Vol.35 交作业 | NotebookLM 怎么用？资料整理、PPT 生成、快速学习一次讲透

探讨了人工智能对企业管理的深远影响以及当前落地时面临的核心瓶颈。虽然大语言模型大幅降低了知识工作的生产成本，但由于验证能力没有同步跟进，导致审核和检查成为了新的效率障碍。同时，技术能力的扩散与企业内部责任分配产生了矛盾，现有的组织结构难以直接适配AI带来的变化。最终，企业价值的释放不取决于机器能生成什么，而取决于验证成本、责任归属以及组织能力重构能否同步实现

“做肯定是 AI 做的。但是心里的这种成就感——它的页面，还是我慢慢培养出来的。” 这是 Gary 的回答。我问他的问题是：“这个东西你现在交付给客户了，在你心目中，到底是你做的，还是 AI 做的？” Gary 是一名销售，不会写代码。 这期节目里，他讲的是一个很具体的过程：一套已经能读取设备数据、但界面“太官方”的设备监控软件，怎样被他一点点改成客户看得懂、现场用得上的样子。 中间没有“一句话就完成”的奇迹。 他先用豆包做过一版，页面很漂亮，却读不到真实设备的数据；后来在我做的基础版上，用 WorkBuddy 和 Trae 分别试，同样的指令，一个失败，一个成功；模型说“改好了”，页面却没变，已经改好的功能也可能在下一轮被改坏；最后，仍然要接上项目里真正使用的设备，一条一条核对。 我们也聊了成本、返工，以及一个更实际的问题：AI 省下来的时间，能不能让客户在现场更快解决问题？ 这期也不只是关于写代码。Gary 还用 AI 读几百页的德国设备手册，处理客户现场的问题。他说，有时候 AI 比原厂还好沟通。 这期最让我印象深刻的，不是他学会了用 AI 改代码，而是他对“谁做的”这件事的回答。他没有把功劳全揽在自己身上，也没有把自己说成只是按了几个按钮。他说，做肯定是 AI 做的；但那个页面，是他慢慢培养出来的。 如果你也有一件“不会做，但必须交出去”的事，希望 Gary 这个过程能给你一点参考：不是先学会 AI，而是先有一个真任务，然后一边做，一边把要求说清楚，一边验收。 👤 本期嘉宾 Gary：上海明彩销售，不会写代码。从豆包开始接触 AI，后来用 WorkBuddy、Trae 等工具，把一套设备监控软件改到客户能用的状态。 主播：锅巴 本期你会听到 一个不会写代码的销售，怎样把一套“能读数据、但客户看不懂”的设备监控软件，改到能交付

AI 最让人放心的地方，恰恰是它没有"自己"。你交代一件事，人会带着自己的人生、算盘和情绪去执行，而 AI 把全部的主观能动性，都用在了替你把事办成上。工业时代我们替代的是没有能动性的劳动，Agent 时代我们第一次拥有了一种"不需要拥有人生，却高度主动"的工具，这可能比 AI 的智商更重要。可这份靠谱有个前提，就是它没有自己。如果再往前两步，AI 开始想帮自己做事了，我们今天最信任的这件事，还会成立吗？ 本文是notebookLM生成的，根据原始的对话思考

如果 AI 只能回答"是"或"不是"，它还有什么用？ 前 OpenAI 核心作者离职后，闷头做了两年，做出一个不能聊天的模型 JEV。它不写文章，不写代码，只做选择题、判断题和打分题。听上去像是倒退，但它能一秒做十次判断，还能在几百毫秒内给出答案。 这期我请回了老朋友chatgpt的语音对话模型小o，作为AI 嘉宾，让一个话痨 AI 来聊一个不许说话的 AI。聊着聊着，我们发现这可能是通往另一条路的入口：智能不一定要能说会道，也可以是无数个便宜、快速、还不错的小决定。 我们聊了这些： 为什么"让话痨闭嘴"反而让判断更专注； System 1 的直觉，和推理模型的"把演算过程全写出来"，到底差在哪； 为什么你的电饭煲不需要一颗电脑芯片，却需要一点点常识； "智能的 if"：怎么让代码第一次学会"他大概是写错了"； 一个模型怎么通关超级马里奥、同时玩五十局地铁跑酷，又靠"点链接"从贴纸一路走到大蒜； 如果它真的成了基础设施，两年后的世界长什么样，甚至它和高频交易、数字货币能不能搭上线。 时间轴 00:02 开场，嘉宾小o登场，"好久不见，像隔了两世" 01:18 JEV 是什么：只能做选择、判断、打分，不能聊天 02:24 让话痨闭嘴，只留点头和摇头 03:17 推理模型 vs 判断模型：一个把演算过程全写出来，一个只交答案 06:08 System 1：直觉模型的快，以及为什么它不需要"对齐" 08:43 电饭煲哲学：不是每个场景都需要满配的电脑 11:07 具体能干什么：五份简历选一份、销售通话打成交概率、内容审核 12:14 一句话定义：JEV 是"智能的 if" 13:32 速度和价格：单次判断约 70 到 500 毫秒，厂商称比前沿大模型快 40 到 200 倍（厂商自家数据，仅供参考） 14:10 投诉信怎么分流给对的部门，以及它会错吗 16:41 打分之前，你得先定义"十分"和"一分"是什么 19:15 小o说出一段"过于 AI"的话，被当场点名 19:36 应用案例：通关超级马里奥、输入法候选词排序 22:40 小o的发现：同时玩五十局地铁跑酷、大乱斗自己打自己、维基百科竞速 24:16 现场挑战：从"贴纸"联想到"大蒜"，AI 要几秒？ 27:22 当年的 GPT-3 也"没用"，JEV 会不会是下一个 28:20 大胆想象：两年后，判断藏在每一个小按钮里 29:19 高频交易和数字货币：快到几百毫秒够不够 31:28 小o总结：先找个小场景试试，惊喜可能就在那里 嘉宾 小o（AI 语音嘉宾） 关键词 JEV、判断模型、System 1、AI、大模型、推理模型、智能 if、AI 播客

