AI CODING编程提效：能产出内容的才是好AI｜硅谷AI转型录No.3
在前两期硅谷 AI 转型录中，节目分别聊到了硅谷的裁员风波和新式 996 文化。第三期换到一个相对轻松但更具体的话题：个人和组织在 AI 提效方面的那些事，尤其是 AI Coding 带来的颠覆性改变。
它将如何重塑知识工作者的日常？大厂的工作模式、组织形态又会迎来哪些新变化？无论是知识领域的个人创作者、正在职场中探索的白领，还是思考公司执行效率改革的管理者，都能从这期节目里获得新的启发。
主播与嘉宾
- 余一：腾讯研究院高级研究员、多年风投和孵化经历
- 陈然：常驻硅谷旧金山，CTO @ Pure Global
- 袁晓辉：腾讯研究院创新研究中心主任、资深专家
- 内容编辑与音频制作：Z
时间线
- 00:03:10 浅谈深圳与硅谷各自不同的创新创业氛围
- 00:06:02 AI Coding 让绝大多数人消费、享受别人的创造成为现实
- 00:09:44 解决简单问题成本高，处理困难问题又不行：一个能用的 AI 离我们还是很远
- 00:11:43 为何 AI Coding 的优势在于解决个人端到端工作？
- 00:16:05 记忆存储、联系上下文、自我搜寻学习、本地部署：用 AI Coding 创造解决问题的工具
- 00:26:08 如何用 AI Coding 训练出一个独属于你的 agent？
- 00:30:48 如何让更多人自发地使用 AI Coding：先从使用 AI 解决手头实际工作开始
- 00:35:56 从具体工作内容入手，小范围本地部署，让 AI 自动化学习
- 00:43:07 普通人如何吃到 AI 红利？用 AI 去创造内容，享受最显而易见的快乐
文字稿
根据音频重新转写并校对；陈然（Ran Chen）的发言以底色标出。说话人由声纹自动识别，文字与归属仍可能有误。
转写所用的音频来源 · 时间戳对应此版本，不同平台剪辑可能不同。
00:09 陈然 · Ran Chen：能够享受技术创造带来的乐趣，其实并不是一件所有人都能享受乐趣的一个事情。有一部分人他会很享受创造带来的乐趣，但是可能绝大多数的人更以消费，更以享受别人的创造东西为主吧。AI 的工具它解决的问题哈，首先它肯定不是说一开始就能解决最难的问题。
00:33 人物D：嗯。
00:34 陈然 · Ran Chen：它肯定是从越简单的问题越开始先解决的，难的问题慢慢解决的。但是有时候呢，当一个人他自己变成专家很专了之后，
00:43 人物D：嗯。
00:44 陈然 · Ran Chen：所以对他而言，AI 是个没有用的东西，因为 AI 其实还并不能解决他的问题。
00:48 人物D：嗯。
00:49 陈然 · Ran Chen：然后简单的问题他的工作中也遇不到，已经被别人解决了。
00:54 人物A：AI Coding 让我觉得非常爽的地方是这个东西是控制在你的手上，以及呃，你可以让它默认地去存储日志，它可以根据你的电脑的环境或者网络上的环-环境，它自己去创造、去组合、去实现你的需求。这个是端到端的另外一个延展。
01:14 陈然 · Ran Chen：如果你不知道用 AI 去做什么，你就去拿 AI 做内容啊，不管是音频的内容、文字的内容，还是视频的内容，总有办法你可以通过 AI 把这个端到端的给做起来的啊，我觉得这个是最容易见到结果，也然后也最容易享受到快-
01:29 人物D：快感。
01:29 陈然 · Ran Chen：对，快乐的东西。
01:38 人物A：我们这一次又开始录硅谷转型路的第三期了，这次很特别，上一次是，呃，我、小辉博士、陈然，我们其实是各自在中国不同的房间里以及美国远程联系的。这一次刚好陈然呢，从硅谷回到了国内，在周末的时间准备要离开的时候，我们还是强行拉着她在咖啡馆里录我们新一期的硅谷转型路的第三期。前两期我们聊到了说，呃，硅谷的裁员，硅谷的 996，呃，可能大家会觉得说会有比较多的一些焦虑啊、恐惧啊。第三期呢，我们想聊一些比较轻松快乐的话题。
02:20 人物A：这一期呢，我们会三个人都一起聊一聊我们自己的 AI 的，呃，提效，尤其是 AI coding 会对未来的知识工作者，包括就是大厂啊等等，大家的未来的工作和组织形态会有什么样的变化，可能会给大家一些启发，一些快乐的话题。还是像以前一样，然后有请小辉和陈然，然后各自再做一下自我介绍。
02:44 人物B：嗯，Hello hello，大家好，我是小辉，然后现在在呃一家互联网公司做 AI 发展的观察，呃，然后对面这位是陈然。
02:52 陈然 · Ran Chen：对，大家好，我叫陈然，我平时住在呃旧金山，呃，然后今天非常开心在这个深圳哈，刚好是过来参加一个比赛的活动，然后可以跟大家一块分享一些我们在硅谷和在这个深圳哈，一起一些的观察和想法。
03:10 人物B：你回来有什么体会和感受啊？就是看到这个深圳的创新创业的氛围。
03:14 陈然 · Ran Chen：哦，我们因为参观了很多孵化器嘛，就感觉，呃，做 AI 应用或者 AI 模型，还有这个智能硬件，项目都非常多，思路也都挺好的，对。对，然后感觉政府也非常支持。
03:26 人物B：对。
03:27 陈然 · Ran Chen：对，有很多很多政府支持和配套的地方，一片欣欣向荣。
03:31 人物A：那跟硅谷有什么不一样呢？
03:32 陈然 · Ran Chen：说我觉得硅谷的时候，呃，很多的人他的更 crazy 一些，就他讨论的想法会更不现实一些。第二个点就是，呃，深圳还是比较年轻嘛，我觉得平平均看起来大家年龄是比较年年轻，然后硅谷的话就感觉这个多样性非常大，就是他们年轻会更年轻，他可能什么高中毕业，你就看到跑来跑去的，当然也有很多什么四五十岁的人也在一线的创业，跟大家聊很多东西，就感觉这多样性会大很多。那我觉得多样性大，有时候就会带来就是说大家这个创业的这个思路和想法，关注点差异性也会很大哈，啊，这个我觉得可能是不太一样的地方。
04:14 人物C：好消息，好消息，二维五码建听友群了。为尽快回笼粉丝，所有主播上班摸鱼陪您聊。
04:21 陈然 · Ran Chen：进群还能了解二维五码最新活动动态及选题展望。进群请认准微信个人号二维五码全拼，二维五码全拼。
04:31 人物C：马小二恭候您的到来。
04:34 人物B：前两天接受一个采访啊，也问，就说，哎，你你觉得这个 AGI 这个事情，呃，硅谷好像都在讲 ASI，是吧，超级人工智能。啊。然后现在其实国内主要还是以这个提效。啊，对。AI 提效为主。其实考虑长远的事情呢，有有有一些专家在呼吁一些安全的问题，但是还是相对来说少一些。
04:55 人物A：像硅谷有 AGI 或者 ASI，这个应该也只是少数人在聊吧。大家应该也还在看它实际的对应用或者产业，或者对个人的影响，还是很疯的，大家都在讨论 AGI、ASI。
05:12 陈然 · Ran Chen：我觉得提效这个事情肯定还是绕不过的，就是你，我觉得每个人看到一个新工具出来，肯定对他这个影响最大的还是所谓的这个提效，然后怎么样增加自己的生产力，开源节流，就是还是这一套东西。但是另外一方面呢，你会看到还是很多人，他觉得创业可能不止这些吧，然后他作为连续创业家呀什么的，他之所以选择创业，肯定也是为了做一些更大的改变嘛。
