲学的人，做出了“100个哲学家”。 用户可以和苏格拉底、柏拉图等不同哲学家聊天，还可以把他们拉进一个群，让不同哲学传统共同讨论一个现代问题。 甚至让“哲学家们”发朋友圈，用他们自己的视角评价今天的生活。 这不是传统软件世界最常见的产品。 但恰恰因为开发者来自哲学，而不是计算机，他才会想到这种东西。 李光华越来越相信，文科生在AI时代真正重要的优势不是“更会写Prompt”，而是广度。 学外语的人读过文学、接触过不同文化、不同人物和故事；做翻译的人又因为职业原因，不断进入新的行业和会议现场。 他们未必在每一个领域都足够深，但他们见过很多世界。 而创新经常不是凭空创造一个世界上从未出现过的东西。 只是把A领域已经存在的东西，第一次搬到B领域。 前提是：你得先见过。 AI自己也很广。 但如果一个人从未经历过、从未观察过、从未产生过那个问题，他甚至不知道该让AI往哪里走。 这也是为什么李光华如今做企业AI服务时，最看重的不是工具熟练度。 而是两件事： 他懂业务，也懂AI能力的边界。 一个企业告诉他，有一个大型游戏需要处理几千个术语；一个本地化团队不知道应该选什么模型；一个传统翻译公司不知道自己的流程该不该被AI重构。 这些问题真正需要的，不是再介绍十个AI工具。 而是有人曾经在这个业务里走过一遍，知道坑在哪里，也知道模型能走到哪里。 李光华自己的生活，也重新回到了“做东西”的状态。 他小时候练书法，就给自己做一个钢笔字自动装裱的小产品；孩子需要学英语，就想给孩子做英语学习工具；看不过来大量AI文章，就做「David的全景图AI」，自动把长文章改写成主持人与专家的双人对话，再合成为几十分钟的音频，在路上听。 这些东西不一定都是商业项目，有些甚至“没什么用”。 但在他看来，AI Coding越来越像一种基础能力。 就像打字。 学打字本身不是一门生意。 但会打字之后，你可以写小说、做表格、发邮件、经营公司。 Coding也一样。 它真正有价值的地方，不是“我会写代码”。 而是以前一个文科生脑子里存在多年、却永远没有能力实现的想法，现在第一次有机会变成一个真实的东西。 故事绕了一大圈，又回到了翻译。 李光华曾经把中文翻译成俄语。 后来把人工翻译流程翻译成机器模型。 现在，他做的事情，是帮助更多普通人把脑子里的需求，翻译成代码。 工具一直在变，那个在不同世界之间搭桥的人，没有变。 💬听众互动 如果AI Coding已经像打字一样，把“做软件”的门槛大幅降低，你过去十年里有没有一个一直想做、却因为不会技术而搁置的东西？ 如果现在可以把它做出来，你最想先做什么？

🎙《灯下白》EP45 嘉宾：杨义莲（丫丫） AI+教育实战顾问。WaytoAGI教育版负责人，CCF科普工委执委。拥有十年一线教育经验，曾在成都、新加坡、苏州、杭州等地从事教学、PBL项目研究与创新教育实践，2025年7月离开任教4年多的云谷学校，已经陪伴20000➕老师，10000➕学生共同探索AI➕教育的新方式。持续关注并推动学校AI转型、教师AI赋能、青少年AI创作与教育公益实践，是世界人工智能大会WAIC、第十二届中国创新教育年会等演讲嘉宾，受邀合作中国教育部教师司、北京四中、北师大附中等学校和华为、百度、阿里等企业。 主持人：吴熳 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！ 🪝本期故事 丫丫大学的时候很会赚钱。 在教育机构教课，一个暑假最高峰能赚到三十万元。赚到第一笔钱后，她和同学开奶茶店，想着“钱生钱”。 结果奶茶店失败了。 房租一直烧，投资人要撤，她还在店里硬撑。直到爸爸有一天跑到学校，发现女儿课也不上了，正在奶茶店里摇奶茶，直接把人拎回去上课。 但也正是在那几年里，她发现了一件事。 赚钱当然有快感。 可当一个学生告诉她：“老师，谢谢你，我原来以为自己不行，现在我知道，我只是还没有找到正确的人和正确的方法。” 那种感觉完全不一样。 她后来形容： 赚钱，是参与资金的流动。 做教育，是参与一个人的生命。 于是，她做了十年老师。 她教过高三数学，也教过小学；去过新加坡研究PBL，在苏州外国语学校工作，又来到杭州云谷学校，一待就是四年。 直到2025年，她的身体开始报警。 每到周五下班，她就开始发烧。39度、40度，周末持续高烧，到周日下午又神奇退烧，星期一继续打工。 甲流、乙流、各种检查都找不到原因。 医生提醒她：可能是躯体性焦虑。 她开始问自己： 如果明天就是我人生最后一天，我做了十年教育，真正觉得值得留下来的，到底是什么？ 她想到一个曾经资助过的小女孩。 女孩第一次跟着他们去新加坡参加项目时，没有足够的钱。几位年轻老师一起资助她完成了那次旅程。 几年以后，小女孩真的靠自己的努力重新回到了新加坡。 她告诉丫丫： “人是没有办法成为自己没有见过的人的。” “老师，我以前没有看见过这种可能性。现在我看见了。” 那句话让丫丫决定离开学校。 她原本给自己定了一个两年目标： 就算暂时不赚钱，也想帮助1000名老师和100个孩子，从0到1做出自己的AI作品。 因为让他们看到“AI很厉害”还不够。 她希望他们相信：我也能做到。 一年后，这个数字变成了约2万名老师和1万名孩子。 而丫丫也慢慢意识到，AI进入教育真正困难的，从来不是再教会老师一个新工具。 工具是明线，人心才是暗线。 💡本期你会听到 大学时期一个暑假能赚三十万元，丫丫为什么最后没有选择搞钱 奶茶店创业失败，给一个师范生上了怎样的第一堂商业课 为什么她说，赚钱是在参与资金流动，教育是在参与一个人的生命 从高三数学到小学教育，不同年龄阶段的学生怎样改变她对教育的理解 一个学生如何学会“我不是不行，只是还没找到正确的人和资源” 成都、新加坡、苏州、杭州，她为什么不断更换教育环境 为什么她觉得“挑工作和挑伴侣一样，筛选的成本可能比养成低” 十年教师生涯后，她为什么突然决定停下来 连续一个月每到周末高烧，怎样逼她重新思考自己真正想做的事情 一句“人无法成为自己没有见过的人”，为什么最终促成她辞职 从1000名老师、100个孩子，到约2万名老师和1万名孩子，她这一年发生了什么 云南楚雄寄宿学校的男孩，第一次接触AI后为什么说“我的未来天花乱坠” 一个偏远地区的小女孩，为什么想把机器狗的样子记下来讲给妹妹听 为什么她宁愿自己花钱租机器狗，也不愿拿孩子的笑脸换品牌露出 火种车为什么不能只培训学生，还必须同时培训老师 AI进入偏远学校后，怎样避免支教团队离开后“一切恢复原状” 如何用AI重新设计“秦始皇是千古一帝还是暴君”的课堂辩论 为什么真正重要的不是让AI给答案，而是让孩子检查讨好性、信息茧房和自身立场 2022年，她为什么开始和孩子一起做AI情绪漫画 四格漫画如何帮助孩子复盘事件、情绪、行动与结果 一个总和同学打架的男孩，怎样第一次看到“对方视角里的自己” 为什么AI项目最后训练的不只是AI能力，还有写作、摄影、策划、协作和表达 2024年面向全球教师开的AI工作坊，为什么从25人挤到50人都站不下 工具频繁失效以后，她为什么开始使用活码、动态教程等交付方式 为什么做教育服务，要让客户“连续赢三次” 离开名校光环以后，她第一次真正面对“凭什么找你” 一个月商业、一个月公益、一个月休息，她怎样重新学习商业化 为什么她认为商业化不是丢掉理想主义，而是把模糊的东西变清晰 AI教育未来真正要培养的，到底是什么样的人 批判性思维、协作、思维灵活性和抗挫力，为什么比某个具体工具更重要 为什么丫丫拒绝过上百万元的学校AI项目 “给老师更多Token，学校自然会变好”，为什么是一个巨大的幻觉 什么叫“工具是明线，人心是暗线” 为什么学校领导说“All in AI”，老师却可能在下面沉默 成绩波动、家长质疑、失败担责，为什么才是教育改革真正的阻力 AI进入学校，为什么必须先找到愿意尝试的30%老师 “赛博菩萨”为什么在藏语语境里，真正对应的是“勇士” 云南支教出发前三天被撤资，她为什么还是准备一个人去 商业赞助不要求学校露出，为什么让她记住“爱出者爱返，福往者福来” 年轻老师想学AI，为什么她的第一个建议不是学工具，而是“先算账” 老师为什么必须先保护自己的身体、精力和心理 普通老师只有30天，应该怎样真正开始AI教学 🔥本期金句 赚钱的快感，和参与一个人的生命，是完全不一样的。 人是没有办法成为自己没有见过的人的。 不光要让孩子看到AI很厉害，还要让他相信：我也能做到。 极致的利他就是利己。 火种只给孩子是不够的，老师和孩子必须一起改变。 AI不是只用来给答案的，它也可以帮孩子看见自己的信息茧房。 情绪对了，学习才会发生。 帮一个人连续赢三次，才有可能建立长期信任。 旧系统里长不出新答案。 如果我们用20年前的学习方法，培养今天的孩子去面对20年后的挑战，这就是害人。 AI加教育，工具越强，教育就自动越好——这是一个天大的谎言。 工具是明线，人心是暗线。 领导说All in AI不难，难的是失败以后谁负责。 我不想陪学校做一场戏，我希望我的时间和他们的时间都被尊重。 大家都是戴着镣铐跳舞，没有勇气就不要来跳。 菩萨不是慈悲的意思，它也是勇士：已经获得了解救，却愿意为了值得坚持的东西重新回到苦难里。 刚毕业的老师想学AI，我第一个建议是：先算账。 不要为了研究AI把身体拖垮。 不要用别人的成功成为衡量自己的尺子。 智慧是涌现的，不是设计出来的。 💬本期你会记住的三个故事 第一个故事，是“我的未来天花乱坠”。 云南楚雄的一所寄宿学校里，丫丫给孩子们上完AI课程后，在桌子上看见了四个已经发黑的字： “我的梦想”。 她找到刻字的小男孩，随口问： “上完今天的课，你的梦想和以前有什么不一样？” 男孩却非常认真。 他说，以前村里的大人告诉他，未来最好的出路就是做警察、医生或者老师。 但那天，他第一次看到大城市里的同龄孩子已经在用AI做产品、做项目，甚至尝试融资。 他自己也第一次做出了一个东西。 于是他说： “老师，我觉得我的未来天花乱坠。” 语文老师大概会提醒他，这个成语不是这样用的。 但丫丫记住了。 因为那一刻，一个孩子真正想表达的是： 我的未来突然像烟花一样炸开了。 我第一次不知道自己到底可以走到哪里。 第二个故事，是那只每天3000元的机器狗。 为了让偏远地区的孩子真正触摸到AI与未来科技，丫丫团队决定带机器狗去支教。 有人愿意赞助，但条件是品牌需要露出，丫丫拒绝了。 她不想让孩子的笑脸变成一张商业广告。 于是团队自己租。 而且既然孩子们已经在电视上见过更好的机器狗，她也不愿意为了省钱带一个差很多的版本。 一天3000元。 一次支教十多天。 这是很真实的成本。 一天课程结束，铃声已经响了，一个小女孩却仍然舍不得离开机器狗。 丫丫提醒她：“快回教室吧。” 女孩说：“老师，我以前只能在电视上见到它。” “我想再多看几眼，记住它是什么样子。” “我家里还有一个妹妹，我要回去告诉妹妹它长什么样，因为我不知道她的学校什么时候才能见到。” 那一刻，丫丫觉得： 租还是得租。 因为教育平权并不只是把同样的知识讲给不同地方的孩子。 有时候，它是让一个人真正看见： 那些看起来属于遥远世界的东西，其实也和我有关。 第三个故事，是出发前三天，钱没了。 第一次去云南支教前，团队已经协调好六所学校。 志愿者请了十天假，有人甚至把七天年假和三天病假全部用掉。 学校调整了期中考试时间，也完成了与主管部门的协调。 然后，出发前三天，资方撤资。 原因仍然是品牌露出。 十多天行程，接近20万元成本。 丫丫想了一圈，对伙伴们说： “最坏的情况，我一个人去。” “我不道德绑架你们，你们愿意去就去。” 九个人说： 我们去。 就在出发前两天，她发了一条朋友圈。 过去合作过的华为伙伴看到了。 对方说，可以帮她申请支持。 最终，华为愿意承担前三期费用，而且接受学校现场不做商业露出。 丫丫甚至反复确认： “你们真的不要PR吗？” 对方告诉她： 因为以前见过她星期五下班直接飞去支教，星期天晚上再飞回杭州；也见过她在条件很差的地方坚持做教师培训，所以相信她。 丫丫后来想到八个字： 爱出者爱返，福往者福来。 ⏱Shownotes 01:27 丫丫登场：AI+教育探索者杨义莲 02:16 从成都到杭州：一位老师不断转身的十年 03:07 辞职时想影响1000名老师，一年后变成约2万名 04:04 为什么不断换学校：筛选、价值观与教育理想 05:16 大学搞钱史：教培、奶茶店与第一次创业失败 06:38 赚钱和教书，哪一种获得感更强 07:17 高中和小学：老师究竟能参与孩子生命到什么程度 09:00 连续高烧：十年教师生涯的暂停键 09:49 如果明天是Last Day，什么才是十年教育里最重要的瞬间 10:52 “人无法成为自己没有见过的人” 11:33 为什么她决定去做教育平权 12:01 云南支教：桌子上发黑的四个字“我的梦想” 12:44 “老师，我觉得我的未来天花乱坠” 13:38 每天3000元的机器狗，为什么仍然坚持要租 14:29 让遥远的未来和一个乡村孩子真正发生关系 16:09 每季度一次：云南、甘肃与持续推进的AI教育公益 17:19 为什么老师和孩子必须同步培训 18:54 AI教育不是教工具：从“道法术器”重新设计课程 19:31 秦始皇是千古一帝还是暴君：AI时代怎样重新做辩论课 20:27 讨好性、信息茧房与批判性思维 21:06 从二元对立到一个更丰满的秦始皇 23:28 2022年的AI情绪漫画：从真实的学生问题出发 24:29 怎样让孩子把情绪经验变成下一次解决问题的素材 24:55 事件、感受、行动、结果：四格漫画的设计 26:45 AI项目为什么也是一次元认知训练 27:09 从画画到剧本、摄影、项目管理与发布会 28:43 十岁孩子进入心流，会是什么样子 29:52 一个总打架的小男孩，第一次看到对方视角里的自己 31:44 2024全球教师AI工作坊：25人最后挤成50人 32:54 AI工具不稳定以后，培训者该如何设计交付 33:32 为什么客户必须“连续赢三次” 34:27 52个城市同步进行的AI切磋小会 36:45 离开名校后：别人第一次问“为什么要找你” 37:25 数量目标超额完成，商业化却仍需继续探索 38:06 谈单、报价、交付、验收：从模糊到清晰 39:46 旧系统里为什么长不出新答案 40:55 AI Native学生需要什么：批判性思维、协作、灵活与抗挫 42:23 为什么她拒绝过上百万元的学校AI项目 42:47 “工具是明线，人心是暗线” 43:18 领导All in AI，为什么老师可能只是沉默记笔记 44:01 成绩下降怎么办？