原始访谈视频：https://www.youtube.com/watch?v=aFsAOu2bgFk 原节目与官方转写：https://newsletter.pragmaticengineer.com/p/from-ides-to-ai-agents-with-steve 📝 本期简介 原节目：The Pragmatic Engineer｜From IDEs to AI Agents with Steve Yegge 原作发布日期：2026-03-11 这是一期根据官方转写文本制作的完整中文译配，另加原创中文导听，不是原嘉宾中文受访或精华摘要。 Steve Yegge 与主持人 Gergely Orosz 围绕 AI 如何改变软件工程展开对话。他的很多判断故意大胆，有时甚至激进；本期保留这些原有语气，也把它们明确作为 Steve 的观点与预测，而非已经被证实的行业事实。 👨‍💻 原节目嘉宾 Steve Yegge：软件工程师和技术作者，曾任职于 Amazon、Google、Grab 和 Sourcegraph，与 Gene Kim 合著《Vibe Coding》。 🎙️ 原节目主持人 Gergely Orosz，The Pragmatic Engineer 主持人。中文版以两种 AI 合成男声区分对话，不是两人的中文原声。 ⏱️ 成品时间轴 00:00:00 本期导听：从 IDE 走向 AI Agents 00:02:19 Steve 的新项目与工作状态 00:02:52 哪些文章记录了这轮转变 00:05:09 工程师需要掌握的知识如何迁移 00:11:14 Steve 当前对 AI 的立场 00:13:50 《Vibe Coding》与手写代码的退场 00:18:46 科技行业的裁员与结构性扰动 00:31:47 Gas Town：为什么大多数人不应该直接上手 00:40:53 AI 采用八级与新的工作方式 00:51:46 人太多为什么会降低组织速度 00:55:20 企业 AI 效果为什么滞后 01:00:18 游戏化、反馈与产品黏性 01:05:28 The Bitter Lesson 意味着什么 01:07:27 软件开发的未来形态 01:23:35 编程语言还重要吗 01:25:01 工程师如何适应快速变化 01:28:04 Steve 对接下来的预测 🌟 值得带走的观点 • AI 采用不是“用了或没用”两档 Steve 用八个层级描述从拒绝 AI，到同时编排多个代理、再到自建编排系统的过程。他认为工程师之间的差距已经是工作方式之差。 • Gas Town 是高阶工具，不是新手入口 访谈中 Steve 明确表示，大多数开发者并不应直接从自建多代理编排开始；先建立稳定的单代理习惯更重要。 • 高强度 AI 工作有身心成本 他把高速驾驭代理描述为“德古拉效应”：短时间产出大幅提高，但每天可维持的深度工作时间可能只有几小时。 • 工程价值从输入代码转向指导系统 当代理能产生大量实现时，理解系统演化、建立反馈、拆解问题、验证结果和管理复杂性成为更关键的工作。 🌐 制作说明 中文制作：《研发效能》。根据官方公开转写进行 AI 辅助全文翻译，使用预置 AI 音色，非官方中文版，未克隆原人物声纹。 译稿按原顺序覆盖官方转写的全部来源片段；说话人依据匿名标签与文字上下文推断。官方转写、机器翻译和合成音频都可能存在错词或发音偏差；已完成全文来源覆盖、音频完整解码与代表片段自动对照，未完成全程人工听审。 你现在使用 AI 编程处在哪个层级？下一步最该补的是工具、工作流，还是验证能力？

原始访谈视频：https://www.youtube.com/watch?v=TZE33qMYwsc 原节目与官方转写：https://newsletter.pragmaticengineer.com/p/amazon-google-and-vibe-coding-with 📝 本期简介 原节目：The Pragmatic Engineer｜Amazon, Google and Vibe Coding with Steve Yegge 原作发布日期：2025-07-16 这是一期根据官方转写文本制作的完整中文译配，另加原创中文导听，不是原嘉宾中文受访或精华摘要。 Steve Yegge 与主持人 Gergely Orosz 围绕 AI 如何改变软件工程展开对话。他的很多判断故意大胆，有时甚至激进；本期保留这些原有语气，也把它们明确作为 Steve 的观点与预测，而非已经被证实的行业事实。 👨‍💻 原节目嘉宾 Steve Yegge：软件工程师和技术作者，曾任职于 Amazon、Google、Grab 和 Sourcegraph，与 Gene Kim 合著《Vibe Coding》。 🎙️ 原节目主持人 Gergely Orosz，The Pragmatic Engineer 主持人。中文版以两种 AI 合成男声区分对话，不是两人的中文原声。 ⏱️ 成品时间轴 00:00:00 本期导听：AI 编程真正难在哪里 00:05:06 Google 面试反向循环与招聘困境 00:07:35 试工、初级岗位与大厂招聘 00:09:48 工程师求职为何越来越难 00:15:30 Steve 为什么喜欢 Grab 00:19:58 Google Platforms Rant 的由来 00:26:58 公开批评之后发生了什么 00:28:56 Google 广告与平台思维的冲突 00:31:11 Google+ 和 Wave 为什么失败 00:34:24 Amazon 与 Google 的平台文化 00:41:43 AI 为什么让 Steve 退休后回归 00:44:19 “初级开发者之死”与 AI 冲击 00:52:15 AI Fixer 会成为新角色吗 00:54:54 Vibe Coding 这本书与实践 00:58:15 人们为什么驾驭不好 AI 工具 01:01:36 开发者生产力将如何变化 01:04:01 使用编程代理的成本 01:05:58 把任务切到最小，对每行代码负责 01:08:34 Steve 如何用 AI 制作 Wyvern 01:13:44 AI 会带来更多还是更少开发岗位 01:17:15 游戏引擎与 AI 工具的类比 01:20:09 为什么现在就必须学 AI 01:28:46 快问快答 🌟 值得带走的观点 • AI 编程看似简单，实际是新的工程技能 Steve 建议把任务切到尽可能小，持续跟踪代理的工作，并对最终提交的每一行代码负责。 • 平台能力首先是组织问题 他用 Amazon 和 Google 的历史对照说明，API、服务边界和对外开放不只是技术选择，也受激励机制与公司文化支配。 • AI Fixer 是一个预测，不是既成岗位 访谈提出团队可能需要专门把失控的 AI 工作流拉回正轨的人；这是 Steve 对未来组织分工的判断。 • 好工程师的基本功会更重要 生成速度提高不会自动带来质量。验证、安全、审查、系统理解和取舍能力仍然决定软件能否被可靠交付。 🌐 制作说明 中文制作：《研发效能》。根据官方公开转写进行 AI 辅助全文翻译，使用预置 AI 音色，非官方中文版，未克隆原人物声纹。 译稿按原顺序覆盖官方转写的全部来源片段；说话人依据匿名标签与文字上下文推断。官方转写、机器翻译和合成音频都可能存在错词或发音偏差；已完成全文来源覆盖、音频完整解码与代表片段自动对照，未完成全程人工听审。 你现在使用 AI 编程处在哪个层级？下一步最该补的是工具、工作流，还是验证能力？

原始访谈视频：https://youtu.be/CQmI4XKTa0U 原节目与官方转写：https://newsletter.pragmaticengineer.com/p/martin-fowler 📝 本期简介 当 AI 可以快速生成大量代码，软件工程师真正需要守住的能力是什么？这期 The Pragmatic Engineer 访谈里，Gergely Orosz 与 Martin Fowler 面对面讨论 AI 给软件工程带来的根本变化，以及为什么测试、重构和理解业务仍然重要。 Martin 从汇编语言转向高级语言的历史谈起，把它与今天从确定性工具走向非确定性模型相比较。对话随后进入 vibe coding、测试、企业遗留系统、《重构》、设计模式和敏捷宣言：AI 可以帮我们更快地写代码，但它会不会也放大错误抽象、失控复杂度和维护成本？ 本期是根据官方转写文本制作的完整中文译配，不是精华摘要；保留原节目内容并另加中文导听。原作发布于 2025 年 11 月 19 日。 👨‍💻 原节目嘉宾 Martin Fowler：Thoughtworks 首席科学家，《重构》和《企业应用架构模式》作者，2001 年《敏捷软件开发宣言》17 位签署人之一。 🎙️ 原节目主持人 Gergely Orosz，The Pragmatic Engineer 主持人。中文版本以两种 AI 合成男声区分对话，不是两人的中文原声。 ⏱️ 成品时间轴 以下时间对应本期中文音频，按合成片段实测起点定位，个别主题会在片段内稍后进入。 