05:38 人物B：对，我-我自己识别到一些比较有影响力的企业家，他们一般还是面向 5 到 10 年的未来再去考虑的，就是包括他对愿景的这个相信，然后以及说服嗯。其他人相信这套叙事的方法，还是挺不一样的。
05:53 陈然 · Ran Chen：以前感觉大家都没梦想啊，梦想都被 Elon Musk。
05:56 人物A：火星。
05:57 陈然 · Ran Chen：对，占据了高地，突然一下子又出现了更，人人都可以讨论的更多的梦想又出现了。
06:02 人物B：那我们就拉回到这个 AI Coding。先讲一个长远问题嘛，既然讲 5 到 10 年。嗯。你觉得 5 到 10 年之后，普通人用 AI 编程，或者是这个程序员会发生一个什么样的变化？
06:13 陈然 · Ran Chen：我觉得很有意思是，昨天晚上有一个小同学吧，跟我来聊 AI Coding。他是在大厂工作，他觉得 AI Coding，呃，对她的这个工作影响非常大，非常正面。但是呢，她会觉得很沮丧，是觉得她很想推广 AI Coding。
06:29 人物D：嗯。
06:30 陈然 · Ran Chen：但是呢，大家都不用。她甚至觉得会有些搞笑，是技术人员用的不多，反而非技术人员用的很多。
06:36 人物D：嗯。
06:37 陈然 · Ran Chen：然后她会觉得，啊，我们都是技术人员，你们为什么不用呢？我可能会有个观点是，我跟她解释说，我觉得能够享受技术创造带来的乐趣，其实并不是一件所有人都能享受乐趣的一个事情。有一部分人他会很享受创造带来的乐趣，但是可能绝大多数的人更以消费，更以享受别人的创造东西为主吧。如果从这角度来讲，我觉得会有一部分人会因为 AI Coding，会因为这种工具的大爆发，会觉得无比的快乐，会觉得自己能多做很多东西。但是可能对于绝大多数人，还是回归到这个问题，就是我还是只是想工作而已。
07:15 人物D：对。
07:15 陈然 · Ran Chen：我只是想交差而已，对吧？就是他并不一定完全能够去非常主动地去探索这个所谓的增效带来给他的这样一个生活上的变化，对。
07:26 人物B：哎，你刚才说这个的时候，我在想啊，你说这个，呃，可能很多人并不以这个享受技术带来的这个进步为乐趣。但是你说大厂程序员，他写代码的过程中是在享受技术带来的乐趣，他为什么不用呢？就比如他如果一个东西明显给他带来成效，他为什么不用呢？
07:47 人物A：很多人会觉得没有提效，觉得不能用。原来就是属于你觉得我自己写完了就结束了。嗯。现在我还得给他改，有的时候很抓狂。然后你帮他改有一些 bug 呢，AI 的问题是在于有一些，有一些他出的错误是匪夷所思的。我上一次是让-让 AI 跟我一起去做研究的过程。
08:07 陈然 · Ran Chen：嗯。
08:07 人物A：然后我之前设了非常多的约束，他都解决了。然后他出了一个我从来没有料想过的错误，就是他把不同的数据源做了一个对比。
08:17 陈然 · Ran Chen：啊。
08:17 人物A：这个是在人类里面是肯定不会犯的。
08:19 陈然 · Ran Chen：啊。
08:19 人物A：就会说我做一个，肯定是用一个数据做可能环比啊，或者同期的对比。就是它虽然是同一个题，但是那个调研的范围是非常不一样的，拿来做了一个对比。我那个时候我是会觉得啊，匪夷所思。我觉得可能对于程序员而言，他会觉得说，呃，AI 写，然后写，写 10 分钟，他帮他抓 bug，抓，抓，抓两个小时，他自己写可能半个小时写完，觉得这个可能不是提效。从有些人的角度，他可能会是这么看一个问题。
08:52 人物B：是，就是从那个专业的人的角度，确实是一开始用他觉得，啊，这个跟我自己差远了。但是我听到的是，比如说像腾讯现在有 90% 程序员在每天都用 AI Coding 工具。嗯。
09:03 陈然 · Ran Chen：啊。
09:03 人物B：啊，他他这个比例还是非常高的。大家也都不傻，就有有好用的工具帮你补全代码，其实还是挺挺自然的一件事儿，对吧？
09:11 人物A：或者是属于我们之前有聊过的影子 AI 的情况。嗯。腾讯是很鼓励这件事情的嘛。嗯。包括大厂的老板们都在很鼓励这件事情，但是对于有一些可能小的公司或者是相关的情况而言，你自己享受到了，但你不希望老板知道。
09:30 陈然 · Ran Chen：嗯。
09:30 人物A：因为确实会对工作产生危险，或者是说你一直说很提效，那你比如说你是个小 leader。
09:37 陈然 · Ran Chen：嗯。
09:38 人物A：问你说五个人能不能砍成两三个人。
09:40 陈然 · Ran Chen：是啊。
09:40 人物B：谁干这个傻事啊？我觉得也是很现实的考虑。
09:44 陈然 · Ran Chen：有一个观察是说，AI 的工具它解决的问题哈，首先它肯定不是说一开始就能解决最难的问题。
09:51 人物D：嗯。嗯。
09:51 陈然 · Ran Chen：它肯定是从越简单的问题越开始先解决的，难的问题慢慢解决的。但是有时候呢，当一个人他自己变成专家很专了之后，嗯。其实他每天的工作，他就已经被逆向选择成了
10:05 人物D：嗯。
10:06 陈然 · Ran Chen：他只做很难的问题了。
10:07 人物D：嗯。
10:07 陈然 · Ran Chen：因为他很贵嘛，很资深，其实从工作公司角度来讲，就会跟他配很多人，帮他去解决简单的问题。
10:14 人物D：对。
10:15 陈然 · Ran Chen：所以对他而言，AI 是个很没有用的东西，因为 AI 其实还并不能解决他的问题。
10:20 人物D：嗯。
10:20 陈然 · Ran Chen：然后简单的问题，他的工作中也遇不到，已经被别人解决了。所以对他而言，他可能用一个 AI 工具，觉得啊，跟我想的还差很多。所以有时候我觉得这个就是，如果你自己的工作本身是只解决一些非常困难的问题，可能确实在这个角度来讲，AI，呃，它并不一定那么有帮助。但是如果你的日常工作中要处理很多简单琐碎，但是又各个方向的问题，那这时候你用 AI 工具，可能有时候一下子它能帮你解决。
10:48 人物B：哦，哎，你这个解释了我的一直以来的一个疑惑吧，就是说这些，呃，中高层。嗯。大厂的中高层。
10:55 陈然 · Ran Chen：啊。
10:56 人物B：他们其实对 AI 工具是没什么感觉的。嗯。而且他们经常会说，哎，我也不知道这个 AI 到底能在什么情况
11:03 陈然 · Ran Chen：嗯。
11:03 人物B：可以帮到我。
11:04 人物A：嗯。
11:04 人物B：实际上因为很多简单的东西都是底下的 agent。
11:07 陈然 · Ran Chen：对。
11:07 人物B：其实说这个 AI agent 啊，其实我们每个人在大厂中都是一个 agent。
11:11 人物A：agent。
11:11 陈然 · Ran Chen：对。
11:12 人物B：对，都是一个，呃，执行