家长质疑怎么办？失败谁承担？ 45:19 只有Token，没有自由，最后只会得到一节漂亮公开课 45:46 戴着镣铐跳舞，也需要勇气 46:03 什么样的学校，她才愿意真正一起做改革 47:00 藏族孩子告诉她：“菩萨其实是勇士” 48:31 云南支教出发前三天撤资 48:47 九名伙伴决定：没钱也去 49:23 出发前两天，华为提供前三期支持 50:20 为什么一家公司愿意赞助，却接受完全不在学校露出 51:27 年轻老师进入AI的第一条建议：先算账 51:56 找到自己的最小支持网络 52:22 别让AI只是把“两天交一次报告”变成“一天交两次AI报告” 55:53 老师学AI以前，先保护自己的精力和心理 56:34 老师只有丰盈，爱才会真正流向学生 57:31 快问快答：Floatboat、Codex与豆包 01:00:32 最值钱的教育认知：不要被别人的成功绑架 01:01:31 最大的教育坑：想当然 01:02:49 推进学校AI改革：先找到真正愿意改变的30% 01:03:35 普通老师30天AI进阶：先解决最痛的小问题 01:04:50 从减负，到自由探索，再到重新认识自己 01:05:49 未来一年：不要只追求数量，要看见几个生命被长期改变 📖故事摘要 丫丫的教育故事，有一个很不寻常的开头。 大学的时候，她很喜欢赚钱。 她在新东方等机构教课，最忙的一个暑假，收入能到三十万元。 那时她还只是个大学生。 手里第一次有了积蓄，自然会想： 能不能让钱生钱？ 于是几个年轻人合伙开奶茶店。 结果很快上了人生第一堂商业课。 加盟费比想象中高，房租不断产生，投资人想退出，她又不好意思直接放弃，只能自己硬撑。 直到爸爸有一天来到学校，发现应该去上课的女儿根本不在课堂，而是在奶茶店里摇奶茶。 爸爸说：别摇了，回去读书。 生意失败了。 但另一个问题逐渐变得清楚： 她到底喜欢什么？ 答案来自学生。 丫丫发现，赚钱当然很爽，但一个孩子因为自己的课解决了问题，甚至因为一次谈话打开了人生的另一种可能，那种获得感更长久。 她说，那不是参与资金的流动。 而是参与一个人的生命。 于是她真的做了十年教育。 她教过高三数学。 在高考最后阶段，很多孩子最需要的是成绩。 但她也会设计心理解压活动、团队协作游戏，教学生怎么主动求助。 一个孩子后来告诉她： “以前遇到困难，我会觉得是我不行。” “现在我知道，我可以找正确的人、正确的资源。没有解决，只说明我现在还没有找到正确的打开方式。” 后来丫丫越来越喜欢低龄教育。 因为在小学，一个老师不只影响分数。 世界观、金钱观、朋友关系、怎么看待失败、怎么看待自己，都仍然有很大的塑造空间。 一路上，她去了不同的学校。 成都、新加坡、苏州、杭州。 别人会觉得她为什么总在变。 她自己的答案却很简单。 年轻的时候试错成本低。 而且，比起试图改变一个完全不适合自己的环境，有时候筛选一个更匹配价值观的环境成本更低。 变化很多。 但变化背后一直没有变的，是她想找到一种自己真正相信的教育。 最后，她来到云谷学校，一待四年。 真正让她停下来的，不是职业规划，而是身体。 2025年，她开始出现非常奇怪的发烧。 星期五下班开始烧，39度，星期六40度，周日继续。 然后星期日下午退烧，星期一准时打工。 一个月四周，四次重复。 所有检查都找不到明确原因。 医生提醒她，可能是躯体性焦虑。 她开始逼自己回答一个问题： 如果明天就是Last Day，十年老师生涯里，什么才是最值得留下来的Moment？ 她想到了一个女孩。 那是在新加坡和马来西亚做PBL项目时认识的学生。女孩想参加项目，却没有足够的钱，于是几个年轻老师一起资助她。 项目结束后，大家各自回到生活。 几年之后，丫丫突然收到一封邮件。 女孩问：“老师，你猜我在哪里？” 她又回到了新加坡。 因为第一次来到这里后，她发现，人生原来可以不是身边人告诉她的那个样子。 她开始主动找资源，重新规划自己的人生。 后来两个人在新加坡河边散步。 女孩对丫丫说： “人是没有办法成为自己没有见过的人的。” “我以前没有看见过这种可能，现在我看到了。” 这句话最终成为丫丫辞职的重要原因。 她决定去做教育平权。 最开始，她给自己两年。 想帮助1000名老师、100个孩子真正从0到1做出AI作品。 不是带他们参观一次AI。 不是讲一场“未来已来”的讲座。 而是让他们真正完成一次创造。 一年之后，她发现自己的KPI已经严重超额。 约2万名老师。 1万名孩子。 这些数字背后，是一次次真正走进学校的现场。 云南楚雄，一所寄宿制学校。 晚上上完课，她们还要开五个小时的山路离开。 在一张课桌上，丫丫看见四个已经被磨得发黑的字： “我的梦想”。 她找到那个男孩，问他： 今天上完AI课，你的梦想有什么变化？ 男孩告诉她： 过去，村里的大人说，最好的未来就是警察、医生、老师。 但今天，他看到大城市里的同龄孩子已经用AI做产品、做项目，甚至接触投融资。 他自己也第一次用HTML做出了一个东西。 于是他说： “老师，我觉得我的未来天花乱坠。” 这个词用错了，但丫丫一直记得。 因为它特别准确地形容了一个孩子在未来突然被打开后的感受。 像烟花一样。 不知道会飘到哪里。 另一个女孩，则让丫丫记住了一只机器狗。 团队想把前沿科技真正带到孩子眼前，却不愿用孩子的笑脸换企业广告。 没有露出，就自己租。 一天3000元。 十多天是一笔真实而沉重的成本。 课程结束，铃声响了，一个女孩仍然站在机器狗旁边。 丫丫催她回教室。 女孩说： “老师，我想再多看它几眼。” “以前我只能在电视上看到。” “我家里还有一个妹妹，我要记住它长什么样，回去告诉妹妹。” “我不知道妹妹的学校什么时候才能见到。” 丫丫后来想： 那就租吧。 教育的意义，有时候就是让那些原本离一个孩子非常遥远的东西，突然进入他的现实。 但她们很快发现： 只点燃孩子，不够。 火种会熄灭。 所以每到一所学校，老师和学生必须同步培训。 老师学习AI原理、备课、教学和论文，学生完成真实的AI项目。团队离开之后，还会留下长期咨询和社群支持。 孩子见过新的学习方式以后，也会反过来推动老师。 AI教育于是从“一次支教”，慢慢变成一种持续发生的关系。 丫丫自己的课堂设计，也越来越不把AI当成答案机器。 比如传统历史辩论： 秦始皇究竟是千古一帝，还是暴君？ 以前是分队、查资料、辩论。 现在，孩子可以和AI一起搜集信息。 但真正重要的，是接下来的追问。 AI是不是因为已经知道了你的立场，所以不断给你支持这一方的材料？ 你有没有进入信息茧房？ 站到对手立场以后，你还能不能反驳自己？ 当同时看见正反两边的信息以后，如果彻底放弃原来的立场，你会怎样评价秦始皇？ 最后，秦始皇不再只是一个“好皇帝”或者“坏皇帝”。 而是一个复杂、丰满、矛盾的人。 AI没有替孩子思考。 它反而成为了训练思考的镜子。 这套理念，其实在2022年就已经出现。 当时丫丫在云谷学校做导师。 她负责几个孩子，每周都会聊学业、人际和情绪问题。 她发现，孩子的情绪来得快、去得也快。 一次矛盾解决以后，下次出现类似情境，孩子往往又回到原来的反应。 于是她和学生一起做了一本AI情绪漫画。 四格。 发生了什么？ 我当时什么感受？ 我做了什么？ 最后发生了什么？ 最下面还有一个问题： 如果时光可以倒流，你会怎么做？ 一个经常和别人冲突的小男孩，在记录一次跳绳冲突时，最初认为自己完全是受害者。 是对方撞了我。 我很愤怒。 所以我打回去。 后来，同学补充了另一边的故事。 原来对方已经提醒了他很多次： 你离得太近，会打到我。 只是男孩太专注于跳绳，一直没有听见。 他第一次发现： 原来自己眼里的“无缘无故被欺负”，在对方视角里，是“我提醒了很多次，你还是撞过来”。 AI和项目没有替他判断谁对谁错。 而是让他第一次站到高处，看见自己的行为模式。 丫丫越来越相信： 教育不是把更多答案塞给孩子。 而是让他们获得看见自己的能力。 2024年，她开始面向教师做AI工作坊。 原计划25人。 后来教室里来了50多人，站都站不下。 那是她第一次意识到，自己这些习以为常的AI工作流，对很多老师来说竟然如此有价值。 可做得越多，她也越看见AI教育真正难的部分。 不是工具，是人。 她后来把它总结成一句话： 工具是明线，人心是暗线。 学校可以买最好的模型，可以买Token，可以买电脑，可以买机器人。 甚至可以请一个非常厉害的专家，站在台上宣布：我们要All in AI。 可台下的老师可能正在想： 这算不算额外工作量？ 实验失败谁负责？ 学生成绩波动怎么办？ 家长问我为什么拿他们班做实验，我怎么解释？ 校长明年换了怎么办？ 职称评定认不认？ 这些才是真正决定AI能不能进入学校的事情。 所以丫丫甚至拒绝过上百万元的合作。 因为有些学校要的不是改革。 而是一场看起来非常漂亮的AI秀。 一个公开课。 一个案例。 一张照片。 一次宣传。 她不愿意陪学校演这场戏。 她会先问： 你们真的愿意给老师试错空间吗？ 愿意接受短期成绩可能有波动吗？ 愿意有人Say No吗？ 愿意让老师拥有时间吗？ 如果都不愿意，工具再好也没用。 她甚至总结出了自己的学校改革方法： 先找到真正愿意行动的那30%。 让他们跑出一个小MVP。 当真实效果影响旁边50%的观望者，80%的人开始相信改变确实有价值时，剩下那20%的反对声音就不再决定整个系统。 真正的改革，从来不是说服所有人。 而是先让一小群人真的赢一次。 离开学校后，她也第一次不得不学习另一堂课：商业。 过去别人介绍她，会说： 这是云谷学校的丫丫老师。 离开以后，别人问的是：你凭什么？你到底能给我提供什么？ 谈单、价格、渠道、交付、验收标准、分钱方式，她都要重新学习。 她后来慢慢接受： 商业化并不是背叛理想主义。 商业化只是把模糊的东西变清晰。 谁负责商务，谁负责授课，谁负责科研，谁负责渠道，各自应该拿多少。 这些东西清晰了，她反而可以把更多时间投入自己真正喜欢的事情。 现在，她的生活有点奇怪。 一个月做商业。 一个月做公益。 一个月躺一下。 因为做商业的那一个月，需要养活后面三个月。 而公益，始终是她恢复能量的地方。 第一次云南支教时，出发前三天资方撤资。 十多天行程接近20万元。 志愿者的假已经请完。 六所学校的课程已经排好。 她想：最坏就是自己一个人去。 没想到九个人都决定留下。 而在出发前两天，一位过去合作过的华为伙伴看见她的朋友圈。 最终，华为愿意承担前三期项目费用，而且接受她的要求： 学校里不做品牌露出。 对方说：因为过去已经见过她星期五下班飞去支教，星期天再赶回杭州。 他们相信她的专业度，也相信她的初心。 丫丫把这件事总结为： 爱出者爱返，福往者福来。 而在一所藏族学校，她又听到了另一个解释。 孩子们一直叫她们“活菩萨”。 离开时，有人告诉她： “老师，你知道吗？菩萨在藏语里的意思，不只是慈悲。” “它还是勇士。” 已经得到解救，却因为心中相信的东西，愿意重新走回人间的苦难。 丫丫很喜欢这个解释。 AI教育当然有新机会。 也一定有泡沫。 她如今越来越不想只问： 下一个工具是什么？ 她更想问： 我们到底想培养一个怎样的人？ 她的答案里，有批判性思维、协作能力、思维灵活性和抗挫能力。 这些东西和年龄无关。 老师需要。 学生也需要。 工具会不断变化。 这些才是能够穿过变化留下来的东西。 聊到最后，丫丫给刚入行的年轻老师提了一个非常不像AI专家的建议： 先算账，算自己的时间，算身体，算支持网络。 算你投入的精力，最后有没有真正沉淀成属于自己的价值。 不要为了追AI，把自己先拖垮。 因为她走了一年之后，越来越确定： 一个紧绷、疲惫、不断被消耗的老师，很难真正把爱传递给学生。 老师自己先丰盈起来。 教育才有可能发生。 未来一年，她也不再只追求“影响多少人”。 她想看到更深的东西。 也许只有几个孩子。 几个老师。 但几年以后回头看，真的可以确认： 那一次相遇，改变了这个人的生命轨迹。 💬听众互动 如果AI真的进入学校，你认为最难改变的是什么？ 是老师不会用工具，是考试和评价体系，还是那些看不见的组织压力、家长焦虑和“失败到底由谁负责”？

