Advertise on podcast: 瑜伽姐的斜杠人生

本期嘉宾｜林浩 AI Agent 工程师，目前在网易从事 AI 全栈开发，为游戏美术同事开发 AI 创作平台。 他的职业路径从字节后端研发开始，后来进入网易，逐步从后端拓展到前端、客户端和 AI 全栈开发。过去遇到不熟悉的技术领域，往往需要找不同岗位的同事协作；现在借助 AI，他可以先把事情跑起来，再边做边学。 在工作中，他参与的产品也从早期的生图平台，逐渐走向更复杂的通用 Agent 平台：不只是生成一张图或一段视频，而是要理解美术同事的审美、上下文、知识库、用户记忆和完整创意生产流程。 林浩这一期最有价值的地方，不是讲“AI怎么写代码”，而是讲清楚一个工程师在AI时代的真实体感：能力边界被打开了，代码产出变快了，工作流被重构了，但人的注意力、判断力、需求拆解能力和最终兜底责任，反而变得更重要。 但这一期真正重要的，不只是“AI让工程师更强了”。 我们还聊到另一面： AI让代码产出越来越快，文档越来越多由AI生成，团队协作也开始变成“你的AI写一份文档，我的AI再读这份文档”。效率是提高了，但人的注意力也被撕碎了。多任务、多窗口、多模型、多Agent并行之后，人反而更难进入深度思考和心流状态。 这一期我们会聊到： 为什么AI会打破后端、前端、客户端之间的边界；为什么通用Agent平台不只是生成图片，而是要理解用户记忆、知识库和完整生产流程；为什么工程师在AI时代仍然要负责需求翻译、伪需求判断、历史上下文和发布兜底；以及，为什么AI让我们能做更多事，却更难专注一件事。 这不是一集AI Coding工具分享。 而是一集关于： AI时代，工程师如何拓宽能力边界，同时重新夺回自己的注意力、判断力和深度思考能力。 主持人：Fancy嘉宾：林浩 即刻/小红书/微信公众号：一切顺利鸭 b 站：一切顺利鸭啊 微信号：azerocoder 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube.时间线 00:00–01:13｜嘉宾登场：林浩，AI Agent工程师，从字节后端研发到网易AI全栈开发 01:13–03:12｜林浩自我介绍：从后端、前端、客户端到全栈，AI帮助工程师拓宽能力边界 03:12–06:52｜后端到全栈的转变：AI如何帮助工程师从幕后走到幕前 06:52–10:05｜从数据和服务器，到网页、客户端、App：工程师成就感如何被重新激活 10:05–13:17｜从生图平台到通用Agent平台：技术变化背后，其实是用户场景变复杂了 13:17–17:30｜美术创作平台的两类用户：高标准精细打磨型，以及希望AI自动完成任务型 17:30–24:23｜AI会写代码之后，工程师还负责什么：需求翻译、伪需求判断、代码审查、历史上下文和发布兜底 24:23–27:18｜工程师经验的价值：有些“Bug”不能随便修，修掉反而可能引发更大的系统问题 27:18–36:00｜非工程师如何更好地向AI表达需求：上下文管理、目录整理、工作区收窄和素材归档 36:00–41:47｜林浩的Markdown知识库：从过度分类到只保留输入、整理和深度思考 41:47–48:02｜为什么选择太多会撕碎注意力：过度分类、完美主义和决策疲劳 48:02–52:41｜工程师的完美主义：追求优雅代码和高质量，但也可能造成注意力消耗 52:41–57:13｜给AI说明任务的三个关键：目标、边界、可验证结果 57:13–01:03:45｜AI之间的文档协作：产品经理给AI写文档，工程师再把文档交给自己的AI分析 01:03:45–01:08:40｜效率提升后的副作用：AI执行太快，多会话并行让人失去学习和思考过程 01:08:40–01:15:15｜多窗口、多模型、多任务为什么会跑偏：AI Review可能越修越远，目标需要反复拉回 01:15:15–01:21:24｜系统化与解耦：如何让AI帮助拆任务，而不是让多个自动化流程互相打架 01:21:24–01:25:26｜美术创作场景里，哪些交给AI，哪些必须留给人：批量、格式、生成交给AI，审美和精细调整留给人 01:25:26–01:33:15｜AI短剧、AI游戏和新一代用户：我们是不是低估了AI原生内容的接受度？ 01:33:15–01:35:17｜工程师观念的变化：从不信任AI生成代码，到发现AI确实能提高效率 01:35:17–01:43:28｜工程师的职业风险：AI工具建设者、AI用户和AI平台之间的边界正在变薄 01:43:28–01:51:27｜工程师是否适合创业：技术能力强，但0到1、用户、市场和商业化可能是更大门槛 01:51:27–01:54:57｜公众号与后续输出：林浩可以把工程师思维、规则化经验和AI时代的工作方法分享给更多非工程师 01:54:57–01:55:06｜结尾：感谢林浩，也期待他后续继续分享工程师视角下的AI协作方法 10个深度问题你从字节后端研发到网易AI全栈开发，最大的能力边界变化是什么？ 后端、前端、客户端在过去分别解决什么问题？AI为什么会打破这些岗位之间的护城河？ 你第一次借助AI做出以前自己不敢想的客户端产品时，最大的体感是什么？ 从生图平台到通用Agent平台，为什么真正变化的不只是技术，而是用户场景？ 面向游戏美术同事做AI创作平台时，你如何理解“审美”“用户记忆”“知识库”和“生产流程”？ AI会写代码以后，工程师还不能被替代的价值到底在哪里？ 你提到有些Bug不能随便修，为什么历史上下文和系统包袱反而是工程师经验的一部分？ 对非工程师来说，如何用工程师思维向AI描述任务？一个好任务应该包含哪些关键要素？ AI让执行变快以后，为什么人反而更容易失去心流和独立思考？ 未来工程师如果不想只被AI Coding工具替代，应该往产品、系统、商业、用户，还是组织协作方向拓展？ 5个吸引力亮点1. 这期把“AI全栈工程师”讲得很真实林浩不是抽象说工程师要转型，而是具体讲到：后端工程师过去主要维护数据、服务器和基础设施；现在借助AI，可以自己做前端、客户端，甚至独立完成一个产品闭环。 2. “AI提高效率，也剥夺注意力”是这期最强钩子林浩明确提到，AI确实提高了效率，但不同工作之间快速切换，也会让人的注意力不断被稀释，最后很难进入心流状态。这个问题很适合所有高频使用AI的人听。 3. 工程师还负责什么，这期拆得非常清楚不是一句“工程师不会被替代”就结束，而是拆成：需求承接、需求翻译、伪需求判断、代码审查、历史上下文判断、发布上线、异常兜底和责任承担。 4. 这期非常适合非工程师学习“工程师思维”林浩讲到，上下文、目录、工作区、记录、数据和可验证结果，都会影响AI的输出质量。对外贸老板、产品经理、内容创作者来说，这期能帮助他们理解：不是提示词越复杂越好，而是你的信息结构越清楚，AI越容易帮你做对。 5. 对AI协作副作用的讨论很有价值这期讨论了一个很新的现象：产品经理用AI生成文档，工程师再把文档丢给自己的AI，AI和AI之间在传递信息，人反而变成文档搬运工。这种协作效率更高，但也可能削弱人的沟通、碰撞和思考。 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

本期嘉宾｜Eric 智能硬件跨境创业者，现跟随朋友一起在硬件产品跨境行业创业，担任项目合伙人，负责多渠道产品商业化与用户运营。Eric 的职业路径非常多元：2018年普通本科毕业，2020年底海外硕士毕业，之后经历海外头部社交直播、金融交易所、智能硬件公司，再进入硬件产品跨境创业阶段。 他曾在海外社交直播公司负责南亚市场，也进入过金融交易所领域，后来因为希望做“看得见、摸得着、能被用户真实反馈”的产品，转向智能硬件行业。Eric 自己提到，硬件产品让他能直接感受到产品好不好、用户喜不喜欢，以及商业化是否真正有效。 过去三年，他在智能硬件公司负责用户与商业化产品运营，也经历了事业、见识和心智上的提升。进入创业阶段后，AI 对他来说不只是提效工具，而是逐渐成为资料调研、产品原型、数据分析、知识库整理、视频图片生成、个人复盘、商业判断和成长记录中的“大脑与执行助手”。 来了矛盾… 这一期我们会聊到： 为什么普通人的职业选择要把兴趣和时代趋势结合起来；为什么智能硬件创业不能只理解软件，而要回到真实用户场景；为什么AI能提效，也会制造新的老板与员工、创作者与工具之间的矛盾；以及，为什么AI越强，人越要保持自己的活人感、判断力和表达欲。 这不是一集AI工具教程。 而是一集关于： 当AI越来越像大脑和执行助手之后，人如何不被工具吞掉，而是更清楚地认识自己、表达自己，并把自己持续迭代成更有生命力的人。 主持人：Fancy 嘉宾：Eric 即刻：Ericeeeeeeee 微信：veidoooooooo 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线00:00–01:00｜嘉宾登场：Eric，智能硬件跨境创业者，负责多渠道产品商业化与用户运营 01:00–01:52｜Eric 自我介绍：跨行业、多元化背景，把自己定义为“游荡者” 01:52–05:40｜职业路径回顾：从普通本科、海外硕士，到海外社交直播、金融交易所和智能硬件 05:40–08:34｜趋势与兴趣的结合：普通人如何在大趋势下寻找自己的职业路径 08:34–10:27｜敢于尝试的重要性：不知道自己喜欢什么时，要把自己放进世界里碰撞 10:27–12:48｜智能硬件创业的三个核心能力：理解商业本质、了解用户特性、适应新环境 12:48–16:43｜从互联网到智能硬件：为什么硬件行业必须回到真实用户场景 16:43–20:52｜创业后视角变化：不再只做一个模块，而要看到资源、供应链、用户、团队和商业闭环 20:52–23:17｜创业不是想一出是一出：前端市场调研、资源盘点和团队串联都要进入决策 23:17–29:07｜Eric 保留下来的能力：环境适应力、商业理解力，以及在团队中推动开放沟通 29:07–34:02｜从仰视到平视：上一份工作带来的心智提升，如何让他真正“看见自己” 34:02–38:12｜为什么敢于表达很重要：在自己的专业领域，要有话语权和主导权 38:12–41:57｜AI作为“大脑”和“执行助手”：一个负责打破信息差，一个负责落地确定性任务 41:57–48:16｜如何用AI做前置思考：Context、目标感、产品闭环和风险预判 48:16–52:42｜AI最明显改变的两件事：市场资料调研和个人复盘 52:42–58:49｜市场调研如何从不信任到信任：来源验证、竞品Top列表、链接核验和Agent训练 58:49–01:06:58｜AI个人复盘：六年日记如何变成个人Context，帮助自己被第三方视角批判 01:06:58–01:11:23｜什么是“活人感”：AI越强，人越要保留自己的声音、表达和生命力 01:11:23–01:16:53｜为什么AI时代更需要人的多样性：物理世界趋同后，生命体验反而更重要 01:16:53–01:22:19｜长期自动化工作流：市场信息整理、英语学习素材和跨境行业敏感度 01:22:19–01:23:53｜自动化提醒自己保持谦虚：不要把过去经验误认为未来答案 01:23:53–01:25:18｜给创业者的一个具体动作：让常用Agent总结你过去对话里的Top3问题和To-do 01:25:18–01:29:24｜AI带来的矛盾：老板误解提效、员工被要求立刻产出、创作者和AI生成之间产生冲突 01:29:24–01:33:55｜不要把知道当能力：真正理解AI，要在工作和生活里持续深度使用 01:33:55–01:34:52｜结尾总结：AI时代每个普通人都需要自我迭代、自我认识和持续进化 10个深度问题你从海外社交直播、金融交易所到智能硬件跨境创业，这条路径背后的主线是什么？ 你为什么会说自己像一个“游荡者”？这个身份感对你的职业选择有什么影响？ 对普通人来说，职业选择到底应该跟随兴趣，还是跟随时代趋势？ 你进入智能硬件行业后，最大的体感变化是什么？为什么硬件比纯互联网更需要真实用户反馈？ 你提到智能硬件创业需要理解商业本质、用户特性和环境适应性，这三者分别怎样落到具体动作里？ 从公司员工到创业合伙人，你最大的视角变化是什么？ 你说AI既像“大脑”，又像“执行助手”。在你的工作里，这两个角色具体有什么区别？ 你用AI做市场调研时，如何判断它给出的信息是否可信？ 你用AI复盘六年日记，最大的发现是什么？为什么AI能帮助人更诚实地面对自己？ 你说AI给我们带来了矛盾。这个矛盾具体发生在老板与员工、创作者与工具、个人能力与AI能力之间的哪些地方？ 5个吸引力亮点1. 嘉宾职业路径很有“普通人逆向成长”的参考价值Eric不是一开始就拿到最优剧本，而是从普通本科、海外硕士、海外社交、金融交易所、智能硬件一路切换过来。他这条路径很适合讲给听众听：普通人不是靠一次选择定终身，而是在趋势、尝试、反馈和自我认识中不断修正。 2. 这期把“AI作为大脑和执行助手”讲得很清楚Eric把AI分成两个角色：一个是大脑，帮助他打破信息差、补充背景、提出问题；一个是执行助手，帮助他整理资料、输出PRD、做原型、生成会议纪要和To-do。 3. “活人感”是这期最有辨识度的概念这期不是单纯讲AI提效，而是讲AI越强之后，人为什么更要保持自己的声音、表达、好奇心和生命力。Eric 提到，活人感意味着不被定义、持续表达、听见自己的声音，并用运动、社交、独处、记录、旅行等方式和世界碰撞。 4. AI个人复盘部分Eric记录了六年日记，现在用AI把日常记录变成个人Context，再让Agent每周总结过去的变化、重点和问题。这和你一直讲的“个人数字资产”“判断系统”“长期复盘”高度一致。他也强调，AI的作用不是替你做决定，而是不断激发你的思考和判断。 5. 这期能直接回应企业AI落地中的真实矛盾Eric提到，很多老板会以为“AI这么强，员工就应该半小时完成原来五天的工作”，但真实业务里AI仍然需要理解行业、校准结果和匹配用户场景。这个矛盾非常适合企业老板和员工一起听。 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

