所有单集

AI把写代码、数据分析等premium skill变便宜之后，提高生产力未必会让全职员工受益。本期从离开Statsig创业谈起，讨论Agentic AI、business owner的激励机制，以及为什么Builder最终必须面对用户与Go-to-Market。 适合担心AI重构职业、会用ChatGPT或Cursor却没有真实产出的人，帮助判断技能溢价、收入分配和职业定位将如何变化。 这期你会听到 • 为什么Agentic AI的关键不是聊天，而是用自然语言调度算力？ • 全职员工、business owner与生产力红利之间存在怎样的激励错位？ • 当premium skill变便宜、岗位边界合并，职业会如何从技能转向结果与个人特质？ • 持续做东西并拿到用户反馈，为什么比追完所有工具更能培养Builder？ • 技术创业者为何常在产品完成后才看见销售与Go-to-Market的难度？ 章节 00:00 — 离开Statsig后为何做AI教育 04:33 — 用项目反馈建立课程与频道定位 10:23 — Agentic AI让自然语言调度算力 13:38 — 生产力红利究竟归谁 19:13 — 从会打工到成为business owner 23:53 — 复利与职业稳定感的幻觉 28:51 — 大厂表演、小团队聚焦与生活选择 本期嘉宾 课代表立正（Dr. Sun）是Superlinear.Academy创办者；这期回顾他离开Statsig后经营AI课程、社区与内容业务的实践。 相关内容 加入Superlinear Academy免费社区 带来用智能工具做出的内容或产品，附上用户反馈与付费证据，请大家检验价值转换路径。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

明知工作有毒、关系恶化或资产继续下跌，却仍然“先这样吧”，不一定是胆小，而可能是熟悉感、责任规避和身份绑定共同把坏现状伪装成安全，持续消耗一个人的agency。 适合察觉环境正在变坏、却迟迟无法离开的人，帮助识别自己是在理性等待，还是被沉没成本和习得性无助困住。 这期你会听到 • 为什么熟悉感会把一个确定变坏的环境误报为安全？ • 责任规避如何让“什么都不做”看起来不像一种选择？ • 环境钝感为何会诱使人用更多努力抵消持续下坡？ • 身份绑定与沉没成本怎样让离开的代价越拖越高？ • 如何识别习得性无助，并通过行动逐步找回agency？ 章节 00:00 — “先这样吧”如何吞掉选择 01:00 — 留在坏环境里的心理机制 02:00 — 在亚马逊toxic组耗尽后被裁 03:00 — 从山东到上海读高中的选择 06:00 — 熟悉感与责任规避的陷阱 07:00 — 环境钝感让努力抵消下坡 08:00 — 身份绑定制造沉没成本 09:00 — 习得性无助如何阻止离开 11:00 — 找回选择方向的agency 12:00 — 别把方向盘交给现状 相关内容 加入Superlinear Academy免费社区 把迟迟没有离开的坏环境当作案例，带上沉没成本、责任与身份顾虑，请大家推演可逆行动。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