11:13 陈然 · Ran Chen：干活的人嘛。
11:14 人物B：某一个东西的代理人。对。呃，对，我们都解决了。
11:17 陈然 · Ran Chen：对。
11:17 人物B：他就不需要再去为这个烦恼了。
11:19 陈然 · Ran Chen：对。
11:20 人物B：所以他体会不到 AI 带来的这个额外的增量。但是如果你要端到端解决一个问题，就一个东西全都给你，你要从实施对。然后把它全负责起来的话，
11:29 陈然 · Ran Chen：对。
11:29 人物B：那确实是需要工具的。
11:31 陈然 · Ran Chen：我们回到 AI Coding 嘛，它最有帮助的其实是你要去解决一个端到端的问题。特别是如果你自己有一些小的项目，然后它刚好又是端到端的，因为我自己有很多这样的项目，我可以跟大家分享啊。
11:43 人物A：我到现在为止只能看懂一些参数。
11:45 陈然 · Ran Chen：啊。
11:46 人物A：大概你能猜到说这个段-代码到底在解决一些什么样的问题。
11:50 陈然 · Ran Chen：嗯。
11:50 人物A：但是只是属于，只是在做一些很小的判断，很轻微的判断，能力在于只能试探性的改一些参数。这个是，呃，我的一个状况。其实关于 AI Coding，当时 Claude 出 artifacts 的时候，我就觉得就很兴奋了。像我会有一些常见的，比如说做一个小的数据图啊，可视化呀。当时 Artifacts 是让我充分感受到用代码去实现可视化，因为它就是一个很简单的单个的 HTML 的就是前端嘛，所以 Artifacts 就完全能解决了。后来 Cursor 出来了之后呢，它那个 tab 补全，其实你用来写东西挺方便的。
12:33 陈然 · Ran Chen：嗯。
12:33 人物A：就是它既然可以补全 coding 的那个语言，它也能补齐你自然语言的语言。那个时候写也很快乐，但那种快乐都是属于说在你的工作里面只占很小的比例。就跟程序员也会说，写代码在他的工作里面可能只占到 20% 到 30%，还有很多其他的东西。其实你只会觉得说我拥有了一个原来没有过的能力和工具，但最近一段时间非常充分地享受到了，我觉得应该就是还要受益于说 AI Coding Agents 的发展。
13:07 人物A：因为之前的 Coding 主要是对话嘛，它帮你做一些实时的修改等等，但我是一个极懒的人，就是但凡需要我很懂这个东西，以及我必须非常在行，我就很容易就-就那样了。然后这一次的话是因为一个是我们公司内部有一些 CodeBuddy 的羊毛可以薅。
13:28 陈然 · Ran Chen：嗯。
13:28 人物A：然后第二个是，呃，Cursor，还有我自己刚好最近有段时间有个很重要的感受，其实会跟你前面说的一样，就并不是所有人都享受做创造者的。跟小辉我们在，呃，腾讯内部也在推一些，就是希望大家都能够 AI 变革、AI 提效。我们之所以会有那么多困扰，就是属于有些困扰就在你推广的时候会产生。我们最近一段时间也在把我们的一些做法在做升级，包括内部也有些讨论说，让所有人都借助 AI 成为生产者这件事情不太现实。
14:07 人物A：它可能会比以前相比让生产者的范围更大了，但你要说让所有人都成为生产者这件事情是很-很不现实的，或者说速度没有那么快。因为我经常会分享一些我的工作流提示词，会发现有很多人甚至连复制粘贴这个提示词，他都觉得，或者打开这个-这个行为，就是大概超过三步以上，就很不愿意做了。于是我就在想，那要不要我把它封装成一个大家点开就能用的网页？
14:38 陈然 · Ran Chen：嗯。
14:38 人物A：这是我最开始去做 AI Coding，我就尝试了像 Lovable 啊，V0 啊。
14:43 陈然 · Ran Chen：嗯。
14:43 人物A：还有 Manus 去帮我写，然后发现可以。于是我第一阶段是沉-呃，是进入了一种沉迷于把自己的所有的工作流，看是不是都能封-封包成一个小的软件，然后或者小的网页给大家去用。首先是充分享受到了这种我们称之为是叫做 Web Coding 平台的这种快乐。既然 Coding 可以做成这个样子，这么能干活，那是不是我就应该把我之前的 Cursor 重新捡回来？因为它能操作我的电脑上的所有的，比如说程序也好，或者是说文件也好，再到 MCP，它又可以连接很多外部的这种服务。于是我又开始了用 Cursor 作为我的工作台的这个过程。
15:28 人物A：这个其实是我的两个，后面，呃，在 11 之前，其实，呃，我们有一个内部的分享，就会提到说，AI 原生员工，我就加了第三条，就说端到端的构建能力。就是你真的可以不求别人，只要你有主观能动性，AI 怎么样都能给你做出一个东西。当然它能不能用，能在多少范围用，我觉得是另外一件事情。这个是我作为，就是你所谓的非程序员，然后第一次享受到了这种端到端构建的快乐的 magic 时刻。
16:00 陈然 · Ran Chen：很很振奋人心啊，就是做了很多不同的制造新的这个东西的。
16:05 人物A：当时其实我跟小辉在 7 月份就有写一个报告，叫 AI Coding 的非共识报告。这个大家在我跟小辉的视频号都有分别介绍那个报告的具体的内容。当时我跟小辉就会判断说，AI Coding 绝对是在这一波的 AI 的底层的一个大的变化，也算是知行合一，整个团队非常疯狂地在推。
16:28 陈然 · Ran Chen：嗯。
16:28 人物A：就是让大家用 CodeBuddy 来干活。
16:31 陈然 · Ran Chen：嗯。
16:32 人物A：也算是知行合一吧。
16:34 陈然 · Ran Chen：嗯。
16:35 人物B：对，我自己感觉是编程 AI coding 的工具啊，有可能会成为未来每个人的一个工作台。因为现在可能用大家用的比较多的是这个，这个对话，啊，Chatbot。但是呢，你会发现，实际上你的 Chatbot 功能在 AI Coding 的工具台里面也是可以用的。
16:51 陈然 · Ran Chen：嗯。
16:52 人物B：所以就是无非是区别你是自然语言对话和是这个代码程序语言
16:56 陈然 · Ran Chen：对。
16:57 人物B：跟计算机对话。然后那如果是能够都在一个入口解决的话，其实它更灵活，它既能控制，嗯，远方的 AI，也能控制你本地的文件，然后包括读写文件、存文件，它都可以。越来越感觉到可能未来就是有一个很-很简单的工作台。如果很多 AI 应用切来切去很麻烦。
17:16 陈然 · Ran Chen：我-我也可以分享一下我用这个 AI Coding 的工具哈的一些。因为首先我是程序员哈，我是一个创业公司的 CTO，然后我们第一当然是用 AI Coding 的工具在很多一线去做生产、搭建网站什么的。就在很多人还说他们公司可能 10%，百分之，对吧？我们其实已经 90%，100% 的代码都是 AI coding 是，啊，制造的了。就是手写代码这件事情感觉已经
17:41 人物A：嗯。
17:41 陈然 · Ran Chen：已经破掉了。
17:42 人物A：嗯，对。
