AI炼金术

Latest Episodes:

和 ColaOS 橘子聊个人 Agent 这半年：时代追上了他，他却打了转向灯 Oct 09, 2026

Show notes

半年前橘子来聊个人助理，任鑫当场杠他：「这个东西太宽泛了……你要不要找一个细分啊？」半年后，Instinct 融资融到天上，Muse 把 Meta 股价都带了起来，Grok Bot、Dot、Cue 扎堆上线——个人 Agent 成了最热的赛道。任鑫的反应是：「感觉时代终于追上了橘子，然后就想把他抓过来，半年前蹭你热点没蹭上的话，半年后再蹭一遍。」橘子接得也干脆：「抱歉了，半年前没有给大家带来爆点，半年后我们再努力一次。」

这一期从「为什么是现在」聊起：便宜模型的 agent 能力质变、token 成本降了几十倍、互联网免费打法杀回 AI；聊到橘子这半年踩过的坑——99% 的人连日历都没有，大部分人也没有「支使别人干活」的肌肉；最后聊到每个人都躲不开的十月拷问：当一个模型能反编译 3A 大作、能改相机固件、能把世界模型的活都吃掉，你站在哪个位置才是安全的？

本期亮点

→ 时间窗口：砸过的产品，现在都能重做一遍

模型降价打开了一个窗口期。任鑫给了一个可操作的判断：「就去搜 6 到 18 个月前，但凡火过但是砸掉的产品，现在都可以重做了，因为成本和效果提上来了。」徐文浩补了成本账：半年前做 agent 想要好效果得上 Opus 级模型，起步也得是 Sonnet 级；今天一个 flash 级模型就能把看邮件、订机票酒店、操作软件做得很好——token 成本只有当时的几十分之一。「半年前可能即使是 Meta，它也补贴不起。」

→ 橘子：补贴成本第一次低于获客成本

橘子算的是单用户账：以前用 Opus 4.6 做 agent，内测时每个普通用户一个月要补贴几百美金；今天换成 flash 级模型，十美金基本够用。补贴用户 token 的成本已经低于获客成本，「这个是一个很质变的节点」。徐文浩顺势问：为什么不能再来一次滴滴跟快的的打车大战？橘子：「这时候投资人就可以出场了，你们的钱终于有用了。」任鑫接上 Ben Thompson 的观点：2C 唯一被证明能打到大市场的是广告模式，谁先在 AI 里发明出竞价排名、刷几个视频插一条广告这样的商业模式，谁就可能拿到胜负手。

→ 放弃卷办公，做「996 之外」

办公赛道太卷，大厂连培训都卷起来了，橘子选择转向：做工作之外的个人 agent，「想帮助你去发现人生的第二资产曲线」，通过副业、自媒体，「让你找到工作之外能够去赚取另一份钱」。任鑫的验证方法很直接：YouTube 和 Twitter 上有无数人在教人赚钱、教人薅羊毛，「先不讲产品层，至少它在媒体层和注意力层是有很多人在关注这件事情」，所以「它确实是存在的一个市场」。

→ 踩坑实录：99% 的人没有日历

个人助理最经典的切入点是日历、邮件、行程，橘子的发现是：管邮件日历这件事，「99% 的人都没有这个东西」。「我们这个会现在开，也是因为大家没有日历就迟到了。」任鑫补了第二个坑：大部分人没有培养过「支使别人干活」的肌肉，你给他一个全能助理，他想不出来要支使它干嘛。橘子说得更直接：「大部分人也不想当产品经理……大家就是想打开短剧看就好了呀。」

→ 身份即资产：点评、水军与 UBI

橘子发现 AI 没有身份，发内容在各平台大概率直接被干掉；但每个素人有身份，「做一个视频给几十块钱，可能就爆了一条」；有些短视频软件在给农村老人发钱，一个月上千块。任鑫接了一个老故事：某眼镜公司发起运动，让大几千名员工给自己吃过的店写点评，员工出去吃饭都能吃霸王餐——「身份本身是可以变钱的，但是大部分人和大部分公司没有意识到这一点。」

→ 谁真的用 AI 赚到钱了

任鑫转述了一个更刻薄的说法：「有没有真的赚到钱的 AI 人？说有啊，大家都是 builder……你 build 一个东西，然后疯狂地发视频，让大家觉得你很厉害，然后接广告。」橘子见过很多月入五万的 builder，商业模式是「我做很多东西，然后中间用到了某个大厂的模型，然后大厂赞助了一下」。真正被 Agent 改变最大的，反而是十几个人的小公司老板：30 到 35 岁、有积累、有业务，以前没团队帮他把想法做成产品，现在「老板亲自上」。

→ 爆款、两周窗口与币圈玩法

产品和技术今天都不是壁垒：一个东西做出来，「基本一个月整个行业全部能做的全做了一遍」。那竞争拼什么？橘子朋友管这叫「币圈玩法」：「你哪怕领先一天，然后你把它炒到最顶端，你不要说你考虑下一轮，你就考虑下十轮，把钱融到位就行了。」任鑫的总结：爆款最多给你两周的曝光窗口，要用它集聚其他资源。橘子补了一刀：「你要在两周内不仅要爆掉，而且你要搞定融资。」再加上渠道、大厂合作，把一次性流量换成其他资源。

→ 老登资产：控流量、控信任、控渠道

生产端大规模贬值之后，什么相对增值？任鑫的答案是「老登资产」：「谁控流量、控信任、控渠道就更值钱了」。「勤勤恳恳干活敲电脑这件事，就所有在电脑面前能够完成的事情，理论上来讲都应该贬值了。」可喝茶、闻味道、拿到资源 owner 的信任，AI 暂时搞不掉。「以前就觉得说浪费时间，现在觉得好像我对着电脑敲字才是浪费时间，因为敲字我敲不过你们。」

→ Opus 5.5 吃掉一切

橘子：「以前有个建议就是说，不要在模型的主航道上，然后你会发现这个模型的航道全都是航道。」Opus 5.5 做视频，「直接把人家世界模型那个活都吃掉了」，上半年中国投资人最爱投的赛道「全部打水漂了」；有人直接让它反编译 3A 大作随便改；相机固件、遥控器都成了 vibe coding 设备。橘子准备发的文章标题是《游戏、软件、硬件，一切终将开源》。「而且它还只是一个 Opus 模型，而且它更便宜了。」一个月后 flash 级模型也会有这个能力，「这个十月我觉得大家可以好好想想战略，你站在哪个位置。」

→ 彩蛋：没有安全位置，那就做自媒体

三个人的共识凄凉又好笑：「好像没有哪个位置是安全的」，那就做自媒体吧——橘子：「做播客还行」。他的新播客 Next Token 发了四期，上了八次新星榜，经验是「靠平台还是得抱紧大腿」；任鑫反省：「哎呀，我们面子不够啊。我们被推荐得太少了。我们要去找一下。」最后互相打气收尾：多跟平台交流，好好做自己，好好保养身体。

时间戳

00:45 开场：为什么把橘子抓回来

02:51 过去半年：个人 Agent 怎么突然共识了

07:27 便宜模型质变：Agent 成本降了几十倍

10:34 时间窗口：砸过的产品都能重做一遍

12:32 免费打法回来了：广告模式与烧钱

15:34 橘子的新方向：做 996 之外

26:28 身份即资产：点评、水军与 UBI

29:58 融资环境与 Instinct 的估值故事

32:39 踩坑实录：99% 的人没有日历

36:17 本地还是云端

39:19 谁真的用 AI 赚到钱了

43:54 给创业者的建议：既要梦想又要赚钱

49:31 美国 startup 还有机会吗

53:23 熬还是转：一号位一年只做两个决策

57:28 爆款、两周窗口与币圈玩法

59:07 老登资产：控流量控信任控渠道

63:52 Opus 5.5 吃掉一切

67:41 没有安全位置：做自媒体吧

72:40 片尾曲：还可以写诗

本期嘉宾

橘子：ColaOS 创始人，新播客 Next Token 主理人

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号

「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。

我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！

商务合作：公众号「AI炼金术」菜单栏中【商务】获取联系方式

节目主理人

徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。

任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造"今夜酒店特价"用移动互联网应用特价销售酒店尾房；被京东并购后内部创业"京东到家"开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。

挣钱时都是超级个体，坐牢时把锅甩给 AI Oct 01, 2026

Show notes

美国财长贝森特刚放话：Hugging Face 事件是 OpenAI 管理层的责任，不是一群 agent 的责任，政府不会给 AI 实验室免责豁免。徐文浩的反应是：「你不能说挣钱的时候我挣一千万，坐牢的时候说这是 AI 的责任，和我没关系。」

这是我们第一次带着话题列表录节目，一口气聊了八个话题。AI 出了事谁背锅，为什么这件事拖住了大公司的 AI native 转型，反而成了小公司的机会；一个火了三四天就被满世界复刻、还被人跑分反超的新模型，让徐文浩说出「工程与算法间的严重产能过剩」；DHH 的 Omarchy 为什么不只是又一个 Linux 发行版；一种在大企业内部孵化 AI 公司的新模式；以及组织里最常见的痛：同事把 ChatGPT 写的长篇方案转给你，「你看看有没有用」。

