瘦鲭鱼体内的气候密码——你的舌头，比气候报告更早知道真相 内容预告：一条烤鲭鱼的油脂为什么越来越淡？这不是厨艺退步，是海水温度在替鱼"保暖"。这期 Brian 和 Senpai 在海边录了一期特别节目——从舌尖上消失的那层脂花出发，一路聊到气候经济学的学术退场、底层变量偏移如何传导到你的钱包，以及为什么"身体经验"比数据报表更早接收到信号。最后你会发现：某T 骑车摔破裤子这件事，居然跟气候变化是一个结构。 [00:00–01:07] 开场：某T 摔车了，但这个事故跟今天的主题完美呼应 录节目约在海边，结果某T 骑车双手撒把看手机，前面有个坑没看见，直接飞出去了。人没事，裤子破了个大洞，回家换裤子去了。 Senpai 的第一反应就切中了今天的暗线： 有些人对自己的身体感知能力过于自信了。明明车把已经在抖了，他还在看行业报告。脑子在接收信息，身体在发送警告，两套系统完全不对话。 Brian 接住：身体在发警告，脑子不理它——这跟今天想聊的话题有关系。我们太多时候依赖数据和报告做判断，但那些更早的信号，其实早就出现了。 [01:07–02:04] 一个具体的问题：你的感官，比逻辑更早察觉到什么变了？ Brian 抛出本期核心设问： 你有没有过那种体验，身体的某个感官，比逻辑判断更早察觉到什么东西变了？ Senpai 的个人经验立刻响应：去年冬天总觉得没以前冷了，但妈还在说今年真冷。查了气象数据，平均气温其实比往年高了快一度。妈觉得冷，是因为忽冷忽热的波动变大了。 体感和数据的错位——你懂我意思吧？ 这个"错位"就是今天的入口。Brian 决定从一个特别具体的东西切入：鲭鱼。 [02:04–04:05] 鲭鱼瘦了：气候变化，早就爬上了舌尖 Brian 的观察：从2021年开始，在深圳鱼市买的鲭鱼，口感变了。不是变少、不是变贵，是油脂感越来越淡。 像一首歌被人偷偷调低了两个音。 Senpai 追问：你怎么确定不是自己嘴变叼了？阈值提高了？ Brian 的回答击穿了这个质疑——一个学气象的朋友跟他说： 不是你的问题，是海水的问题。 背后的因果链：一条好吃的鲭鱼，肉质被四件事训练出来——冷水逼着鱼储脂肪御寒；高密度浮游生物提供Omega-3；长距离洄游把肌肉练结实；季节性冷暖交替制造出"爆脂期"。缺一条，鱼就少一口香。 南海这几年冬天不够冷了，海水替鱼保暖，它不需要囤脂肪了。于是氨基酸还在，鲜味还在，但需要脂肪才能托起来的馥郁感，一年比一年轻。 气候变化，早在任何一份报告出来之前，就已经爬上了我的舌尖。 [04:05–05:12] 六根都是翻译官，但我们只盯着"意" Senpai 把 Brian 的观察推到一个更大的框架： 自然只有一种语言，而我们的眼耳鼻舌身意——六根——都是翻译官。但大部分时候我们只盯着那个"意"，就是脑子里的逻辑、报告里的数字、专家的结论。前面五根一直在工作，我们却把它们的报告给忽略了。 Brian 补充感官系统的全面信号：眼睛看到鱼越捕越小，虾蟹比例越来越高；鼻子闻到鱼市海腥味还在，但蒸出来香味不足；身体感知到忽冷忽热的天越来越多。这些都是感官在接收信号，只是我们太少去翻译它们。 [05:12–06:38] 气候经济学的退场：知识的退场，不是事实的反转 Brian 抛出一个更沉重的事实：2026年5月，英美学术界开始有一批论文出来，批评"气候经济学"——有人说气候政策的经济代价被低估了，有人说能源转型进展远不如预期，还有人为化石燃料的回归提供学术背书。 把气候议题从"紧迫行动"重新解释成"经济代价"的声音。 Senpai 一针见血： 路线走不下去了就开始质疑地图。他们承诺的减排路线实现不了，就开始说其实也没那么急。 Brian 的反击： 这是知识的退场，不是事实的反转。海水变暖不会等你的模型收敛。鱼的脂肪减少不会等你的论文通过同行评审。那些在会议室里争论"气候变化对经济的影响是否被过度渲染"的学者，我就想问他们一句话：你们有没有每天去过菜市场？ Brian 的类比：气候经济学现在就像那条瘦了的鲭鱼——充斥着鲜味（数据逻辑还在），但能真正说服人采取行动的那个滋味，越来越淡了。 具身体验败给了数据报表带来的血脉喷张感。 [06:38–09:04] 反向碰撞：感官经验也有局限，关键是"对话" Senpai 不客气地反问：菜市场里的感官经验，也有它的局限性。 你在深圳待了四年，靠舌头察觉到鲭鱼油脂在减少——这是一个信号。但它能告诉你这片海域的升温速度是多少吗？能告诉你这个趋势哪一年扩散到东海吗？能告诉你全球航运保险费率会涨多少吗？ 你的舌头只能告诉你"现在、这里、变了"。它给不了趋势推演，也给不了规模判断。 碰撞之后的共识： 身体感官负责发出预警信号，数据模型负责验证和推演。但现在的毛病是，很多人只信数据模型，感官预警完全被当成了不科学的轶事。 [08:22–09:35] 底层变量偏移：地基斜了一度 Senpai 把整个讨论推向一个结构性洞察： 我们经常把"气候变化"当成一个独立议题来讨论，好像它是环境部的事。但它的本质是一个底层变量的偏移。海水温度是底层变量，它一变，上面搭着的所有东西都跟着变——渔业、农业、物流、保险、大宗商品价格。 Brian 接住： 就好比你把一个房间的地基斜了一度。一开始只是觉得桌子上的杯子容易滑，后来发现门关不严了，再后来墙开始裂了。每一项看起来都是独立的问题，但其实源头只有一个。 Senpai 收束： 那些在会议室里争论折现率的人，还在纠结这张桌子值不值得修。 做判断的时候，先看物理约束，再看激励结构。地基都不稳了，你在那里算装修预算有什么用？ [09:50–11:27] 方法论：先相信感官，再用数据验证 Brian 把今天的讨论收在一个具体的方法论上： 做判断的时候，要相信自己的感官经验，但不要让感官经验停在那里。把它当成一个起点，然后用更结构化的方式去追踪和验证。 Senpai 补充一个关键角度：所有数据采集都有滞后性——你得先定义指标、去测、积累时间序列、跑分析。但舌头不需要这一步。舌头是直接的实时传感器，它不需要预先定义"鲭鱼油脂含量"这个指标，它直接告诉你"不对，味道变了"。 Brian 点明本质区别： 感官经验是先有信号，再去找变量。数据分析是先定义变量，再去收信号。 如果变量一开始就定错了，你收到的所有数据都会错过真正在发生的事情。 [11:27–12:18] 一人一句 Brian：那条鲭鱼没有骗我。它只是在用一口越来越淡的香，告诉我一件我们都不太愿意正视的事情。我选择相信我的舌头，然后再去找数据验证它。而不是反过来。 Senpai：做趋势判断的时候，别光盯着脑子里的那个"意"。你的眼睛、耳朵、鼻子、舌头、身体，都是传感器。它们收集到的信号，有时候比一份同行评审的论文更早、更直接。关键在于，你得学会翻译它们，而不是把它们当成噪音关掉。而且骑车的时候别看手机。

