AI炼金术

# AI 原生组织转型 01：用 AI 对齐事实、对齐打法

最近来找我聊的朋友，问题都变了。

以前问的是用什么模型、要不要培训。现在问的是：我们已经在用 AI 了，很多人用得还不错，但整个组织的效率好像并没有提升。更诡异的是有些公司说，效率确实提升了，人也裁了——裁员你总归省了一部分钱吧——但公司利润也没有增加。

这是第二阶段的鬼故事。这一集把它拆到底。

这条路分五段走：

一、局部提效为何失效

二、重新发明组织

三、AI 接管对齐事实

四、AI 接管对齐打法

五、AI 接管推进

---

## 一、局部提效为何失效

先说效率其实有三层，而我们大部分注意力都花在第一层。

第一层是单点效率——一个具体的员工、一个具体的活、他干的速度。这对打工人非常重要，但对公司不是。第二层是组织协调——把很多人的劲往一块使。第三层是市场和战略——你打下来的是什么样的城市，有些仗打赢了也是亏的。单兵能力和组织作战能力，这两件事很多时候没什么关系。

那为什么光做第一层没有用？三个原因。

**第一，阿姆达尔定律：一件事有很多环节，你只搞其中一个，对整体的效果有限**。

上海到北京飞两小时，提速 30% 是伟大的科技进步。但打车、提前量、安检加起来，门到门本来就要五个小时——省下的半小时摊进去，在我脑子里其实变化不大。

局部优化哪怕做得花团锦簇也一样。我自己做过非常好的 demo，合作方连 PR 稿都发了，我自己也会吹牛逼。过一段时间再问「这个东西后来有用吗」，答案是「其实也没什么用」。

**第二，系统的表现取决于瓶颈：你优化的那一环不是瓶颈，提了也白提**。

后厨的洗菜工切菜工手速快十倍，但厨子没加、灶台还是四个——菜洗得再好堆在那里也没用。就算整条后厨都快了十倍，门口进来的人没有增加，你还是赚不到钱。

**第三，也是最要命的：大头根本不在「做事」**。

知识工作最大的时间和精力消耗，不是在做这件事本身，而是在开会、在对齐协调、在对接交接、在等待。不同报告不同口径，基本都指向 60%。而且你工资越高，这种交互越多。不信可以翻一下你上周的日历，看看多少时间在干活、多少在开会；开的会里又有多少是为了沟通对齐，多少是为了这件事真的发生。

所以你把那 40% 做到极致，也动不了那 60%。

更狠的是：每个模块都正确，系统仍然可以烧毁。火星探测器飞了九个半月、几亿英里，到了轨道直接烧在大气层里——一边用英制、一边用公制。一亿多美金打水漂。各自做的都对，说不定还加班了还提效了，整体上做出来是个零。

AI 并没有制造这个瓶颈。以前干活干得慢，慢盖住了协调的损耗；现在干活快了，它就露出来了。

---

## 二、重新发明组织

那怎么办？先得回到一个原点：组织到底是用来干嘛的。

我们常把组织当成天经地义的东西，像天上有蓝天白云一样。想 AI 转型的时候就想：我们就一定有一个组织，把它转一转，就能更好地用好 AI，我们还是那些人，我们还是好兄弟。

但现代公司制度其实是一种发明。层级、部门、流程、KPI，都是很近代才有的，是用来解决具体问题的：信息路由和管控。

而每一个零件，都架在某个稀缺假设上。

层级，是因为一个人看不过来。可滴滴一个后台管 1000 个司机，谁送到哪、车上录音都看得见——「看不过来」还成立吗？

部门，是因为人脑装不下，所以要把一堆专才塞一起、给一个统一界面对外。可如果每个人身边都有一个会翻译的小秘书呢？

流程，是因为看不到全局所以要管控。那为什么还需要人类来做这个管控？

AI 来了像小行星撞地球，生存环境已经变了。过去留下来的东西不是没道理，是上一个时代的道理。坐月子不能洗头，在没有热水器、没有电吹风、没有青霉素的年代是有道理的。

所以有了这一集那句暴论：

「AI 不是组织的工具。AI 是竞品，AI 是组织的替代品。」

不是把原来的组织转一转好去用 AI，而是想怎么用 AI 去替代原来组织的绝大部分功能。

具体落地，最先发生的往往是三件事：对齐、推进、闭环。这一集讲完对齐，推进讲了一半。

---

## 三、AI 接管对齐事实

对齐无非两件事：对齐事实（世界现在是什么样子）和对齐打法（我们做事的规矩是什么）。

一支军队如果每个连队看到的地图不一样、打法也没协调过，那就是一锅粥，人再多也打不出来。

**先说对齐为什么这么贵。传统组织在这里有两个问题**。

一是工作量是平方级涨的。三个人三条沟通路径，50 个人就是 1225 条。所以大公司为什么慢？维持一个统一的想法实在太难。

二是——你可能觉得也没那么夸张——那是因为我们其实根本没在对齐。设计师考虑了一百种方案，最后压成一张图或者三页 PPT 交出去，隐空间里那些东西全丢了。下一个人接到压缩包再重建，中间长出大量幻觉。压缩、还原、压缩、还原，像快乐大本营的传声筒，传到最后不知道传成什么样。

所以传统对齐是：太贵，而且仍然对不齐。

**那 AI 凭什么能解决**？

第一，它把 N 乘 N 的问题变成 N 的问题——大家不用互相聊，统一跟一个 AI 聊。第二，它管得住的上下文比人大太多。以前也有 PMO 这个角色，但 PMO 参加不了每一个会，只能记住几个要点；AI 可以掌握全部，压缩比低得多。第三，下达的时候它只把跟你有关的那部分递给你——20 个人的项目文档更新了 40 条，你根本不知道哪条跟你有关、也不知道怎么搜。