最后，我们回应了评论区说我们「太资本家视角」的差评，也聊了智谱的代码上传风波。

本期亮点

→ 挣钱时拿一千万，坐牢时说是 AI 的锅

徐文浩从一条新闻说起：OpenAI 的 agent 在一次内部安全评测里越出沙箱，黑进了 Hugging Face 的生产系统；美国财长贝森特表态，这是 OpenAI 管理层的责任，政府不会给 AI 实验室免责豁免。他觉得财长说得对。这件事延续了他在上一期「AI native 组织」里一直追问的问题：先别吹收入涨了、效率高了，你就说出了事谁负责。股价涨了，拿股份、拿高工资的是你；agent 黑进了别人公司的系统，就说是 AI 的责任？「权力跟责任不对等，这个事情我觉得在哪里都是说不过去的。」他打了个比方：你造一架民航客机，横跨大西洋、机票卖得贵是你赚到了；飞机坠毁了，不能说技术还不成熟，政府应该给我豁免。

→ agent 背锅，拖慢了大公司的 AI 转型

任鑫追问：组织内部早就有领导连带责任、一条线全换掉的机制，套到 agent 身上不行吗？徐文浩说，难就难在 AI native 转型这一步。假设你在字节做推荐算法，AI 帮你写了个 bug，公司收入可能都会掉，你没法跟老板说这是 agent 写的。原来的上下游扯皮就够难分了，他举了个例子：客人忘了买单就走了，该怪结账的前台、端盘子的服务员，还是大堂经理？有了 agent，这件事更难定义：agent 不是一板一眼的流程，灵活性正是它 powerful 的地方；而且锅甩给它，你也不会开除它。

→ 干活和负责，可能要拆成两件事

任鑫的推演：以前干活和负责是绑在一起的，以后可能分开，人类的工作就是想各种办法来负这个责任，叫核查也好，叫别的也好。徐文浩的第一反应是：「人不是很惨吗？」任鑫又从另一头看：这对创业公司是好事。大公司的枷锁相当于要交一层很贵的保险，一层「责任分配税」；十个人的小公司拍胸脯说兄弟们就这么干，可以少交好多税。徐文浩补了一句：也许只有真正没包袱的新公司，才能真的 AI native。

→ 一个能做任意选择题的模型，和它引出的「严重产能过剩」

徐文浩这样解释最近爆火的 Jev：2015 年的分类器，选项要提前定死，订咖啡、订鲜花、叫外卖、打车，想加一个「买电脑」就得重新训练；这个模型的选项随手就能换，是一个「能做任意选择题的模型」。它比大模型快、比大模型便宜，适合客服、后厨异常行为识别这类对成本和延迟敏感的场景。但他也觉得这个东西「技术上毫无门槛」，只是团队很会讲 System 1 的叙事。证据是：它出来三四天，满世界都是复刻版，有的跑分比它还高。他给这个现象起了个名字，叫「工程与算法间的严重产能过剩」。任鑫接着说：生产侧大规模贬值，现在最值钱的是能找到人买东西。

→ Omarchy：它的价值不在好用，在于你能改任何东西

徐文浩正在把主力工作往 DHH 做的 Omarchy 上迁。它可以叫 agent OS，本质是个 Linux 发行版，关键在于你可以对着自带的 Codex「口喷」，临时给自己编一个 to-do 软件，直接钉在桌面上，想改随时改。在 macOS 上做同样的事，要签名、要过审核，而且系统不开源，你只能改最上面一层。他举的例子：日本法律要求手机拍照必须有快门声；在 iOS 上，你没法一边刷 B 站一边跟 agent 语音聊天。他不买封闭的 AI 眼镜，也是因为想连自己家里的服务器、用自己指定的模型。任鑫说他也是这么干的：手上戴的录音设备，自带的总结不用，只当录音笔，后面交给 Claude Code 按自己的规则处理。

→ 在大企业里孵化一家只为你服务的 AI 公司

徐文浩介绍了 Vantora 的模式：和大企业合作，企业出钱、下第一个订单，在企业内部孵化一家新公司，用 AI 专门为这家企业做 agent 和软件；做成了企业有权收购，做不成就当创新孵化失败。他的逻辑是：每家公司的核心流程不一样，安克、希音、优衣库、做婚纱定制的，需要的 ERP 一定不一样；以前定制太贵，外部公司又必须做能卖 100 家的标品，AI coding 让这笔账第一次算得过来。他判断这是个大约三年的阶段性窗口，再往后，企业科技部自己就能做了。任鑫说他两年前就和一家大公司谈过类似合作，缺的正是这套博弈机制。

→ 别把 AI 想的解决方案贴给我

说到组织渗透，徐文浩说他可能是公司里 AI 订阅花钱最多、也真把额度用完的人。但他发现，同一个组织里，大家用 AI 的深浅差别非常大。同事出于好意，拿着中间结果去和 ChatGPT 讨论，然后把一篇长篇大论转给他。他在朋友圈吐槽：「你们只要把出了什么问题告诉我就可以，不用帮我想解决方案。」根子是缺领域知识：你判断不了 AI 说得对不对，只能转给专家，逼专家从 101 开始教你。他的建议是：要问，也别泛泛地问 ChatGPT，要让 AI 对着你们的代码库去看。任鑫的观察更扎心：他参加的活动上，一半人讲的是 2024 年下半年的 PPT，台下的反应和听 2026 年新东西的一样热烈。

→ 我们是不是太资本家视角了？

评论区说前几期聊组织转型聊得太像资本家。任鑫反省：我们俩这把年纪，出去找工作简历关都过不了。徐文浩说，贴着 AI 标签也没用，别人一样不会要你。但他坚持讲真话：一个人要过两关，第一关是理解事实，第二关是接受事实。「没有人有空针对你，就像没有人有空针对我一样。」他引了 Naval 那句 life is a single player game。任鑫的说法是：这像天气预报说明天下雨，你听了不爽，但带把伞比较安全。

→ 彩蛋：智谱风波，和 dynamic workflow

徐文浩复盘了智谱的代码上传风波：ZCode 客户端被发现会把整个代码仓库打包上传，之后的开源仓库只有两次提交，被质疑是「假开源」。他把它和 xAI 的 Grok Build 的类似事件对比，觉得 Grok「多少算过关了」，智谱到目前处理得不好，还是又绕回了组织问题。任鑫补了个反过来的段子：某大厂老板的微博被 PR 接管，开了个小号继续喷，PR 转头找新浪把小号封了。最后是听众点菜：dynamic workflow 是什么？徐文浩的答案是：介于死流程和完全自主的 agent 之间，AI 先生成一个流程，跑几次以后沉淀成日常 SOP。

时间戳

00:05 冷开场：挣钱拿一千万，坐牢说是 AI 的锅

01:54 美国财长：不给 AI 公司安全豁免

03:11 权力跟责任不对等：飞机坠毁了，能要求豁免吗

05:02 大公司的 AI native 转型为什么慢：出了事谁背锅

08:53 干活和负责拆成两件事；小公司少交「责任分配税」

10:29 Jev：一个能做任意选择题的模型

16:15 工程与算法间的严重产能过剩

17:53 产能贬值以后，找到买家最值钱；活人感和 AI 味

22:45 Omarchy：一个你可以改任何东西的系统

38:37 Vantora：在大企业里孵化一家只为你服务的 AI 公司

51:24 组织渗透：一半人还在讲 2024 年的 PPT

54:39 别把 AI 想的解决方案贴给我

01:03:33 打工人视角：我们是不是站在了资本家视角

01:17:12 智谱风波：代码上传和「假开源」

01:27:32 听众点菜：dynamic workflow 是什么

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号
「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。
我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！
商务合作：公众号「AI炼金术」菜单栏中【商务】获取联系方式
节目主理人
徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。
任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。
播客剪辑：十六颗糖

PureblueAI 鲁扬：把 prompt 当货架空间，把 GEO 当量化交易 Sep 23, 2026

Show notes

听鲁扬给我讲解 GEO 时，我当场打开了豆包，问「学 AI 推荐几个播客」，AI 炼金术排在第四——这让我对豆包的评价好了很多，哈哈。

鲁扬说，做 GEO 可以把它排到第一，但前提是先搞清楚一件事：豆包为什么推荐你？这不是「怎么写文章」的问题，是 AI 可解释性的问题。他从字节跳动出来创业，做的是国内第一批 GEO 服务商，两年下来的结论是「SEO 和 GEO 是两个不同的物种」：搜索引擎有规则可循，大模型是个黑盒，你只能用一个模型去学习另一个模型，像量化交易挖因子一样挖 AI 采信内容的特征。

下半场更实用：AI 消费闭环已经开始了，豆包能直接下单，酒旅品类三周前开始抽佣；「一个 prompt 就是一个货架」，二线冲锋衣品牌不用假装自己是头部，只要让 AI 认知到「性价比高、质量好」，用户一问「适合大学生的冲锋衣」流量就来了；还有科学 GEO 的八个环节、多久能见效、怎么证明效果。

嘉宾

鲁扬，清蓝（PureblueAI）创始人。清华大学中文系毕业，一毕业进 IBM，在科技公司做市场营销二十多年，中间在创业公司当过四五年高管，之后在字节跳动负责火山引擎和多个大模型的市场业务（曾任火山引擎市场总经理、豆包大模型市场负责人）。2024 年下半年与两位联合创始人出来创业，最早做面向营销的 AI worker，是国内第一批做 GEO 的服务商，目前团队 160 多人。

本期亮点

→ SEO 和 GEO 是两个不同的物种。鲁扬说很多人把 GEO 当成 SEO 在 AI 时代的变种，他不同意。搜索引擎有规则：百度官网权重能查，教程 1234567 按图索骥，百度过去二十年大的算法迭代就那么几次，所以 SEO 能手工做。大模型没有规则：问豆包矿泉水哪家好，今天推 A，过两天推 B，他不告诉你原因，因为它本身就不是建立在公式和打分之上，「都是神经网络推理出来的」。