AI焦虑：旧路断，新路何在——中产自救的五张牌和一张行动地图 内容预告：觉得自己快被AI替代了？二十年经验要喂狗了？这期 Brian、某T 和 Senpai 把"AI焦虑"剥成了三层——替代焦虑、贬值焦虑、方向焦虑——然后给五类中产（知识白领、技术专家、管理者、教育培训、创意人）各开了一张"自救处方"。核心不是"学AI"，而是从"知道得多"变成"判断得准"。听完你会知道，旧路确实断了，但新路不在脑子里，在行动里。 [00:00–01:32] 开场：AI焦虑，不止是"怕失业" Senpai 开场直奔主题：今天聊中产圈最让人睡不着觉的事——AI焦虑。 两位主播亮明立场： * Brian：AI焦虑不是"怕失业"三个字能概括的，它是个三层结构，像剥洋葱。最外层是替代焦虑，"AI要抢我饭碗"；往里一层是贬值焦虑，"我二十年经验，AI几个月就学会了，人生投资白费了"；最最里头，扎心的，是方向焦虑——旧地图没用了，新地图在哪儿呢？没人告诉你。 * 某T：很多焦虑来自于模糊。就像走夜路看到黑影，吓得半死，走近一看是个邮筒。今天就是要帮大家把这个"邮筒"给照亮了。 Senpai 的定位：盯场子，保证人话成分大于黑话成分。最看不惯张口闭口"范式转移"，说完跟没说一样。 [01:32–02:57] 核心判断："有"正在消失，"无"还没成形 Brian 抛出本期最底层的判断： "有"正在消失，"无"还没成形。大家只看到旧的"有"在崩塌，但辩证着看，旧"有"的崩塌，正是新"无"的起点。 打个比方：你辛苦练级攒了一身神装，版本一更新，全变垃圾了。焦虑不？肯定焦虑。但新版本的顶级装备，恰恰是从这个废土上长出来的。关键不是抱着旧装备哭，是看懂新版本的属性分配。 某T 用身边真实的案例落地： 一个做了十年的律师朋友，以前最引以为傲的就是法条案例信手拈来。结果拿AI试了一下，起草尽调报告初稿，AI十分钟，他得干一天。但这就是"版本更新"——你的"知识仓库"属性没用了，新版本需要的是**"判断力"和"策略力"**。你得赶紧去刷新的技能点。 [02:57–04:23] 上升通道的断裂点：从"经验积累"到"资历认可" 旧上升通道是"读书→考试→文凭→职位→经验→资历→中产"，这个链条的断裂点在哪？Brian 的判断： 就在"经验积累到资历"这一节。因为AI蒸馏的就是"可被文本化的经验"，而资历的本质就是"我比你多积累了这类经验"。这一断，路就分叉了。往路A走，向上跃迁，从"知道得多"变成"判断得准"；死守经验差，就是往路B走，向下流动。 某T 补充文凭的信号稀释： 以前大厂招人，看你是名校，基本等于给了个智力保底认证。但现在，你会不会用AI、能不能用AI做出完整项目，成了一块新的、更实时的试金石。就像以前打仗你说你是黄埔军校毕业的，很牛。但现在人家看的是：你直接带兵打过硬仗没？ [04:23–05:57] 废掉旧路的背后，藏着什么好处？ Senpai 追问：辩证法要求看"利"，AI废掉中产旧路，到底藏着什么好处？ Brian 的回答：好处藏在断裂点里。AI替你做了低价值的经验复用，你就不再是"苦力"了，你被逼着去做更高级的事。 举个例子：总账会计以前最牛的是能三天三夜把账做平，这是经验。现在AI一下午搞定。他的机会在于跟老板聊："这个季度的毛利率波动背后是什么业务结构变化？"从"做账的"变成了"看病的"，价值标签从"我账算得快"变成"我知道什么账要算，以及账本数字意味着什么"。 AI越强，会用AI的人的杠杆就越大。 某T 用程序员举例： AI不会替代你，但一个比你更会用AI的人会。高级前端如果还只懂敲代码，他和初级的差距就在被拉近。但如果他转型去学业务、去架构整个系统，他就从"高级泥瓦匠"变成了"能用AI十倍速搬砖的包工头+建筑设计师"，价值是上升的。 [05:57–07:57] 五类中产自救·之一：知识型白领——从"表哥表姐"到"业务判断架构师" 某T 给"表哥表姐"们开出三步处方： 第一步，就这个月，玩命用AI。写报告AI起草你修改，做数据AI清洗你分析，写邮件AI生成你润色。先把80%的重复劳动扔给AI。 第二步，省下来的时间别刷短视频。去跟客户吃饭，去跟其他部门的人聊业务逻辑里那些说不清道不明的门道。 第三步，半年后给自己挂个新title——不是"报表专员"，而是**"业务判断架构师"**。你的价值不再是"出报告"，而是"报告里的结论意味着我们下一步该干嘛"。 Brian 用面馆老板类比： 一个面馆老板，以前得自己和面、拉面，手艺决定生死。后来有了和面机，他的"和面经验"就被替代了。但聪明的老板不会去跟机器比赛和面，他用机器省下时间，去研究怎么熬一锅更好喝的汤底，怎么设计菜单搭配，怎么记住老客人的口味。这个"熬汤底、设菜单、记住客人"的能力，就是AI做不了的判断力、整合能力和具身体验。 知识型白领，你要去当那个会熬汤底的面馆老板，而不是只会和面的伙计，哪怕你以前是和面冠军。 [07:57–09:32] 五类中产自救·之二：技术专家——从"深度专家"到"T型人才" Senpai 问：搞了十几年电路设计的工程师，他跟面馆老板的焦虑结构一样吗？ 某T 的回答：结构完全一样，都是"可被提炼的经验"部分被AI快速拉平。对工程师、律师、会计师这类专家，最大的坑就是跟AI比深度——比谁代码写得好，谁法条找得全。这是找死。 他们的路A：从"深度专家"变成**"T型人才"。那个"I"的深度让AI替你做一部分，你去长那个"一"的宽度。工程师去学商业逻辑，律师去懂技术架构，会计师去理解业务模式。最后你交付的不是"设计图"，而是"能解决商业问题的技术方案"**——这是跨领域整合，是AI的盲区。 Brian 用冷兵器到火器的类比： 以前用长矛，你枪尖磨得又快又亮，那是专家。但火枪出来了，真正牛的不是那个能最快搭上弓箭的人，而是那个决定"什么时候开弓、朝哪开弓"的人。搭箭的速度是AI，"何时何地开弓"就是决策力和跨领域判断。 技术型中产要从"磨箭尖"的专家变成"开弓"的决策者。 [09:32–11:04] 五类中产自救·之三：管理者——从"人肉路由器"到"决策架构师+信任连接器" Brian 直指痛点：好多中层管理者，就是一个人肉路由器——把A的话传给B，再把B的反馈传给A。AI的信息透传效率比人高多了，还能24小时不带情绪。 管理者如果核心工作只是"传话"，绝对会被替代。路A的关键转变： 从"信息中介"变成"决策架构师"和"信任连接器"。判断信息的真伪权重，设计让团队做出更好决策的流程，构建一个AI完全搞不定的、基于深度信任的人际网络。这个信任网络是你最后的，也是最坚固的护城河。 你得把"帮不了的忙"和"替人担的责"扛起来，这玩意儿AI算不出来。 某T 用身边真实案例验证： 一个项目经理朋友，以前天天被进度邮件和汇报淹没，就是传话筒。后来用AI自动抓取数据生成进度看板，把"传话"全自动化了。然后他开始找上级和客户喝酒聊天，理解老板的焦虑、客户的真实顾虑，把AI永远不知道的信息变成风险预判和资源协调策略。半年后他升了——不是因为会发周报，而是因为成了团队里**"说了算又靠得住"的人**。 [11:04–12:22] 五类中产自救·之四：教育培训者——从"卖地图"到"当向导" Brian 的判断最直接：AI已经能把知识本身讲得比大部分老师更清楚、更有耐心。你还去当"知识搬运工"，就是死路一条。 必须从"传递知识"转向"创造转化"： 知识是"知道"，转化是"做到"。AI能回答什么是波比跳，但它不能在你做到第五个想放弃时，喊出那句恰到好处的"再坚持一个，你可以的"。它不能陪着你从"知道"走到"做到"。 新路是深耕"陪伴式服务"——当教练，当催化剂，当那个在你耳边说"你行的"的人。这才是不可替代的具身体验。 某T 点明经济价值： 现在好多人不缺知识，缺行动力。你买一百门课放着也是放着。但如果有个教练能逼你一步步做出来，付费意愿是极高的。这是从"卖地图"到"当向导"的转变。地图不值钱了，但好向导的价值反而更高了。 [12:22–13:52] 五类中产自救·之五：创意人——从"手艺人"到"品味把关人" Senpai 自问自答：AI画画、AI写文案都比人快还比人好，创意人怎么办？ Brian 的判断：像 Senpai 这样有强烈个人风格和固定粉丝基数的人，天然就在路A上。