课代表立正

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 完整版43分钟：https://youtu.be/i-KGNWpPpZ4 这期和微软 AI 产品设计师 Dreamer 妍妍聊了一个很现实的问题：AI 到底是在取代我们，还是在给普通人打开新的机会？ 如果你是设计师、PM、工程师、大厂打工人，或者正在想怎么入局 AI、做副业、做一人公司，这期会很适合你。我们没有泛泛聊“AI 焦虑”，而是从真实工作场景出发，聊 AI 已经怎样改变设计、产品、工程协作：从 Claude Code + Figma 做 design system，到大厂里岗位边界变模糊，再到未来 full-stack builder / architect 型人才会越来越重要。 我们也聊到更长期的部分：一人公司的核心不是效率，而是 distribution 和销售能力；AI 时代真正稀缺的不是会不会用工具，而是行动力、穿透不确定性的能力，以及重新定义自己的能力。 后半段，我们从裁员、失败、FIRE、财富和意义感，聊到 AI 时代为什么更需要认识自己。技术越平权，人的个性、判断、表达和选择反而越重要。 00:00 AI 正在改写设计工作流 00:53 微软 AI 产品设计师 Dreamer 妍妍：本期聊什么 01:49 技术平权：AI 时代谁会凸显出来 06:04 Claude Code + Figma：设计师如何真的用上 AI 09:04 Full-stack builder：岗位边界正在被重组 10:07 一人公司：distribution、销售和小市场 13:19 高能量工作法：multitask、时间分区、done list 18:30 穿透不确定性：机会、行动力和失败观 24:22 从旧身份到自我定义：AI、FIRE 与意义感 31:07 AI 时代为什么更需要个人表达

完整版1小时43分钟：https://youtu.be/Y9rmTZOM5Z4 课程主页：https://www.superlinear.academy/ai-builders 嘉宾：https://www.linkedin.com/in/weimanfredi/ 嘉宾招聘帖：https://www.superlinear.academy/c/collaborate/ai-engineering-directors-senior-director-vp 本期访谈适合三类观众：正在做技术职业选择的人，想从工程师走向架构/管理的人，以及关心 AI 如何真正落地传统行业的人。 魏慧从浙大文科、美国 Asian Studies PhD 转到 CS，第一份工作做引擎 simulation，后来经历互联网早期、湾区创业潮、Lululemon 的数字化转型、Google Retail Cloud、麦当劳 AI/data，再到现在在 IHG 负责 AI、数据架构与企业系统。 这期不是一条“规划好的人生路线”，而是一次很具体的职业复盘：如何在环境里快速学习，如何看见自己和高手的 gap，为什么好胜心需要配合谦虚和 intellectual honesty，技术人为什么容易低估管理的价值，以及怎样在公司里找到自己的不可替代位置。 后半段重点聊 AI 和传统行业。为什么大厂的 impact 不一定等于真正的 decision power？为什么“只会完成任务”的工作会越来越危险？酒店行业为什么长期变化很少，却可能被 AI 重新改造？数字孪生、Agentic AI、个性化服务、人机混合团队，会怎样改变酒店运营和客户体验？ 如果你正在思考：AI 时代工程师怎样不被工具替代，怎样从“写代码的人”变成“推动结果的人”，这期会给你很多具体、平实但很有启发的答案。 00:00 开场精华：高期待环境、不可替代和大厂局限 01:20 自我介绍：从 Asian Studies 到 CS 05:00 互联网早期与 fearless：跳槽、失败和底线 07:41 快速成长：进入环境、看见 gap、放下 ego 14:25 职业路径：从 IC 到高管，为什么管理重要 18:36 大厂、小公司与传统企业：impact 和 decision power 22:21 Go-to person：如何让自己不可替代 29:30 Lululemon 到 Google：业务转型、架构和 Retail Cloud 36:12 麦当劳：传统企业数字化的文化冲突 42:27 IHG 与酒店业：为什么 AI 有机会重做体验 50:04 AI 时代的人才：AI native、unlearn 和组织摩擦 57:27 IHG 招人：platform、delivery 和 AI Lab

