跨国串门儿计划

📝 本期播客简介
本期我们克隆了：Talks at Google · Thinking, Fast and Slow | Daniel Kahneman | Talks at Google
原内容更新时间：2011-11-11
直觉为什么有时像专家本能，有时却把人带进坑里？丹尼尔·卡尼曼把答案拆成两套思维：自动、迅速的系统1，以及费力、有意识的系统2。
这位因前景理论获得诺贝尔经济学奖的心理学家，讲清了直觉何时值得信任：环境得有规律，人还得有机会从及时反馈中学会规律。选股和长期政治预测恰恰缺少这样的条件；而我们对自己判断的信心，常常只是因为脑海里的故事听起来连贯。
👤 本期嘉宾
丹尼尔·卡尼曼，心理学家、诺贝尔经济学奖得主，因与 Amos Tversky 合作的前景理论研究获奖。他长期研究判断与决策；这场演讲围绕《思考，快与慢》，讲解双系统如何影响直觉、专家判断和日常选择。
⏱️ 时间戳
直觉与双系统
05:15 一眼就觉得她生气了，判断像是自然发生的
08:18 球棒和球的问题：直觉答案10美分，正确答案5美分
专家直觉何时可靠
11:56 直觉就是认出来
14:43 选股者难以培养预测市场的直觉
系统1的联想机制
19:34 把清单放进脑海里的路线，就更容易记住
25:42 香蕉和呕吐，两个词就能让人编出因果故事
直觉错误与信心
31:54 遇到难题，系统1会拿容易的问题来替代
38:29 故事越连贯，主观信心越高
问答：训练与影响
41:02 系统1难以直接训练，系统2能学着接管
44:23 看候选人照片十分之一秒，能预测70%的选举结果
🌟 精彩内容
💡 市场未必有规律可供直觉学习
卡尼曼认为，选股者难以靠经验培养出可靠的市场直觉，因为价格走势没有足够规律。长期政治预测同样受限：环境本身可能就不可预测。
"价格未来的走势没有足够的规律，没法让直觉形成。"
💡 自信可能只是故事讲得顺
一个人可以凭很少、甚至不可靠的信息，编出连贯的解释。故事听起来越顺，系统1给出的信心越高，但这不等于判断有根据。
"所以人们可能非常自信，却没有多少根据。"
💡 问幸福，约会次数会改答案
先问学生幸福不幸福，约会次数与回答几乎无关；先问上个月约会几次，再问幸福感，两者的相关系数就变成0.66。前一个问题带来的感受，悄悄替代了对幸福的判断。
"替代发生了，而你并没有意识到。"
💡 广告不必讲道理，也能影响选择
卡尼曼认为，广告常常通过情绪和联想影响系统1。一次研究中，学生只看候选人照片十分之一秒，评谁看起来更有能力，结果就能预测70%的国会选举结果。
"广告打动你的情绪，制造联想。"
💡 接触广告后，知道它在影响你也不够
意识到广告会影响情绪，确实能让人更容易忽略影响，但不保证完全不受影响。卡尼曼认为，真正避免影响的办法是不接触广告。
"真正的办法是不要接触广告，因为一旦接触了，就会受到影响。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在小宇宙查看该单集文稿

📝 本期播客简介
本期我们克隆了：Lenny's Podcast · Why Google wants to win the frontier conversation | Tulsee Doshi (Head of Product for Gemini)
原内容更新时间：2026-11-08
“模型是没法预测的。”谷歌前沿模型产品负责人 Tulsee Doshi 说，模型开发像一堂魔药课：认真准备之后，还得留心训练中意外出现的能力，想办法把它变成让用户惊艳的体验。
这一集从谷歌如何参与前沿模型竞争，聊到模型产品经理怎样评估模型、设计用户体验，以及如何在模型不断进步时开发产品。Doshi 还给出 60-20-20 的产品开发思路：一部分今天就要能用，另一部分则为模型接下来的能力提前铺路。
👤 本期嘉宾
Tulsee Doshi 是谷歌前沿模型的产品负责人，负责 Gemini 等模型，也参与 Gen Media、音频和开放模型等产品方向。她曾在谷歌负责负责任 AI 团队的产品工作达 6 年；在前沿模型产品开发中，她需要与研究团队、内部产品团队和外部客户合作，将用户需求转成模型评估与产品体验。
⏱️ 时间戳
模型、战略与安全
02:57 模型像魔药课，训练结果仍会带来意外
06:12 谷歌从硬件、模型做到用户应用
10:15 AI 帮助发现并修补医院系统漏洞
PM与模型评测
18:13 能做得快，做出好东西才显出 PM 价值