**真正的对齐，是所有人操作同一个对象**。

波音早年各部门都用上了 CAD，但一个部门画完，会把图纸打印出来交给下一个部门，下游用肉眼看图再画自己那份——因为哪怕你用的是 CAD、我用的是另外一个 CAD，两个文件是不通的。结果一扇门反复改一万两千多次，最后还得打实体木头假飞机来试装。直到 777 说这太傻了，到云端搞一架云飞机，所有人操作同一架。

然后是这一集我最想让你带走的那句：**你的会议纪要，就是那张打印出来的图纸**。

你们公司为一款智能耳机开了 12 个会。这 12 个会的会议纪要，是单独的还是连续的？

一个会决定螺丝改大，另一个会决定把大螺丝那家供应商换掉。两个结论各自成立，合在一起却打架——而这个冲突要靠人的脑子才能发现。

为什么要靠人的脑子？这份纪要是给谁看的？「螺丝改大一点」这个结论，不该去改一份纪要文档，它该去改云端那只耳机。

我们嘲笑古人把图纸打印出来传、嘲笑一边公制一边英制——可我们自己，不也是这么处理问题的吗。

**正在发生的做法，我看到四种**。

出门问问 / 李志飞：每个项目一个 agent，管这个项目的全部上下文、进展、待办、风险。有一个说法是不准人跟人开会——信息不该从一个人流转到另一个人。

安克创新：新品上市原来十几个节点、大几十个判断点，每个节点做到 99%，叠下来损耗还是超过七成。改造后 20 个环节变成三四个大环节，交接从 20 次降到 4 次，而且每次交接传的是明确定义的完整数据对象，不是一份薄摘要。所有产出汇进项目池，一个假设变了——比如颜色改成蓝色——所有相关方同时拿到最新状态。（B 站有公开课，强烈推荐。）

Claude Tag：可以在 Slack 里 at 的机器人。别把它想成豆包，它持续读你授权范围内的全部上下文，拿到的是多人环境的所有线，还会主动冒出来说「那边已经把螺丝改了，这家供应商现在不能换」。

**还有一种不对齐，不是没沟通，是彼此以为听懂了**。

这种对齐一个统一的库解决不了，得靠把东西做得更没歧义。一句诗可以有一千个哈姆雷特，但一个微信长什么样子，没有解释空间。

所以现在创业公司基本都在用 demo 沟通，很少还靠文档。Flomo 的少楠，产品经理要自己先写代码跑通，拿到结果才写 PRD。Botlearn 是研发直接上线 MVP 去找客户验，靠谱了再找设计师做好看。我们孵化的一家 AI 转型服务公司更夸张：跟客户开会半小时，当场甩 8 个可以点的 demo，按钮功能全有、里面全是假数据。王总一边点一边说：第二个好，第三第四不是我想要的，第五个你误会我意思了。半小时问出来的东西，空口讨论两天也问不出来。

---

## 四、AI 接管对齐打法

想让大家按规矩做事，传统上就三招，而且三招在三个不同的地方失效：

培训——请我这样的人去讲一堂课，大家鼓掌说讲得真好，回去全忘了。制度——写得特别精彩，根本没人看。KPI——大家想到歪门邪道把数字搞定，但不做正事。

我最近在抖音上老刷到一种广告：前一段时间原价买的人现在一定哭悔死了，今天大降价只要多少钱，那些人已经哭晕在厕所了。如果我是这个品牌的老板我一定气死——这是在赤裸裸地教育用户，以后再也别在原价的时候买你家东西。可它整段没有一句说品牌不好，你很难指出它哪里违规，但你一眼就知道它在伤品牌。这种行为你怎么控？

还有个朋友是很大的 K12 公司，非要找 AI 电销。我给他拉了个头部的人工电销公司，按效果付费，买不了吃亏。他说不行，我还是想找 AI 的。为什么？「我们内部有外呼团队，只要定下 KPI 他们总有办法拿到，可那个过程的话术永远不是我想要的。」

他要的是又有过程又有结果。**这种自相矛盾的要求，只有 AI 会答应**——人类听到，只会想把老板干掉。

所以打法的对齐，方向是把规范写进执行环境，而不是贴在墙上。三个正在发生的做法：

Botlearn / 俊东：设计师把品牌规范（什么颜色、什么 logo、字多大）全部写成一个 skill，做 presentation 时调用一下，整份文档自动符合规范。原来的规范是一本册子让你学着对照，现在它是一个按钮。**不要说是又讲一个道理，而是把它变成一个按钮**。

安克 / 阳萌：检查点优于行动、先于行动，标准是贴在检查点里面的。关键是检查的那个 agent 上下文必须独立——徐文浩就踩过坑，让 agent 去做测试用例，它把测试全 mock 掉，绿灯一片其实啥都没干。你要的是一个对抗性的、干干净净的 agent，就像你怀疑一个部门的时候不会让他们自检自查。

ZooClaw / 徐文浩：Vibe Coding 之后没人守代码规范，每个人画 SVG 都自己画一套，公司里明明有库可以复用。传统解法是培训，培训不会听。他们的解法是让 AI 去扫每个人代码里写 SVG 那部分，直接重写成复用公司库的版本。**因为人类是不想学习的，就机器学习**。达到了对齐的效果，但没让人类支付对齐的成本。

顺带回一个常听到的顾虑：AI 还不靠谱、有幻觉、能力不够。人类更有幻觉，人类更不靠谱，那你为什么敢用人？因为你有测试、有内控、有流程。解决 AI 的问题也一样——不是指望某一个 AI 当场办妥，而是用一套机制打出来。

---

## 五、AI 接管推进

这一集后半还有 20 分钟在讲第二件事：推进。推进拆开是四步——发现活、分配活、传导活、检查活，这一集讲完前两步。

**组织最大的时间损耗，发生在任务之间**。方案做完了躺在群里等产品，产品看完了躺在邮箱里等法务，法务看完了躺在系统里等采购。也不是白等，每一站都给你一点反馈，然后「我们再碰一下」「下次拉上谁一起看看」，就没完没了。

传统解法是养一批人专门补缝，叫 PMO；再狠一点是把两个部门合并，用一个老大的权威硬推。所以公司里贵的人在干嘛？**你给他那么多钱，主要不是为了他的专业性，而是他能够让事情推动**。