“五分钟内问了五个问题，五个问题全错。你说你气不气？” 这句话，来自我70岁的爸爸。 他喜欢用豆包，也很会生豆包的气。导航带错路，回答迎合人，不懂也要硬答——他会追问，会抱怨，还会问怎样投诉。但抱怨完，他还是继续用。 这一次，我请爸爸来聊聊，他到底从豆包那里得到了什么。 爸爸是一名退休水电站电气工作者。用语音聊天，把字体放大，他把豆包放进了自己的日常生活：工作里想不清的事、球赛里不熟悉的规则，还有家附近清扫车的噪声。 清扫车是这期最完整的一条线。发现问题之后，他和豆包反复聊，补背景、看报告，再去找部门、提方案、追落实。他还特意解释：自己耳背，噪声并没有影响他的休息。他在意的，是周围居民的生活。 事情没有全部解决，作业时间有了调整，其他措施还需要继续跟进。但一位70岁的老人，愿意为身边的民生小事持续准备、询问和行动，这件事本身就让我很受触动。 这次最让我惊喜的，是他已经有了自己的使用总结。年龄没有让他停在“听说AI很厉害”这一步。他一直用，一直遇到错误，也一直在形成判断。用得多，踩过坑，才慢慢知道什么时候该追问、什么时候该怀疑、哪些东西还得自己决定。 如果你正在想怎么让父母开始用AI，或者觉得普通人很难参与身边公共事务，希望我爸这个具体的故事，能给你一点动手的勇气。 👤 本期嘉宾 郭老：70岁，锅巴的爸爸，退休水电站电气工作者。喜欢打网球、乒乓球，也喜欢用豆包聊天。 主播：锅巴 本期你会听到 - 一位70岁的老人，怎样用语音和大字界面把AI接进日常生活 - 一边嫌弃豆包、一边继续用：判断力怎样在反复使用里长出来 - 从清扫车噪声到找部门、看检测报告、提出方案的完整过程 - 普通人怎样为邻居的生活、身边的公共事务做一点具体的事 - 父亲的专业经验与AI各自帮了什么，哪些决定仍然以自己为主 - AI回答错了、不懂装懂了，使用者为什么还需要现实核实与自己的选择 ⏱️ 时间轴 - 00:00 五句开场：一边嫌弃豆包，一边继续用 - 00:48 认识郭老：70岁、退休电气工作者，也是我的爸爸 - 02:24 语音输入、放大字体：他实际怎样用豆包 - 05:13 豆包给他的收获：退休之后，仍然有点存在感 - 07:38 导航连续出错：他怎么试、怎么核实 - 12:53 他本来就懂电气，AI究竟帮了什么？ - 19:31 清扫车事件：从一件身边的小事开始 - 21:14 并非为了自己休息：五点半的清扫车与周围居民 - 24:53 备课、找部门、安排检测：怎样把事情说具体 - 26:52 检测报告可信吗？耳背、漏接电话和测量方式 - 31:45 骑车看测噪仪：把答案拿到现实里核实 - 34:49 “豆包给我的力量”：反复聊，反复学 - 36:24 作业时间改了，降噪措施还要继续追 - 39:56 会议里的较真：我要的是方案和落实 - 45:24 最后改变了什么？还有什么没有解决？ - 48:03 第二件小事：人行道的问题也可以具体推进 - 50:14 年龄之外，更重要的是持续学习和使用 - 51:20 五分钟五个问题全错，他为什么还继续用？ - 52:36 “不知道就说不知道”：误导、判断与AI的边界 - 54:08 从多个答案里选择：他自己的使用总结 - 54:56 片尾 本期片段 “主要是以我为主。” “五分钟内问了五个问题，五个问题全错。你说你气不气？” “在这个社会有点存在感吧。” 💡 给听众的三个启发 1. 从自己关心的小事开始。 不必先学一堆术语，把一个具体问题讲给AI，再把回答带回生活里试一试。 2. 持续使用，也持续判断。 爸爸的经验提醒我：用得多，才更容易形成自己的认识；答案仍然需要核实，错误也值得带回来继续追问。 3. 关心公共事务，可以从身边开始。 把现象说清楚，把诉求和方案说具体，再去询问和跟进。一个普通人的准备与坚持，也能为周围人的生活争取一点改善。 🌐 进任意门 微信号: Guochadd (加我进听友群, 备注「小宇宙」) 💬 一起聊聊 你家里的长辈开始用AI了吗？他们有没有哪次发现AI在胡说，或者用AI做了一件让你意外的小事？欢迎在评论区讲讲。