17:42 陈然 · Ran Chen：都是 AI 生成的代码。所以这个这个东西怎么讲呢？就是很多人还在讨论这个，但是在我们看已经没有必要讨论了。对，对，所以这个就是一个，就是已经是一个事实的现状态，对吧？你肯定是要拥抱，然后想办法围绕着 AI coding 这件事情的状态，你去选择更好的工具来支持你这个生态系统的这个建设哈。那我自己呢，用 AI coding 这个平台，或者这样生产环境，其实做了很多不一样的尝试，可以举几个例子。首先讲就是 AI coding 的这种环境啊，比如不管是 Claude Code 还是 Codex 还是 Gemini CLI，它跟你自己用呃 ChatGPT 最大的区别是什么？
18:19 陈然 · Ran Chen：我觉得最大区别是，你相当于天生，它会自带更多的工具，不管是 MCP 的工具，还是 online search 的工具，是让它天生会更有强力的这种功能。第二是它自带存储，就是它能把文件写下来，然后这也是很不一样的东西。我给你举个例子，就是我前段时间刚刚考过了一个非常困难的考试。哦。啊，在美国哈，是可能是个人财务规划里面最困难的考试，就是 Certified Financial Planner, CFP。它有呃七八门内容，就是从税务到保险到什么遗产规划到投资规划哈，都很困难。我所有的学习是通过 Claude Code 进行的。那为什么呢哈？
19:00 陈然 · Ran Chen：首先我跟他是花了很多时间去设定他这个运行的提示词，就他提示词是说，就是你是一个要教我东西的人。首先你教我的东西应该简洁，就是我不希望你跟我讲一千个字，你应该用两百个字跟我讲清楚。然后你要反问我，让我去跟你复述我对于这个东西的理解。Verify，要确认我东西学没学对。它这个东西就变成一个对话式的啊，所以整个学习过程中就不是他在教我，而是他反复地让我去跟他讲，直接通过提示词，他就能做到这一点。第二呢，就是里面所有的知识他当然没有的。我要求他，你要去网上去搜索，去确认，对吧？
19:37 人物D：嗯。
19:37 陈然 · Ran Chen：你给我讲的东西是对的，哈，是最新的啊。因为不管税务啊，还有什么都有很多新的东西变化嘛，每年。我要求他，我们每个讨论的东西，你都必须要存在文件里。呃，那这样子的话，他就会把我们每天学习的东西存在一个当地本地的文件。每天我们都会说，你根据我今天和我们以前的东西，你帮我去整理成一个我知识上的弱点啊，我还有什么要学的，然后我们再来讨论一下。就是通过这样提示词的设定，就是整个就用这个 AI Coding 的环境，完全做了一个带领我学习的小助手，而且非常好用。而且它就在控制台里面，没有任何其他的东西，就是我也不需要去买一个服务
20:17 人物D：嗯。
20:18 陈然 · Ran Chen：什么的，它就很简单就做好了。然后学习效率非常高。它是反复确认我有没有学会，而不是说它去跟我讲。所以我每天就在这对着电脑说，啊，这个东西是什么，那个东西是什么。呃，对，这另外一个事情，就是
20:31 人物B：啊，对，我们
20:31 陈然 · Ran Chen：打字的时代，
20:32 人物D：对。
20:32 陈然 · Ran Chen：打字的时代可能
20:33 人物B：也过去
20:34 陈然 · Ran Chen：也过去了。
20:34 人物D：了。
20:34 陈然 · Ran Chen：对，都是靠语音转换成文字输入。而且语音转换文字输入还有个好处，就是你会发现，哪怕识别得不对
20:41 人物D：对，
20:41 陈然 · Ran Chen：也没有关系。
20:42 人物D：对对。
20:42 陈然 · Ran Chen：它是很聪明的，他可以根
20:44 人物D：据上下文。
20:45 陈然 · Ran Chen：啊。
20:45 人物D：对。
20:45 陈然 · Ran Chen：他其实知道你在说什么。
20:47 人物B：对。
20:47 陈然 · Ran Chen：啊，所以这个流程就让我感觉是我其实在这么长时间复习中，我感觉我每个学的东西都学懂了。因为这个感觉我以前是没有的。比如说我考那个，呃，税务规划师，当时因为这个 AI coding 的能力没有那么强，我学习是很痛苦的。
21:03 人物B：嗯。
21:03 陈然 · Ran Chen：因为我在网上去 Google，我搜不到很多东西。
21:05 人物B：对对。
21:06 陈然 · Ran Chen：就没有办法这种，就个性化地教我哈。然后我这次考试就很神奇，它是个很大很长的考试，2 个 session，每一个时间是 3 个小时，一共是 6 个小时。是-所以它是个很大很复杂的考试。结果考完了，我觉得这考试挺简单的。3 个小时，我每一场我大概都提前了 1 个
21:25 人物D：哦。
21:25 陈然 · Ran Chen：小时。我 2 个小时就做完一场，2 个小时做完一场，可能就还行，没有很困难。对，所以我就感觉，哇，这个东西，它做这种个性化的教学，对于我而言简直是一个天翻地覆的变化。
21:37 人物B：要进你的脑子。
21:38 陈然 · Ran Chen：嗯。
21:38 人物B：不能光靠 AI 当拐棍儿，让它做 coach，让它
21:41 陈然 · Ran Chen：对。
21:41 人物B：做教练，呃，然后辅助你学习一个过程。然后这个我-我也体会挺深的，因为今天早晨我还在-在看，因为我对那个财务，也是对投资相关的知识也不是很了解。所以有一些问题，我当我不明白的时候，比如说，啊，这个股权融资和债务融资，它在什么场景下会出现？那谁来出这个钱？他为什么要这样选择？比如说现在很多 AI 公司要用债务融资的方式，然后 AI 就可以非常清楚地知道你的困惑点在哪里，然后举一些你非常容易理解的例子，然后你就能懂，哦，原来债务融资是他们不想稀释股权的情况下来进行的，是吧？那为什么现在有这样的情况？
22:17 人物B：这样的例子挺多的，我没有像你这样系统地去学一门这个知识，但是我觉得这个确实是让你脑子中那些奇奇怪怪的想法能够被回应，你的那些需求能够被解答。对，我觉得这个是非常好的一点。然后另外就是你-你讲到这点，我觉得是对未来的教育是一个非常好的一个
22:36 人物D：对。
22:36 人物B：例子。然后比如说未来的小朋友，他如果想学一个东西，他就想学一个很奇怪的什么游戏编程的或者是什么的，他就可以直接让 AI 扮演这个指导教师，根据他的兴趣去来。
22:49 陈然 · Ran Chen：而且在这个过程中，就我感受特别深的是因为，呃，这种 AI coding 环境，它呢自带存储，所以它相当于把我们所有的对话都存下来了，所以它就相当于是拥有这个 memory 也好，或者记忆也好。
22:59 人物D：嗯。
22:59 陈然 · Ran Chen：就是它会知道怎么样举例子，或者怎么样的东西我会更容易学会。
23:05 人物B：是，这里面有一个教育中的一个概念哈，叫搭梯子，或者叫
23:10 陈然 · Ran Chen：嗯。
23:10 人物B：铺台阶。
23:11 陈然 · Ran Chen：对。
