

31.如何开始vibe code——AI工程师的vibe coding氛围编程入门建议本期,回答听友的问题:“怎么学到最基础就能vibe coding的知识?”AI算法工程师的回答:代码语法不用学了,架构才是命门。 📜他给出了一套工作流,需要2个agent: ①agent1:帮你做vibe code搭建你的作品 ②agent2:梳理出agent1的系统架构图,同时做为评审给agent1提意见(这个过程也是我们逐步学习vibe coding架构和理解的过程) 📜工作流 ①跟Agent1说最简单的需求,让它负责vibe code ②开一个独立的Agent2,让它同时给你一个对应agent1开发内容的系统架构图 ③让Agent2扮演维护30年Linux内核的Linus来苛刻审视Agent1的开发 ④看Agent2评审意见按需学习(比如它给出建议说"耦合太深",你再去学什么是耦合这个概念) ⑤不断加功能迭代,遇到瓶颈再回到评审。 ⏳ 时间轴 00:00 听友提问——有没有给Vibe Coder的编程基础课? 01:48 最大的坑:把AI Agent当老虎机——摇一下看有没有好结果 03:12 核心建议:编程语法如C语言等不用学,架构是关键 04:55 五步工作流:需求→架构图→Linus审评→按需学习→迭代 08:11 纯小白怎么开始?怎么快怎么来,直接开干 10:08 架构图的两个价值:学习(Agent当导师)+ 修正(评审纠偏开发) 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
30. 43只龙虾agent共用的“技能研究员”:一只专门研究Skills的AI Agent是如何进化的主播同时运行43只龙虾agent,他们负责不同的方向且都需要通过Skills(技能)增强自己,如果让43只龙虾各自去网上找skill,会怎样?答案是:重复劳动+安全隐患。 于是,AI算法工程师主播专门养了一只"技能研究员"龙虾,经历了三个进化阶段:第一阶段,去各大平台(Claw Hub、GitHub、Skills.sh)搜索热门技能,每天给一份最新技能趋势日报;第二阶段,加入安全扫描和中心化分发——扫描通过后才用软链接分发到对应龙虾;第三阶段,每天自学"如何写更好的skill",然后自动优化现有技能,优先优化被最多龙虾使用的。 最有意思的是它的工作模式——被动推送(日报趋势)+ 主动整合(你说要读论文,它搜六七个reading skill,取各家之长综合出一个更好的给你)。以及下一步的方向:让Agent自己发现"我需要某个技能"后自动去申请,彻底去掉Human in the Loop。 ⏳ 时间轴 00:00 43只龙虾agent有一只共同的"技能管家"龙虾 00:50 技能的三种获取方式 + 渐进式加载原则(为什么不能全部加载) 03:06 技能研究员三阶段演进:检索→扫描分发→自学优化 06:13 两种工作模式:被动日报推送 vs 主动场景驱动(paper-deep-read案例) 10:13 Skill的实际价值 + 中心化管理 + Agent自主申请技能的未来方向 14:14 泛化讨论:通用需求→操作系统→插件→Agent的演进路线 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
29. 所有待办事项(Todo)管理方法都坚持不了,直到我用了两只龙虾用2只AI龙虾搭建任务管理体系: 1. 效率管家龙虾(秘书):随时语音丢任务→管每天具体的待办todo; 2. 合伙人龙虾(战略顾问):宏观规划,负责符合你的长期方向→建立Roadmap + 帮你做取舍。 📱 日常怎么用: 1. 想到什么→语音一句话丢给效率管家 2. 有时间了→"给我五条高优的" 3. 语音逐个处理:做完了/跳过/让Agent执行/帮我拆分 4. 五条完了再下五条→循环清空 🎮 更酷的部分: - 把人生规划做成技能树 - 合伙人帮你做取舍 🆚 比传统方法好在哪: ✅ 输入成本极低(语音一句话) ✅ 智能拆分模糊任务 ✅ 不会膨胀到崩溃 ✅ 多了长远规划层 💡 最简单的起步:找个AI,每天语音把待办丢给它就行 ⏳ 时间轴 00:00 为什么试过很多方法做Todo管理都坚持不下来?龙虾做Todo的两层结构 01:02 效率管家:语音随时丢任务+五条五条推送+语音处理 07:06 实战案例:买轮滑鞋——从选品到比价到加购物车全程语音 13:02 龙虾合伙人:Roadmap + 技能树游戏化 + 否掉漫改剧想法 21:51 两层配合:共享平台 + 直接添加Todo + 人做翻译官 25:17 对比传统方法:四个核心差异——输入低/智能拆分/不膨胀/有规划 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
