硅谷洞察局 Audio Download

🎙️ 硅谷洞察局 EP06 | 出海元老独角兽PingCap创始人：Agent打开了平行世界，将撼动人类文明 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 GTC 之后，Agent 浪潮正在从概念变成每天的工作方式。本期，我们请到了 PingCAP 联合创始人 & CTO 黄东旭——一位九岁开始写代码、操盘过超30亿美金估值开源数据库公司的硅谷技术人，聊聊他这三个月里真实发生的事情。 他一个人，在过去三个月里完成了传统意义上几十个人一年的工作量；每天 Token 消耗峰值达到十亿级别；彻底取消所有内部会议，把 AI Agent 当作真正的\"团队\"来管理。 这不是 PPT 里的 AI 故事，是一个在第一线跑着的人，给你的第一手报告。 --- 💬 本期金句 \"以前是手写代码，现在是管理 Agent 团队在写代码。\" —— 00:01:48 \"Anthropic 认为这个世界是可以被编程的，于是把编程放在了至高无上的位置——这就是为什么今天一切都是编程 Agent。\" —— 00:07:00 \"人类那点小小小小小聪明，放在模型面前，这真的是不值得一提。\" —— 00:14:02 \"把 Claude Code 当做一个操作系统内核来看，你就会看到更大的世界。\" —— 00:15:34 \"Vibe Coding 上瘾之后，第一停不下来，第二你会对跟人类沟通慢慢失去耐心——效率太低了。\" —— 00:59:47 \"99% 的时候可能都在说车轱辘话，但会有 1% 的时候灵光一闪——只要那句金句出现，所有 Agent 马上都知道。\" —— 01:12:00 \"我不喜欢编程，我喜欢造物。这一波，才是真正的解放。\" —— 01:17:44 \"你今天所有觉得宝贵的、exclusive 的能力和资源，很快就会被磨平。我也一样。\" —— 01:21:54 \"只有满身大汗，真的学木工做个小桌子——这种实实在在的存在，才是最抚慰人心的东西。\" —— 01:24:46 --- 📖 本期术语速查（听到不熟悉的词？翻这里） Agent / AI Agent（智能体） 不只是聊天的 AI，而是能自主写代码、调用工具、完成复杂任务的 AI。可以把它理解为\"有手有脚、能干活的 AI 员工\"。 Vibe Coding（氛围编程） 用自然语言描述你想要什么，让 AI 来写代码，人只负责提需求和审结果。不需要懂具体语法，靠\"感觉\"驱动开发。 Coding Agent（编程智能体） 专门用来写代码的 AI Agent。代表产品：Claude Code、Cursor、Devin。 Harness Engineering（执行框架工程） 把多个 AI Agent 组织起来协同工作的\"脚手架\"——管理任务分配、上下文传递、Agent 之间的通信。东旭本期大量讨论的核心主题。 Token（词元） AI 模型处理语言的最小单位，可以理解为\"AI 读了多少字\"。消耗 Token 越多 = 干的活越多，也越贵。东旭说他峰值每天消耗十亿 Token。 Slock.ai（Slack for Agents） 东旭投资并使用的一个工具，把多个 AI Agent 放进一个\"群聊\"里协同工作——类似人类用 Slack 开会，但里面全是 AI 在讨论和干活。 Skill（技能包） 写给 AI Agent 的一段 Markdown 说明文档，告诉 Agent 在特定场景下应该怎么做事。可以理解为\"AI 的工作手册\"，也是 Agent Native App 的早期形态。 SaaS（软件即服务） Software as a Service，按订阅收费的云端软件。比如 Salesforce（客户管理）、ServiceNow（IT 流程）、Slack（团队沟通）都是 SaaS。本期讨论它们正在被 Agent 颠覆。 CLI vs GUI CLI（命令行界面）= 黑屏打字操作，比如终端；GUI（图形界面）= 鼠标点击的可视化界面，比如 Windows。东旭认为 AI Agent 更擅长 CLI，因为组合灵活，不需要\"看图\"。 Postgres（PostgreSQL） 一种流行的开源关系型数据库，已成为数据库行业的\"通用语言\"。东旭的 DB9 兼容 Postgres 接口，意味着 AI Agent 可以用熟悉的方式操作它。 Unix Philosophy（Unix 哲学） 1970年代诞生的软件设计理念：每个程序只做一件事，做好它；程序之间可以自由组合。东旭认为这一哲学在 AI Agent 时代正在复兴。 IC（Individual Contributor，独立贡献者） 不带团队、自己亲手干活的技术人员。东旭去年12月主动放弃管理职责，回归 IC 状态，专注用 Agent 团队直接交付产品。 Organic（自然增长） 不花钱投广告，靠口碑和产品体验自然获客。东旭说 DB9 是他做过增长最快、且完全 0 营销费用的产品。 Result as a Service（结果即服务） 新兴商业模式：不卖软件，直接对业务结果收费。比如\"帮你多签了几单合同，按成交额抽成\"，而不是\"卖给你一套 CRM 系统\"。 --- 🗂️ 内容大纲 一、2025 年是一道分水岭 大模型从\"灵活的 Wiki\"变成\"有手有脚的 Agent\" Claude Code、Cursor、Devin：第一代 Coding Agent 工具爆发的技术根源 Anthropic 为什么是这场浪潮的设计者？——把编程放在至高位置的世界观 二、Claude Code 不是工具，是操作系统内核 用 OS 内核的视角重新理解 Claude Code \"Context not Control\"：越精妙的编排越是在限制模型 从 Claude Code 泄露事件看：Harness 的真正价值在哪里？ \"做梦\"机制：用极简设计管理 Agent 记忆 三、Harness Engineering 的真实体感 东旭的 Agent 团队实战：Slock.ai（Slack for Agents）是什么？ 把 AI 当真正的工程师团队来管：签到、Review、分组、绩效…… 99% 的对话是废话，但那 1% 的\"金句\"价值连城 人类的角色：从\"写代码\"变成\"看结果 + 给方向\" 四、传统 SaaS 的危机与机会 SaaS 本质是在卖\"人与人之间的摩擦成本\" 为什么东旭两周复刻了一个 Salesforce？ Agent 时代：新的 App Store 来了，但还没有 SDK Result as a Service：谁能说清楚自己对业务 outcome 的影响，谁才能活下去 五、DB9：为 Agent 造一个数据库 当 90% 的数据库 Instance 由 AI 创建，产品要怎么重新设计？ Big Data 消亡论：为什么\"坐在个人数据上的 Agent\"比大数据分析更强？ Agent 基础设施三件套：DB9（数据库）、Drive9（网盘）、Message9（邮件） 零 Marketing，增长却是有史以来最快——好产品的自然裂变 六、一个程序员的三次技术浪潮 Unix 哲学的冲击：为什么70年代的哲学正在复兴？ 