Show Notes
本期我们邀请到了在旧金山初创公司担任团队主管的Kim。他跟我们分享了自己回归一线写代码后，如何用开源 Agent 工具打造纯命令行流的工作流；也辛辣地拆解了硅谷当下的“Token 焦虑”、AI 裁员的真相，以及为什么在“代码不值钱”的时代，人类的全局观、产品感和“背锅（问责）能力”反而成了最贵资产。
高光内容 【从智能补全到 Vibe Coding】：程序员正在彻底告别手动写代码。现在的工作变成了“与模型对齐逻辑 -》 生成 Plan -》 扔给并发子 Agent 执行 -》 跑测试卫兵”。
【代糖多巴胺与 Slop 危机】：写代码变得前所未有的廉价（20美金能并行生成三套方案），但也带来了成吨的“Slop（垃圾代码）”。AI 缺乏 holistic（全局）视角，只会盯着局部任务打补丁，系统整体的复杂度和技术债正在暗中失控。
【Token 焦虑与生产力陷阱】：工具快了，利益相关者的预期也从“几周上线”缩短到“一两天搞定”。硅谷正在流行一种新型内卷——“看电影时产生罪恶感：我为什么不让 AI 在后台帮我跑个新 Feature？”
【最后的 10% 与人类问责权】：AI 就像老虎机，摇一下可能出神作，摇一下可能出弱智错误。AI 不会坐牢，也不会被裁员，真正承担责任、做高风险决策、在系统崩溃时兜底的，永远只有 Meat space（物理世界）里的人类。
【AI 裁员的遮羞布】：很多大厂宣称因为“AI 提升了生产力”而裁员，这往往只是粉饰业绩的借口。真实原因可能是业务增长停滞，或者是高昂的 AI Token 消耗正在无情吞噬原本属于人类员工的薪资预算。
时间轴 00:00 嘉宾介绍：从创业者到硅谷中型 Startup 的 Tech Manager
01:23 奇妙的职业交点：收购后回归 IC 编码，正撞上 AI 爆发的两年半
02:13 编程范式的演显：从 Cursor 的单行补全，到彻底不用手写代码的“Vibe Coding”
05:10 Kim 的极客工作流：为什么比起 UI 工具，他更偏爱纯命令行 Agent Harness工具
07:04 重心彻底转移：80% 的工作是在跟模型讨论 Trace-offs（权衡）并把 Plan 写入文件
08:30 AI 时代的 TDD（测试驱动开发）：如何让模型自己生成测试、自己跑自动化纠错
11:57 当代码变得“不值钱”：花20刀并行尝试三种方案，用完就删毫不心疼
14:34 “氛围感编程”与“Agent工程”的区别：AI 缺乏全局视角，正在制造大量 Slop（代码垃圾）
17:05 提示词老虎机：上一秒帮你解决史诗级难题，下一秒犯下毁灭性的低级错误
18:30 什么还没有改变？AI 会无条件附和人类的愚蠢想法，产品感与优先级排序依然不可替代
22:26 脑洞大开：AI 咖啡店创始人的瑞典实验，以及会互相“黑吃黑”价格欺诈的自动贩卖机 Benchmark
25:27 心理危机：效率翻倍了，我们为什么却在迎面走向 Burnout？
27:15 硅谷新内卷：你有“Token maxing 焦虑（数字罪恶感）”吗？
29:21 艰难的最后 10%：功能上线容易，但 Sanity Checking（正确性验证）依然高筑护城河
30:28 拆穿“AI 裁员”的真相：到底是生产力过剩，还是 Token 费太贵要拿人头凑数？
33:39 成就感的丧失与重构：不写算法题了，人类正式转型为“首席决策官”
36:58 职场“物理世界（Meat space）”的不可替代性：人际关系与核心决策的价值放大
41:20 终极畅想：AI 高管 + 人类员工的混合组织，会比纯人类管理更公平吗？
在小宇宙查看该单集文稿
More from 中场沉思录