28. 为什么有些人用龙虾用得飞起,有些人卡住了?AI工程师主播:43只龙虾用得飞起,覆盖写博客、购物、旅游、教育、做AI工具... 文科生主播:“我听完很惊叹,但我自己就是做不到那种程度” 两位主播深入探讨了背后的三层原因: 1️⃣ 性格:想法多的AI工程师→需效率也高→倒逼自己全部用AI 2️⃣ 看见才会做:没感受到帮助,就没有使用龙虾的动力 3️⃣ 理解原理才有耐心:知道一次不行,但多调几次能成 文科生也分享了自己做HTML网页卡住放弃的真实案例,AI算法工程师给出了一个实用技巧——给Agent任务的同时给它验证方法。 💡 如果你也觉得"AI很厉害但我就是用不好"——这期会让你觉得被理解。 ⏳ 时间轴 00:00 文科生视角的反思——听了21-26期分享后的真实感受 01:18 文科生感叹:43只龙虾覆盖面太广,但我想象力不够 04:13 三个关键因素:性格×看见×理解原理 09:47 真实卡点案例:让AI做HTML网页结果全是空的,然后我就放弃了 12:30 实用技巧:给Agent任务的同时给它验证方法 17:22 趋势展望:平台期会被克服,但"技术降级"问题值得警惕 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
27. 让每只龙虾凌晨去学习,如何让AI自动学习+编译知识43只龙虾每天凌晨学习,学完交作业到一个共享"图书馆"——这是算法工程师李科生搭建的AI知识共享体系。 核心架构是:每只龙虾都有自己的学习领域(凌晨学习各自领域的知识),学完后把材料提交到一个公共目录的收件箱;然后知识管家也凌晨起来,把收件箱的知识编译、检查冲突、合并到Wiki页面。关键设计是用软链接把提交指南分发到每只龙虾,让整个过程自动化。 Daily Learning→收集整理→进脑子。如果你想让你的AI不只是干活还能成长,这期给你完整方案。 ⏳ 时间轴 00:00 LLM Wiki后续——怎么让所有龙虾的知识汇总到一起 01:40 知识图书馆架构:公共目录 + 知识管家当图书馆管理员 04:00 Skill软链接机制:提交指南分发到每只学习的龙虾 07:30 当前痛点:Wiki页面还是像文章列表,层次聚合仍需优化 12:00 学习资源:写作技巧、GTD方法论、论文和代码——各学各的 21:30 总结:Daily Learning→Wiki整理→入脑的三步链路 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
26. Claude Code工程师说“让AI输出HTML(网页),而不是Markdown”——我们的实战验证Anthropic Claude Code 团队工程师 Thariq Shihipar 发了一篇热点文章《The Unreasonable Effectiveness of HTML》——核心观点是:别再让AI输出Markdown了,HTML才是更好的沟通格式。巧的是,我们的AI算法工程师在这篇文章发布之前,也基于他的经验得出了同样的结论并付诸实践:Markdown对Agent友好,HTML对人友好。 他把43只龙虾的整个工作流从飞书聊天迁移到了网页HTML。Thariq说HTML让人"更有参与感",AI算法工程师的体验完全一致:写作进度、审稿意见、发布状态全在一个可视化网页上,Agent间的信息交互也从容易超时的点对点模式变成了中心化平台。本期相当于用真实的龙虾军团实践,验证了Anthropic工程师的理论。如果你还在用markdown跟AI交互,这期可能会改变你的思路。 ⏳ 时间轴 00:00 自动发布式写作平台搭好了,背后工作流升级 03:10 核心发现:Markdown对AI友好,HTML对人友好(与Anthropic工程师观点不谋而合) 06:17 工作流HTML网页化:从点对点到中心化平台,Agent间不再互相喊话 09:05 龙虾模式 vs Hermes模式 vs N对M模式的架构对比 14:49 预告:每只龙虾凌晨都要学习,学到的知识共享到LLM Wiki 17:52 核心原则:AI擅长的丢给AI,人类擅长的留给人类 📖延伸阅读 Thariq Shihipar (Anthropic Claude Code团队工程师):"Using Claude Code: The Unreasonable Effectiveness of HTML" 原文链接:https://x.com/trq212/status/2052809885763747935 中文翻译:https://mp.weixin.qq.com/s/TmQf2EFv7Eg_nyBsWSzPog Thariq 的六大核心论据: 1. HTML信息密度远高于Markdown(表格、SVG流程图、交互控件) 2. 超过100行的Markdown几乎没人认真读,HTML可用标签页组织 3. HTML易于分享,浏览器直接打开 4. 双向交互——滑块、旋钮、按钮直接在文档中操作 5. Agent可摄取大量上下文生成HTML报告 6. 它让人开心——更有参与感,更投入创作过程 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
25. AI算法工程师的43只龙虾军团——写博客的全自动化工作流AI算法工程师养了43只龙虾(AI Agent),其中6只帮他从写文章到发布十几个平台全自动化。本期详细拆解写博客的完整工作流:随想记录员捕捉灵感→写作Agent起草→文风分析师+ChatGPT双重审稿→发布管家一键分发知乎、公众号、头条号等十几个平台。 更狠的是,写稿审稿放在凌晨定时执行,方便使用GLM coding plan的夜间token,白天只需要看一眼审阅。如果你想法多但总懒得动笔,这期给你一条全新的路。 ⏳ 时间轴 00:00 龙虾热度过了,但43只龙虾Agent还在帮我干活 02:57 写博客工作流拆解:随想→写作→审稿→发布的完整链路 07:03 十几个发布平台一键分发:知乎、头条号、百家号、LinkedIn… 10:08 第二阶段升级:凌晨自动写稿审稿,做本地网站管理状态 12:30 审稿交互方式:飞书评论 vs 语音直说,哪个更好用? 14:13 核心感悟:Agent时代让想法多的人终于能把想法变成行动 📜精华 🧍♂️联系我们 微信听友群:加13826477686主播微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”,主播将拉入听众群) 听众反馈:514634244@qq.com
24.重读卡帕西知识库原文后我悟了:LLM Wiki的核心是wiki式的层级聚合,不是散落的条目📜背景 本期继续深入Kapathy LLM Wiki的实操。AI算法工程师五一期间认真重读了Karpathy原文,终于深入理解了三层架构的设计意图——但拿去实践后发现了一个核心问题:做出来的总是"散落的文档"而不是真正的有层级结构的体系化Wiki。 我们详细讨论了为什么缺少“层级聚合”(这里指像是从“广东→广州→具体街道”的那种分层)会导致知识库不可用,以及算法工程师分享的增量式处理经验。如果你也在折腾个人知识库但总觉得差点意思,这期能帮你定位问题。 ⏳ 时间轴 00:00 开场:五一期间重读Kapathy LLM Wiki原文,原文下面全是广告 01:07 重读原文后的理解:三层架构(原始数据/编译数据/行为准则) 02:40 实操现状:1000+条知识条目、网页可视化、Design Doc的意外收益 05:10 核心问题:为什么做出来的总是散落文档而不是真正的Wiki? 19:00 知识库定位:面向过去的沉淀 vs 面向未来的规划 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
23.【嘉宾对谈】AI伴侣离我们有多远?政府干部何博士的调研与观点政府领导何博士,带着他对50多人关于AI伴侣的一手调研数据回来了——这次的话题从现场三问"你能接受AI人形伴侣吗"开始,到AI伴侣的产业情况、恐怖谷效应的技术门槛,再到访谈中的发现:绝大多数受访者不排斥拥有一个AI伴侣。 后半段我们深入探讨了AI伴侣对亲密关系的影响——性别态度差异、对生育率的潜在冲击、以及它可能成为继房子车子之后的“第三大件”。何博士作为政府年轻领导干部的视角让这个话题不只是科幻,更是一个正在发生的社会议题。不管你持什么态度,这期值得你认真听完再做判断。 ⏳ 时间轴 00:00 开场:何博士回归,50人调研数据首次分享 01:02 现场三问:你能接受AI伴侣吗?你能接受你的另一半有AI伴侣吗? 05:25 产业现状:Replika 3亿用户,全球市场2030年将达750亿美元 09:07 恐怖谷效应:人形机器人要极其逼真才能被人们广为接受 20:05 访谈核心发现:90%不排斥,需求比想象中大,性别态度差异显著 26:45 伦理深水区:爱与依赖的边界、生育率冲击、AI伴侣的法律地位 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