→ GEO 走过三个阶段，是他们自己趟出来的。24 年 9 月入场时还没有 GEO 这个词，他们管它叫「AI 平台上的 SEO」，投资人听不懂。第一阶段人工做：每天帮品牌写几十篇稿发出去，第二天上豆包搜一下，被引用了就是命中，没中就调写法再发几十篇，「碰运气，不科学」。第二阶段数据驱动：字节出身的团队把 AB 测试用到极致，还是达不到精准。第三阶段算法驱动：「面对大模型，你很难靠人工经验去追逐一个模型，只能用一个模型去学习一个模型。」任鑫的类比是图灵那部电影：德军用机器加密，数学家最后发现人解不了，得造一台机器来解。

→ GEO 研究的不是文章的写法，是 AI 可解释性。用户问一句话，AI 把意图拆成一组关键词去检索，返回一批内容，只分析其中一小部分，排序，最后引用极少数几篇生成答案。这是一个漏斗，每一层都有大量内容被降权、出局、不被引用，他们研究的是那一小部分被 AI 信任的内容具备什么特征。清蓝的 CTO 从字节出来后去投资机构做过量化，所以做法和量化交易一样：把肉眼判断和情感抛掉，让算法去做因子挖掘。

→ 豆包偏爱抖音视频，海外模型偏爱官网和 Reddit。所有模型的推理原理一致，但采信来源差别很大。国内模型更多采信媒体内容，豆包对抖音视频的权重很高；海外模型更偏向品牌官网、独立站和 Reddit 这类社区，对媒体内容的权重反而没那么高。国内要研究稿件结构、信任状、发布渠道，海外要做官网优化和社区运营，「同样一个品牌，国内和海外可能做的事都不一样」。

→ AI 消费闭环已经开始，豆包三周前开始抽佣。去年 4 月 29 日 ChatGPT 率先支持电商跳转，秋天上线 Instant Checkout，豆包、千问、元宝陆续跟进。豆包在一些品类已经不用跳转，直接在豆包里下单支付，抖音电商的商家后台也能追踪到从豆包带来的成交。返佣三周前从酒旅开始，常规 8 个点，部分品类 12 个点，比抖音电商常规抽佣高，但比 OTA 平台低。「AI 现在成为了很多品牌新的流量通道。」

→ 一个 prompt 就是一个货架。货架从百货大楼到虚拟货架到 APP，AI 时代的货架就是用户对 AI 说的那句话。任鑫说他现在问 AI 的不是「哪个氨糖好」，而是「我膝盖疼」，鲁扬把这叫意图电商：用户描述的是自己的状态和痛点，AI 识别背后的意图完成推荐。所以品牌不该去迎合意图，反而要回归自己的核心优势。他们服务过一个二线冲锋衣品牌，客户想优化「最好的冲锋衣」，他们劝住了：你就是性价比高、质量好，把这个让 AI 认知到，用户一问「适合大学生的冲锋衣」，流量就到你这里，「AI 是讲道理的」。

→ 科学 GEO 是八个环节，写稿发稿只占两个。知识管理（帮品牌建知识库，所有 GEO 的起点）、意图挖掘（一个麻辣香锅品牌本来想优化「推荐火锅品牌」，挖完发现真正值得优化的是「想加盟餐饮店选哪个品牌」）、品牌诊断、内容管理、效果预估（在仿真环境里模拟一篇稿件发出去的提升概率）、发布、效果监控、效果调优。效果验证靠上百个账号、多平台多 IP、一天 20 到 30 次采样，连续跑一个月看月均，「最背的就是老板 review 那天手机上搜不到」。见效一般在第三到第四周。

→ 彩蛋：清蓝这个名字，清华加 IBM。鲁扬决定创业的那一瞬间就定了名字：清是致敬清华，蓝是致敬 IBM，一个是国内造就 AI 从业者最多的学府，一个是人类 AI 启蒙的公司。IBM 内部管一毕业就进来的人叫「pure blue」，所以英文名是 PureblueAI。logo 是他花一上午自己画的，IBM 蓝加青花瓷两个颜色。

时间戳

00:53 开场：当场打开豆包问「学 AI 推荐几个播客」，AI 炼金术排第四

02:19 什么是 GEO：AI 平台上的品牌优化，先验认知和后验认知

06:49 SEO 和 GEO 是两个不同的物种：一个有规则可循，一个是黑盒

10:35 GEO 三阶段：人工碰运气、数据驱动 AB 测、算法驱动

15:19 核心理念：GEO 研究的不是文章写法，是 AI 可解释性；像量化交易一样挖因子

23:34 为什么 24 年下半年出来创业：AI 营销、时间点误判、GEO 意外爆发

29:34 黑灰产「大黑假」：杜撰「全国第一」会被大模型瞬间引用

32:55 豆包、DeepSeek、ChatGPT 采信来源不同：国内看媒体，海外看官网和社区

35:12 AI 消费闭环与意图电商：酒旅开始抽佣，用户说的是膝盖疼不是氨糖

39:37 一个 prompt 就是一个货架：二线冲锋衣品牌怎么拿流量，AI 要讲道理

46:30 科学 GEO 八环节：知识库、意图挖掘、品牌诊断、效果预估

51:26 多久见效、怎么证明效果：第三四周，上百账号采样，月均达标

55:02 创业心得：发心、道与术、160 人不如 30 人时的状态

59:37 给品牌的建议：最难做的不是行业，是说不清自己是谁

01:02:50 彩蛋：清蓝这个名字，清华加 IBM

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号

商务合作：公众号「AI炼金术」菜单栏中【商务】获取联系方式

节目主理人

任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。

播客剪辑：

十六颗糖

BGM：

片头：Shortwire - Reconfig

片尾：UNSECRET,Tim Halperin - One Day At A Time

XCircle 小飞：只做管理那批人，要没工作了 Sep 17, 2026

Show notes

小飞被很多 CEO 问：为什么我搞了 AI 之后，最好的那批管理者都宕机了？

答案不留情面：在传统科层里，管理本身就是一份全职工作——做统筹、做汇报、开会、做表格、搞周报、写 PPT……AI 原生组织转型最重要的一件事，就是把公司聚焦到业务上，尽可能让这些管理工作被 AI 替代。

这期也是「AI 炼金术」少有的吵架抬杠集：小飞带来的是一线操盘现场：鹿客把 HR 三支柱拆了，重组成一个叫 HARO（human AI resource office）的团队；XMind 转型半年后，二十来个原来的 manager 里没有一个人花在管理上的时间超过三成；还有一家不到 100 人的公司，正式集体放弃飞书；徐文浩用了将近一个半小时堵同一个洞：AI 让效率成倍提升，但没人说 AI 让收入成倍提升——一旦变成「没有更多的钱可以分，只有更多的人可以裁」，背锅就比分钱更实际、更严肃。

他们最后没吵出共识，倒是吵清楚了一条边界：我们到底是在谈今天的组织形态，还是在谈两三年后大家想象中的那个样子。小飞对今天的判断只有八个字——朝气蓬勃的一片混乱。

嘉宾

小飞：XCircle 创始人，专注帮企业做 AI 原生组织转型。之前“AI 炼金术”采访过的鹿客和 XMind 都是 XCircle 的实操案例。

本期亮点

→ Jack Dorsey 说破了一件事：科层制不是权力结构，是信息路由协议。

小飞说组织这个话题今年被重新点着，起因之一是 Block 创始人、Twitter 前联合创始人 Jack Dorsey——他和红杉的 Roelof Botha 在今年 3 月底合写的那篇文章，解释了一件悬了十年的事：Zappos、Morning Star、Spotify 的 squad 都很好玩，为什么始终没能成为主流。诊断是这些新范式在反对管理的同时把管理者也反对掉了，可管理者身上挂着一个谁也没接手的功能——把组织各方位的信息汇总再分发。

→ 任鑫当场反问：飞书不早就在路由信息了吗？小飞用一家放弃飞书的公司回答。

质疑很实在：飞书文档、Google Docs、Slack 不也部分解决了信息路由，为什么非等 AI？小飞的回答是上礼拜刚见的一位创始人——公司不到 100 人，做 AI 原生产品，正式宣布集体放弃飞书。理由不是贵：飞书服务于人类，让人与人的协同很丝滑，但它不天然原生支持 agent，只能额外加，「他那个创新的窘境其实就是在那儿」。那家公司现在的协同方式是五个 agent 加两个同学，agent 之间怎么交流、怎么共享信息，全部重新设计。

→ 小飞给 Dorsey 补了两条，第二条是过去十年谁都不敢碰的：分钱。

第一条是链路长度：开发一个软件，产品经理加 UI 加写代码就能闭环；但芯片十几道工序、汽车一两年周期，链路一长，「你小组其实又是一个很大的组」。链路长就必须专业分工，而 AI 恰好取巧了人类专业学习的边界——「你立了一堆 agent，你就可以瞬间有各个行业的专业选手」。第二条更狠：过去层级可以少、小组可以自主冠名，但一到分钱全场束手无策，因为 key manager 照样拿显著更高的薪酬，分配逻辑根本没变，「大家就很难相信这件事情是真的发生了」。