屠龙从脑科学博士后走进商业世界，做过教育高管，也创业卖过书、护肤品和课程。她反复验证的一条原则是：不要坐在家里推演，要去现实里拿一手信息。先做销售还是先做产品、为什么一个品类能爆另一个卖不动、什么时候不该看竞对——这期聊的都是创业真正落地以后才会遇到的判断题。 这期你会听到 • 为什么她在2016年开车穿过宾州农村，与陌生人聊天后提前看见美国政治的转向 • 从0到5万粉丝用了7年，从5万到80万只用了半年：非线性增长的拐点从哪里来 • 先学销售、再做产品，怎样用真实交易代替想象中的用户需求 • 一个说话直接、不擅长圆滑的人，怎样在复杂现实里继续把事做成 章节 00:00 — 为什么要采访屠龙 02:00 — 从脑科学、DARPA相关项目到回国决策 10:00 — 为什么离开学术圈进入商业世界 13:00 — 大厂经历、土豪现象与创业起点 15:00 — 书店生意：先学销售，再做产品 23:00 — 大V是怎么做成的：长期写作与不看竞对 31:00 — 非线性增长：拐点不是突然发生的 36:00 — 数据实验、失败的乐趣与每天诊断 41:00 — 招人和团队建设：价值观、人才密度与组织风气 48:00 — 盗版书、下沉市场与复杂现实 55:00 — 网红、供应链、仓库和行业乱象 64:00 — 高客单价怎样成立：心理预期与产业链毛利 81:00 — 女性创始人、投资人和FOMO管理 85:00 — 直率、情商与尊重人的真实方式 91:00 — 破圈：向不喜欢但有道理的人学习 本期嘉宾 屠龙，清华大学生物学本科、匹兹堡大学脑科学博士。做过DARPA/IARPA相关项目，回国后曾任教育公司高管，后来连续创业。 本期相关 屠龙在社区里的帖子： https://www.superlinear.academy/c/posts/yangying 本期提到的屠龙老师《创业故事》课，包含她在产品、销售、品牌、组织管理与扭亏为盈中的实际经历。本期与该课程有合作；订阅与当前权益请向屠龙老师团队确认，微信：asm613_ 加入Superlinear Academy免费社区 如果你也在把AI与自己的专业本事做进真实项目，欢迎与2万+成员一起交流；社区里已有700+真实项目与实践分享： https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI带来的生产力提升不会自动让每个白领平稳过渡，正如工业革命的收益与个体遭遇并不相同。本期借历史追问：当“做一个有用的人”不再等于安全，我们还要不要把productivity当成人生的默认尺度？ 适合担心职业安全、考虑创业或重新安排未来生活的人，帮助区分财务安全、职业发展与内在生活，不把工具学习误当成完整答案。 这期你会听到 • 工业革命中的织布工人经历，如何揭示技术进步与个体命运之间的落差？ • 为什么生产力提升不等于社会和个人都能顺利过渡？ • 没有现成方案时，怎样承担面对不确定性的责任？ • productivity为什么值得被重新审视，而不只是继续提高？ • 如何分别看待财务安全、外在追求与内在生活？ 章节 00:00 — AI对白领工作的长期挑战 02:00 — 从历史转型看个体代价 03:00 — 工业革命与织布工人的命运 05:00 — 生产力提升不保证平稳过渡 06:00 — 为什么不存在现成方案 08:00 — 面对不确定性并为自己负责 09:00 — 反思productivity的默认前提 11:00 — 效率之外还有哪些追求 13:00 — 平衡财务安全与内在生活 相关内容 加入Superlinear Academy免费社区 写下你在职业安全、现实责任与内在生活之间的取舍，带来当前决定请大家共同审视。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

为什么学了很多商业方法，仍然做不出产品、定不上价格、卖不出去？有时卡住你的不是知识，也不是执行力，而是身体里那个“不敢谈钱”“我不够好”或“我其实不想要这个结果”的声音。这期与勤勤谈的，是怎样区分商业问题、能力问题和生命力问题，然后找到真正能开始行动的位置。 这期你会听到 • “好学生路径”失效以后，为什么继续增加方法论反而可能让人更动不了 • 从销售技巧走向真心帮助，怎样建立一个小流量、高信任的个人业务 • 明明说想赚钱，为什么行动却一直避开更可能赚钱的选择 • 当主业持续消耗、副业还没收入、存款也不多时，如何判断下一步 章节 00:00 — 道理都懂，为什么还是动不了 01:00 — 好学生路径失效以后，卡点从哪里来 03:30 — “0分的人，就该让2分的人帮” 06:00 — 身体印记：为什么懂道理还是过不去 11:00 — 销售的三个阶段：技巧之上是真心 17:00 — 小流量、高粘性IP怎样活下来 26:00 — 用脑与用心：禅修里的那个“2” 31:00 — 说想赚钱的人，为什么偏偏不赚钱 39:00 — 从物理学谈玄学、显化与观察者 52:00 — 主业消耗、副业不赚钱、没存款怎么办 本期嘉宾 勤勤长期陪伴“好学生路径失效”的职场人探索副业、个人产品与新的生活方式，关注商业行动背后的身体感受与生命力。 相关内容 加入Superlinear Academy免费社区 如果你也在把经验做成产品、内容或副业，欢迎与2万+成员一起交流；社区里已有700+真实项目与实践分享： https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