00:00:00 本期导听：AI 改变软件工程的核心是什么 00:02:49 Martin 如何进入软件工程 00:08:28 加入 Thoughtworks 00:11:01 Thoughtworks 技术雷达如何运作 00:17:53 从汇编语言到高级语言 00:26:33 非确定性：AI 带来的根本变化 00:35:09 Vibe coding 的用途与学习代价 00:40:46 从 Stack Overflow 复制代码到 AI 编程 00:45:16 LLM 为什么必须配合严格测试 00:52:50 企业软件、规范与遗留系统 00:58:39 Martin 为什么写《重构》 01:04:39 AI 时代重构为何更重要 01:08:45 让 LLM 驱动确定性工具 01:10:03 《企业应用架构模式》与共同语言 01:21:03 敏捷宣言的起源与真实影响 01:31:22 Martin 如何学习 AI 01:37:51 给初级工程师的建议 01:40:29 软件行业的低迷与 AI 泡沫 01:45:37 快速问答：语言、书籍与桌游 🌟 值得带走的观点 • 非确定性改变了工程边界。 传统编程工具通常给出可重复的结果，而 LLM 的输出带有波动。Martin 认为，团队需要重新思考容错、验证和可接受结果的范围。 • AI 时代更需要测试和重构。 代码生成速度提高以后，验证行为是否正确、控制复杂度和持续改善结构不会自动消失，反而可能决定大量生成代码能否长期维护。 • Vibe coding 有用途，也有学习代价。 它适合快速试验，但如果开发者不理解生成结果，可能失去建立心智模型和判断质量的反馈循环。 • 设计模式没有简单地“死亡”。 Martin 回顾模式热潮如何被过度使用，也说明模式作为共同语言仍然有价值；关键是帮助交流与设计，而不是机械套用。 • 工程师的核心仍是理解要解决的问题。 工具可以加快实现，但需求、约束、业务语境和取舍仍需要人做判断。这是访谈中的观点与经验，不是所有团队都能自动获得的结果。 🔗 相关资料 《重构》《企业应用架构模式》、Thoughtworks Technology Radar、OpenRewrite 与《敏捷软件开发宣言》均在访谈中被讨论；原节目、官方文字稿和视频见上方链接。 🌐 制作说明 中文制作：《研发效能》。根据官方转写进行 AI 辅助翻译，使用预置 AI 音色，非官方中文版，未克隆原人物声纹。 官方转写共 2,493 个时间片段，本译配按原顺序覆盖；说话人依据标签与上下文推断，个别人物归属及专名仍可能有误。音频已做完整解码和代表片段自动内容对照，未完成全程人工听审，个别技术术语可能有不自然发音。 当 AI 写代码越来越快，你认为团队最该加强的是测试、重构，还是需求判断？

原始访谈视频：https://youtu.be/4DhcSPkEbwI 原节目与官方转写：https://newsletter.pragmaticengineer.com/p/ai-skills-with-matt-pocock 📝 本期简介 当AI越来越擅长实现需求，软件工程师应该把判断力放在哪里？这期The Pragmatic Engineer访谈里，Gergely Orosz与Matt Pocock从一次被Grill Me追问35个问题的体验聊起，讨论如何让智能体理解意图、拆分任务，并交付更容易维护的代码。 Matt回顾从声乐教练转行、创办Total TypeScript，再转向AI教学的经历。对话随后进入Skills、上下文管理、曳光弹式开发、领域语言、测试与架构：哪些工程方法可以交给Agent执行，哪些取舍仍需要人想清楚？ 本期是根据官方转写文本制作的完整中文译配，不是精华摘要；保留原节目介绍、访谈、广告与结尾，另加中文导听。原作发布于2026年9月17日。 👨‍💻 原节目嘉宾 Matt Pocock：Total TypeScript创作者、开发者教育者，访谈中分享AI教学与Skills实践。 🎙️ 原节目主持人 Gergely Orosz，The Pragmatic Engineer主持人。中文版本以两种AI合成男声区分对话，不是两人的中文原声。 ⏱️ 成品时间轴 以下时间对应本期中文音频，按合成片段实测起点定位，个别主题会在片段内稍后进入。 00:00:00 原创导听：AI越会写代码，基本功为何越重要 00:00:35 原节目开场与广告：今天为什么聊Skills 00:04:38 转行经历：教学能力如何帮助学习编程 00:09:57 Total TypeScript：从工作经验到教学产品 00:15:28 AI冲击：教学内容与工作方式的变化 00:21:12 让Skills承载可以重复使用的开发流程 00:26:47 Grill Me：先把需求和决策问清楚 00:31:59 上下文边界：智能区、迟钝区与任务拆分 00:37:25 Wayfinder：研究、原型与实现怎样衔接 00:41:38 曳光弹与领域语言：让人和Agent说同一种话 00:47:43 软件基本功：速度、抽象和长期维护 00:52:06 代码库治理：把架构改进变成持续流程 00:58:00 云端开发与计划：如何组织执行 01:03:38 瀑布、TDD与技术债：反馈循环仍然重要 01:07:58 AI教育：信息编排与人的判断 01:13:47 成长建议：保持好奇，持续整理代码 01:18:13 收尾：术语、基本功与AI协作 🌟 值得带走的观点 • 先对齐决策，再委派实现。 Grill Me的价值不只是追问更多问题，而是把尚未想清楚的需求和取舍变得明确。 • 用小而可检查的步骤推进。 Matt讨论曳光弹式开发、原型和任务拆分，强调形成反馈，避免一次给Agent过大的模糊目标。 • 建立共同语言。 清晰的领域术语与可复用Skills，帮助人和智能体围绕同一组概念协作。 • 基本功仍影响长期成本。 架构、测试与代码库整理的价值，不会因为实现速度变快而自动消失。这些是访谈中的讨论与经验，并非所有团队通用的保证。 🔗 相关资料 原节目、官方文字稿和视频见上方链接。访谈提及《软件设计的哲学》、领域驱动设计、Grill Me与Wayfinder等方法。 🌐 制作说明 中文制作：《研发效能》。根据官方转写进行AI辅助翻译，使用预置AI音色，非官方中文版，未克隆原人物声纹。 官方转写存在24处超过5秒的时间空档以及若干残句；时间空档不一定是漏话，本译配不补写未知内容。“完整”指覆盖收到的文字稿，不代表与原录音逐秒无遗漏。角色根据转写标签和上下文推断，个别说话人及专名仍可能有误。原节目广告保留为来源内容，不代表本节目获得相应赞助。 音频已做完整解码和自动内容对照，未完成全程人工听审。欢迎带时间点反馈译文、发音和换人问题：你会先把哪一种工程方法写成自己的Skill？

原始节目与文字来源：The Pragmatic Engineer — Building Codex with Tibo Sottiaux：https://newsletter.pragmaticengineer.com/p/building-codex-with-tibo-sottiaux 📝 本期简介 原作发布于2026年9月9日。本期为中文原创精华解读，以官方逐字稿为依据，聚焦个人AI工作方式和软件研发效能，未覆盖原访谈全部话题。 代码生成快了，研发交付为何未必同步变快？从Tibo随手用手机派活，到夜间研究、后台实验、快速原型与自动审查，我们看看AI怎样进入实际工作流程，以及这些实践依赖哪些条件。 本期区分嘉宾介绍的个人体验、团队实践与中文编辑的延伸建议；重点不在复制一套工具，而在找出查背景、验证方案与等待审查中的具体瓶颈。 👨‍💻 原节目嘉宾 Tibo Sottiaux：原访谈中的Codex团队负责人，分享个人与团队使用AI的实践。 🎙️ 原节目主持人 Gergely Orosz，The Pragmatic Engineer 主持人。中文版本采用第三人称单人讲述，非原嘉宾中文受访。 ⏱️ 成品时间轴 00:00 导听：代码写快以后，时间还花在哪里 00:38 手机派活：口述问题，让Agent查背景 01:25 信息流：让人和Agent都找得到上下文 02:07 夜间探索与后台实验 02:52 快速原型与团队交付 03:37 CI/CD的边界与代码审查分工 04:29 提前讨论意图，降低维护成本 05:14 从小范围升级开始，保留工程判断 05:56 带回工作的一个小实验 🌟 值得带走的观点 • 让背景信息可访问。 Tibo的个人用法依赖Agent能检索到内部文档、聊天与代码；不能把工具效果与信息条件分开。 • 缩短验证想法的等待。 后台研究、实验和原型帮助探索，但不等于无人审核的生产变更。 • 把实现检查与意图讨论分开。 嘉宾介绍自动工具参与逻辑与安全检查，人仍需讨论改动价值、取舍与责任。 • 先试一个可检查的小任务。 本节目的编辑建议是记录依据、未解决问题和实际省下的时间；这不是访谈给出的统一流水线规范。 🔗 相关资料 原访谈与官方文字稿见上方来源链接；本期不提供未经原访谈说明的CI/CD配置或统一上线门槛。 🌐 制作说明 中文制作：《研发效能》。以原访谈为依据原创整理，使用AI合成配音，非原嘉宾中文原声。自动内容对照与音频完整解码已通过，人工听审待完成。 你所在团队最耗时的环节，是查背景、验证方案，还是等待审查？