20:44 写 eval，从 5 个 prompt 开始
24:14 六种肤色不够，评估改用十种肤色量表
智能体与产品实践
27:45 用 agent 重现临时组队协作
29:28 60% 现在可用，20% 接近可用，20% 面向未来
32:34 Harness 是模型运行环境的外层包装
工作方式与职业变化
40:50 倦怠不只来自工作量，也来自混乱和苦差事
44:09 AI 整理数据，人提供洞察
🌟 精彩内容
💡 模型会给产品经理带来意外
模型训练有目标，也会持续监测，但模型最终呈现的行为和个性并不总能提前确定。产品经理要从模型实际表现中发现特别之处，再把它变成产品体验。
"模型是没法预测的。"
💡 产品不能只押注模型的未来
Doshi 的 60-20-20 法则不是只做今天能用的 MVP：60% 现在就能运行，20% 已经够用、模型不久后可能做到，另 20% 是期待模型未来实现的体验。
"我觉得你应该这么做：让你做出来的东西有 60% 现在就能用。"
💡 PM 的价值，是从噪音里找信号
当做东西变得容易，团队也更容易快速做出一堆没人需要的东西。Doshi 认为，找出真正值得做的事、形成共识并把混乱理清，成了优秀 PM 的独特价值。
"现在做东西这么容易，能把大家聚在一起、推动形成共识、把混乱变成秩序的人，就变得特别重要。"
💡 评估肤色，不能只看六种
早期产品用 Fitzpatrick 量表把肤色分成六种，但它原本是为医疗用途设计的，肤色范围偏浅，也无法代表全球多样性。团队引入 Monk 教授的十种肤色量表，改进模型和 Pixel 相机等产品的评估方式。
"6 种肤色无法涵盖世界上肤色的多样性。"
💡 AI 写数据，人来提供洞察
AI 可以从仪表盘、指标和社交平台快速整理产品上线后的使用情况与反馈；真正需要人做的，是判断什么值得关注、提供洞察。
"你应该提供的是洞察，模型应该提供的是数据。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在小宇宙查看该单集文稿

📝 本期播客简介
本期我们克隆了：60 Minutes · Extended Interview: Trump on 60 Minutes
原内容更新时间：2026-11-09
就业、股市和退休账户都创下好成绩，选民却仍对经济不满。特朗普承认，美国人确实没有感受到这些数据；他把原因归结为宣传没做好，也谈到油价上涨、伊朗战争与中期选举失利之间的关系。
在这场《60分钟》专访中，特朗普还回应了 AI 与中国的竞争、移民政策是否过严、总统财富与外国影响，以及俄乌战争和自己的政治遗产。面对主持人的追问，他解释自己为何仍认为袭击伊朗是正确决定，也坦言自己无法宽恕一些政治对手。
👤 本期嘉宾
唐纳德·特朗普，美国总统。作为本届政府的决策者，他在采访中谈到中期选举、经济、伊朗与乌克兰战争、AI政策、移民、人事安排和总统遗产，并为自己的施政选择辩护。
⏱️ 时间戳
选举、经济与伊朗
00:24 股市创下历史最高纪录，他称选举后损失了 3 万亿美元
05:07 他承认美国人没有感受到好看的经济数据
09:00 如果重来一次，他仍会袭击伊朗
以色列与移民政策
12:51 特朗普称伊朗核设施遭到“最精准的袭击”
16:19 他称南部边境 17 个月无人入境
17:14 他承认遣返政策“可能太严厉了”
AI竞赛与总统人事
21:27 普通美国人能从 AI 中得到什么？
25:13 “中国会拥有这项技术”，他认为风险可以管控
27:36 中期选举失利后，他说会调整几名内阁成员
财富、UFO与战争遗产
33:28 主持人追问特朗普净资产增加 30 亿美元
41:54 飞行员称圆形飞行物飞行速度是 F-22 的三倍
43:24 他把俄乌停战的障碍归结为普京与泽连斯基的仇恨
🌟 精彩内容
💡 好数据不等于选民有感
特朗普称就业、股市和 401k 退休账户表现出色，但承认选民没有感受到经济向好。他认为问题在于没能把这些消息传出去。
"我觉得他们确实没有。"
💡 “宣传没做好”成了选举解释
面对经济数据与民调之间的落差，特朗普多次说宣传不到位；他还指出，关键就业数据是在选举几天后才公布的。
"我们没能把消息传出去。"
💡 再来一次，他仍会袭击伊朗
特朗普说，如果让他重新决定是否袭击伊朗，他的回答仍是肯定的，因为不能让伊朗拥有核武器。他也承认，这个决定“对今天和明天来说”也许不是好决定。
"我的回答是肯定会，绝对会，因为你不能让伊朗拥有核武器。"
💡 他承认遣返政策可能太严厉