🎙《灯下白》EP44 栗畅（小栗子） 嘉宾：栗畅（小栗子） 成都AI社群「第二曲线」联合主理人、OPC、AI应用实践者。本科就读计算机相关专业，研究生学习工商管理，曾从事前端开发、技术管理及企业管理咨询。如今持续组织成都AI线下活动、黑客松与行业交流，并尝试用AI开发产品、运营社群和进行内容创作。 主持人：吴熳 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！ 🪝本期故事 栗子原本是一名程序员。 她喜欢逻辑，喜欢编程，也喜欢一个人沉浸在代码里，像解谜一样寻找Bug。那时还没有AI帮忙修代码，一个问题可能要调半天甚至一天，但她觉得这个过程很有意思。 后来，面对女性程序员的年龄焦虑，她开始读MBA，从技术转向技术管理，又进入企业管理咨询，和企业创始人、中高管一起讨论组织、战略与管理问题。 看起来，她的职业经历拐了好几个弯。 但栗子觉得，这些转身并不割裂。技术教她理解系统，管理让她理解组织，咨询让她看见企业真正的问题。而当ChatGPT出现后，这些能力忽然都可以在AI时代重新接上。 2026年年初，她想在成都认识更多做AI的人。 她在小红书搜索“成都AI社群”，发现页面几乎被一个叫林子的主理人占领。她直接发出私信，十分钟后得到回复，第二天两个人见面，一拍即合。 几个月里，她们组织了三四十场活动。 最卷的时候，一周每天都有活动；后来，她们主动慢下来，因为栗子觉得，真正应该卷的不是频率，而是活动质量。 她想让成都拥有自己的AI符号。 除了办活动、跑黑客松、做社群，栗子还用AI给男友熊熊做了一份生日礼物。 因为男友生日当天出差，实体礼物没能及时送到，她临时翻出三十多张照片，用豆包批量生成卡通画面，再用即梦和剪映做成一段从童年到两人相识的动画。 整个过程大约只用了两三个小时。 她原本只是想发给朋友看看，没想到睡了一觉醒来，视频已经爆了。没有投流，纯自然传播，全网获得约200万播放，两周涨粉5000。 技术当然帮了忙。 但真正让人停下来的，也许不是她开了五个豆包窗口，同时生成几十张图；而是技术背后的那份心意，是一个普通人第一次发现：原来AI也可以被用来保存关系、制造惊喜和表达爱。 💡本期你会听到 计算机本科、MBA研究生，栗子为什么觉得这两个专业并不冲突 传统程序员写代码时，为什么像是在玩一场漫长的解谜游戏 女性程序员的“35岁焦虑”，如何让她在25岁时开始考虑技术管理 从前端开发、技术管理到企业管理咨询，她的职业转型为什么很丝滑 和企业创始人、中高管打交道，给她留下了哪些长期能力 ChatGPT出现后，她怎样重新回到自己最熟悉的技术世界 在小红书搜索“成都AI社群”，如何让她十分钟找到合伙人林子 几个月举办三四十场活动，为什么后来决定不再只卷频率 为什么她认为，成都应该拥有属于自己的AI魅力和AI符号 成都与北京、杭州的AI氛围有什么不同 参加72小时青少年黑客松，她为什么被一群00后创作者刺激到了 黑客松到底是不是“Codex松”，不同参赛者都在用哪些工具 当GPT突然故障，为什么同时准备多个模型和工具很重要 “成都OPC女王”的称号是怎样被豆包搜出来的 刚认识不到24小时的人，如何一起落地一场灯下白成都活动 AI生成海报出现错字时，为什么最有效的解决办法仍然是手改 一句“中文字绝对不能错”，真的能彻底解决AI生图错字吗 两三个小时完成的生日动画，为什么能获得约200万播放 五个豆包窗口怎样同时生成三四十张卡通图片 为什么生日视频第一次录制的真实反应，反而没有成功保存下来 一条纯自然流视频，怎样在两周内带来5000名新粉丝 从真实社群需求出发，第二曲线小程序为什么不需要冷启动 72小时黑客松里，她怎样从PRD、UI一路跑通前端和后台 为什么做产品最值钱的习惯，是“先Check，再执行” AI能够放大个人能力，但为什么你不知道的东西依然不知道 普通人做第一个小程序，为什么要先准备PRD、SPEC和Design.md 真正的AI Native，究竟是多用几个工具，还是把判断权交给AI 🔥本期金句 写代码有点像玩解谜游戏。 我从技术转到技术加管理，再从管理转到管理咨询，这几件事对我来说是连在一起的。 我们卷的不应该是活动频率，而应该是活动质量。 成都应该有属于自己的AI魅力，也应该有自己的AI符号。 哪一个平台、哪一个模型，都不应该是唯一的。 AI没有那么无所不能，实在有错字的时候就手改。 手改有时比让AI继续改快得多。 很多小瑕疵并不会影响内容，反而会让它显得更真实。 我做产品最值钱的习惯，是先Check，再执行。 AI可以放大你的能力，但你不知道的东西还是不知道。 真正的AI Native，也许是把更多节点的判断交给AI。 ⏱Shownotes 01:26 栗子登场：成都AI社群「第二曲线」与OPC身份 02:38 计算机本科、MBA研究生：两段专业经历如何连接 03:41 传统程序员的心流：没有AI时，怎样独自寻找Bug 05:03 女性程序员的35岁焦虑，为什么让她转向技术管理 06:47 从技术管理到企业管理咨询：理解一家公司的真实问题 08:00 ChatGPT出现后，她怎样重新走进AI 09:10 小红书私信十分钟得到回复：栗子与林子如何认识 10:50 几个月举办三四十场活动：为什么不再只卷频率 12:51 做成都AI社群的意义：建立属于成都的AI符号 14:54 成都、北京和杭州的AI氛围有什么不同 17:45 两天没睡：栗子为什么跑到北京参加青少年黑客松 18:45 黑客松都是Codex松吗？现场的真实工具生态 20:13 GPT故障之后：Claude、MiniMax、Kimi与多模型并行 20:51 成都能不能也举办一场72小时不间断黑客松 22:21 “成都OPC女王”是怎样被豆包搜出来的 25:09 两位主理人如何协作：共同目标比认识时间更重要 26:44 AI海报怎样减少中文错字 28:20 醒图手改错字：为什么高手也没有更神秘的办法 31:13 OPC不能困在完美主义里，内容质量才是根本 32:49 两三个小时完成的生日视频，后来获得约200万播放 33:27 为什么选择豆包批量生成卡通图片 34:42 十张照片同时转换风格，怎样提高图片生产效率 36:11 录屏记录男友反应，却意外丢失了第一次真实声音 38:16 熊熊登场：第一次看到动画时是什么感受 39:06 如何快速从相册里找到一个人从小到大的照片 40:19 剪映自动字幕与素材对位：视频其实没有想象中复杂 41:14 一觉醒来视频爆了：纯自然流、两周涨粉5000 43:54 第二曲线小程序：把真实社群需求带进黑客松 44:55 WorkBuddy生成PRD，72小时完成产品验证 46:13 为什么社群成员天然就是第一批真实用户 47:24 快问快答：Codex、WorkBuddy与Claude Code 48:28 最值钱的产品习惯：先Check，再执行 48:55 最大的产品坑：以为技术平权后，一个人什么都能做 50:43 普通人做第一个小程序：PRD、SPEC与Design.md 51:41 未来一年：创造更多自己的产品，把AI知识分享出去 52:12 被00后创作者刺激后，她想让自己更AI Native 54:10 让AI组织活动、管理成员、运营社群，会是什么样子 55:56 一句话做出小程序的背后，其实藏着长期积累的上下文 57:08 用Codex自动上架微信表情包：另一种AI Native实践 📖故事摘要 栗子的职业起点，是前端开发。 她从小喜欢编程，也擅长逻辑思考。本科选择计算机专业后，她很自然地进入程序员行业。在她看来，传统写代码的过程有一种独特的心流：空间里只有自己和眼前的一行行代码，每一个Bug都像一道等待解开的谜题。 那时还没有AI帮忙检查和修改。 一处错误可能要寻找半天甚至一天，但正是在不断排查、验证和修复的过程中，程序员逐渐建立起对系统的理解。 工作几年后，栗子开始思考一个现实问题：自己是否真的愿意一直卷技术？ “35岁焦虑”不只存在于程序员行业，对女性技术从业者来说，它还夹杂着体力、家庭、职业成长和长期心力等更多问题。她希望未来能走向技术管理，于是选择攻读MBA。 后来，她又在一位学姐的带领下进入企业管理咨询。 从技术到技术管理，再从管理到咨询，在外人看来像不断跨行，但栗子觉得这条路径非常顺畅。技术让她理解系统怎样运转，管理让她理解人怎样协作，咨询则让她看到企业为什么会卡住。 与企业创始人和中高管相处，也让她开始从更完整的角度看待一家公司。 当ChatGPT和国产大模型陆续出现时，栗子正处于一段工作相对空闲的时期。她开始动手尝试各种AI工具，用AI做网页、做小应用，也在短视频平台分享自己的实践。 她很快意识到，AI可能会成为自己的第二曲线。 但她在成都还没有进入真正的AI圈子。 2026年年初，一家线下空间希望打造成都OPC社区。栗子对AI社群主理人的身份产生了兴趣，当天便在小红书搜索“成都AI社群”。 搜索结果里，大量内容都来自林子。 栗子直接发出私信，没想到十分钟就得到了回复。两个人加上微信、打了一通电话，第二天便在线下见面。 一个下午后，她们决定一起做成都AI社群「第二曲线」。 最卷的时候，她们几乎每天都在办活动。几个月里，沙龙、分享、黑客松、投资路演等活动累计达到三四十场。 后来，她们主动把速度放慢到每周一场。 栗子说，她们真正应该卷的不是数量，而是质量。比起让活动日历看起来热闹，她更希望参加者能遇见真正有价值的嘉宾，听到干货，也认识一群愿意长期交流的人。 社群也反过来改变了她。 她认识了成都许多AI创作者、产品开发者和创业者，从社群成员的分享里不断学习新的工具、技术与行业趋势。原本由她组织的场域，也逐渐变成她获取知识、寻找伙伴和看见机会的地方。 她们开始形成一个更大的愿景： 成都的AI氛围不应该只被北上广杭定义。成都有自己的松弛、生活感、创造力和社区文化，也应该拥有属于自己的AI符号。 为了看见更多可能性，栗子不断往外跑。 她去北京参加AI大会，走进可以一直聊AI、Coding到凌晨的空间；又参加一场持续72小时的青少年黑客松，看见一群平均年龄不到18岁的创作者，带着各种各样的工具和Agent做产品。 她原本以为，今天的黑客松可能已经变成“Codex松”。 到了现场才发现，有人使用Codex，有人使用WorkBuddy，有人使用Claude Code，也有人搭建了自己的Agent平台。工具从来不是单一的，尤其在高强度开发中，一个模型出现故障，其他模型就必须立刻补位。 这也是为什么GPT故障时，对她影响并不算大。 她同时打开Claude、MiniMax、Kimi和GPT，让不同工具分别承担任务。AI时代的稳定性，不是永远依赖一个最强工具，而是拥有一套可以随时切换的工作流。 栗子与吴熳的合作，也很像AI时代的新型协作。 她们认识不久，甚至来不及进行漫长的磨合，便共同落地了灯下白成都场。找嘉宾、招募观众、做物料、拉横幅、制作易拉宝、现场打印，许多工作都是当天完成。 当目标足够明确，AI接走一部分执行，人与人之间不一定需要先认识很多年，才有可能一起做成一件事。 但她们也在聊天中共同拆掉了一层“AI无所不能”的滤镜。 例如，AI做海报时仍然会写错中文。栗子会在提示词里强调“中文字绝对正确和高清”，尽可能降低错误概率；但碰到少见字和人名，模型依然可能出错。 最终的解决方法并不神秘：打开醒图，把错误文字覆盖掉。一个字不好匹配，就把整行文字一起换掉。 她曾经以为那些高清、精美的AIGC作品背后，一定有更高级的技术秘诀。后来询问专业创作者，对方给出的答案同样是：实在不行，就手改。 手改往往比让AI反复重绘更快。 这份“技术祛魅”，也出现在她那条获得约200万播放的视频里。 7月9日是男友熊熊的生日。因为熊熊刚好出差，栗子准备的实体礼物没有及时送到。她临时决定用两个人过去的照片，做一段卡通生日动画。 她从相册里利用人物识别快速找到熊熊从小到大的照片，挑出三四十张素材，再开五个豆包窗口，用同一套提示词并行生成。 图片完成后，她加入即梦生成的动态效果，再用剪映把视频、字幕和两个人观看动画时的反应拼接起来。 整个制作大约只用了两三个小时。 视频最初只是为了发给共同好友。没想到第二天醒来，各个平台的点赞和关注开始不断显示“99+”。它没有投流，主要依靠抖音、小红书和视频号的自然传播，全网获得约200万播放，两周新增约5000名粉丝。 人们以为自己是被技术震撼。 但栗子和吴熳聊到最后，发现观众真正被打动的，可能还是技术背后的用心。AI让这份礼物更快、更丰富、更容易实现，但真正让它成立的，是两个人的故事，是那些真实照片，也是熊熊在镜头里并不专业、甚至有些平淡的反应。 技术没有替代感情，它只是让感情拥有了一种新的表达方式。 随后，栗子又在72小时黑客松里做出了第二曲线小程序。 这个产品最早来自她使用WorkBuddy生成的一份PRD。她和几位大学生伙伴继续完善UI、前端、后台和不同功能，希望把社群活动、行业新闻、园区政策及成员信息集中到一个产品中。 这个项目不需要凭空寻找50个测试用户。 第二曲线的社群成员，本来就是真实用户。产品不是为了证明技术能力，而是从她们每天正在遇到的问题中自然生长出来。 但开发过程也让她意识到，所谓“技术平权”并不意味着任何人都能毫无障碍地做好产品。 AI确实能放大人的能力，但你不知道的东西依然不知道。不了解版本管理，就可能不知道怎样恢复代码；不了解GitHub，就可能无法管理迭代；没有产品意识，即使功能成功运行，也未必真正好用。 所以她做产品时坚持“先Check，再执行”。 先明确产品文档和PRD，再准备技术SPEC，确定Design.md和统一风格，然后让AI进入执行阶段。不是丢下一句话后等待抽盲盒，而是先把问题想清楚。 可在黑客松里，她也被另一种AI Native方式震撼了。 有位参赛者只说了一句话，便让自己长期训练的Agent与Codex持续工作数小时，最终做出一款表情包小程序。参赛者本人一下午都在和别人聊天，最后却获得冠军。 看上去是一句话生成产品。 但背后其实有长期积累的上下文、服务器信息、个人习惯和已经沉淀好的Skill。并不是每一只“龙虾”都天然聪明，它只是已经被主人训练了很久。 栗子开始重新思考，什么是真正的AI Native。 也许不是自己亲自参与每一个步骤，而是让AI理解目标，接手更多判断；也许未来的第二曲线，不只是用AI做海报和小程序，而是让AI组织活动、管理成员、运营知识库，甚至创造一场新的社群活动。 她还没有完全走到那一步。 但属于她的第二曲线，已经开始了。 💬听众互动 你有没有一项看起来很普通的技能、经历或关系，一直没有找到新的用法？当AI把它重新放大后，它可能会变成你的哪一条“第二曲线”？