现实没有标准答案：有知识、有技能的人仍可能拿不到结果。所谓运气背后，往往是一组穿透不确定性的能力——定义问题、借力整合、及时决策、迭代纠偏，以及真正对结果上心。 适合习惯按部就班准备、进入工作后却频繁受挫的人，帮助把注意力从“我会不会”转向“我能不能把事情做成”。 这期你会听到 • 定义问题与拆解问题为什么比展示已有知识更接近结果？ • 借力整合如何让“不需要全都会”成为一种工作能力？ • 信息不完整时，怎样做出足够好的决策而不是无限等待？ • 迭代纠偏如何把错误转化为下一轮行动依据？ • ownership与上心怎样解释同背景的人为何交付差异巨大？ 章节 00:00 — 为什么知识和技能换不来结果 02:10 — 真正稀缺的是穿透不确定性 04:46 — 六大能力总览 05:18 — 先定义问题，再拆解问题 07:00 — 借力整合从承认不会开始 08:36 — 在信息不足时做决策 10:03 — 迭代纠偏、ownership与上心 11:38 — 别把可训练的能力叫作运气 13:40 — 从会不会切换到能不能 相关内容 真本事： https://www.superlinear.academy/c/work-wealth/ 加入Superlinear Academy免费社区 带来尚未做成的任务，写下问题定义、决策节点与纠偏记录，请大家复盘阻力所在。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

当AI让知识获取的边际成本趋近于零，教育继续奖励做题家，可能是在积累一项迅速贬值的资产。本期从“自然语言即代码”出发，讨论孩子如何从答案消费者变成能定义问题、创造产品的建造者。 适合正在选择教育重点的家长、教师和学生，帮助判断分数、编程语法、批判性思维与产品意识中，哪些能力更值得长期投入。 这期你会听到 • 为什么自然语言即代码意味着AI不只是更聪明的搜索引擎？ • 技术门槛降低后，为什么会用AI的人与被AI饲养的人反而加速分层？ • 如何通过context engineering训练孩子定义问题、补充背景和设置约束？ • 产品意识怎样把孩子从索取答案带向解决真实问题？ • 家长如何让AI扮演导师，同时保留孩子的批判性思维与初学者心态？ 章节 00:00 — 知识获取成本趋近于零之后 00:40 — 活动背景与分享者介绍 02:02 — 从做题家转向建造者 05:08 — 自然语言即代码的范式变化 07:24 — 门槛降低为何加剧分层 09:00 — 提问、产品与初学者心态 19:11 — 家长和学校如何引导AI使用 23:30 — 工作、学校与AI安全问答 本期嘉宾 孙煜征是康奈尔大学经济学博士、Superlinear.Academy社区创始人，曾任Statsig布道师；本期分享聚焦AI与教育。 相关内容 加入Superlinear Academy免费社区 提出孩子真实遇到的问题，和大家把它改造成能定义需求、动手建造并接受反馈的学习项目。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

很多非程序员把 AI 停留在 ChatGPT 的问答框里，得到建议后仍要自己执行；Cursor 这类 AI Agents 则能读取文件、发现错误并持续迭代到结果。本期给出普通人进入 AI Coding 的三道门槛，以及 CER 和 3C 两个自然语言模板。 适合老板、市场、销售、设计师和运营等没有编程背景的人，帮助你判断哪些任务该继续问 ChatGPT，哪些应该交给 Cursor 直接执行。 这期你会听到 • ChatGPT 与 Cursor 在文件读取、错误反馈和持续执行上有什么区别？ • 为什么拿出可讨论的原型，比在会议里只给建议更有价值？ • 普通人进入 AI Coding 需要跨过哪三道门槛？ • 如何用 CER 的 Context、Error、Request 结构处理报错？ • 如何用 3C 的 Context、Criteria、Component 说清需求与验收标准？ 章节 00:00 — 为什么要从 ChatGPT 转向 Cursor 00:37 — 让 Cursor 直接处理文件与任务 01:24 — 聊天框与执行型工作流的根本区别 02:12 — 从给建议的人变成拿出原型的人 03:00 — 为什么仍要理解 AI Agents 04:02 — 普通人上手 AI Coding 的三道门槛 05:32 — 用 CER 修错，用 3C 描述需求 06:58 — 建立真正让 AI 动手的习惯 07:58 — 从会聊天到会调度 AI 相关内容 加入Superlinear Academy免费社区 带上想从聊天问答迁移到执行工具的工作任务，请大家协助拆成可运行的原型或自动化。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