分布式系统思维方式的塑造 AI Native 的顿悟：充分相信一个比你更高的智能 \"我不喜欢编程，我喜欢造物\"——这一波才是真正的解放 七、给所有人的建议 别信 KOL，自己动手玩：Claude Code 就是最好的起点 比技术更重要的事：用身体和这个世界产生真实连接 Agent 用多了会有虚无主义？——木工、种花、乐器，才是解药 --- 🎤 主播与嘉宾 黄东旭 | PingCAP 联合创始人 & CTO，9岁开始自学编程，小学毕业自学完了大学计算机所有内容；深度 Harness Engineering 实践者，每日 Token 消耗十亿级，Agent 时代基础设施建造者 AI-Siky | 斯坦福毕业，10年+硅谷经验，曾主导多家独角兽增长，现任顶级科技公司战略合作负责人 AI-Nate | 硅谷AI工程师，18周打造18个AI Agent产品，AI课程导师 --- ⏱️ 时间戳 00:00 开场 & 嘉宾介绍：PingCAP 联创 CTO 黄东旭 00:43 东旭的三重身份：工程师 / 企业家 / 艺术爱好者 02:35 2025 分水岭：大模型从 Chatbot 变成 Agent 05:00 Anthropic 的战略世界观：一切可编程 07:00 Anthropic 为什么赢了？与 OpenAI、Google 的路线对比 10:00 Claude Code 泄露事件：没有什么好惊讶的 13:00 两种 Harness 路线：精心编排 vs 充分相信 AI 15:00 \"做梦\"机制：Claude Code 的记忆设计哲学 17:00 OS 内核视角：把 Claude Code 当发动机 19:00 Skill 是 Agent Native APP 的早期形态 22:00 APP Store 时刻：寒武纪大爆发正在来临 25:00 东旭的实战：3个月 = 几十个人一年的工作量 29:00 为什么今年底会出现统一标准？ 33:00 Slock.ai（Slack for Agents）：东旭的 Harness 工具 37:00 Agent 团队管理：签到、绩效、金句时刻 40:00 人类当 HR：只看 outcome，不读过程 43:00 传统 SaaS 的死亡逻辑 47:00 东旭两周复刻 Salesforce：但 integration network 抄不走 49:00 Self Build vs SaaS 转型：谁会赢？ 54:00 DB9：为 Agent 造一个数据库 57:00 Big Data 消亡论：个人数据 Agent > 大数据分析 01:02:00 Drive9 & Message9：Agent 基础设施矩阵 01:05:00 没有看到边界：DB9 从实验变成正经项目 01:07:00 Agent 团队里的\"金句时刻\"：安全漏洞被自己发现 01:10:00 任何方案至少迭代5轮——东旭的 SPEC 设定 01:13:00 现在花钱的正确姿势：Claude Max 两天用完 01:16:00 东旭的三次技术浪潮：Unix / 分布式 / AI Native 01:20:00 \"充分相信一个更高的智能\"——AI Native 的核心顿悟 01:24:00 Agent 安全不需要专门做——告诉他注意就行了 01:28:00 AI 真正的民主化：我妈也能做供销管理系统 01:33:00 \"我不喜欢编程，我喜欢造物\" 01:38:00 每天可以做什么：自己动手 + 回到物理世界 01:42:00 东旭收尾：满身大汗才是解药 01:44:00 结语 & 感谢 --- 📮 联系我们 播客邮箱：nathan@ai-nate.com 欢迎评论区留言交流，转发支持！ --- 🎙️ 「硅谷洞察局」听友群开放中！ 👉 扫码进群，和 Nathan、Siky 直接聊 🎯 告诉我们下期你想听什么 🤝 认识同样关注 AI 和硅谷动态的朋友们 --- 🎁 听众福利 想亲手体验 Vibe Coding？Nathan 开设了一堂免费快闪课程——从零开始，用 Cursor + Claude Code 搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped

🎙️ 硅谷洞察局 EP06 | 出海元老独角兽PingCap创始人：Agent打开了平行世界，将撼动人类文明 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 GTC 之后，Agent 浪潮正在从概念变成每天的工作方式。本期，我们请到了 PingCAP 联合创始人 & CTO 黄东旭——一位九岁开始写代码、操盘过超30亿美金估值开源数据库公司的硅谷技术人，聊聊他这三个月里真实发生的事情。 他一个人，在过去三个月里完成了传统意义上几十个人一年的工作量；每天 Token 消耗峰值达到十亿级别；彻底取消所有内部会议，把 AI Agent 当作真正的\"团队\"来管理。 这不是 PPT 里的 AI 故事，是一个在第一线跑着的人，给你的第一手报告。 --- 💬 本期金句 \"以前是手写代码，现在是管理 Agent 团队在写代码。\" —— 00:01:48 \"Anthropic 认为这个世界是可以被编程的，于是把编程放在了至高无上的位置——这就是为什么今天一切都是编程 Agent。\" —— 00:07:00 \"人类那点小小小小小聪明，放在模型面前，这真的是不值得一提。\" —— 00:14:02 \"把 Claude Code 当做一个操作系统内核来看，你就会看到更大的世界。\" —— 00:15:34 \"Vibe Coding 上瘾之后，第一停不下来，第二你会对跟人类沟通慢慢失去耐心——效率太低了。\" —— 00:59:47 \"99% 的时候可能都在说车轱辘话，但会有 1% 的时候灵光一闪——只要那句金句出现，所有 Agent 马上都知道。\" —— 01:12:00 \"我不喜欢编程，我喜欢造物。这一波，才是真正的解放。\" —— 01:17:44 \"你今天所有觉得宝贵的、exclusive 的能力和资源，很快就会被磨平。我也一样。\" —— 01:21:54 \"只有满身大汗，真的学木工做个小桌子——这种实实在在的存在，才是最抚慰人心的东西。\" —— 01:24:46 --- 📖 本期术语速查（听到不熟悉的词？翻这里） Agent / AI Agent（智能体） 不只是聊天的 AI，而是能自主写代码、调用工具、完成复杂任务的 AI。可以把它理解为\"有手有脚、能干活的 AI 员工\"。 Vibe Coding（氛围编程） 用自然语言描述你想要什么，让 AI 来写代码，人只负责提需求和审结果。不需要懂具体语法，靠\"感觉\"驱动开发。 Coding Agent（编程智能体） 专门用来写代码的 AI Agent。代表产品：Claude Code、Cursor、Devin。 Harness Engineering（执行框架工程） 把多个 AI Agent 组织起来协同工作的\"脚手架\"——管理任务分配、上下文传递、Agent 之间的通信。东旭本期大量讨论的核心主题。 Token（词元） AI 模型处理语言的最小单位，可以理解为\"AI 读了多少字\"。