23:11 人物B：垫脚石，在你了解一个知识和下一个知识之间，如果它跨越特别大的时候，你是很难理解，但如果用中间一个你已经了解的知识，它会非常容易理解。
23:21 人物D：对。
23:21 人物B：我觉得 AI Coding 还有一个就是刚才我们有提到了，说它可以自己去网，现在能自己去网上搜寻。第二个是属于它能够记住所有的，基本上是过去跟你 chatbot 也好，或者是之前我们在用的工具也好，它其实是留存的这个问题，或者是这些公司自己用自己的方式在去存储记忆
23:44 陈然 · Ran Chen：嗯。
23:45 人物B：但对于个人而言，如何按照自己的方式去调用这一块的记忆，其实这个控制权是不在你手上的。AI Coding 让我觉得非常爽的地方是这个东西是控制在你的手上，以及，呃，你可以让它默认地去存储日志。像我现在是属于写了一套怎么去提取记忆的方式，让它每次都要去读取，按照我期望它去留存，而不是留存很多信息。
24:08 人物B：我觉得还有一个点特别有意思，是我作为一个非程序员感受到的特别大的快乐，是原有的，呃，包括说，呃，ChatPod 也好，或者是一些，呃，Web 的那个 Agent 也好，就好像很多时候它只能用已有的工具，或者是已有的能力来帮你解决。AI Coding，或者是你在用这些，比如说 IDE 也好，或者是 Claude Code 的这种 CLI 这种软件也好，它有一个特别牛逼的地方是在于说，它直接调用你的脚本，写一个脚本去实现它没有的这个能力功能。就有一种你在指挥一个人。
24:51 人物D：创造工具。
24:52 人物B：对，他没有这个，他就自己去，自己去找到工具也好，自己找不到就自己去写一个。
24:57 陈然 · Ran Chen：是。
24:57 人物B：就特别像指挥程序员干活。
25:00 陈然 · Ran Chen：嗯。
25:00 人物B：啊，我说无论你是自去市场上找 API 也好，
25:04 陈然 · Ran Chen：嗯。
25:04 人物B：还是找到工具也好，因为它还有那个可以操作网页的功能也好，我说你找个网页也好，你找个 API 也好，实在不行你自己给我写个脚本，我就是要这个结果。这个是 AI Coding 如果要总结或我觉得影响非常大的第三个变化就是它可以
25:23 人物A：不仅仅在你已有的，它可以根据你的电脑的环境或者网络上的环-环境，它自己去创造、去组合、去实现你的需求。这个是端到端的另外一个延展，或者是说之前的所谓的达成成果的能力里面没有的这一块的东西。然后我每次都会觉得说，哇，你们程序员原来吃得这么好，这是我的一个感受。
25:49 人物B：嗯，对，刚才你讲的这个，嗯，是不是能够，呃，现在因为都是手搓嘛，大家都是在摸索和探索。对。在实践，但后面肯定会有一些产品化。
25:59 人物A：是。
25:59 人物B：因为不是所有人都愿意去对。尝试。对。有很高的成本在，呃，所以就比如说刚才你学习的助手这个，就可以变成一个产品。
26:08 陈然 · Ran Chen：再比如说，我觉得像比如写报告，我很多时候现在也是用这个 AI Coding 的环境去写，就是因为它自己带搜索的工具嘛。
26:14 人物D：对。
26:14 陈然 · Ran Chen：你就让它去搜索，然后把资料存下来，又可以跟它去 brainstorm，它会给你大纲，你就跟它觉得这个怎么样，怎么怎么样，最后生成那个结果，然后你通过跟它对话来那个。
26:23 人物D：对。
26:24 陈然 · Ran Chen：所以这个过程就是使得你写报告的这个状态也变得非常好。
26:27 人物A：有-有一个特别有意思的点，就是写报告跟阅读。因为我-我现在有很多的工作流都已经转化到 AI Coding 里面了。呃，之前其实在用 AI 的时候，会有一个很大的痛点是在于你聊了很久，你跟他说你回顾上面的所有的对话。
26:43 陈然 · Ran Chen：啊。
26:44 人物A：它是回顾不了的。
26:45 陈然 · Ran Chen：对。
26:45 人物A：那些都已经完全被压缩掉了。但是在 AI Coding 的里面，你可以就是每讲一段就是时间，你跟我说把上面的聊天你要加到我的文档里。原来我们总是在说记忆这件事情，但现在记忆就掌握在你自己的手里。嗯。因为你只要存下来了，它那个上下文的读取的能力还是很强的，而且 agent 式的这种去执行的能力也是很强的。
27:08 人物B：另外一个方向是，就是基于这些你存储的记忆。对。有可能还可以再训练 Second Me，可能在本地电脑训练一个对。你自己的模型。对。变成一个适合你自己的 agent。但是有一个问题啊，就是刚才你讲到，并不是所有人都愿意去创新、创造或者，呃，尝试新的东西啊。你觉得未来这个趋势是，呃，分化？比如说一部分人可以用 AI Coding 工具，然后又进一步提效，然后又学习新东西更快，个性化教育又更厉害。然后另外一部分人可能还是处于一个消费的状态，或者是，哎，呃，看视频、看抖音、看各种东西。你觉得这个是会分化还是会融合？会往一个方向去走？
27:50 陈然 · Ran Chen：我-我觉得这里面可能有-有-有两波哈，两个问题。第一个就是说，我们现在的这些人，他今天是这样一个状态，以后会慢慢会变-变成什么样？另外一个就是我们今天小朋友在这里，对吧？就小朋友们，他们以后的我们所谓的教育也好，我首先我从小朋友角度来讲，我是希望我们的教育也会发生相应的变化，使得小朋友们都更多地去享受创造的快乐。这个其实是需要从小的教育，让他去理解什么是创造，真正的这种创造能带来的快乐啊。那如果说我们的教育系统也能发生改变的话，我相信，呃，他们会更愿意使用这种新的工具去创造一些，对吧？这个世界上还不存在的东西，或者他们独有的东西。我们每一个人，对吧？
28:35 陈然 · Ran Chen：已经有了一个历史的路径走到了今天。
28:37 人物D：嗯。
28:38 陈然 · Ran Chen：大家的对于什么东西是快乐，某种程度上是定型了的。
28:41 人物A：OK。
28:42 陈然 · Ran Chen：如果他就认定这样的东西是不快乐的。
28:44 人物D：嗯。
28:45 陈然 · Ran Chen：他从小也不觉得创造是快乐，你-你怎么可能去改变他说，说今天你可以创造
28:51 人物A：嗯。
28:51 陈然 · Ran Chen：会获得快乐，我觉得这个是很困难的事情。
28:53 人物A：是之前飓风营的 team，呃 team 还有好几好多国外的一些访谈，其实都提到一个，就是老板们，或者是说其他人，或者我们用的比较多的人，总觉得说这件事情太快乐，为啥
29:08 陈然 · Ran Chen：嗯。
29:08 人物A：为什么大家不用呢？
29:10 陈然 · Ran Chen：对。
29:10 人物A：或者他想尽了很多办法，希望比如说全员，或者是大家都能享受到这份快乐。后面其实到现在为止，包括我们自己也都承认了。
29:19 陈然 · Ran Chen：对。
29:19 人物A：能够享受到这份快乐，或者愿意为此，就是甚至你是不需要别人要求，
29:25 陈然 · Ran Chen：嗯。