如果你是一名在大厂或初创公司打拼的职场人，感觉自己像一颗随时可被替代的螺丝钉，或者对未来的职业路径感到迷茫，这期视频就是为你准备的。 我曾是亚马逊的经济学家、Meta数据科学家、腾讯的副总监、Statsig的布道师（OpenAI收购），现在是一名创业者。在这期视频中，我将分享一个让我深受震撼的真实故事：我曾经的职场导师——那位带我入行、资历深厚的前老板，竟然发信息问我如何摆脱“干不下去又不敢辞职”的困境。 这个残酷的现实让我意识到：传统的“做题家”思维和“螺丝钉”模式正在失效。 在这视频中，你将学到： 认知觉醒：为什么“事情越难越有价值”是一个职场陷阱？ 身份转变：如何从被动完成任务的“螺丝钉”，转变为经营自己的“经营者”。 三大真本事： Work Smart：如何识别并抓住那 10% 真正产生超线性回报的工作。 杠杆思维：职场中唯一能带走的资产是什么？如何撬动它。 市场语言：如何像打造产品一样经营你的履历，让市场为你买单。 这不是教你盲目裸辞，而是教你如何在工作中积累能力、品牌和资源，最终实现不依赖于打工也能赚钱。 00:00 前老板的求助：一个令人不安的职场现实 01:52 AI 时代：职业生涯倒计时已经开始 02:45 螺丝钉困境：工业革命留下的教育后遗症 04:49 什么是“真本事”：价值不在于难，而在于需求 08:13 核心思维：从“螺丝钉”切换到“经营者”模式 09:21 重点 1：Work Smart，找到产生 90% 价值的核心任务 12:18 重点 2：利用杠杆，积累职场中唯一能带走的资产 14:52 重点 3：市场语言，像经营产品一样经营自己 17:23 总结：放弃做题家思维，用时间换取复利 购买方式： · 京东：https://item.jd.com/14667625.html · 微信读书：搜索《真本事：从会工作到会赚钱》 · 书的网站：https://www.lizheng.ai/zbs （这里还有基于本书的AI skill可以下载）

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 这期视频讲的不是“怎么写一个更厉害的 prompt”，而是一个更底层、也更重要的问题：为什么同样的 AI、同样的模型、同样的工具，在不同人手里，效果会差这么多。视频给出的答案很反常识：决定你能不能把 AI 用好的，很多时候不是技术能力本身，而是两种更底层的能力——自省，以及把隐性知识变成显性知识的能力。 我觉得这期内容特别适合三类人看：第一，已经在用 AI，但经常觉得它“笨”“不稳定”“总跑偏”的人；第二，需要带人、做协作、做管理的人；第三，希望真正把 AI 用进工作流，而不是停留在聊天和试玩层面的人。因为这期视频讲清楚了，很多人不是不会用工具，而是不会定义问题、不会提供有效 context、也不会说清楚什么叫“好”。 视频里用了一个特别好的类比：很多老板给任务时，给的是模糊需求，指望别人“悟”，结果做不好了再用负反馈甩锅。这个方式之所以对人低效，对 AI 更低效，是因为 AI 没有“动机问题”，你没法靠威胁、PUA、情绪化反馈让它变好；你真正要做的，是把你脑子里那些默认存在、但没说出来的信息，整理清楚、表达清楚、评估清楚。 更重要的是，这期视频不只是讲 AI，也是在讲一个人在 AI 时代最值得提升的基本功：遇到问题先自省，而不是先抱怨工具；同时学会从对方视角出发，补齐 context、拆解信息、定义标准。视频最后也落到了非常实操的框架上，比如 3C（Context、Component、Criteria）和“损失函数 / evaluation”的思维。看完你会更明白，真正的差距，不在于谁先接触 AI，而在于谁能更清楚地思考、表达和判断。 00:00 为什么同样的 AI，在不同人手里效果天差地别 01:28 一个坏老板的典型问题：模糊需求、让你“悟”、负反馈甩锅 03:22 为什么很多人管不好 AI：AI 没有动机问题 04:15 真正决定 AI 使用效果的两个能力：自省与隐性知识显性化 06:33 如何把隐性知识显性化：认知同理心、信息拆解与 3C 框架 08:04 什么是“损失函数”思维：先定义什么叫好，AI 才知道怎么迭代 09:05 总结：别急着说 AI 好不好用，先看自己会不会用 AI