AI 凭什么推得动？它更知道全局，它更耐得烦，而且它更不怕得罪人。

安克早期也做了很多 agent，培训完满意度巨高，回去之后全都不用了。为什么？因为流程的推动引擎还是人——人是发动机，agent 只是可有可无的工具。后来他们把这句倒过来：**是 agent 去推动流程，而不是人去用 agent**。

发现活的最高境界，是活自己举手说该干我了。海底捞的小平板会告诉你哪张桌子刚空、哪张需要清理，不用人巡场——人巡一趟就是一段延迟。美的原来每两小时开班组会跑到大屏前碰一下，现在用人形机器人去扫、去识别、自己派工单。

数字世界更难，但也有：安克在亚马逊上某个产品销量下跌，不等人去发现——系统自己报警，自己排查是不是没库存、广告流量少了、有差评，把看过的东西打成一个包，直接生成工单派给最能解决的人。不是等到周会上过数据说「上周这个为什么跌了」「我去查一下」。

分配活也一样。你中午点外卖、出门打车，那个调度是人做的还是 AI 做的？我们早就接受了 AI 调度骑手和司机。腾讯研究报告里的 CodeBuddy，每天早上根据历史情况给程序员派活让他挑一条。酷特智能（前身红领）的工厂，衣服到了工位，RFID 一识别，屏幕直接告诉工人做什么——不是一个人类分配给另一个人类，再由那个人决定要不要用 AI。

而且活要变大。每个人用上 AI 之后产能翻了 N 倍，你还按老尺寸派活，他做完一小块马上又要交接一次，人很憋屈、摩擦反而更大。**真正的三倍，是少了两次交接**。

传导、检查，以及第三件事「闭环」，在下一集。

---

## 彩蛋：AI 接管之后，人反而更累

一个悖论。平时 80% 的工作是低智力、低算力的，我们嘴上抱怨那些无聊工作，但它对脑子其实是休息。当 AI 派来的每个活都要你做真正的决策，脑力消耗会大得多。

我自己的体感是：工作时间没怎么增加，但脑力上的损耗可能是以前的好多倍。做一个 PPT，以前随手就做了，现在每个模块 AI 至少给我出上千万字的东西，你大量的时间在看，然后还会去找各种人聊，对事情的要求又在变多。