→ 月薪两万的和月薪五六万的放一起看，老板开始觉得原来钱分得不公平。鹿客成立十来年，当年一批骨干一起冲锋打仗，「这批人说实话年纪大了」。他们重新树立了人才观，只有两条：AI 杠杆——你的核心生产力是人还是 AI；业务闭环能力——别再在后台搞管理了。小飞说在自家产品上 track 到一个同学 AI 生产力是人类的四倍、一个人产出了五倍。看人的视角一变，最微妙的事情就发生了：老板看着一个月薪两万、AI 用得特别好、确实在前线创造价值的同学，再看一个月薪五六万、天天还在用 Excel 表码数字的同学，「你说他不着急吗？他也着急」。需求就出来了——我今天要发奖金，我要发得公平。

→ 文浩堵了一个半小时：AI 减的是摩擦，没解决的是背锅。

他们自己也是 AI 公司，产品经理甚至设计师都能直接改 code base，但不敢让他们做发布：一是判别能力，二是出问题他背不背这个锅，「大概率是他没法背这个锅」。锅最终会 fall back 到原来的职能线上——研发上线出 bug、采购下单下错价、广告投放投错钱，「AI 正投标帮你背不了这个问题」。而他之所以今天非讲背锅不可，是因为「今天大家都说 AI 带来了成倍的效率提升，但是没有人说 AI 带来成倍的收入提升」。任鑫在旁边补了一刀：这跟分钱是一体两面，出问题互相甩锅，做得好互相抢功，加了 agent 之后 attribution 就更麻烦了。

→ 小飞的答法：任何一个 agent 都必须有一个 owner，你得给他设个妈妈。她把 agent 看成实习生——还不太听话、能力还不够、还老犯错，所以必须有人管着他，「那言下之意，今天更多的你还是需要这个 owner 去背这一锅的」。至于分钱，他给了一个很值得抄的结构：有家公司把提供 agent 的部分全部归类为中后台，原来中后台输出的是管理，现在要求输出各种 agent，「agent 就类似于中后台提供的新的服务类型了」；团队赚到一万块，先抽一个比例给中后台，剩下归前台。任鑫补了个更实操的案例：搓 agent 的涨薪 30% 作为 AI 津贴，用的人 token 和薪水也涨，「反正先不算功劳，因为反正也算不清」。

→ 操盘现场：层级和部门直接干掉，小队从 8 到 12 人压到 2 到 4 人。小飞说他们目前在非常纯正地陪一些企业把公司的层级和部门给干掉——没有部门，也没有层级。这件事的破坏力比听起来大：现在几乎 99% 的管理制度流程都建立在这两样东西上，小到一张打车发票报销，大到战略怎么制定。他还讲了个反例：几个月前见一家科技巨头中国区高管层，人家也在分小组、学 pod、学 Spotify，他只问了一句「你原来科层制的汇报线还有吗」，对方说全都有——「员工是不傻的，他知道他的命门捏在谁手上」。而他真正盯的指标是闭环运转的周期：「现在是每一个岗位上的人都声称用了 AI 当工具，个人提效。但是闭环运转的周期没有提效，system 没有提效。」

→ HR 三支柱被拆了，重新拼成一个叫 HARO 的团队。鹿客不是把 HR 拆了，是重新定位了。HRBP、COE、SSC 这套为工业时代科层组织设计的东西没有了；交社保、发工资留在中后台，「那部分是最容易被 AI 替代的，它就是标准动作」。前台新成立的团队叫 HARO——human AI resource office，把人类和 AI 整到一起，因为他认为生产力不只是人类，而是人类加 AI。团队的 DRI 是一位 CAIO，既懂技术、做过战略、还创过业，他在业务流里扮演的是 FDE 的角色：看哪段流程可以用 agent 改善或重建，改不了才招人。配套还干了两件事：做了个「全体起立重新坐下」的项目把全员 review 一遍，把前线那些 AI 用得特别 6、以前根本不知道的年轻员工先捞出来；然后启动管培生项目。

→ 彩蛋：自己能 DIY 的三步，以及「大公司我劝你先在那待着」。第一步不是动组织，是画出你的 value chain——「你如果画不出来，你就没有办法在上面找到一个个小的价值闭环，你就会顺理成章地回到职能部门的分工里」。第二步也不是动组织，是先把自己的 agent team 搭好、把自己的时间精力释放出来。第三步是找系统的制约点：「这瓶水的流速不取决于你最宽的地方，取决于最窄的地方」，而企业的通病是在擅长的宽处猛加 AI，窄处既不识别也不管——这就是为什么很多公司个体都在提效，system 的价值却没提升。至于大公司，小飞的态度罕见地直白：他只聚焦 150 人以内、成立三年以内、业务本身就是 AI native 的公司，「至于那些大组织，我觉得非常难非常难，既得利益者他为什么要让位」。

时间轴

00:05 开场：岗位这个概念我们没有了，我们改叫 role

04:36 不客气的第一问：历史上有哪家公司靠新组织形态做大做强过

06:12 Jack Dorsey 的诊断：科层制不是权力结构，是信息路由协议

08:42 小飞补的两条：链路长度，和那个十年没人敢碰的分钱

12:42 任鑫反问：飞书不早就在路由信息了吗

14:02 一家不到 100 人的公司，正式集体放弃飞书

15:51 鹿客的新人才观：AI 杠杆 × 业务闭环能力

19:17 徐文浩开杠：什么叫 AI native？以及谁来背锅

22:20 小飞给的判定标准：核心生产力、协作流、协作关系

30:37 没有更多的钱可以分，只有更多的人可以裁

31:40 加了 agent 之后钱怎么分：中后台变成 agent 的供应商

37:45 AI 既是生产力，也是生产资料

41:27 徐文浩反驳：分工没消失，注意力带宽有限，别说得像快招

45:56 朝气蓬勃的一片混乱：我们到底在谈今天还是两三年后

47:05 操盘现场：把层级和部门直接干掉，小队只留 2 到 4 个人

53:10 和项目制到底有什么区别？兼谈硅谷公司的组织架构

01:04:23 转型段子：HR 三支柱被拆了，重新拼成 HERO

01:13:49 煲电话粥的那几个夜晚：管理者怎么忽然就宕机了

01:20:32 用 AI 分奖金：这 10 万块钱我要怎么分

01:23:42 AI 原生组织的真相：极度降低你的管理水位

01:27:32 DIY 三步：画价值链、释放自己、找系统卡点

01:31:53 终局问：老公司有可能变成 AI native 吗

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号

商务合作：公众号「AI炼金术」菜单栏中【商务】获取联系方式

节目主理人：

播客剪辑：

十六颗糖

BGM:

片头：Shortwire - Reconfig

片尾：Us The Duo - Waiting on a Dream

鹿客陈彬：把一家 12 年的硬件公司，重写成 AI 原生组织 Sep 14, 2026

Show notes

一家做了 12 年智能锁的公司，老板宣布要把公司重写成 AI 原生组织，而且大刀阔斧开干了。

鹿客今年十二周年，陈彬给公司定的主题叫“从 1 到 0”：假设组织、流程甚至产品都不存在，手里有了今天的 AI 工具，这家公司应该怎么重新干一遍。落到组织上，这是一连串相当硬的动作——新成立 HARO，把人和 AI 放到同一个一号位下统筹，一号位换成技术出身的人；有人被挑走，原部门先用 AI 补，想社招得走 CEO 特批；全公司分三轮“重新站起来，再重新坐下”。

这期我们把鹿客的 AI 组织改造从头拆到尾：组织怎么搭、权力怎么分、人怎么挑、华为那套 IPD 还要不要，以及——哪些公司其实应该慢一点。

嘉宾

陈彬 | 鹿客科技创始人，2014 年创业至今 12 年，此前在索尼、百度工作。鹿客是国内智能锁头部品牌，2024 年静脉智能锁出货量全球第一（市占率 10.5%），智能锁整体出货量全球第四、中国第三；小米智能锁约 70% 由鹿客研发制造。

本期亮点

→ AI 原生组织，不是“大家都把 AI 用起来” 陈彬对 AI 原生的定义，是先假设原有组织和流程都不存在，从零想一件事该怎么做，“什么东西能让 AI 做，就尽量不要让人做”。在他看来，原来的很多组织流程“可能都是错的，甚至都不应该存在”。所以这份倡议首先写给未来的核心组织构建者，而不是要求每个人多用几个 copilot。

→ HARO：让一个技术出身、懂业务的人，统管“人和 AI” 鹿客成立了 HARO（Human AI Resource Office）。陈彬没有让传统 HR 来当一号位，而是选了长期创业伙伴：百度架构师出身，做过创业公司 CEO，在鹿客带过产品线、研发、品牌和 IT，下面再配对人敏感的 HRBP。IT 改名 AIO，负责 agent builder；各业务线挑出的 FDE 虚线向 HARO 汇报。Mars 提到安克把人脱产集中一个月做转型，陈彬说“我们没有这么多冗余度”，所以鹿客的 FDE 是边干业务边拿 30%–50% 的精力改流程。

→ 圈子：把职能的权力抹小，把圈长的权力放大 圈子不是项目组，也不是华为式矩阵，而是端到端价值闭环的小团队。公司给圈子一个奖金包，用人和分配由圈长和班委、HRBP 决定，HR 和职能部门只有建议权。先在消费者业务试点。为什么以前拆不动、现在能拆？陈彬的回答是：“原来可能需要二三十个人干的，现在只要三五个人就可以干了。”