嘉宾介绍 本期嘉宾｜小白 98年生，互联网产品经理，工作6年，长期深耕程序化广告和广告投放产品。她的职业路径从软件工程专业出发，最初做工程产品，后来进入广告投放行业，经历过广告平台功能、素材迭代、数据洞察、归因分析、广告策略、投放链路和商业化指标优化。她过去经历包括“两年工程产品、四年策略产品”，现在进入 AI + 策略产品 阶段。小白的特别之处在于，她不是把AI当成聊天工具，而是把AI当成：程序员、数据助理、自动化执行员、副业搭子和个人能力放大器。 在工作里，她用AI处理PRD、原型图、甘特图、报表查询、API调用、数据更新、自动化任务和广告策略辅助；在工作外，她也用AI帮助朋友搭建民宿独立站，并把自己的广告投放经验变成自动化副业系统。 这一期，我和小白聊了聊广告投放产品经理的AI新工位。 我们聊到广告投放里的归因、ROI、预算、人群、素材、落地页和数据反馈，也聊到AI如何改变产品经理的日常工作：PRD、原型图、甘特图、PPT、报表、API调用、自动化任务，都开始变成“AI先做人来修”。 小白有一句话我很喜欢： 人弱则AI补全，人强则AI执行。 你没有框架，AI可以帮你补框架。你已经有方法论，AI就可以帮你执行和放大。 这期也会聊到她如何用AI做民宿独立站、广告投放副业自动化，以及为什么AI未来可能会成为新的广告渠道。 主持人：Fancy 嘉宾：小白 即刻：小白本白 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线00:00–01:35｜嘉宾登场：小白，98年生，6年互联网产品经理，长期深耕大厂广告投放和程序化广告 01:35–03:43｜小白自我介绍：从工程产品、策略产品，到AI+策略产品，AI让他开始破圈 03:43–06:34｜为什么从软件工程转向产品经理：写代码不是最爽的，把用户需求变成可用产品才是 06:34–08:09｜广告投放产品经理的爽感：通过数据洞察、逻辑推理和结果指标验证自己的判断 08:09–12:58｜程序化广告到底复杂在哪里：归因、ROI、涨量、跌量、媒体竞争和策略调控 12:58–17:48｜为什么手机广告越来越多：App商业化、广告位扩张、用户体验和公司KPI之间的冲突 17:48–21:29｜一套完整广告投放系统：预算、流量、人群、出价、素材、落地页、转化和数据反馈 21:29–24:47｜外贸B端广告投放怎么理解：独立站、落地页、关键词、媒介拆分和归因意识 24:47–28:57｜广告冷启动里的Benchmark：平台、行业经验、用户画像和媒体数据如何帮助第一波投放 28:57–34:40｜从工程产品到策略产品：功能产品像搭货架，策略产品决定货架上摆什么 34:40–39:12｜AI+策略产品的新变化：PRD更快了，但开发、测试、验收和落地压力也变大了 39:12–42:11｜为什么一人公司开始成立：AI让产品经理可以自己写代码、做页面、接数据库和上线系统 42:11–48:27｜AI如何改变产品经理日常：原型图、甘特图、流程图、PPT，从手搓变成AI先出、人来修 48:27–53:10｜“人弱则AI补全，人强则AI执行”：AI可以帮新手搭框架，也可以帮高手规模化执行 53:10–57:32｜哪些工作最适合先交给AI：表格、Word、PPT、流程图、数据分析、自动化任务和确定性工作 57:32–01:03:05｜什么不能完全交给AI：钱、投放预算、广告调控、ROI阈值和需要人兜底的策略判断 01:03:05–01:06:30｜规则沉淀的重要性：AI自进化也需要规则，真正的进化路径仍然由人定义 01:06:30–01:12:48｜产品经理是老板的翻译官：把模糊需求翻译成清晰功能，把经验变成知识库和系统规则 01:12:48–01:17:29｜小白如何学习AI：从公司AI转型开始，把工作交给AI，再找朋友需求练手 01:17:29–01:18:44｜AI帮朋友做民宿独立站：前端页面、数据库、后端接口、海外服务器和预订系统 01:18:44–01:22:30｜副业怎么开始：先从自己最熟悉、最知道哪里能赚钱的行业开始 01:22:30–01:26:46｜广告投放副业自动化：定时报表、规则执行、ROI复盘和AI辅助调控 01:26:46–01:29:45｜副业和主业的关系：主业积累经验，副业换服务人群和变现模式 01:29:45–01:32:12｜给AI学习者的建议：没有idea就问身边人需求，用实践制造方法论 01:32:12–01:36:06｜AI会不会成为新的广告渠道：当AI成为入口，它也会成为黄金广告位 10个深度问题你为什么从软件工程转向产品经理？产品经理这份工作真正吸引你的是什么？ 广告投放产品经理和普通产品经理最大的区别是什么？ 程序化广告里，归因、ROI、出价、素材、落地页、转化链路之间到底是什么关系？ 为什么广告行业会天然训练一个人的数据敏感度和复杂逻辑推理能力？ 你说“功能产品像搭货架，策略产品决定货架上摆什么”，这个比喻背后代表什么产品能力？ AI进入你的工作之后，PRD、原型图、甘特图、报表和自动化任务分别发生了什么变化？ 你提出“人弱则AI补全，人强则AI执行”，这个判断具体是什么意思？ 广告投放里哪些动作可以交给AI自动执行，哪些动作必须由人来兜底判断？ 你为什么认为AI不是magic？没有SOP、知识库、规则和工作技能时，AI为什么帮不了你赚钱？ 对一个想做副业但不知道从哪里开始的人来说，为什么要先从自己最熟悉的行业和能赚钱的节点开始？ 5个吸引力亮点1. “人弱则AI补全，人强则AI执行”是这期最强观点小白把AI使用讲得很准确：如果你没有方法论，AI可以帮你补框架；如果你已经有业务Know-how，AI就能帮你执行、放大、自动化。这句话非常适合成为这一期的传播钩子。 2. 广告投放部分对外贸老板很有启发这期把广告投放拆成预算、渠道、人群、素材、落地页、归因、转化和ROI，不是泛泛讲“投广告”，而是讲清楚：钱花出去以后，必须知道为什么涨、为什么跌、哪里有效、哪里浪费。 3. AI一人公司的现实路径讲得很清楚小白不是空谈“一人公司”，而是从自己的工作能力出发：产品经理 + 广告投放 + AI编程 + 自动化副业。他用AI做过民宿独立站，也把广告投放副业逐步做成自动化系统。 4. 这期能帮听众理解：AI不是工具焦虑，而是工作流重构小白反复强调，不是哪个AI工具火就追哪个，而是先清楚自己的任务、目标、流程、风险和判断边界。尤其是自动化任务、确定性任务、报表更新、数据处理，最适合先被AI接管。 5. 这期最后的“AI广告位”判断很有未来感当AI成为所有人的入口，它就可能成为新的黄金广告位。小白提到，未来AI推荐衣服、商品、服务，本质上都可能变成广告变现的一部分；但AI广告既不同于搜索广告，也不同于信息流广告，新的计费方式和商业模式还需要重新设计。 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

嘉宾介绍 本期嘉宾｜kangyuan 互联网大厂 AI 产品运营，长期在 ToB 市场中做产品、运营、增长和客户场景相关工作。他最早做过数据产品，后来做产品运营、ToB增长，也经历过头部互联网公司的本地生活业务、创业公司，再到现在进入大厂做 AI 产品运营。康源自己的总结是：虽然工作年限不算特别长，但他一直在 ToB 市场中打磨产品、运营和增长能力。现在，他的工作与当下很热的 FDE / Field Delivery Engineer 形态高度相关：把产品和AI能力带到客户现场，在真实交付中理解客户需求，再把需求抽象出来，反哺平台产品。 这一期我们聊到： 为什么过去很多客户调研最后会变成“你们问了也不会改”；为什么平台视角容易造成业务失真；为什么客户说“我要做知识库”“我要做自动化”，其实还远远不够；为什么企业业务天然是混沌的，而AI却需要清晰的工作流和可调用的数据；以及，一个FDE到底怎样从客户现场，把隐性的业务经验拆成显性的规则、流程和系统。 kangyuan 也分享了一个非常具体的方法： 不要一上来问客户“你有什么需求”，而是先收窄到一个具体业务领域；再把客户的工作流拆成直播前、直播中、直播后这样的链条；然后追问三个问题：现在怎么用AI？曾经想用AI做但失败了什么？长期以来一直痛但没解决的问题是什么？ 这不是一集AI工具分享。 而是一集关于： AI时代，谁能把真实业务现场讲清楚，谁就能拥有更大的职业边界和组织价值。 主持人：Fancy 嘉宾：kangyuan 即刻：kangyuan.c 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube 第122期带时间标记的时间线00:00–01:10｜嘉宾登场：kangyuan，大厂AI产品运营，当前工作与FDE、客户现场和AI产品交付高度相关 01:10–02:01｜kangyuan自我介绍：从数据产品、产品运营、ToB增长，到现在做AI产品运营 02:01–04:35｜从本地生活到广告AI产品：为什么AI产品运营仍然处在探索阶段 04:35–08:57｜FDE最大的变化：过去调研完需求要带回公司，现在可以直接在客户现场用AI做交付 08:57–11:12｜平台视角和真实业务之间的失真：为什么只看指标容易设计出不落地的系统 11:12–14:26｜业务失真与体验缺失：ToB产品不能只解决“大问题”，还要处理客户真实使用里的细节 14:26–17:44｜AI进入真实业务场景：不是客户不聪明，而是很多客户不知道机器人、Key、Agent到底怎么用 17:44–24:49｜AI让企业从“适应平台规则”转向“理解平台商业模式并为自己卡位” 24:49–30:30｜kangyuan的职业选择：从数据产品、运营、增长，到大厂、创业公司、AI产品运营的连续切换 30:30–35:18｜职业选择里的现实与迷茫：有时选择不是纯理想，而是回到城市、薪水和现实生活 35:18–38:00｜不断试错背后的主线：虽然跳脱很大，但一直在ToB场景里积累客户沟通和增长能力 38:00–42:21｜从传统运营到FDE：运营边界为什么被AI放大 42:21–46:28｜复合型人才浮出水面：以前被职能边界压住的人，AI时代开始有更大空间 46:28–48:29｜一年三次职业切换带来的思维密度：AI让经验迭代更快，也让决策密度变高 48:29–51:43｜FDE项目起点：不要问“你们有什么需求”，而是先收窄到一个具体业务领域 51:43–54:01｜拆工作流：从直播前、直播中、直播后，把客户工作拆到最小原子节点 54:01–57:32｜三个关键问题：客户现在怎么用AI、曾经用AI想做但失败了什么、长期想做但一直没做成什么 57:32–58:19｜识别业务闪念：AI像阿拉神灯一样出现后，客户第一时间想到要做什么，往往藏着新机会 58:19–01:00:16｜一期和二期怎么设计：一期做高频中价值，先建立信任；二期再进入创新和高挑战场景 01:00:16–01:05:35｜中小企业为什么很难自己完成FDE：经验在老板脑子里，数据散落，规则输出能力不足 01:05:35–01:09:02｜收窄需求的重要性：不要做“整个公司知识库”，而要先明确一个入口、一个场景、一个工作流 01:09:02–01:14:23｜企业业务为什么天然混沌：市场变化快，很多经验无法直接数据化，需要人来做抽象和显性化 01:14:23–01:17:19｜AI时代最重要的能力：抽象规则、显性化隐性经验，把人脑判断变成可调用资产 01:17:19–01:20:59｜交付为什么要分阶段：先用高频痛点建立信任，再逐步处理更复杂、更高风险的场景 01:20:59–01:23:37｜FDE真正的价值：在现场把抽象需求变成可用系统，再用客户反馈验证场景是否成立 01:23:37–01:27:56｜AI如何改变MVP：过去要研发排期一个月，现在上午聊完需求，下午就能做出可看的原型 01:27:56–01:30:07｜反馈成本趋近于零：A客户适用、B客户不适用，本身就是非常有价值的需求数据 01:30:07–01:34:27｜AI让人更累了吗：交付更快，客户需求更多，FDE和AI产品运营的工作量反而被放大 01:34:27–01:37:13｜两种解法：养自己的Agent团队分担执行；把共性需求抽象回产品，完成个人升维 01:37:13–01:40:33｜未来人才模型：不是单点专家，而是有专业深度 + 跨领域整合能力的复合型人才 01:40:33–01:42:37｜AI让所有人重新思考：自己的职业模型、人力模型和未来定位到底是什么 01:42:37–01:46:30｜组织边界被打破：过去运营不能做的交付，现在可以通过AI直接接近客户现场 01:46:30–01:50:53｜AI减少部门摩擦：运营、产品、研发重新围绕客户价值和业务结果对齐 01:50:53–01:53:53｜结尾：kangyuan的后续社媒、未来回访可能，以及AI时代持续迭代的开放状态 10个深度问题你现在做的AI产品运营，和传统产品运营最大的区别是什么？ FDE为什么会成为AI时代非常重要的一种工作方式？ 为什么过去客户调研经常会变成“客户知道你们不会改”的无效循环？ 你提到“业务失真”和“体验消失”，这两个问题在ToB产品里具体会怎样发生？ 当你真正去客户现场之后，发现客户使用AI的方式有哪些超出你的想象？ 为什么客户说出来的需求，不一定等于他真正工作流里的需求？ 你在FDE需求调研里为什么要问三个问题：现在怎么用AI、曾经用AI失败了什么、长期痛点是什么？ 为什么第一期交付不能一上来就做最难、最出彩的东西，而要先做高频中价值场景？ AI让MVP变快以后，产品运营和FDE的工作边界会怎样被重新定义？ 未来谁会在AI时代变得更有价值：单点专家、复合型人才，还是懂业务Know-how又会调AI的人？ 5个吸引力亮点1. 这期把FDE讲得非常具体不是泛泛说“去客户现场”，而是讲到了真实FDE流程：收窄业务领域 → 拆工作流 → 找最小原子节点 → 判断AI基建 → 识别长期痛点 → 分期交付 → 用反馈反哺产品。 2. “业务混沌”这个判断非常有价值kangyuan讲到，公司业务天然是混沌的：市场变动快，很多经验不可数据化，很多判断存在人与人之间的沟通和默契里。AI需要清晰环境，但真实企业往往不是清晰的。这个矛盾，是企业AI落地最核心的难点之一。 3. 这期非常适合企业老板和ToB从业者听因为它直接解释了：为什么你说“我要做知识库”“我要做自动化”是不够的。真正要做的是先收窄场景、明确工作流、拆清楚人做什么、机器做什么、哪些经验要显性化。 4. AI如何改变MVP，这期讲得很落地过去做MVP需要产品、研发、前端、后端、测试和排期，可能一个月才能给客户看；现在AI可以让需求验证速度大幅提升，甚至当天做出可视化原型给客户反馈。 5. 这期点出了AI时代的新型人才方向真正有价值的人，不是只会一个岗位动作的人，而是能把业务Know-how、客户现场、数据、AI工具、产品判断和组织协作串起来的人。康源把这种人称为复合型人才，也提到未来更需要有专业深度和跨领域整合能力的人。 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