🎙《灯下白》EP43 小耳 嘉宾：小耳 AI 艺术家、AI Builder 与 Creative Technologist。拥有多年影像、摄影及当代艺术实践经验，曾主导武隆懒坝国际大地艺术季的策划与落地。如今专注于AI Coding、把艺术家的审美、大型项目的构建思维与 AI Agent 实践深度结合，持续创造有质感的产品、开源工具和个人智能系统。 主持人：吴熳 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！ 🪝本期故事 她平均 6 天开源一个 AI 产品，但却曾经花 6 年捏泥巴办展， 她是艺术家小耳，让我们走进小耳背后的故事。 小耳第一次介绍自己时，说她是一名AI Builder，也是一位AI艺术家。 可在开始疯狂AI Coding之前，她是一个标准的文艺青年。 大学读影像专业，耳机里塞满摇滚、民谣、死亡金属；和同学看法国左岸电影、小众电影，分析影像里的情节、意境和所谓的“高级感”。工作只是让生活维持下去的工具，她真正的生活，是用黑白胶片拍照，在家里冲洗照片，玩徕卡、哈苏，也一箱一箱地收藏磁带和打口碟。 后来，她从摄影走向当代艺术。 一次日本艺术驻留中，她走遍西日本的美术馆和博物馆，也第一次来到越后妻有大地艺术节。那片土地原本是人口流失、逐渐凋敝的乡村，三百多件艺术作品散落在七百多平方公里的土地上。 小耳被现场深深打动。 她第一次意识到，艺术可以不只存在于美术馆里，也可以进入土地、社区和普通人的生活。 回到重庆后，她遇到一个想在武隆做类似项目的老板。接下来的六年，她长期待在海拔一千多米的山村里，从一块荒草丛生的土地开始，邀请国际艺术家、组织村民和志愿者，把一件件作品真正落到现场。 艺术作品看起来很美。 但制作艺术的过程，可能和建筑工地没有太大区别：泥巴、灰尘、寒冷、协调、预算、进度，以及一次次几乎看不到尽头的坚持。 后来疫情到来，小耳开始读MBA，也遇到了GPT。 一个没有系统学过编程的艺术家，开始借助AI给自己的作品做网站。最早的方式非常原始：截图、提问、修改，再继续截图。 但她真的把网站做出来了。 2026年年初，她开始使用Claude Code。4月开通每月100美元的版本后，创作速度突然被打开。几个月里，她做出三十多个工具、网站和数字产品。 可她并不满足于“做出来”。 她想要的不只是一个能运行的Demo，而是一个真正符合自己审美、习惯和需求的产品。 她甚至不想再打开一个App。 翻译时，她希望选中文字、按下快捷键，翻译就自动完成；收藏网站时，她只想点一下星标，后续的内容提取、图片整理、Notion归档、Obsidian归档和网页展示，全部自动运行。 产品可以没有界面。 它只需要安静地存在于电脑里，在需要的时候替她把事情做完。 艺术家小耳没有消失。 她只是把画布从土地、穹顶和美术馆，换成了代码、产品和人机交互。 💡本期你会听到 大学读影像、听摇滚、看小众电影，如何形成小耳最早的审美体系 黑白胶片、打口碟、徕卡和哈苏，给她留下了怎样的长期积累 日本艺术驻留和越后妻有大地艺术节，为什么改变了她的人生方向 她怎样从一次旅行中的感动，走进重庆武隆的山村六年 艺术家波尔坦斯基的《心跳博物馆》，为什么会被收藏在武隆懒坝 一座15米高的穹顶，怎样由艺术家与数百名志愿者共同完成 艺术节看起来浪漫，落地过程为什么像在工地里干活 疫情闭关期间，她为什么决定攻读同济大学MBA 没有Coding能力时，她怎样靠截图和GPT完成个人艺术网站 为什么热爱可以支撑一个人在泥巴地里坚持六年 她为什么说，AI给了人一个释放创造力的出口 2026年开始使用Claude Code后，她几个月做了三十多个项目 什么叫让一个产品“虚空存在于电脑里” 一键收藏如何自动连接浏览器、Notion、Obsidian与个人网站 为什么她认为打开App、复制、粘贴、发指令都是多余步骤 艺术家的“品味”，如何转化为产品体验与人机交互 为什么做任何事情，都应该先研究世界Top 1的案例 当所有人都能一句话Coding，个人护城河应该从哪里产生 小耳FM怎样把一千多首音乐变成会随旋律生长的动态画面 如何把音乐拆成变量，再让变量成为视觉作品的驱动力 为什么她宁愿七八天只抠一个产品，也不愿一天做七八个Demo 她怎样把大地艺术节拆成一个个能够被执行的小目标 为什么她愿意把二十多个工具全部开源 小耳弹药库如何保存她的审美、资源与全部创作路径 快问快答里，她如何理解最好用的工具、最值钱的习惯和最大的坑 🔥本期金句 工作只是我的伪装，真正的生活是在私下里面创造。 我最想带货的，其实是艺术。 AI给了创造力一个出口。 我要把每一个商业作品、每一个App、每一个网站都做成艺术品。 你不能让AI休息，它也不能让你休息。 看过一百分的东西，你至少有机会做出八十分。 不要对习以为常的东西失去警惕。 不要快速满足于AI给你的Demo、一稿、二稿和三稿。 所有东西都可以再来一遍。 当大家都能一句话Coding时，你要做一句话Coding不出来的东西。 不要平行地做很多东西，要把一个东西往下挖六七层。 他骗了你，你也骗了他——AI让你误以为自己已经很强。 所有大事都可以做完，只要你能把它拆到今天做什么、明天做什么。 我不害怕别人复制，因为没有人像我这么偏执。 ⏱Shownotes 01:26 小耳登场：AI Builder、Maker与AI艺术家 02:19 影像专业、摇滚音乐与标准文艺青年的大学生活 03:58 黑白胶片、打口碟、徕卡与哈苏：工作只是生活的伪装 06:40 从摄影走向当代艺术 06:59 日本艺术驻留：走遍西日本的美术馆 07:31 越后妻有大地艺术节，为什么让她深受感动 08:29 回到重庆：从荒山开始做一场大地艺术节 09:46 波尔坦斯基与《心跳博物馆》 12:15 15米高穹顶、19种泥土颜色与数百名志愿者 13:25 艺术作品很美，制作过程却像在工地干活 13:59 疫情闭关、管理反思与同济大学MBA 15:22 第一次接触GPT：迅速成为20美元付费用户 15:59 不会Coding时，如何靠截图和问答做出艺术网站 17:12 在山里坚持六年的内在驱动力：热爱与执念 18:43 大型艺术项目为什么必须有商业和资本支持 20:54 她最想带货的是艺术 22:06 为什么每一个商业作品和产品，都应该成为艺术品 23:14 2026年打开Claude Code：几个月做出三十多个项目 24:31 什么叫让产品“虚空存在于电脑里” 24:47 一键收藏：一次点击，自动完成全部知识整理 26:00 怎样把八个翻译步骤压缩成一个快捷键 27:56 如何定义品味：从多看到只看世界Top 1 30:44 产品品味：警惕那些已经习以为常的交互方式 31:54 不是产品经理，她为什么仍然能做出适合自己的产品 32:53 “我不放过AI，AI也不放过我” 33:39 为什么已经花了时间和钱，就应该继续往下做 34:48 艺术家的永不满足，从哪里来 35:53 小耳FM：让久未听见的一千多首音乐重新回来 38:11 把音乐拆成音轨和变量，再用变量生成画面 39:46 审美、结构化拆解与偏执，为什么适合做产品 40:03 AI时代最大的幻觉：快速生成等于真正创造 40:40 七八天抠一个产品，还是七八天做七八个Demo 42:31 把100美元集中到一个方向，为什么产出完全不同 43:37 艺术项目留下的结构化拆解能力 44:51 怎样把一场大地艺术节拆到可以执行 45:28 先请来波尔坦斯基，为什么其他艺术家会自然加入 46:11 产品只抓一个核心：让音乐能够画画 47:26 放弃短期流量，把Twitter当成学习与找资料的平台 48:21 二十多个开源工具：为什么她不害怕别人抄 51:46 网站克隆Skill：如何一比一拆解优秀网页 53:41 小耳弹药库：保存资源，也保存全部创作路径 55:12 让AI出一百稿，再从中选出最好的一个 56:32 倒带学习法：AI完成以后，再回头理解底层原理 📖故事摘要 小耳的故事，从艺术开始。 她大学读影像专业，喜欢摄影、电影和音乐。磁带、CD、DVD和打口碟装满箱子，耳机里是摇滚、民谣和死亡金属。她也看法国左岸电影和各种小众电影，和朋友反复分析其中的情节、节奏、意境与高级感。 毕业工作后，她没有停止创作。 她用黑白胶片拍照，也在家中用放大机冲洗照片。工作只是提供收入的方式，艺术才是她真正愿意投入时间的生活。 后来，她开始关注当代艺术。 在日本横滨进行艺术驻留时，她用两个多月走遍西日本的美术馆和博物馆。旅程最后，她来到越后妻有大地艺术节。 艺术节位于一片人口流失严重的乡村。作品散落在土地、房屋、稻田和山谷之间。正因为周围足够凋敝，艺术作品才显得格外温暖，像是在对每一个来到这里的人说话。 离开时，小耳在地铁里翻看手机里的照片，久久舍不得离开。 这份感动后来支撑了她很多年。 回到重庆后，她遇到一位希望在武隆做大地艺术项目的投资人。此后的六年，她长期待在山上，参与建设武隆懒坝国际艺术度假区。 那不是一个只需要提出创意的工作。 她要邀请艺术家、组织村民、协调志愿者、解决预算、进度、材料、灯光和现场问题。她看着一块荒草丛生的土地慢慢成为艺术空间，也看着一个个原本只存在于图纸和想象中的作品，真正长在土地上。 其中一件重要作品，是艺术家克里斯蒂安·波尔坦斯基的《心跳博物馆》。 波尔坦斯基把心跳看作人曾经活过的证据。他在世界各地收集不同人的心跳，并将其保存下来。武隆懒坝的作品，是他在中国唯一被收藏的心跳博物馆。 另一件作品，是日本艺术家与数百名志愿者共同完成的《大地从天而降》。 一个15米高、直径10米的巨大穹顶，被山上的红色、黑色、白色和黄色泥土覆盖。艺术家将泥土调成19种颜色，再带领志愿者一点点画满整个空间。 作品最终很恢弘。 但完成它的过程，是长期待在泥巴、材料和施工现场里。小耳说，艺术作品看起来很美，真正干起来却和农民工没有太大区别。 她并不觉得浪漫被破坏了。 恰恰是因为经历过落地过程，她才知道，一个大型愿望必须如何被拆解。 疫情到来后，小耳开始反思自己过去六年的管理经验，也开始阅读商业和管理方面的书。她后来进入同济大学读MBA，希望把那些靠现场直觉获得的能力，转化为更系统的知识。 2023年，她开始使用GPT。 最早的GPT没有今天这样完善的Coding Agent能力。她不会编程，只能把屏幕截图发给GPT，描述问题，再一步步修改。 就是用这种非常原始的方式，她把自己的艺术作品放到了网上，拥有了个人域名和作品网站。 2026年，她开始使用Claude Code。 真正的变化发生在开通100美元版本之后。AI不再只回答问题，而是会持续工作，迅速给出一个可以运行的Demo。她给AI反馈，AI继续修改，两边一来一回，创作速度突然被打开。 几个月里，她做了三十多个项目。 最开始是网站和有界面的产品，后来，她越来越不想要界面。她希望软件安静地存在于电脑内部，通过快捷键或一句话完成任务。 她做了一个一键收藏工具。 浏览网页时，只要点击收藏按钮，电脑就会自动提取网站名称、内容、图片和功能，分别保存到Notion、Obsidian和她自己的小耳弹药库。 她也重做了翻译流程。 过去需要打开工具、复制文字、发出指令、等待结果，再把结果复制回来。现在，她只需要选中文字，按下快捷键，翻译自动完成。 小耳认为，很多人已经习惯互联网时代的软件形态：打开App、进入界面、点击按钮、输入内容。 但习惯不等于合理。 AI时代到来后，人们应该重新质疑这些已经被默认为正确的交互方式。产品为什么一定要有UI？为什么不能只在需要时自动出现？为什么用户需要承担那些本可以被工具消失掉的步骤？ 这种产品意识，和她做艺术的方法完全相同。 小耳做大地艺术节前，会去日本、德国、意大利和欧洲其他国家，看世界上最好的艺术节。她认为，想做一件事，第一步不是自己凭空想象，而是找到这个行业真正的Top 1。 看过一百分的作品，才有机会做出八十分。 如果只看六十分的东西，最后可能只能做出四十分。 她把这种方法带进AI产品。做网站，就研究世界上最好看的网站；做交互，就不断挑战已有的操作习惯；做一个图标，也可以让AI生成几十稿、上百稿，再从中选择最合适的一个。 她不满足于AI生成的第一版。 第一版只是证明事情可能成立。接下来，她会不断修改结构、尺寸、节奏、图标、交互和视觉，让产品继续往下生长。 她将这种状态称为和AI“互相不放过”。 小耳FM就是这样诞生的。 她曾经收藏了一千多首音乐，但随着版权变化和平台迁移，很多音乐已经很难重新听见。受到一个独立音乐工具启发后，她决定用AI把音乐重新找回来。 先下载音乐，再做播放器。 普通播放器会显示波形，但她不想要波形。她想让音乐在播放时，直接画出一幅不断生长的动态作品。 为此，她把音乐拆成六七个音轨，将节奏、声音大小和不同乐器转化为变量，再让这些变量影响画面的颜色、形状、位置和变化。 她花了半个多月不断调整，最终让音乐真正变成一幅会动的画。 但她并没有停下来。 既然可以生成一种画面，就可以生成更多风格；既然音乐可以画画，它还可以连接更多创作形式。一个产品完成以后，依然有无限继续深入的空间。 这也是她对AI时代的判断。 当所有人都能迅速做出一个网站、一张图、一个视频或小工具时，做出来本身已经不再稀缺。 真正稀缺的，是深度。 别人七八天做七八个Demo，她愿意七八天只做一个项目，把它向下挖六七层，直到别人无法用一句话复刻。 她不害怕分享。 目前，她已经开源二十多个工具。看到好的视频，她做一个下载插件；需要剪纸风格的视频，她把工作流做成Skill；研究出网站克隆方法，她也直接开源。 她认为，自己分享出去的，都是已经掌握的过去。 不断把过去发出去，反而会逼迫自己继续往前。 别人即便拿到同样的工具，也不一定会做出同样的东西。因为工具可以复制，审美、判断、积累和偏执很难复制。 她也把自己寻找过的优秀网站、图标资源、新技术、工作流和创作过程，都整理进小耳弹药库。 弹药库不是简单的收藏夹。 它保存了她的审美输入，也保存了她做每一个产品时走过的路径。需要做新作品时，她不必重新在海量信息中寻找，而是可以直接调用过去被筛选过的高质量素材。 聊到最后，小耳说，AI时代最危险的幻觉，是模型让人迅速做出一个东西，于是人误以为自己已经很强。 “它骗了你，你也骗了它。” AI确实很强。 但真正决定作品能走多远的，仍然是人能不能判断什么是好，能不能把大目标拆解，能不能在没有即时反馈时继续投入，也能不能对一个已经八九不离十的结果继续说：还不够。 小耳曾经把艺术落在七百多平方公里的乡村和十五米高的穹顶上。 如今，她把艺术落进电脑、快捷键、网站、音乐播放器和一个个看不见界面的产品里。 画布变了。 那个不愿将就的人，没有变。 💬听众互动 当AI可以迅速帮每个人做出一个“八九不离十”的作品时，你愿意把哪一件事继续往下挖六七层，直到它成为别人无法轻易复制的东西？