消耗 Token 越多 = 干的活越多，也越贵。东旭说他峰值每天消耗十亿 Token。 Slock.ai（Slack for Agents） 东旭投资并使用的一个工具，把多个 AI Agent 放进一个\"群聊\"里协同工作——类似人类用 Slack 开会，但里面全是 AI 在讨论和干活。 Skill（技能包） 写给 AI Agent 的一段 Markdown 说明文档，告诉 Agent 在特定场景下应该怎么做事。可以理解为\"AI 的工作手册\"，也是 Agent Native App 的早期形态。 SaaS（软件即服务） Software as a Service，按订阅收费的云端软件。比如 Salesforce（客户管理）、ServiceNow（IT 流程）、Slack（团队沟通）都是 SaaS。本期讨论它们正在被 Agent 颠覆。 CLI vs GUI CLI（命令行界面）= 黑屏打字操作，比如终端；GUI（图形界面）= 鼠标点击的可视化界面，比如 Windows。东旭认为 AI Agent 更擅长 CLI，因为组合灵活，不需要\"看图\"。 Postgres（PostgreSQL） 一种流行的开源关系型数据库，已成为数据库行业的\"通用语言\"。东旭的 DB9 兼容 Postgres 接口，意味着 AI Agent 可以用熟悉的方式操作它。 Unix Philosophy（Unix 哲学） 1970年代诞生的软件设计理念：每个程序只做一件事，做好它；程序之间可以自由组合。东旭认为这一哲学在 AI Agent 时代正在复兴。 IC（Individual Contributor，独立贡献者） 不带团队、自己亲手干活的技术人员。东旭去年12月主动放弃管理职责，回归 IC 状态，专注用 Agent 团队直接交付产品。 Organic（自然增长） 不花钱投广告，靠口碑和产品体验自然获客。东旭说 DB9 是他做过增长最快、且完全 0 营销费用的产品。 Result as a Service（结果即服务） 新兴商业模式：不卖软件，直接对业务结果收费。比如\"帮你多签了几单合同，按成交额抽成\"，而不是\"卖给你一套 CRM 系统\"。 --- 🗂️ 内容大纲 一、2025 年是一道分水岭 大模型从\"灵活的 Wiki\"变成\"有手有脚的 Agent\" Claude Code、Cursor、Devin：第一代 Coding Agent 工具爆发的技术根源 Anthropic 为什么是这场浪潮的设计者？——把编程放在至高位置的世界观 二、Claude Code 不是工具，是操作系统内核 用 OS 内核的视角重新理解 Claude Code \"Context not Control\"：越精妙的编排越是在限制模型 从 Claude Code 泄露事件看：Harness 的真正价值在哪里？ \"做梦\"机制：用极简设计管理 Agent 记忆 三、Harness Engineering 的真实体感 东旭的 Agent 团队实战：Slock.ai（Slack for Agents）是什么？ 把 AI 当真正的工程师团队来管：签到、Review、分组、绩效…… 99% 的对话是废话，但那 1% 的\"金句\"价值连城 人类的角色：从\"写代码\"变成\"看结果 + 给方向\" 四、传统 SaaS 的危机与机会 SaaS 本质是在卖\"人与人之间的摩擦成本\" 为什么东旭两周复刻了一个 Salesforce？ Agent 时代：新的 App Store 来了，但还没有 SDK Result as a Service：谁能说清楚自己对业务 outcome 的影响，谁才能活下去 五、DB9：为 Agent 造一个数据库 当 90% 的数据库 Instance 由 AI 创建，产品要怎么重新设计？ Big Data 消亡论：为什么\"坐在个人数据上的 Agent\"比大数据分析更强？ Agent 基础设施三件套：DB9（数据库）、Drive9（网盘）、Message9（邮件） 零 Marketing，增长却是有史以来最快——好产品的自然裂变 六、一个程序员的三次技术浪潮 Unix 哲学的冲击：为什么70年代的哲学正在复兴？ 分布式系统思维方式的塑造 AI Native 的顿悟：充分相信一个比你更高的智能 \"我不喜欢编程，我喜欢造物\"——这一波才是真正的解放 七、给所有人的建议 别信 KOL，自己动手玩：Claude Code 就是最好的起点 比技术更重要的事：用身体和这个世界产生真实连接 Agent 用多了会有虚无主义？——木工、种花、乐器，才是解药 --- 🎤 主播与嘉宾 黄东旭 | PingCAP 联合创始人 & CTO，9岁开始自学编程，小学毕业自学完了大学计算机所有内容；深度 Harness Engineering 实践者，每日 Token 消耗十亿级，Agent 时代基础设施建造者 AI-Siky | 斯坦福毕业，10年+硅谷经验，曾主导多家独角兽增长，现任顶级科技公司战略合作负责人 AI-Nate | 硅谷AI工程师，18周打造18个AI Agent产品，AI课程导师 --- ⏱️ 时间戳 00:00 开场 & 嘉宾介绍：PingCAP 联创 CTO 黄东旭 00:43 东旭的三重身份：工程师 / 企业家 / 艺术爱好者 02:35 2025 分水岭：大模型从 Chatbot 变成 Agent 05:00 Anthropic 的战略世界观：一切可编程 07:00 Anthropic 为什么赢了？与 OpenAI、Google 的路线对比 10:00 Claude Code 泄露事件：没有什么好惊讶的 13:00 两种 Harness 路线：精心编排 vs 充分相信 AI 15:00 \"做梦\"机制：Claude Code 的记忆设计哲学 17:00 OS 内核视角：把 Claude Code 当发动机 19:00 Skill 是 Agent Native APP 的早期形态 22:00 APP Store 时刻：寒武纪大爆发正在来临 25:00 东旭的实战：3个月 = 几十个人一年的工作量 29:00 为什么今年底会出现统一标准？ 33:00 Slock.ai（Slack for Agents）：东旭的 Harness 工具 37:00 Agent 团队管理：签到、绩效、金句时刻 40:00 人类当 HR：只看 outcome，不读过程 43:00 传统 SaaS 的死亡逻辑 47:00 东旭两周复刻 Salesforce：但 integration network 抄不走 49:00 Self Build vs SaaS 转型：谁会赢？ 54:00 DB9：为 Agent 造一个数据库 57:00 Big Data 消亡论：个人数据 Agent > 大数据分析 01:02:00 Drive9 & Message9：Agent 基础设施矩阵 01:05:00 没有看到边界：DB9 从实验变成正经项目 01:07:00 Agent 团队里的\"金句时刻\"：安全漏洞被自己发现 01:10:00 任何方案至少迭代5轮——东旭的 SPEC 设定 01:13:00 现在花钱的正确姿势：Claude Max 两天用完 01:16:00 东旭的三次技术浪潮：Unix / 分布式 / AI Native 01:20:00 \"充分相信一个更高的智能\"——AI Native 的核心顿悟 01:24:00 Agent 安全不需要专门做——告诉他注意就行了 01:28:00 AI 真正的民主化：我妈也能做供销管理系统 01:33:00 \"我不喜欢编程，我喜欢造物\" 01:38:00 每天可以做什么：自己动手 + 回到物理世界 01:42:00 东旭收尾：满身大汗才是解药 01:44:00 结语 & 感谢 --- 📮 联系我们 播客邮箱：nathan@ai-nate.com 欢迎评论区留言交流，转发支持！ --- 🎙️ 「硅谷洞察局」听友群开放中！ 👉 扫码进群，和 Nathan、Siky 直接聊 🎯 告诉我们下期你想听什么 🤝 认识同样关注 AI 和硅谷动态的朋友们 --- 🎁 听众福利 想亲手体验 Vibe Coding？Nathan 开设了一堂免费快闪课程——从零开始，用 Cursor + Claude Code 搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped

🎙️ 硅谷洞察局 EP04 | 谷歌DeepMind研究员揭秘：Coding模型是怎么炼成的，模型上限在哪 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 英伟达GTC大会刚刚落幕，大模型在过去半年经历了一轮又一轮的迭代。本期节目，我们请到了前Google DeepMind资深研究员Warren Chen——一位在coding agent方向深耕多年、现已投身创业的一线技术人，和我们做了一场关于大模型训练范式演化的硬核技术对谈。 从Pre-training到RLHF，从Verifiable Feedback到Mid-Training，从Harness Engineering到Agent Environment——Warren用"看课本、做习题、考试"的类比，把大模型训练的三次范式跃迁讲得通透。如果你想理解为什么Coding Agent突然爆发、为什么Anthropic能持续领先、以及创业者该押注什么方向，这期不容错过。 --- 📖 本期术语速查（听到不熟悉的词？翻这里） Pre-training（预训练）：让AI把互联网上海量文字都"看"一遍，相当于通读所有课本 SFT（监督微调）：给AI做示范题，手把手告诉它"这道题应该这么答" RLHF（人类反馈强化学习）：请人类给AI的两个回答打分，AI学着挑人更喜欢的那个 RLVF（可验证反馈强化学习）：不用人打分了，直接对答案。代码跑通就是对，没跑通就是错 Chain-of-Thought（思维链）：让AI像人一样"先想一想再回答"，而不是直接蹦出答案 Mid-Training（中间训练）：只教AI答题的格式（怎么填答题卡），不教具体解法，让它自己悟 Reward Signal（奖励信号）：告诉AI"你这次做对了还是做错了"的反馈 Harness（执行框架）：AI模型和真实世界之间的脚手架，帮AI接住任务、管理记忆、处理出错 Environment（执行环境）：AI能触达的所有工具和权限——邮箱、浏览器、代码编辑器、操作系统等 Scaling Law（规模定律）：模型越大、数据越多、算力越强 → AI能力越强，这条规律目前仍然成立 Benchmark（基准测试）：AI界的"高考模拟卷"，用标准化测试对比各家模型的分数 Agent（智能体）：不只是聊天的AI，而是能自主写代码、发邮件、操作软件、完成复杂任务的AI Superhuman（超越人类）：AI在某个领域的表现超过了最优秀的人类专家 --- 🗂️ 内容大纲 一、大模型训练的三次范式跃迁 第一阶段：人类当老师（2022-2023） 三步流程：先通读课本（Pre-training），再做随堂练习（SFT），最后请人类老师批改作文、打分（RLHF） ChatGPT为什么让人惊艳？两件事做对了：你说什么它能照做（Instruction Following），而且说话方式让你觉得舒服 瓶颈在哪？人类老师再厉害也是人。用人打分训练出的AI，天花板就是人类水平本身 第二阶段：机器自己出题考自己（2023-2024） 核心变化：把"请人打分"换成"直接对答案"。数学题算出86.736就是86.736，代码跑通就是跑通，不需要人来判断 为什么数学和Coding最先突破？因为它们天然满足三个条件：答案可以验证、不能靠猜、过程必须正确才能得出正确结果 Chain-of-Thought（思维链）从一个prompt技巧，变成了模型自己会做的事。以前你得在提示词里写"请一步步思考"，现在模型自己就会先想再答 Coding能力 + 思维链能力同时提升，互不干扰 → 这就是去年Coding Agent突然爆发的技术根源 第三阶段：只教姿势，不教答案（2024至今） 以DeepSeek R1为代表的新范式：SFT阶段不再教AI怎么解题，只教它"把答案写在花括号里"这种格式要求。类比：只教天才怎么填答题卡，不告诉他选A还是选B 为什么？因为人类的解题思路反而会成为天才的负担。你教他高中数学的做法，他可能用微积分一步就解出来了 真正的学习全部发生在RL阶段：AI自己做题、自己验证、自己进化。人类只提供题目和判分规则 这是AI第一次真正有可能超越所有人类专家。The Bitter Lesson（苦涩的教训）的完美印证：少干预，多放手，让算力和数据自己说话 二、Coding为什么是通往AGI的钥匙？ Coding不是目的，是Agent能力的最佳近似（best proxy） 你不能直接训练Agent，但可以通过Coding训练Agent能力 把任何问题转化为Coding Problem = 吃到未来两年AI红利 视频剪辑（Remotion）、UI设计（Pencil）、数据分析都可以被Coding表达 100%效率提升 → 用工具；1000%效率提升 → 围绕工具重构工作流 三、为什么Anthropic一直领先？各家差距在哪？ 研究员视角拆解三大壁垒： 壁垒一：Pre-training（科学问题，Scaling Law需要慢慢做，急不来） 壁垒二：数据质量（Moving Target，今天有用的数据明天就太简单了） 壁垒三：Evaluation（Superhuman能力怎么测？SWE-bench已经失效） Anthropic数据飞轮的真正含义：不是直接用用户数据，而是从用户行为中提取North Star Codex + GPT 5.4 vs Claude Opus：Opus是组里不说话的大神，Codex是最后抢功的TL Google的护城河：人才密度、现金流、芯片到算法的垂直整合 四、Harness会消失吗？Agent的终局在哪？ 三层模型：Foundation Model → Harness → Environment Harness = 脚手架（context压缩、任务续接、to-do维护、early termination） 暴论：Harness是过渡产物，中间层会越来越薄，被两端吃掉 模型变强吸收上层，大厂API吸收下层（memory、compaction最终会被内置） OpenClaw的两大洞察：无限Environment + Agent Identity（24/7持续存在的智能体，而非用完即弃的Ghost Intelligence） 五、创业者该怎么选方向？ 