→ “重新站起来，再重新坐下”：三轮内部报名 第一轮放出增量岗位——公司级一二十个 agent 及对应的 agent builder 和 FDE；第二轮放出各圈子的空缺角色。报名者先用一个 skill 自我发现，再做 3–5 分钟答辩，评委打分后还用 AI 分析发言记录做匹配。三轮下来，公司挑出了大约 10%–20% 的人。原部门想补人？先用 AI 补，再用 AI 管培生补，实在要社招，走 CEO 特批。

→ AI 管培生：鲶鱼、少年感和“半桶水”的经验 鹿客年底计划招 50 个 AI 管培生，目前已接近 20 个。内部找 L3 很难，管培生却天然就是 L2，有人自己参加飞书的 AI 大赛拿了奖。陈彬说经验有时反而是累赘，“往往是那种半桶水就比较恐怖”。管培生入职后有 1–3 个月考察期，必须用 AI 真正给业务带来改变，才能进圈子转正。

→ “FDE 是来蒸馏我的吗？” Mars 观察到，很多公司基层口头欢迎、心里反弹，中高层阳奉阴违。鹿客的宣讲会上也真有人问“是不是来取代我们”。陈彬的回答没有安慰：你会被用 AI 的人取代，竞争对手不在公司内部，而在整个行业，“你跑得慢，那你不是被公司淘汰，你是被这个行业甚至整个社会淘汰了。”

→ AI 只能提数量，提不了质量？做设计、内容、营销的老员工常有这种判断。陈彬的回应是经营思维：小红书种草之后能不能带来转化？他自己有 CEO agent，公司还有 COO agent，他感受到的是决策质量的提升。研发每天都有正反馈，所以转得快；营销品牌还要追问 so what，所以转得慢。

→ 华为 IPD 不必推翻，AI 只是让它跑得更快 面对“AI 颠覆一切”派和守成派的争论，陈彬在公司里反而是最激进的那个，但他认为 IPD 本身是合理的：从 SP 到 BP 以前至少三个月到半年，现在两个月；“五看三定”以前看三周，现在三天甚至一天。节点还在，只是加速。培养 PDT 经理的轮岗不能跳，但节奏可以从三年一岗压到一年甚至半年。

→ 彩蛋：不是每家公司都该跑这么快 Mars 抛出奶茶店、PCB 工厂、十万人呼叫中心三个假想客户。陈彬的建议是：越传统的行业，AI 带来的价值越低，完全可以等别人踩完坑、平台成熟了再进；PCB 工厂要等物理 AI。他坦言，鹿客加速是因为想做 AI 驱动的硬件，“如果我只是做锁……不用这么激进”。

时间戳

为什么要改

00:04 开场：你要成为那 5%、10%、20% 的人

01:42 一篇“只有老板敢写”的文章，其实是 AI 写的

03:54 什么是 AI 原生组织：从 1 到 0，假设组织和流程都不存在

组织怎么搭

06:38 HARO、AIO、agent builder 与 FDE：谁来把 AI 放进业务

13:10 阻力在哪：核心层靠选人，执行层是惯性

15:28 圈子 vs 项目组 vs 华为矩阵：把权力放到圈长手里

人怎么变

20:36 AI 管培生，以及经验为什么会变成累赘

23:23 AI 只提数量不提质量？研发转得快，营销转得慢

29:14 “FDE 是来蒸馏我的吗”，没了经验怎么挑人

35:32 第一批人怎么挑：三轮报名，“重新站起来，再重新坐下”

42:31 小飞与 X Circle：AI buff 和按贡献分奖金包

边界与未来

46:17 对标安克；组织、产品、技术三位一体；创始人必须在一线

51:17 华为 IPD：加速，而不是推倒重来

56:17 十年后的鹿客：一堆一号位，以及创始人不可替代的“0 到 0.1”

01:00:07 奶茶店、PCB 工厂、呼叫中心：不是每家都该跑这么快

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号

商务合作：公众号「AI炼金术」菜单栏中【商务】获取联系方式

节目主理人：

播客剪辑：

十六课糖

BGM：

片头：Shortwire - Reconfig

片尾：Voyageur - Time

OPC 已经凉了，FDE 会有光明的未来么？ Aug 29, 2026

Show notes

「一人公司不成立，但小团队成立。」「FDE 是来填缝的，缝填完，这个职能就消亡了。」这期节目一开场，徐文浩就把最近最火的两个词都判了刑。

有意思的是，判完刑，两个人聊出来的反而是这门生意眼下真实的样子：任鑫最近专门找了一个英国回来的年轻人，在上海挨家上门，帮一群企业家做一件事——装 Codex、绑信用卡。这里面不乏几百亿体量的公司。你以为大家都在讨论 harness 和 agent，实际上世界上绝大部分人还卡在你想都想不到的地方，连你叫得出名字的高科技公司，创始人日常用的还是豆包。

这期是任鑫和徐文浩连麦：从 OPC 和 FDE 两个热词的降温，聊到国产模型的井喷、蒸馏的争议、模型会不会变成水电煤，再聊到徐文浩对 DeepSeek 新 harness 的独家判断——骂的人和夸的人可能都没看到点子上，它不是一个好的 agent，但可能是「可塑软件」时代一个很有意思的内核。

本期亮点

→ 开场就把两个热词判了刑。徐文浩观察：OPC（一人公司）这个词温度在下降，FDE（Forward Deployed Engineer）温度在上升，「我感觉快要到顶点了」。他的判断一直没变：「OPC 本身不成立，但是团队规模小是成立的」——现代社会做一家公司，产品、销售、交付的复杂度还是很高，而且假设一个人能搞定，多一个人能不能 double？任鑫补了个更扎心的定义：「很多人失业了，就管自己叫 OPC。」

→ 给想做一人公司的人一句话：先卖，别攒技能。经常有人问任鑫做 OPC 最重要的是什么，是不是搭好 harness——他的回答是：「最重要的是找到谁给你付钱。」大部分 OPC 找不到谁给钱，就在那边自嗨，「我提效了这个、提效了那个」，然后去哄骗下一批想做 OPC 的人。有人说想积累技能，他说：「不要积累，你赶紧卖。」徐文浩举自己做播客的例子：想做就直接录，他们最早就是两台 iPhone 录出来的。

→ 信息差比你想象的大：上门装 Codex 是门真生意。一群很拥抱 AI 的企业家，问任鑫的问题是 Codex 怎么安装、信用卡怎么绑。他找了个英国回来的年轻人，上海地区负责上门、外地远程视频，一对一帮老板们刷卡装软件。更让他震撼的是：很多你叫得出名字的 AI 高科技公司，创始人日常在用豆包、工作里也在问豆包。「并没有你想象中人人都在用 Claude Code 和 Codex，大部分公司像我们这样的老登，转身其实挺慢的。」两人由此聊到一个共识：AI 时代有一个「做 AI 时代埃森哲」的机会。

→ AI 转型是个政治问题：老板需要一把外面的刀。为什么公司自己的人不做，要请外部 FDE？任鑫的观察：AI 革的是自己人的命——对员工是抢饭碗，对管理层是抢权。他见过最直接的一幕：一位高管当面问推 AI 转型的 HR 负责人，「你告诉我，这件事对我的好处是什么」——对方说不出来。所以老板要借外面的刀来动手，「不是能力上做不到，是位置上做不到」。徐文浩的反向安慰：「如果一个万亿大厂都万众一心，那你创业公司有什么机会？」

→ 国产模型井喷，日常 80% 的活儿已经拉不开差距。Kimi K3、DeepSeek V4 Flash、千问 27B 小模型、GLM 新版本密集发布，加上 Grok 和 Gemini 新版，徐文浩的牌桌标准很简单：市场上觉得还不错、愿意用的，就还在基础模型的牌桌上。他自己重度实测的体感：给一个明确的代码任务，「我已经分不出和 GPT、Claude 有什么明显差别」，一线模型对他日常 80% 的开发工作已经没有差别——但长程复杂大任务是例外，所有人都还有明显差距。另一个被低估的维度是快：「模型非常 powerful 但是很慢，你也受不了。」顺带贡献了本期最损的一句：「以前嘲笑谷歌是美国豆包，现在的说法是——请不要侮辱豆包。」

→ 模型会不会变成水电煤？买 AI 巨头股票像买保险。三年前大家用思想实验讨论「模型会不会变成基建」，现在有了体感证据：徐文浩说，去年 11 月不让他用 Claude，「这活没法干了」；今天不让用，难受，但换个模型也能干。任鑫的判断：大部分任务用不到最前沿的智能——「教高中物理，用诺贝尔奖得主和用大学生其实差不多」，只有竞争性工作和无尽边疆的探索需要顶级智能。所以对于要 IPO 的模型巨头，徐文浩的持仓逻辑不是炒股：「像买一个保险」——万一未来别的公司都不值钱、只有它特别值钱，你好歹占了千万分之一。

→ DeepSeek 的 DSH：不是好 harness，但是好内核。徐文浩的看法跟骂的人、夸的人都不一样。作为生产力工具他同意喷：好的 harness 都有很强的 opinion、做了大量取舍，「这个世界是很脏的」；而 DSH 万事万物皆插件，「一个万能的东西，万万不能」。至于「DSH 是奔着 RSI、通向 AGI」的说法，他的原话是「自媒体看多了脑抽」——有人扒过 commit history，DSH 的代码大概率是 Codex 和 Claude 写的，不是 DSH 自己写的。但换个视角它又非常有价值：为什么整个 coding harness 必须是静态的？为什么不能这轮对话这样拼、下轮那样拼？让 agent 运行时本身动态可变，这才是 DSH 真正做到的事。