29:25 人物A：你自己就非常认真投入的这种比例，可能就-就是 5%。如果你是定义说他是一个 AI 的创造者的这个比例啊，使用者又是另外一个比例，我纯消费者又是另外一个视-视角。但是能到这个创造者的这个比例里面，其实还是比原来扩大，原来可能只有 1%，现在扩大到 5%。但我们会在想未来的组织的形态，也可能就是这 5% 的内部，你有 5% 的生产者。
29:57 人物A：于是呢，你就可以为这个部门创造一些这个部门专有的一些能力也好，组块也好，或者是说甚至就是提示词工-工作流，然后让大家把它使用起来，而不是花很长的时间，要让所有人都成为生产者。这个可能也是我们最近在思考的事情，不知道就是陈然对这个是怎么看的？就是我们会觉得 AI coding 这件事情，或者 AI agents 这件事情，会对整个组织的，呃，无论你们在使用的工作流也好，还是工作方式也好，会产生非常大的变化。但是这个变化会是以怎么样的形态？
30:37 人物A：刚才的那个可能是我们自己在看到的也好，或者在内部推广的时候，会在思考的一种方向。不知道陈然你这边会是看到什么，在思考什么？
30:49 陈然 · Ran Chen：我觉得我们第一期的时候专门聊过这样的话题。当一个巨大变化来的时候，你是要筛选还是要培训？
30:56 人物D：嗯。
30:56 陈然 · Ran Chen：啊，这个是两种不同的这个组织形态或者思路吧。当时我记得我们第一期举-举的例子就是说，比如说大家现在都是手工纺织的时代，突然出现了蒸汽机。
31:07 人物A：嗯。
31:07 陈然 · Ran Chen：出现了这-这种全自动化的工具，对吧？那当-当当然肯定早期的时候也没有那么好用，但是你知道这件事情它来了。
31:15 人物A：嗯。
31:16 陈然 · Ran Chen：那你是说你选择去培训你们这些人去学，呃，这个更自动化的机器呢？还是说就觉得说这种自动化机器，对吧？是一波新的人，对吧？
31:27 人物D：嗯。
31:28 陈然 · Ran Chen：你们也反正也学不会，对吧？
31:29 人物D：嗯。
31:29 陈然 · Ran Chen：我们就招新的人来使用这个机器。我觉得可能不同公司有自己不同的哲学，呃，但是这个就是两种不同的一个-一个思路吧。对，它当然也可以是混合的哈。最常见的比如初创公司而言。
31:40 人物D：嗯。
31:41 陈然 · Ran Chen：那他肯定就不在乎了，他就只招能够去跟我们对齐的人，能够去习惯用这种工具的人，对吧？我觉得这样是一个，可能是一个比较简单的一个-一个状态。但是大公司里面，它肯定还是有很多社会，不管社会责任也好，还是这个业务的延续也好，它肯定还是希望有更多的培训，对吧？但是培训这个效果好不好，怎么样往前推进，肯定也是个比较痛苦的转型啊。
32:03 人物B：嗯嗯嗯，我们在内部现在推这个转型的过程。
32:05 陈然 · Ran Chen：啊。
32:05 人物B：呃，最近有一些实践，效果还不错。
32:07 陈然 · Ran Chen：啊。
32:08 人物B：啊，就是因为，呃，一方面让大家能够确实切实看到成效。
32:13 陈然 · Ran Chen：嗯。
32:13 人物B：就说，哎，其他人用了怎么样能解决问题。另外一个就是要跟他实际的工作能真正结合起来。比如说我们现在在做一个叫 AI 心愿箱的一个项目，你要许个愿，然后这个愿望呢，既是对你自己许的。
32:25 陈然 · Ran Chen：对。
32:26 人物B：也是可以有其他同事帮助的。然后你许愿之后呢，我们确实会有同学来帮你啊。去实现这个愿望。对。哎，这个就是一个很好的
32:33 陈然 · Ran Chen：哎，这个思路好。
32:34 人物B：尝试。
32:35 人物D：对对对。
32:35 人物B：对，要 make a wish，然后但是这个要发自你内心去 make a wish。呃，然后我们第一期就讨论了 AI coding。嗯。然后大家就看到，哎，CodeBuddy 居然确-确实可以帮你完成这么多这个工作，大家就会觉得，哎，不错，挺好的。而且这个是手把手互动的一个对。教学。对。啊，就其实我觉得有点像 AI 和人一起辅助来去学习的这么一个过程，但可能 AI 那个比重还没那么大，我们后面可以再把 AI 更多地加到这个项目中来。
33:03 陈然 · Ran Chen：如果大家已经按照了原来正常的工作模式一直在工作，你跟他说有个新的东西出来，很多人是很难想象的，是 unknown unknown，对吧？其实是需要很多这种 demo 也好，或者真的是
33:16 人物B：最佳实践。
33:16 陈然 · Ran Chen：对，最佳实践也好，就送到他的面前，告诉他说，哦，你可以这么干，会帮助你很多。
33:22 人物B：而且这个最佳实践也不能是那种特别厉害的人做出来的。啊。必须是那种跟他很相近的人。啊。就是类似于铺台阶。对。但是他说，哦，他也可以，那我也可以试试。嗯，就这个培训吧，社会转型肯定是一个大的过程，先行者可能在筛选，然后但是长远来看，这个社会肯定是要慢慢转型，做做培培养，对吧？嗯，有社会责任。
33:46 人物A：我-我-我的感受是，有的时候完全不想的人，至少在我们的身边还是比较少。很多时候是大家吸收到的信息，只是告诉他了这个东西是什么，不知道这个跟我有什么关系。而且现在有的时候，我觉得也是为什么我们做这个 AI 心愿箱，或者是说我们同时是有一些小组的这种封闭学习和封闭开发，这是其实是两条路。一个是希望利用好先进的这种，或者是说探索者的这种生产力，直接生产一些东西，可以供部门和直接使用。
34:25 人物A：因为这种生产不是所谓的就是，呃，类似于很大而泛的，甚至就是我们身边遇到的一些问题。我们找到了一些方法，我们希望这些方法可以为其他人所用，但也就像小辉说的，并不是所有人都有时间有意愿，所以我们就把这些就是先进分子组成了一个特种小队。其次心愿箱的问题是，我们在前期在做一些培训的时候会发现，就是这种看到不是说去看一些外部的那种，好像把这些东西弄得特别玄乎，然后一堆各种呀，就是光操作的部分，或者是说去构建的部分，甚至拍视频大家都知道会省-省掉很多环节，这个都有 20 分钟的这种，这种大家看着就觉得太难了。
35:08 人物A：而是那些就是很小的-很小的细节，很小的，小到说，呃，我怎么把我自己写的-写的东西，呃，因为要有一些格式，直接怎么用 AI Coding 去把它变成我常用的格式，那种极小的，不会有人为此拍视频的方式，我们通过心愿箱，通过一些小的演示告诉大家可以这么去用。呃，我们很大的感受是，很多看到了，看到的时候他就突然会有一种说，哇，原来可以这么用，原来可以这么帮助我，那种兴趣和感受就上来了。
35:44 人物A：所以最近我们在做心愿箱，甚至在外面跟大家介绍的时候，都说，你要去鼓励部门里面的人去分享一些，呃，你在外面看听不到的，因为会觉得这个东西太小了，不知道大众会怎么想，因为 AI 感觉最最棒的地方就是很个性化。
36:04 人物B：嗯。
36:04 人物A：然后这个是心愿箱，外加我们的 AI 的小队，分别有在做的两件事情，而且这两件事情，呃，目前感受到的就是 AI coding 在里面都起到了很大的作用。