AI能模仿画风、生成爆款文案，但复制不了你的品味、判断力，以及你跟粉丝之间共同创造的**"场域"**。 创意人的路：用AI做初稿、灵感、量产这些苦力活，自己专注在品味把控和策略判断上。 就像电影导演，他不亲自扛摄像机、布景，但他决定了最终的画面和故事。你要从"手艺人"变成"品味把关人+AI杠杆操作者"。个人品牌就是最大的壁垒。 某T 用设计师举例：以前接一个LOGO吭哧吭哧画三天，收两千。现在用AI生成一百个方案，花一下午用审美挑出三个最好的，再帮客户做策略判断。卖的不再是"画图"这个动作，而是**"审美判断+品牌策略"这个结果**。AI把执行的门槛打下来了，把判断的价值顶上去了。 [13:52–15:21] 行动启动：旧路已断，新路在行动里 Senpai 把话题收束到最关键的问题：怎么把这些建议变成行动？很多人就是被"想不清楚"给卡住了。 Brian 的回答只有一句话： "不要想清楚再动"。 焦虑的解药不是思考，是行动。你越想越怕，你一做就清楚了。 启动方法极其简单——就这个礼拜，别定宏大目标，选一个AI工具，替代掉一件特别烦、特别重复的工作，比如写周报。做了之后想：花了多少时间？省下的半小时干了什么？是更有价值了还是摸鱼了？下周再调。这个"做→想→调"的循环，一个月一次，三个月就大变样。 某T 补充铁律： 很多人问"我该用哪个AI工具？该学什么AI技能？"——都是想太多了。这就像问"该跟哪个师傅学功夫"，你得先站到练功房里去。比如你用AI写报告，发现它写得快但不懂你们公司的黑话，你就发现：哦，我的价值原来是定义这些黑话和业务逻辑。这个发现，你不做，是想破头也想不出来的。 旧路已断，不要回头。新路在行动里，不在脑子里。 [15:21–16:34] 一人一句 某T：关掉这份让你焦虑的报告或播客，打开一个AI工具，今天用它干一件实事。你的焦虑就少一半。 Brian：别把AI当对手，把它当你团队里新来的、不知疲倦但有点笨的超级实习生。你的任务是学会指挥它，让自己成为做核心判断的团队Leader。焦虑，是你从执行者往领导者进化的阵痛。 Senpai：别老盯着脚下的坑。你花二十年学了怎么在一条路上走稳，现在路断了，不是你走错了，是地形变了。旧叙事完了，但新意义是你一步一步走出来的。去当那个定方向的人，而不是找路的人。

上周有个朋友问我： "我想学编程，现在AI工具这么多，我该用哪个？" 我列了六个——Cursor、Trae、CodeBuddy、Claude Code、Codex、Kimi。 他看完，沉默了三秒，说： "要不还是算了吧。" 工具明明是来降低门槛的，结果把人劝退了。 这就像你走进超市买瓶酱油，货架上摆着：生抽、老抽、豉油、味极鲜、蒸鱼豉油、凉拌酱油—— 从来没进过厨房的人，怎么知道红烧用老抽、凉拌用生抽？ AI编程工具就长这样。 名字都差不多，结构完全不同。 今天这篇，就是帮你把这张调料货架，理清楚。 一、Cursor：加了AI大脑的VS Code，新手首选 Cursor说白了，就是"加了AI大脑的VS Code"。 界面跟VS Code一模一样，不需要学新东西。 核心就两个功能： Tab补全——你写一行，它猜你后面想写啥，按Tab就补上。 Chat对话——选中一段代码，直接说"把这改成异步的"或者"这报错了帮我看一下"，它当场改。 对新手来说，这是"不用离开编辑器就能获得一个随时在线的程序员队友"。 以前你一个人对着黑屏干瞪眼；现在有个AI在旁边，你说"帮我写个爬虫"，它当场出代码，立刻有反馈。 这个即时反馈的结构，才是它真正降低门槛的地方。 二、Trae 与 CodeBuddy：国产双雄，各有主场 Trae（字节出品）的定位是"快速出东西"，尤其前端和小程序。 你给它一个自然语言描述，比如"帮我做一个电商首页，要有轮播图和商品列表"，它哗哗哗给你生成一个能在浏览器打开的页面。 国产化做得到位——中文理解流畅，网络环境友好，不用配代理。 但短板也明显：复杂项目管理和跨文件重构能力比Cursor弱，做深度学习训练或复杂后端不太够用。 Trae和Cursor的区别，像"速溶咖啡"和"半自动咖啡机"。 速溶咖啡倒热水就喝，Trae给需求就能预览；半自动咖啡机得磨豆、压实、萃取，步骤多，但风味可控。 Cursor就是后者——编辑器里给你更多控制权，新手可能稍微复杂一丢丢，但上限高。 CodeBuddy（腾讯出品）跟Trae不重复，核心差异在生态绑定——它跟腾讯云和微信小程序深度打通，做小项目能直接关联云函数、一键部署。 做微信生态内的小程序或需要腾讯云服务 → CodeBuddy主场优势。 做通用网页 → Trae和Cursor都能干，CodeBuddy没差别。 选工具之前先想清楚"我要什么"。 你是要学编程本身，还是要快速上线一个小程序？ 路径不一样，工具选择就不一样。 很多人陷入选择困难，不是工具的问题，是没定义自己的目标。 三、Claude Code 与 Codex：高级玩家的效率引擎 Claude Code本质上是一个命令行工具，没有图形界面。 你打开终端输入指令，它接管你的代码库——你说"帮我重构这个模块，把所有回调改成async/await，顺便生成单元测试"，它会自己读文件、改文件、跑测试。 听起来很爽，但不推荐新手碰它。 前提是你得知道什么是回调、什么是async/await、什么是单元测试。 如果你连这些概念都不清楚，它改完之后你敢信吗？ Claude Code是给"知道自己在干什么"的人用的。 它的价值不是帮你"学写代码"，而是帮你"少写代码"。 新手最容易被"自动化"三个字吸引，以为能一键搞定，但实际上你的判断力才是安全阀。 自动驾驶已经很成熟了，但让一个没受过训练的乘客坐驾驶舱，说"摁这个按钮就能飞到北京"—— 他敢摁吗？ Claude Code能自动巡航、自动降落，但遇到乱流你得知道怎么接管。 适合一年以上经验、开始接触工程化项目的开发者。 新手看宣传片觉得"哇好厉害"，真用起来可能十分钟就慌了。 Codex（OpenAI出品）则更像"软件工程全流程助手"，擅长项目脚手架、CI/CD脚本、自动化代码审查，跟GitHub生态绑得紧。 Claude Code是"单人效率放大器"，Codex是"团队协作加速器"。 但对零基础新手——这两个都还太远，先知道存在，别急着碰。 四、Kimi：IDE之外的第二大脑 Kimi完全不是编程工具本身，为什么放在清单里？ 因为它解决了一个被IDE忽略的问题——"卡在概念上了"。 新手用Cursor写代码，AI帮他生成了一段，跑起来了，但里面有个"装饰器"或者"闭包"他看不懂。 Cursor可以解释，但那个解释是内联的、碎片化的。 Kimi是长文本对话助手，你给它一大段代码，它能从头到尾拆解一遍——用了什么设计模式、为什么要这样写。 它更像一个编程导师。 两个高价值场景： * 刷题/面试：把LeetCode题丢给Kimi，让它先讲思路再给代码，效果比直接看答案好很多。 * 理论补充：写API的时候想理解RESTful设计原则，开Kimi对话，它能举很多例子。 Kimi虽然不能操作工程文件，但作为"第二大脑"辅助理解和记忆，特别合适。 五、三阶段路线图：从零到工程化 第一阶段（0–3个月）：建立协作习惯 目标不是"写出完美的代码"，而是"建立用自然语言跟AI协作的习惯"。 选一个小项目——比如写个爬虫抓你喜欢的漫画更新，或者做一个静态博客放读书笔记。 在做的过程中反复经历"描述需求 → AI生成代码 → 调试 → 再描述"这个循环，这是核心能力。 