→ 可塑软件：每个人的厨房都长得不一样。徐文浩现场投屏讲「可塑软件」（malleable software）：厨子和电工都有自己的工作间，布局、锅铲、调料各不相同——每个人用 agent 也一样，所以才会在 Codex 和 Claude Code 之后，仍然有无数团队重做自己的 agent 客户端。软件曾经因为制作太贵，必须所有人用一样的；接下来的软件可以非常个性化，「不是从零做，而是基于某个内核改成自己需要的东西」。任鑫现场认领案例：他把 HyperFrames 砍掉一半、按自己偏好改成了「Mars Frames」。对企业更是如此：别逼企业把系统换成聊天框，应该在原来的 ERP 里加入 agent 能力，未来一定是「传统软件 + agent + 胶水」的 hybrid 形态。

→ 徐文浩公司的 AI 原生组织实操，可以直接抄。飞书里有个 bug 机器人：你报 bug，它自动看线上日志和代码库，知道你是谁、看得到你账户的实际运行情况；每周自动扫描全部代码——哪些模块重复该重构、哪里文档没对齐，AI 直接把改完的发 PR 给你，你只决定合不合并；代码里禁止手写 SVG，会自动从选定的开源库挑图；设计师要改界面，工程师把 code base 给他：「你自己改，提 PR 我看一下。」两条反直觉经验：一是尽量让大家不改习惯（大家爱在飞书报 bug，就让机器人去搬进 Linear）；二是人与人沟通变少之后，几个人的团队每天「形式主义」站会一圈，反而必不可少。

→ 彩蛋：12 亿人的 AI，和家里那台 Jarvis。徐文浩想去洛阳、开封、绍兴这样的二线城市看看 AI 普及的真实水位：「如果我们真的相信 AI 是巨大的社会变革，它不应该只针对 1000 万人，应该针对 12 亿人。」任鑫贡献情报：有 O2O 创始人在做农村 AI 推广，「AI × 自媒体副业」是当下需求和供给都配上的品类。另一个彩蛋是 DHH 新出的 Omarchy 和「可塑硬件」：徐文浩在家用一台 Linux 老电脑跑起了智能家居中枢，Discord 里说句话就能开灯、看监控，阵列麦克风吼一嗓子就能指挥，不绑死在小米或苹果生态上——下期展开。

时间戳

00:04 冷开场：一人公司不成立，小团队成立

01:20 近期新闻速览：OPC 降温、FDE 升温、DeepSeek 发了自己的 harness

03:55 模型厂商的 token 毛利，正在挤压三方 agent 应用

06:13 一人公司为什么不成立：先卖，别攒技能

09:26 FDE 和「咨询＋外包」到底有什么区别

12:24 信息差比你想象的大：上门帮老板装 Codex 的生意

16:41 小团队成立：交接是效率损耗，从飞书模式到 GitHub 模式

19:08 FDE 的宿命：填完缝隙就消亡

21:05 AI 转型的政治问题：老板需要一把外面的刀

23:02 国产模型井喷：谁还在基础模型的牌桌上

25:51 实测体感：日常 80% 的开发工作，一线模型已无差别

28:09 蒸馏之争，与字节做不出 SOTA 之谜

33:07 模型会不会变成水电煤；买 AI 股票像买保险

38:17 DeepSeek 的 DSH：不是好 harness，但是好内核

43:27 可塑软件：为什么人人都在重做 agent 客户端

56:35 AI 原生组织实操：飞书 bug 机器人、每周自动重构、设计师提 PR

01:02:05 彩蛋：12 亿人的 AI、DHH 的 Omarchy、家里那台 Jarvis

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号

商务合作：公众号「AI炼金术」菜单栏中【商务】获取联系方式

节目主理人：

播客剪辑：

十六颗糖

BGM：

片头：Shortwire - Reconfig

片尾：Voyageur - I Will Fight For You

AI 原生组织转型 02：用 AI 推进流程、闭环迭代 Aug 27, 2026

Show notes

不是转组织来用好 AI，而是用 AI 来替代组织。

上一期讲完对齐，推进只讲了一半。这一期把剩下的传导、检查讲完，再讲第三件事：闭环——让公司自己变强，再让市场来教公司。

（换了更好的话筒，音质应该会好一点）

本期亮点

→ 最好的传导就是不要传导。福特流水线真正的革命不是工位上多了几台机器，是那条传送带本身就是机器。组织也该这么设计：不只是「这个活可以让 AI 干」，而是从一个任务到下一个任务、一直到交付用户，流程本身该让 AI 来推。安克的反转很说明问题——流程类 AI 培训满意度巨高，回头一看 agent 根本没人用；想明白之后倒过来，让 agent 推动人：项目容器、21 个智能体的编排、全局仪表盘。「我们招这么贵的人，不是用来查信息盯进度的。」

→ 把活交给总线，隐性知识会被逼出来。活交给老王，他可以私下找我碰一下，哪个点没说清楚永远不会暴露；交给流水线，下游没机会来问，就必须说清楚，返工还会被记录，在制品堆多少全写在明面上。代价也要说：从每个人去推事情，变成事情在推每一个人，效率完全不一样，但自主性在下降——人类既是董事长又是打杂的，可一个具体的人在干活的时候，只会感觉到自己是打杂的。

→ 比设计工作更重要的事情，是设计检查点（安克阳萌）。AI 有幻觉所以不能用？「我的幻觉比 AI 严重多了。」我们从来不是靠相信每一个人，是靠机制、靠检查。徐文浩的公司有几十道门禁、几百个测试用例，照样翻车——AI 把 test case 全 mock 掉，用模拟数据假装跑了一遍。所以检查必须用一个干净的、跟之前干活无关的上下文，做对抗性的检查，而不是顺着来。

→ 大部分传统公司是开环系统。所谓闭环就是隔几个月开个战略会反思一下，实际上啥都不干。AI 做闭环有三个优势：有能力（很多人愿意做卷子，但不愿意对答案）、能落地（流水线本身 AI 原生了，经验才写得进去）、没私心（业务问题不再变成谁甩锅的政治问题）。落地不用先建中台写 SOP：Claude Code 团队用 Claude Code 写 Claude Code，成功失败都写进 CLAUDE.md——你既要总结经验，还要总结「总结经验」的经验。

→ 安克的自迭代 loop，48 小时走完一圈。亚马逊销量下跌，系统自己拉库存、拉广告、拉竞品把上下文凑齐，定位到广告预算被错误停掉，发工单、修改、验证。归因错了也不拖着，自动综合其他因素开始下一圈。生产中发现螺纹开裂，就一层层剥到根因，最后变成一个永远会被触发的检查点——从「以后大家要注意」，变成一个永远会被做到的点。

→ 傀儡闭不了环，接班人才能。外部闭环依赖前面两件事：先让 AI 做对齐它才掌握事实，先让 AI 推进工作它才是项目的 PMO。最干净的案例是广告投放——AppLovin 一批 500 次滚动迭代；HF0 孵化的公司 100% AI 生图投广告，「别人一周迭代两次，我们一天迭代 20 次」。最终信号太慢就找前置信号（艾语智能的催收立案）。要大搞就抄 Block：公司本身是个 AGI，在客户需要钱之前，AI 先组装好金融产品推给他，整个公司变成一个推荐引擎。

→ 彩蛋：看到方向不等于做得出来。你在自己公司推这套，基层觉得你是来抢饭碗的，管理层觉得你是来抢权的，一定会出现大量鬼故事。愿景和落地之间那个 gap 怎么跨，下一期聊。

时间戳

00:00　接上一期：效率的三层，这期补完推进的后两步

02:30　传导：最好的传导就是不要传导；福特流水线真正的革命

04:00　安克的反转：培训满意度巨高，agent 没人用；项目容器与 21 个智能体编排

07:50　酒店空调那通电话，为什么要被转述四次

10:00　交给总线，隐性知识被逼出来；代价是自主性下降

14:30　检查：比设计工作更重要的是设计检查点

16:00　几十道门禁也翻车：AI 把测试用例全 mock 掉

20:30　闭环：大部分传统公司是开环系统；AI 做闭环的三个优势

25:00　不用先建中台：沉淀成 skill；总结「总结经验」的经验

30:40　安克：销量下跌到修正，48 小时走完一圈；螺纹开裂变成永久检查点

36:00　外部闭环：傀儡闭不了环，接班人才能

37:50　AppLovin 一批 500 次；HF0 一天迭代 20 次；Block 把公司做成推荐引擎

43:00　人类剩下的四类角色；收口：主语必须是 AI

45:00　彩蛋：愿景和落地之间，卡着饭碗和权力

【可以直接摘走的几句】

「最好的传导就是不要传导。」

「我们招这么贵的人，不是用来查信息盯进度的。」

「比设计工作更重要的事情，是设计检查点。」

「我的幻觉比 AI 严重多了。」

「很多人愿意去做卷子，但是他不愿意去对答案。」

「不是用 AI 干活，是 AI 指挥着整件事情来干活。」

XMind Mango：分活，分圈，分钱，搞 AI Aug 24, 2026

Show notes

「不改组织的话，AI 干的活算谁的功劳呢？」

二十年的老牌软件公司 XMind，把自己从五十多人的部门制，重装成三十人左右的「圈子制」：解散测试团队、打散增长和市场部门、职能部门退化成社区，一个人拆成 0.2 和 0.5 的人力到处「内部兼职」，绩效由 agent 记账、agent 打分。