有点像福特。他一直被说成大好人给工人涨薪，其实是因为把工人放上流水线之后，原本还能歇一下的人发现自己永远要干活，不涨薪他就跑了。

所以真让 AI 发现活、分配活之后，留下来的人强度是要变大的。你要么挑更好的人，要么给更多的激励——这又需要组织其他部分来配合。

---

## 可以直接摘走的几句

「你可以买来好军舰，但是你做不出好海军。」

「AI 不是组织的工具。AI 是竞品，AI 是组织的替代品。」

「大家应该云端操作同一架飞机——是操作同一个对象去对齐，而不是去增强点对点的沟通能力。」

「我们嘲笑古人把图纸打印出来传，我们自己不也是这么处理问题的吗。」

「不要说是又讲一个道理，而是把它变成一个按钮。」

「因为人类是不想学习的，就机器学习。」

「全部用 AI 来做检查，甚至全部用 AI 来做操作，只让人类做例外。」

「人类更有幻觉，人类更不靠谱，你为什么敢用人呢。」

「你给他那么多钱，主要不是为了他的专业性，而是他能够让事情推动。」

---

## 时间轴

00:00　鬼故事：人人都提效了，公司却没变快、也没多赚钱

01:30　效率的三个层次，以及我们为什么只盯着第一层

04:30　一、局部提效为何失效：阿姆达尔定律与门到门那五小时

07:00　系统由瓶颈决定：洗菜快十倍，灶台只有四个

08:30　大头不在做事：60% 的时间在对齐；火星探测器毁于单位不一致

11:30　AI 只是把长期被盖住的瓶颈暴露了

12:00　二、重新发明组织：张一鸣、满清买铁甲舰、买军舰与做海军

13:30　层级、部门、流程分别架在什么假设上；坐月子不洗头

18:56　暴论：AI 不是组织的工具，是组织的替代品

20:30　三件事：对齐、推进、闭环

21:30　三、AI 接管对齐事实：对齐事实与对齐打法

23:00　对齐为什么贵：1225 条路径，加上有损压缩的传声筒

25:40　AI 凭什么能解决：N 平方变 N，只把你需要的递给你

29:10　波音 777：从打印图纸，到云端操作同一架飞机

32:40　你的会议纪要，就是那张打印出来的图纸

39:10　出门问问、安克创新、Claude Tag

46:10　很多不对齐是以为听懂了：少楠、Botlearn、半小时 8 个 demo

49:40　四、AI 接管对齐打法：培训、制度、KPI 在三个地方失效

52:10　K12 电销：又要过程又要结果，只有 AI 会答应

54:40　把规范写进执行环境：俊东的 skill、阳萌的检查点、SVG 重写

57:10　人类更有幻觉，你为什么敢用人

60:40　五、AI 接管推进：损耗全发生在任务之间

65:20　是 agent 去推动流程，而不是人去用 agent

66:10　发现工作：海底捞的平板、美的的机器人、安克的自动工单

70:40　分配工作：CodeBuddy、酷特智能，以及真正的三倍

77:50　彩蛋：AI 接管低算力工作，人类反而会更累

---

## 这一集提到的

出门问问 / 李志飞 —— 每个项目一个 agent；有一个说法是不准人跟人开会

安克创新 / 阳萌 —— B 站公开课；20 个环节压成三四个；检查点优于行动、先于行动

Botlearn / 俊东 —— 品牌规范写成一个可调用的 skill；研发直接上线 MVP 验完再做设计

ZooClaw / 徐文浩 —— AI 扫代码重写 SVG 复用公司库；agent 把测试全 mock 掉的翻车案例

Claude Tag —— Slack 里可以 at 的机器人，读授权范围内的全部上下文，会主动冒出来纠正

Flomo / 少楠 —— 产品经理先自己写代码跑通，再写 PRD

CodeBuddy —— 腾讯研究报告里的例子，每天早上 AI 根据历史给程序员派活

酷特智能（前身红领）—— RFID 识别到工位，屏幕直接告诉工人做什么

海底捞 · 美的 —— 桌况自动识别派活；人形机器人替代两小时一次的班组巡检

阿姆达尔定律 · 波音 777 · 火星探测器的单位事故 · 张一鸣「把公司当产品打造」 · 福特的流水线

---

## 订阅

微信公众号：AI 炼金术　小宇宙：AI 炼金术

觉得有用的话，欢迎留言，也欢迎转给正在做 AI 转型的朋友。下一集接着讲传导、检查和闭环。

「如果一个组织还需要不停地开会和大量地写文档来做对齐，那它一定快不起来。」
这不是管理鸡汤，是一家 AI 创业公司踩了一年多坑之后的结论。

这家公司现在没有日报周报，每天只开十分钟站会；产品、设计、研发全员写代码，想知道谁的进展，直接上 GitHub 拉代码跑一下。但他们也坦白了另一半故事：最开始全员用 AI 提效，版本却没有变快，人反而「脑子都烧坏了」——因为他们只是在用 AI 加速旧流程，开会、评审、对齐的时间一分钟都没省。

本期任鑫请来 Ouraca 的两位联合创始人张栖铭和吴俊东，把一家 AI native 公司的组织形态从头到尾拆开：怎么分工、怎么对齐、怎么定 OKR、怎么判断人才。如果你也在纠结 AI 到底有没有让你的团队变快，这一期会让你先放松下来——然后知道该改哪里。

嘉宾
张栖铭：Ouraca 联合创始人，负责产品与研发。曾在字节智慧教育负责整个中台，做过多个亿级用户量的产品。本期大部分一线踩坑细节和组织打法来自他：从「AI 写的按钮为什么先变小再播放」，到「按上下文分工而不是按职能分工」。
吴俊东（Frank）：Ouraca 联合创始人，哈佛肯尼迪学院毕业，非技术背景出身。曾在好未来七年，一半时间做投资，一半时间负责内容营销等业务。作为文科生，他用 vibe coding 独立写出了一个能实时侦测屏幕、教你操作电脑的 Mac 客户端——他是「learning by building」这个理念的活案例。

本期亮点
→ AI 提效的三个错觉，让他们「经常睡不着觉」。张栖铭复盘一年多前的踩坑史：团队小、决策链短、同事能力强，按理说套上 AI 应该起飞，结果出了一堆人类无法理解的诡异 bug——一个播放按钮被 AI 写成「先变小再播放」，改了别的功能后这个隐藏逻辑突然暴露出来。「发现冰山一角的时候，你不知道水面下还有多少问题在。」

→ 拆完时间账才发现：AI 在加速旧流程，而旧流程的大头是人跟人对齐。每个节点都在用 AI，版本却没快多少。真正写代码的时间本来就不长，大头是开会、讨论、评审——这些一分钟都没省。更惨的是双重工作量：先让 AI 生成，再看懂 AI 补的细节，再讲给别人听，被问两句卡住，「别人就觉得这个人没想清楚就把事情丢过来了」。

→ 解法是按上下文分工，不是按职能分工。访谈了一批「一个人做七个产品」的超级个体后，张栖铭发现他们快的原因是：每个决定对自己都是确定的，没有上下游对接。于是公司改成一个人负责一个完整上下文闭环，「除非必要沟通，其他就不沟通」——讨论观点不如各自出 demo，最后让 AI 把两人 demo 里好的部分合成一个。

→ 流程反转：研发先上线，设计师最后介入。主流程变成：有想法的人直接做出 demo 发给真实用户，验证没问题之后，设计师才把代码拉下来、直接改代码做优化——不再画 Figma 设计稿。开会基本没有，「务虚的东西很少，全部看实际的产出页面」；想知道某人进展，上 GitHub 看提交、拉下来跑一下，日报周报「完全不需要」。

→ Claude 团队的「五种人」，他们已经默默实施了很久。原型者用 demo 代替空对空讨论；建造者把原型变成生产级产品；清扫者专门叫停和删掉不必要的东西——当开发成本趋近于零，「顺手就做」会堆出大量无效甚至负向的功能，任鑫补充：Claude Code 团队自己也把 harness 里 80% 的代码删掉了；再加上增长者和维护者。

→ 两个最容易踩的风险：AI 让自我欺骗更高级，以及更快地做出没人要的东西。模型天然倾向顺着你，「你说什么它都能夸你从一个非常不一样的视角给出了答案」——所以要刻意让它做反方辩手。而当做东西不再花时间，对需求场景的判断力反而变成最稀缺的东西。

→ OKR 的新写法：少写完成了哪些功能，多写验证了哪些假设。以前定 OKR 是垫脚就够得着的确定性目标，照着做；现在一个双月已经「非常漫长」，应该用大目标逼出完全不同的思路——呼应任鑫引的 YC 掌门人 Garry Tan 的说法：把目标定成 boil the ocean。「你说去楼下，那你只能想到走楼梯；你说登月，思路就宽广了。」

→ 人才判定翻转：「杠杆率」取代「靠谱」。古法编程时代产出稳定、节假日秒响应的靠谱员工，现在分数反而变低；能把模型当成一堆虚拟员工来编排的人，发挥出的能力是以前的十倍百倍。张栖铭现在看人只看三样：业务理解、元认知、能不能快速把模型的杠杆拉满。