22. 文科生试着搭卡帕西的AI知识库了(LLM Wiki),结果很惨淡——复盘与下一步如何做?文科生带着上期“搭LLM Wiki”的作业回来了——结果很惨淡。她让WorkBuddy参考Karpathy的文章去整理Obsidian笔记,Agent确实自动化执行了,但产出的只是按文件夹分类的笔记整理,不是Karpathy说的那种Wiki。 AI算法工程师也坦承自己做出来的同样是"一坨不可用"的散落碎片笔记。两人在节目中重新对齐了LLM Wiki的正确形态——不是散落的笔记页面,而是像维基百科一样以概念为核心的结构化页面,每次新内容进来都做概念提取、冲突检测和合并。后半段给出了普通人的15分钟实操路径:让Agent逐篇编译、依次做概念索引、最终生成Wiki页面。如果你也在纠结"到底要做成什么样",这期帮你理清方向。 ⏳ 时间轴 00:00 上期作业交卷——文科生的LLM Wiki实操结果很惨淡 04:25 AI工程师也翻车了:做出来的不是Wiki,是一坨散落的笔记 07:03 方向纠偏:Wiki的正确形态是维基百科式的概念页面 10:03 以播客项目为例:Wiki页面到底长什么样 14:49 普通人15分钟实操:逐篇编译→概念提取→索引合并 23:30 网页可视化的意义,且一句话就能让Agent帮你做出来 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
21. 卡帕西AI知识库(Karpathy llm wiki)如何做 :用大模型+记忆系统帮你管理个人知识库AI算法工程师本期分享了他受卡帕西AI知识库Karpathy LLM Wiki启发,搭建了一套四层记忆架构:Inbox随手笔记→Staging编译打标签→人工审阅→Wiki结构化知识库。期间让他惊喜的是,记了不到半个月就出现了一个案例——Agent遇到问题时直接去知识库里调用了另一个Agent的历史经验。 后半段给出了普通人的实操建议:把Karpathy那篇文章丢给Agent,让它帮你搭建一个带网页交互的个人Wiki系统。如果你也想让AI从"做完就忘的实习生"变成"有记忆的同事",这期非常值得听。 ⏳ 时间轴 00:00 开场:为什么1M上下文还不够?Agent需要的是长期记忆 04:05 Karpathy的LLM Wiki概念:让大模型帮你管理个人知识 06:00 四层记忆系统实操:Inbox→Staging→人工审阅→Wiki 14:46 记忆的复利效应:记了半个月就出现跨Agent经验复用 22:06 普通人怎么做?Vibe Coding + 网页交互是最佳入口 30:00 把文章变成播客、用NotebookLM辅助——知识消化的新方式 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
20. DeepSeekV4 1M模型来了——AI算法工程师讲透模型上下文限制📜背景 本期我们从DeepSeek V4 的发布聊起——这是国产模型中第一个拥有1M上下文的。这背后人们常说的大模型的上下文限制到底是怎么回事?AI算法工程师从四个层面拆解了原因:显存物理约束、长文本训练数据稀缺、注意力稀释,以及Transformer架构的平方级计算量。 我们还对比了 DeepSeek 和 Kimi 各自突破上下文的技术路线,以及为什么进入 Agent 时代后“后训练”和“记忆系统”成了最关键的战场。如果你用AI 改论文时总困惑为什么模型记不住前面的内容,这期从底层给你讲明白。 ⏳ 时间轴 00:00 DeepSeekV4速览:1M上下文+极致性价比,Fresh版只有Opus的1%价格 08:26 上下文为什么难突破?四大原因深度拆解 23:42 大海捞针测试:文本越长,AI注意力越稀释 26:30 DeepSeek vs Kimi:两家突破1M的不同技术路线 36:02 记忆才是真正瓶颈:从爱马仕Hermes到龙虾记忆到Claude做梦系统 🧍♂️联系我们 微信听友群:加13826477686微信进群(加微信时辛苦备注“AI搞学术”或“小宇宙”) 听众反馈:514634244@qq.com