本期嘉宾｜Jim / Jimmy / 灰灰 AI艺术家、AI影像创作者、AI概念设计创作者，长期专注于AI影片、AI动画、原创IP和视觉世界观构建。 他从2023年2月开始接触AIGC创作，是较早一批使用AI工具进行高品质视觉内容探索的创作者。 在职业背景上，他本身是计算机专业出身，长期从事游戏程序开发，同时又对艺术创作、影像表达和视觉内容有很深的兴趣。也正因为这种“技术 + 游戏 + 影像 + 审美”的复合背景，他进入AI创作之后，不是单纯把AI当作生成工具，而是把它当成一种新的创作管线、新的视觉语言和新的IP生产方式。 他的作品包括AI短动画、AI短片、原创视觉项目，也曾参与AI短剧《神笔》的制作，并担任相关艺术创作角色。逐字稿中也提到，《神笔》是一部完全使用AIGC工具创作的精品AI短剧，全网播放量已经超过1亿次。 这一期，我们聊的是：当AI让图片、视频、动画、短剧和虚拟角色的生产成本快速下降之后，创作者真正要回答的问题，不是“我会不会用工具”，而是“我是谁、我想表达什么、我能不能建立自己的世界观，以及我为什么选择这个画面，而不是另一个画面”。 它不是一集AI工具教程，也不是“AI短剧风口”讨论，而是讲清楚： AI降低了影像创作的执行门槛，但没有降低创作者对世界观、人物、审美、叙事、版权、注意力和商业化的判断要求。 主持人：Fancy 嘉宾：Jim(Jim 是 TapTV 签约艺术家，即梦/可灵/海螺/拍我超创”) 小红书：Jim HuiHui 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线 00:00–01:18｜嘉宾登场：Jim / Jimmy / 灰灰，AI艺术家，专注AI影片、AI概念设计和AIGC创作 01:18–04:08｜从2023年开始接触AIGC：计算机专业、游戏开发背景和艺术兴趣如何汇合 04:08–06:03｜AI创作被看见：平台、赛事、社区和国内AI创作生态如何推动创作者出现 06:03–08:37｜中美AI创作环境差异：国内更积极拥抱AI，海外更重视版权争议与行业边界 08:37–11:24｜为什么大家会说“AI创作没有灵魂”：大量低质、模板化、同质化内容带来的反感 11:24–14:41｜AI创作里人的主体性：工具门槛越低，创作者的选择、审美和判断越重要 14:41–16:13｜注意力变成稀缺资源：当所有人都能生成内容，真正难的是让人愿意停下来 16:13–18:13｜从游戏开发到原创IP：游戏行业的世界观、交互和沉浸感如何影响Jim的创作方式 18:13–21:52｜为什么AI时代更适合做IP：单条爆款容易被忘记，世界观和角色才能持续积累注意力 21:52–26:58｜从工具兴奋到方向聚焦：为什么创作者不能被每一次新工具更新牵着走 26:58–30:34｜AI影片是否是IP宇宙入口：先想清楚原材料，再讨论载体、平台和商业化形式 30:34–35:37｜原创世界观和单条爆款的关系：爆款重要，但IP提供长期框架和复利空间 35:37–38:03｜差异化内容从哪里来：不是重复热门题材，而是在同类内容里做出独特识别度 38:03–40:55｜AI的三重角色：工具、助理、灵感缪斯；越是0到1阶段，越需要人主导 40:55–44:47｜AI视频执行里的真实问题：走位、光线、镜头连续性、角色一致性和穿帮都需要人判断 44:47–47:44｜AI导演的新要求：创作者要像导演、制片、表演指导一样，在脑中提前构建画面和戏 47:44–50:58｜AI反向训练创作者：用Agent、Skill和本地知识库，让AI帮助自己学习导演、表演和制作逻辑 50:58–54:39｜为什么自动化之前要先知道流水线产出什么：AI创作不是先自动化，而是先定义结果 54:39–58:49｜从想法到成片的关键流程：剧本、分镜、画面、视频片段、剪辑、后期和核心资产 58:49–01:01:41｜前期设定为什么最费时间：人物、故事、造型、场景、审美和角色变化都要被回答 01:01:41–01:04:07｜AI创作者的版权意识：保护自己的作品，也避免使用没有权属边界的资产 01:04:07–01:07:48｜AI脸、平均脸和短剧同质化：为什么默认生成会带来审美疲劳，差异化会越来越重要 01:07:48–01:10:16｜AI创作者如何被看见：赛事、平台、展映、爆款内容、商单、广告和IP授权 01:10:16–01:12:37｜AI对影视行业的冲击：不是纯替代，而是和真人、演员、剧集、IP形成新的融合 01:12:37–01:19:37｜演员、数字人和AI影像的未来：专业经验不会消失，但需要重新被AI放大 01:19:37–01:24:39｜《鬼影石》带来的改变：在技术有限时完成10分钟叙事作品，反而形成真正的方法论 01:24:39–01:26:54｜给AI创作者的建议：不要一开始想太多，先找到让自己开心、愿意持续做的创作点 01:26:54–01:30:05｜结尾总结：AI创作的底层逻辑仍然是人，作品最终会暴露创作者是谁 10个深度问题你最早是游戏程序开发背景，为什么会在2023年开始进入AIGC创作？ 从Stable Diffusion到AI视频模型，你第一次意识到“这件事可能改变创作方式”是在什么时候？ 为什么很多人会说AI创作没有灵魂？这个判断到底是在批评AI，还是在批评低质量创作？ 当所有人都能生成画面之后，创作者真正需要建立的能力是什么？ 游戏开发背景如何影响你对原创IP、世界观和沉浸感的理解？ 为什么你认为单条爆款不够，原创IP和世界观才更适合长期创作？ 在AI短片创作里，哪些部分可以交给AI执行，哪些部分必须由人来主导？ AI视频制作为什么反而更考验导演感、走位、镜头连续性和空间想象力？ 面对AI脸、平均脸和短剧同质化，创作者怎样做出真正有辨识度的视觉内容？ 未来每个人都能用AI做影像之后，真正能被留下来的作品靠的是什么？ 5个吸引力亮点1. 这期直接回应了一个最常见的争议：AI创作有没有灵魂Jim的回答很清醒：问题不在AI有没有灵魂，而在创作者自己有没有灵魂。AI只是放大器。低质量、模板化、同质化内容会被放大；真正有审美、有世界观、有表达欲的创作者，也会被放大。 2. 嘉宾的复合背景非常适合AI时代他不是传统导演出身，也不是单纯艺术生，而是计算机专业、游戏开发、AI创作和影像表达的复合型创作者。这种背景很适合解释：AI影像不是单纯艺术问题，也不是单纯技术问题，而是技术、叙事、审美和系统管线的结合。 3. 把AI影片讲成“原创IP入口”，而不是短视频工具这期最有价值的点，是把AI影像从“做一条视频”提升到“建立角色、世界观、核心资产和长期内容框架”。这和你一直讲的数字资产非常像：单条内容是消耗品，IP和世界观才是资产。 4. 真实讲清AI视频制作没有想象中轻松AI可以生成画面，但并不会自动替你解决：人物是谁、场景在哪里、光线怎么来、角色怎么走位、镜头如何连续、情绪如何成立。所以AI导演反而要承担更多前期判断，不能只靠一句提示词。 5. 这期能自然连接创作者商业化赛事、平台展映、爆款内容、品牌商单、IP授权、数字人、AI短剧、原创角色，都是AI创作者可能被看见和变现的路径。但它不会被讲成“赚快钱”，而是回到更稳的判断：你有没有持续被看见的创作资产。 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