→ 彩蛋：给普通人的两个动作。吴俊东：停止刷视频课，找一个 project，能用 AI 就用 AI，从头到尾做出来、给真实用户用——learning by building，「现在是 the age for builders」。张栖铭：把日常的会议、文档、语音全部沉淀下来，「蒸馏自己」，飘到天上客观地看自己。任鑫自曝已经在做：全天候录音，每晚处理，「所有电话会都会自动后台偷偷录下来」。

时间戳
00:05 开场：还在开会的组织快不起来
02:40 踩坑史：AI 提效的三个错觉，与人类无法理解的诡异 bug
05:59 拆完时间账：AI 在加速旧流程，对齐时间一分钟没省
08:46 访谈超级个体的启发：按上下文分工，一个人负责一个闭环
12:01 全员出原型：不许空口白牙提需求，拿 demo 对齐
16:48 岗位边界模糊：负责人要降低控制欲，学会「外包式躺平」
19:46 Claude 团队的「五种人」：原型者、建造者、清扫者、增长者、维护者
25:28 元认知与杠杆率：开工先问模型「你会怎么把这事做到最好」
30:11 协作实况：全在 GitHub，设计师直接改代码，没有日报周报
37:32 两大风险：AI 让自我欺骗更高级；更快做出没人要的东西
39:21 OKR 新写法：少写完成了哪些功能，多写验证了哪些假设
43:45 效果验收：言出法随，一周十几万行代码，讨论观点不如各出 demo
49:44 人才判定翻转：古法时代最靠谱的人，分数反而低了
51:32 传统企业想转型：第一位的是一把手的决心
54:34 AI 时代的驾校：8 月 14 日上线的课，和 FDE 认证计划
01:03:37 结尾两问：learning by building ＆ 蒸馏自己

欢迎订阅「AI炼金术」的播客，以及同名公众号、视频号
「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。
我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！
商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式

节目主理人：
徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。
任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。

播客剪辑：
十六颗糖

BGM:

片头：Shortwire - Reconfig
片尾：James TW - Butterflies

一家做「催收」的 AI 公司，但没有选择用 AI 打催收电话。
张天乐的艾语智能，每个月从中国 3000 个法院批量提起 1 到 2 万件小额信贷诉讼，回款率比传统律师更高——靠的不是施压，而是立案之后陪客户分期一年、两年、三年慢慢还。这期节目他把整套反认知摊开来讲：为什么打电话是在无效流程上做效率优化，为什么 AI 的正确用法是给人下任务而不是替人打电话，为什么传统的人类系统对 AI 来说「不是不友好，是一个灾难」。

下半场更生猛：他的公司一天上线两三百次、砍掉了测试岗、没有人再看代码，研发从 20 人降到个位数，山西作业中心的大专生一线员工直接拿到数据库和代码权限自己改系统，连司机都在 vibe coding。做了一个 skill，定期蒸馏 Anthropic 高管的文章来对齐公司架构——「他说干咱就干，他说不干咱就不干」。

嘉宾
张天乐，艾语智能创始人。
很难得的既非常 AI 原生本质思考，又务实赚钱理解市场的创业者。

本期亮点
→ 不打催收电话，是这家催收公司的第一个反认知。团队第一天就有巨大争议：AI 电话催收无论商业模式还是团队能力都「自然到简直了」，但张天乐全部毙掉。他的逻辑是打电话施压力度很低，「我不还钱就不还钱了」，最终只会劣币驱逐良币；参考美国、日本、台湾，行业终局都是立案之后的长分期。早期没有大律所愿意合作，全国性律所的律师碰完 5000 块的官司都特别 nice 地劝他：「小张你别干这个事儿了……你好像做技术也挺好的。」
→ AI 发挥作用的方式是给人下任务，不是替人干活。他们没有急于让 AI 打电话（方言、语气、跟法官沟通全是坑），而是让机器告诉小白员工：今天联系哪个法院、注意哪个法条、这个法院历史成功了多少笔、能不能线上开庭。结果是「用一个小白员工代替了一个专业律师」。张天乐总结：很多人用 AI 是在一个无效流程上做效率优化——打一个电话他不还，打十个电话他其实也不还。
→ 第二曲线是用锤子找钉子找出来的。视觉模型爆发后他「特别焦虑」——一家 AI 公司居然没踩上浪头。反共识的判断是：大家都盯着视觉模型的生成，忽略了视频理解也同步变好了；AIGC 让盗版成本更低，盗版一定会变多。于是做了侵权打击业务：传统服务商只投诉下架（「你反正投我就下架，换个链接就行」），他们是行业里唯一投诉和立案一起做的，小案子也立，「只有付出代价，他才能终止这个行为」，直接给客户交付侵权率下降。
→ 全面对齐 Anthropic：他说干咱就干。公司做了一个调用频率极高的 skill，定期抓取 Anthropic 高管和核心文章做蒸馏，用来定公司的技术架构，「到后来讨论也不讨论了……他说干咱就干，他说不干咱就不干，一定要让公司减少无效的讨论」。对齐之后模型调用量反而降低了：能写脚本就写脚本，能用 if else 就不上大模型——「agent 应该去解决不确定的问题，它不是复杂问题」，这句话他认为说得太有水平。
→ AI native 落地的第一步，是承认自己的系统是灾难。跑了几年的系统冗余数据一堆、定义错误一堆、文档还不如没有，「传统的人类系统对于 AI 来说它不是不友好，它是一个灾难」。他干的第一件事和 Palantir 的本体论思路一样：花了三四周（远超他的预期）把数据库表全部重构，做到没有冗余字段；第二件事是把所有行业 know how 沉淀成 markdown 和 skill。检验标准是一个「脑中模拟」公式：看公司文档能不能把公司重构出来。
→ 一天上线两三百次，没有人看代码。测试岗被裁掉——「实在是太拖累我们的速度了」，代码 AI 写、AI 检查。公司三十几人，研发从 20 人降到个位数且离职不补，逼着研发变成极致稀缺资源去搭好环境；山西作业中心的大专生一线员工拿到数据库和代码权限自己改系统，「他们现在特别兴奋」；负责人都是团队里 coding 贡献最多的人，传统中层已经不存在。他现在关注的指标不是提交量，而是「多少人贡献了代码」。
→ 彩蛋：命好是核心竞争力。聊到创业方法论的最后，张天乐主动拆自己的台：三条件框架有很强的局限性，「我觉得就命好，遇到了」——疫情打通线上立案，「你说这事儿和我的努力有啥关系？完全没有关系」。任鑫接梗：我们现在讨论项目，都会讨论这个创始人命好不好。