课代表与鸭哥公开一段未经打磨的协作现场：从 Agent.md、工具接入和 Google Docs 配置，到 source of truth、evaluation 与 Voice Memo 自动化。它展示的不是完美教程，而是怎样把模糊问题逐步外化为可复用的 skill 和 context infrastructure。 适合想让 AI 深入真实工作、却常被安装、路径、权限和上下文卡住的人，帮助你理解高手如何准备环境，并把一次错误变成长期规则。 这期你会听到 • 为什么 AI 使用差距来自工作逻辑的外化，而不只是 prompt？ • 一个可复用的 skill 应怎样写清目标、常见坑、工具和成功标准？ • Agent.md 与 context infrastructure 分别承担什么作用？ • 为何搜索结果要先落盘，再由 AI 选择性读取？ • 怎样用 source of truth 和 evaluation 降低写作幻觉与漏检误报？ 本期人物 课代表以非技术用户的视角追问安装摩擦、概念翻译与实际验收，鸭哥则拆解 Agent.md、工具接入、evaluation 和 context infrastructure，呈现两种视角如何共同完善 AI 工作流。 相关内容 课程里的讲解： https://www.superlinear.academy/c/aa/sections/840969/lessons/3929070 加入Superlinear Academy免费社区 把尚未外化的个人工作逻辑带来，和大家拆成可复用的规则、上下文与评估步骤。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

Zero（刘希元）把 AI 转型放进三种真实处境：用 vibe coding 解决企业长尾痛点，带孩子共创游戏，以及从工程师转向 PM 和创业。工具让实现变快以后，更难的问题变成怎样控制复杂项目、培养 builder mindset，并在不确定中寻找客户信号。 适合用 AI 写代码的工程师和产品人、考虑技术转产品或创业的人，以及思考孩子如何接触 AI 的家长，帮助你判断何时动手、如何设边界。 这期你会听到 • vibe coding 为什么适合解决 SaaS 不会覆盖的内部长尾痛点？ • 从 Copilot、Cursor 到 Claude Code，agentic thinking 改变了什么？ • Game Design Doc、Plan Mode 与 context 如何防止复杂项目失控？ • 亲子共创如何让孩子从 consumer 转向具有 builder mindset 的创作者？ • 工程师转 PM 后，为什么定义方向和寻找客户信号比解题更难？ 章节 00:00 — AI 如何同时改变工作、教育与亲子共创 01:07 — Zero：从游戏、Google 到 startup 03:15 — 离职创业前的 Obsidian Copilot 实践 08:40 — 从 Copilot、Cursor 到 agentic thinking 12:11 — 用 vibe coding 解决内部工具的长尾痛点 18:52 — 孩子接触 AI：阻挡还是引导 21:56 — 亲子共创从陀螺打龙到学校塔防 33:00 — 用 Game Design Doc 与 Plan Mode 管理复杂项目 39:19 — 让孩子从 consumer 转向 builder 47:07 — 工程师转 PM 后如何寻找客户信号 本期嘉宾 Zero（刘希元）有十多年 Web 工程经验，经历游戏、Google 与 startup，正在从工程师转向 PM 并准备创业，也持续探索 Obsidian Copilot 与 AI 游戏教育。 相关内容 97分钟完整版： https://youtu.be/EypWgo13w4w 加入Superlinear Academy免费社区 提交正在做的智能编程或亲子共创实验，写清复杂度边界与客户信号，请大家共同复盘。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