原始直播视频：https://x.com/i/broadcasts/1YGNrbXEeazGw 📝 本期简介 当智能体已经能写代码、跑测试、合并 PR，真正的考验才刚开始：谁会来玩，谁愿意留下，收入从哪里来？ 本期是 2026 年 9 月 17 日 Grok Bot Galaxy 第三天直播的中文完整译配。Matt、Lauren 和 Roshan 将三天内搭建的游戏推向真实玩家，一边看注册与对局数据，一边处理反馈、修复故障，并邀请增长、营销、售后与支付领域的嘉宾讨论业务如何运转。 你会听到软件工厂的验证循环、营销机器人团队、售后工作流、智能体支付，以及最后的广告变现尝试。这里既有跑通的演示，也有卡住的操作和仍停留在设想中的功能。结尾所谓的“理论收入”，不等于已经核实到账的营收。 原回放接近八小时；本集去掉开场等待、纯音乐、少量口癖及无实质内容的礼貌用语，保留正文顺序、例子与讨论分歧，另加原创开场。中文成品时长 06:39:18，并非摘要版。 🎙️ 主持与嘉宾 三位常驻主持：Matt Palmer，介绍开发者体验与机器人协作；Lauren Tan（poteto），展示 Grok Bot 工程实践、软件工厂与游戏迭代；Roshan Sadanani，围绕产品、业务和嘉宾演示展开讨论。 本日嘉宾包括 Matthew Silberman（营销与收入运营）、Vincent Zhu（增长）、Blake Schuller（AI 部署与售后工作流）、Dan Hill（Stripe／Link）、Josh Kim（营销），以及参与最后冲刺的 Eric。 ⏱️ 时间轴 以下时间均对应本集中文音频，不是原直播时间。 00:00:00 研发效能：今天我们听什么 一、开场与营销运营 00:00:44 第三天开场：软件工厂与游戏工作室 00:09:22 卡牌玩法、游客模式与上线准备 00:18:31 RevOps：让机器人承担运营工作 00:25:45 把销售线索审核做成内部应用 00:29:10 从自动化规则到产品经理式协作 00:41:36 人类保留关系与信任工作 二、游戏上线与反馈闭环 00:43:23 游戏上线冲刺：部署与认证 00:49:59 数据库、反馈分诊与修复循环 00:52:19 生产环境调试与上线清单 01:10:24 以试玩测试发布 Thursday Arena 01:14:51 上线脉搏：排行榜与实时指标 01:25:35 用数据观察游戏平衡 01:35:19 反馈进入 Slack：审核、分类、复现 01:47:35 从玩家反馈走向修复 PR 三、增长与商业化 01:52:49 云端智能体自动试玩和压力测试 01:59:00 Vincent：从产品漏斗寻找增长机会 02:06:21 游戏循环、分享与挑战 02:23:27 增长优先级：先验证产品匹配 02:30:20 机器人入职、站会和上下文 02:38:48 Matthew：营销运营与任务分流 02:44:17 游戏与机器人市场现场演示 02:51:31 避开付费赢：广告、赞助与客户画像 03:06:17 合作伙伴名单与个性化外联 四、售后工作流与协作边界 03:15:10 Blake：让机器人加入售后团队 03:27:23 客户通话后的邮件、ROI 与跟进 03:36:17 从语音备忘录搭建个人工作系统 03:43:10 控制例行任务成本与机器人数量 03:52:01 迁移、技术债、审计与准确性 五、产品迭代与智能体支付 03:58:01 首轮上线数据与登录转化 04:08:31 现场派单：复现、修复、验证 04:15:04 反馈直达 Slack 与语音工作流 04:23:53 排行榜和卡片视觉持续改进 04:34:14 Dan Hill：Stripe Link 与智能体支付 04:44:49 赞助卡牌、品牌机器人与订阅 04:55:59 智能体购物与现实世界的操作 六、营销机器人团队 05:07:30 Josh Kim：营销机器人团队演示 05:15:34 从竞品研究到定位、落地页和广告 05:25:33 增加项目经理机器人，减少人工协调 05:29:49 审批、权限、隐私与模板复用 七、最后冲刺与三日复盘 05:39:35 Eric 加入最后冲刺，演示语音模式 05:46:55 分享卡片、排行榜与增长细节 06:02:14 语音报 bug 与广告竞价设想 06:05:56 电话反馈与语音智能体护栏 06:10:03 机器人自验证与预览循环 06:14:47 最后迭代：反馈工厂与广告出价 06:22:31 三日创业复盘：分发、变现和产品克制 06:31:13 最终指标与生产故障 06:36:37 广告测试、“理论收入”与告别 🌟 值得带走的五个问题 • 自动合并了很多 PR，是否也有独立的试玩、测试和故障复现来证明改动有效？ • 从自由文本反馈到分类、工单和修复，哪些步骤可以交给机器人，哪些优先级仍需要人决定？ • 游戏是否先让人觉得好玩、愿意回来，再考虑分发和商业化？ • 增加机器人数量之前，能否先把职责、上下文、权限和例行任务成本讲清楚？ • 当智能体可以购买商品、开通基础设施，授权、额度与人工审批如何设计？ 🔗 相关链接 活动官网：https://x.ai/galaxy 社区 Day 3 英文逐字稿：https://github.com/tanker327/grok-bot-galaxy-notes/tree/aa4b0d607d1054e7ac68c837c84b13f7a464cac1/content/day-3 直播中发布的游戏：https://thursdayarena.com Cursor pstack：https://github.com/cursor/plugins/tree/main/pstack Stripe Projects：https://projects.dev/ 🌐 制作说明 本节目为非官方中文译配，使用公开回放的云端转写与 AI 辅助翻译，并参考制作期间新增的社区逐字稿核对覆盖范围与专名。中文声音为预置合成音色，不是真人原声或声音克隆；声部用于区分对话，不能据此判断原发言者的真实身份。跨片段人物对应与个别专名仍可能有误。 已检查译文顺序与非空内容、音频完整解码，并修复发现的漏转、音乐误识别和异常拖长片段；尚未逐分钟人工听审。涉及金额、产品能力及商业判断，请以原始直播和官方信息为准。欢迎分享：你最希望把哪一段研发或业务流程交给机器人，又会在哪一步保留人工审批？ 直播内提到的免费额度与重置活动是 2026 年 9 月 17 日当时的限时活动，不代表现在仍可领取。

原始直播（X）：https://x.com/i/broadcasts/1PKqrNyvmYwGb 原始英文逐字稿（社区整理）：https://github.com/tanker327/grok-bot-galaxy-notes/tree/3659ca6809f3fd82e1472c38fdf01858169d5ec8/content/day-2 EP20｜Grok Bot Galaxy Day 2 完整版｜转向游戏工作室，走进真实工作流 本集内容 第二天，团队放弃短期内难以落地的快闪餐饮，转向机器人对战游戏。产品开发穿插销售工程、个人自动化、销售开发和客服工作坊，重点逐渐从“机器人能做什么”转向“怎样可靠地交付”。 这是原九集正文的连续合辑，已移除每小时重复的节目开场，并加入一段简短主题导听；中文成品时长 06:36:32。原有分集继续保留，方便短时收听。这里的“完整版”指当前已发布中文正文的整日合辑，不代表原直播逐秒无遗漏，也不是内容摘要。 原直播主持人 • Matt Palmer（@mattyp）：《Grok Bot 101》作者，在 SpaceXAI 从事开发者关系（DevRel）。 • Lauren Tan（@poteto）：Cursor Principal Engineer，分享 AI 辅助软件开发实践。 • Roshan Sadanani（@roshan_s）：有支付产品背景，曾任 Stripe 支付 API 与多支付处理商产品负责人（2025 年）。 三人是本次活动的主要共建者；中文版本使用 AI 合成配音，并非他们的原声。 你会听到 • 转向游戏工作室，销售工程师的机器人搭档 • 从竞品调研到工程原型，机器人怎样协作 • 先让游戏能玩，再看 AI 怎样进入真实生活 • 个人自动化之后，怎样把游戏流程设计清楚 • 销售机器人团队与 Berman 的实践 • 从个人任务到广告制作，把机器人用在交付上 • 销售开发全流程，与游戏团队的协作成本 • 机器人团队需要什么约束，客服自动化怎样落地 • 客服问答与 Day 2 收官：产品真的能用了吗 时间轴（本集中文音频） 00:00:00 整日导听 00:00:12 转向游戏工作室，销售工程师的机器人搭档 00:00:44 团队为什么放弃快闪生意 00:03:01 Grok Bot 模板是什么 00:06:41 确定性属性与 100 点属性池 00:09:24 在不走 pay-to-win 的前提下变现 00:12:38 核心机制：阵容对阵 00:16:28 MVP 核心流程 00:20:07 Amrita：销售工程师工作坊开始 00:22:55 Grok Bot 快速导览：界面、记忆、电脑、自动化与共享 00:32:10 演示：Mimi 与客户案例研究幻灯片 00:36:13 演示：Sherlock，Flylo 的技术专家 00:39:11 演示：Serena Williams 与竞品情报 00:45:51 看 Cursor Cloud Agents 跑起来 00:47:17 把两个机器人拉进一个群聊 00:49:00 市场、插件，以及没有 MCP 的工具 00:51:13 从竞品调研到工程原型，机器人怎样协作 00:55:34 让机器人招聘自己的团队 00:58:09 Mimi 交出 Salesforce 幻灯片 01:03:25 Sherlock 招来的三个机器人 01:07:18 