创业九死一生？绝大多数人其实是死在两个认知误区里：选错模式和因果倒置。 第一，我们本能地觉得"做产品才是创业"，但从YC到美国整个创投圈的共识是：ToB服务的成功率和回报率远高于ToC产品。亚马逊的核心价值是AWS不是电商，微软的大头是企业服务不是Windows，谷歌和Meta真正赚钱的是广告——帮别人赚钱，永远比让消费者掏钱容易。 第二，技术人创业最常见的错误是"先做产品，再想增长"。但真实的商业因果是反过来的：增长才是本质，产品只是载体。The Browser Company做出了极客圈口碑很好的AI浏览器，最后还是决定不做了——因为连身边的亲友都说服不了去用。游戏行业更直接：绝大多数游戏的获客成本占总成本一半以上，真正的难点从来不是把东西做出来，而是让人知道并买单。 这期视频综合了我过去的访谈、实践和思考，把这两个视角讲透。如果你是一个有技术能力、想过自己做点什么但不知道从哪开始的人，希望能帮你避开最常见的弯路，用更高成功率的方式打开一个真正能赚钱的业务。 我的新书《真本事：从会工作到会赚钱》（人民邮电出版社）2026上半年上市，书里有更系统的方法论。感兴趣可以加入社区waitlist，新书上市和周边内容都会通过邮件通知：https://go.ai-builders.com/waitlist 00:00 创业九死一生，大多数人死在两个误区 00:22 误区一：选错模式——产品vs服务 02:24 产品vs服务，到底谁更难、谁更赚钱 03:01 YC的Tarpit Idea框架与ToB共识 04:44 产品的马太效应：你在跟谁抢注意力 05:51 做服务为什么容易赚钱 06:54 误区二：因果倒置——先做产品还是先想增长 07:23 Manus与The Browser Company的教训 08:54 增长的真实成本：时间、渠道、信任 10:49 什么样的产品有增长潜力 12:16 三者结合：分发×true understanding×独特经验 13:29 总结与新书推荐 新书上市waitlist：https://www.superlinear.academy/c/posts/book