本期嘉宾｜钟镇杰 AI 产品经理，2021年本科毕业，毕业5年内经历过多段产品经理工作，目前在大厂从事 AI Agent 相关产品工作，同时也在探索自己的 AI 创业项目 Now Build AI。他并不是一个标准意义上的“稳定职场人”。在进入大厂之前，他已经经历过多段不同类型的工作，从 G 端、B 端、C 端，到 SaaS 工具、国企定制项目、AI策略产品、AI陪伴产品、互动小说与互动漫画项目，都有过真实参与。这些看起来“不稳定”的经历，在AI时代反而变成了他理解产品、机会、验证、失败和商业化的多轮训练。 他曾在孵化器中带过一个6人小团队，做互动小说和互动漫画项目，拿到过不错的数据和用户时长，但最终因为商业化太晚、MVP过大、现金流没跟上、团队能力结构不完整而结束。现在，他把这些失败和实践经验重新沉淀到自己的产品里：希望帮助独立开发者、产品经理、创业者，把一个想法快速变成可以运行、展示、验证、增长和商业化的 MVP。 这一期，我们聊的是：当AI让写代码和做产品的门槛降低之后，真正稀缺的能力不再只是“会不会开发”，而是能不能定义需求、验证用户、设计产品、完成增长，并把一个想法变成真实世界里有人愿意使用的东西。 最后简单介绍一下钟镇杰现在探索的 Now Build AI。它想解决的问题是：很多独立开发者、产品经理和创业者有想法，也能用AI写出一些东西，但很难把想法变成完整MVP，更难找到第一批用户去验证。 Now Build AI 希望把产品经理、开发者、增长负责人这些角色，做成一套AI协作工作台，帮助用户从想法、产品、开发、发布，到内容增长和数据复盘，完成更短路径的验证。 这不是今天的重点，今天真正想聊的是：AI时代，工具如何降低创造阻力，以及人如何重新训练自己的产品判断和商业闭环能力。 主持人：Fancy 嘉宾：钟镇杰 即刻：钟镇杰 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube.时间线 00:00–01:26｜嘉宾登场：钟镇杰，AI产品经理，目前在大厂做AI Agent，也在探索 Now Build AI 01:26–04:25｜非标准职场人：2021年毕业，5年内经历多段工作，持续换赛道、做产品、找机会 04:25–07:47｜多段经历为什么没有白走：从早期AI评测、搜索算法，到今天的大模型评测方法论 07:47–09:42｜0到1训练如何形成机会敏感度：不断把想法变成产品、验证、融资、失败和复盘 09:42–13:13｜频繁换工作如何面对HR质疑：不是隐藏不稳定，而是表达自己对AI和产品的积累 13:13–15:25｜大厂和创业项目的阶段差异：成熟产品的100+阶段，和创业0到1阶段不是同一种能力训练 15:25–20:06｜5年职业路径三阶段：从G/B端SaaS，到影像相关产品，再到全面进入AI产品方向 20:06–21:01｜找工作与机会产生：很多新选择不是等出来的，而是在做事过程中长出来的 21:01–24:13｜为什么AI陪伴曾经是重要入口：早期大模型最先被商业化的是语言能力和内容生成能力 24:13–31:51｜AI陪伴的本质：不是简单聊天，而是信息供给、内容消费、角色互动和沉浸感 31:51–40:56｜AI陪伴产品如何形成市场：供给多样化、垂直人群、内容角色和用户情绪需求共同推动 40:56–42:43｜产品价值如何产生：人性需求不变，解决方案因为AI发生变化 42:43–46:05｜孵化器时期的6人团队：从互动小说到互动漫画，尝试用AI做新的内容体验 46:05–47:26｜为什么数据不错仍然失败：产品有次留和时长，但现金流、风险和商业化没有跟上 47:26–51:50｜失败带来的产品教训：商业化要从第一天开始，MVP不能包太大，团队能力不能全靠边学边做 51:50–54:48｜回到大厂AI Agent：一年多经验带来的不是平台数据，而是业务认知和系统性理解 54:48–59:10｜大厂做Agent和个人做Web Coding的差异：大厂有多角色分工，个人项目有完整创造权 59:10–01:04:30｜大厂真正带来的认知：成熟产品靠数据驱动、AB测试和转化优化，0到1更多靠创始人判断 01:04:30–01:08:21｜Now Build AI的出发点：帮助独立开发者和创业者从想法走到产品验证 01:08:21–01:14:41｜Launch Agent：为什么独立开发者真正缺的不是代码，而是增长合伙人 01:14:41–01:18:16｜从想法到完整MVP：不仅要做页面，还要有前端、后端、数据库、登录、支付、SEO和商业化框架 01:18:16–01:21:35｜产品经理和技术人的能力差异：AI降低开发门槛，但商业闭环和用户验证仍然需要判断 01:21:35–01:24:50｜Fancy的“工具不重要”观点：不追工具，而是追自己的知识库、方法论和业务系统 01:24:50–01:28:16｜钟镇杰的回应：工具本身重要，但工具会同质化；真正关键是上下文、需求迁移和工作流 01:28:16–01:35:36｜什么时候工具重要，什么时候工具不重要：短期垂类工具有价值，长期可能被更强平台吞并 01:35:36–01:41:28｜AI降低创造阻力：从文字、图像、视频到软件，AI正在释放大量长尾需求和个人创造力 01:41:28–01:46:39｜给AI使用者和创业者的建议：让AI提供负向反馈，先验证用户需求，再做增长和商业化 01:46:39–01:51:46｜结尾总结：工具是思维放大器，真正重要的是阶段判断、商业模式和选择能力 01:51:46–01:52:09｜收尾：嘉宾联系方式可放在Show Notes，方便听众进一步了解 Now Build AI 10个深度问题你为什么说自己不是一个标准意义上的职场人？这9段工作经历分别给你留下了什么能力？ 频繁换赛道在传统HR视角里可能是不稳定，但在AI时代，它有没有变成一种机会敏感度？ 你经历过多个0到1项目，这些经历如何影响你今天做AI产品和创业项目的判断？ 你做AI陪伴产品时，为什么会认为它不是简单聊天，而是信息供给和内容消费？ AI陪伴、互动小说、互动漫画这些产品，为什么能在早期成为大模型商业化的重要方向？ 孵化器6人团队当时数据不错，为什么最后还是失败了？这件事给你最大的教训是什么？ 为什么你说商业化必须从第一天开始？MVP包太大，会怎样拖慢一个AI产品的验证？ 大厂做AI Agent和个人做Web Coding项目，最大的差异到底在哪里？ 你为什么想做 Now Build AI？它到底是在帮独立开发者写代码，还是在帮他们完成从想法到增长的完整链路？ 你怎么看“工具不重要”这个观点？在什么情况下工具很重要，什么情况下工具反而会让人偏离真正的问题？ 5个吸引力亮点1. 这期有非常强的观点碰撞感Fancy一直强调“不要追工具，要搭系统”；钟镇杰则从工具创造者的角度回应：工具本身重要，但工具不是商业答案。这让这一期不是单向访谈，而是一次很有价值的产品思维碰撞。 2. 嘉宾经历很适合AI时代5年9段工作经历，在传统职场里可能被视为不稳定。但在这一期里，它反而变成了一个观察点：AI时代会奖励那些经历多样、对机会敏感、能不断从0到1试错的人。 3. AI陪伴产品部分很有产品洞察这期不是泛泛聊AI陪伴，而是把它拆成：信息供给、角色互动、内容消费、沉浸感、供给多样化和垂直人群需求。听众会发现：很多AI产品不是凭空出现，而是旧需求被新技术重新满足。 4. 失败案例非常有价值孵化器项目曾经拿到不错的数据，但仍然因为商业化太晚、MVP过大、团队能力结构不足而结束。这对所有想做AI产品、独立开发、副业项目的人都很现实：数据好看，不代表产品能活下来。 5. Now Build AI不是产品发布会，而是一个AI时代问题它背后真正值得讨论的是：当AI让开发变便宜，普通人、产品经理、独立开发者和创业者，如何把一个想法变成完整MVP，再找到第一批用户。 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

这一期，我们聊一位住在日本的AI产品经理。本期嘉宾游猫猫，曾在北京互联网公司做产品和运营，主要接触互联网广告、客户投放和数据指标。疫情之后，她来到日本，先从语言学校重新开始，再进入一家日本AI创业团队，做产品经理、项目经理，也负责售前售后和客户对接。 她的经历很特别。她不是来讲一套成熟的AI方法论，也不是来分享一个包装好的成功故事。她更多是在讲：一个AI产品真正进入客户场景时，会遇到多少现实问题。 比如： 产品做出来了，客户为什么不一定买？技术跑通了，为什么不代表客户愿意换系统？需求是真的，为什么预算不一定是真的？AI可以前置服务，但什么时候必须转人工？一个产品经理在小团队里，为什么必须同时理解产品、项目、销售、客户、定价和交付？ 这一期我们也聊到她在日本的生活和工作变化：从北京大厂的高密度节奏，到日本创业团队里的重新学习；从工具焦虑，到开始用AI解决自己的真实问题；从想法变得更容易实现，到重新理解审美、人格、工匠精神和产品判断。内容定位 这它不是普通AI工具分享，也不是成功学式的AI创业故事，而是讲清楚： AI降低了“做出来”的成本，但没有降低“卖出去、用起来、融入组织、形成长期价值”的难度。 主持人：Fancy 嘉宾：游猫猫（小宇宙播客主理人：Miao Talks） 即刻：seven_游猫猫 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线00:00–01:36｜嘉宾登场：游猫猫，住在日本的AI产品经理，在创业团队中同时承担产品、项目和客户对接 01:36–04:04｜从北京到日本：曾做互联网广告产品和运营，疫情后来到日本，从语言学校重新开始 04:04–07:42｜为什么选择日本：离中国近、市场特殊、就业并不轻松，但仍想在这个环境里继续探索 07:42–09:53｜在日本AI创业团队里的状态：一边工作、一边学习、一边困惑、一边成长 09:53–12:33｜AI从业者的共性：兴奋和焦虑并存，学习成本降低，但工具和信息太多也会让人疲惫 12:33–15:59｜中、美、日AI应用场景差异：国内更集中在效率工具，日本更偏碎片化、小场景和网页化服务 15:59–18:38｜工具疲劳之后，真正重要的是应用场景：不是追所有工具，而是用AI解决自己的具体问题 18:38–21:31｜从北京大厂到日本创业团队：最大的变化是工作模式、生活节奏和个人空间重新出现 21:31–26:59｜日本生活里的“小确幸”：从饮食、消费场景到生活细节，重新感受到人的需求被细致照顾 26:59–31:43｜产品经理、项目经理、售前售后三重角色：为什么AI创业团队里每个人都要跨角色工作 31:43–35:16｜失败案例复盘：需求存在，不代表客户愿意付费；做出来，不代表商业模式成立 35:16–38:26｜从通用模板转向定制化产品：为什么低价通用产品利润薄、交付重，很难真正跑通 38:26–41:20｜失败不是没有价值：每一次没成交，都在逼团队重新理解需求、预算、定价和客户阶段 41:20–43:48｜客户为什么不买单：产品可能没问题，但预算、内部优先级和替代方案都会影响成交 43:48–45:59｜日本本地业务场景：行政书士、税理士等案头工作，AI可以减少重复筛选和后台处理 45:59–49:34｜AI产品真正难的是融入组织：不是系统做出来就结束，而是让客户愿意换、愿意学、愿意用 49:34–57:05｜Fancy与游猫猫互相提问：一个人的AI系统如何被拆成外贸、营销、产品和交付模块 57:05–01:03:46｜AI工具培训和长期系统的区别：短期工具课可能来钱快，但真正难的是建立自己的业务系统 01:03:46–01:08:07｜游猫猫的AI使用方式：把AI当个人助手和镜子，先聊天、设角色、拆需求，再产出多个版本 01:08:07–01:11:47｜会提问也是核心能力：很多人不是没有问题，而是不知道怎么把问题问出来 01:11:47–01:14:15｜想法实现成本变低之后：AI让人更愿意尝试，但也更容易分散精力 01:14:15–01:18:03｜AI时代的审美、人格和工匠精神：当批量生成越来越多，真正有质感的产品反而更稀缺 01:18:03–01:22:01｜品牌广告与效果广告的类比：既要调性，也要结果，AI产品同样要面对“品效合一” 01:22:01–01:23:46｜没有预算、没有资源时，AI能不能帮你把单子做成？这是游猫猫一直在思考的问题 01:23:46–01:30:05｜真实产品案例：为日本客户做AI客服系统，解决网页咨询、AI前置、人工转接和多端提醒 01:30:05–01:33:41｜AI客服为什么不能只靠AI：知识库、权限边界、真人介入、数据核验和用户体验都要重新设计 01:33:41–01:35:10｜游猫猫留给听众的问题：如果你也要做AI OPC，你到底想做成什么样的业务形态？ 01:35:10–01:37:47｜结尾总结：向AI学习、用AI落地想法、把技能叠加成新的Buff，是这一代人的共同机会 10个深度问题你为什么会从北京互联网广告产品和运营，转到日本AI创业团队做产品经理？ 日本AI创业团队里的产品经理，和你过去在国内大厂做产品、运营时最大的区别是什么？ 你说自己现在不是传统产品经理，而更像“全站产品”，产品、项目、售前售后都要做，这种角色切换最难的地方是什么？ 你观察中、美、日不同AI应用生态时，看到的最大差异是什么？ 为什么你会觉得AI从业者普遍既兴奋又焦虑？这种焦虑来自工具太多，还是来自不知道自己该做什么？ 你们早期做过一些产品，但没有真正成交。回头看，问题是在产品、定价、客户预算，还是客户还没有到使用阶段？ 为什么后来你们从通用模板，转向更高价、更重沟通的定制化产品？ 一个AI产品从“做出来”到“客户真的用起来”，中间最大的组织摩擦是什么？ 你在工作里把AI当成个人助手和镜子，它具体怎样帮助你拆需求、写版本、查Bug和做判断？ 当AI让想法变得很容易实现以后，普通人真正应该训练的是执行力、审美力，还是判断力？ 5个吸引力亮点1. 少见的女性AI产品经理视角你的AI系列里男性嘉宾较多，这一期游猫猫的视角很特别：她不是工程师，也不是典型AI创业者，而是在日本AI创业团队里做真实产品、真实客户和真实交付的人。 2. 不是成功案例，而是真实失败复盘这期很有价值的一点是：嘉宾并没有包装成“我有一套成功方法论”。她讲的是：产品做出来了，技术跑通了，但客户为什么还是没有付费？这种失败复盘反而比成功故事更值得听。 3. 把“有需求”和“愿意付费”分开讲清楚很多AI产品最大的问题不是没人觉得它有用，而是客户不一定愿意换系统、不一定有预算、不一定愿意培训团队、不一定愿意承担迁移成本。这一期把这个问题讲得很现实。 4. 日本市场视角很有差异化游猫猫提到日本市场更碎片化、场景化，很多服务仍然以网页、邮件、表单和本地业务关系为主。这让这一期不只是聊AI，也是在聊：不同国家的商业环境如何影响AI产品落地。 5. “想法变便宜以后，真正难的是选择”这个主题很强AI让普通人更容易做出东西，但也带来新问题：想法太多、工具太多、信息太多，人反而更容易分散。这期能很好地承接你的主线：AI时代真正值钱的不是想法，而是判断、取舍、交付和长期迭代。 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