第一步：用第一性原理预测未来3-6个月，不要用后验经验 第二步：想清楚不变的商业规律——Brand、Scale、Network Effect、Embedding "When everything changes, nothing changes" 两个最看好的方向：Agent Environment（造路和桥）、Agent Identity（IAM第四层） 不要站在基座模型对立面：不做"模型不够好所以我来补"的生意 Build for a beautiful future model：假设模型更强更便宜时，你的产品是否依然有价值 不要有Producer Illusion：iPhone已经来了，别想着造iOS，去造App --- 🎤 主播与嘉宾 AI-Nate｜硅谷AI工程师，18周打造18个AI Agent产品，AI课程导师 AI-Siky｜斯坦福毕业，10年+硅谷经验，曾主导多家独角兽增长，现任顶级科技公司战略合作负责人 Warren Chen｜前Google DeepMind资深研究员，Coding Agent方向，现创业中，LinkedIn链接：https://www.linkedin.com/in/chenweilunster/ --- 🔗 相关资源 DeepSeek R1论文：deepseek.com Remotion（用React写视频剪辑）：remotion.dev 上期回顾（EP03）：龙虾潮背后Skill经济的崛起-饥饿游戏或成现实！ EP02回顾：深度拆解Anthropic：一个物理系学生如何造出硅谷最危险的AI公司（小宇宙爆款） --- ⏱️ 时间戳 00:00 开场 & 嘉宾介绍：前Google DeepMind研究员Warren 00:43 英伟达GTC大会背景 & 本期主题 02:35 第一阶段：Pre-training + SFT + RLHF，大模型训练的经典三步 06:30 RLHF详解：人类打分的Reward Model是怎么工作的 08:48 RLHF的天花板：人类反馈永远无法训练出Superhuman 10:14 第二阶段：从RLHF到RLVF，数学领域的突破 13:00 两条分叉路径：Coding Reward + Chain-of-Thought 15:33 Chain-of-Thought：从prompt技巧到模型内生能力 18:00 Coding + CoT正交融合 → Coding Agent大爆发 19:33 第三阶段：Seed Not Teach，Mid-Training范式革命 22:00 DeepSeek R1案例：只教格式，不教内容 26:00 培养天才的方法论：不要用普通学生的套路 29:26 The Bitter Lesson的完美印证 31:30 研究员现在关注什么？更好的习题 + 更好的评估 33:00 Anthropic为什么能持续领先？数据飞轮的真正含义 39:00 把任何问题转化为Coding Problem = 吃到AI红利 43:00 实例：Remotion用React写视频剪辑 46:00 100% vs 1000%效率提升：用工具 vs 围绕工具建工作流 48:00 大模型竞争格局：各家在Coding上你追我赶 49:30 Coding不是目的，是通往Agent能力的最佳近似 50:50 为什么道理都懂却过不好？三大壁垒解析 51:00 壁垒一：Pre-training是科学+工程问题，急不来 55:00 壁垒二：数据质量是Moving Target 58:00 壁垒三：Evaluation——Superhuman能力怎么测？ 59:00 SWE-bench的局限性 & IDE范式 vs Agent范式 1:01:00 Codex + GPT 5.4 vs Opus：哪个才是最强Coding模型？ 1:04:30 OpenAI = Mid-Training纯粹派，Anthropic = SFT精修派 1:07:00 Harness是什么？Foundation Model → Harness → Environment 1:15:00 Harness实例：任务续接、Context压缩、To-do维护 1:18:00 暴论：Harness是过渡产物，中间层会消失 1:22:00 Environment才是终局：谁控制环境，谁控制Agent 1:24:00 OpenClaw的核心洞察：Environment + Agent Identity 1:26:00 IAM第四层：Agent不应该用人类的身份体系 1:28:00 产品应该给Agent用，不是给人用——Token消耗量10-100倍 1:30:00 创业两步走：第一性原理 + 不变的商业规律 1:33:00 "When everything changes, nothing changes" 1:36:00 不要站在基座模型的对立面 1:38:00 Build for a beautiful future model 1:42:00 快问快答：每天用什么AI工具？推荐论文？入行建议？ 1:44:30 收尾 & 感谢 --- 📮 联系我们 播客主页：https://ai-nate.com/podcast/ (附视频版地址) 播客邮箱：nathan@ai-nate.com 欢迎评论区留言交流，转发支持！ --- 🎙️ 「硅谷观察局」亲友群开放啦！ 听了这么多期，是不是有时候想跟我们聊几句？ 💬 和Nathan、Siky直接交流讨论 🎯 告诉我们下期你想听什么话题 我们群里见！ --- 🎁 听众福利 想亲手体验 Vibe Coding？Nathan 开设了一堂免费快闪课程——从零开始，用 Cursor + Claude Code 搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped

🎙️ 硅谷洞察局 EP04 | 谷歌DeepMind研究员揭秘：Coding模型是怎么炼成的，模型上限在哪 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 英伟达GTC大会刚刚落幕，大模型在过去半年经历了一轮又一轮的迭代。本期节目，我们请到了前Google DeepMind资深研究员Warren Chen——一位在coding agent方向深耕多年、现已投身创业的一线技术人，和我们做了一场关于大模型训练范式演化的硬核技术对谈。 从Pre-training到RLHF，从Verifiable Feedback到Mid-Training，从Harness Engineering到Agent Environment——Warren用"看课本、做习题、考试"的类比，把大模型训练的三次范式跃迁讲得通透。如果你想理解为什么Coding Agent突然爆发、为什么Anthropic能持续领先、以及创业者该押注什么方向，这期不容错过。 --- 📖 本期术语速查（听到不熟悉的词？翻这里） Pre-training（预训练）：让AI把互联网上海量文字都"看"一遍，相当于通读所有课本 SFT（监督微调）：给AI做示范题，手把手告诉它"这道题应该这么答" RLHF（人类反馈强化学习）：请人类给AI的两个回答打分，AI学着挑人更喜欢的那个 RLVF（可验证反馈强化学习）：不用人打分了，直接对答案。