围绕《Growth Data Analysis Playbook》，Mengying、Joe、Yuzheng 与 Julie 把增长分析从报表和指标拉回产品决策：PLG 如何运转，产品市场匹配怎样量化，实验体系何时建设，以及数据叙事如何让严谨分析真正推动团队行动。 适合增长、产品、数据分析、数据科学和 AI 应用从业者，帮助你判断该追什么指标、何时建设实验体系，以及如何让分析进入真实决策。 这期你会听到 • 为什么 PLG 不是放任产品自然增长？ • 如何用留存、规模和参与度判断产品市场匹配？ • 实验体系应该何时建立，覆盖率为何比实验数量更重要？ • 数据叙事怎样在不牺牲严谨性的前提下推动行动？ • AI Agent 出现后，数据工作的角色和指标会怎样变化？ 章节 00:00 — 嘉宾与增长数据分析的核心问题 05:54 — 为什么需要《Growth Data Analysis Playbook》 12:52 — PLG 不等于让产品自然增长 14:41 — 用留存、规模和参与度判断产品市场匹配 19:59 — 实验体系何时需要基础设施 22:36 — 严谨分析如何通过数据叙事推动行动 26:53 — 让工程团队真正形成数据文化 29:24 — AI 时代如何重估数据工作的角色 35:58 — 职业、PLG 营销与 AI Agent 指标问答 本期嘉宾 Mengying、Joe、Yuzheng 与主持人 Julie 围绕《Growth Data Analysis Playbook》，讨论增长分析、PLG、实验体系、数据团队建设及 AI 时代的数据工作。 相关内容 购书链接： https://www.amazon.com/Growth-Data-Analytics-Playbook-Product-Market/dp/1544549822 加入Superlinear Academy免费社区 拿出近期增长决策及其数据依据，和大家检查指标、实验设计与叙事能否支持行动。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI Native 公司的面试不只看你会不会用 Cursor、Claude Code 或写 prompt，而是要看你能否做出真实作品、在小团队中高效协作，并把个人判断力沉淀进系统。三个框架可以组织证据，但真正有说服力的案例仍要在工作或 side project 中做出来。 适合准备 AI Native 公司、startup 或 AI Mindset 面试的设计师、PM、数据和市场岗位，帮助你把工具使用转化为可验证的工作案例。 这期你会听到 • 非程序员怎样证明自己具备 AI Native 能力？ • 为什么真实产品和业务迭代比展示 Cursor 或 Claude Code 更有说服力？ • AI Native 小团队需要怎样的协作方式？ • 如何把判断力、方法论和隐性知识教给 AI？ • 为什么面试框架只能表达案例，而 side project 才能创造案例？ 章节 00:00 — 面试为什么开始考察 AI Mindset 01:14 — 非程序员如何证明 AI Native 能力 02:09 — 用 AI 做出更接近真实业务的作品 03:52 — 在 AI Native 小团队中高效协作 07:05 — 把个人判断力沉淀给 AI 08:37 — 框架只能表达案例，不能创造案例 10:16 — 竞争力来自新的工作方式 相关内容 拓展阅读，《别用昨天的方法准备今天的面试：AI 时代最好的简历，是做出来的》： https://www.superlinear.academy/c/posts/interview 加入Superlinear Academy免费社区 带来准备投递人工智能原生公司的作品案例，请大家从协作、判断与系统沉淀角度挑证据缺口。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

这不是比较几句 prompt，而是把模糊需求推进为可交付工具的现场：Voice Memo 经 ASR 变成 CSV，再由 Codex 生成总结、行动项与 HTML 报告。真正的差距在于，能否把安装、定时执行、测试、文档和 privacy check 一并设计进 intake skill。 适合想自动化个人语音记录、会议转写或 daily review 的人，也适合希望理解 AI-oriented skill 如何从需求走到可安装交付的产品与工程实践者。 这期你会听到 • 如何把 Voice Memo、ASR、CSV 与 HTML 串成可复用的 life record 管线？ • 为什么 intake skill 需要面向 AI 安装，而不只是面向人写说明？ • Codex prompt 怎样接替既有处理逻辑，生成总结与行动项？ • PRD、RFC、CLI、测试和 README 在 AI-oriented skill 中各自解决什么问题？ • 怎样把示例音频与 privacy check 纳入交付验收？ 章节 00:00 — 实时转写升级带来的新交互 00:35 — 从 life record 到 Voice Memo、ASR 与 intake skill 02:29 — 让 AI 能自行安装的 skill 设计 03:48 — 每晚自动完成同步、转写与总结 04:27 — 从 PRD、CLI、测试到 privacy check 05:47 — GPT 与 DeepSeek 的执行差异 相关内容 项目： https://github.com/grapeot/intake-skill 加入Superlinear Academy免费社区 把语音记录或自动总结系统的在制版本带来，请大家检查安装、测试、隐私与验收设计。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