🎙《灯下白》EP42 王梓 嘉宾：王梓 AIGC全案公司负责人、AI内容创作者。北京电影学院出身，长期参与影视剧、广告及商业视觉项目。如今带领AIGC工作室，以接近实拍的质感完成TVC广告、宣传片、IP内容等项目，已服务京东、美团、华为、天猫等五六十家客户；同时持续在多平台分享AIGC创作、AI工具与面向普通人的AI科普内容。 主持人：吴熳 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！ 🪝本期故事 王梓原本是抱着导演梦走进电影学院的。 他学了八年美术，考进电影学院，在学校里很早就进入剧组工作，做过电视剧、电影和广告项目的美术，也参与过给导演定调的气氛图制作。 传统影视行业里，一个年轻人想真正成为导演，往往要从场记、助理、执行开始，花很多年积累，才有机会逐渐获得对作品的控制权。 但他毕业前后，影视行业进入寒冬。 行业周期、疫情冲击、短视频分流，再加上AI的到来，让许多人开始怀疑影视人的价值。他也曾焦虑过：我是为了电影而来的，现在这条路怎么办？ 后来，他很快做了一个决定。 既然时代已经变了，与其和AI对抗，不如先走进去。 他发现，AI不是把导演梦打碎的东西，反而让他提前拥有了过去很难拥有的能力：更低的成本、更快的试错、更完整的控制权，以及把脑海里的想象做出来的可能。 现在，王梓既做AIGC商业项目，也做AI自媒体。 一边，他和团队用AI做接近实拍质感的广告、宣传片和IP内容；另一边，他把复杂的AI概念讲成普通人听得懂的话，让更多人可以更顺滑地走进AI时代。 他把自己在AI时代最重要的能力，概括成两个词： 搜商，和美商。 搜商，是你能不能比别人更早发现信息、理解趋势、判断钱将流向哪里；美商，则是你能不能在海量素材、图像和方案里，选出真正好看的、好用的、值得被交付的那个结果。 它们加起来，就是判断力。 而王梓的故事，或许就是一个人如何凭借判断力，在行业换轨时，给自己重新开出一条路。 💡本期你会听到 为什么一个从小热爱电影、美术和影像的人，会把导演梦带进AI时代 电影学院学生为什么大一就开始工作，并比很多同龄人更早理解商业 气氛图到底是什么，AI又怎样让它做到接近实拍的质感 影视寒冬、疫情与短视频分流，怎样一起改变了年轻影视人的选择 为什么王梓没有和AI对抗，而是选择借AI提前成为自己作品的导演 “搜商”和“美商”分别是什么，为什么它们加起来就是判断力 为什么说搜商高，意味着你能更早发现信息差和商业机会 八年美术训练，怎样成为AIGC商业交付里的真实护城河 他的第一条AI游戏视频为什么花了一个月、长达17分钟 为什么他总结出“先干再学”，而不是“学会再干” 前三秒、标题和封面，为什么决定一条内容有没有机会被看见 做AI自媒体前三个月没收入，他靠什么坚持下来 为什么电影学院的经历，让他更早看懂“钱从哪里流来，又流向哪里” AIGC工作室与AI自媒体，怎样同时接住模型厂商的广告预算 美团想要电影感广告时，团队如何经历七八轮调整才交付 AIGC到底能省多少钱，为什么科幻题材可能比实拍低几十倍成本 为什么AI只是艺术表达的新媒介，不是表达本身 AI自媒体门槛为什么并不低：搜商、写作、上镜、剪辑、美术和转译能力缺一不可 王梓为什么说，做AI商业化最重要的是勇敢和坚持 普通人想入行AI自媒体，为什么先该锻炼语文能力 🔥本期金句 时代变化面前，与其抗争，不如先加入它。 AI没有打碎我的导演梦，反而让我更早拥有了对作品的把控。 搜商和美商加起来，就是判断力。 信息差不是知道得多，而是比别人更早开始行动。 新媒介一直在变，但人真正想做的事没有变：表达自己。 AI只是艺术创作的媒介之一。 边学边干还不够，很多时候要先干再学。 一条内容爆不爆，有随机性；但它好不好，创作者自己应该有判断。 勇敢开始一件新事，再坚持过最开始没有反馈的阶段。 语文能力，就是表达、总结、写作和让别人迅速懂你的能力。 ⏱Shownotes 01:26 王梓登场：AIGC全案公司与AI自媒体双线业务 03:36 为什么选择电影学院：从美术生到导演梦 05:40 影视项目里的美术工作：气氛图到底是什么 08:32 电影学院的工作节奏：为什么大一就开始进入行业 09:52 AI时代最重要的能力：搜商、美商与判断力 12:25 影视寒冬从何而来：行业周期、疫情、短视频与AI 14:15 从焦虑到转身：为什么他决定拥抱AI 15:58 从小就敢做判断：王梓如何为自己的选择负责 20:17 第一条AI游戏视频：一个月做17分钟，值不值得 22:16 先干再学：短视频前三秒与内容SOP是怎么练出来的 24:04 第一条视频延迟爆发：做自媒体为什么不能只看单条数据 25:47 前三个月没有收入，怎样给自己留出试错时间 27:40 电影学院给他的商业能力：更早理解社会里的钱往哪里流 29:48 自媒体第一笔收入：一条AI产品推广 30:28 美团电影感广告：七八轮调整背后的甲方与乙方视角 32:46 AIGC能省多少钱：实拍、特效与AI制作的成本差 33:43 为什么说AI是在用新媒介做旧的事 37:55 商业化内容与个人表达，怎样在创作里找到平衡 40:01 做AI科普：为什么他想让更多普通人丝滑进入AI时代 42:50 AI自媒体门槛到底高不高 45:35 半年目标提前完成：两条商业化路径被验证 47:05 客户对AI成片不满意时，怎样不断微调直到交付 48:16 快问快答：Claude、Gemini与即梦 48:59 最重要的商业化经验：勇敢开始，并坚持下去 52:47 想做AI自媒体的人，为什么要先练语文能力 53:59 内容工作流：人定大纲，AI填充，再由人修改 55:15 AIGC创作灵感从哪里来：多看电影、多看优质广告 57:05 未来一年最期待什么：别变太多，让已验证的商业模式稳定运行 59:43 王梓的情绪调节法：区分能改变和不能改变的事 📖故事摘要 王梓进入电影学院，并不是一时兴起。 他从高中起就学习美术，喜欢电影，也喜欢一切与影像有关的东西。在中传、中戏、北电等多所影视传媒院校之间选择时，他最后选择了电影学院，因为他更想拍电影，更想接近导演这个角色。 在传统影视行业里，导演是一条漫长的路径。 你可能要从场记、助理、执行开始，慢慢进入副导演、导演组，最后才获得对一部作品真正的判断权。可王梓很早就参与剧组，也做过电视剧、广告、电影相关的美术工作。 他做过一种叫“气氛图”的工作。 在实拍开始前，美术团队会先把场景的光影、建筑、氛围、空间和影调做出来，让导演提前看见未来的画面。它不是工程图，而是一张接近实拍、甚至比实拍更具想象力的视觉参考。 几年以前，他已经在这类工作里用过早期AI素材。 当时的AI还没有今天这么成熟，但它已经能被拼进气氛图中，帮助团队更快地搭出一个码头、一种空间、一种并未真实存在的视觉氛围。 可当王梓接近毕业时，影视行业的现实开始变化。 行业有周期，疫情冲击了电影市场，短视频不断切碎大众注意力，AI又让不少人对传统影视岗位产生焦虑。许多人会问：未来还需要影视美术吗？还需要拍电影的人吗？还需要传统制作流程吗？ 王梓没有否认这种焦虑。 他也经历过在沙发上辗转反侧的阶段。自己本来是为了电影而来，结果行业变冷，AI又来了，原来的路径仿佛突然变得不那么确定。 但他很快把问题翻转了。 AI并不一定是导演梦的终结者。相反，它可以让一个年轻创作者更早掌握过去需要很多年才能积累的能力：做画面、试风格、搭场景、控制镜头、反复迭代，并对自己的作品拥有更高的掌控度。 传统导演可能需要很多年，才能逐渐拥有对作品的决定权。王梓现在虽然还没有拍真正意义上的长片，却已经能对很多短片和商业项目做到接近完整的把控。 对他来说，这也是一种提前圆梦。 他把自己在AI时代最看重的能力，拆成了两个词：搜商和美商。 搜商，是获取信息、筛选信息、识别趋势的能力。一个人更早知道什么技术出现、什么行业变化、什么需求增长，也就更早拥有行动和商业化的机会。 美商，则是对视觉、体验和结果的判断能力。 对AIGC创作者而言，美商意味着审美；对AI产品而言，美商意味着用户是否感到舒适、顺滑、好用。它决定了你是否能从海量素材里挑出真正成立的画面，也决定了你的作品能不能让甲方满意、让用户愿意停留。 搜商和美商合起来，就是判断力。 这种判断力也体现在他对商业化的理解上。 电影学院给他的一个重要影响，是很早开始社会化和商业化。很多学生大一就开始跟随学长学姐进入项目，在真实工作中理解行业，也开始看懂一件事：社会里的钱从哪里流来，又会流向哪里。 当王梓观察到模型厂商不断获得融资、不断需要推广时，他就做了两件事。 第一件事，是建立AIGC工作室，做广告、宣传片、TVC和品牌视觉内容；第二件事，是做AI自媒体，接住模型厂商、AI产品和行业品牌的内容传播需求。 一条线接传统广告预算，另一条线接自媒体广告预算。 这不是偶然撞上的机会，而是他根据趋势和资金流向做出的判断。 他的AI自媒体起步，也不是一开始就很顺。 第一条视频，他花了一个月做了17分钟，讲一款AI互动游戏《Whispers from the Star》。那时他没有人教，也没有成熟流程，只能边做边学。 因为这条视频，他学会了脚本、拍摄、剪辑、选题、短视频前三秒、标题、封面和内容节奏。后来回看，他觉得自己当时犯过不少错误，例如开头放了太久的素材，进入主题太慢。 但正是因为先做了，才知道该学什么。 他把这套方法总结为：先干再学。 第一条内容起初反响平平，第二条却很快爆发，第一条也在发布一个月后获得更多推荐。他没有把爆款当成全部，也不觉得创作者可以完全掌控算法。 在他看来，流量有随机性，但内容好不好，创作者自己必须有判断。 最初三个月没有收入时，他没有急着否定自己。他给自己留出三个月试错期，允许事情慢慢发生。后来，自媒体开始有合作找上门，他接到第一笔AI产品推广，逐步验证了这条路径。 而AIGC工作室的商业项目，则让他不断学习如何理解甲方。 例如，美团曾希望得到更有电影感的广告质感。团队为了让画面真正接近客户想要的效果，反复调整提示词、光线、光圈、调色和不同细节，前后经历七八轮修改。 王梓认为，甲方要求高不一定是坏事。 它会逼着创作者快速升级，也会让你逐渐拥有甲方与乙方双重视角：一方面理解创作技术与交付边界，另一方面理解客户为什么会提出某种要求、他最终真正需要解决什么问题。 他不认为AI会让艺术表达消失。 从绘画到摄影，从摄影到电影，从电影到AI视频，每一次新媒介出现，都会改变旧岗位，也会让一部分人失去原有的工作。但艺术想表达的内核并没有变。 人还是想表达情绪、讲故事、传递观念、创造美感。 AI只是新的媒介。 它可以替代部分重复的制作工作，也可以降低特效、场景、镜头和试错成本；但真正决定作品能否成立的，仍然是剧本、审美、判断、表达和人想说什么。 在王梓看来，AI自媒体也不是一个低门槛赛道。 它需要搜商，需要写作和总结能力，需要上镜能力、镜头表达、剪辑能力、美术能力、AI专业度，还需要把复杂概念翻译成普通人能理解的话。 所以他给想进入AI自媒体的人最直接的建议，是练语文能力。 语文能力不是考试里的阅读理解，而是表达、总结、写作、构建观点，以及让陌生人迅速听懂你的能力。 他的内容工作流也很清晰：大纲由人来定，AI协助填充内容，人再做最后修改。 因为大纲决定了一个内容真正想讲什么。特别是影视创作、艺术表达和故事内容，如果完全交给AI，容易变得过度结构化、缺少人味，也缺少真正值得被记住的部分。 聊到最后，王梓说，他未来一年最期待的变化，反而是“不要变太多”。 因为这两三年，他已经探索出一套能跑通的商业模式，也完成了自己设定的阶段性目标。他当然知道AI变化很快，但也希望自己辛苦验证过的路径能稳定一点。 他的情绪管理方式，也和他的商业判断一样直接。 当一件事失败了，先问自己：它还能改变吗？ 不能改变，就停止消耗；还能改变，就把注意力放在下一步。 在王梓看来，焦虑并不一定是坏事。最好的状态不是毫无压力，而是在压力中保持行动，在变化中迅速转身。 💬听众互动 当AI不断降低制作门槛时，你觉得真正能让一个作品脱颖而出的，会是审美、表达、技术，还是对趋势的判断？