本期主讲｜Fancy Wang / 瑜伽姐 外贸从业近20年，通信产品领域深耕10年，现为外贸SOHO、一人公司经营者、LinkedIn内容营销顾问、播客《瑜伽姐的斜杠人生》主理人。她长期围绕外贸订单、LinkedIn营销、企业AI轻组织、客户分层、数字资产和AI自动化进行一线实践。过去三年，她持续把自己的外贸经验、客户判断、内容体系、课程交付和企业案例沉淀成系统，并在2026年下半年开始进入自动化阶段：包括客户背调自动化、LinkedIn数据分析、会议纪要归档、企业内容日历、客户分层、订单推进和数字产品系统。 这一期，她不讲某一个AI工具怎么用，而是讲一个更底层的问题：外贸企业到底应该如何把老板经验、客户数据、订单流程、营销动作和组织协作，变成AI可以读取、执行、复盘和放大的系统资产。 这一期，是我关于外贸企业AI落地的一次阶段性复盘。 过去三年，我一直在讲数字资产、LinkedIn营销、外贸订单系统和AI轻组织。到了2026年下半年，我自己的系统终于开始进入自动化阶段：客户资料、会议纪要、背调、社媒数据、内容日历、订阅者画像、订单跟进和数字产品，都开始被AI接入和放大。 但越做到后面，我越确定一件事： AI不会替你解决订单，它只会放大你原本的系统。 如果你的客户没有分层，AI会放大混乱。如果你的流程没有整理，AI会放大低效。如果老板的判断没有沉淀，AI就不知道该替你判断什么。如果企业没有数据、没有责任链、没有验收标准，自动化只会让错误跑得更快。 这一期我会从外贸SOHO、小团队和企业老板三个维度，拆解AI到底应该放在哪一层：哪些事情可以交给AI，哪些事情必须由人判断；为什么订单系统不是CRM，而是一条从市场判断到复购的责任链；为什么老板不能再只看动作，而要看数据、结果和转化；以及，为什么未来真正值钱的外贸人，不是最会追工具的人，而是最能把经验变成系统资产的人。 这不是一集AI工具课。 而是一集关于： 外贸企业如何从追工具，走向真正拥有自己的订单系统、数字资产和AI自动化能力。 收听方式：喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线 00:00–04:30｜直播开场：本期同步到全球音频平台，主题是AI如何真正落地到外贸SOHO和外贸企业 04:30–06:17｜核心判断：AI不会替你解决订单，它会放大你的组织问题 06:17–08:46｜Fancy自己的系统进度：外贸通信订单、LinkedIn营销、企业系统、沙龙、电子书和数字产品陆续上线 08:46–12:27｜为什么自动化之前必须先有系统：没有客户分层、组织架构和订单判断，AI只会放大混乱 12:27–15:35｜订单问题不等于AI问题：AI适合处理会议纪要、客户资料、背调、社媒抓取和跟进准备 15:35–18:33｜客户背调如何自动化：从客户盈利模式、商业模式、产品变化、社媒动态到SKU机会 18:33–20:29｜为什么老板很忙却不一定有效：碎片化背调、资料整理和重复报价正在浪费高价值时间 20:29–23:41｜自动化的前提：AI必须先知道谁是目标客户、什么是有效询盘、什么才可能变成订单 23:41–25:18｜从SOHO到企业：订单系统、人员管理、供应链、产品SKU、成交客户与未成交客户都要系统化 25:18–27:23｜自然语言时代的变化：老板不需要先学工程师语言，也可以通过AI表达业务需求 27:23–29:05｜AI作为商业咨询师：不会的事情让AI一步步拆解，帮助自己形成新的咨询文件和商业判断 29:05–32:08｜企业组织结构重构：未来不是简单招人，而是“一个人 + 一个AI Agent”的组织效能放大 32:08–34:30｜FDE与企业AI落地：大公司和小公司都需要把系统、流程、数据和业务场景先理清楚 34:30–38:44｜从个人经验复利化到副业MVP：系统完成后，可以让AI辅助探索新的数字产品和虚拟产品 38:44–41:17｜多业务线共享底座：A系统跑通后，B业务、C业务可以基于同一套经验和数据快速复制 41:17–45:36｜垂直市场和品牌溢价：客户越来越小众、细分、精细化，外贸企业必须重新理解目标客户 45:36–48:30｜数字记忆的重要性：不仅要抓客户数据，也要抓自己的营销数据和行业影响力数据 48:30–53:50｜为什么不要被工具推着跑：工具只是业务的WPS，真正重要的是客户决策、盈利模式和订单逻辑 53:50–57:07｜外贸逻辑没有变：AI改变的是效率和被看见的方式，不改变交易、风险、谈判和供应链本质 57:07–01:01:46｜外贸企业老板常见结构性问题：客户不分层、平台等于系统、询盘碎片化、数字资产缺失 01:01:46–01:05:34｜KPI不能只看动作，要看结果：内容、订阅者画像、客户来源和转化数据都要进入经营视图 01:05:34–01:10:23｜企业内容日历与经营视图：用飞书/多维表格管理账号矩阵、内容表现和目标客户画像 01:10:23–01:14:46｜AI与自动化误区：不用AI、只聊天、追工具、脏流程自动化，都会让企业走偏 01:14:46–01:17:52｜为什么外贸订单是复杂决策：市场判断、客户关系、产品、供应链、报价、复购共同决定订单 01:17:52–01:22:32｜经验如果不能变成数字资产，就只能继续吃老客户；订单系统不是CRM，而是责任链 01:22:32–01:25:21｜为什么传统SOP不够了：每家企业都需要基于自身实际情况重新训练AI和系统 01:25:21–01:29:57｜自动化真正值钱的前提：稳定流程、干净数据、明确负责人、验收标准和异常升级机制 01:29:57–01:33:44｜一站式订单机器人出现后，老板必须重新思考自己的不可替代价值 01:33:44–01:40:08｜SOHO、小团队和企业的不同设计：AI做研究、整理、复盘，人做客户关系、判断和产品方向 01:40:08–01:44:44｜AI超级外包的趋势：未来会出现更多基于专业能力的一人公司和垂直外包服务 01:44:44–01:48:29｜能力必须变成可复用系统：否则时间会被低价值重复工作持续占用 01:48:29–01:53:26｜个人能力升级：外贸、LinkedIn、播客、数字产品和AI系统如何叠加成新的职业Buff 01:53:26–01:57:43｜数字产品与副业MVP：AI压低交付成本，高价值判断仍然保留给人 01:57:43–02:00:50｜外贸企业的竞争优势：不是所有公司都需要大规模曝光，真正稀缺的是小众高价值客户和技术壁垒 02:00:50–02:10:33｜AI OPC 2.0：从单一业务做深，到多引擎共享底座和美元网页小工具探索 02:10:33–02:16:30｜外贸经验如何变成新工具：清关、单据、尺寸、重量、报价、客户分流都可以被技能化 02:16:30–02:22:37｜为什么老板要在互联网上出现：不是为了做IP，而是为了降低信任成本和获客成本 02:22:37–02:26:47｜一件事如何卖很多次：研究、判断、生产、内容、数据和复盘都要被拆成可复用系统 02:26:47–02:34:42｜从AI播客嘉宾身上学到的东西：定义问题、知识库、上下文、项目化、跨职能协作 02:34:42–02:41:24｜外贸老板与AI嘉宾的差异：外贸人优势在跨环节实战，短板在经验隐性化和知识库不足 02:41:24–02:49:23｜老板如何真正学AI：不要按工具学，要按真实业务问题学，通过追问、执行、复盘形成规则 02:49:23–02:53:37｜从规则到Skill再到自动化：先做100次验证，再把能力沉淀成知识库和自动化流程 02:53:37–02:57:43｜结尾判断：AI会把有系统的人变得更快，也会把没系统的人消耗得更快 02:57:43–03:05:22｜最后总结：AI OPC、超级外包、多业务线、时间管理和长期个人数字资产布局 10个深度问题为什么我认为“AI不会替外贸企业解决订单，只会放大组织问题”？ 外贸老板最容易误解AI的地方是什么？是工具、自动化，还是订单系统本身？ 为什么自动化之前，一定要先完成客户分层、订单流程和判断规则？ 你现在把哪些工作交给AI？哪些工作仍然必须由人来判断？ 外贸企业的数字资产到底是什么？为什么不只是产品资料和公司介绍？ 为什么我认为订单系统不是CRM，而是一条从市场判断到复购的责任链？ 企业老板为什么不能只看员工有没有动作，而要看数据、结果和转化？ 从我采访这么多AI嘉宾的经验来看，工程师和产品经理最值得外贸老板学习的是什么？ 外贸SOHO、小团队和企业老板，在AI落地时分别应该先做哪一步？ 未来外贸人如果想拥有第二条、第三条收入曲线，应该如何把经验变成数字产品、Skill或自动化系统？ 5个吸引力亮点1. 这是Fancy自己的AI系统阶段性复盘这一期不是抽象讲趋势，而是我基于自己这半年的真实系统建设讲出来的：外贸订单系统、LinkedIn营销系统、企业内容日历、课程交付、电子书、播客和自动化如何逐步连接起来。 2. 直接点破外贸AI落地最大误区很多老板以为AI落地就是买工具、学提示词、做自动化。这一期直接讲清楚：如果企业没有客户分层、流程、数据、责任人和验收标准，自动化只是在放大混乱。 3. 把“订单系统”讲得非常具体不是泛泛说“数字化转型”，而是落到客户背调、SKU机会、跟进邮件、社媒数据、订阅者画像、销售矩阵、供应链、报价、复购这些真实外贸环节。 4. 非常适合外贸老板和SOHO反复听因为这

本期嘉宾｜卡昂 AI 一人公司实践者，卡昂 AI 一人公司联盟发起人。他拥有近9年影视广告与品牌内容经验，做过广告策划、编导、品牌视频负责人、影视广告部门总监、自由影视广告人，也参与或负责过40多个影视广告项目。过去，他长期在广告行业里做项目、做创意、做沟通、做交付，也曾尝试影视工作室、自由职业、老板IP项目和外卖运营AI项目。几次转型和踩坑，让他逐渐意识到：会做项目，不等于会经营；会服务客户，不等于知道客户从哪里来；有专业能力，也不等于自动拥有自己的商业闭环。2026年4月底，卡昂注册了自己的公司，正式开始AI一人公司实践。他以办公 Agent 训练营等AI实战产品为起点，帮助职场人提升工作效率，并借助AI跑通了第一轮产品、内容、获客与变现闭环，完成了五位数收入。 这一期，我们聊一个AI时代很多专业人士都会遇到的问题：会做事的人，如何开始赚自己的钱？ 为什么专业能力不会自动变成生意；为什么现金流是一人公司最先要算清楚的事；为什么看见风口不等于能赚到钱；为什么做内容不是为了当网红，而是为了获客；以及，一个有专业积累的人，如何借助AI，把自己的经验、判断和服务能力，慢慢变成可以售卖、可以验证、可以持续迭代的小事业。 这不是一集AI工具分享。 而是一集关于： AI时代，专业人士如何从“替组织做事的人”，变成“为自己经营的人”。 真正关键的是：专业能力产品化、真实需求验证、低成本试错，以及稳定的现金流意识。 主持人：Fancy 嘉宾：卡昂 微信：kaenzhong 公众号：卡昂AI超能玩 视频号：卡昂AI超能玩 小红书：卡昂AI超能玩 即刻：卡卡卡昂 如果你已经有一些专业积累，也想尝试借助 AI 把自己的能力转化为产品、客户和收入，可以通过本期节目的 Shownotes 添加卡昂微信，备注「瑜伽姐播客」领取 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线00:00–01:52｜嘉宾登场：卡昂，广告导演转型AI一人公司经营者，AI OPC联盟发起人 01:52–03:24｜卡昂自我介绍：9年广告影视行业经验，正在做办公Agent训练营和AI一人公司探索 03:24–06:57｜从广告策划、编导、影视工作室到AI OPC：职业路径如何一步步转向 06:57–09:24｜为什么“万事皆用AI”：AI让一个人开始重新理解工作方式和组织形态 09:24–12:11｜广告行业的外部变化：品牌叙事、TVC、短视频、社媒和市场预算都在变化 12:11–16:20｜转型AI一人公司的三个原因：外部环境变化、个人主线寻找、AI生产力成熟 16:20–20:28｜AI OPC为什么成立：AI变成数字员工，一个人可以用更低组织摩擦完成更多工作 20:28–22:29｜从广告人到AI一人公司：为什么要先复盘过去9年的职业训练 22:29–27:34｜广告行业给卡昂的核心能力：审美、画面感、客户需求洞察和项目沟通 27:34–30:31｜广告片像打磨产品：卖点提炼、客户需求、商业价值和美感之间的平衡 30:31–32:44｜身份转换后的变化：从打工人的问题视角，转向老板的资产和变现视角 32:44–38:12｜离开组织后才发现：公司帮你解决了客户来源、商业模式和项目兜底 38:12–43:49｜创业后最大的冲击：现金流不稳定，让人更容易焦虑和做短期决策 43:49–52:47｜咨询案例：一个电商总监想做一人公司，为什么第一步不是产品，而是现金流安全垫 52:47–58:59｜第一次创业坑：影视工作室运转近一年，客户难找、回款慢、垫资重，最终停下 58:59–01:04:09｜轻成本创业的重要性：少固定人员、少硬成本、项目制合作，先降低生存压力 01:04:09–01:07:32｜为什么AI一人公司适合轻创业：AI比实习生更懂上下文，也更适合承担重复执行 01:07:32–01:09:17｜未来组织形态：从金字塔公司到蜂巢式合作，多个一人公司互相补位 01:09:17–01:16:05｜老板IP项目复盘：广告人思维太重，代运营交付太重，客户真正要的是获客结果 01:16:05–01:21:15｜个人IP和老板IP的变化：从大人物叙事，走向日常化、内容化和获客化 01:21:15–01:25:22｜内容不是为了当网红：内容是24小时推销员，是让别人先认识你，再理解你的产品 01:25:22–01:31:36｜AI博主和一人公司的区别：流量不能直接养活你，现金流必须来自自己的价值交换 01:31:36–01:38:59｜外卖运营AI项目复盘：看见风口不够，还要看真实需求、交付成本和商业模式 01:38:59–01:42:13｜为什么不能只在办公室里想需求：一定要接触真实客户，把手弄脏 01:42:13–01:46:17｜真实需求怎么挖：客户说出口的不一定是真需求，要做背调、沟通和验证 01:46:17–01:50:30｜AI OPC的MVP方法：不用一开始找1000个人，先找10个人访谈，再让AI辅助提炼共性需求 01:50:30–01:55:25｜B端和C端验证方法不同：商业模式决定你需要多少样本、什么周期和什么转化逻辑 01:55:25–01:59:15｜卡昂现在的一人公司模式：办公Agent训练营、AI一人公司联盟、知识付费、工具和产品探索 01:59:15–02:00:10｜给听众的福利：AI一人公司起步实操指南和踩坑经验 02:00:10–02:04:06｜给想做AI一人公司的人三条建议：先用好AI，摆正心态，不要封闭在一个人的世界里 02:04:06–02:08:59｜结尾总结：AI一人公司不是神话，而是专业能力、现金流、产品化和真实需求验证的长期过程 10个深度问题你为什么会从广告导演、品牌内容人，转向AI一人公司？ 过去9年的广告行业训练，真正留给你的核心能力是什么？ 为什么会做项目、会交付，并不等于能直接做成自己的生意？ 你离开组织之后，最先感受到的缺口是什么：客户、产品、报价，还是现金流？ 现金流为什么是一人公司最先要算清楚的问题？ 影视工作室这次创业，给你最大的教训是什么？ 老板IP项目为什么没有按预期跑通？广告人思维和真实获客结果之间有什么错位？ 外卖运营AI项目为什么看见了风口，却仍然没有跑成？ 对于想做AI一人公司的人，为什么先访谈10个真实用户，比闷头做产品更重要？ AI一人公司真正的核心，是AI工具，还是专业能力、商业判断和持续获客？ 5个吸引力亮点这不是成功学，而是真实踩坑复盘卡昂不是只讲“我怎么做成了AI一人公司”，而是把影视工作室、老板IP、外卖运营AI项目里的失败、误判、现金流压力都摊开讲。 把“专业能力产品化”讲得很具体很多人有经验、会做事、会交付，但不知道如何把能力变成产品、服务、课程、社群和可持续现金流。卡昂的案例刚好卡在这个关键转折点。 非常适合想做副业、自由职业、一人公司的人听尤其是已经在职场里有积累的人：广告人、内容人、运营人、产品人、培训人、咨询人，都能从这一期看到自己未来可能遇到的坑。 点破一人公司最大的误区：不是先辞职，而是先验证现金流这期非常实际地讲到：你能支撑自己试错多久？失败的钱能不能接受？不要把外部支持当成自己的底牌。 把内容获客和网红流量区分开了卡昂讲得很清楚：一人公司做内容，不是为了做网红，而是为了让内容成为24小时推销员，承接真实客户和真实产品。 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