36:18 人物A：这也是为什么这一期，甚至我们啊心愿箱的第一期，我们做的这个报告，包括今天在聊，都是因为感受到了这件事情，对于整个的组织形态，大家合作的方式，甚至我记得我们之前也聊到过，说 AI 会不会给 SaaS 的这个行业，或者是部门的原来的知识沉淀也好，还是说内部的协作也好，我觉得是会有一些很根本性的变化的，它不仅仅只是在提效，我觉得未来的组织形式会因为，呃，AI coding 或者 coding agents 会发生非常大的变化，这是我的感受。
37:01 人物B：讲-讲到这么多嘛，就是我们现在其实对这块的推进，呃，我自己反思啊，还是有一种，嗯，怎么说，技术功利主义的视角。嗯。呃，其实你比如说 5% 或者 10% 的人是生产者，嗯，没-没什么问题。其实可能这个事情应该从一个更多元的视角去看待，就是不一定说所有人都要去，呃，非常激进地去使用 AI。我觉得每个人都有自己的存在方式。就在大规模替代之前，可能每个人都还有他的这个价值。只不过说就是希望有更多的人能够关注这个 AI 的问题，能够抓-抓好这波机遇吧。但实际上还
37:36 人物A：是有很多其他的可能性的，就不一定是所有人必须得去这样去用，不然的话就变成了一种进步主义视角下的叙事啊。
37:44 陈然 · Ran Chen：是。
37:44 人物A：对，因为可能现在还有挺多不一样的声音的。比如说大家觉得 AI，哎，是不是真的能够给我们带来非常明媚的未来，因为它可能对应的就是大规模的替代和，呃，对人的价值的贬低。所以我自己就还是比较关注，就到底 AI 能不能让人变得更强。比如刚才陈然这个例子，就是确实是让你变得更强，它能够让你的大脑变得更强。我觉得这个我们可以之后也多关注一些。嗯。就是到底 AI 有哪些真的实效，实实践，可以真的让自己变得更更厉害的。
38:17 陈然 · Ran Chen：然后我可以再分享一些，我还我们还做过一些别的一些工作流吧。比如说，呃，你看 AI Coding 是一个环境嘛，然后还有很多这种，呃，workflow 方向。
38:27 人物D：嗯嗯。
38:27 陈然 · Ran Chen：比如像 n8n 这样子。
38:29 人物D：嗯。
38:29 陈然 · Ran Chen：我听说你之前搭过之后，就是跟你想象的不一样。
38:32 人物A：就是跟我想象的一样。
38:34 陈然 · Ran Chen：嗯。
38:34 人物A：我当时的判断就是它的学习成本很高。
38:36 陈然 · Ran Chen：嗯。
38:37 人物A：我们当时不是组了一个封闭学习的小组吗？周末的时候花了大概从下午，呃，2 点一直到晚上 9 点的时间，里面有就小白，有搭过一点的，有程序员的开发大牛，大家混在一起看，就跟我想象的一样。
38:55 陈然 · Ran Chen：啊。
38:55 人物A：然后得出了结论，验证了我当时，我当时就在想说我要把主要的精力投入在 AI Coding 上面，还是 n8n 的这种低代码的呃上面。感受就是学习成本很高，出了问题，我好像没有能力去像 AI Coding 一样去解决它。当时遇到的情况是，呃，一个工作流的开发出了 bug，连开发的大牛都花了很多时间去排查说，呃，what happen？然后花了很多时间解决。我觉得我这种小卡拉米搭出来没用，万一出了 bug，我都不知道怎么去处理它。但 AI coding 你还是可以用很多，就是至少 AI 能帮助你去处理很多问题。这是后面我就会觉得说，OK，很好。
39:38 人物A：但是对于我的工作而言，我是-我要花这么多的成本投入去学习它，以及未来的可持续复用性，看起来是不高。因为那个问题是我那一次封闭学习才发现的，就是原来是后面出现 bug，我是没有能力去解决它的。呃，之后的话也验证了这件事情，外加我自己也测试了 AI 在整个过程当中能帮到我多少，后来发现能帮的可能性比较低，所以我就觉得这件事情可以等一等。倒不是说我放弃了，就是优先级我就会把它调低了一些。但是对于公司和组织而言的话，呃，我们当时是看到了 n8n 的所有的能力，真的是很强。
40:21 人物A：我就等于说我知道了这件事情很可以，无非是我自己的选择而已，就是这么一个情况。
40:28 陈然 · Ran Chen：它的那个工作流啊，这种工具啊，和个人的这种 AI coding，它其实还是很多时候还是针对的东西不一样。嗯，不仅仅是说公司和个人了，我觉得很多时候还有一个很核心关键就是你要不要部署，就你本身对于部署这件事情有没有需求。很多时候 AI coding 我们其实做的是非常 ad hoc 一次性的，其实我们并没有所谓的部署。就比如说我们并不需要一个 API 去触发这个东西，webhook 来触发这个东西。我们也不需要一个 schedule 的，比如说它得每天跑，每个小时跑。那这种情况下，你肯定就是用不着像 N8N 这样的。比如说我们有什么做 N8N 的东西呢？比如说我自己有一个自动生成 20 个语言，并且自动上传 podcast 的一个 workflow。
41:10 人物D：嗯。
41:10 陈然 · Ran Chen：那它的逻辑就是你今天一段文字生成进去，它就会重复 20 遍，它就会根据你这个内容去做标题、做内容、做语音，然后它会调一个第三方的 API 去生成一段，呃，语音视频，然后再调一个第三方 API，再把你的刚才生成的一个元数据和语音视频上传到这样一个地方去啊。所以在它这个 workflow 这个工作流本质上非常简单的。
41:34 人物D：嗯。
41:34 陈然 · Ran Chen：它就几个 API 调来调去。
41:35 人物D：嗯。
41:36 陈然 · Ran Chen：所以它也不会，原则上也不会出错。但是为什么我需要一个东西去部署它呢？因为我必须要它能够在一个地方异步地跑，我可以同时发给它 10 个 topic，一下就生成 200 个 podcast。
41:46 人物D：嗯。
41:46 人物A：你们那个 podcast 现在有多少人听啊？有人听吗？
41:49 陈然 · Ran Chen：呃，有。
41:50 人物A：啊。
41:50 陈然 · Ran Chen：然后可能一个月一两万人。
41:52 人物A：作为早期的这个用户增长还是可以的。
41:55 陈然 · Ran Chen：呃。
41:55 人物A：AI 生成内容。
41:56 陈然 · Ran Chen：AI 的好处就是它的量大嘛。
41:58 人物A：嗯。
41:58 陈然 · Ran Chen：你不需要管它，它是全自动化的，我都不知道它在干些什么，所以这个部署这件事情就很重要，就是我不能说我要开电脑在这个事儿上，我希望它是完全自动在那跑着的，对吧？所以这种时候这个工作流就很重要。然后再举个例子说，呃，我们有一个问答机器人，所以就是所有这种，就比如说我感觉就是这种 API 比较成熟，然后这种，呃，流程并不复杂，然后你需要部署的一个东西，它就很适合这样的 workflow。但是如果是你自己是一个一次性的这样一个
42:26 人物A：或者