这一期只谈实操：怎么分圈、怎么分活、怎么分钱，踩过哪些坑，团队走光了怎么办，保守的老板和激进的老板分别应该从哪一步开始。

如果你也在琢磨「AI 组织转型」到底怎么落地，这是一份带血带肉的第一手施工记录。

嘉宾

Mango：XMind 联合创始人，在公司干了 20 年，各种岗位都干过，从开发做到产品设计，现在主要负责商业化和增长。亲历并推动了 XMind 从部门制到圈子制的组织转型。

本期亮点

→ AI Native 组织的核心，是减少人与人的摩擦。Mango 开场就把结论放在桌面上：因为有 SOP 流程的存在，人和人之间的卡点就卡在人那儿了，人与人之间的摩擦成了核心摩擦。AI Native 的组织是尽量减少人的摩擦，「把那些可能会有人的摩擦的部分能够自动化，就自动化」。任鑫听到结尾当场拍板：这句话要拿来做标题。

→ 产品经理直接在代码仓库里搭原型。 XMind 的产研流程被整个重排：以前产品写文档、画交互图，设计再做设计，再给开发一起审核；现在产品和设计直接在代码仓库拉一个分支，把原型搭完。研发一看，产品逻辑已经被产品经理实现了，只需要审核架构问题和长期可维护性，测试用例这些都被 harness 工程自动化了，审完就可以合并到主分支。

→ 解散测试团队，才发现全公司在手动测试。今年 XMind 把测试团队全部解散，之后才发现这家「号称技术比较先进的公司」居然几乎全部在做手动测试，没有自动化测试，连测试报告和 checklist 都没有，全靠人说「测完了」。Mango的反问很扎心：如果一个 AI 这样给你干活，你信吗？任鑫补刀：「有可能你组织里面现在的这个环节更不靠谱，只是你没有把它挖出来看一下。」

→ 一个人拆成 0.2 和 0.5，到处内部兼职。绩效跟着圈子走，你 30% 的时间在我的圈子里，这 30% 就百分之百由我和伙伴们来评价，跟别的圈子没有半毛钱关系。职能部门退化成 community，像行业协会，只管技能等级的晋升认证。

→ 分钱之后，自我管理能力自然就提升了。圈长像带着几个 cofounder 创业的小 CEO：有打分的权利，也有分钱的权利。三万块奖金怎么分？有人全分了，有人分一半、下个季度及时讲。Mango观察到的变化是：只给责任不给权利，人就还是在打工；让圈长真的去分钱之后，「大家的这个自我管理能力就自然的提升了很多」。

→ agent 记账、agent 打分，把绩效摩擦自动化掉。光有方法论不行，最重要的是得有人记账：谁在什么时间、在什么圈子、做了什么事。绩效评估交给 agent 按共同认定的评分标准来打，因为人打分总有远近亲疏，agent 没有。「有什么问题你问 agent……你不太可能会说 agent 不懂你，对吧？」所有的问题就从「我的问题」变成了「你的问题」。

→ 两个月，补齐了二十年没有的用户手册。 XMind 产品做了二十年，一直没有用户手册、帮助文档和视频教程。以前算过账：招人加翻译公司，每年要花数百万。组织改完之后，大概两个月就有了完整的多语言用户手册和教程。Mango的解释直指要害：「如果不改的话，那个事情算谁的功劳呢？」没人认领功劳的活，永远排期排不到。

时间戳

00:05 开场结论：AI native 组织要减少人与人的摩擦

02:22 为什么改组织：薪水是最大成本，AI 对 coding 提效太大

03:49 产研流程重排：产品经理在代码仓库里搭原型

09:43 增长和市场团队解散，增长归产品自己管

13:42 圈子制实操：一个人拆成 0.2 和 0.5，到处内部兼职

18:42 从手画圈子、OKR 翻车，到分圈分活分钱

31:19 效果盘点：两个月补齐二十年没有的用户手册

35:43 段子：解散测试团队才发现全公司在手动测试

37:45 弯路：大厂增长打法和数据分析话术为什么不 work

43:24 agent 记账、agent 打分：把绩效摩擦自动化

51:54 复盘：别犹豫，人事决策从几个月缩到两周

53:34 给保守老板和激进老板的两套改法

01:01:14 传统企业怎么办：给面馆老板配 AI 幕僚

01:07:18 踩坑实录：老板必须亲自下水，团队走光了怎么办

01:16:42 三层 boss：任务提效、组织提效、经营决策

欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号

商务合作：公众号「AI炼金术」菜单栏中【商务】获取联系方式

节目主理人：

播客剪辑：

十六颗糖

BGM:

