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

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

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

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

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

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

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

📜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

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

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

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

📜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

📜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

📜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

📜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