🎙《灯下白》EP41 白苏 嘉宾：白苏 Mew. Design 联合创始人兼CTO。近十年产品经理、AI产品经理，经历过传统零售数字化、AI+HR、AI Coding等方向的探索。如今与团队打造面向普通用户的AI设计Agent，希望让没有设计经验的人，也能做出真正可落地的设计作品。 主持人：吴熳 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！ 🪝本期故事 十岁那年，白苏最喜欢去的地方不是游戏厅，而是网吧。 别人通宵打游戏，他研究Windows系统、写脚本、挖漏洞、做网页，沉迷于计算机世界里那些可以被看懂、被拆开、被重新组合的规则。后来因为太沉迷电脑，他甚至被迫停学一年，和计算机彻底隔绝。 可那个一直想当黑客、想做网络安全的小孩，并没有真正消失。 他大学读了工商管理，毕业后误打误撞做了产品经理。十年里，他换过很多行业，也换过很多工作。他很快熟悉一份工作，也很快对没有探索空间的组织感到窒息。 他第一次创业赚到钱，以为赚钱没有那么难；第二次创业失败，几乎花光积蓄，身无分文回到杭州。那是他第一次真正意识到：聪明不一定值钱，能把事情做成，才是另一回事。 2022年，他进入AI+HR赛道；GPT出现后，他带着二十多人的团队做过知识库、工作流、Agent基础设施，也越来越确信：靠规则硬拼出来的Workflow，并不是AI时代最终的答案。 他更相信代码。 在他看来，真正的Agent不该永远困在人类预先定义好的按钮和流程里。它应该能理解目标，调用工具，生成代码，动态长出最适合用户的界面。 于是，他从产品经理慢慢变成Builder。 如今，他和伙伴做Mew. Design：一个面向普通人的AI设计Agent。它不只追求“画得好看”，更在意文字是否正确、二维码能否扫码、图片能否印刷、海报能否真正在线下使用。 白苏不想再把时间耗在旧系统的协同摩擦里。 他想把想法变成产品，让产品自己找到用户，也让一个十岁就在网吧里不断探索的小孩，终于拥有一块可以亲手搭建的世界。 💡本期你会听到 十岁沉迷网吧和黑客技术，给白苏留下了什么底层能力 为什么一个原本想做网络安全的人，最后读了工商管理 从人力资源岗到传统零售互联网化，他怎样误打误撞成为产品经理 为什么他不是讨厌工作，而是受不了没有探索空间的组织 两次创业带来的反差：第一次顺利，第二次几乎归零 创业失败后，为什么他第一次意识到“聪明并没有那么值钱” GPT出现前的AI+HR，微表情识别为什么很难真正理解人 从知识库、RAG到Workflow，早期AI产品为什么总有很多摩擦 为什么白苏认为，规则驱动的Workflow不是Agent最终形态 AI Coding如何改变产品经理、设计师与开发者之间的协作方式 什么是Builder：为什么未来需要既懂业务、产品、设计，也懂技术架构的人 为什么AI生成界面不该被提前定义，而应该随着用户意图动态长出来 Mew. Design和普通文生图有什么不同 为什么餐厅菜单、学术海报、二维码、Logo这些场景，不能只靠“画得好看” AI设计产品怎样通过HTML和结构化图层，保留文字与素材的准确性 为什么设计Agent不该让普通用户先去选择模型 半年盈亏平衡后，Mew. Design为什么仍坚持SEO而不是烧钱投流 白苏做产品最重要的习惯：抛掉主观判断，尊重真实用户 🔥本期金句 我不是讨厌工作，我是受不了待在一个没有探索空间的地方。 聪明并没有那么值钱。 刚开始懂一件事的时候，最适合把它写成教程。 Workflow只是把规则串起来，它不等于真正的Agent。 不是AI不行，很多时候是人没有把边界和预期说清楚。 AI时代，产品经理和开发者可能会融合成Builder。 审美会直接决定一个产品的生与死。 我会尽可能抛掉自己的主观判断，去理解用户真正想要什么。 挑选大于改变。 真正能解决用户问题的产品，用户自然愿意付费。 ⏱Shownotes 01:26 上海十二海里编辑部录制：白苏登场 02:51 十岁网吧黑客少年：写脚本、挖漏洞与极客精神 06:56 沉迷电脑、被迫停学与为什么最后读了工商管理 08:38 从HR岗位到传统零售互联网化：产品经理的起点 10:50 为什么他频繁跳槽：不是讨厌工作，而是没有探索空间 12:13 两次创业：第一次顺利，第二次几乎归零 14:28 2022年的AI产品经理：AI+HR与微表情识别 17:05 GPT出现后的转折：二十多人团队开始做AI产品探索 18:55 知识库、RAG、Workflow：早期Agent基础设施长什么样 24:28 为什么白苏认为，Workflow不是AI时代的最终答案 26:20 从工作流转向AI Coding：代码为什么更接近Agent本质 29:24 模型代码能力跃迁后，产品经理为什么可以直接Build 31:35 Builder是什么：产品、设计、技术架构如何融合 37:25 短暂回到大厂：生成式UI与AI Native产品的界面逻辑 40:51 Mew. Design诞生：为什么AI设计不等于文生图 42:41 菜单、学术海报、二维码：什么叫“可落地的设计” 46:34 HTML与结构化图层：怎样保留文字、Logo和二维码的准确性 49:24 设计差异化从哪里来：模型能力之外，还有人类审美 51:37 普通人不会表达设计需求，AI产品该怎样一步步引导 56:34 为什么Mew. Design不让用户选择模型 57:32 半年盈亏平衡：产品、SEO与海外精准流量 01:05:43 为什么没有继续找技术合伙人，而是等待模型能力补足短板 01:08:58 快问快答：白苏最离不开的AI工具是Codex 01:09:20 最值钱的产品习惯：抛掉主观判断，站到用户的位置 01:11:42 最大的产品坑：迷恋流量，却忘了用户质量 01:14:05 普通人30天做产品：先用最强的工具，拿到正反馈 01:15:03 回看过去：好奇心、动手能力与高能量，为什么在AI时代重新变得重要 📖故事摘要 白苏的故事，开始于二十多年前的网吧。 十岁左右，其他小孩去网吧大多为了打游戏，他却更迷恋计算机本身。他研究Windows系统、学习简单脚本、尝试做网页，也在当时的黑客论坛里吸收极客文化。对他来说，计算机是一个格外清晰的世界：你只要足够好奇、愿意研究，就能理解它背后的规则。 但热爱也带来了代价。 因为过度沉迷计算机，他的成绩一路下滑，高中时甚至被要求停学一年，远离电脑。那段被迫中断的经历，让他第一次感到自己可能被时代甩下。最终，他没有进入计算机专业，而是选择了工商管理。 毕业后，他以人力资源岗位进入职场，却在转正前意外进入集团的战略研究中心，参与传统零售的互联网化转型。当时“产品经理”还不是今天这样普遍的职位，他甚至是先在网上查到这个岗位，才一点点开始学习。 他成为产品经理后，换过不少行业和团队。 他并不觉得自己讨厌工作。真正让他难受的是，当一个岗位在三个月左右被摸透，而组织又无法提供新的学习空间、探索空间和成长路径时，他会迅速感到焦虑。 第一次创业比较顺利，让他一度觉得赚钱不是特别难的事。可第二次创业失败后，他几乎花光积蓄，身无分文回到杭州重新找工作。那次挫败让他第一次意识到，聪明、能干、会做产品，并不天然等于能把一家公司做成。 2022年，白苏进入AI+HR赛道。 那时的AI还没有因为GPT而真正走进大众视野。他们尝试过NLP、视频分析、微表情识别，希望通过AI理解候选人在面试中的状态。但后来回头看，他觉得那类技术很难可靠地理解一个人。 人的状态从来不只是一张脸。 眼神、语气、姿态、处境、上下文和真实关系，都会影响判断。只用一张图去解释人，实际上把太多信息压缩掉了。 GPT出现之后，白苏第一次感到，传统产品经理的一整套方法正在被重写。 他带着二十多人团队做知识库、可视化编排、工作流和Agent基础设施。那时，大家最早想到的是知识库问答、业务系统打通、内部客服和流程自动化。 但做得越深，他越感觉到Workflow的边界。 Workflow本质上仍然是人先把规则、节点和步骤定义好。它可以稳定地执行，但一旦出现规则之外的情况，就容易出错；同时，维护一条成熟Workflow，需要持续投入业务专家和技术专家，解决节点传递、上下文衔接与异常兜底等问题。 他开始相信，更接近Agent本质的形态，是代码。 对AI来说，网页、按钮和传统UI，本来就是为了人类而设计的交互层。AI真正擅长的，是理解目标、调用工具、输出指令、生成代码，并在必要时动态创造新的界面。 这也让白苏从传统产品经理，慢慢走向Builder。 Builder不只是会写几句提示词，也不只是会用AI生成一个Demo。它要求一个人同时理解业务、产品、设计、技术架构与约束条件，然后把大方向、核心规则和最终标准定义清楚，剩下大量执行工作交给AI。 在他看来，很多人觉得AI写代码不稳定，并不是模型完全做不到，而是人没有说清楚边界，也没有把预期管理好。 后来，他和伙伴一起做了Mew. Design。 它的定位不是再做一个“随便画图”的文生图工具，而是做面向普通用户的AI设计Agent。因为很多设计场景，真正困难的不是图好不好看，而是它能不能落地。 一家餐厅的菜单，菜名与价格必须准确；一张学术海报，要能放大印刷、保持清晰；一个Logo和二维码，不能被模型重绘到变形、扫不出来。 所以Mew. Design尝试用更结构化的方式来处理设计：通过HTML与图层化的组合，让文字、素材、二维码和视觉元素可以被独立保留、编辑和控制。 对普通用户来说，难点还不只在“不会设计”。 很多人其实不知道怎样描述自己想要什么。他们不知道什么叫饱和度、设计风格、版式层级，也说不清自己需要16:9还是3:4。但当产品一步步问：你想要更梦幻还是更严肃？主要观众是谁？要突出什么信息？用于屏幕还是打印？他们就能慢慢把原本模糊的感受，变成可执行的设计意图。 这也是白苏坚持不让用户选模型的原因。 用户来这里，不是为了学习模型参数，而是为了得到一张真正能用的海报、一份菜单、一个店招或一张能打印的学术海报。模型选择应该由产品承担，而不是变成用户的额外负担。 Mew. Design上线半年后实现盈亏平衡。 白苏没有用大规模投流去制造增长幻觉，也没有靠低价把一批并不真正需要产品的用户吸引进来。他们更重视SEO和长期精准流量，让真正有设计需求的人主动找到产品。 在他看来，AI Native产品的用户忠诚度并不天然存在。今天用户因为便宜而来，明天也可能因为更便宜离开。真正重要的，是你解决的问题是否足够明确，产品是否让用户愿意付费，用户是否愿意长期留下。 白苏说，自己最重要的产品习惯，是尽可能抛掉主观判断。 他不迷信滞后的数据，也不只相信自己。他会找不同角色的人访谈，设想用户真正会遇到什么问题，分辨对方说的是礼貌性反馈，还是现实需求。 他过去那些看起来零散的经历：黑客少年、商科生、产品经理、创业者、AI产品经理、AI Coding研究者，最后都汇合在Mew. Design上。 它不只是一个项目。 更像是他终于能自己掌控、亲手养大的产品。 而他最想实现的，也并不复杂： 让Mew. Design养活自己，让自己成为一个真正独立的Builder。 💬听众互动 你最近有没有一个一直想做、却总觉得“我不会设计”“我不会写代码”“我做不出来”的想法？假如AI能补上其中大部分能力，你最想亲手Build的，会是什么？

🎙《灯下白》EP40 鱼鱼 嘉宾：鱼鱼 公众号「鱼鱼的AI魔法池」主理人，AI应用实践者&职场教练，2025WaytoAGI黑客松视频冠军。人生重启爱好者：曾任重点高中语文老师、电视台编导，深耕互联网电商15年，前国内知名电商集团子公司总经理，大消费赛道线上营销专家，操盘近5亿元GMV法国美妆电商业务。如今专注于AI工具应用、AIGC内容创作与普通人AI入门普及。 主持人：吴熳 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！ 🪝本期故事 鱼鱼的人生，已经重启过四次。 她做过江苏重点高中的语文老师，半年当上班主任，公开课拿了一等奖；也做过电视台编导、杂志与广告传媒；后来进入电商，从0到1搭建APP，在零下八度的上海街头地推，最后成长为操盘近5亿元GMV、带领50人团队的营销人。 按常理，这已经是一条足够稳、足够漂亮的职业路径。 但鱼鱼总能比别人更早一点，听见旧秩序开始松动的声音。 当她在传媒行业里感到传统媒体正在被互联网冲击，她去了电商；当她在电商行业里感到旧的增长模式正在变化，又遇上家人健康、人生选择和AI带来的新机会，她决定把十五年积累清零，重新走进AI的新手村。 她没有觉得自己“从操盘手降级成了小白”。 因为她知道，自己过去积累的东西并没有消失。老师训练出的因材施用，传媒训练出的内容感，电商训练出的用户洞察、品牌思维和增长能力，都会在AI时代重新组合。 现在，她做公众号「鱼鱼的AI魔法池」，用普通人能听懂的方式讲AI；研究工具、做知识库、做计划复盘，也尝试把AI带进海外达人营销等真实业务场景。 她说，自己四十岁以后反而觉得更年轻。 因为人什么时候会感觉年轻？不是年龄变小，而是你还有新的东西可以学；而当你学会之后，还能把它教给别人。 💡本期你会听到 江苏重点高中语文老师，为什么三年后主动离开编制 老师身份留给鱼鱼最值钱的能力：管理、因材施用与体察需求 从电视台编导到广告传媒，她怎样在行业变化真正到来前先行动 第一次双十一带来的震撼，为什么让她决定进入互联网 从0到1做APP，三个月做到10万用户的创业式经历 零下八度做地推、招人、搭体系，为什么她反而享受这种不在舒适区里的感觉 操盘近5亿元GMV后，她为什么仍决定离开做了十五年的电商 职场教练怎样帮助她重新理解自己的优势与职业选择 为什么她认为，AI给了普通人成为超级个体的新机会 电商营销里的达人筛选、建联、议价，怎样被Agent重新组织 为什么AI可以接走70%的琐碎工作，但替代不了核心决策 鱼鱼和吴熳为什么一起“暴揍小熊猫”，又如何从二创里找到活人感 为什么她觉得AI让自己重新变年轻 Alice、ima知识库和创作工具，怎样组成她的日常工作流 定位思维为什么是她十五年营销经历里最重要的能力 普通人想进入AI自媒体，为什么第一步不是追热点，而是让AI帮你做计划 🔥本期金句 只有真正去做了，才知道自己是否热爱，是否适合。 世界这么大，我想去看看。 我很多次人生重启，都是在变化真正来临之前先行动。 人生的成就，不一定要以金钱作为唯一衡量标准。 人应该去做人应该做的事，而不是努力把自己变成一个好用的工具。 AI应该帮人解放出来，去做真正需要判断、决策和创造的事。 利他是最好的利己。 我觉得自己更年轻了，因为我每天都在成长和进步。 