本期嘉宾｜逍遥 / Arthur AI 企业服务公司创始人，长期从事 AI 企业咨询、IT 项目实施、企业培训和企业级系统落地。他的职业经历横跨技术、业务分析、项目管理、管理咨询、金融科技、企业服务和创业实践，也曾有外资银行、管理咨询、金控总部及创业公司合伙人经历。 这让他不是单纯从“AI工具”角度看企业，而是从技术、业务、流程、组织、成本、风险和商业模式多个维度，看一个企业到底适不适合做AI落地、应该先做哪一部分、哪些事情可以交给AI、哪些判断必须留在人手里。他的核心判断是：AI是人的能力放大器，也是公司能力放大器。但如果企业本身没有流程、没有数据、没有业务定义、没有客户经验沉淀，AI只会放大混乱。 这一期，我们聊的是：外贸企业真正要建立的不是AI工具清单，而是自己的AI自主权：知道自己要放大什么、保护什么、沉淀什么，以及如何把业务经验变成可复用的系统能力。 这一期，我们聊的是：企业AI落地真正难的不是模型，而是企业有没有把流程理清、数据沉淀、业务经验结构化，并让AI接得住真实工作。 它不是一集普通的AI工具分享，也不是单纯的IT技术访谈，而是讲清楚： AI进入企业之后，真正的瓶颈不在工具，而在企业内部的流程、数据、权限、业务经验和跨部门协作。 企业真正需要的，不是更多AI工具，而是自己的AI自主权。 本期嘉宾逍遥 / Arthur，是AI企业服务公司创始人，长期从事AI企业咨询、IT项目实施、企业培训和企业系统落地。他的职业经历横跨技术、业务分析、项目管理、咨询、金融科技、企业服务和创业实践。 看企业AI落地，不是从“哪个模型更强”开始，而是从一个更底层的问题开始： 你的业务场景讲清楚了吗？你的客户经验沉淀了吗？你的产品经验、交易经验、流程节点和老板判断，有没有变成系统可以读取和复用的资产？ 这一期我们会聊到： 为什么很多外贸老板愿意花钱买AI工具，却仍然做不好AI落地；为什么企业没有流程、没有数据、没有业务定义时，AI只会放大混乱；为什么客户经验、产品经验和交易Know-how，是外贸企业最应该保护的核心资产；什么是FDE，为什么未来企业会需要既懂业务、懂咨询、懂技术、又能落地AI系统的人。 这不是一集AI工具推荐。 而是一集关于： 外贸企业如何从追工具，走向真正拥有自己的业务系统和AI自主权。 主持人：Fancy 嘉宾：Arthur Xiao 即刻：亚瑟肖（https://okjk.co/il6Lft） 微信：arthur952666 公众号：用 AI 解决个小问题 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线00:00–01:00｜嘉宾登场：逍遥 / Arthur，AI企业服务公司创始人，长期做AI咨询、IT项目实施和企业培训 01:00–02:48｜嘉宾自我介绍：从技术、业务分析、项目管理、咨询，到企业服务和创业 03:05–06:41｜职业路径拆解：为什么从后台技术一路往前台业务、决策和创业方向走 06:41–09:48｜从技术人到咨询人的变化：不仅要懂系统，还要能给客户可落地的方案 09:48–14:47｜标签只是衣服：什么时候需要标签，什么时候不能被标签限制 14:47–17:35｜AI如何放大销售、内容、客服、客户分析和管理交付：前提是企业必须讲清楚业务 17:35–20:05｜为什么很多外贸企业缺少IT思维：做到千万美金规模，也可能没有专职CTO 20:05–23:19｜跨境电商和外贸企业为什么正在吸引AI、IT和大厂人才进入 23:19–27:30｜AI放大公司组织问题：好的组织被放大，不好的组织也会被放大 27:30–31:32｜外贸老板追工具的误区：买模型、买工具，不等于完成AI落地 31:32–36:39｜业务语言与IT语言的差异：外贸企业要学会定义对象、规则、流程和产出 36:39–42:07｜外贸获客逻辑正在变化：平台搜索、AI搜索和采购年轻化带来的新压力 42:07–45:51｜什么会变，什么不会变：老板必须区分商业本质与平台工具生命周期 45:51–47:20｜企业没有通用方案：每家公司必须基于自身生意逻辑设计AI落地路径 47:20–53:04｜哪些场景适合AI化：客户背景、开发信、产品资料、报价、知识库、订单流程都可以被重新设计 53:04–57:31｜AI自动化和AI协助的区别：不是所有节点都能交给AI，关键决策仍然需要人负责 57:31–01:01:57｜老板为什么不能只抱怨：是否AI转型，本质上是老板自己的选择和责任 01:01:57–01:08:54｜为什么企业要沉淀客户经验、产品经验和交易经验：买工具很快，但系统才有复利 01:08:54–01:12:39｜外贸企业的信息差和客户资产：5万个客户名单背后可能藏着新的市场机会 01:12:39–01:16:42｜AI不只是降本增效，更重要的是发现过去做不到的新机会 01:16:42–01:24:23｜低利润订单、高利润客户和组织成本：AI不是单一答案，关键是阶段性业务判断 01:24:23–01:30:07｜什么是FDE：既懂业务、咨询、项目实施，又能把AI系统真正部署到企业场景里的人 01:30:07–01:37:35｜FDE在中国中小企业落地的难点：信任、非标需求、交付边界和付费预期 01:37:35–01:43:33｜从工具使用到组织能力：为什么每家公司未来都需要自己的AI工作流程 01:43:33–01:47:31｜企业的Alpha：客户经验、产品判断和交易Know-how为什么要像生命一样保护 01:47:31–01:52:54｜AI自主权的阶段判断：先解决生存和获客，再考虑风险、模型和私有化 01:52:54–01:58:48｜AI应该放在生意的哪个环节：增长、放大、快钱、主业现金流和多业务线布局 01:58:48–02:04:35｜为什么大多数人低估了AI长期冲击：软件、白领岗位、机器人和未来公司形态都会被重塑 02:04:35–02:07:43｜给个人的建议：锻炼身体、培养爱好、关注那些长期不会变的东西 02:07:43–02:15:39｜技术周期正在加速：不需要成为Top 1，只要比周围人领先几个月 02:15:39–02:17:40｜结尾总结：外贸企业AI落地，要回到决策逻辑、业务场景、组织能力和老板自己的行动力 10个深度问题你为什么认为AI不是简单的工具，而是人的能力和公司能力的放大器？ 外贸企业在AI落地前，为什么最先要讲清楚自己的业务场景？ 很多外贸老板明明愿意花钱买工具，为什么AI落地还是很难？ 为什么说企业没有流程、没有数据、没有业务定义时，AI反而会放大混乱？ 外贸企业为什么要沉淀客户经验、产品经验和交易经验？ AI自主权到底是什么？它和买模型、买工具、买培训有什么本质区别？ 哪些外贸业务环节适合AI自动化，哪些环节只能做AI协助？ FDE为什么会成为企业AI落地里的关键角色？它和传统IT实施有什么不同？ 为什么企业的核心判断、客户经验和交易Know-how，要像生命一样保护？ 对于还在生存期、增长期、放大期的外贸企业，AI应该分别放在哪些不同位置？ 5个吸引力亮点直接点破外贸企业追AI工具的误区这期不是讲哪个模型好用，而是反复强调：老板真正要做的，是定义业务场景、流程节点、数据状态和结果目标。 把“AI自主权”讲得非常具体不是空泛地说“企业要有自己的AI”，而是讲客户经验、产品经验、交易经验、核心判断、私有数据和模型风险到底为什么重要。 非常适合外贸老板听里面大量内容都围绕外贸老板真实痛点：不会讲需求、没有IT思维、没有知识库、依赖平台、服务商太多、付费焦虑、老板注意力被工具消耗。 把FDE讲成企业AI落地的现实岗位嘉宾解释了FDE为什么不是普通实施工程师，而是既懂业务、咨询、项目实施，又能把AI真正嵌入企业场景的人。 从降本增效讲到增量机会这期很重要的一点是：AI不只是省人、省钱，更大的价值是帮助企业看到过去做不到的新客户、新市场、新产品和新增长方式。 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