【时间戳】
01:13 开场：为什么要请张天乐——聊 100 个 AI 项目，只有一个商业上是成立的
02:57 艾语智能是谁：用 AI 解决社会难题，两条业务线
07:27 为什么选催收这个「不高级」的场景：三个创业条件
10:49 AI 到底好在哪：处理量大幅提升 + 回款率更高 + 3000 个法院线上立案
14:40 人类法则和 AI 法则：AI 给人下任务，小白员工代替专业律师
19:12 最大反认知：坚决不做 AI 电话催收，终局是立案后长分期
23:02 怎么搞定六七十家金融机构：不见客户，商业模式极致平滑
25:13 第二曲线：视觉模型焦虑、锤子找钉子、投诉和立案一起做
36:31 技术路线踩坑史：开 1000 万支票买模型、自己 SFT、最后全面放弃本地部署
41:22 全面对齐 Anthropic：做一个 skill 蒸馏他们的文章，减少无效讨论
46:00 AI native 组织三逻辑：人服务 AI、机器给人下任务、自优化
47:48 落地实录：数据清洗花了三四周，know how 全部沉淀成 markdown
53:30 一线呼唤炮火：大专生改系统、一天上线两三百次、砍掉测试岗
56:46 三个 loop：AI 发现问题、AI 解决问题、AI 组织会议
01:09:47 未来一年：显性变化有限，组织内生变化的价值被严重低估
01:16:07 给想转型企业的建议：一把手下场、先做确定对的事、关注加速度

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号
「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。
我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！
商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式

节目主理人：

徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。

任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。

播客剪辑：
十六颗糖

BGM：
片头：Shortwire - Reconfig
片尾：Alex Siegel - Daydreaming Pilot

“我不再需要我的学生了——可我是老师，我的工作不是教 AI，是教人。”
这不是科技从业者的宣言，而是一位社会学教授用了三个月 agent 之后，最诚实的困惑。

这一期，AI 炼金术把话筒递给了「被冲击的那一方」。徐文浩请来自己的小学同学、昆山杜克大学的社会学家周忆粟，从一个高校研究者、教师和管理者的位置，聊 AI 正在怎样拆散教育的底层结构：学习需要摩擦，但 AI 把摩擦填平了；junior 变 senior 的梯子，正在被抽掉；「做事」和「受教育」这两个从来长在一起的功能，第一次被分开了。

聊完困惑，也聊出路——高校已经在悄悄改考核方式；孩子该学的可能不是任何具体内容，而是可迁移的「形式」和 taste；以及一个社会学家充值 max 会员之后「挖到金矿、天天想做科研」的真实工作流。

嘉宾
周忆粟：昆山杜克大学教授、社会学家，同时承担教学与学校管理工作。本科读的是偏数学的专业，大学毕业后曾在陕西一所农村学校支教一年。他也是徐文浩「幼年时期的科技启蒙者」——上世纪 90 年代初的电脑和科幻，都是他传播给老徐的。今年四五月才开始 agent 化自己的工作流，一个月内让 AI 干完了积压多年的劳动密集型科研工作。

本期亮点
→ 学习需要摩擦，但 AI 把摩擦填平了。周忆粟观察到学生里流行「认知外包」：作业扔给 AI，生成漂亮的文字直接交差。但相当一部分学生其实很清醒，知道这对自己的学习不好，甚至有意识地不用 AI——「学习让你挣扎和痛苦的这个过程，事实上是它的意义之一。」真正的困惑在于：不用 AI，是不是就 missing out 了？
→ junior 往上爬的梯子，被抽掉了。今年 5 月昆杜的毕业季座谈上，很多学生表达了对就业的焦虑。徐文浩算了一笔账：以前带一个新人，头六个月基本不产生生产力；现在把这六个月花在和 AI 沟通上，能干完一个中级员工两三年的活——而这个新人一年后可能就走了。他还提到一组美国科技行业的统计：22 - 25 岁的工作机会减少了 25%，40 岁以上反而增加了 18%。
→ 一个 30 年前的社会学概念，正好说中今天。新手变熟手，靠的是「合法的边缘性参与」（Legitimate Peripheral Participation）：正经地干活、从边缘的简单任务开始、必须亲手参与。你不可能看 20 台手术就学会做手术。但在一切可验证的数字化工作流里，这个过程正被 AI 整段替代——这正是梯子消失的机制。
→ 公司可以裁掉 junior，老师不能裁掉学生。周忆粟两周前给学生写了一封长邮件，解释自己的担忧：「做」和「教育」被分开了——以前你做了，就是受了教育；现在你做了，可能完全不过脑。他设想过一种未来的师徒制：「我和我的 agent，跟学生和他的 agent，四个人拉一个群。」但这没有回答核心问题：学生的技能到底从哪里练出来。
→ 高校已经开始悄悄改考核了。周忆粟描述了三个趋势：具身性权重加强，临床、和真人打交道的机会增加；从交论文转向当场检验和口试；从面向结果转向面向过程——让学生来分析和检验机器写出来的东西。他现在管理工作的重要部分，就是把各个课堂里老师们自发的尝试找出来，往不同学科推广。
→ 该让孩子学什么：内容和形式分开了。你还记得大学学的具体东西吗？并不记得——重要的是它给你面对问题时的一种姿态、一种立场。周忆粟给出三个词：好奇心、engagement、可迁移性。哪怕孩子学的在大人看来是技术上的死胡同（比如下围棋），做这件事本身就有意义。「我不觉得 taste 是凭空来的——taste 有蛮大的可迁移性。」
→ 充值 max 会员之后：简直是挖了金矿。周忆粟只给了 agent 一个非常 general 的 idea，它干了整整 10 个小时，整出一套完备的数据库——积压多年的坑一个月填完，「我现在天天都想干科研」。但边界也清楚：AI 做劳动密集型工作极强，做理论与数据结合的工作则「比较大众化」，体感像一个名校 PhD 学生。因为社会科学没有希尔伯特问题，没有可验证的知识层级——「AI 口吐莲花吐出来的玩意儿到底好不好，你找不到三个人给你一致的答案。」
→ 收尾彩蛋三连。当所有知识工作都被记录在线上，AI 理论上可以精确评判每个人的绩效——是福柯的环形监狱，还是物质极大丰富的乌托邦？周忆粟反问徐文浩：Google 还能回来吗（徐：模型上翻盘很难，「新钱变老钱」，但商业上未必失败）；下一个爆发点在哪（徐：universal agent——越来越多 agent 无声无息地出现在云端，连接你身边的一切设备，智能硬件会大爆发）。