我的人生永远是向前的。 ⏱Shownotes 00:15 节目开场：鱼鱼的四次人生重启 01:39 鱼鱼登场：从语文老师、传媒人到电商操盘手与AI创作者 02:34 江苏重点高中语文老师：为什么主动放下“铁饭碗” 05:21 做老师留下的管理能力、因材施用与用户洞察 07:14 从讲台走进传媒江湖：电视台、杂志、广告与内容创作 09:50 第一次双十一的未来感：为什么她决定进入互联网 11:15 从0到1做APP，三个月做到10万用户 13:44 操盘近5亿元GMV后，为什么她选择离开十五年电商生涯 15:26 从成熟营销人回到AI新手村：职场教练如何帮助她确认方向 20:36 给别人做增长，和给自己做AI自媒体，到底有什么不同 21:44 鱼鱼的AI内容定位：从普通人的真实生活和工作场景出发 25:03 海外达人营销Agent：AI怎样重做筛选、建联与运营流程 33:23 二创、宇宙动物园与“暴揍小熊猫”：AI为什么需要活人感 38:51 为什么鱼鱼说，AI让自己重新变年轻 41:21 四次重启，有没有遗憾：她为什么说人生都是自己选的 45:04 别把自己训练成一个好工具：AI时代人应该做什么 48:09 快问快答：Alice、ima知识库与创作型工具 50:28 用知识库做选题、计划、复盘和个人品牌沉淀 54:02 最值钱的营销习惯：先做定位，再理解用户 57:10 使用AI最大的坑：谨慎授权，不把重要权限随手交出去 59:06 普通人30天走进AI自媒体：先让AI帮你做一份计划 01:03:33 当AI变成水电气：鱼鱼的AI时代创作工作流 01:04:28 未来愿景：让更多人因为她了解AI、喜欢AI、用上AI 📖故事摘要 鱼鱼的人生，并不是一条从一开始就规划好的路线。 她大学毕业时，也和许多人一样，选择了看上去稳定、合适、体面的工作。她进入江苏省一所重点高中做语文老师，半年成为班主任，公开课拿了一等奖。这样的起点，在很多人眼里已经足够值得羡慕。 但三年之后，她离开了。 不是因为她不喜欢教书育人，也不是因为她做得不好。她后来回看，发现自己真正不适应的是一种缺少变化、缺少创造空间的工作状态。某一天，她看着办公室里的老师，忽然觉得自己仿佛已经能看到很多年后的人生，而那不是她想要的样子。 于是，她决定去看看更大的世界。 她走进电视台，做编导；后来又经历杂志、广告和传媒行业。中文系出身、做过广播节目、策划过栏目、导演过话剧的经历，让她进入传媒时并不慌张。内容、文字、策划和表达，本来就是她熟悉的语言。 但她很早就感觉到，传统传媒正在发生变化。 行业还没有彻底下行，互联网冲击却已经到来。鱼鱼说，自己很多次转型都不是等变化完全砸下来才行动，而是在变化还没有彻底显现时，就先走进去看一看。 于是，她去了互联网和电商。 第一次双十一让她印象很深。她作为消费者，第一次真切感受到线上商业对传统线下逻辑的改变。另一边，是传媒行业的波动与不确定；这一边，则是一个正在向上生长的新行业。她决定进入电商。 接下来十五年，她几乎始终在做从0到1的事情。 她参与APP从雏形、开发到运营体系搭建，三个月做到10万用户；在上海零下八度的天气里做地推，招人、搭流程、跑市场；后来又进入法国美妆电商项目，从起盘到团队建设、客户开拓和业务梳理，最终做到近5亿元GMV，管理50人团队。 她很享受把一个还没有长出来的东西，慢慢做出轮廓、长出体系、看到结果。 但到2024年，她又一次站在路口。 一方面，电商行业的变化已经在内部显现。增长方式、业务路径、市场环境都在改变。另一方面，家人的健康状况也让她开始认真思考：人生到底图什么？如果继续沿着职业经理人的路线往上走，十年后、二十年后，自己真正想要的又是什么？ AI在这个时刻出现了。 她第一次意识到，一个人也许不一定永远依附在组织里，才有生存能力。AI让普通人拥有了成为超级个体、成为OPC的可能。她开始默默做AI内容，没有大张旗鼓地宣布转型，也没有太多“小白重来”的落差。 因为她知道，真正能带走的能力从来不会被清零。 老师时期训练出的管理意识、因材施用和对人的理解，传媒时期训练出的表达与创作能力，电商时期训练出的品牌视角、用户洞察、增长逻辑和商业化意识，都可以在AI时代重新组合。 她还有一个身份，是职场教练。 通过职业教练体系，她重新梳理过自己的优势：目标感、创新力、行动力、分享欲。她发现，AI自媒体并不是一个和过去毫无关系的新身份，反而很适合自己。 她本来就喜欢分享，喜欢研究工具，也喜欢把复杂的东西整理成别人能理解的内容。 所以「鱼鱼的AI魔法池」的定位，并不是去追逐最硬核、最技术的AI内容，而是做AI普惠。她想让还没有接触过AI的人，也能通过她的内容第一次理解：AI到底能帮我做什么？我应该从哪里开始？我能不能也学会？ 在她看来，AI就像一种魔法。 不是因为它神秘，而是因为一个普通人掌握之后，真的会拥有过去没有的能力。你可以更快做内容、更方便整理知识、更好地管理计划，也可以用AI把原本需要团队协作完成的琐碎流程，重新组织起来。 她最近关注的一个方向，是海外达人营销Agent。 过去，一个品牌做达人营销，要靠多人团队去筛选达人、看数据、分析调性、理解品牌匹配度、建联、邮件沟通、议价、审内容。一个团队一年可能要维护数百上千个达人，工作量巨大，而且信息分散在邮件、微信群、飞书、平台和不同的表格里。 AI Agent的价值，不是替代营销总监做最终决策。 真正的品牌判断、达人调性、合作关系、内容质量和商业决策，仍然需要人。但筛选、初步匹配、基础沟通、Brief检查、脚本自检、流程追踪等重复工作，可以被大幅优化。 鱼鱼估计，至少70%的琐碎环节有机会被AI提效。 她喜欢AI，并不是因为它让人少做一点事，而是因为它让人有机会少做那些没有成就感、却极其消耗时间的事，把更多精力放回判断、创造、关系和真正重要的工作里。 聊到AIGC视频时，鱼鱼又回到了她很喜欢的一件事：二创。 她和吴熳因为“暴揍小熊猫”越来越熟。一个群里的IP、一个不断熬夜的小熊猫、一个会在传统节日反复出场的角色，被大家用AI做成视频、段子、图片和新的故事。 她发现，AI本身可能是冷的，但当人把真实关系、共同记忆、群体内部的梗和情绪放进去，作品才会变得好玩，也才会有活人感。 未来的AI产品，也许不只是平台做完一个功能，再等用户来用。更多时候，它会是用户不断二创、共创、补充和赋予意义之后，才真正长出来的东西。 鱼鱼说，自己现在四十岁以后反而没有太多年龄焦虑。 因为她每天都在学新东西。 小时候，我们会因为还在学习、还在成长而觉得年轻。后来，学校毕业，很多人以为学习结束了，人生就只剩下工作、责任和重复。但AI让她重新找回一种少年感：学一个新工具，把它弄会，再把它讲给别人听。 她不是不爱老师。 她只是离开了学校。 从老师到传媒人，从电商操盘手到AI创作者，她一直在做同一件事：先把自己变成一个懂行的人，再把理解过的东西分享出去，带更多人一起往前走。 这也是她对AI时代最重要的判断。 过去，很多人在职场里努力把自己训练成一件好用的工具，希望被平台、老板和组织选择。但当AI出现后，人会突然发现：有一个工具比自己更快、更稳定、更便宜。 鱼鱼认为，人不应该继续把自己削成更趁手的工具。 人应该去做人应该做的事。 去创造，去判断，去理解人，去帮助别人，去建立真实的关系，去找到那些让自己真正有生命力的事。 她说，自己的人生没有太多遗憾。 因为每一次重启，都是自己选的。 而且，她的人生永远向前。 💬听众互动 你现在最想重启的，是什么？是一份工作、一种旧习惯，还是一套已经不再适合自己的生活方式？欢迎在评论区写下你的答案。

🎙《灯下白》EP39 小乙 嘉宾：小乙 中医骨伤博士，针灸推拿本科、中医骨伤硕博方向。长期关注医学科研、专业阅读、论文写作与医学科普，用GPT、Codex、MinerU等工具辅助文献整理、学术沟通和个人知识管理；也是一位资深“电子仓鼠”，持续沉淀课程录音、读书笔记、医学古籍与个人思考。 主持人：吴熳 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！ 🪝本期故事 有些人用AI，是为了把工作做得更快。 小乙不一样。 他先是在为自己十几年来攒下的信息，找一个终于能读懂它们的大脑。 初中时，他会用美工刀裁书，把喜欢的句子剪下来，贴进笔记本。 上大学后，他开始拍书、录课、存网页、转文字。 一整学期的课程录音，转成文字。 早年的节目、讲座、书籍、古籍、医学资料，转成文字。 健身时听到的灵感、读书时冒出来的想法、门诊中患者说过的话，也一点点留下来。 他不只收藏。 他还会删。 过去，他把书读薄，把不重要的部分扔掉，只留下自己认为最好的句子。 但到了AI时代，他后悔了。 因为原文、笔记、经验、患者的表达、老师的点评，这些曾经被自己删掉或散落在文件夹里的东西，原来都是未来最宝贵的上下文。 而AI把他真正带进门的，是博士入学前的一篇系统性文献综述。 那时他靠肉眼一篇一篇读文献、做笔记、梳理脉络。等文章投出去，他才遇见ChatGPT。 他突然意识到： 如果重来一次，AI能替他省下大量时间。 后来，他用AI读文献、写论文、改返修、做HTML组会汇报，也用它帮自己处理英文邮件和学术沟通。 但他也越来越确定： AI可以写出规范的医学语言。 却写不出患者说的那句—— “晚上睡觉的时候，风嗖嗖地往肩膀里面钻。” 这一期，我们聊的是： 一个中医骨伤博士，如何一边把AI养成科研搭子，一边守住那些只有真人经验才能说出来的话。 💡本期你会听到 针灸推拿本科，为什么后来一路读到中医骨伤博士 一篇系统性综述，如何把小乙逼进AI的大门 GPT、Codex和HTML，怎样改变文献阅读与组会汇报 医学论文返修时，AI怎样帮他把“大白话”改成更得体的学术沟通 一篇大胆假设的文章，为什么引来国际同行专门写文回应 医学项目书里的流程图、机制图，怎样用AI边抽卡边修正 为什么小乙会把专业书、古籍和课程录音全部数字化 从裁书、录音、截图到TXT，他怎样成为“电子仓鼠” 为什么原文、摘录和自己的体会，应该分开保存 患者口中的“风嗖嗖地往肩膀里钻”，为什么比术语更重要 白天读骨伤，晚上写鬼故事：AI故事创作为什么最后写腻了 AI会怎样改变医学科研，又为什么难替代临床操作和真实问诊 🔥本期金句 原文本要留下来，自己的体会更要留下来。 AI能整理知识，但真人经验才会长出真正的洞察。 “风嗖嗖地往肩膀里钻”，不是术语，却比术语更接近患者。 医学科普不能只有正确，还要有人味儿。 有需求的时候，天线自然会竖起来。 我希望AI更像我的分身，带着我的专业、品味和经验去执行。 ⏱Shownotes 00:00-02:58 小乙登场：中医骨伤博士、AI科研使用者与资深电子仓鼠 02:58-05:05 从针灸推拿到中医骨伤：一篇系统性综述把他推向AI 05:05-07:44 文献阅读、HTML汇报与Codex：博士组会的另一种打开方式 07:44-12:02 项目书机制图、流程图与AI出图：专业汉字到底有多难画 12:02-19:16 论文返修、英文回复与一篇大胆假设带来的学术回应 19:16-24:58 把专业书、医学古籍和大部头教材装进自己的数字知识库 24:58-33:21 从裁书到录音转文字：小乙十几年的信息囤积史 33:21-40:53 医学科普为什么不能太模板化：患者的话，比术语更有力量 40:53-42:55 同行怎样用AI：查文献很常见，真正建立工作流的人仍然不多 42:55-49:04 白天治病救人，晚上写鬼故事：AI创作为什么会越写越腻 49:04-56:48 硬科普、患者访谈与AI对中医骨伤未来的影响 56:48-58:38 小乙这些年到底在做什么：专业能力与好奇心的双线积累 58:38-结束 快问快答：GPT、Codex、豆包、MinerU，以及“更像自己”的AI 📖故事摘要 小乙的专业路径其实很连贯。本科读针灸推拿，后来进入中医骨伤方向读硕士、博士。针灸推拿对颈肩腰腿痛、骨伤相关问题有天然的应用场景，所以他并不觉得自己是在频繁换专业，而是在沿着一条对“疼痛、功能、身体和恢复”越来越深入的路径往前走。 真正让他开始使用AI的，是博士入学前的一篇系统性综述。导师要求他进入一个自己并不熟悉的细分领域，梳理近些年的研究成果，做出完整的脉络和判断。那时他还没有接触AI，只能靠肉眼一篇一篇看文献，在笔记本上做记录，再一点点组织自己的观点。 等这篇文章写完、投稿之后，他才接触到ChatGPT。 他立刻意识到：如果再来一次，AI可以帮助自己做文献摘要、提炼结构、梳理争议点、协助搭建综述框架，至少能把大量重复的阅读和记录工作先接过去。 后来，AI逐渐进入他的科研工作流。组会汇报时，他不再只盯着传统PPT，而是让AI协助把文献整理成HTML页面；面对专业书和大部头教材，他会让AI做结构化梳理，生成更适合阅读和追问的图文页面；面对项目书里的机制图、流程图，他会把高质量模板喂给AI，再一轮轮调整，最后把难以识别的专业文字手动补上。 他并不觉得这一定比PPT更省时间。 但他喜欢这个过程。 因为每一次抽卡、修改、重做，都是一次重新理解工具边界、重新训练自己表达需求的过程。 论文写作也是这样。过去，医学英语、科研论文写作、投稿回复，都是研究生必须硬啃的技能。现在，小乙会先把自己的意思用大白话说出来，再让AI把它润色成更严谨、更符合学术沟通习惯的英文。 有一次，他的一篇文章被编辑提出大量修改意见。文章的核心是一个比较大胆、甚至有些激进的假设。导师起初也觉得这个观点太冒险，小乙还是坚持先投出去试一试。之后，他一边完成几十处技术性修改，一边让AI帮助自己把那段“我为什么觉得这个猜想值得被讨论”的表达，写得更谦和、更完整，也更能让编辑理解他的论证逻辑。 文章后来被接收。 更出乎意料的是，两位国际同行还专门以正式回应文章的方式，对他的观点提出讨论和质疑。