特朗普称，关闭边境让他能得“A 加”，但一些在园林绿化、酒店等行业工作的移民也被带走。他表示，针对这些长期在美国工作的人，或许需要另找办法。
"我认为可能太严厉了，对。"
💡 AI风险要管，但不能输给中国
特朗普认为 AI 风险没有行业人士说得那么真实、可以管控；同时他说，不想让美国在竞争中远远落后，并提到愿意接受安全限制。
"我不介意设安全限制，但我不想让我们远远落在第二位。"
💡 他承认无法宽恕一些对手
谈到死后能否宽恕曾经表达过恨意的政治对手，特朗普没有给出安抚性的答案。他说自己确实恨一些敌人，也可能永远不会原谅他们。
"我大概做不到，不能，因为我确实恨我的一些敌人，而且永远都会恨。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在小宇宙查看该单集文稿

📝 本期播客简介
本期我们克隆了：AI Engineer · Your Old Prompts Are Making Claude Worse - Lance Martin, Anthropic
原内容更新时间：2026-11-06
同一个客服 benchmark，优化工具把成本降了 90%，表现还明显提升。Lance Martin 说，很多应用其实没达到前沿模型本来能达到的水平，问题可能只是 prompt、缓存或评测配置没调好。
Lance Martin 是 Anthropic 技术人员。这一集从删掉过时 prompt 指令、提高 prompt 缓存命中率，讲到怎样设计能让 Claude 持续优化的 eval；他还展示了用不同模型和 effort 配置降本的例子，以及长时间运行的 agent 如何做到可靠、可恢复并保护机密信息。
👤 本期嘉宾
Lance Martin 是 Anthropic 的技术人员，参与构建 Claude API 相关的 skill，并用客服 benchmark 测试 prompt 和模型配置。他还介绍了用于构建 eval、爬山优化和长时 agent 的实践，分享如何让前沿模型在实际应用中提升表现、降低成本。
⏱️ 时间戳
调好提示词与缓存
01:24 prompt 和代码一样，也会积累债务
评测与爬坡优化
07:13 prompt 缓存没用好，成本最多可降 72%
09:49 eval 里的歧义任务，会限制模型提升空间
构建可靠的长时智能体
18:43 Claude Opus 3 只能自主工作约 4 分钟
20:30 会话日志独立保存，故障后还能恢复
评测设计与评分问答
24:29 Claude 能从运行日志中找出可疑失败案例
29:48 评分标准尽量明确，最好用二分类
Effort、长任务与优化实践
37:42 更强模型低 effort，通常更省 token
52:10 长任务优化需要能稳定运行数小时甚至几天的 harness
🌟 精彩内容
💡 旧 prompt 可能让 Claude 更贵也更差
以前常用的“一步一步思考”“再检查一遍”和“尽可能全面”，对前沿模型可能已经多余；互相矛盾的规则还可能把模型搞糊涂。Lance 说，删掉这些反模式，有机会同时减少 token、提高表现。
"更糟的是，这么做实际上会增加成本，还可能降低表现。"
💡 缓存用对，最多省下 72%
多轮 agent 会反复带上相同上下文，但 prompt 缓存要求前缀严格匹配，哪怕只改一个字节也可能失效。Lance 和同事在一批内部 benchmark 上运行诊断命令，发现成本最多能降 72%，性能没有明显变化。
"优化 prompt 缓存不会改变性能。基本上就是白省成本。"
💡 Claude 能把 skill 从 66% 往上优化
Lance 用文档构建 eval，测试一个 Claude API skill，起步时只答对 66%。Claude Code 反复检查失败案例并修改 skill 文本，找到了更贴合文档的版本。
"Claude 可以自主找到合适的 skill 文本，让评测表现显著提升。"
💡 成本降 90%，性能还提升
在客服 benchmark 上，爬山优化工具尝试不同模型、effort 和 prompt 配置：先换模型，再调整 prompt 恢复表现。最终成本下降 90%，性能仍有明显提升。
"成本降低了 90%，性能还有明显提升。"
💡 强模型低 effort，可能比弱模型高 effort 更便宜
Lance 建议先试更强的模型搭配低 effort，再按需要调高。弱一些的模型如果用高 effort，可能花大量 token 思考；更强的模型用低 effort，思考 token 更少，结果也可能更好。