代码跑通就是对，没跑通就是错 Chain-of-Thought（思维链）：让AI像人一样"先想一想再回答"，而不是直接蹦出答案 Mid-Training（中间训练）：只教AI答题的格式（怎么填答题卡），不教具体解法，让它自己悟 Reward Signal（奖励信号）：告诉AI"你这次做对了还是做错了"的反馈 Harness（执行框架）：AI模型和真实世界之间的脚手架，帮AI接住任务、管理记忆、处理出错 Environment（执行环境）：AI能触达的所有工具和权限——邮箱、浏览器、代码编辑器、操作系统等 Scaling Law（规模定律）：模型越大、数据越多、算力越强 → AI能力越强，这条规律目前仍然成立 Benchmark（基准测试）：AI界的"高考模拟卷"，用标准化测试对比各家模型的分数 Agent（智能体）：不只是聊天的AI，而是能自主写代码、发邮件、操作软件、完成复杂任务的AI Superhuman（超越人类）：AI在某个领域的表现超过了最优秀的人类专家 --- 🗂️ 内容大纲 一、大模型训练的三次范式跃迁 第一阶段：人类当老师（2022-2023） 三步流程：先通读课本（Pre-training），再做随堂练习（SFT），最后请人类老师批改作文、打分（RLHF） ChatGPT为什么让人惊艳？两件事做对了：你说什么它能照做（Instruction Following），而且说话方式让你觉得舒服 瓶颈在哪？人类老师再厉害也是人。用人打分训练出的AI，天花板就是人类水平本身 第二阶段：机器自己出题考自己（2023-2024） 核心变化：把"请人打分"换成"直接对答案"。数学题算出86.736就是86.736，代码跑通就是跑通，不需要人来判断 为什么数学和Coding最先突破？因为它们天然满足三个条件：答案可以验证、不能靠猜、过程必须正确才能得出正确结果 Chain-of-Thought（思维链）从一个prompt技巧，变成了模型自己会做的事。以前你得在提示词里写"请一步步思考"，现在模型自己就会先想再答 Coding能力 + 思维链能力同时提升，互不干扰 → 这就是去年Coding Agent突然爆发的技术根源 第三阶段：只教姿势，不教答案（2024至今） 以DeepSeek R1为代表的新范式：SFT阶段不再教AI怎么解题，只教它"把答案写在花括号里"这种格式要求。类比：只教天才怎么填答题卡，不告诉他选A还是选B 为什么？因为人类的解题思路反而会成为天才的负担。你教他高中数学的做法，他可能用微积分一步就解出来了 真正的学习全部发生在RL阶段：AI自己做题、自己验证、自己进化。人类只提供题目和判分规则 这是AI第一次真正有可能超越所有人类专家。The Bitter Lesson（苦涩的教训）的完美印证：少干预，多放手，让算力和数据自己说话 二、Coding为什么是通往AGI的钥匙？ Coding不是目的，是Agent能力的最佳近似（best proxy） 你不能直接训练Agent，但可以通过Coding训练Agent能力 把任何问题转化为Coding Problem = 吃到未来两年AI红利 视频剪辑（Remotion）、UI设计（Pencil）、数据分析都可以被Coding表达 100%效率提升 → 用工具；1000%效率提升 → 围绕工具重构工作流 三、为什么Anthropic一直领先？各家差距在哪？ 研究员视角拆解三大壁垒： 壁垒一：Pre-training（科学问题，Scaling Law需要慢慢做，急不来） 壁垒二：数据质量（Moving Target，今天有用的数据明天就太简单了） 壁垒三：Evaluation（Superhuman能力怎么测？SWE-bench已经失效） Anthropic数据飞轮的真正含义：不是直接用用户数据，而是从用户行为中提取North Star Codex + GPT 5.4 vs Claude Opus：Opus是组里不说话的大神，Codex是最后抢功的TL Google的护城河：人才密度、现金流、芯片到算法的垂直整合 四、Harness会消失吗？Agent的终局在哪？ 三层模型：Foundation Model → Harness → Environment Harness = 脚手架（context压缩、任务续接、to-do维护、early termination） 暴论：Harness是过渡产物，中间层会越来越薄，被两端吃掉 模型变强吸收上层，大厂API吸收下层（memory、compaction最终会被内置） OpenClaw的两大洞察：无限Environment + Agent Identity（24/7持续存在的智能体，而非用完即弃的Ghost Intelligence） 五、创业者该怎么选方向？ 第一步：用第一性原理预测未来3-6个月，不要用后验经验 第二步：想清楚不变的商业规律——Brand、Scale、Network Effect、Embedding "When everything changes, nothing changes" 两个最看好的方向：Agent Environment（造路和桥）、Agent Identity（IAM第四层） 不要站在基座模型对立面：不做"模型不够好所以我来补"的生意 Build for a beautiful future model：假设模型更强更便宜时，你的产品是否依然有价值 不要有Producer Illusion：iPhone已经来了，别想着造iOS，去造App --- 🎤 主播与嘉宾 AI-Nate｜硅谷AI工程师，18周打造18个AI Agent产品，AI课程导师 AI-Siky｜斯坦福毕业，10年+硅谷经验，曾主导多家独角兽增长，现任顶级科技公司战略合作负责人 Warren Chen｜前Google DeepMind资深研究员，Coding Agent方向，现创业中，LinkedIn链接：https://www.linkedin.com/in/chenweilunster/ --- 🔗 相关资源 DeepSeek R1论文：deepseek.com Remotion（用React写视频剪辑）：remotion.dev 上期回顾（EP03）：龙虾潮背后Skill经济的崛起-饥饿游戏或成现实！ EP02回顾：深度拆解Anthropic：一个物理系学生如何造出硅谷最危险的AI公司（小宇宙爆款） --- ⏱️ 时间戳 00:00 开场 & 嘉宾介绍：前Google DeepMind研究员Warren 00:43 英伟达GTC大会背景 & 本期主题 02:35 第一阶段：Pre-training + SFT + RLHF，大模型训练的经典三步 06:30 RLHF详解：人类打分的Reward Model是怎么工作的 08:48 RLHF的天花板：人类反馈永远无法训练出Superhuman 10:14 第二阶段：从RLHF到RLVF，数学领域的突破 13:00 两条分叉路径：Coding Reward + Chain-of-Thought 15:33 Chain-of-Thought：从prompt技巧到模型内生能力 18:00 Coding + CoT正交融合 → Coding Agent大爆发 19:33 第三阶段：Seed Not Teach，Mid-Training范式革命 22:00 DeepSeek R1案例：只教格式，不教内容 26:00 培养天才的方法论：不要用普通学生的套路 29:26 The Bitter Lesson的完美印证 31:30 研究员现在关注什么？