对小乙来说，这既有压力，也是一种难得的学术交流：至少说明这个问题被真正看见了。 但小乙最有意思的一条线，不是论文，而是他的“电子仓鼠”人生。 初中时，他不喜欢纸质书的厚重感，于是会用美工刀裁书，把喜欢的句子剪下来，贴进自己的本子。他会做错题集、摘抄本、读书笔记，把一本书不断读薄，最后留下自己认为最重要的部分。 上大学后有了手机，他开始拍书、录课、存资料。后来用录音耳机把课程、节目、讲座和内容转成文字；用三倍速听书；把听到的灵感、待办、书单、研究方向和个人日记，沉淀成一张张小卡片。 他甚至会让两个耳机同时工作：一个连电脑，一个连手机，后台播放内容，自己不一定同步听完，只等它们把文字转出来，再导出、归档、整理。 今天回头看，他已经不再执着于“把书读薄”。 他开始意识到，原文本不能轻易扔掉。因为很多年前觉得无关紧要的内容，过几年重新回看，可能会和新的问题、另一门学科、另一段临床经验，发生完全不同的连接。 所以他现在更愿意保留三层内容：原始资料、自己的摘录，以及当时的个人体会。 在他看来，最有价值的始终是第三层。 AI可以总结一本书，也可以整理一篇论文，但它很难替代一个人当时为什么被某一句话打动、为什么联想到自己的专业、为什么在门诊、病房或组会上突然想到一个新问题。 这也和他对医学科普的理解有关。 小乙发现，很多医学内容在术语上非常准确，却不一定能够进入普通人的生活。比如“肩关节活动受限”，对于患者来说，可能是“坐公交的时候怕旁边的人碰到我”；“冻结肩”，对于患者来说，可能是“晚上睡觉，感觉风嗖嗖地往肩膀里钻”。 这些活生生的描述，AI很难凭空生成。 它可以写出一篇结构完整、概念准确的医学说明，但写不出患者说话时的恐惧、犹豫、笨拙和真实。因此，小乙认为好的医学科普不该只有冷冰冰的正确答案，还应该有人味儿，有冗余，有具体的生活场景。 这也是他后来想做医学内容的方向。 他曾经尝试把医学科普套进鬼故事里。主角是骨科医生，故事里有都市怪谈、传统鬼怪和医院里的离奇事件。写着写着，他一度写了四十多篇，读者甚至开始要求加感情线、加角色、加冒险。 但后来他发现，AI故事写得再顺，也容易变得套路。人物会越来越像模板，情节会越来越像复制粘贴，自己也会慢慢失去继续写下去的兴趣。 于是他决定暂时放下鬼故事。 但没有放下科普。 未来，他想把内容分成两条线：一条是更系统、更扎实的疾病科普；另一条是患者访谈和疾病故事。他想听患者怎么描述疼痛、疾病怎样改变生活、一个人如何与身体的限制相处，再把这些真实经历和专业知识放在一起讲。 聊到AI对医学的影响，小乙的判断也很清醒。 AI会显著降低科研写作、资料整理、英文沟通和基础统计的门槛，让医学生可以把更多时间放回临床数据、实验室数据和真正与业务相关的事情上。但这也是一把双刃剑：当更多人都能用AI提高产出，学术评价的门槛可能也会继续水涨船高。 至于临床操作、手术配合和真实问诊，他认为AI还很难真正接住。 骨科医生要在手术中保持患者腿部的角度，要配合主刀摆体位，要处理沉重、具体、无法被文字替代的身体工作。更重要的是，患者往往说不清自己的问题；一旦输入本身不准确，AI也可能被误导。 所以AI可以辅助信息整理、科研写作和部分流程，但临床判断、实操经验和面对面的问诊，仍然离不开有经验的医生。 最后，小乙说，他这些年做的事情大概可以分成两条线。 一条是不断夯实自己的专业能力，对患者、工作和医学负责。 另一条，是不断用好奇心去认识更多东西：书、课程、故事、古籍、工具、AI和世界。 现在，这两条线都开始有AI加入。 AI不一定真的让他少花很多时间。很多时候，原本一小时能完成的工作，用了AI之后，还是会花掉一小时。只是这一小时里，他会尝试更多工具，做出更好的版本，或者把省下来的认知力投入到新的问题里。 他期待未来的AI更聪明，也更有人味儿。 不是只会写一篇标准答案。 而是能带着他的专业、品味、资料和经验，像一个真正理解他的分身，继续把那些还没来得及连接起来的东西，一点点连接起来。 💬听众互动 你电脑里有没有一批沉睡多年的资料、笔记、录音或课件？假如今天把它们交给AI，你最希望它先帮你重新连接出什么？

🎙《灯下白》EP38 程佳伟 嘉宾：程佳伟 复旦大学中文系艺术学硕士，奇点川越创始人、重建地平线社群发起人。长期探索AIGC影视、智能体与AI时代的内容体验，曾参与四十余分钟AIGC长片创作及AI影视美育相关项目。目前带领团队从内容、培训到智能体，尝试为年轻人和内容创作者寻找更有生命力的AI实践路径。 主持人：吴熳 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！ 🪝本期故事 有一天，程佳伟坐在复旦的电影课教室里，老师正在讲类型片、黑帮片和那个充满生命力的美国电影世界。 他脑子里却突然冒出一个念头：不能这样等死。 不是因为读博、教书或进入体制有什么错，而是他无法接受，一条一眼就能望到头的人生，成为自己唯一的选择。 于是，一个中文系艺术学硕士，先从AIGC影视进入AI圈，又把更多精力转向智能体。他发现，AIGC看起来门槛低，真正往后拼的是审美、叙事、视听语言和创意；智能体看起来高深，底层却更像一套可以被拆开、被组织、被验证的逻辑结构。 他做过四十多分钟的AI长片，接过反复修改十多次、几乎不赚钱的AIGC商单，也和朋友们成立了“重建地平线”社群，跑进高校和青年群体里，想让更多人从AI里找到新的可能。 后来，他开始做一个叫“Anima”的智能体。 Anima，意为灵魂。 程佳伟觉得，互联网把我们拆得太碎了。你在小红书、抖音、微信、B站上，分别扮演不同版本的自己；平台调性、算法规则和内容模板，都在逼你不断调整表达方式。 他想做的，不只是一个更会写内容的AI。 而是一个能接住完整的你、记住你的上下文、替你适配不同平台的数字灵魂。 💡本期你会听到 为什么程佳伟认为，AIGC真正往后拼的是审美、叙事与视听语言 文科生不懂代码，为什么依然可以做智能体 坐在复旦电影课教室里，他为什么突然觉得“不能这样等死” 中文系、文学和电影训练，怎样成为他进入AI行业的底层优势 四十多分钟AI长片、北影节入选，对一支早期创作团队意味着什么 AIGC商单为什么常常反复返工、交付很重，最后甚至不赚钱 重建地平线为什么要从公益分享和青年答疑开始做起 奇点川越为什么从AI短片、培训讲座，逐渐走向智能体交付 为什么IP不只是流量工具，更是漂浮时代里人的“根据地” Anima想解决什么：平台如何把一个完整的人切成不同版本 为什么程佳伟认为，年轻人的焦虑不只是找不到工作，而是不知道自己要往哪里去 AI为什么是放大器，而不是自动抵达幸福的答案 🔥本期金句 AIGC往后拼的是审美、叙事和视听语言。 智能体不一定需要很强的代码能力，但一定需要很强的逻辑。 大家需要有一个固定的东西，让自己整个人固定下来。 平台把数字世界切得稀碎，也把我们的数字灵魂切得稀碎。 奥德修斯知道自己要回家，很多年轻人却不知道自己的目的地。 AI是放大器，但人要先相信自己有值得被放大的东西。 ⏱Shownotes 00:00 程佳伟登场：复旦中文系艺术学硕士、奇点川越与重建地平线的发起人 01:54 从AIGC到智能体：文科生做AI，到底靠什么 03:57 坐在电影课教室里的那一刻：不能这样等死 05:46 为什么没去实习、没进职场，反而决定创业 06:53 中文系、文学、电影与艺术训练，怎样成为AI行业里的优势 09:50 从编剧到创作者：四十多分钟AI长片与北影节AIGC短片单元 12:59 AI影视美育：为什么“AI什么都能做”和“AI什么都做不了”没有本质区别 14:30 AIGC商业交付的现实：反复修改、客户预期与创意成本 18:15 重建地平线：一群理想主义者，为什么要做公益式AI社群 23:42 成立奇点川越：从AI短片、培训讲座到智能体业务 27:45 为什么IP不是装饰，而是人在漂浮时代的根据地 32:31 Anima：给数字世界里的自己找一个统一的灵魂 39:15 本地运行、长期记忆与隐私：为什么Anima不想把用户放进云端 42:30 “奥德赛时期”到底错在哪里：年轻人不是没有家，而是不知道目的地 45:02 从“怎么在城市活下去”到“我究竟想怎么活” 49:56 AI作为放大器：先让自己相信，你值得被放大 51:26 节目结尾：关于根据地、生命力与重新定义自己 📖故事摘要 程佳伟的路径，并不符合大众对“复旦中文系艺术学硕士”的想象。很多人会默认，他接下来应该读博、教书、进入文化机构，或者在影视行业里慢慢积累。但他很早就感到，这样的路径未必适合自己。 他记得很清楚，自己曾坐在电影课教室里，听老师讲黑帮片和美国电影史。课堂当然有趣，但他脑海里突然冒出一个更强烈的问题：如果这样按部就班地走下去，自己会不会进入一种一眼望到头的生活？他不想把人生交给惯性，于是开始寻找另一种可能。 最早进入AI圈时，他做的是AIGC影视。 中文系、文学、戏剧影视和电影训练，给了他很强的叙事能力、视听语言感和内容判断力。很多人觉得，AIGC就是会写提示词、会调模型、会生成画面；但程佳伟认为，真正能拉开差距的，是你知不知道一个故事怎么展开、一个镜头为什么成立、一个片子怎样拥有节奏、情绪和审美。 他曾以编剧身份参与一部四十多分钟的AI长片创作。后来，团队持续迭代作品，并入选北影节AIGC短片单元。对他来说，这不是“已经做得很好”的证明，反而更像一种鼓励：在AI影视还处于早期的时候，团队的探索被真正看见了。 但AIGC创业并不浪漫。 程佳伟接过商业片，也经历过一条片子反复修改十多次，最后几乎把收入都消耗在制作成本和时间里。甲方会觉得AI应该天然降本增效，却又常常拿AI交付去对标成熟实拍、专业导演和传统影视团队的结果。创意很难量化，模型能力有边界，客户预期却不断往上走。 这让他很早意识到：AI不是“什么都能做”的魔法。真正困难的，是让客户理解边界，也让团队在边界之内完成稳定交付。 于是，他和朋友们把视线从单纯的AI短片，慢慢转向更广阔的AI教育、培训和智能体实践。 他们成立了“重建地平线”社群。最早只有三五个人，却愿意抽出创业时间，去做一些公益式、开源式的分享和答疑。他们跑进高校、政府系统和青年群体，做讲座、做培训、做交流，也帮助许多原本被就业焦虑困住的同学，重新理解AI能够带来的职业可能。 程佳伟觉得，AI最重要的价值之一，是让很多原本被专业、学历、技术门槛和社会偏见框住的人，拥有重新组合能力的机会。 文科生不一定只能做文字、运营和行政。艺术生也不一定只能等着进入传统影视行业。只要能把自己的内容能力、逻辑能力、表达能力和AI工具结合起来，就可能开出一条新的路。 这也是他后来成立奇点川越的原因。 团队最初通过培训、讲座和定制项目维持现金流，同时持续探索AIGC短片、内容生产和智能体交付。程佳伟很清楚，小团队创始人必须非常全面。你不一定每件事都最专业，但至少要理解业务、内容、客户、产品、交付和团队协作。 AI让这种快速补课成为可能。 过去，一个年轻创业者想在几个月内理解一个新领域，并将它变成可以交付的业务，几乎不现实。现在，AI把学习和试错成本拉低了许多。它不能替你建立信任，却能帮助你更快进入一个场景、更快做出作品、更快形成自己的判断。 程佳伟做“重建地平线”，也做IP。 在他看来，IP最深的价值不是流量，而是“根据地”。 这个时代里，很多人都在漂浮。职业选择多，信息太密，平台太多，身份太碎，人很容易陷入一种不安全感：我到底是谁？我真正想过怎样的生活？我应该把自己放在哪里？ 程佳伟自己的根据地，曾经是京剧。 在备考、焦虑和不确定的阶段，京剧给了他一种稳定的精神结构。他在其中认识朋友，也在传统文化里找到了一种可以安顿自己的方式。后来，他把这种体验延续到“重建地平线”里：人不只是需要工具，也需要一群能够共同确认价值的人。 而Anima，则是他对“根据地”更数字化的一次尝试。 Anima，来自“灵魂”这个概念。程佳伟认为，现实中的人虽然有不同身份，但这些身份最终都汇聚在同一个肉身上；互联网却不同。你在微信、小红书、抖音、B站和公众号里，会被不同平台拆成不同版本。 不同的平台要求不同的语言、不同的姿态、不同的内容策略。久而久之，一个完整的人，可能变成一堆互不相连的账号和表达方式。 所以Anima想做的，是一个能承接完整自我的本地智能体。用户不需要先把自己拆成适合不同平台的碎片，再去逐个平台经营；用户只需要把更完整的自己交给Anima，由它去理解上下文、保留记忆、处理不同平台的适配。 程佳伟强调，本地并不只是技术配置问题，更关乎隐私。因为一个真正有记忆的智能体，接触到的会是人的经历、想法、情绪和很私人的信息。只有当用户相信这些内容被安全保存，他才可能把更真实的自己交出来。 聊到“奥德赛时期”时，程佳伟给出了一个很特别的解释。 奥德修斯在海上漂泊很久，但他知道自己要回家。很多年轻人真正的焦虑，却不是“路太长”，而是“不知道目的地在哪里”。他们可能不是单纯找不到工作，而是不知道自己要成为谁，不知道自己为什么要这样活。 他把这种状态称作某种“长期失权”：人不断把人生定义权交给社会期待、父母意见、学历路径和平台规则，久而久之，就越来越难听见自己的声音。 吴熳的回应则更现实：年轻人也许首先要解决的是怎样在北京、上海这样的大城市活下去。但两个人最终发现，讨论的还是同一件事——人在找到生存路径之后，仍然要找到自己的根据地，找到真正愿意投入生命力的方向。 程佳伟相信，AI可以成为一种放大器。 它能放大一个人的创意、学习能力、表达能力和专业积累，也能让文科生、艺术生和普通人获得更多过去难以触及的能力。但AI不能替人决定要去哪里。 工具越强，人越需要知道：自己想创造什么，想成为谁，又愿意为什么事情投入一生。 💬听众互动 你现在最需要的“根据地”是什么？是一门真正想钻进去的专业、一群能彼此照亮的人，还是一个能帮你保留完整自我的数字空间？