42:27 陈然 · Ran Chen：对。
42:27 人物A：小的局域网。
42:28 陈然 · Ran Chen：对。
42:28 人物A：私域。
42:29 陈然 · Ran Chen：对，然后你自己其实要实现的逻辑很多，你用这种东西你会觉得很不好用，很不顺手。
42:35 人物A：我们提到了非常多的关于 AI Coding 对于个人、对于组织，呃，对于团队的影响，其实还留了非常多的话题，我们可以去讨论。刚才也提到说对于，呃，个人，其实我觉得今天聊得挺透的。对于组织，我们最后也聊了一下，包括未来我们其实可以找几个，就是纯粹 AI Coding 已经对于组织，对于，呃，本来他们内部的这种沟通，或者，呃，软件的整个的系统产生一些变化的，呃，这种先行者，可以在一起我们更加详细地去讨论。
43:08 人物A：我们最后给一个，就是普通人到底怎么去吃到 AI 红利，就是产品的推荐，或者是建议大家从什么样的尝试，以及可以推荐给大家快速地享受到这一块的红利和快乐的方式。我觉得就提两个地方，一个产品，第二个是推荐大家第一步或者后续进阶可以尝试些什么。
43:33 陈然 · Ran Chen：我先说一个观点啊，就是说，我每次跟别人说，如果你不知道用 AI 去做什么，你就就去拿 AI 做内容啊，不管是音频的内容、文字的内容，还是视频的内容，总有办法你可以通过 AI 把这个端到端的给做起来的。从选题，对吧，你可以在网上去做搜索、做研究，然后做内容的生成，按照你希望的这种符合你这个理解的这种调性也好，这个色彩也好，这个语气也好，再到这个最后组装起来的这样一个东西。你就中间都有很多工具，你通过-通过 AI 来那个，你不知道做什么，就拿 AI 去做内容啊。我觉得这个是最容易见到结果，也然后也最容易
44:10 人物D：享
44:10 陈然 · Ran Chen：享受
44:10 人物D：受
44:10 陈然 · Ran Chen：到
44:10 人物A：干
44:11 陈然 · Ran Chen：快-
44:11 人物A：嘛。
44:11 陈然 · Ran Chen：对，快乐的东西。你做出来了，你就可以发到网上，你就可以收获到别人的反馈。然后因为我自己做了很多内容，不管是音频的内容、图片的内容，甚至包括我有 AI 的音乐，对吧？我做-做了很多在网上。对，所以我-我也收到很多非常正向的反馈啊。我觉得这个东西，呃，是一个最快的一个获得反馈的一个方法。
44:30 人物B：我的建议是，可能大家都有一些心-小的心愿，愿意想-想尝试学一些什么，但一直可能没有契机去开始学的东西。啊，比如说我-我-我这两天就在想那个学吉他的事情。虽然你看它是一个技能技巧型的，他可能 AI 不一定那么合适，但是呢，我觉得 AI 还是可以给我很多让我正确认识这件事情的一个信息的。比如说我就问他，那我从现在学到能够表演大概需要多长时间，那我就对这个事情有一个正确预估。我觉得可以让 AI 教你去学一些东西，让把它变成一个 coach 这个角色，可以先给他先设想一下，就-就现在就开始。
45:05 人物A：我-我最后说一下我自己这两个月 AI coding，从一个完全不会 coding 到现在我写了七八个小产品给自己，外加用 Cursor，呃，目前是把我-把我百分之七十的工作流都建立在以 Cursor 为核心的这种方式。因为这个整个过程我其实都在我的朋友圈里面去做了分享。这个最近有很多人问我的一个问题就是，哎，余一看了你的分享，我也很想去学 AI coding 了，你有没有什么好的就是教程啊，或者是方法推荐给我的？你建议从哪里入门，从哪个东西开始学起？
45:44 人物A：呃，我说如果你只是想建一个网页的话，目前我觉得 Lovable、v0、Manus 都很好，产品而言。如果你是想感受到就是更多的，呃，你怎么以 AI 为核心去工作的这种，这种方式，我说其实无论是 Cursor 还是，因为 Claude Code 其实对普通人而言，就是适应它的成本还是挺高的。但是 Cursor 呀，CodeBuddy 呀这种，呃 IDE 的，其实对于普通人的门槛是很低的。我说这个首先产品学好了，第二步呢，不要学教程，就是去它的官网上看一下它的功能到底有哪些。
46:23 人物A：这些产品其实在目前的一个状态都会看见它会有一个教程的文档，或者是用户的手册。把那个用户手册看完了，大概知道它能做些什么事情，就开始用吧。然后用到了什么问题，先是 PO AI 自己去做，AI 做不了的话，然后你自己再去看一下，可能有什么样的方法，让它自己不停地找方法。然后你会发现这种遇到了问题，或者是你有很强烈的需求想要实现它，你再去找一些资料去学，边学边用 AI 验证是不是这么可以往下推，其实是更快的一种学习方式，甚至我觉得这个这个才是正确的学习方式。你学一堆有的没的，你也不知道怎么用得上，其实对人的精力和资源的消耗是很大的。
47:08 人物A：所以这个是我的建议，就是大家不要被 AI coding，或者过去觉得我就是要学编程这件事情吓到了。只要一个用户手册，再加上，呃，花点钱让 AI 帮你，基本上就是整个的进展和学习进度是很快。这是，呃，我的最终的结束。然后今天这一期就结束了，会希望我们的分享可以给大家能看到一些，啊，未来的工作里面的可能性和快乐。然后我们期待第四期，如果大家有什么想要听的话题，也可以在留言区告诉我们。
47:45 人物A：我们会后面跟陈然，然后也会可能会加入一些新的朋友，我们一起再做一些，呃，更能帮助大家看到转型，还有工作未来的一些话题，提供一些不一样的视角。好，今天我们的分享就到这里了。
48:00 人物B：嗯，拜拜。拜拜。
48:01 人物A：拜拜。
48:01 人物B：拜拜。
继续阅读
全部内容
2026 年 Coding Plan 对比与排名：Claude Code、Codex、Cursor 怎么选
前段时间我在播客里说，自己一个月大约会用掉 100 亿 Token，也就是 10 billion。很多人的第一反应不是好奇我拿它做了什么，而是：“不可能，那得多贵？” 现在我的用量已经到了每月 500 亿到 1000 亿 Token。主要是创业公司里的正常开发、automation workflow 和一些自己的项目。...
Vibe Coding 从入门到进阶：校友联结实验室分享
这是我在「校友联结实验室」活动上的嘉宾分享，主题是用 Vibe Coding 打造产品并上线的一手经验。 Slides 全屏放映：ranchen.org/slides/20260712-vibe-coding 关于这场活动 校友联结实验室：多校联网用 AI 做些小工具，2026 年 7 月 12 日在 Mountain...
200 刀的 coding plan，请无脑开
前段时间我参加一个访谈，顺口提到自己每个月大概会用掉 100 亿 Token。 当时我没有觉得这是一个特别值得展开的数字。因为在我自己的工作流里，AI 已经不是偶尔打开问两句的工具，而是每天都在跑代码、读文件、改项目、做内容、拆业务的基础设施。100 亿 Token 听起来大，但放在这种使用密度里，并没有那么夸张。 有...