问答环节 01:14:57 Lauren 的起步建议：在 Potato Mode 里做粗糙原型 01:17:38 一个 Bun 落地页、一次简化，和一个 Cursor Cloud Agent 01:19:44 视觉部分：Dial Kit 滑块、Phaser 和一个素材试验场 01:22:29 让它复述回来的套路 01:24:53 可调的游戏常量与缩短通往乐趣的时间 01:27:07 把 Notion 当作机器人的知识库，以及下一步 01:29:15 休息结束，切换到 Cursor 01:30:11 ELO（等级分）与匹配 01:32:21 Potato Mode 的原理：架在 P-Stack 原则之上的路由技能 01:37:05 先让游戏能玩，再看 AI 怎样进入真实生活 01:38:17 第一个可玩版本和一个属性值 bug 01:39:42 调试面板和那个不听话的滑块 01:40:38 打第一局，以及这个游戏如何结算 01:43:08 用生成图像寻找美术方向 01:45:21 切播：Icon Coffee 的 Marcel 和他的机器人 Rex 01:48:17 套上 Pokemon 卡牌 CSS，结果闪得过头 01:49:51 读思考块，把错误变成技能 01:53:38 用竞技场让弱势机器人变得有用 01:55:10 Roshan 对谈 Karen X. Cheng：个人自动化 01:58:47 趁你睡觉时打印好的早报 02:01:22 模板内部：一份 30 页长的提示词 02:05:59 用 Cursor 做出的“世界上最笨的智能手机” 02:07:07 用 Grok Bot 重做这个想法：包裹追踪器 02:11:00 这些想法从哪里来：无屏幕周末 02:15:24 个人自动化之后，怎样把游戏流程设计清楚 02:16:18 在 iMessage 上做 if-then 逻辑 02:19:43 休息归来与联网打印机 02:22:51 对局流程：从选队长到匹配对手 02:23:37 把数字藏起来：用相对强度代替属性值 02:26:17 走一遍原型：假登录、钻石段位和总结界面 02:29:17 推送到仓库，以及第一场完整对战 02:32:25 没时间走 PR 02:34:43 排行榜与录像回放 02:37:21 用 Grok Imagine 做技能图标 02:41:12 为什么智能体写的规则会过拟合，以及 P-Stack 的来历 02:43:45 正在运行的机器人，以及在 main 分支上做 rebase 02:47:09 功能开关、控制台黑客与服务端驱动的游戏逻辑 02:57:09 试玩测试、ELO 的持久保存与玩家手感 02:59:34 会验证自己成果的智能体，以及多任务的实际演示 03:03:11 销售机器人团队与 Berman 的实践 03:03:46 销售工作坊：从 AI 助手到机器人团队 03:07:56 Krista 的机器人团队 03:09:47 演示：幕僚长 Olive 03:11:00 演示：PG，销售管道生成 03:14:02 演示：Salesforce 后续步骤 03:15:54 演示：连接代码库的工程师机器人 03:20:16 三条建议：接通工具栈、一个机器人一份工作、把例行任务用起来 03:21:34 问答环节 03:31:32 介绍 Matthew Berman 03:34:08 家庭机器人 03:39:03 在 Facebook Marketplace 和 eBay 上卖掉家里的东西 03:41:11 个人问题映射到商业问题 03:43:46 上下文切换与“上下文搜索” 03:45:56 Microsoft Recall、隐私，以及安全性的变化 03:47:00 从个人任务到广告制作，把机器人用在交付上 03:47:59 PG&E 的账单：一年一千美元 03:51:52 比以往更忙：多个智能体带来的认知负荷 03:54:23 Berman 自己的工作流程，以及一个行业尚未解决的问题 03:57:01 Nokia 谈用 Cursor 破釜沉舟 04:00:01 认识一下第一位前线部署实习生 04:04:04 演示：一个操作浏览器的招聘人员搜寻机器人 04:08:27 演示：求职信写作机器人、SWE 求职投递机器人和求职信评审机器人 04:12:40 用他自己的文风训练评审机器人 04:15:10 复利式增长的智能体、反馈闭环，以及一份每日工作日志 04:21:24 演示：给 Cupcake 的 Remotion 广告机器人写提示词 04:33:03 演示：在一个现有项目里把 Remotion 素材当作代码 04:38:49 完成的正方形广告、design mode，以及把代码当作唯一事实来源 04:45:55 观众模板挑战：参与方式与 Starbase 旅行奖励 04:46:48 切换至下一场 SDR 工作坊 04:46:53 销售开发全流程，与游戏团队的协作成本 04:52:07 Simon：客户开发与理想客户画像 04:53:19 用例二：序列器，以及来自客户经理通话的上下文 04:54:35 用例三：基于内部与外部信号的客户调研 04:56:38 他的机器人团队，以及幕僚长为什么要排在第一位 05:00:02 演示：每日例行任务、50 个潜在客户与收件箱管理 05:04:25 演示：让文案摆脱模板模式 05:10:59 演示：两个自定义技能，客户开发与 Grok Bot 的 ICP 05:13:33 收获与启示 05:16:08 问答环节 05:22:00 搭建进展，以及客户端与服务端为什么要拆开 05:24:17 在 Notion 里建起一份共享待办清单 05:28:19 用语音模式同时三次创建同一个 Slack 机器人 05:33:00 用代码做的 Remotion 广告，以及来自 Figma 的 iPhone 外框 05:38:51 专职机器人与自制的工单系统 05:40:42 机器人团队需要什么约束，客服自动化怎样落地 05:45:25 把后端接到客户端，以及一座反馈工厂 05:49:43 评审游戏设计，以及两个对付 AI 味文字的 P-Stack 技能 05:51:10 一份权威的游戏设计文档，以及作为机器人之间总线的 Slack 05:53:22 把 Notion 作为唯一可信来源 05:54:22 Vercel functions，以及删掉所有测试 05:56:24 Cursor projects：一个长时间运行的协调者智能体 06:01:49 Tone：音频工程师机器人 06:03:50 直播福利：前 1000 名观众领取一个月 Grok Bot 06:04:55 David Gan：客服工作坊开始 06:07:40 使用场景 1：回答工单，先爬、再走、后跑 06:10:42 演示团队：build、reply、alert 和 tune 06:12:43 演示 1：一张密码重置工单 06:14:53 演示 3：两张退款工单，在 Stripe 里分别批准与拒绝 06:16:45 演示 4：tune 把缺失的答案写进 FAQ 06:20:25 客服问答与 Day 2 收官：产品真的能用了吗 06:27:26 为这一天收尾 06:27:49 音频工程师机器人：先 Strudel，再 Suno 06:30:27 Lauren 的应用演示：X 登录与两个 bug 06:31:37 第三天的计划 06:32:07 Lauren 的机器人阵容：Whisk 与 Crum 06:32:49 Dr. Eggbot 复盘工作流 06:33:50 自动驾驶模式与成为“功能的导演” 06:34:15 Matt Palmer 谈广告市场 06:34:38 第二天复盘与抽奖赠送 06:35:40 Day 2 收尾：安装模板、直播福利与次日计划 相关链接 官方活动与日程：https://x.ai/galaxy 活动介绍：https://luma.com/3ifrgttw 来源与制作 对应原直播约 8 小时 23 分钟。复用已发布的 Day 2 中文正文，包括此前为社区稿缺口补入的活动说明与收尾。约 10 分钟的开播等待静音未纳入中文音频。本合辑没有改用后来新增的具名逐字稿重新翻译。 非官方中文 AI 译配，并非原主播声音。去除部分口头填充和无内容重复，保留正文顺序；未完成全程人工原声听校，转写、译文和发音仍可能存在错误。人物观点和产品能力描述保留直播当时语境。上述章节由现有音频单元的实测时间重新计算，对应此完整版，不能与原直播时间混用。 中文男女声是编辑安排的译配声部，并不代表已经逐句识别真实发言人。 欢迎交流 欢迎带时间点反馈译文、发音或衔接问题，也欢迎分享你实际交给机器人的工作流。