本期嘉宾｜徐司宇 Jeremy AI 应用创业者，曾在字节跳动和知名 SaaS 公司担任产品负责人，长期关注 ToB 产品、行业化产品、AI 应用创新和组织协作方式。他曾在上一家公司负责 AI 产品，但在推动过程中看到传统 SaaS 组织面临的典型困境：低毛利、低人效、重交付、财务压力大、组织老化、怕出错，导致 AI 很容易被嵌入旧流程，而不是长出真正的 AI Native 产品。也正因为看到传统组织转身的困难，他选择离开原有体系，与算法背景的合伙人重新搭建一个更适合 AI 应用开发的小团队，探索面向跨境电商、餐饮等行业的 AI 决策系统。 这一期，我们聊的是：AI应用真正的难点，已经不是能不能做出一个Demo，而是能不能理解真实行业场景、判断用户是否愿意付费、设计可验证的问题集，并把产品从“看起来能用”推进到“真实生产可用”。 AI创业最难的是什么？ 不是做出一个 Demo，也不是接上一个更强的模型。 真正难的是：你能不能理解真实行业场景，判断用户到底痛不痛，设计出能进入生产的问题集，并把产品、算法、工程和商业化做成闭环。 这一期，我和徐司宇 Jeremy 聊了聊他从字节跳动、知名 SaaS 公司产品负责人，到 AI 应用创业者的转变。 我们聊到传统 SaaS 组织为什么很难 AI Native 化，为什么 AI Coding 会改变软件复杂度，为什么“有需求”不等于“愿意付费”，以及为什么未来真正值钱的人，是能同时理解产品判断、工程边界和行业痛点的人。 AI 应用真正的分水岭，不是工具。 而是：谁能把真实世界的问题，变成系统可以持续解决的问题。 主持人：Fancy 嘉宾：徐司宇 Jeremy 即刻/公众号：Jeremy聊AI产品 微信：siyu1138 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线00:00–01:25｜嘉宾登场：徐司宇 Jeremy，曾在字节跳动和知名 SaaS 公司担任产品负责人，目前做 AI 应用创业 01:25–02:35｜当前创业方向：搭建 AI 决策系统完整链路，面向真实行业场景做产品 02:35–05:55｜职业路径回顾：从准上市公司一线员工到产业团队负责人，再到字节跳动和 SaaS 公司 AI 产品负责人 05:55–06:45｜早期 AI 组织雏形：在大厂与 ToB 体系中提前接触到新型协作机制 06:45–10:38｜为什么传统 SaaS 组织很难自然长出 AI Native 产品 10:38–13:37｜传统 SaaS 的两个问题：重交付、低人效、怕出错，AI 容易被旧流程吞掉 13:37–16:08｜中国 SaaS 的客户结构困境：中小客户付费弱，中大型客户定制化强 16:08–17:25｜AI Coding 对 SaaS 的冲击：产品复杂度被压低，客户不再必须适应臃肿系统 17:25–18:57｜外贸和跨境行业的机会：AI让更多人具备独立经营、建站、选品和数据判断能力 18:57–22:16｜组织老化为什么不是加几个AI工具就能解决：关键在组织流程、AI人才和协作范式 22:16–26:40｜组织过程资产的重要性：老代码、老流程、旧经验可能成为 AI 转型的包袱 26:40–31:18｜为什么离开传统组织创业：与其等待组织转身，不如重新搭一个 AI Native 小团队 31:18–34:32｜与算法背景合伙人的合作契机：从生产力工具、数据分析到决策系统的共同判断 34:32–37:32｜第一版产品方向：自然语言处理复杂表格，但发现“有需求”不等于“愿意付费” 37:32–40:00｜目标客户校正：真正愿意付费的人，要么能降本，要么能直接带来收入 40:00–42:11｜从工具型产品转向行业决策系统：产品必须和具体行业场景绑定 42:11–47:20｜AI应用的护城河问题：当模型能力越来越强，应用层到底还剩什么价值 47:20–50:15｜通用系统与定制模块：AI让行业化系统可以更轻、更细、更贴近真实需求 50:15–59:31｜工具与咨询的关系：用户不只是要报告，而是想知道问题在哪里、怎么解决 59:31–01:03:13｜为什么用户需要“人”来帮他做合理决策：工具只是长期经营的一部分 01:03:13–01:12:25｜工具卖得快，但结果更重要：AI产品不能让客户被平台系统绑死 01:12:25–01:15:32｜AI产品的错误代价：不是输出越多越好，而是决策依据是否清楚 01:15:32–01:22:19｜做AI决策系统前，必须先明确指标：到底是提升毛利、销售额，还是降低人力成本 01:22:19–01:29:39｜真实需求识别：不是所有需求都应该变成系统能力 01:29:39–01:33:25｜AI决策系统的输入输出：用数据、趋势、库存、天气等变量生成系统化建议 01:33:25–01:35:17｜产品判断与工程协作：产品人要懂技术边界，技术人也要懂产品判断 01:35:17–01:41:27｜行业场景的重要性：不深入做运营，就不知道真正痛点在哪里 01:41:27–01:48:58｜跨领域理解能力：产品、技术、算法、行业角色之间必须互相翻译 01:48:58–01:51:12｜最后总结：Demo不等于真实生产，必须建立专业问题集和准确率验证 01:51:12–01:54:47｜结尾：工具的本质不是工具，而是帮助用户看到更好的方法，解决真实世界的问题 10个深度问题你为什么会在这个阶段离开传统 SaaS 组织，选择自己做 AI 应用创业？ 传统 SaaS 组织为什么很难自然长出 AI Native 产品？ 你提到 SaaS 是“苦生意”，这个判断背后的行业结构是什么？ 为什么低毛利、低人效和组织怕出错，会成为 AI 转型的阻力？ AI Coding 为什么会对传统 SaaS 的产品复杂度产生冲击？ 你们第一版产品做自然语言表格处理，为什么最后发现“用户有需求”不等于“用户愿意付费”？ 一个 AI 产品到底怎样判断用户是真痛，还是只是觉得“这个东西挺好”？ 你为什么认为 AI 应用最终可能是“咨询 + 工具”的完整链路？ Demo 到真实生产之间，最大的鸿沟是什么？ 未来产品人、算法工程师和行业专家之间，应该怎样重新协作？ 5个吸引力亮点真实拆解传统 SaaS 组织为什么难以 AI Native 化这一期不是空谈 AI 趋势，而是从组织、人效、现金流、交付压力、员工心态几个维度拆传统 SaaS 的真实困境。 从产品负责人的视角讲清 AI 应用创业为什么不能只做 DemoJeremy 反复强调，Demo 是小概率场景，真实用户是大概率行为；产品要进入生产，必须有问题集、准确率和可用性验证。 把“AI决策系统”讲成真实行业问题，而不是工具概念跨境电商、餐饮、库存、天气、趋势、运营动作，都可以被拆成系统输入和输出，但前提是理解真实业务场景。 非常适合企业老板理解：为什么追工具没有用，决策能力才是核心用户不是想要一个报告，而是想知道问题在哪里、应该怎么解决；工具只是长期降低咨询成本和运营成本的载体。 点出 AI 时代的新型人才方向：产品、技术、算法和行业必须跨界融合技术人不能只懂技术，产品人不能只懂需求，真正能做出行业 AI 产品的人，必须理解技术边界、用户场景和商业化路径。 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

本期嘉宾｜俊杰 / Phinn 企业内部 IT 系统管理者，长期从事 ERP、SAP、OA、CRM/DMS、BI、数据仓库、企业系统集成与内部应用开发。 他的职业路径从 SAP 定制开发开始，曾在 SAP 上海研发体系工作多年，熟悉大型企业软件的产品架构、系统逻辑和企业管理流程。后来进入当前公司担任企业内部系统管理者，负责 SAP、OA、销售系统、经销商管理系统、BI 数据分析，以及多个内部业务系统的运维、开发和改造。 这段经历让他不只是一个技术执行者，而是一个既懂系统、懂数据、懂流程，也理解企业管理、业务协作和组织落地的人。 在AI时代，他开始把 AI 应用到企业内部系统建设中，包括知识库、数据分析、代码开发、流程自动化、合同审核、报表整理、文件处理、业务系统原型和企业内部 Skill 沉淀。 这一期，我们聊的是：企业AI落地真正难的不是模型，而是企业有没有把流程理清、数据沉淀、业务经验结构化，并让AI接得住真实工作。 它不是一集普通的AI工具分享，也不是单纯的IT技术访谈，而是讲清楚： AI进入企业之后，真正的瓶颈不在工具，而在企业内部的流程、数据、权限、业务经验和跨部门协作。 主持人：Fancy 嘉宾：俊杰 youtube: https://www.youtube.com/@PhinnShen 邮箱：[email protected] github: github.com/phinn/KinetAios 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线00:00–01:30｜嘉宾登场：俊杰，企业内部IT系统管理者，职业路径覆盖 SAP、ERP、BI 和AI应用 01:30–04:32｜从 SAP 定制开发到企业内部系统管理：为什么真正懂系统的人必须理解企业流程 04:32–08:10｜企业知识库为什么难落地：不是技术问题，而是业务知识、产品经验和部门协作问题 08:10–10:21｜IT部门为什么做不好所有AI知识库：一线销售和市场经验往往不在系统里 10:21–13:44｜为什么以前企业不急着整理数据：顺风市场里，经验存在业务员脑子里也能活 13:44–15:42｜增长放缓后，老板为什么开始重视AI、数据和系统化管理 15:42–18:21｜IT系统管理者日常到底管什么：SAP、OA、DMS、CRM、BI和业务系统之间的关系 18:21–23:46｜从传统系统运维到AI开发：Claude Code、Codex、Dify 等工具如何进入企业内部应用 23:46–28:02｜传统企业系统的痛点：外部软件贵、定制慢、审批长，业务变化却等不起 28:02–33:25｜为老板做AI工具：为什么老板会用内部AI工具快速做出财务、销售相关系统 33:25–38:01｜AI工具真正难在哪里：不是接模型，而是上下文、记忆、任务模式和不同场景的处理 38:01–40:18｜内部人做AI落地的优势：懂公司需求、懂老板习惯、懂业务流程，才能优化工具 40:18–43:32｜AI带来的组织变化：固定工作被沉淀成Skill，人需要重新找到自己的不可替代性 43:32–45:28｜IT部门被压缩后，为什么企业反而更需要懂AI和业务的内部技术人 45:28–50:42｜IT人员未来的分水岭：只懂技术会危险，懂技术 + 懂业务 + 懂场景才会变贵 50:42–54:28｜什么叫全面系统化管理：不是买一套软件，而是先理清组织、流程、分工和业务规则 54:28–01:00:33｜AI自动化之前，为什么必须先精简流程、节点和数据结构 01:00:33–01:05:16｜老板和管理者在AI时代的新责任：目标、权限、KPI和指令必须更明确 01:05:16–01:13:35｜ERP解决流程，BI解决数据，AI解决什么：AI必须建立在真实、干净、可用的数据上 01:13:35–01:20:24｜AI时代的不确定性：工具更新很快，真正重要的是终身学习和保持选择权 01:20:24–01:28:10｜哪些固定工作适合做成Skill：合同审核、报表、文件处理、邮件、数据核对和文档拆分 01:28:10–01:32:40｜Skill和提示词的区别：Skill不是一句话，而是流程、经验、判断标准和可重复执行 01:32:40–01:35:55｜企业为什么不能一上来就谈模型：应该先找痛点、理流程，再选工具 01:35:55–01:42:12｜追工具还是搭系统：为什么工具会过时，但流程、知识库和业务闭环会复利 01:42:12–01:49:58｜给企业老板的建议：不要盲目追AI工具，先讲清楚业务问题和落地场景 01:49:58–01:53:51｜未来公司形态：AI OPC、小团队、垂直场景外包和企业AI落地的新机会 01:53:51–01:55:12｜结尾：俊杰的工具、AI落地经验和给听众的补充建议 10个深度问题你从 SAP、ERP、BI 一路走到AI应用，最大的职业能力变化是什么？ 企业知识库为什么不能只靠IT部门来做？ 为什么很多销售和市场经验，长期只存在业务员和老板脑子里？ 企业AI落地之前，为什么必须先整理流程、数据和业务节点？ ERP、BI和AI分别解决企业管理里的什么问题？ 为什么你认为懂企业管理的人做AI落地，比单纯懂模型的人更有优势？ 哪些企业内部工作最适合沉淀成 Skill？ Skill和普通提示词最大的区别是什么？ 为什么企业老板一上来就追AI工具，反而容易偏离真正的问题？ 未来懂技术、懂业务、懂AI落地的人，会不会成为企业最关键的新型人才？ 5个吸引力亮点真实企业内部AI落地案例，不是抽象聊工具 从SAP、ERP、BI到AI，完整讲清企业系统化管理的演进 点破企业AI落地最大的坑：没有流程、没有数据、没有业务协同 把Skill讲清楚：不是提示词，而是流程、经验和判断标准的沉淀 特别适合企业老板、IT负责人、外贸管理者、业务负责人和AI转型者反复收听 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

本期嘉宾｜Mike 多年产品经理，目前是一家 AI硬件创业公司产品负责人。他曾在阿里和硅谷科技公司做产品相关工作，参与过复杂需求定义、工具型产品设计、商业化 SaaS 产品构建和跨职能协作，也在阿里完成了产品能力从量变到质变的训练。离开大厂之后，他进入 AI 硬件创业公司，把自己过去的软件产品经验、硬件背景和AI时代的新工具结合起来，重新理解产品经理的价值。 最近，他用AI密集 build 了多个项目：从 PRD、复杂需求定义、完整 SaaS 产品搭建，到自动化工作流、AI辅助产品执行、策略模型和个人工具，都逐步纳入自己的 AI 工作流。 这一期，我们聊的是：当AI能写代码、做原型、跑自动化之后，产品经理还能靠什么重新上桌？答案可能不是“会不会用AI”，而是能不能拥有同理心、想象力、逻辑力、判断力，以及把想法真正做出来的勇气。 主持人：Fancy 嘉宾：Mike 即刻：小麦可 微信： littlemikeya 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 时间线00:00–01:14｜嘉宾登场：Mike，AI硬件创业公司产品负责人，曾在阿里与硅谷科技公司做产品 01:14–03:01｜从阿里主动离开：在绩效较好时选择转向AI硬件创业公司 03:01–03:47｜软件经验、硬件背景与AI趋势：为什么选择 AI + 硬件这条路径 03:47–07:02｜什么是“古典但不老登”的产品经理：既保留价值判断，也持续拥抱新工具 07:02–12:06｜短期数据与长期价值：为什么好产品不能只被即时数据牵着走 12:06–13:36｜从 Product Manager 到 Product Engineer：产品经理不能只会“比比”了 13:36–19:35｜阿里时期的产品质变：从复杂产品里做减法，把核心链路做到清晰、克制、美和可生长 19:35–22:53｜产品常识与结构化能力：为什么不是所有用户需求都要被满足 22:53–24:22｜大厂产品训练在AI时代还有没有价值：同理心、想象力、逻辑力依然重要 24:22–29:02｜如何训练产品能力：从日常生活、用户感受、机场指示牌、椅子设计到第一性原理 29:02–33:11｜古典PM能力为什么会变贵：感受力、创造力、逻辑拆解和人的灵性 33:11–36:45｜哪些PM工作容易被替代：浅层思考、被动接需求、写长篇PRD、催进度 36:45–41:47｜AI时代更贵的能力：学习能力、产品判断力、创新力和技术倾向性 41:47–52:48｜AI给产品经理带来的不是效率，而是勇气：为什么第一步是敢开始 52:48–55:48｜只要代码能实现，就没有不敢尝试的：从Demo到完整SaaS产品的真实体验 55:48–58:36｜复杂需求如何被AI改写：AI友好的PRD、上下文、验收标准和人类Review 58:36–01:02:52｜跨界偷学工程师思维：如何用CTO、工程师、产品经理视角拆解问题 01:02:52–01:06:09｜MVP和PMF：软件产品与实物产品都需要降低试错成本 01:06:09–01:13:29｜AI辅助策略研究：为什么复杂决策、责任承担和艺术性仍然属于人 01:13:29–01:16:55｜为什么“AI有幻觉”不是拒绝AI的理由：人也会出错，关键是用法和工作流 01:16:55–01:23:04｜从 Prompt、Context、Harness 到 Loop：AI能力如何逐步工程化 01:23:04–01:25:29｜AI模型还没真正自我学习，但工作流自动化正在持续增强 01:25:29–01:30:33｜公司里没人愿意做的脏活累活，为什么正适合用AI自动化 01:30:33–01:34:37｜练脑子的两个方法：长文阅读和运动，为什么身体基建也影响认知能力 01:34:37–01:38:53｜每个人都是领域专家的权杖：AI原生组织里，人仍然需要长板和专业判断 01:38:53–01:42:30｜从大厂到创业公司再到AI工具：把自己当成产品，不断打磨能力迁移 01:42:30–01:47:10｜AI硬件行业观察：护城河不只在AI，更在硬件、软硬一体和长期耐心 10个深度问题你为什么会用“古典但不老登”来形容自己这一类产品经理？ 在你看来，数据驱动型产品经理和古典产品经理最大的区别是什么？ 从 Product Manager 到 Product Engineer，产品经理到底要补上哪一块能力？ 你在阿里完成产品能力从量变到质变，最关键的一次训练是什么？ 为什么你认为产品经理不能只是接需求、写PRD和催进度？ 在AI时代，同理心、想象力和逻辑力为什么反而更重要？ AI给你最大的改变，为什么不是效率，而是勇气？ 一个产品经理用AI从Demo做到完整SaaS产品，中间真正难的是什么？ Prompt、Context、Harness、Loop这几个词，分别对应AI工作流的什么变化？ 未来AI原生组织里，超级个体和团队之间会是什么关系？ 5个吸引力亮点不是普通PM访谈，而是AI时代产品经理重新定义自己的样本 把 Product Manager 到 Product Engineer 的转变讲得很具体 真实拆解AI如何让产品经理从“提需求的人”变成“亲自交付的人” 提出“AI带来的不是效率，而是勇气”的强观点 适合产品经理、创业者、AI学习者、企业老板、内容创作者和技术转型者反复收听 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