这两个场景的"反馈循环"特别短。 爬虫跑起来，数据出来了，你马上知道对不对；博客部署完，浏览器打开看到了，立刻有成就感。 不要一上来就搞"全栈电商平台"——那涉及数据库、鉴权、支付，随便一个环节卡住，新手就弃坑了。 工具：Cursor 或 Trae。 国内网络环境下Trae更稳定，中文提示词理解也更好，做前端页面和小程序完全够用。 但如果做深度学习、算法实验，Cursor的多模型支持和Jupyter集成更灵活。 不是"该选哪个"，是"现阶段你做什么"。 第二阶段（3–12个月）：Agent模式与规则文件 第二阶段要干两件事：启用Agent模式，和学会写规则文件。 Agent模式是什么？AI不只是帮你补一行代码，而是能跨多个文件创建模块、遵循项目规范。 比如在Cursor里用Composer功能，说"帮我添加一个用户登录模块，用JWT鉴权，数据库用SQLite"，它会自己创建文件、导入依赖、写路由。 一个关键技巧——.cursorrules文件： 你可以在项目根目录放一个文本文件，写清楚"你是一个Python项目，用FastAPI框架，代码风格遵循PEP 8，ORM用SQLAlchemy，所有函数必须加类型标注"。 之后AI每次生成的代码都会符合你的规范。 这其实是在训练AI适应你的标准，而不是你适应AI的随机输出。 没规则的时候，AI今天用requests，明天用httpx，后天又用aiohttp，光整理依赖就烦死了。 有了规则，它就稳定了。 这个阶段可以引入Kimi做理论补充，比如理解RESTful设计原则。 能做什么？ 一个完整的全栈应用——在线问卷系统、个人知识库、待办事项管理。 会开始接触数据库、用户认证、前端页面和后端API的串联。 因为已经有第一阶段的经验，知道怎么描述需求、怎么调试，不会被吓倒。 第三阶段（一年以上）：工程化与AI驱动 Claude Code或Codex登场。 日常工作不再是"写代码"，而是"让AI写代码，你审查和修正"。 用它们重构老旧仓库、生成全套单元测试、写Dockerfile和Kubernetes配置。 产出从"功能"变成了"流程"——自动化脚本、监控告警、CI/CD管道。 你有一个三年前的Flask项目，要迁移到FastAPI。 传统做法是人肉一行行改。 用Claude Code，输入"分析这个仓库的依赖和路由，生成一个FastAPI版本的骨架，保留所有业务逻辑，只改框架"，它会自己读、自己改，最后给你一个能跑的初始版本。 你只需要做细节调整和验证。 这时候你才能真正理解什么叫"AI驱动的软件工程"。 六、项目类型 × 工具匹配：先想做什么，再选工具 很多人选工具因为"别人推荐"，但其实应该倒过来——先想"我想做什么"，再看"什么工具最适合"。 想快速出东西 → Cursor 轻量、灵活、反馈快。适合个人效率工具（爬虫、自动化脚本）和算法研究。 想快速验证原型 → Trae 前端和小程序特别顺手，国产化到位，中文理解流畅。 想做微信生态 → CodeBuddy 跟腾讯云和微信小程序深度打通，做小程序能直接关联云函数、一键部署。 代码量大、模块多 → Claude Code / Codex 需要全局视野和工程化能力，适合企业级系统。 学习辅助/概念理解 → Kimi 长文本能力最强，适合补理论和刷题面试。 七、AI时代学编程，从"问题"开始 有个常见担忧：AI工具用多了会不会变菜？ 如果只是复制粘贴不看不改，确实不会进步。 但如果每次AI生成完都读一遍，理解它为什么这么写，遇到不会的概念去问Kimi——这就变成了"用AI加速学习"，而不是"用AI替代学习"。 工具是镜子，照出的是你的学习态度。 以前学编程从语法开始，现在从"问题"开始。 以前你要先学变量、循环、函数，然后才能做东西；现在你可以直接说"我想做一个东西"，倒逼你去查、去问、去理解。 你自己想做的事，你愿意琢磨；教科书上的例子，你反而没兴趣。 这个反转，对学习动机的激发反而更强了。 各人一句 某T： 打开Cursor，建一个空白文件，输入"I want to build"，看它给你什么。第一行代码写出来，一切就开始变了。 Brian： 别追求一步到位，先做出来一个"能跑的东西"。能跑的就是好作品，迭代比完美重要。 Ryan： 找一个你真正想解决的小问题，比如"自动下载今天的天气预报发到微信"，然后用AI去实现它。学编程最怕没有动机，动机来自你自己的生活。 Senpai： 记住今天这张"地图"——Cursor起步，Trae和CodeBuddy做生态，Kimi补理论，Claude Code和Codex是工程终点。 选对工具，比瞎努力重要一百倍。 「甘知如梨」播客 · 2026-05-13

AI时代，适当拒绝，共享大脑——个人知识库为什么反而是刚需？ 内容预告：AI什么都能搜、什么都能生成，你还需要费心建自己的知识库吗？这期 Brian 和某T 会告诉你，这不是复古，是对抗——对抗被信息洪流冲走、被AI的错误带偏、以及自己思维的退化。他们用糖代谢、城市排水系统、GPS导航，把这件事的底层逻辑讲透了。 [00:00–01:44] 开场：今天为什么聊这个？ 节目开张，Senpai 发现今天是 Brian 和某T 的双人组。 Brian 的解释是：想把《AI时代个人知识库的重要性》这个话题接着聊下去。某T 则坦白是被拽来的——Brian 说这个主题需要一个"能把复杂事情一针捅透的人"。 三个人一句话介绍自己： * Brian：把问题抽成结构，然后到处找同构的玩意儿做类比。今天会把过饱和视听跟糖代谢、城市排水系统串起来讲。 * 某T：先告诉你这事儿到底怎么回事、为什么重要、跟你有什么关系，然后给你一个回去就能验证的东西。不废话，不端架子。 * Senpai：把复杂的事儿用类比拆明白，然后追着你们问，问到听众能听懂为止。 [01:45–02:36] 核心问题：在AI时代，建知识库是费力不讨好的复古行为吗？ Senpai 抛出今天的核心问题： 在AI什么都能搜、什么都能生成的今天，你构建那个"个人知识库"到底图啥？是不是在干一件费力不讨好的复古行为？ 两人的回答都是斩钉截铁的"不是"： * Brian：AI越强，个人知识库越不是复古，是刚需。 * 某T：不建个人知识库的人，在AI时代会被信息洪流冲到丧失判断力。这不是危言耸听，是机制决定的。 [02:36–04:25] 板块一：AI会"一本正经地胡说八道"——你需要一个锚点 某T 直接点出了核心机制： 现在AI给你输出答案的速度和密度，是你根本来不及消化的级别。但 AI 会"一本正经地胡说八道"——它输出的东西可能基于网络上的错误认知。如果你脑子里没有一个锚点，你怎么判断它说的对不对？ Brian 接过话，祭出第一个类比——糖代谢： AI 给的那种碎片化、即时满足的信息，就是"认知精制糖"——吃的时候爽，吃完划过去了，没有留下任何东西。 Senpai 追问：个人知识库是认知的粗粮？ Brian 纠正：不是粗粮，是你自己的"糖代谢系统"。通过主动筛选、重组、用自己的话复述，你在锻炼认知的"胰岛素敏感性"——当你再遇到 AI 喂来的海量信息糖分时，你能快速分辨哪个是真营养、哪个是空热量。 没有这个系统，你就认知糖尿病了。 [03:26–04:25] 板块二："看懂答案"和"真正学会"之间的巨大鸿沟 某T 补充了另一个角度：问题不只是分辨真假，更是"学没学会"。 很多人现在用 AI 的方式是：遇到不懂的 → 问 AI → 读一遍答案 → 觉得自己懂了。