原始直播（X）：https://x.com/i/broadcasts/1AxRnZbVpjaxl 原始英文逐字稿（社区整理）：https://github.com/bgagandeep/grok-bot-galaxy-day1-transcript EP19｜Grok Bot Galaxy Day 1 完整版｜三天创业实验，从想法到 AI 同事 本集内容 三位共建者尝试在三天内从零搭建一家公司：从商业方向和机器人入职，到快闪餐饮原型、工程协作、客户验证与现场复盘。它保留了实践中的试错、分歧与未完成事项。 这是原九集正文的连续合辑，已移除每小时重复的节目开场，并加入一段简短主题导听；中文成品时长 06:35:50。原有分集继续保留，方便短时收听。这里的“完整版”指当前已发布中文正文的整日合辑，不代表原直播逐秒无遗漏，也不是内容摘要。 原直播主持人 • Matt Palmer（@mattyp）：《Grok Bot 101》作者，在 SpaceXAI 从事开发者关系（DevRel）。 • Lauren Tan（@poteto）：Cursor Principal Engineer，分享 AI 辅助软件开发实践。 • Roshan Sadanani（@roshan_s）：有支付产品背景，曾任 Stripe 支付 API 与多支付处理商产品负责人（2025 年）。 三人是本次活动的主要共建者；中文版本使用 AI 合成配音，并非他们的原声。 你会听到 • 三天创业实验与 AI 同事入门 • 权限与记忆实战，找到第一个商业方向 • 从落地页原型到云端工程团队 • 产品不会自己卖：分发、获客与工程自动化 • 工程机器人团队：反馈闭环与可验证交付 • 先办一场真实活动：外联、场地与产品转向 • 从数据洞察到产品交付，再把客户范围收窄 • 创始人的机器人工作台：客户、竞品与增长 • 确定性、协作成本与 Day 1 的真实复盘 时间轴（本集中文音频） 00:00:00 整日导听 00:00:10 三天创业实验与 AI 同事入门 00:07:47 从 X 书签到云端原型：自动试用新技术 00:13:32 做出用户想要、自己也会用的产品 00:19:20 P Stack 与工程工作流：让团队具备交付能力 00:25:30 机器人也要入职：公司手册与共同背景 00:30:43 Grok Bot 101：从聊天工具走向 AI 同事 00:38:32 咖啡调查演示：数据、幻灯片、邮件三人组 00:42:07 权限审批：哪些动作需要人类点头 00:43:03 教会机器人一个任务，再设置例行工作 00:50:42 机器人相互交接：把任务链真正跑起来 00:56:36 权限与记忆实战，找到第一个商业方向 00:57:24 把机器人分享成团队可复用的模板 01:02:45 二维码失灵：现场调试与反馈 01:05:20 任务有先后：依赖关系与编排机器人 01:10:16 自动审核、明确授权与长期记忆 01:13:20 连接企业工具、数据库和网络环境 01:15:50 视频教学怎样沉淀成技能 01:18:28 机器人记忆的保存、调整与使用边界 01:22:48 回到创业现场：Peter Yang 加入讨论 01:27:42 从观众反馈中寻找真实的客户问题 01:40:13 为什么不是今天：缩短需求到原型的距离 01:45:51 快闪餐饮平台：把线下体验变成验证场景 01:50:06 从落地页原型到云端工程团队 01:53:01 先做轻量原型：功能和基础设施都要克制 01:54:33 潜在客户机器人：寻找餐厅与经营者 01:59:21 先给设计参考，再做落地页 02:03:46 用共同文档和复述确认对齐上下文 02:05:14 真正的瓶颈：先跑通第一场活动 02:09:25 Peter Yang：市场信号比内部争论更重要 02:13:33 原型、工程与设计机器人开始分工 02:22:13 补上运营机器人、品牌和公司基础设施 02:25:02 报名数据放哪里：从 Notion 到 PlanetScale 02:29:29 让 Grok Bot 编排云端编码智能体 02:33:26 代码已经出现：下一步是审查工作流 02:34:12 产品不会自己卖：分发、获客与工程自动化 02:35:35 先验证自然增长，再考虑广告预算 02:37:18 招来好的人或机器人，也不能放手不管 02:39:01 产品更容易构建之后，分发为什么重要 02:42:51 从已有受众和有价值的获客内容开始 02:43:46 让研究机器人拆解优秀快闪活动案例 02:48:57 小企业用 AI：先找到能带来价值的环节 02:53:29 做出来不等于有人来：回到收入和客户 02:54:31 创业进度回顾与下一步工程工作 02:55:57 代码审查机器人与 Slack 自动化 02:59:12 工程工作坊开场：从代码补全到自主编排 03:03:15 工程机器人团队：反馈闭环与可验证交付 03:07:26 人在休息时，也能解除同事的工作阻塞 03:11:07 夜间清理技术债与安全检查 03:12:50 用 Slack 触发内部工具，继续处理 CI 问题 03:14:24 为什么把工作分给多个工程机器人 03:15:55 让老机器人给新机器人做入职 03:20:19 紧急任务如何监控进展、减少无效等待 03:24:24 每个 PR 都要有证据：截图、视频与检查 03:27:36 把重复提醒变成规则，建立完整反馈闭环 03:32:23 回到产品现场：Slack 驱动 PR 审查 03:35:34 验证技能：让机器人可靠地操作和检查应用 03:38:21 报名表、用户角色与快闪活动的核心流程 03:42:58 先办一场真实活动：外联、场地与产品转向 03:46:09 连接邮件，建立餐厅和场地候选清单 03:48:18 用自己筹办活动的过程反推第一个功能 03:52:06 先找到联系人，再用人工外联验证流程 03:54:03 原型访问控制与线下宣传尝试 03:56:12 知识库经理：有选择地更新团队文档 03:59:27 从熟悉的高质量场地寻找相似候选 04:00:26 场地和许可限制开始影响活动日期 04:05:33 方向转变：从餐饮体验走向艺术快闪 04:09:12 PR 增多之后，验证证据成为瓶颈 04:11:38 候补名单、确认邮件与数据库接通 04:14:25 产品经理工作坊：重新定义 AI 同事 04:19:15 从数据洞察到产品交付，再把客户范围收窄 04:22:09 认识产品团队：幕僚长、工程经理与设计师 04:28:34 航空公司演示：从业务问题开始查数据 04:31:04 转化漏斗出现流失，先检查解释是否正确 04:31:42 数据交给产品机器人：形成第一版需求 04:36:22 设计系统与工程团队并行做原型 04:38:48 启动云端编码智能体，再加入验证环节 04:41:30 入职、记忆和降噪：团队协作的经验 04:46:15 回到创业现场：到底为谁做快闪活动 04:49:39 收窄客户范围，避免做成过度通用的平台 04:54:58 第一个场景需要什么：商品、场地与票务 04:57:50 用低保真草图讨论品牌线下体验 05:02:51 创始人的机器人工作台：客户、竞品与增长 05:06:46 让实体周边拥有功能：把机器人带到线下 05:13:34 商品画廊与定制体验：控制扩张的范围 05:21:39 平台如何从一个具体客户群逐步扩展 05:25:00 创作者的 AI 用例：先找可验证的工作循环 05:27:17 创始人工作坊开场：长期机器人为什么有价值 05:35:34 客户通话准备：数据、网站走查与历史反馈 05:40:15 从会后学习到客户支持与激活 05:44:10 追踪产品变化，并持续观察竞品 05:49:01 把客户反馈变成原型和工程任务 05:50:43 沟通风格机器人与杂项机器人各司其职 05:54:55 盘点委派任务，审计频率与模型使用 05:59:09 确定性、协作成本与 Day 1 的真实复盘 05:59:56 先盘点工作，再定义机器人职责 06:01:52 确定性问题：把明确规则交给代码执行 06:05:57 UI、无头浏览器与 API 的速度取舍 06:06:48 减少机器人闲聊，管理模型和上下文成本 06:11:34 Grok Bot 与云端编码智能体怎样配合 06:14:23 Jenny 的机器人团队与多业务协作 06:20:02 活动场地搜索：先把需求条件说具体 06:23:03 向场地询价、谈判，再做第一版制作预算 06:28:38 许可和合同：研究之后仍需专业复核 06:31:23 今晚让机器人做什么：搜寻、草拟与邀请名单 06:33:15 Day 1 复盘：基础设施有了，方向仍要收敛 相关链接 官方活动与日程：https://x.ai/galaxy 活动介绍：https://luma.com/3ifrgttw 来源与制作 对应原活动约 8 小时 44 分钟。复用已发布的 Day 1 中文正文，其中原第 6 集采用已修复重复的版本。社区逐字稿存在时间缺口，最长约 29 分钟；没有为缺口编造对话或补入长静音。 非官方中文 AI 译配，并非原主播声音。去除部分口头填充和无内容重复，保留正文顺序；未完成全程人工原声听校，转写、译文和发音仍可能存在错误。人物观点和产品能力描述保留直播当时语境。上述章节由现有音频单元的实测时间重新计算，对应此完整版，不能与原直播时间混用。 原人物映射沿用当前中文分集，匿名或难辨发言仍可能存在误分；部分中文音色会随原分集切换。 欢迎交流 欢迎带时间点反馈译文、发音或衔接问题，也欢迎分享你实际交给机器人的工作流。