本期嘉宾｜张宇 / 潦草学者 AI 产品经理、内容创作者、独立产品探索者。 他长期以“潦草学者”的身份在互联网上写作和公开表达，关注 AI 产品、效率工具、知识管理、自我管理、独立开发和 AI 原生工作流。 在职业路径上，他曾参与 AI 陪伴、AI 效率工具、AI 浏览器与 Agent 产品相关工作，也持续探索如何用 AI 放大个人创造力、产品判断力和内容生产力。 他的特别之处在于，他不是只把 AI 当成“工具”，而是把 AI 放进自己的整套人生系统里：从日程复盘、知识库、内容创作，到独立产品、职业选择和个人品牌，都在逐步形成一套属于自己的 AI 杠杆系统。 主持人：Fancy 嘉宾：张宇 公众号，小红书， 即刻 ：潦草学者 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 这一期，我们聊一个AI时代非常重要的问题：当AI让执行变得越来越便宜，一个普通人应该怎样搭建自己的人生杠杆？ 本期嘉宾张宇，网名潦草学者，是AI产品经理、内容创作者，也在持续探索独立产品和AI原生工作流。 他曾参与AI陪伴、AI效率工具、AI浏览器与Agent产品相关工作，也长期通过写作、个人网站、知识库和公开表达，记录自己对AI、产品、效率工具和个人成长的观察。 这一期，我们从纳瓦尔的人生杠杆聊起，聊到AI时代的个人放大器：为什么产品经理、内容创作者和独立开发者这几个身份底层都指向创造；为什么知识库不再只是收藏，而是未来和AI共同工作的上下文；为什么AI可以帮你写初稿、做复盘、搭小工具，但真正决定上限的，仍然是人的判断、Taste、行动力和持续表达。 这不是一集普通的AI工具分享。 时间线 00:00–01:32｜嘉宾登场：张宇，网名潦草学者，AI产品经理、内容创作者、独立产品探索者 01:32–03:04｜“潦草学者”这个名字从哪里来：用一个网名记录自己的学习状态 03:04–05:41｜产品经理、创作者、独立开发者：三个身份底层都指向“创造” 05:41–09:30｜纳瓦尔的人生杠杆：从人力、财富、代码和写作，走到AI时代的新杠杆 09:30–12:14｜为什么决定 All in AI：效率工具爱好者遇到新技术周期 12:14–16:47｜从普通产品经理到AI产品经理：用户需求没变，但创造力被AI放大 16:47–21:13｜AI对传统行业的启发：结构化思维、工具思维和跨行业迁移 21:13–27:32｜AI陪伴产品从0到1：如何判断一个新市场是否值得快速投入 27:32–32:03｜AI陪伴背后的真实需求：内容消费、陪伴、年轻一代和AI原生习惯 32:03–36:09｜模型、Prompt、角色与用户体验：产品优化不是概念，而是数据和细节 36:09–40:57｜从AI陪伴到AI浏览器：从消耗时间的产品，转向节省时间的产品 40:57–42:49｜理解Agent和AI原生工作流：让AI帮你做更多原来重复做的事 42:49–47:16｜个人AI工作流案例：AI自动总结每日记录、浏览轨迹和任务执行 47:16–52:35｜知识库如何成为AI上下文：写作风格、用户画像、个人记忆和内容资产 52:35–55:18｜两个AI之间的信息传递：未来高效协作可能是“人判断，AI整理” 55:18–59:04｜数字资产为什么重要：个人、企业和团队都需要把经验沉淀成可复用资产 59:04–01:04:16｜AI、标准化与社会变化：Skill、岗位边界和未来劳动力结构 01:04:16–01:05:09｜精力管理也是资产：高效人生的前提是健康、睡眠和自我状态 01:05:09–01:10:43｜笔记不是收藏，而是未来和AI共同工作的上下文 01:10:43–01:14:17｜闲暇、复盘和灵感：为什么一直忙的人反而停止思考 01:14:17–01:16:45｜AI如何进入创作流程：选题、资料整理、大纲、初稿和发布 01:16:45–01:21:29｜AI能辅助判断，但真正的Taste来自阅历、经历和刻意练习 01:21:29–01:25:55｜AI让岗位边界变模糊：产品经理也能写Demo、做设计、搭小工具 01:25:55–01:27:34｜摩擦力降低之后，执行力强的人会被进一步放大 01:27:34–01:30:20｜普通人如何开始建立AI人生杠杆：先从自己真正想做的事开始 01:30:20–01:34:41｜手搓播客与AI时代的人味：越是AI化，真实表达越稀缺 10个深度问题“潦草学者”这个名字背后，为什么反而体现了一种长期学习者的状态？ 产品经理、内容创作者、独立开发者这三个身份，底层共同点是什么？ 你如何理解纳瓦尔所说的人生杠杆？AI时代，这个杠杆发生了什么变化？ 你为什么会在2023年决定 All in AI？这是职业选择，还是认知判断？ 从普通产品经理到AI产品经理，真正变化的是工具，还是产品经理的能力边界？ AI陪伴产品从0到1的过程中，你如何判断一个新市场是真需求，而不是短期概念？ 为什么你认为知识库不是收藏夹，而是未来与AI共同工作的上下文？ AI可以帮人写内容、做总结、搭小工具，但人的判断和Taste为什么仍然重要？ 当产品经理也能借助AI写Demo、做设计、做增长，岗位边界会如何变化？ 一个普通职场人如果想建立自己的AI人生杠杆，第一步到底应该从哪里开始？ 5个吸引力亮点嘉宾身份复合度高：AI产品经理、内容创作者、独立产品探索者三线合一 从纳瓦尔人生杠杆聊到AI时代个人放大器，主题非常适合你的播客主线 真实拆解AI陪伴、AI浏览器、Agent和AI原生工作流背后的产品逻辑 把知识库、日程复盘、内容创作和个人品牌串成一套AI超级个体系统 适合AI学习者、产品经理、内容创作者、外贸SOHO、超级个体和自由职业者反复收听 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿

本期嘉宾｜徐浩 新加坡外企 HR 学习发展岗位从业者，长期关注终身学习、自我成长、AI提效与组织赋能。他从2013年本科毕业后，先后在民营企业、央企和外企工作，一直围绕“人与成长”展开职业实践。2023年3月开始使用AI后，他并没有只把AI当成写文案、做总结、提效率的工具，而是用“选人、用人、育人”的视角去理解AI，把AI当作可以被分工、被训练、被反馈、被复盘的“数字下属”。在公司内部，他参与AI赋能项目，帮助非技术岗位员工从“会用工具”，进一步走向“会拆任务、会搭上下文、会设计自己的AI工作流”。 主持人：Fancy 嘉宾：徐浩 微信号:keliya 001 付费平台：https://xiaobot.net/p/coriaxai?refer=5db67341-0e10-4c3e-8ac1-bb4a2a156c6c 收听方式： 喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube. 这一期，我们聊一个很少被认真讨论的AI问题：当AI进入组织之后，真正要改变的不是工具，而是人的能力结构。 本期嘉宾徐浩，在一家新加坡外企的HR部门做学习发展工作。过去十多年，他一直围绕人与成长做相关工作；从2023年开始使用AI后，他开始把AI放进真实工作场景里，探索如何帮助员工从“会用工具”，走向“会拆任务、会建上下文、会设计AI工作流”。 这一期，我们会聊到：为什么企业内部推AI不能只看工具热度；为什么有些员工一个AI还没用明白，就不适合马上做多AI协作；为什么业务专家真正卡住的地方，不是不会写提示词，而是说不清自己的隐性经验；以及，学习发展岗位如何从“安排培训”，变成“组织能力迁移的设计者”。 徐浩还分享了一个很有意思的方法：他会给不同AI起名字、设人设、分工协作，把GPT、Claude、Gemini当成不同能力的“数字下属”来管理，并通过底层指令、灵魂文档、任务复盘和Memory Skill，让AI越来越理解自己的工作系统。 这不是一集AI工具教程，而是一集关于：组织里的人，如何在AI时代重新学习、重新分工、重新证明自己的价值。 时间线00:00–01:52｜嘉宾背景：新加坡外企HR学习发展岗位，长期关注人与成长 01:52–04:12｜学习发展岗位到底做什么：从课程研发、培训组织到AI赋能 04:12–06:20｜为什么先拿自己当实验田：自己跑通，才敢交给组织 06:20–09:31｜组织支持的重要性：AI战略、老板支持、预算和试错空间 09:31–11:35｜个人用AI和组织推AI的区别：不是自己好用，而是别人能不能用 11:35–18:33｜踩坑案例：财务场景返工、多AI领导力不适合所有人 18:33–21:11｜AI改变学习发展岗位：从效率工具到能力迁移 21:11–27:37｜企业内部AI培训怎么考核：不看满意度，看员工能产出多少Skill 27:37–30:18｜学习发展岗位的新价值：一边理解业务，一边理解AI边界 30:18–35:37｜小班教学与MVP：为什么组织内AI赋能不能一开始就铺太大 35:37–38:33｜AI时代的教学变化：一边教，一边学，一边迭代 38:33–44:56｜个人系统与公司项目如何互相供养：低成本实验与真实业务校准 44:56–48:02｜把个人方法变成组织设计：真实任务、输入、步骤、标准、例外 48:02–55:32｜如何让员工愿意参与AI项目：用真实任务和时间提效打动他们 55:32–58:53｜组织内部也需要“销售”：AI分享、广播站和自愿报名机制 58:53–01:05:30｜AI First不是目标，而是要求：真正目标是合理的人机协作 01:05:30–01:13:03｜业务专家真正卡在哪里：不是不会工具，而是不会显性化经验 01:13:03–01:18:28｜一项任务能不能交给AI：重复性、数据安全、标准、纠错和责任 01:18:28–01:21:04｜AI改变组织形态：目标没变，螺丝钉变了 01:21:04–01:28:43｜三个AI分工协作：把GPT、Claude、Gemini当成不同数字下属 01:28:43–01:35:43｜灵魂文档与AI人设：为什么AI越懂你，越能进入真实工作 01:35:43–01:40:41｜如何管理AI下属：目标、材料、交付标准、复盘和Memory Skill 01:40:41–01:46:23｜AI反问、结果校验和组织返工：为什么目标不清会制造巨大内耗 01:46:23–01:52:19｜给听众的三个建议：用桌面端Agent、写底层指令、重视上下文 01:52:19–01:57:09｜HR与技术部门推AI的区别：一个懂系统，一个懂人的使用场景 10个深度问题你为什么会把自己定义为“先拿自己当AI实验田”的人？ 在组织里推AI，和一个人自己用AI，最大的区别是什么？ 为什么财务场景会成为你们AI赋能里一个典型踩坑案例？ “AI领导力”为什么不是所有员工都能直接上手？ 学习发展岗位在AI时代，为什么会从“安排培训”变成“设计能力迁移”？ 企业内部AI培训，为什么不应该只看满意度，而要看Skill产出？ 业务专家真正卡住的地方，是不会工具，还是说不清自己的隐性经验？ 一项任务到底能不能交给AI，你们会用哪些标准判断？ 你为什么会给不同AI起名字、设人设，并把它们当成数字下属管理？ 未来一个人的能力为什么会变成：专业能力 × AI能力？ 5个吸引力亮点从HR学习发展视角讲AI，很少见，不是普通工具分享 真实拆解企业内部AI赋能如何踩坑、筛人、做小班MVP 提出“AI培训不是满意度，而是Skill产出”的组织考核逻辑 把GPT、Claude、Gemini当成不同数字下属管理，非常有记忆点 适合HR、企业管理者、培训负责人、AI学习者和组织转型者反复收听 《瑜伽姐的斜杠人生》播客团队 在小宇宙查看该单集文稿