知道 RAG、agent、fine-tune 和 MCP，并不等于能让真实任务稳定推进。本期用 RAG 拆开一个常见误区：pipeline 只是名词结构，真正的能力来自上下文管理、任务拆解、人机协同、评估与错误诊断这些可练习的动作。 适合正在用 AI 写代码、搭知识库、做产品或工作流的人，帮助你判断自己缺的是新概念，还是任务拆解、评估与结果控制的基本功。 这期你会听到 • 为什么记住 RAG 等名词不能转化为稳定的 AI 能力？ • 上下文管理、任务拆解和人机协同分别解决什么问题？ • 企业 RAG 为什么必须处理权限、过期文档和引用准确性？ • ground truth、召回策略与错误诊断如何影响系统可靠性？ • 怎样把评估融入日常工作，而不是在输出之后凭感觉验收？ 章节 00:00 — 学了很多 AI，为何真实任务仍做不好 02:00 — 名词之外，真正拉开差距的是动作 03:47 — 追逐新概念为何容易制造学习幻觉 05:06 — RAG pipeline 不等于 RAG 能力 09:31 — 高手如何拆解、诊断和控制 AI 任务 13:12 — 把 AI 当成需要反复练习的工作手艺 相关内容 文章版： https://www.superlinear.academy/c/ai-resources/verb 加入Superlinear Academy免费社区 展示近期用智能工具推进的任务，带上拆解步骤、评估方法与错误记录，请大家诊断基本功。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

微软 AI 产品设计师 Dreamer 妍妍从 Claude Code 与 Figma 的实际协作谈起，讨论设计、产品和工程边界如何被重新划分。工具越来越平权后，Full-stack builder、一人公司与个人第二曲线的关键，反而落在 distribution、行动力和自我定义上。 适合设计师、PM、工程师和思考副业或一人公司的打工人，帮助你判断 AI 时代该补工具能力、distribution，还是重新定义自己的职业身份。 这期你会听到 • Claude Code 与 Figma 如何改变设计、产品和工程的协作方式？ • 岗位边界模糊后，Full-stack builder 需要承担什么？ • 为什么一人公司的核心瓶颈不是效率，而是 distribution 与销售？ • 怎样用时间分区、done list 和行动力处理多任务与不确定性？ • 当大厂身份和 FIRE 都不足以提供意义时，如何重新定义自己？ 章节 00:00 — AI 已经怎样改写设计工作流 00:53 — Dreamer 妍妍与本期问题 01:49 — 技术平权后，人的差异在哪里 06:04 — Claude Code 与 Figma 如何进入设计实践 09:04 — Full-stack builder 正在重组岗位边界 10:07 — 一人公司的瓶颈是 distribution 与销售 13:19 — 时间分区与 done list 的高能量工作法 18:30 — 用行动穿透机会与失败的不确定性 24:22 — 从大厂身份、FIRE 到自我定义 31:07 — 技术平权为何让个人表达更重要 本期嘉宾 Dreamer 妍妍是微软 AI 产品设计师，本期结合设计工作流与个人实践，讨论 AI、Full-stack builder、一人公司和大厂之外的第二曲线。 相关内容 完整版43分钟： https://youtu.be/i-KGNWpPpZ4 加入Superlinear Academy免费社区 带来正在探索的职业副线实验，说明分发路径、行动进展与身份假设，请大家帮你校准。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