原始直播（X）：https://x.com/i/broadcasts/1PKqrNyvmYwGb 原始英文逐字稿（社区整理）：https://github.com/tanker327/grok-bot-galaxy-notes/tree/3659ca6809f3fd82e1472c38fdf01858169d5ec8/content/day-2 Grok Bot Galaxy Day 2 中文 AI 译配 · 第 9/9 集 · 研发效能 EP18 本集内容 客服工作坊进入问答与收尾，随后三位共建者复盘第二天的成果。游戏已经连接后端并能使用真实账号登录，也仍有导入、界面和体验问题需要解决。团队展示机器人制作的音乐与测试工作，讨论下一步如何部署、邀请用户试玩并在第三天继续改进。 原直播主持人 • Matt Palmer（@mattyp）：《Grok Bot 101》作者，在 SpaceXAI 从事开发者关系（DevRel）。 • Lauren Tan（@poteto）：Cursor Principal Engineer，分享 AI 辅助软件开发实践。 • Roshan Sadanani（@roshan_s）：有支付产品背景，曾任 Stripe 支付 API 与多支付处理商产品负责人（2025 年）。 三人是本次活动的主要共建者；中文版本使用 AI 合成配音，并非他们的原声。 本集出场 • David Gan：本集开头延续客服工作坊与问答。 你会听到 • 客服场景中的授权、知识、信心不足和人工介入问题。 • 把真实账号、后端和完整流程接通之后，哪些问题才会显现。 • 音乐、视觉和测试机器人如何参与产品完成过程。 • 区分已经演示的功能与仍待修复、验证的计划。 • 第二天的复盘和第三天的用户反馈、试玩与增长方向。 时间轴（本集音频） 00:00 本集导听 00:08 客服工作坊：现场问答续 07:09 为这一天收尾 07:32 音频工程师机器人：先 Strudel，再 Suno 10:10 Lauren 的应用演示：X 登录与两个 bug 11:20 第三天的计划 11:50 Lauren 的机器人阵容：Whisk 与 Crum 12:33 Dr. Eggbot 复盘工作流 13:33 自动驾驶模式与成为“功能的导演” 13:58 Matt Palmer 谈广告市场 14:21 第二天复盘与抽奖赠送 15:23 Day 2 收尾：安装模板、直播福利与次日计划 关键词 • UserOps：围绕用户问题与产品使用开展的运营支持。 • 端到端验证：从入口到最终结果检查完整体验。 • Playtester：专门尝试产品并记录问题的测试角色。 • 复盘：基于实际结果确定下一步工作。 相关链接 官方活动与日程：https://x.ai/galaxy 活动介绍：https://luma.com/3ifrgttw 收听顺序 上一集：EP17｜Grok Bot Galaxy Day 2（8/9）｜机器人团队需要什么约束，客服自动化怎样落地 这是 Day 2 系列最后一集。 来源与制作 对应原直播 08:00:00–08:23:18。按原直播每小时分集；去除部分口头填充和无内容重复后翻译为中文，成品时长会变化。以上时间轴直接对应本集中文音频。 非官方中文 AI 译配，使用公开社区英文逐字稿，并对发现的缺口另行转写补核。未完成全程人工原声听校；人物、产品能力与活动信息以直播当时的表达为准。 中文男女声是为收听编排的译配声部，不是原主播声音，也不代表已逐句识别原发言人。原文包含多人对话，部分相邻发言被合并成朗读段落；本页区分原直播人物与中文配音。 本集含直播当时的限时活动信息，保留以交代现场语境；当前是否仍有效，请以主办方最新说明为准。 欢迎交流 你会先把哪个工作流交给机器人？欢迎带时间点讨论实践，也欢迎指出译文或发音问题。

原始直播（X）：https://x.com/i/broadcasts/1PKqrNyvmYwGb 原始英文逐字稿（社区整理）：https://github.com/tanker327/grok-bot-galaxy-notes/tree/3659ca6809f3fd82e1472c38fdf01858169d5ec8/content/day-2 Grok Bot Galaxy Day 2 中文 AI 译配 · 第 8/9 集 · 研发效能 EP17 本集内容 游戏工作室继续处理协作和工程约束：文档、代码修改、测试与不同机器人之间的职责。之后 David Gan 的客服工作坊用实际场景说明，怎样让机器人回答问题、处理退款、升级复杂情况，并维护自己的知识与操作流程。 原直播主持人 • Matt Palmer（@mattyp）：《Grok Bot 101》作者，在 SpaceXAI 从事开发者关系（DevRel）。 • Lauren Tan（@poteto）：Cursor Principal Engineer，分享 AI 辅助软件开发实践。 • Roshan Sadanani（@roshan_s）：有支付产品背景，曾任 Stripe 支付 API 与多支付处理商产品负责人（2025 年）。 三人是本次活动的主要共建者；中文版本使用 AI 合成配音，并非他们的原声。 本集出场 • David Gan：客服主题工作坊主讲。 你会听到 • 怎样避免多个机器人重复工作，或在不同上下文里各自行动。 • 文档、测试和代码审查在快速开发中承担什么角色。 • 客服自动化如何区分回答问题、执行操作和升级处理。 • 哪些高风险动作需要审批，哪些问题需要交给人。 • 用知识库、SOP 与反馈持续改进客服机器人。 时间轴（本集音频） 00:00 本集导听 04:50 把后端接到客户端，以及一座反馈工厂 09:09 评审游戏设计，以及两个对付 AI 味文字的 P-Stack 技能 10:35 一份权威的游戏设计文档，以及作为机器人之间总线的 Slack 12:47 把 Notion 作为唯一可信来源 13:47 Vercel functions，以及删掉所有测试 15:49 Cursor projects：一个长时间运行的协调者智能体 21:14 Tone：音频工程师机器人 23:15 直播福利：前 1000 名观众领取一个月 Grok Bot 24:20 David Gan：客服工作坊开始 27:05 使用场景 1：回答工单，先爬、再走、后跑 30:07 演示团队：build、reply、alert 和 tune 32:08 演示 1：一张密码重置工单 34:18 演示 3：两张退款工单，在 Stripe 里分别批准与拒绝 36:10 演示 4：tune 把缺失的答案写进 FAQ 关键词 • SOP：对重复操作建立明确步骤与边界。 • 升级处理：将复杂、低置信度或敏感问题交给人。 • 知识库：支持回答和操作判断的可维护资料。 • 评估与审批：验证能力，并控制会影响真实系统的操作。 相关链接 官方活动与日程：https://x.ai/galaxy 活动介绍：https://luma.com/3ifrgttw 收听顺序 上一集：EP16｜Grok Bot Galaxy Day 2（7/9）｜销售开发全流程，与游戏团队的协作成本 下一集：EP18｜Grok Bot Galaxy Day 2（9/9）｜客服问答与 Day 2 收官：产品真的能用了吗 来源与制作 对应原直播 07:00:00–08:00:00。按原直播每小时分集；去除部分口头填充和无内容重复后翻译为中文，成品时长会变化。以上时间轴直接对应本集中文音频。 非官方中文 AI 译配，使用公开社区英文逐字稿，并对发现的缺口另行转写补核。未完成全程人工原声听校；人物、产品能力与活动信息以直播当时的表达为准。 中文男女声是为收听编排的译配声部，不是原主播声音，也不代表已逐句识别原发言人。原文包含多人对话，部分相邻发言被合并成朗读段落；本页区分原直播人物与中文配音。 本集含直播当时的限时活动信息，保留以交代现场语境；当前是否仍有效，请以主办方最新说明为准。 欢迎交流 你会先把哪个工作流交给机器人？欢迎带时间点讨论实践，也欢迎指出译文或发音问题。

原始直播（X）：https://x.com/i/broadcasts/1PKqrNyvmYwGb 原始英文逐字稿（社区整理）：https://github.com/tanker327/grok-bot-galaxy-notes/tree/3659ca6809f3fd82e1472c38fdf01858169d5ec8/content/day-2 Grok Bot Galaxy Day 2 中文 AI 译配 · 第 6/9 集 · 研发效能 EP15 本集内容 对谈继续追问机器人在真实生活中的作用，随后切到企业和个人使用案例，再回到游戏工作室。团队讨论求职材料、工程任务和广告视频，用多个智能体处理不同环节，同时检查生成结果是否真的能支撑产品推广。 原直播主持人 • Matt Palmer（@mattyp）：《Grok Bot 101》作者，在 SpaceXAI 从事开发者关系（DevRel）。 • Lauren Tan（@poteto）：Cursor Principal Engineer，分享 AI 辅助软件开发实践。 • Roshan Sadanani（@roshan_s）：有支付产品背景，曾任 Stripe 支付 API 与多支付处理商产品负责人（2025 年）。 三人是本次活动的主要共建者；中文版本使用 AI 合成配音，并非他们的原声。 本集出场 • Matthew Berman：本集开头延续对谈。 • Kal De：企业使用案例中的发言人。 • Shardul Marathe：分享个人机器人工作流的嘉宾。 你会听到 • 延续 Matthew Berman 对日常任务和智能体管理的讨论。 • 企业案例怎样把代码理解和工程问题连接起来。 • 求职材料写作与批评机器人如何形成反馈循环。 • 用 Remotion 等工具制作游戏广告时，怎样协调素材、代码和预览。 • 直播里的活动与报名条件仍需按当时表述理解。 