19. 【用龙虾做学术】龙虾与Hermes到底强在哪?Agent进化的核心密码📜背景 第19期,AI算法工程师深度拆解了龙虾和Hermes跟传统Agent的核心区别。最底层的差异其实就一件事:记忆系统的改造——从早期Agent时代的做完就忘,到龙虾的分角色长期记忆,再到Hermes的自进化(每聊几轮就自动提取你的偏好和关键信息)。 我们还实操讨论了改论文时如何管理AI的上下文负担,后半段延伸到AI对互联网行业各工种的替代趋势——前端、算法工程师、初级工程师全线告急,但新的个体创业机会也在涌现。如果你想搞清楚现在的AI工具到底进化到了哪一步,这期值得听。 ⏳ 时间轴 00:00 开场:第19期延续上期,聚焦龙虾/Hermes与传统Agent的区别 01:08 龙虾三大升级:接聊天IM+记忆系统+Skills整合 04:05 上下文困境与解法:扩大上下文、Skill压缩、Memory分层 09:19 Hermes的自进化机制:每N轮自动提取偏好,以及Claude提出的做梦系统复盘 15:20 论文改写实操:十万字论文如何管理AI的上下文负担 23:26 AI替代趋势:前端→算法→初级工程师全线告急,个体创业兴起 🧍♂️联系我们 微信听友群:加13826477686微信进群 听众反馈:514634244@qq.com
18. 【用龙虾做学术】一名程序员眼中的ChatGPT→Agent→龙虾进化史📜背景 这是用AI搞学术第18期,AI算法工程师主播分享了四年来从ChatGPT早期用户到Agent深度实践者的完整历程。从最初用AI替代搜索引擎,到Agent并行执行解放双手,再到Agent如Openclaw的长期记忆+Skills突破让AI更加懂你,展现了AI如何重塑开发工作流程。 节目梳理了AI算法工程师对AI认知演进的三个阶段,探讨了不同圈层对AI接受度的信息差现象,以及龙虾为什么能让Agent从程序员圈火到全民。如果你在犹豫要不要更深度地拥抱AI工具,这期是一份来自一线实践者的深度观察。 ⏳ 时间轴 00:00 开场 & 论文主线进度同步:审稿龙虾Skills积累后审稿质量有提升 01:21 AI启蒙:通过“李沐B站视频”看Chatgpt一路火起来 03:56 Agent三形态演进:IDE内Agent → Claude Code终端Agent → 龙虾 12:03 龙虾的本质突破:从没有记忆的临时工到有长期记忆的同事 22:30 设计瓶颈突破:SuperPower让AI从执行走向设计 24:48 信息差观察:AI浪潮在不同圈层的时间延迟效应 27:25 收尾总结:重新定义程序员职业边界的思考 📜备注 本期提到了“李沐B站视频” 🧍♂️联系我们 微信听友群:加13826477686微信进群 听众反馈:514634244@qq.com
17. 【用龙虾做学术】Agent军团并行干活,而你的注意力被打碎——AI时代的执行力困局2.0📜背景 “用AI搞学术”第17期来了,社科生和AI算法工程师搭档继续聊。这次聚焦一个越来越刺痛的现实问题——当你同时养了一群Agent,每个都在并行干活,人的注意力该怎么分配?主播们坦白了自己养多只龙虾后的困扰:任务切换打碎专注力、龙虾挂掉没通知、红点堆到不想看。 AI算法工程师则分享了他的“效率管家龙虾+日报机制”解法——让一只统筹型龙虾Agent像秘书一样去轮询其他Agent。但更扎心的讨论在后半程:AI时代,心流的价值是什么?人们该不该被迫往更高层的战略统筹角色迁移?如果你也在养多只Agent、正被切换疲劳困扰,愿这期会帮你理清方向。 ⏳ 时间轴 00:00 开场:本期聚焦AI时代执行力困局 01:02 多Agent并行打碎注意力:一个真实的痛点自述 05:00 效率管家龙虾登场:异步任务的“轮询”与“回调” 07:35 进阶方案:让每只龙虾写日报,管家统一汇总 10:20 实时性难题:你不知道它到底挂没挂 14:31 灵魂拷问:AI时代,心流还有价值吗? 17:27 人的未来:从写代码到架构设计的抽象层迁移 20:01 关于“长期主义”的探讨 23:26 总结:秘书管家 + 长程思维,AI时代的筛选器 🧍♂️联系我们 微信听友群:加13826477686微信进群 听众反馈:514634244@qq.com