本期嘉宾Jan，前Spotify资深工程师，现就职于Isomorphic Labs（Alphabet旗下AI药物设计公司）。从CERN的物理学实习，到Spotify九年的推荐系统与基础模型研发，再到如今投身AI for Science，Jan分享了他跨越研究机构与工业界的职业路径。我们聊了传统推荐模型与大型基础模型的差异、AlphaFold如何加速药物发现、AI代理如何自动化实验，以及在一个AI能写代码的时代，工程师最该修炼什么。最后还聊了聊：如果不用为钱工作，你会做什么？AI会先让我们永生，还是先毁灭我们？如果你在科技行业工作或对AI For Science感兴趣，相信这一期会给你很多启发。 Guest: Jan, former Staff ML Engineer at Spotify, now at Isomorphic Labs (Alphabet’s AI drug design company). From a physics internship at CERN, to nine years at Spotify working on recommender systems and foundation models, and now to AI for Science, Jan shares his career path across research institutions and industry. We discuss the differences between traditional recommendation models and large foundation models, how AlphaFold accelerates drug discovery, how AI agents automate experiments, and what engineers should focus on in an era where AI can write code. Finally, we talk about: if you didn’t have to work for money, what would you do? Will AI make us immortal first, or destroy us first? If you work in tech or are interested in AI for Science, this episode will give you a lot to think about.
这期我们和Cove聊普通打工人如何做投资决策：到底应该追求更高收益率，还是追求更强的确定性？我们从一个简单框架开始：目标、风险承受度、投资期限，以及自己能不能长期坚持。 节目里也讨论了几个具体案例：35岁有500万或1000万想提前退休的人、30岁本金不多但收入仍在增长的人、有房产的人、家庭支柱、高收入但积蓄不多的人，以及准备退休但持有高风险资产的人。核心不是给出一个万能比例，而是帮助大家理解：投资策略要跟着人生阶段变化。
这期我们聊了一个特别好用的思维工具——休谟定律。简单说就是：从“是”（is）推不出“应该”（ought）。 “吸烟有害健康，所以你不该吸烟”——听起来没问题对吧？但休谟会说：不成立。它偷偷藏了一个价值前提：健康比享乐更重要。万一有人就是不在乎长寿，只在乎当下的快乐呢？ 我们用德国人为什么死磕现金、催婚催生的逻辑漏洞、职场“大家都在卷所以你也该加班”等例子，拆解了事实和价值的根本区别。聊到最后发现，这个工具最大的用处不是去辩论，而是帮自己看清：哪些是事实，哪些是别人的价值观，哪些才是我真正想要的。 以及权分享了一个极其好用的心法：如何用休谟定律对付爱说教的人——不吵架、不内耗、还能笑着结束对话。
本期嘉宾老王，前字节跳动高P（3-2），历经百度、腾讯、字节三家大厂，从校招生一路做到TikTok Music用户产品负责人。他坦诚分享了大厂过关斩将的独家心法：PM的三个能力层次（执行/决策/洞察）如何修炼？为什么“和+1搞好关系”是职场第一生产力？AI时代哪些人最危险？以及——他为什么每次都在晋升前夕选择离开？从大厂到创业，他用“顺势而为”和“zero ego”总结了自己多年的职场哲学。
本期邀请到“柏林慢慢游”创始人Rui，聊聊他从大厂职业倦怠（Burnout） 到裸辞创业的真实经历。Rui在德国生活了20多年，曾在一家大型食品企业担任德语区职业健康与安全总监。2024年，他选择了裸辞，随后经历了心理动力学的团体治疗，重新认识自己。如今，他是“柏林Pinwo中餐地图”的联合创始人，正在探索如何把兴趣变成可持续的事业。 如果你也在职场中感到失控、疲惫、失去动力，这期节目或许能给你一些方向和安慰。