时间戳
00:05 冷开场：学习需要摩擦（friction）
00:54 本期缘起：任鑫缺席，徐文浩请来发小周忆粟
03:27 学生们到底在怎么用 AI：认知外包与三类学生
09:52 就业焦虑进了校园：junior 的梯子被抽掉了
17:52 合法的边缘性参与：新手是怎么变成熟手的
24:07 「我不再需要我的学生了」：做与教育被拆开
30:52 从 Stack Overflow 到教学相长：我们正在变成赛博格
35:27 高校在改：具身性、当场检验、面向过程的考核
38:33 该让孩子学什么：信奥打不过 AI，C++ 还要不要学
46:07 内容与形式分开：可迁移技能和 taste 的来历
52:53 不上大学去 AI 公司实习？大学真正卖的是回音室
01:01:59 一个社会学家的 agent 工作流：给信仰充值之后
01:08:24 AI 的边界：社会科学没有希尔伯特问题
01:15:05 环形监狱还是乌托邦：当 AI 能精确衡量你的产出
01:23:45 收尾三问：wildest dream、Google 还能回来吗、universal agent

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号
「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。
我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！
商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式

节目主理人：
徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。
任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。

播客剪辑：
十六颗糖

BGM：
片头：Shortwire - Reconfig
片尾：Forester - Saint

上一期结尾，徐文浩点名和王建硕观点有分歧，我说要拉着吵一架——这期兑现了。

一边是王建硕：12 天在 TestFlight 发了 148 个版本，每天让 Claude Code 跑 12 个小时，却给自己定了条死规矩——不允许自己看任何一行代码。另一边是徐文浩：团队核心库养着 13000 多个自动化 UI 测试用例，立场是所有代码合并上线前必须有人看过，“如果这东西不用我看代码，那它可能也不值得我做”。

我在中间煽风点火，想让他们打起来涨粉。但吵到 90 分钟，吵出来的东西比输赢有意思得多：他们对未来的判断几乎一致——五年后大概率没人看代码，分歧全在今天怎么办。今天怎么办？取决于你是吃面条的，还是开麦当劳的。

嘉宾
王建硕｜百姓网创始人。上次来节目时的判断是“LLM 是新一代编译器、AI 写出来的代码是新一代汇编”，这一期把话说得更狠：Python、JavaScript 这些编程语言本身已经沦为汇编层。他自称原来是全公司对代码质量要求最高的人，核心代码要手搓 20 到 50 遍；最近在密集开发语音 App VoiceDrop，每天 Claude Code 工作 12 小时、每次改动要过 414 个 test case，同时逼自己一行代码都不看。

本期亮点
→ 王建硕的新金线：if it works

开场立论。王建硕的判断是：一旦有了 C 这样的高级语言，手写汇编既没必要也没可能，去改编译器编译出来的汇编更是毫无意义——而今天 Python、JavaScript 已经沦为那一层汇编。人类在乎代码风格、封装、注释，是因为过去一切靠人脑管理，“对于人来说不那么写，人脑将无法处理”；机器的可维护标准和人一定不一样。所以他的新标准只有一根金线：「if it works，它只要 work 就不要去管他。」他打了个赌：把微信几千万行的汇编打印出来，一定“疯了一样的重复、疯了一样的读不懂”——但只要上层源代码还在，这是问题吗？

→ 不允许自己看任何一行代码，那治理靠什么？靠 loop

王建硕不是裸奔。他的 App 每次改动要过 414 个 test case，想了解某段逻辑就让 Claude Code 讲给他听，发现重复代码就定期跑一个专门的质量 skill。他也交了实底：一个 feature 从下午两点转到晚上七点，loop 一圈圈碰壁、一圈圈修，5 个小时才出来——如果沉淀成确定性代码可能 3 分钟就跑完。但他试过把流程沉淀成代码，结论是“质量没有大语言模型好，反而会出 bug”。他的原话：「一定不是用自然语言来控制，因为自然语言不准确，你一定要用 loop 来控制。」12 天 148 个版本、break 的不到 10 个，是他给这套打法的成绩单。