"更好的模型用低 effort，往往比弱一些的模型用高 effort 更省 token，所以更便宜。"
💡 长时 agent 出故障，也要能接着跑
agent 运行数小时甚至几天，harness 或沙箱都可能出故障。Managed Agents 把会话日志与二者分开保存，故障后可以恢复；机密信息也由保险库保管，Claude 能调用密钥却看不到密钥本身。
"无论 harness 还是沙箱出了故障，你总能通过会话日志恢复。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在小宇宙查看该单集文稿

📝 本期播客简介
本期我们克隆了：All-In Podcast · Midterm Blood Bath, $4T AI Sell Off, Data Center Freeze, What’s Next for Trump
原内容更新时间：2026-11-07
失业率接近历史低位，经济数据看起来不错，共和党却在中期选举中惨败。Chamath承认自己“完全搞错了”：选民投票看的不是宏观数字，而是自己的钱包和日子有没有变好。
All-In几位科技圈主持人复盘选举结果，争论战争、通胀和生活成本各自起了多大作用，也追问特朗普能否挽回局面。节目后半段转向数据中心建设、AI监管与市场震荡：数据中心会不会停建，算力会流向哪里？最后还有一段关于OpenAI论文与指数时间假说的科学角。
👤 本期嘉宾
Chamath Palihapitiya、Friedberg、Sacks等All-In Podcast的固定讨论者，围绕选举、经济和AI展开讨论。Chamath谈到自己作为资产拥有者的视角如何造成判断盲点；Friedberg从政府支出和数据中心政策分析经济与AI；Sacks则结合政治预测和市场数据，讨论战争、通胀及特朗普的后续选择。
⏱️ 时间戳
选举夜与节目开场
02:01 直播有 50 万人观看
03:05 他们称 Polymarket 预测准确率达 99%
中期选举惨败复盘
05:20 汽油从约 3 美元涨到 4 美元以上
08:36 家庭实际税后收入涨了约 3.1%
特朗普如何挽回局面
31:24 74%选民称伊朗战争是重要因素
32:20 Sacks说退出战争就是头等大事
市场震荡与数据中心
48:40 股市市值蒸发近 4 万亿美元
50:57 SpaceX称数据中心可降电费 40%
科学角：指数时间假说
1:18:38 指数时间假说可追溯到 1999 年
1:19:18 OpenAI论文长达 175 页
🌟 精彩内容
💡 经济数据不错，选民还是不买账
就业和GDP表现不错，失业率也降到 4.1%，但选民的感受没有跟上数据。Chamath认为，不能只看整体经济，要看普通人实际能不能过得更好。
"经济实际上有多好并不重要。重要的是，人们觉得经济对自己来说有多好。"
💡 资产拥有者受益，工资族却被落下
Chamath说，利率高低、关税和补贴怎么变，资产拥有者仍能积累财富；靠工资生活的人，却发现经济无法支持自己改善生活。
"其他所有人都是靠工资生活的。美国经济在结构上已经无法支持这些人、帮助他们发展了。"
💡 每月多付 200 美元，选票就变了
油价上涨让普通家庭每月多出约 200 美元油钱，杂货也更贵。Sacks认为，人们最终看的就是扣除税和通胀后，自己的购买力有没有提升。
"归根结底就是战争和战争带来的经济后果。"
💡 数据中心成了经济不公平的象征
SpaceX员工解释新数据中心不用水、能降低电费，却被现场观众的喊声压过。Chamath认为，公众看到的是科技公司享受税收优惠，自己却要承担更高的水电费。
"这成了寡头统治和美国经济中存在的经济裂痕的一个象征。"
💡 数据中心若停建，算力租户最先受压
若建设放缓，已有算力的大型云服务商可能更有优势；依赖租用算力的新兴云服务商和基础模型公司则会更难发展。Chamath指出，数据中心的租户面临更大的风险。
"所以我觉得，真要说会发生什么，那就是所有租户都会被收编。"
💡 OpenAI论文挑战一个存在27年的假设
Friedberg介绍，OpenAI一篇175页的论文声称，3SAT问题可以在亚指数时间内解决，挑战了指数时间假说。不过论文仍在评估中，尚未经过第三方完全验证。
"他们刚刚证明了这个假设不成立，而且只用了几个小时。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

在小宇宙查看该单集文稿