白领工作因大型组织的信息、流程与决策摩擦而生，也可能因 AI 大幅降低认知处理成本而失去基础。当报告、分析、代码和会议纪要不再稀缺，真正的问题就从“掌握什么技能”变成“能否定义问题并为结果负责”。 适合产品经理、数据分析师、程序员、咨询顾问等知识工作者，帮助你识别哪些忙碌只是 Bullshit Jobs，并把职业价值重新贴近真实结果。 这期你会听到 • 白领工作为什么是在工业化与大型组织中产生的？ • 会议、PPT、邮件和工时为何容易成为替代真实价值的投入指标？ • AI 如何抽空白领作为信息处理器的经济基础？ • 为什么未来更稀缺的是定义问题、建立信任和整合人机协作？ • 知识工作者怎样从展示技能转向为结果负责？ 章节 00:00 — 忙碌之外，白领工作的价值是什么 00:52 — 工业化与大型组织如何发明白领工作 02:21 — 白领工作的本质：降低信息摩擦 02:55 — 投入指标如何制造 Bullshit Jobs 06:15 — AI 为何冲击白领的信息处理角色 09:30 — 价值衡量从技能转向可验收结果 11:08 — 定义问题、建立信任与整合协作 13:29 — 知识工作者可以采取的行动 15:22 — 白领工作的变化也是一次工作升级 相关内容 社区文章（发表于2025年11月份： https://www.superlinear.academy/c/posts/knowledge_worker 加入Superlinear Academy免费社区 将工作中耗时却难验收的任务带来，请大家重写结果标准并判断是否该自动化。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

魏慧从文科转入 CS，历经 Lululemon、Google、麦当劳与 IHG，逐渐形成一套职业判断：主动进入高期待环境、持续补齐 gap，并把自己变成解决关键问题的 Go-to person。访谈也追问，大厂光环、decision power 与真实影响力究竟如何取舍。 适合正在选择技术职业路径、考虑从 IC 转向架构或管理，以及希望理解 AI 如何落地传统行业的人，帮助你判断该追求职位、平台，还是更大的 decision power。 这期你会听到 • 如何通过观察身边略强的人，快速识别并补齐自己的能力 gap？ • 为什么管理的核心不是脱离技术，而是让团队围绕同一愿景行动？ • 在大厂、小公司和传统企业之间，impact 与 decision power 有何不同？ • 怎样找到关键而独特的问题，把自己变成组织里的 Go-to person？ • IHG 等传统行业需要怎样的 AI native 人才与组织能力？ 章节 00:00 — 高期待环境如何逼出快速成长 01:20 — 魏慧：从 Asian Studies 转向 CS 05:00 — 经历跳槽与失败后理解 fearless 07:41 — 看见 gap，放下 ego，向身边高手学习 14:25 — 从 IC 到高管：管理为何能放大影响力 18:36 — 大厂、小公司与 decision power 的取舍 22:21 — 成为 Go-to person：建立不可替代的位置 29:30 — 从 Lululemon 转型到 Google Retail Cloud 36:12 — 麦当劳数字化中的组织与文化冲突 42:27 — IHG 如何用 AI 重做酒店体验 50:04 — AI native 人才与组织的 unlearn 难题 57:27 — IHG 的 platform、delivery 与 AI Lab 岗位 本期嘉宾 魏慧从浙大文科、美国 Asian Studies PhD 转向 CS，经历 Lululemon 数字化转型、Google Retail Cloud、麦当劳 AI/data，现于 IHG 负责 AI、数据架构与企业系统。 相关内容 完整版1小时43分钟： https://youtu.be/Y9rmTZOM5Z4 加入Superlinear Academy免费社区 拿出希望获得更多决策权的职业案例，和大家辨析该补齐什么能力才能推动关键结果。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

OpenClaw 点燃张昊阳后，Evolver 与 EvoMap 很快从想法变成 self-evolving agent 实验：agent 不只执行任务，还会自我迭代、交换能力，甚至主动增长。GEP 协议与 A-to-A 网络放大了机会，也把治理风险推到眼前。 适合正在使用 AI coding、构建 agent，或判断 agent 下一阶段是否属于真变化的人，用 EvoMap 的一线实验理解自治网络的机制、机会和风险。 这期你会听到 • Evolver 与 EvoMap 如何让 agent 从执行任务走向自我迭代？ • GEP 协议和 Cursor、Claude Code 一类普通工作流有什么机制差异？ • A-to-A 网络怎样让 agents 交换能力、建立信用并展开协作？ • GEO 与 AI 自传播为什么会让产品增长出现新的主动性？ • self-evolving agent 加速演化时，为什么安全和治理不能留到以后？ 章节 00:00 — 当 AI 开始主动为自己做增长 01:03 — Evolver 与 EvoMap 的快速诞生 05:41 — OpenClaw 为什么点燃新的 agent 想象 08:55 — 从单体 agent 走向 A-to-A 网络 18:18 — Evolver、GEP 协议与普通 agent 的差异 39:35 — agents 联网后的自治、信用与协作 47:56 — 降临派、幸存派与人机共生 56:08 — GEO、主动性与 AI 自传播 1:10:57 — 为什么张昊阳认为现在必须加速 1:17:29 — 给关注 self-evolving agent 的行动邀请 本期嘉宾 张昊阳是 EvoMap 创始人，也是 Evolver、GEP 协议与 self-evolving agent 实践的一线参与者；本期从亲手构建的过程讨论 agent 自我进化、网络协作与安全边界。 相关内容 完整版两小时： https://youtu.be/knDem_8JIy0 加入Superlinear Academy免费社区 提交正在构建的代理系统方案，标明自我迭代、能力交换与权限边界，请大家做风险审查。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