更好的习题 + 更好的评估 33:00 Anthropic为什么能持续领先？数据飞轮的真正含义 39:00 把任何问题转化为Coding Problem = 吃到AI红利 43:00 实例：Remotion用React写视频剪辑 46:00 100% vs 1000%效率提升：用工具 vs 围绕工具建工作流 48:00 大模型竞争格局：各家在Coding上你追我赶 49:30 Coding不是目的，是通往Agent能力的最佳近似 50:50 为什么道理都懂却过不好？三大壁垒解析 51:00 壁垒一：Pre-training是科学+工程问题，急不来 55:00 壁垒二：数据质量是Moving Target 58:00 壁垒三：Evaluation——Superhuman能力怎么测？ 59:00 SWE-bench的局限性 & IDE范式 vs Agent范式 1:01:00 Codex + GPT 5.4 vs Opus：哪个才是最强Coding模型？ 1:04:30 OpenAI = Mid-Training纯粹派，Anthropic = SFT精修派 1:07:00 Harness是什么？Foundation Model → Harness → Environment 1:15:00 Harness实例：任务续接、Context压缩、To-do维护 1:18:00 暴论：Harness是过渡产物，中间层会消失 1:22:00 Environment才是终局：谁控制环境，谁控制Agent 1:24:00 OpenClaw的核心洞察：Environment + Agent Identity 1:26:00 IAM第四层：Agent不应该用人类的身份体系 1:28:00 产品应该给Agent用，不是给人用——Token消耗量10-100倍 1:30:00 创业两步走：第一性原理 + 不变的商业规律 1:33:00 "When everything changes, nothing changes" 1:36:00 不要站在基座模型的对立面 1:38:00 Build for a beautiful future model 1:42:00 快问快答：每天用什么AI工具？推荐论文？入行建议？ 1:44:30 收尾 & 感谢 --- 📮 联系我们 播客主页：https://ai-nate.com/podcast/ (附视频版地址) 播客邮箱：nathan@ai-nate.com 欢迎评论区留言交流，转发支持！ --- 🎙️ 「硅谷观察局」亲友群开放啦！ 听了这么多期，是不是有时候想跟我们聊几句？ 💬 和Nathan、Siky直接交流讨论 🎯 告诉我们下期你想听什么话题 我们群里见！ --- 🎁 听众福利 想亲手体验 Vibe Coding？Nathan 开设了一堂免费快闪课程——从零开始，用 Cursor + Claude Code 搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped

🎙️ 硅谷洞察局 EP02 | Anthropic深度拆解：一个物理系学生如何造出硅谷最危险的AI公司 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 过去两周，Anthropic站上了全球风口浪尖——CEO Dario Amodei公开拒绝五角大楼的AI使用条款，特朗普随即威胁将其列入政府禁用名单。这家成立仅4年、年营收已达200亿美金的AI公司，到底是什么来头？ 本期节目，Nate和Siky从产品矩阵、创始人生平、技术实力、公司文化四个维度，深度拆解Anthropic——一家让硅谷开发者和华尔街同时震动的AI公司。 --- 🗂️ 内容大纲 一、Anthropic是谁？核心产品梳理 Claude AI（对话）、Claude Code（编程）、Cowork（知识工作者）三大产品线 从Research Lab到ToB/ToD的商业化路径 Co-worker如何撼动SaaS行业 Opus、Sonnet、Haiku三款模型命名背后的艺术隐喻 二、五角大楼事件：到底发生了什么？ 美国军方选中Anthropic的来龙去脉 Dario坚守的两条红线：拒绝大规模监控（Mass Surveillance）、拒绝全自动武器部署 特朗普政府的强势回应与潜在影响 "甲方爸爸"翻脸——合情合理还是过度理想？ 三、灵魂人物：Dario Amodei的非典型AI之路 物理学出身，非计算机科班 父亲早逝 → 五年攻克罕见疾病（治愈率50%→95%） 从百度超级实验室（吴恩达团队）入行AI Google → OpenAI VP of Research → 创立Anthropic 理想主义者 vs 商人：AI安全宪章的由来 四、为什么Claude模型这么强？开发者视角深度体感 Opus 4.6 vs GPT 5.3：真实切换对比 不只是写代码——System Design级别的推理能力 模型的"个性"与"Taste"：不讨好用户，会Challenge你 AI训练AI：Synthetic Data与自我迭代的加速飞轮 Benchmark ≠ 体感：为什么跑分不等于好用 五、Anthropic的公司文化与护城河 一周开会不超过2小时，极度放权 核心团队极其稳定——走的人少，去的人多 Constitutional AI作为旗帜吸引同频人才 开发者与专业用户的高质量反馈数据壁垒 六、前沿思考：AI的下一步在哪？ Chain of Thought的局限性 大胆设想：能否让模型权重（Weights）在推理时动态变化？ 当模型不知道自己知道——第四层认知能力的涌现 Scaling Law还在成立吗？Dario说"远没到边界" --- 🎤 主播 AI-Nate｜硅谷AI工程师，18周打造18个AI Agent产品，AI课程导师 AI-Siky｜斯坦福毕业，10年+硅谷经验，曾主导多家独角兽增长，现任顶级科技公司战略合作负责人 --- 🔗 相关资源 Anthropic官网：anthropic.com Claude产品体验：claude.ai Constitutional AI论文：Anthropic官方博客 上期回顾（EP01）：Vibe Coding 生存指南：一个人指挥20个AI，淘汰的不是程序员，是不会用AI的人 --- ⏱️ 时间戳 00:00 开场 & 本期主题预告 00:30 Anthropic与五角大楼事件概述 03:30 Anthropic公司与产品介绍（Claude AI / Code / Co-worker） 07:00 Co-worker vs Claude Code的区别 11:00 Opus / Sonnet / Haiku模型解析 13:00 五角大楼事件详细梳理 18:00 Dario的两条红线：大规模监控 & 全自动武器 22:00 公众理解 vs 事实真相 24:30 Dario Amodei生平：物理学 → 医学 → AI 30:00 百度超级实验室：AI生涯起点 34:00 从OpenAI出走到创立Anthropic 37:00 为什么Anthropic人才极其稳定？ 