然后两天后遇到同样的问题，还是一脸懵。 为什么？ 因为"看懂答案"和"真正学会"之间有巨大的鸿沟。真正的学习需要对信息进行筛选、分类、重组，还要用自己的语言复述一遍。这个过程激活大脑的深层思考，把外部信息内化成你自己的东西。 Senpai 的总结很精准：AI 可以替你读书概括，但没法替你长出咀嚼和消化的能力。 某T：对。那个"咀嚼"的过程，才是学习本身。个人知识库，就是你把嚼碎了、吸收了的东西存下来的地方。 [04:26–05:10] 板块三：城市排水系统——你需要一个净水系统，而不是被淹 Brian 祭出第二个类比——城市排水与蓄水池： 城市有排水系统和蓄水池，不是因为它要"制造"水，而是因为它需要在暴雨来的时候有序地收集、沉淀、净化、再利用。AI 时代的信息洪流，就是一场永远不会停的暴雨。 你不建这个系统，每次下雨——就是每次 AI 给你信息——你的认知地盘就会被淹，泥沙俱下，分不清什么是什么。 你如果有一个精心维护的知识库，那些碎片化的信息就能被沉淀、过滤，然后按照你自己的分类结构储存起来。等你要用的时候，取出来的是清水，不是浑水。 某T 加了一句关键补充：这个蓄水池里的水，是带你自己印记的——不是别人能替代的。 [05:17–06:07] 板块四：为什么不能用维基百科代替自己建？——隐性知识的价值 Senpai 提出了一个很常见的疑问：网上知识库那么多，维基百科、学术论文库什么的不够用吗？为什么非得自己建？ 某T 的回答：那些公共知识库没有你的隐性知识。 什么是隐性知识？就是那些没法写成简单条目的东西——一个项目的复盘、一次失败的直觉、某个灵感乍现的瞬间。这些对别人可能毫无价值，但对你自己，是 1+1>2 的积累。 Brian 用厨师类比落地： 网上的菜谱浩如烟海，为什么每个好厨师还是会自己写菜谱笔记？因为菜谱上不会写"这个客人今天心情不好，我多放了半勺糖他就笑了"。这种只属于你的、摊薄在时间里的经验，只有自己主动收录，才能在未来被唤醒和连接。 [06:08–07:14] 板块五：AI加持知识库——前提是"你先得有东西" Senpai 追问：现在 AI 工具不是号称能帮你管理知识吗？比如腾讯的 ima 知识库。那以后是不是不用费心手动分类了？ 某T 的判断直接而清醒：AI 能降低整理的摩擦力，但不能替代"你自己主动构建"这个过程。 关键逻辑：所谓"AI加持知识库"，核心永远是 "知识库 × AI"，而不是"AI × 知识库"。你先得有自己主动沉淀下来的东西，AI 才能在它的基础上做增强——帮你发现笔记之间的隐秘链接，或者基于你的文章给出高度个性化的回答。 Brian 用 GPS 类比收束这一段： 你想用 GPS 导航，但 GPS 需要你先告诉它你的起点在哪儿。如果你从来没记录过自己去过哪儿、见过什么、思考过什么，GPS 只能给你一个通用路线，没法带你走捷径。个人知识库就是你的认知起点坐标集。AI 导航能力再强，没有起点坐标，它只能带你走大众路线。 [07:15–09:45] 板块六：AI时代真正值钱的是什么？——认知深蹲与硬拉 Senpai 总结出一个反常识的判断： 在AI时代，真正值钱的不是"你能获取多少信息"，而是"你主动沉淀了多少带有个人印记的知识"？因为 AI 能解决前者，解决不了后者？ 某T 确认，并往深里讲： 如果你只做 AI 的提问者，你的思维结构和肌肉会萎缩。因为你每次都在走捷径，绕过了"自己推导"这个环节。时间长了，你的大脑就习惯于"等答案"而不是"建连接"。而构建个人知识库，等于你每天在主动做认知的深蹲和硬拉。 Brian 给出一个可验证的观察点：那些经常用 AI 但没有自己知识库的人，开会时能抛出很多"看起来对"的点，但当你追问"为什么"或者"怎么推导出来的"时，他们讲不出来。而有知识库沉淀习惯的人，逻辑链条会清晰得多。 Senpai 提出现实困境：普通人哪来那么多时间？ 某T 纠正误解："主动构建"不等于"繁琐构建"。现在工具已经很成熟——你可以用语音记个灵感，用 AI 帮你打标签，甚至松散地丢进去，等 AI 帮你做初步整理。关键是你自己得先有"收录"这个动作。你不收，再好的 AI 也没用。 Brian 用健身反常识类比封底： 健身为什么有效？恰恰因为肌肉需要被撕裂才能生长。你在筛选、重组、复述的过程中感受到的"费力"，就是你的认知肌肉在长。如果这个过程被 AI 完全代劳了，你就没练到。 Senpai 接住：AI 可以是你的补剂，但不能替代你的训练本身。蛋白粉帮你补充营养，但如果你不举铁，光喝蛋白粉，长不出肌肉。 [09:46–11:14] 板块七：个人知识库是"内容杠杆"——元内容的生产母机 某T 给出一个落地验证实验：下次你学到什么东西，别光收藏或复制粘贴到 AI 里。试着用自己的话，把它讲一遍，录个音或者写下来。然后过三天再看，看你还记不记得住。再对比一下你只靠 AI 问答获取的信息，三天后还记得多少。这个实验一做，你就知道区别了。 Senpai 总结今天的核心逻辑： 在AI时代构建个人知识库，不是复古，是一种"对抗"。对抗被信息洪流冲走，对抗被AI的错误带偏，对抗自己的思维退化。这个知识库的核心不是"存了多少"，而是"你主动思考了多少"。 Brian 最后加了一个结构补充——内容杠杆： 你平时积累的那些笔记、复盘、洞察，看起来是散的，但当你把它们接入 AI 后，AI 能帮你发现隐秘的连接，帮你生成高度个性化的内容。这时候你的知识库就成了"元内容的生产母机"，放大你的创造力和判断力。 某T 的补充：这就是"人机协作的基石"——人是意图和价值的策展者，AI 是能力的放大器。你的知识库越厚实、越有序，AI 能放大的复合价值就越大。这是一个增强回路。 [11:15–12:06] 收尾：总结 某T：我不再建了，我是已经在建的人——我会继续把每一次思考的碎片收进自己的知识库里，因为这玩意儿是AI时代唯一不会被算法冲走的认知锚点。 Brian：我会盯住自己的"认知糖代谢"——AI喂过来的信息糖分再多，我也要保证自己有咀嚼和转化的能力。知识库不是仓库，是消化系统。 Senpai：在AI能替我们读书概括的时代，我们反而更需要长出自己的筋骨血肉。知识库就是那片不被取代的自留地。

为什么你越休息越累？」 你不是累了，你是刹不住车了——恢复的关键是重建抑制与兴奋的平衡，而不是关机。 时长：约 12 分钟（717 秒） 主播：Brian、某T 🎙️ 内容概述 本期从"明明啥也没干却累得要命"的日常体验切入，用神经科学框架拆解"越休息越累"的根本原因——不是意志力不行，是兴奋-抑制失衡。两人沿"刹车片理论 → 囤知识陷阱 → 注意力投资组合模型 → 具体修复方案"这条线，把不可见的神经系统管理变得可操作。 📝 分段总结（含时间戳） [00:00–01:08] 开场：你有没有"啥也没干却累成狗"的体验？ Brian 抛出日常问题引入话题——每天和手机搏斗，脑子像一团浆糊。某T 点出本质：不是意志力不行，是神经系统刹不住车了——就像油门一直踩着，松不开。 核心比喻：累不是没油了，是刹车片磨没了。 [01:08–02:42] 神经化学基础：谷氨酸 vs GABA 两人用"开车"和"消防队"的比喻讲清楚两个核心神经递质的角色： * 谷氨酸 ：让你兴奋、学习、思考快，但用多了"火烧太旺" * GABA （γ-氨基丁酸）：大脑的抑制性神经递质，"刹车片"，负责给谷氨酸降温 * 失衡状态 = 抑制不够强 → 脑子嗡嗡响，像开着 30 个后台程序 认知修复三原则：降低过度兴奋 + 增强 GABA 稳定性 + 提高谷氨酸回收效率（不是停止使用，是回收再利用） [02:42–04:23] "数据仓鼠"陷阱：囤知识为什么反而更累？ Brian 坦白自己曾犯的傻——把"保存"当成"理解"，把"收藏"当成"掌握"。本质是高频任务切换： * 每个链接点开、判断、分类、打标签 → 每次切换都消耗谷氨酸 * 就像 AI 上下文窗口，不断塞 token 就得不断重新计算注意力权重 * 更惨的是：还有情绪荷尔蒙搅和，杏仁核先动，前额叶还没反应过来 干预方案（预告）：赛博大脑（知识库）的正确用法——输入和整理分离。 [04:58–06:10] 主线框架：注意力投资组合模型 某T 提出本期核心模型——注意力投资组合： 注意力是这时代最稀缺的生产资料，每天醒着的那十几个小时就是你的本金。 资产配置逻辑： * 高风险高回报 = 深度思考 * 防御型资产 = 无输入恢复 * 指数基金对冲 = 运动 再平衡机制：高强度工作 4 小时后，神经系统用"累"的信号提示你该补仓防御型资产了——站起来走走、发呆，就是在执行再平衡。 [06:10–07:25] 干预第一层：强制切断 + 运动系统激活 具体可操作的方法： * 90 分钟强制切断 ：深度工作后必须停 20–30 分钟，不是换姿势刷 B 站，是真的站起来走，最好去有自然光的地方 * 原理 ：前额叶过度活跃时，告诉它"别想了"反而更兴奋；唯一办法是釜底抽薪——让血液流向运动皮层，前额叶自然降频 * 默认模式网络 ：眼睛看远处时才能启动，用来整合信息、产生灵感 [06:59–08:47] 干预第二层：无输入时间 + 茶氨酸替代咖啡因 无输入时间（每天 30–60 分钟）： * 不学习、不听课、不看 Kindle、甚至不听音乐 * 走路听播客不算休息——只要在输入，谷氨酸就还在烧 * Brian 的实践：逛菜市场（低阶感官输入，前额叶待机） 咖啡 vs 茶： * 咖啡因 = 关掉火警铃，火还在烧（借来的清醒，高利贷） * 茶氨酸 = 促进 α 脑波，放松但清醒（像冥想老手的状态），与增强 GABA 系统不谋而合 [08:47–10:11] 干预第三层：慢波睡眠 + 睡前仪式 慢波睡眠是修复的关键： * 睡前两小时还在做高抽象工作 → 前额叶来不及降温 → 进入慢波睡眠推迟 → 深度修复时间被挤占 * 结果：醒来脑子像没重启成功，卡在 70% 加载界面 Brian 的睡前仪式：睡前一个半小时，手机扔客厅；跟家人聊废话、收拾屋子——全是感觉-运动层面，不碰抽象问题。原理：降低蓝斑核过度激活（蓝斑核是去甲肾上腺素生产中心，一兴奋全身进入应激模式）。 [10:11–11:39] 复盘：注意力投资组合的"季报" 每天结束问自己：脑子是不是"清洗过"了？如果没有，不管今天多高产，你的投资组合都是亏损的——你在变卖长期资产（认知灵活性、创造力、情绪调节能力）换取当天短期收益。 今天就能做的三件事： 1. 90 分钟工作后强制切断，激活运动系统 2. 每天给自己一段真正的无输入时间 3. 睡前一个半小时，放下高抽象工作 [11:09–11:57] 收尾 + 下期预告 * 收尾："脑子像一团浆糊——每日去逛逛菜市场，买条鱼。 既修复前额叶，又补充 Omega-3，一举两得。" * 下期预告 面对那些被精心设计来收割你注意力的产品，有什么防守策略？ Brian 研究出了"注意力钓鱼"的反制手段，下期展开。

累到失眠，是大脑在造反 你有没有过这种体验——明明累到快散架了，躺在床上脑子反而转得飞快？ 这不是你精力旺盛。恰恰相反——是你的大脑 CEO 已经弹尽粮绝了。 这期我们来聊聊前额叶——那个管你人格和自控力（不是智商）的脑区。它会经历两种疲劳：先是"转不深了"，再是"突触都开始回缩"。而当它扛不住的时候，底层的杏仁核就会接管——表面看大脑活跃得不行，其实是系统热失控。 谷氨酸在踩油门，GABA 刹车失灵，多巴胺给所有垃圾想法打标签说"这个重要别睡"，皮质醇再火上浇油——这就是"越累越停不下来"的完整配方。 下次深夜 emo 刷手机，记住：那不是你精力好，是你的前额叶在喊救命。 🧠 本期你会听到： * 前额叶疲劳的两个阶段——你以为的"变笨了"其实是硬件在掉帧 * 为什么越累越亢奋？——前额叶压不住场子，底层系统炸锅了 * 谷氨酸·GABA·多巴胺 三角失衡的完整机制 * 咖啡因的真相——你以为在提神，其实是在"假装 CEO 还在办公室" * 怎么破？——主动踩刹车，尊重疲劳信号 甘知如梨 · 第二期：累到失眠，大脑在造反 系列：《注意力经济与前额叶》第②期 嘉宾：Brian × 某T 时长：9 分 12 秒 懒人预览： 一、开场引入：那个诡异的"越累越亢奋"现象 [00:00 – 00:51] Brian 从前几期的"注意力管理"话题切入，用五条悟的"无量空处"比喻 AI 时代的信息轰炸——海量的信息和刺激让人应接不暇，甚至直接宕机摆烂。但最诡异的不是"学不过来"，而是一个反直觉现象：明明累到不行快散架了，脑子反而停不下来，躺在床上越刷越清醒。 二、前额叶：大脑的 CEO 不是铁打的 [00:51 – 02:04] 某T 引出"前额叶"概念，Brian 补充细节： * 前额叶位于额头后方，占新皮层近三分之一 * 负责：工作记忆、抽象推理、冲动抑制、复杂决策 * 关键认知：前额叶管的是人格和自控力，不是 IQ * 经典案例：盖吉（1848 年铁棍贯穿前额叶）——人没死、智力没掉，但性格从稳重负责变得冲动暴躁 三、前额叶疲劳的两个阶段 [02:04 – 03:10] 阶段一：功能性疲劳 * 底层机制：钾离子通道被激活 → 神经元放电减弱 → 递归兴奋网络被打断 * 表现："脑子还在转，但转不深了"——注意力碎裂、频繁切换任务、方案写一半被打断就接不上 * Brian 的体感："不是我不想专注，是硬件已经开始掉帧了" 阶段二：结构性疲劳 * 底层机制：突触棘减少、树突回缩、突触连接减弱（背外侧前额叶最先受影响） * 表现：深度阅读能力下降、长逻辑结构维持不住、看长文章看两段就划走 * Brian 的体感："我还以为是自己变笨了" 四、核心矛盾：越累越停不下来，为什么？ [03:10 – 04:23] Brian 提出关键问题：既然都结构性疲劳了，不应该直接宕机吗？怎么反而亢奋？ 某T 用大脑模式切换解释： * 反思模式（Reflective Mode） ：前额叶主导的控制系统——正常状态 * 反射模式（Reflexive Mode） ：杏仁核、威胁监控、情绪系统接管——前额叶一累就压不住 Brian 的比喻：就像公司 CEO 突然请假，底下各部门没人协调，乱成一锅粥——看起来很热闹，其实都没在干活儿。 五、兴奋-抑制-驱动力 三角结构 [04:23 – 05:22] 神经递质 角色 功能 谷氨酸 油门 大脑最核心的兴奋递质，负责注意力、工作记忆、深度思考 GABA 刹车 抑制性递质，稳定网络、降低噪音、促进放松和睡眠 多巴胺 优先级系统 决定什么值得关注、什么值得持续投入（不是"快乐荷尔蒙"） 核心认知：健康大脑 ≠ 兴奋越高越好，而是兴奋与抑制动态平衡。高 DA + 高 Glu = 过度分析、停不下来、无法下线。 Brian 的体感："深夜躺床焦虑"——多巴胺给所有垃圾想法打标签"这个重要！别睡！"，根本不是主动在想。 