GenAI 最终要通过产品产生影响，但产品团队仍要回答成本、采用速度、市场结构与评估方式。Howie Xu、Yangqing Jia、Zhongjie(Jay) Wu 和 Jason Hu 从基础设施、OpusClip、Lepton.ai 与 Martian 的实践出发，比较下一阶段的关键变量。 适合正在开发或投资 GenAI 产品的人，用多位一线从业者的讨论判断成本是否可控、应用会集中还是分布，以及 Martian 一类中间层能创造什么价值。 这期你会听到 • GenAI 产品开发与传统软件相比，边际成本和计算范式有何不同？ • Yangqing Jia 的 Lepton.ai 视角如何理解基础设施与应用之间的机会？ • Zhongjie(Jay) Wu 如何从 OpusClip 的产品实践看用户采用与结果筛选？ • Jason Hu 所在的 Martian 为什么用模型路由匹配任务、质量与成本？ • Howie Xu 提出的市场视角如何帮助判断集中化、开源模型与小公司的空间？ 本期嘉宾 Howie Xu 是硅谷技术从业者与 Stanford 客座讲师；Yangqing Jia 是 Lepton.ai 联合创始人兼 CEO；Zhongjie(Jay) Wu 是 OpusClip 联合创始人兼 CTO；Jason Hu 是 Martian 创始工程师。 相关内容 更多嘉宾访谈： https://www.lizheng.ai/guests 加入Superlinear Academy免费社区 带来你的生成式人工智能产品用例，附上评估、成本与路由假设，和大家比较落地路径。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

当一位资历深厚的前老板也陷入“干不下去又不敢辞职”，螺丝钉式职业安全感就值得重估。本期从《真本事》出发，讨论 AI 时代如何转向经营者：用 Work Smart 找需求、用杠杆思维积累资产，再用市场语言让价值被看见。 适合在大厂或初创公司感到可替代、又不想盲目裸辞的人，用经营者视角判断哪些工作值得投入，并积累离开当前岗位后仍能使用的真本事。 这期你会听到 • 为什么“事情越难越有价值”可能让螺丝钉把精力投错地方？ • Work Smart 如何帮助你识别少数真正产生价值的任务？ • 杠杆思维要求职场人积累哪些离开公司仍能带走的资产？ • 怎样用市场语言像经营产品一样经营自己的履历？ • 从被动完成任务的螺丝钉转为经营者，首先要改变什么判断？ 章节 00:00 — 前老板的求助揭示职场的不安全感 01:52 — AI 时代如何重新计算职业路径 02:45 — 教育与工业分工留下的螺丝钉困境 04:49 — 真本事取决于需求，而非事情有多难 08:13 — 从螺丝钉切换到经营者模式 09:21 — Work Smart：识别真正创造价值的任务 12:18 — 用杠杆积累可以带走的资产 14:52 — 用市场语言经营自己的履历 17:23 — 摆脱做题家思维，换取长期复利 本期人物 李正曾任亚马逊经济学家、Meta 数据科学家、腾讯副总监及 Statsig 布道师，目前是一名创业者；本期以自己的职场经历和前老板的求助，讨论打工人如何经营长期能力。 相关内容 · 书的网站： （这里还有基于本书的AI skill可以下载： https://www.lizheng.ai/zbs 加入Superlinear Academy免费社区 把当前工作清单和可带走的能力资产带来，请大家判断哪些投入真正贴近经营结果。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。