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 鸭哥文章：https://www.superlinear.academy/c/ai-resources/openclaw 这期视频，我不做跟风测评，也不做简单教程，而是想把 OpenClaw（小龙虾）这波爆火背后的本质讲清楚。 如果你最近一直看到小龙虾刷屏，但又不确定它到底为什么火、值不值得学、它和 Cursor、Claude Code 这类真正的 Agent 工具到底有什么区别，这期视频会帮你建立一个更清晰的判断框架。 我会从产品设计和工作流的角度，拆解三个问题：第一，OpenClaw 为什么会像当年的 DeepSeek 一样突然出圈；第二，它到底做对了哪些关键设计，才让大众第一次强烈感受到“AI 不只是聊天，而是真的能替我推进任务”；第三，这些设计为什么既成就了它，也注定了它很难成为深度生产力工具。 这期内容不要求你会编程。我会尽量把 Agentic AI、聊天入口、统一上下文、持续记忆、skills 组合这些技术问题讲得深入浅出。 如果你在用 ChatGPT、DeepSeek，但总觉得 AI 这两年“好像也没变太多”，这期视频可能会帮你看见真正的变化到底发生在哪里。 你会看到： 为什么 OpenClaw 的爆火，本质上是在把原本小众的 Agentic AI 带给大众； 为什么聊天窗口让它更容易出圈，却也天然限制了它的天花板； 为什么“统一入口 + 持久记忆 + 丰富 skills”会让它看起来越来越聪明、越来越像一个真正的助手； 以及为什么不要因为小龙虾难用，就误以为 Agentic AI 不适合你。 章节： 00:00 一个高风险预言：OpenClaw 会经历怎样的三段式命运 01:46 这期视频讲什么：为什么火、做对了什么、问题又出在哪 02:57 OpenClaw 的爆火，本质上和 DeepSeek 是同一种现象 04:55 从聊天框到 Agent：AI 使用方式真正的跃迁 07:56 别被跟风误导：小龙虾难用，不等于 Agentic AI 没价值 09:35 真正该学的不是工具本身，而是它背后的可迁移认知 10:27 为什么聊天界面让它出圈，也注定了它的天花板 13:18 OpenClaw 真正做对的三件事 13:34 统一入口与统一上下文 14:23 持久记忆系统：为什么它会“越来越懂你” 16:15 丰富的 skills：为什么组合起来会产生质变 17:17 三个设计如何形成飞轮 18:09 下集预告：为什么这些优点也会变成它的限制

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 很多人把一对一（1:1）做成了“项目汇报”——结果既拿不到真正的支持，也错过了晋升与影响力的关键窗口。 这期我和 Mujtaba（Meta 数据科学高级经理）聊透一件事：一对一不是经理“管理你”的会议，而是你“向上管理”的最佳机会。 你会学到的是一套能落地执行的“经理使用说明书”：怎么让经理更愿意帮你、怎么让风险不变成事故、怎么让沟通从“推模式”变成“拉模式”，以及什么才是能晋升的强 IC。 你将收获的关键点（适合 IC / 数据科学 / 产品分析 / 需要跨团队协作的人）： 把 1:1 从“站会式更新”改成“高价值讨论”：你来主导议程，先 FYI，再把时间留给真正需要输入/决策/解阻的事。 风险越早说越专业：项目有风险、XFN 有阻碍、数据/资源卡点——提前对齐不是“丢脸”，而是让你和经理在外部沟通时不翻车。 推/拉模型判断你是不是强 IC：经理需要不停“推着你更”是危险信号；成熟 IC 会在需要时主动把经理“拉进来”。 “过度沟通”几乎不是问题：大多数人卡住不是能力，而是沟通不足、对齐不足、让干系人“不知道发生了什么”。 晋升不是等来的：如何开启晋升对话、如何用“脆弱但清晰”的方式让经理给你标准线与差距，而不是等到评审才被“意外反馈”。 高级能力的本质是影响力：技术复杂度不是最大门槛，真正卡晋升的是产品直觉、沟通协作、优先级与说服力。 00:00 开场精华 00:31 嘉宾介绍：Meta DS高级经理，七年成长路径 03:33 一对一该怎么开：FYI归FYI，讨论归讨论 06:24 一对一的本质是向上管理 07:37 提风险不是示弱，不提才危险 10:33 亲身教训：不敢求助的代价 14:47 什么样的IC更容易晋升 15:46 推模式vs拉模式：经理怎么判断你是否可信 19:47 强IC的核心：自我认知与发挥优势 24:05 晋升对话别怕开口，晚了才亏 28:20 角色扮演：经理如何传达坏消息 32:17 技术深度不是瓶颈，软技能才是 37:00 没有数据也要有观点 40:27 如何向经理求助：解阻、要背景、建连接 47:00 面对数据需求怎么反推优先级 50:16 总结与结束