时间轴（本集音频） 00:00 本集导听 01:06 PG&E 的账单：一年一千美元 04:59 比以往更忙：多个智能体带来的认知负荷 07:31 Berman 自己的工作流程，以及一个行业尚未解决的问题 10:09 Nokia 谈用 Cursor 破釜沉舟 13:09 认识一下第一位前线部署实习生 17:12 演示：一个操作浏览器的招聘人员搜寻机器人 21:35 演示：求职信写作机器人、SWE 求职投递机器人和求职信评审机器人 25:48 用他自己的文风训练评审机器人 28:18 复利式增长的智能体、反馈闭环，以及一份每日工作日志 34:31 演示：给 Cupcake 的 Remotion 广告机器人写提示词 46:11 演示：在一个现有项目里把 Remotion 素材当作代码 51:57 完成的正方形广告、design mode，以及把代码当作唯一事实来源 59:03 观众模板挑战：参与方式与 Starbase 旅行奖励 59:56 切换至下一场 SDR 工作坊 关键词 • 反馈循环：生成、检查、修改，再次验证。 • Remotion：以代码生成视频的工具。 • 广告原型：用于验证表达和视觉方向的初步素材。 • 交付检查：确认输出真正能够运行、预览或使用。 相关链接 官方活动与日程：https://x.ai/galaxy 活动介绍：https://luma.com/3ifrgttw 收听顺序 上一集：EP14｜Grok Bot Galaxy Day 2（5/9）｜销售机器人团队与 Berman 的实践 下一集：EP16｜Grok Bot Galaxy Day 2（7/9）｜销售开发全流程，与游戏团队的协作成本 来源与制作 对应原直播 05:00:00–06:00:00。按原直播每小时分集；去除部分口头填充和无内容重复后翻译为中文，成品时长会变化。以上时间轴直接对应本集中文音频。 非官方中文 AI 译配，使用公开社区英文逐字稿，并对发现的缺口另行转写补核。未完成全程人工原声听校；人物、产品能力与活动信息以直播当时的表达为准。 中文男女声是为收听编排的译配声部，不是原主播声音，也不代表已逐句识别原发言人。原文包含多人对话，部分相邻发言被合并成朗读段落；本页区分原直播人物与中文配音。 本集含直播当时的限时活动信息，保留以交代现场语境；当前是否仍有效，请以主办方最新说明为准。 欢迎交流 你会先把哪个工作流交给机器人？欢迎带时间点讨论实践，也欢迎指出译文或发音问题。

原始直播（X）：https://x.com/i/broadcasts/1PKqrNyvmYwGb 原始英文逐字稿（社区整理）：https://github.com/tanker327/grok-bot-galaxy-notes/tree/3659ca6809f3fd82e1472c38fdf01858169d5ec8/content/day-2 Grok Bot Galaxy Day 2 中文 AI 译配 · 第 7/9 集 · 研发效能 EP16 本集内容 Simon Lackowski 展示如何把销售开发工作组织成由幕僚长和专门机器人执行的流程，涵盖寻找客户、筛选、安排跟进和复盘。随后直播回到游戏工作室，团队一边推进可玩的产品，一边处理机器人分工、上下文、任务交接和工具选择的问题。 原直播主持人 • Matt Palmer（@mattyp）：《Grok Bot 101》作者，在 SpaceXAI 从事开发者关系（DevRel）。 • Lauren Tan（@poteto）：Cursor Principal Engineer，分享 AI 辅助软件开发实践。 • Roshan Sadanani（@roshan_s）：有支付产品背景，曾任 Stripe 支付 API 与多支付处理商产品负责人（2025 年）。 三人是本次活动的主要共建者；中文版本使用 AI 合成配音，并非他们的原声。 本集出场 • Simon Lackowski：销售开发主题工作坊主讲。 你会听到 • 销售开发流程怎样从零散小任务变成持续运行的工作。 • 幕僚长和专职机器人如何分工、交接与汇报。 • 对外联络需要怎样的检查与人为控制。 • 游戏团队如何把产品、工程和运营任务串起来。 • 重复实现、上下文不足和人的协调负担怎样拖慢进展。 时间轴（本集音频） 00:00 本集导听 05:23 Simon：客户开发与理想客户画像 06:35 用例二：序列器，以及来自客户经理通话的上下文 07:51 用例三：基于内部与外部信号的客户调研 09:54 他的机器人团队，以及幕僚长为什么要排在第一位 13:18 演示：每日例行任务、50 个潜在客户与收件箱管理 17:41 演示：让文案摆脱模板模式 24:15 演示：两个自定义技能，客户开发与 Grok Bot 的 ICP 26:48 收获与启示 29:24 问答环节 35:16 搭建进展，以及客户端与服务端为什么要拆开 37:33 在 Notion 里建起一份共享待办清单 41:35 用语音模式同时三次创建同一个 Slack 机器人 46:16 用代码做的 Remotion 广告，以及来自 Figma 的 iPhone 外框 52:07 专职机器人与自制的工单系统 关键词 • SDR：负责销售线索开发与资格筛选的岗位。 • Prospecting：寻找和研究潜在客户。 • 端到端流程：从输入到结果的完整链路。 • 任务交接：传递背景、当前状态和明确的完成标准。 相关链接 官方活动与日程：https://x.ai/galaxy 活动介绍：https://luma.com/3ifrgttw 收听顺序 上一集：EP15｜Grok Bot Galaxy Day 2（6/9）｜从个人任务到广告制作，把机器人用在交付上 下一集：EP17｜Grok Bot Galaxy Day 2（8/9）｜机器人团队需要什么约束，客服自动化怎样落地 来源与制作 对应原直播 06:00:00–07:00:00。按原直播每小时分集；去除部分口头填充和无内容重复后翻译为中文，成品时长会变化。以上时间轴直接对应本集中文音频。 非官方中文 AI 译配，使用公开社区英文逐字稿，并对发现的缺口另行转写补核。未完成全程人工原声听校；人物、产品能力与活动信息以直播当时的表达为准。 中文男女声是为收听编排的译配声部，不是原主播声音，也不代表已逐句识别原发言人。原文包含多人对话，部分相邻发言被合并成朗读段落；本页区分原直播人物与中文配音。 本集含直播当时的限时活动信息，保留以交代现场语境；当前是否仍有效，请以主办方最新说明为准。 欢迎交流 你会先把哪个工作流交给机器人？欢迎带时间点讨论实践，也欢迎指出译文或发音问题。

原始直播（X）：https://x.com/i/broadcasts/1PKqrNyvmYwGb 原始英文逐字稿（社区整理）：https://github.com/tanker327/grok-bot-galaxy-notes/tree/3659ca6809f3fd82e1472c38fdf01858169d5ec8/content/day-2 Grok Bot Galaxy Day 2 中文 AI 译配 · 第 5/9 集 · 研发效能 EP14 本集内容 本集主要围绕销售团队与个人智能体实践展开。Krista Letz 和 Mark Wright 展示如何让机器人处理销售线索、会议记录、客户跟进和技术问题；随后 Matt Palmer 与 Matthew Berman 对谈，讨论家庭事务、实际任务和同时管理多个智能体时出现的协调负担。 原直播主持人 • Matt Palmer（@mattyp）：《Grok Bot 101》作者，在 SpaceXAI 从事开发者关系（DevRel）。 • Lauren Tan（@poteto）：Cursor Principal Engineer，分享 AI 辅助软件开发实践。 • Roshan Sadanani（@roshan_s）：有支付产品背景，曾任 Stripe 支付 API 与多支付处理商产品负责人（2025 年）。 三人是本次活动的主要共建者；中文版本使用 AI 合成配音，并非他们的原声。 本集出场 • Krista Letz、Mark Wright：销售主题工作坊主讲。 • Matthew Berman：本集后半段对谈嘉宾。 你会听到 • 把销售助手拆成职责明确的机器人团队。 • 从会议与邮件中提炼后续动作，并连接技术知识。 • 机器人主动工作时，如何保持可检查的输出和审批。 • Matthew Berman 分享家庭机器人和日常任务的使用方式。 • 当执行变快，为什么人反而需要花更多精力管理和确认。 时间轴（本集音频） 00:00 本集导听 00:44 销售工作坊：从 AI 助手到机器人团队 04:53 Krista 的机器人团队 06:44 演示：幕僚长 Olive 07:57 演示：PG，销售管道生成 10:59 演示：Salesforce 后续步骤 12:51 演示：连接代码库的工程师机器人 17:13 三条建议：接通工具栈、一个机器人一份工作、把例行任务用起来 18:31 问答环节 28:30 介绍 Matthew Berman 31:05 家庭机器人 36:01 在 Facebook Marketplace 和 eBay 上卖掉家里的东西 38:08 个人问题映射到商业问题 40:43 上下文切换与“上下文搜索” 42:54 Microsoft Recall、隐私，以及安全性的变化 关键词 • GTM：面向市场的销售与客户协作工作。 • Pipeline：从潜在线索到成交的销售进展。 • Chief of Staff：帮助协调信息与任务的幕僚长机器人。 • 人机协作：安排任务、核验结果与处理例外。 相关链接 官方活动与日程：https://x.ai/galaxy 活动介绍：https://luma.com/3ifrgttw 收听顺序 上一集：EP13｜Grok Bot Galaxy Day 2（4/9）｜个人自动化之后，怎样把游戏流程设计清楚 下一集：EP15｜Grok Bot Galaxy Day 2（6/9）｜从个人任务到广告制作，把机器人用在交付上 来源与制作 对应原直播 04:00:00–05:00:00。按原直播每小时分集；去除部分口头填充和无内容重复后翻译为中文，成品时长会变化。以上时间轴直接对应本集中文音频。 非官方中文 AI 译配，使用公开社区英文逐字稿，并对发现的缺口另行转写补核。未完成全程人工原声听校；人物、产品能力与活动信息以直播当时的表达为准。 中文男女声是为收听编排的译配声部，不是原主播声音，也不代表已逐句识别原发言人。原文包含多人对话，部分相邻发言被合并成朗读段落；本页区分原直播人物与中文配音。 欢迎交流 你会先把哪个工作流交给机器人？欢迎带时间点讨论实践，也欢迎指出译文或发音问题。