41:00 Nate探访Anthropic办公室的体感 44:30 开发者深度体感：Opus 4.6为何最强 50:00 GPT 5.4发布对标分析 53:00 Benchmark vs 体感：为什么跑分不代表好用 55:00 Claude模型的推理与System Design能力 59:00 AI训练AI：自我迭代的飞轮 1:03:00 AI模拟用户做PMF验证的实验 1:07:00 律师案例：专业人士反馈对模型的价值 1:11:00 前沿思考：权重动态变化与AGI 1:17:00 总结与展望 --- 📮 联系我们 播客邮箱：nathan@ai-nate.com 欢迎评论区留言交流，转发支持！ --- 🎙️ 「硅谷观察局」亲友群开放啦！ 听了这么多期，是不是有时候想跟我们聊几句？ 我们开了一个听友微信群，欢迎你来： 💬 和Nathan、Siky直接交流讨论 🎯 告诉我们下期你想听什么话题 🎬 了解录制背后那些没播出来的趣事和翻车现场 🤝 认识同样关注AI和硅谷动态的朋友们 👉 前200名直接扫码加群（见图片） 我们群里见！ --- 🎁 听众福利 想亲手体验 Vibe Coding？Nathan 开设了一堂免费快闪课程——从零开始，用 Cursor + Claude Code 搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped

🎙️ 硅谷洞察局 EP02 | Anthropic深度拆解：一个物理系学生如何造出硅谷最危险的AI公司 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 过去两周，Anthropic站上了全球风口浪尖——CEO Dario Amodei公开拒绝五角大楼的AI使用条款，特朗普随即威胁将其列入政府禁用名单。这家成立仅4年、年营收已达200亿美金的AI公司，到底是什么来头？ 本期节目，Nate和Siky从产品矩阵、创始人生平、技术实力、公司文化四个维度，深度拆解Anthropic——一家让硅谷开发者和华尔街同时震动的AI公司。 --- 🗂️ 内容大纲 一、Anthropic是谁？核心产品梳理 Claude AI（对话）、Claude Code（编程）、Cowork（知识工作者）三大产品线 从Research Lab到ToB/ToD的商业化路径 Co-worker如何撼动SaaS行业 Opus、Sonnet、Haiku三款模型命名背后的艺术隐喻 二、五角大楼事件：到底发生了什么？ 美国军方选中Anthropic的来龙去脉 Dario坚守的两条红线：拒绝大规模监控（Mass Surveillance）、拒绝全自动武器部署 特朗普政府的强势回应与潜在影响 "甲方爸爸"翻脸——合情合理还是过度理想？ 三、灵魂人物：Dario Amodei的非典型AI之路 物理学出身，非计算机科班 父亲早逝 → 五年攻克罕见疾病（治愈率50%→95%） 从百度超级实验室（吴恩达团队）入行AI Google → OpenAI VP of Research → 创立Anthropic 理想主义者 vs 商人：AI安全宪章的由来 四、为什么Claude模型这么强？开发者视角深度体感 Opus 4.6 vs GPT 5.3：真实切换对比 不只是写代码——System Design级别的推理能力 模型的"个性"与"Taste"：不讨好用户，会Challenge你 AI训练AI：Synthetic Data与自我迭代的加速飞轮 Benchmark ≠ 体感：为什么跑分不等于好用 五、Anthropic的公司文化与护城河 一周开会不超过2小时，极度放权 核心团队极其稳定——走的人少，去的人多 Constitutional AI作为旗帜吸引同频人才 开发者与专业用户的高质量反馈数据壁垒 六、前沿思考：AI的下一步在哪？ Chain of Thought的局限性 大胆设想：能否让模型权重（Weights）在推理时动态变化？ 当模型不知道自己知道——第四层认知能力的涌现 Scaling Law还在成立吗？Dario说"远没到边界" --- 🎤 主播 AI-Nate｜硅谷AI工程师，18周打造18个AI Agent产品，AI课程导师 AI-Siky｜斯坦福毕业，10年+硅谷经验，曾主导多家独角兽增长，现任顶级科技公司战略合作负责人 --- 🔗 相关资源 Anthropic官网：anthropic.com Claude产品体验：claude.ai Constitutional AI论文：Anthropic官方博客 上期回顾（EP01）：Vibe Coding 生存指南：一个人指挥20个AI，淘汰的不是程序员，是不会用AI的人 --- ⏱️ 时间戳 00:00 开场 & 本期主题预告 00:30 Anthropic与五角大楼事件概述 03:30 Anthropic公司与产品介绍（Claude AI / Code / Co-worker） 07:00 Co-worker vs Claude Code的区别 11:00 Opus / Sonnet / Haiku模型解析 13:00 五角大楼事件详细梳理 18:00 Dario的两条红线：大规模监控 & 全自动武器 22:00 公众理解 vs 事实真相 24:30 Dario Amodei生平：物理学 → 医学 → AI 30:00 百度超级实验室：AI生涯起点 34:00 从OpenAI出走到创立Anthropic 37:00 为什么Anthropic人才极其稳定？ 41:00 Nate探访Anthropic办公室的体感 44:30 开发者深度体感：Opus 4.6为何最强 50:00 GPT 5.4发布对标分析 53:00 Benchmark vs 体感：为什么跑分不代表好用 55:00 Claude模型的推理与System Design能力 59:00 AI训练AI：自我迭代的飞轮 1:03:00 AI模拟用户做PMF验证的实验 1:07:00 律师案例：专业人士反馈对模型的价值 1:11:00 前沿思考：权重动态变化与AGI 1:17:00 总结与展望 --- 📮 联系我们 播客邮箱：nathan@ai-nate.com 欢迎评论区留言交流，转发支持！ --- 🎙️ 「硅谷观察局」亲友群开放啦！ 听了这么多期，是不是有时候想跟我们聊几句？ 我们开了一个听友微信群，欢迎你来： 💬 和Nathan、Siky直接交流讨论 🎯 告诉我们下期你想听什么话题 🎬 了解录制背后那些没播出来的趣事和翻车现场 🤝 认识同样关注AI和硅谷动态的朋友们 👉 前200名直接扫码加群（见图片） 我们群里见！ --- 🎁 听众福利 想亲手体验 Vibe Coding？Nathan 开设了一堂免费快闪课程——从零开始，用 Cursor + Claude Code 搭建你的第一个AI项目。不需要编程基础，跟着做就行。 👉 免费报名：Agentic Coding Zero-to-Shipped