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 93分钟会员版：https://youtu.be/FKuJBz4kaOo AI 时代的到来，是否意味着“传统设计”的终结？ 本期视频，我邀请到了 Cursor 的设计负责人 Ryo（前 Notion 首位设计师、前 Stripe/Asana 核心成员）。在这场深度对谈中，我们没有聊琐碎的技巧，而是回归到了软件设计的本质。 谁值得看： 产品设计师： 厌倦了在 Figma 里“搓像素”，想理解为何“代码才是真实”的人。 产品经理/开发者： 想要学习硅谷顶尖产品（Notion, Cursor）背后的系统思维。 认知行动派： 渴望在职业范式转移中，从“分工零件”进化为“独立构建者”的人。 你会获得什么： 认知的修正： 理解为什么 Figma 的设计稿并不真实，而是一种限制。 职业的范式转移： 为什么“设计师+PM+前端”正在融合成一个角色——Builder。 审美的本质： 审美不是主观偏见，而是一种对系统逻辑和韵律的深度体感。 Ryo 分享了他是如何用两周时间，在代码中完成传统流程三个月才能做出的产品原型。正如他所说：“你不是在搓像素，而是在进化概念。” 00:00 重新定义设计：从物理家具到数字工具的品位 01:16 职业轨迹：从 Notion 首位设计师到 Cursor 设计负责人 02:54 视觉演化：从拟物化到回归概念本身 08:18 软件的本质：不是像素，而是一坨相互作用的概念 13:30 范式转移：为什么设计师必须学会用代码构建？ 19:15 告别“抽象层”：为什么 Figma 设计稿并不真实 24:00 职业的宿命：分工是妥协，Builder 才是本质 31:25 实战点评：如何避免 AI 产品的“塑料感” (AI Slop) 38:33 审美的共识：如何训练看透本质的深度体感 43:52 跨学科启发：生物学思维对设计复杂系统的帮助 54:20 权力的平衡：如何在功能扩张中保持系统的简洁 56:00 给设计师的建议：去生活，去构建 特别鸣谢 Mengying Li 帮我们牵线搭桥

很多人在等AGI降临好彻底“躺平”，但我认为这是目前对 AI 最大的认知误区。这期视频我想跟你分享一个非共识的观察：AI 的潜力目前只发挥了 1%，而剩下的 99% 并不在于模型变强，而在于“生态修路”。 我会通过“汽车取代马车花了 70 年”的底层逻辑，帮你拆解： 认知修正：为什么“等 AGI 来了再努力”是一个技术幻觉？ 核心机遇：为什么像 Manus 这样处理“脏活累活”的公司反而最值钱？ 行动指南：作为个体，如何通过 Frictionless（无摩擦）、Contextual（上下文）和 Proactive（主动性）三大支柱，把 AI 变成你的生产力红利？ 如果你对市面上浅薄的 AI 预测感到厌倦，希望通过看透技术本质来实现人生跃迁，这期视频会给你一套可迁移的行动框架。 00:00 最大误区：等 AGI/ASI 来了就能躺平 01:23 70 年类比：汽车为何花了 70 年取代马车 03:20 类比到 AI：Transformer 是“引擎”，ChatGPT 是“第一辆车” 06:39 真正瓶颈：生态三件套（Infrastructure / Pipeline / 习惯） 08:35 AI 为何被困在聊天框：智能够了，但落地缺“系统” 11:35 Manus 案例：把 1% 推到 2% 的“脏活累活”有多值钱 14:25 落地怎么做：降摩擦 / 上下文 / 更主动（用内容生产流程举例） 16:04 个人机会：从解决一个需求，到升职、到副业/项目 18:41 总结：别等银弹，机会在把 AI 变成可用的生态 AI课程/风水宝地： https://www.superlinear.academy/ai-builders 300多个“AI落地”的实际案例：https://www.superlinear.academy/c/share-your-projects/