原始直播（X）：https://x.com/i/broadcasts/1PKqrNyvmYwGb 原始英文逐字稿（社区整理）：https://github.com/tanker327/grok-bot-galaxy-notes/tree/3659ca6809f3fd82e1472c38fdf01858169d5ec8/content/day-2 Grok Bot Galaxy Day 2 中文 AI 译配 · 第 4/9 集 · 研发效能 EP13 本集内容 Karen X. Cheng 的对谈收尾后，团队继续推进 Cupcake 游戏。工作重点转向流程和界面：选择队长、安排阵容、等待匹配、展示结果；同时讨论哪些信息应该隐藏、什么时候让用户看到细节，以及怎样让多个机器人围绕共同文档协作。 原直播主持人 • Matt Palmer（@mattyp）：《Grok Bot 101》作者，在 SpaceXAI 从事开发者关系（DevRel）。 • Lauren Tan（@poteto）：Cursor Principal Engineer，分享 AI 辅助软件开发实践。 • Roshan Sadanani（@roshan_s）：有支付产品背景，曾任 Stripe 支付 API 与多支付处理商产品负责人（2025 年）。 三人是本次活动的主要共建者；中文版本使用 AI 合成配音，并非他们的原声。 本集出场 • Karen X. Cheng：本集开头延续上一集对谈。 你会听到 • 个人工具如何围绕使用者的生活习惯工作。 • 把白板想法拆成完整的用户操作流程。 • 队长、阵容和战斗信息的显示顺序怎样影响体验。 • 设计稿、文档与工程任务如何保持一致。 • 多机器人协作中，人的审批、合并和协调怎样成为瓶颈。 时间轴（本集音频） 00:00 本集导听 01:03 在 iMessage 上做 if-then 逻辑 04:28 休息归来与联网打印机 07:36 对局流程：从选队长到匹配对手 08:22 把数字藏起来：用相对强度代替属性值 11:02 走一遍原型：假登录、钻石段位和总结界面 14:02 推送到仓库，以及第一场完整对战 17:10 没时间走 PR 19:27 排行榜与录像回放 22:06 用 Grok Imagine 做技能图标 25:57 为什么智能体写的规则会过拟合，以及 P-Stack 的来历 28:29 正在运行的机器人，以及在 main 分支上做 rebase 31:54 功能开关、控制台黑客与服务端驱动的游戏逻辑 41:54 试玩测试、ELO 的持久保存与玩家手感 44:19 会验证自己成果的智能体，以及多任务的实际演示 关键词 • 用户流程：从进入产品到完成目标的一连串操作。 • 队长与阵容：本次游戏原型中的核心选择。 • 设计评审：在实现过程中持续核对体验与规则。 • 共享文档：让多人和多个机器人围绕同一份约束工作。 相关链接 官方活动与日程：https://x.ai/galaxy 活动介绍：https://luma.com/3ifrgttw 收听顺序 上一集：EP12｜Grok Bot Galaxy Day 2（3/9）｜先让游戏能玩，再看 AI 怎样进入真实生活 下一集：EP14｜Grok Bot Galaxy Day 2（5/9）｜销售机器人团队与 Berman 的实践 来源与制作 对应原直播 03:00:00–04:00:00。按原直播每小时分集；去除部分口头填充和无内容重复后翻译为中文，成品时长会变化。以上时间轴直接对应本集中文音频。 非官方中文 AI 译配，使用公开社区英文逐字稿，并对发现的缺口另行转写补核。未完成全程人工原声听校；人物、产品能力与活动信息以直播当时的表达为准。 中文男女声是为收听编排的译配声部，不是原主播声音，也不代表已逐句识别原发言人。原文包含多人对话，部分相邻发言被合并成朗读段落；本页区分原直播人物与中文配音。 欢迎交流 你会先把哪个工作流交给机器人？欢迎带时间点讨论实践，也欢迎指出译文或发音问题。

原始直播（X）：https://x.com/i/broadcasts/1PKqrNyvmYwGb 原始英文逐字稿（社区整理）：https://github.com/tanker327/grok-bot-galaxy-notes/tree/3659ca6809f3fd82e1472c38fdf01858169d5ec8/content/day-2 Grok Bot Galaxy Day 2 中文 AI 译配 · 第 3/9 集 · 研发效能 EP12 本集内容 游戏原型进入实际试玩和调整：属性计算、阵容、匹配结果与界面反馈暴露了需要修正的细节。讨论中穿插咖啡店使用机器人的真实案例，随后转入 Karen X. Cheng 的对谈，展示从生活中的具体麻烦出发，制作个人自动化工具的方法。 原直播主持人 • Matt Palmer（@mattyp）：《Grok Bot 101》作者，在 SpaceXAI 从事开发者关系（DevRel）。 • Lauren Tan（@poteto）：Cursor Principal Engineer，分享 AI 辅助软件开发实践。 • Roshan Sadanani（@roshan_s）：有支付产品背景，曾任 Stripe 支付 API 与多支付处理商产品负责人（2025 年）。 三人是本次活动的主要共建者；中文版本使用 AI 合成配音，并非他们的原声。 本集出场 • Karen X. Cheng：本集后半段对谈嘉宾。 • Marcel：咖啡业务使用案例中自我介绍的经营者。 你会听到 • 通过试玩和数值调整验证核心玩法，及时发现错误假设。 • 界面为什么不能只像任务看板，游戏需要怎样的反馈。 • 咖啡店如何用机器人处理信息噪音、经营数据和重复事务。 • Karen X. Cheng 从个人需求出发设计机器人与硬件结合的工作流。 • 自动生成的个人报纸如何帮助减少被手机信息牵着走。 时间轴（本集音频） 00:00 本集导听 01:20 第一个可玩版本和一个属性值 bug 02:44 调试面板和那个不听话的滑块 03:41 打第一局，以及这个游戏如何结算 06:10 用生成图像寻找美术方向 08:24 切播：Icon Coffee 的 Marcel 和他的机器人 Rex 11:19 套上 Pokemon 卡牌 CSS，结果闪得过头 12:54 读思考块，把错误变成技能 16:41 用竞技场让弱势机器人变得有用 18:12 Roshan 对谈 Karen X. Cheng：个人自动化 21:50 趁你睡觉时打印好的早报 24:24 模板内部：一份 30 页长的提示词 29:01 用 Cursor 做出的“世界上最笨的智能手机” 30:10 用 Grok Bot 重做这个想法：包裹追踪器 34:03 这些想法从哪里来：无屏幕周末 关键词 • Elo：用于匹配和排名的等级分思路。 • 原型测试：观察实际体验，再修改规则和界面。 • 个人自动化：围绕真实生活流程减少重复操作。 • 信息过滤：保留需要行动的信号，减少重复通知。 相关链接 官方活动与日程：https://x.ai/galaxy 活动介绍：https://luma.com/3ifrgttw 收听顺序 上一集：EP11｜Grok Bot Galaxy Day 2（2/9）｜从竞品调研到工程原型，机器人怎样协作 下一集：EP13｜Grok Bot Galaxy Day 2（4/9）｜个人自动化之后，怎样把游戏流程设计清楚 来源与制作 对应原直播 02:00:00–03:00:00。按原直播每小时分集；去除部分口头填充和无内容重复后翻译为中文，成品时长会变化。以上时间轴直接对应本集中文音频。 非官方中文 AI 译配，使用公开社区英文逐字稿，并对发现的缺口另行转写补核。未完成全程人工原声听校；人物、产品能力与活动信息以直播当时的表达为准。 中文男女声是为收听编排的译配声部，不是原主播声音，也不代表已逐句识别原发言人。原文包含多人对话，部分相邻发言被合并成朗读段落；本页区分原直播人物与中文配音。 欢迎交流 你会先把哪个工作流交给机器人？欢迎带时间点讨论实践，也欢迎指出译文或发音问题。