六、皮质醇火上浇油：恶性循环的完整画面 [05:22 – 06:47] 某T 揭示完整的恶性循环链路： * 慢性压力 → 皮质醇↑ → 谷氨酸释放↑ * 星形胶质细胞（大脑清洁工）回收效率↓ → 谷氨酸堆积在突触间隙 * 杏仁核持续报警 → 前额叶被迫省电下线 恶性循环：越累 → 前额叶越弱 → 杏仁核越强 → 皮质醇越高 → 谷氨酸越堆 → 越停不下来 Brian 的比喻：手机 CPU 过热降频后，其他部件乱跑高频——屏幕乱闪、APP 乱跳，从外面看可活跃了，其实 thermal runaway（热失控）。 七、怎么破？——尊重疲劳信号，主动踩刹车 [06:47 – 08:11] 某T 的核心建议： * 主动给 GABA 系统加码：深度睡眠（GABA 修复关键期）、冥想（直接提升 GABA 水平） * 关键认知转变："停不下来"的时候，脑子不健康，它在求救 * 咖啡因的真相：阻断腺苷受体延缓疲劳信号，但底层问题没解决——等于"假装 CEO 还在办公室" Brian 的总结体感：以前觉得脑子一直转说明还能再卷，现在才知道是它在喊救命，我还给它灌咖啡。 八、收尾总结 + 下期预告 [08:11 – 09:12] Brian 全期要点回顾： 1. 前额叶 = 大脑 CEO，管人格和自控力，不是管智商 2. 疲劳两阶段：功能性（转不深了）→ 结构性（突触都回缩了） 3. "越累越停不下来" = 前额叶压不住杏仁核的反射模式 4. 背后是谷氨酸、GABA、多巴胺三角失衡 + 皮质醇火上浇油 5. 本质不是精力过剩，是系统失控 下期预告：科学可持续地与前额叶和谐工作的方法，后续几期徐徐展开。

甘知如梨 第五期：当 ChatGPT 开始带货了 ① [00:00 – 01:12] 开场：ChatGPT 正式上线广告平台，感觉很别扭 Brian 以"问路被推销"的比喻开场——你问朋友路线，旁边窜出推销员让你顺路逛商场。ChatGPT 上线广告主平台，就是这种感觉。某T 认为这不意外，本质是把"注意力经济"从搜索引擎/短视频无缝迁移到对话式 AI。Brian 感叹：那个你信任的客观顾问，突然红着脸说"我刚才的建议，其实人家付了钱"——那种别扭感。 ② [01:13 – 02:10] AI 从来不是客观的，"原形毕露"而已 某T 纠正 Brian：ChatGPT 从来都不是客观的，之前的推荐逻辑本身就有偏见，只是现在多了一个"明码标价"的权重因子。这不是变质，是原形毕露。Brian 补充：以前是算法猜你喜欢什么，现在是广告主直接告诉算法"我要让她喜欢这个"——你问它哪个好，它告诉你的"好"和你自己认为的"好"之间，开始夹了一个叫"广告预算"的东西。 ③ [02:11 – 03:45] 认知自主性被外包：把决策权让渡给有利益立场的系统 Brian 提出：从用户角度看，我们的精准思考过程正在被"低价收购"。就像计算器偷偷把保留4位小数变成保留1位，误差被逐步吞没。某T 进一步说：你问今天吃什么，它推荐A餐厅因为A付了钱；你比较手机，它推荐B款因为B竞标赢了。你把"想"这个动作外包了——而"想"本身就是认知自主性的体现。 ④ [03:46 – 04:51] 润物无声的引导：你以为自己做了英明决定 某T 指出：这种引导不是大喇叭洗脑，而是极其自然——你问"周末去哪玩"，它列了五个地方，两个是广告，但语言模型让推荐显得特别契合你的语境。你甚至会觉得自己做了英明选择。这时候你不是用户，你是被算法和广告商共同定义的"目标"。Brian 补充：广告投放可以针对你的提问方式实时优化——你越暴露需求，你在广告系统里就越透明。 ⑤ [04:52 – 06:17] 商业逻辑的必然：免费产品的终极模式就是向广告主倾斜 Brian 总结：这根本不是 AI 变坏了，就是商业逻辑走到这一步的必然。只要产品免费、需要海量用户摊薄成本，终极模式一定向广告主倾斜。谷歌、Facebook、抖音都是这样，ChatGPT 没道理例外。某T 认同，并引出核心问题：我们怎么办？文章提出了方向，但操作起来需要"更强的肌肉记忆"。 ⑥ [06:18 – 07:19] 应对策略一：污染源意识——把 AI 的输出当"生水"过滤 Brian 说：恢复自己做判断的能力，首先是保持警觉——AI 的答案不是从天而降的真理，是被训练数据、商业利益、各种优先级"捏"出来的产品。某T 总结为"污染源意识"：默认 AI 给你的信息可能被污染，就像生水不能直接喝。你要在脑子里过一遍筛子，筛子就是你的常识和独立获取的信息。 ⑦ [07:20 – 08:24] 应对策略二：把 AI 当工具，不是当顾问——顺序不能反 Brian 提出核心区分：工具是拿来切的，顾问是拿来问的。你用 AI 找资料、理框架、生成备选开头——这是工具。你让 AI 写完整个稿子然后说"这是我写的"——你成了提词器，顺序反了。某T 补充：你的注意力、决策链、需求数据，都是可以被量化定价的资产。顺序对了，它还是你的工具；顺序反了，你就成了它卖给广告主的产品。 ⑧ [08:25 – 09:20] 普通用户能应付吗？短期内很难，需要一次"信任危机" Brian 问：普通用户能应付这个转变吗？某T 直言：短期内很难，这是认知门槛极高的事。大部分人使用互联网的逻辑就是"我在免费用一个好东西"，很难在问"什么洗面奶好"之前先思考背后的商业逻辑。这种高精度注意力收割，在很长时间里会极其有效——直到出现一次大的公众事件或信任危机，才会让矛盾真正浮上水面。 ⑨ [09:21 – 10:45] 实操建议：把"提问"和"决策"物理隔离 某T 给出具体方法：把提问和决策彻底分开。你可以疯狂向 AI 提问，榨取它的信息搜集和整理能力，但到了"下判断"那个环节，把它关掉，用你自己的大脑做最后决定。Brian 高度认同：把 AI 当高效搜索引擎用，搜完了还是要自己比较、自己分析、自己拍板。它给你的是信息，不是指令。根本问题回到——你自己到底需要什么？如果你连自己需要什么都不知道，就只能被它牵着鼻子走。 ⑩ [10:46 – 12:19] 总结：这不是对抗科技，是恢复你自己 某T 总结：广告平台落地，把 AI 从"认知助手"强行拉回"商业媒介"的现实。应对策略不是拔网线，而是在享受效率的同时，始终保留"问自己"的步骤——在把问题抛给世界之前，先有一个自己的版本。Brian 最后说：这不是旧世界的黄昏，这是众神觉醒的黎明。当 AI 开始卖你的注意力，你需要做的只有一件事——想清楚你需要什么，然后再去问它能给你什么。

【开场】拼命这个词，得重新想想 ⏱ 00:00 - 01:06 Brian：每天被甲方问"能不能再想一个方向"，琨儿在AI行业干了十来年，从产品经理到写代码。最近刷到太多文章讲"AI时代要拼命学习、拼命卷"，我就想——你跟AI拼速度？拼知识积累量？那不是自己找不痛快嘛。 琨儿：（回应） Brian：所以"拼命"这个词本身就得重新想。AI时代拼什么"命"？而且这个"命"字啊，它是个双关—— 一个是*"命题"的命**，一个是**"生命"的命**。* 这两个东西，才是AI拿不走的。 【第一层】拼"命题"——拼的是你多能"皱眉" ⏱ 01:17 - 03:16 琨儿：你知道AI补全代码的速度吗？我手刚放到键盘上它已经给我补了三行。跟它比？比不了。 Brian：所以命题，就是你能识别出"有什么问题值得解决"的能力。小辉博士有句话我特别喜欢——"有问题的地方就是有机会的地方。" 🔑 琨儿补充了一个关键洞察： AI不会觉得难受。AI看到一篇充满"值得注意的是"的文章，它会觉得难受吗？不会。它只会计算下一个token是什么。但那种"这个味儿不对"的感觉，是只有人身上才会长出来的东西。 