完整版38分钟：https://youtu.be/4pWsovy9cV8 上：https://youtu.be/ZJzguLBcTos 我在和一丰合作的过程中，明显感觉到他深得VP和同事信任，在组织中非常有存在感和话语权。于是请他分享一些他的核心干货，一丰也没有任何避讳，非常坦诚地进行了分享。 AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。

AI课程：ai-builders.com AI时代的编程基础：coding.ai-builders.com 你是在积累资产，还是在出卖数字劳力？ 在这个财富全面向比特世界（Bit World）转移的时代，大多数内容创作者和技术从业者依然在扮演“赛博佃农”的角色——在平台的土地上耕作，通过不断产出易耗的内容换取微薄的流量分成，却从未真正拥有过属于自己的数字不动产。 本期视频将为你拆解从消费者视角切换到“建造者（Builder）”视角的认知路径。我们将探讨： 身份真相： 为什么单纯做内容只是数字世界的“滴滴司机”？ 时代套利： AI 如何将曾经昂贵的代码变成廉价的砖块，让普通人也能拥有代码杠杆。 行动指南： 如何在未来 5 年内，利用代码与媒体的双重杠杆，构建一套不可被剥夺的数字资产。 如果你反感标题党，厌倦了追逐算法，希望从底层逻辑出发寻找 AI 时代的长期竞争力，这 13 分钟的分享将为你提供一套清晰的“数字主权”建设方案。 00:00 洛克菲勒与黄仁勋：两种世界的财富底层逻辑 01:26 视角转换：消费者看产品，建造者看“工厂” 03:01 赛博佃农：自媒体博主的本质困境与平台陷阱 04:36 数字资产路径图：从流量工具到独立产品 07:15 AI 时代的时代套利：当代码从昂贵变得廉价 09:36 重新定义编程基础：AI 开发者必备的三项底层能力 11:11 总结：掌握双重杠杆，构建属于你的数字不动产

AI课程/风水宝地： https://www.superlinear.academy/ai-builders 会员频道3美元一个月，周更，并送终身社区会员。非常超值，很建议一试。 50分钟完整版：https://youtu.be/DxRCFOOd0Oo 当专业程序员还在纠结代码架构时，一个没有编程背景的 8 年级学生已经靠 AI 实现了数万美元的收入。编程的门槛正在消失，而“知识诅咒”正在成为资深技术人的负债。 在这场与加州州立理工大学孙教授的深度对话中，我们揭示了 AI 时代一个真实的残酷现象：CS（计算机科学）专业背景的优势正在被结构性削弱，而“问题发现力”和“原生执行力”正在成为新的护城河。 【你将从本视频中获得】 真实案例： 零基础高中生如何利用 Claude 和 Cursor 在 7 周内上线商用级 App。 认知迭代： 为什么“想得太深”反而让你在 AI 开发时代输给年轻人。 教育/创业启发： 为什么在 AI 时代，年龄越小的 Builder 往往变现能力越强？ 行动指南： 如何识别并激活那 1% 的“关键问题”，跳出“知识诅咒”去交付结果。 如果你是想转型的程序员、寻求突破的创业者，或是正为孩子规划教育方向的家长，这 30 分钟的对话将帮你重新校准在 AI 时代的竞争力坐标。 00:00 孙教授背景介绍：从 Amazon 到 K-12 AI 教育 04:04 为什么高中生有时间且能够完成创业项目？ 07:10 案例 1：零基础女生利用 AI 在 7 周内上线 App 10:52 30 小时交付：AI 如何让开发门槛彻底崩塌 12:50 CS 专业优势的消亡：跨学科结合的新机会 16:50 AI 时代唯二重要的技能：发现问题与执行力 20:40 案例 2：自动翻谱 App —— 为什么“想简单点”才是算法核心 24:55 认知反差：为什么年龄越小的 Builder 挣钱越多？ 27:50 执行力是可以被“激活”的吗？ 31:40 总结：从 User 到 Builder，必须先“下水”