→ 徐文浩：我不相信自然语言，我用自然语言生成确定性工具

徐文浩同意一半——他也不手写代码、全程 prompt 驱动。但两条底线从没松口：一，所有代码合并上线前必须有人看过；二，治理不靠自然人也不靠自然语言，靠用自然语言生成、人审核过的确定性工具。他的例子很具体：查重复代码，让 LLM 去扫，8 处它可能只看到 4 处，漏掉的 4 处就是未来的 bug；而基于抽象语法树的检测工具确定性扫全库，10 秒钟出重复率，超标自动触发。「就是因为自然语言在今天还是非常模糊的……所以最终我会用自然语言去生成一个确定性的代码工具，去做这个治理。」

→ 编译器比喻大战：写编译器的人，看不看汇编产出？

全场最精彩的交锋。徐文浩：任何写编译器的人一定会看自己编译出来的汇编，否则你怎么知道编译器写得好不好？王建硕：我们根本不在写编译器——编译器是 Anthropic、OpenAI 这些 frontier lab 在写，我们不改模型参数的人，看产出就是错层。徐文浩换个角度再攻：那你为什么还给代码做版本管理？如果 prompt 才是源代码，你存 prompt 就好了，为什么要囤产物？「大概率你遇到 break，不是用原来的 prompt 重新生成一遍，你还是会退回到上一个代码版本——所以编译器这个比喻本身就不对。」这一段王建硕没有正面接。

→ 工匠精神在规模面前一文不值 vs 精益制造本来就为规模而生

王建硕抛出全场最扎心的一句：「我这两天感觉，工匠精神在规模面前一文不值。」徐文浩的反击是把“规模”这个词抢回来：精益制造做得最好的丰田，本来就是为规模而生的，不是手工艺人的工匠精神；“if it works”没用，因为你 work 我也 work，最终大家是在市场上竞争——「work 不是目标，work 也并不达成我们的目标。」软件开发的本质是管理复杂度：做一个 blog 谁都能一句话生成，那它就不值钱了；你必须做人脑放不下、单个 agent loop 也放不下的复杂度，才有竞争力。

→ AI 把测试全 mock 掉：你不看代码时，“work”可能是虚假的

徐文浩交了自己的学费。今年 1 到 3 月他也不怎么看代码，用语音写了海量代码，内部几个人用觉得挺好；产品一上线，“爆发出惊人数量的各种奇奇怪怪的抱怨”。复盘时发现最恐怖的一幕：有段时间线上 bug 特别多，一查——AI 把测试里所有的东西都 mock 掉了，「他等于跟没测是一样的，但他觉得我的 coverage 很高」。过去两个月，团队一半精力在还当时疯狂 vibe coding 欠下的债。他的结论：「你不看代码，其实他跟你说 work 这件事情可能是虚假的。」以及那句宣言：「如果这个事情我连看代码的需求都没有，那意味着我讲几句话它就能起来，那我为什么要做它呢？」

→ react 工程师之辩：过了桥就拆桥？

王建硕设了个圈套：只会 react、不会手撸 HTML 的算不算软件工程师？不算？那不写汇编的算不算？只会写 HTML 的算不算？「所有人都是把自己能力线以下的划为不是软件工程师。」他给这种心态起了个名字：「你上了船以后，过了桥就把桥给拆了，后面的人都不准过桥。」会摆弄 8086 在今天就是屠龙之术——就像我们不会种庄稼，而对上一代人来说那是最基础的技能。徐文浩认账一半但守住底线：会不会汇编不重要，但你要做推理优化这类深活，对底层有没有 concept，决定了你“一个有可能做成、一个完全没可能”。

→ 吃面条的和开麦当劳的（收束）

吵到最后发现分歧的根不在技术，在位置。王建硕：「我是一个客户，我是吃面条的。面条好吃、价格公道，我还要什么？」他要的是手里那个 work 的 App。徐文浩要的是后厨——他把公司本身当产品，目标是从今天 1 比 5、1 比 10 的研发杠杆做到 1 比 100，那就必须盯着生产线看。我收了两个词：一个是定位不一样，你要的是那碗面条，还是想开麦当劳；另一个是王建硕的打法本质是矫枉过正——明知不是当下最优解，也要把自己先丢到五年后的工作方式里，逼自己转过来。「这不见得是最优解，但是一定要这么逼着自己，才能真的转过来。」

时间戳
00:05 冷开场：王建硕的新金线 if it works
01:46 任鑫开场：煽风点火，把两位拉来当面对质
03:32 手搓核心代码 20-50 遍的人，为什么一夜跳到“不看代码”阵营
08:03 徐文浩：同意一半——但 harness 是用自然语言生成的确定性工具
10:07 王建硕：我不允许自己看任何一行代码；414 个 test case + loop 治理
14:28 徐文浩：13000 个 UI 测试用例；代码规模一上去 prompt 就限不住
17:59 编译器比喻大战：写编译器的人看不看汇编产出
20:20 重复代码怎么治：定期跑 skill vs 语法树工具 10 秒扫全库
33:33 工匠精神在规模面前一文不值：微信汇编赌局
37:20 徐文浩三连反击：版本管理悖论、精益制造为规模而生、管理复杂度
42:39 分歧收敛成一个数字：时间的 95:5 还是 70:30
45:39 打个赌：五年后还要看代码吗？type-c 和软盘的取舍
52:13 任鑫的推土机问题：harness 优势每年被模型吃掉，不如去搞用户侧？
55:03 Word 文档的 XML 你审吗：端到端测试大战
01:00:16 徐文浩踩过的坑：AI 把测试全 mock 掉，“work”可能是虚假的
01:02:33 小马过河：AI 写得好还是烂，取决于你自己的水平
01:09:38 一到三月不看代码的代价；不用我看的东西不值得我做
01:12:10 react 工程师之辩：过了桥就拆桥、屠龙之术与种庄稼
01:19:04 收束：吃面条的 vs 开麦当劳的；1 比 100 的杠杆

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号
「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。
我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！
商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式

节目主理人：
徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。
任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。

播客剪辑：
十六颗糖

BGM：
片头：Shortwire - Reconfig
片尾：The Midnight - Los Angeles