🔑 Brian的厨师比喻： 一个厨师尝了一口菜，眉头一皱，说"差点意思"。差什么？他可能说不上来，但他知道差。AI可以分析这道菜的所有化学成分，但它不会皱眉。那个皱眉的动作，就是识别命题的起点。 琨儿：所以第一层"拼命"，拼的不是你多能干活，是你多能皱眉。 【第二层】拼"生命历程积累的感知" ⏱ 03:31 - 05:39 Brian：第二层，拼的是你生命历程积累下来的那种感知——你的审美、你的直觉、你对"什么是对的"那种说不清道不明的东西。 琨儿：当你识别出一个命题之后，解决方案怎么来的？前阵子有个提法特别精辟——创新，就是旧元素的新组合。 Brian：你看，一杯新口味的咖啡是味觉的拼配，一个新的设计是视觉元素的拼配。创新就是一种拼配。但关键不在于"拼"这个动作，而在于你知道该拼什么、为什么要拼。 🔑 Brian的"肉桂芥末拿铁"例子： 我现在让AI给我拼一杯新咖啡，它可以把全世界所有的咖啡豆、所有的果汁、所有的香料排列组合，给你整出一万种来。但这里面哪个真的好喝？它不知道。 琨儿：因为AI没有用舌头活过三十年。 Brian：它没有在深秋的某个下午喝到过一杯让你整个胃都暖起来的那种拿铁。它不知道那种"暖"是什么，所以它不知道肉桂加多少、温度应该是多少、奶泡的绵密度应该是什么感觉——这些它通通不知道。 琨儿：AI可以调用整个人类的知识库，但是*"知道该调用哪些素材"*这件事，它做不了。这个"知道"，来自于你活过的每一天，你喝过的每一杯咖啡，你踩过的每一个坑。 Brian：就是你把你自己活成了一座素材库。 每一个元素都是你用真实的生命经验换来的。它是一种体感。AI没有体感，它只有数据。 【整合框架】五步走，AI只是辅助 ⏱ 05:39 - 06:19 Brian：我把它捋成一个流程： 第一步，感知命题。 别人都在凑合的时候，你觉得不对，你皱眉。 第二步，调动你生命积累里那些独有的旧元素。 第三步，让AI来辅助组合。 AI可以穷举你直觉容易漏掉的那些可能性。 第四步，判断筛选。 AI吐出来一堆方案，你用你的感知力去确认哪一个是真的"对"的。 第五步，涌现。 真正有价值的创新，它自己长出来了。 琨儿：这五步走下来，AI只是一个辅助，那个核心的引擎，始终是你自己。 【金句】回到水里去 ⏱ 06:34 - 07:00 Brian：我回头再去看那些教你"拼命"的文章，就觉得很荒诞。你跟一个计算器比算力？你跟一个数据库比记性？你这不是拿自己的短板去撞人家的长板嘛。 琨儿：好比什么？ Brian：好比一个鱼，非要在陆地上跟猎豹赛跑。你跑什么啊？你回水里去啊！ 琨儿：那对于我们来说，"回水里去"是什么意思？ Brian：意思就是——AI时代，创意人真正的核心竞争力，是命题乘以感知。命题识别能力，乘上你生命历程积累的感知力。这两个东西，AI拿不走。而且，也只能你来拼。 【乘号的意义】两者缺一不可 ⏱ 07:15 - 07:56 琨儿：乘号用得好。因为乘号意味着，如果其中一个为零，整个结果就是零。 Brian：你数学太好使了。你想—— 有命题识别能力但没有感知积累的人，他能发现这个文章有AI味儿，但他不知道怎么去掉。 反过来，有感知积累但是不会识别命题的人，他审美极好，但他不知道劲儿往哪儿使。 琨儿：所以必须是两者都有，才能打开那个空间。 琨儿：而且你发现没有，这两个东西它没法速成。你不能说"我上个七天训练营，学会识别命题"，不行。它是你在生活里一点一点磨出来的，是你这个人本身的一部分。 Brian：它就是你的命。不是宿命的命，是你活出来的那个命。 【结尾】好好活着比什么都强 ⏱ 08:00 - 08:25 Brian：回到今天的主题——AI时代你拼什么"命"啊？别再拼体力拼速度了，拼"命题"，拼"生命积累的感知"——这两样东西，AI拿不走，也只能你来拼。 琨儿：好好活着。活着就是积累。 — END —

分段核心内容 1. 开场引入 · [00:00] — [00:58] Brian 从正在重打的老游戏《血源诅咒》切入，介绍游戏中一种叫"吸脑怪"的怪物： * 吸脑怪会突然冲出来定身你，然后抱住你吸脑 * 不仅生命值狂掉，还会消耗"灵视"——即看穿幻觉的能力 * Brian 某天刷短视频刷到凌晨两点，突然意识到：短视频算法就是现实版吸脑怪 2. 比喻展开：短视频 = 吸脑怪 · [00:58] — [01:38] Brian 把游戏机制映射到现实： 游戏机制现实对应定身法术算法推荐（让你停不下来）生命流失时间流逝灵视下降思考力与判断力退化 琨儿确认逻辑成立：时间被吸走的同时思考力下降，这个因果链是通的。Brian 补充了那个经典体验——放下手机后脑子是空的，跟被吸过一样。 3. 注意力记账法 · [01:38] — [03:00] 琨儿提出注意力预算模型： * 每天注意力总量 = 100 个单位（类似法力槽，用完等明天回蓝） * 以"看做饭视频学做饭"为例： * 视觉占 60，听觉占 40 = 100 单位全占满 * 但做菜其实只需听觉就够（油温几成、什么时候开火） * 换成纯音频播客：注意力成本降至 40，眼睛省下 60 → 白赚 核心洞见：视频在"投喂"你——强行占用全部注意力带宽，但你实际需要的可能只是一小部分。 4. 被投喂的代价 · [03:00] — [03:42] Brian 指出： * 刷短视频时大脑不转动，从"思考者"悄悄变成"接收器" * 信息只是流过去，不留下痕迹——像吃东西不消化 * 更可怕的是：习惯了被投喂后，深度思考能力退化——刚想思考，手已经划走了 5. 三阶段逃命法 · [03:42] — [06:00] 琨儿提出按学习阶段匹配工具的三阶段模型： 阶段目标最佳工具注意力花费核心理由① 扫盲建立地图🎧 音频40 单位眼睛手闲着，耳朵错峰利用，不耽误正事② 深化真正搞懂📖 文字60-80 单位必须自己读、自己划、自己提问，转化率极高③ 实操变成手艺🔧 做+教100 单位费曼学习法：做一遍教一遍，"我知道"→"我能" Brian 补充深化的关键信号：读长文时那种"窒息感"——如果全程没感到窒息，说明没动脑子。 6. 总结：注意力是你的硬通货 · [06:00] — [07:00] * 视频 = 包装华丽的高热量零食：占预算 100%，营养低 → 只给 30-40 预算 * 做注意力的守财奴 * 在 AI 时代，"知道得多"已不值钱（AI 比你快），真正值钱的是判断力——什么值得你花注意力，什么不值得 * 下次下意识打开短视频时，问问自己："那个吸脑怪是不是又想来抱我了？" * 琨儿收尾：如果你能停住这一下，说明你的灵视回来了——你看穿了幻觉 一句话总结 短视频算法是现实版"吸脑怪"，它同时偷走你的时间和思考力。对付它的办法不是戒掉一切，而是按学习阶段分配注意力预算：扫盲用音频（省力）、深化用文字（高效）、实操靠做和教（转化）。在 AI 时代，你的注意力是唯一硬通货，判断力才是真正的"灵视"。 关键概念速查 概念含义吸脑怪《血源诅咒》中的怪物，比喻短视频算法灵视游戏中看穿幻觉的能力，比喻思考力/判断力注意力预算每日 100 单位的注意力配额错峰利用用闲置通道（如听觉）吸收信息，释放高价值通道三阶段模型扫盲→深化→实操，对应音频→文字→做+教费曼学习法通过"做一遍、教一遍"把知识从"知道"变成"能"

这波AI浪潮中，"被蒸馏"、"被替代"的焦虑满天飞。 但换个角度看，AI蒸馏不是纯然的威胁 它更像是一种邀请，邀请我们坐进"AI桑拿房" 把那些重复、机械的冗余层层剥离 留下真正有温度的内核