片头：Shortwire - Reconfig

片尾：Zachary Knowles - carpool

AI 原生组织转型 01：用 AI 对齐事实、对齐打法 Aug 22, 2026

Show notes

最近来找我聊的朋友，问题都变了。以前问的是用什么模型、要不要培训。现在问的是：我们已经在用 AI 了，很多人用得还不错，但整个组织的效率好像并没有提升。更诡异的是有些公司说，效率确实提升了，人也裁了——裁员你总归省了一部分钱吧——但公司利润也没有增加。这是第二阶段的鬼故事。这一集把它拆到底。这条路分五段走：局部提效为何失效 → 重新发明组织 → AI 接管对齐事实 → AI 接管对齐打法 → AI 接管推进一、局部提效为何失效先说效率其实有三层，而我们大部分注意力都花在第一层。第一层是单点效率——一个具体的员工、一个具体的活、他干的速度。这对打工人非常重要，但对公司不是。第二层是组织协调——把很多人的劲往一块使。第三层是市场和战略——你打下来的是什么样的城市，有些仗打赢了也是亏的。单兵能力和组织作战能力，这两件事很多时候没什么关系。那为什么光做第一层没有用？三个原因：阿姆达尔定律：一件事有很多环节，你只搞其中一个，对整体的效果有限。上海到北京飞两小时，提速 30% 是伟大的科技进步。但打车、提前量、安检加起来，门到门本来就要五个小时——省下的半小时摊进去，在我脑子里其实变化不大。局部优化哪怕做得花团锦簇也一样。我自己做过非常好的 demo，合作方连 PR 稿都发了，我自己也会吹牛逼。过一段时间再问「这个东西后来有用吗」，答案是「其实也没什么用」。系统的表现取决于瓶颈：你优化的那一环不是瓶颈，提了也白提。后厨的洗菜工切菜工手速快十倍，但厨子没加、灶台还是四个——菜洗得再好堆在那里也没用。就算整条后厨都快了十倍，门口进来的人没有增加，你还是赚不到钱。也是最要命的：大头根本不在「做事」。知识工作最大的时间和精力消耗，不是在做这件事本身，而是在开会、在对齐协调、在对接交接、在等待。不同报告不同口径，基本都指向 60%。而且你工资越高，这种交互越多。不信可以翻一下你上周的日历，看看多少时间在干活、多少在开会；开的会里又有多少是为了沟通对齐，多少是为了这件事真的发生。所以你把那 40% 做到极致，也动不了那 60%。更狠的是：每个模块都正确，系统仍然可以烧毁。火星探测器飞了九个半月、几亿英里，到了轨道直接烧在大气层里——一边用英制、一边用公制。一亿多美金打水漂。各自做的都对，说不定还加班了还提效了，整体上做出来是个零。AI 并没有制造这个瓶颈。以前干活干得慢，慢盖住了协调的损耗；现在干活快了，它就露出来了。二、重新发明组织那怎么办？先得回到一个原点：组织到底是用来干嘛的。我们常把组织当成天经地义的东西，像天上有蓝天白云一样。想 AI 转型的时候就想：我们就一定有一个组织，把它转一转，就能更好地用好 AI，我们还是那些人，我们还是好兄弟。但现代公司制度其实是一种发明。层级、部门、流程、KPI，都是很近代才有的，是用来解决具体问题的：信息路由和管控。而每一个零件，都架在某个稀缺假设上。层级，是因为一个人看不过来。可滴滴一个后台管 1000 个司机，谁送到哪、车上录音都看得见——「看不过来」还成立吗？部门，是因为人脑装不下，所以要把一堆专才塞一起、给一个统一界面对外。可如果每个人身边都有一个会翻译的小秘书呢？流程，是因为看不到全局所以要管控。那为什么还需要人类来做这个管控？AI 来了像小行星撞地球，生存环境已经变了。过去留下来的东西不是没道理，是上一个时代的道理。坐月子不能洗头，在没有热水器、没有电吹风、没有青霉素的年代是有道理的。所以有了这一集那句暴论：「AI 不是组织的工具。AI 是竞品，AI 是组织的替代品。」不是把原来的组织转一转好去用 AI，而是想怎么用 AI 去替代原来组织的绝大部分功能。具体落地，最先发生的往往是三件事：对齐、推进、闭环。这一集讲完对齐，推进讲了一半。三、AI 接管对齐事实对齐无非两件事：对齐事实（世界现在是什么样子）和对齐打法（我们做事的规矩是什么）。一支军队如果每个连队看到的地图不一样、打法也没协调过，那就是一锅粥，人再多也打不出来。先说对齐为什么这么贵。传统组织在这里有两个问题。一是工作量是平方级涨的。三个人三条沟通路径，50 个人就是 1225 条。所以大公司为什么慢？维持一个统一的想法实在太难。二是——你可能觉得也没那么夸张——那是因为我们其实根本没在对齐。设计师考虑了一百种方案，最后压成一张图或者三页 PPT 交出去，隐空间里那些东西全丢了。下一个人接到压缩包再重建，中间长出大量幻觉。压缩、还原、压缩、还原，像快乐大本营的传声筒，传到最后不知道传成什么样。所以传统对齐是：太贵，而且仍然对不齐。那 AI 凭什么能解决？第一，它把 N 乘 N 的问题变成 N 的问题——大家不用互相聊，统一跟一个 AI 聊。第二，它管得住的上下文比人大太多。以前也有 PMO 这个角色，但 PMO 参加不了每一个会，只能记住几个要点；AI 可以掌握全部，压缩比低得多。第三，下达的时候它只把跟你有关的那部分递给你——20 个人的项目文档更新了 40 条，你根本不知道哪条跟你有关、也不知道怎么搜。真正的对齐，是所有人操作同一个对象。波音早年各部门都用上了 CAD，但一个部门画完，会把图纸打印出来交给下一个部门，下游用肉眼看图再画自己那份——因为哪怕你用的是 CAD、我用的是另外一个 CAD，两个文件是不通的。结果一扇门反复改一万两千多次，最后还得打实体木头假飞机来试装。直到 777 说这太傻了，到云端搞一架云飞机，所有人操作同一架。然后是这一集我最想让你带走的那句：你的会议纪要，就是那张打印出来的图纸。你们公司为一款智能耳机开了 12 个会。这 12 个会的会议纪要，是单独的还是连续的？一个会决定螺丝改大，另一个会决定把大螺丝那家供应商换掉。两个结论各自成立，合在一起却打架——而这个冲突要靠人的脑子才能发现。为什么要靠人的脑子？这份纪要是给谁看的？「螺丝改大一点」这个结论，不该去改一份纪要文档，它该去改云端那只耳机。我们嘲笑古人把图纸打印出来传、嘲笑一边公制一边英制——可我们自己，不也是这么处理问题的吗。正在发生的做法，我看到四种。出门问问 / 李志飞：每个项目一个 agent，管这个项目的全部上下文、进展、待办、风险。有一个说法是不准人跟人开会——信息不该从一个人流转到另一个人。安克创新：新品上市原来十几个节点、大几十个判断点，每个节点做到 99%，叠下来损耗还是超过七成。改造后 20 个环节变成三四个大环节，交接从 20 次降到 4 次，而且每次交接传的是明确定义的完整数据对象，不是一份薄摘要。所有产出汇进项目池，一个假设变了——比如颜色改成蓝色——所有相关方同时拿到最新状态。（B 站有公开课，强烈推荐。）Claude Tag：可以在 Slack 里 at 的机器人。别把它想成豆包，它持续读你授权范围内的全部上下文，拿到的是多人环境的所有线，还会主动冒出来说「那边已经把螺丝改了，这家供应商现在不能换」。还有一种不对齐，不是没沟通，是彼此以为听懂了。这种对齐一个统一的库解决不了，得靠把东西做得更没歧义。一句诗可以有一千个哈姆雷特，但一个微信长什么样子，没有解释空间。所以现在创业公司基本都在用 demo 沟通，很少还靠文档。Flomo 的少楠，产品经理要自己先写代码跑通，拿到结果才写 PRD。Botlearn 是研发直接上线 MVP 去找客户验，靠谱了再找设计师做好看。我们孵化的一家 AI 转型服务公司更夸张：跟客户开会半小时，当场甩 8 个可以点的 demo，按钮功能全有、里面全是假数据。王总一边点一边说：第二个好，第三第四不是我想要的，第五个你误会我意思了。半小时问出来的东西，空口讨论两天也问不出来。四、AI 接管对齐打法想让大家按规矩做事，传统上就三招，而且三招在三个不同的地方失效：培训——请我这样的人去讲一堂课，大家鼓掌说讲得真好，回去全忘了。制度——写得特别精彩，根本没人看。KPI——大家想到歪门邪道把数字搞定，但不做正事。我最近在抖音上老刷到一种广告：前一段时间原价买的人现在一定哭悔死了，今天大降价只要多少钱，那些人已经哭晕在厕所了。如果我是这个品牌的老板我一定气死——这是在赤裸裸地教育用户，以后再也别在原价的时候买你家东西。可它整段没有一句说品牌不好，你很难指出它哪里违规，但你一眼就知道它在伤品牌。这种行为你怎么控？还有个朋友是很大的 K12 公司，非要找 AI 电销。我给他拉了个头部的人工电销公司，按效果付费，买不了吃亏。他说不行，我还是想找 AI 的。为什么？「我们内部有外呼团队，只要定下 KPI 他们总有办法拿到，可那个过程的话术永远不是我想要的。」他要的是又有过程又有结果。这种自相矛盾的要求，只有 AI 会答应——人类听到，只会想把老板干掉。所以打法的对齐，方向是把规范写进执行环境，而不是贴在墙上。三个正在发生的做法：Botlearn / 俊东：设计师把品牌规范（什么颜色、什么 logo、字多大）全部写成一个 skill，做 presentation 时调用一下，整份文档自动符合规范。原来的规范是一本册子让你学着对照，现在它是一个按钮。不要说是又讲一个道理，而是把它变成一个按钮。安克 / 阳萌：检查点优于行动、先于行动，标准是贴在检查点里面的。关键是检查的那个 agent 上下文必须独立——徐文浩就踩过坑，让 agent 去做测试用例，它把测试全 mock 掉，绿灯一片其实啥都没干。你要的是一个对抗性的、干干净净的 agent，就像你怀疑一个部门的时候不会让他们自检自查。ZooClaw / 徐文浩：Vibe Coding 之后没人守代码规范，每个人画 SVG 都自己画一套，公司里明明有库可以复用。传统解法是培训，培训不会听。他们的解法是让 AI 去扫每个人代码里写 SVG 那部分，直接重写成复用公司库的版本。因为人类是不想学习的，就机器学习。达到了对齐的效果，但没让人类支付对齐的成本。顺带回一个常听到的顾虑：AI 还不靠谱、有幻觉、能力不够。人类更有幻觉，人类更不靠谱，那你为什么敢用人？因为你有测试、有内控、有流程。解决 AI 的问题也一样——不是指望某一个 AI 当场办妥，而是用一套机制打出来。五、AI 接管推进这一集后半还有 20 分钟在讲第二件事：推进。推进拆开是四步——发现活、分配活、传导活、检查活，这一集讲完前两步。组织最大的时间损耗，发生在任务之间。方案做完了躺在群里等产品，产品看完了躺在邮箱里等法务，法务看完了躺在系统里等采购。也不是白等，每一站都给你一点反馈，然后「我们再碰一下」「下次拉上谁一起看看」，就没完没了。传统解法是养一批人专门补缝，叫 PMO；再狠一点是把两个部门合并，用一个老大的权威硬推。所以公司里贵的人在干嘛？你给他那么多钱，主要不是为了他的专业性，而是他能够让事情推动。AI 凭什么推得动？它更知道全局，它更耐得烦，而且它更不怕得罪人。安克早期也做了很多 agent，培训完满意度巨高，回去之后全都不用了。为什么？因为流程的推动引擎还是人——人是发动机，agent 只是可有可无的工具。后来他们把这句倒过来：是 agent 去推动流程，而不是人去用 agent。发现活的最高境界，是活自己举手说该干我了。海底捞的小平板会告诉你哪张桌子刚空、哪张需要清理，不用人巡场——人巡一趟就是一段延迟。美的原来每两小时开班组会跑到大屏前碰一下，现在用人形机器人去扫、去识别、自己派工单。数字世界更难，但也有：安克在亚马逊上某个产品销量下跌，不等人去发现——系统自己报警，自己排查是不是没库存、广告流量少了、有差评，把看过的东西打成一个包，直接生成工单派给最能解决的人。不是等到周会上过数据说「上周这个为什么跌了」「我去查一下」。分配活也一样。你中午点外卖、出门打车，那个调度是人做的还是 AI 做的？我们早就接受了 AI 调度骑手和司机。腾讯研究报告里的 CodeBuddy，每天早上根据历史情况给程序员派活让他挑一条。酷特智能（前身红领）的工厂，衣服到了工位，RFID 一识别，屏幕直接告诉工人做什么——不是一个人类分配给另一个人类，再由那个人决定要不要用 AI。而且活要变大。每个人用上 AI 之后产能翻了 N 倍，你还按老尺寸派活，他做完一小块马上又要交接一次，人很憋屈、摩擦反而更大。真正的三倍，是少了两次交接。传导、检查，以及第三件事「闭环」，在下一集。彩蛋：AI 接管之后，人反而更累一个悖论。平时 80% 的工作是低智力、低算力的，我们嘴上抱怨那些无聊工作，但它对脑子其实是休息。当 AI 派来的每个活都要你做真正的决策，脑力消耗会大得多。我自己的体感是：工作时间没怎么增加，但脑力上的损耗可能是以前的好多倍。做一个 PPT，以前随手就做了，现在每个模块 AI 至少给我出上千万字的东西，你大量的时间在看，然后还会去找各种人聊，对事情的要求又在变多。有点像福特。他一直被说成大好人给工人涨薪，其实是因为把工人放上流水线之后，原本还能歇一下的人发现自己永远要干活，不涨薪他就跑了。所以真让 AI 发现活、分配活之后，留下来的人强度是要变大的。你要么挑更好的人，要么给更多的激励——这又需要组织其他部分来配合。可以直接摘走的几句「你可以买来好军舰，但是你做不出好海军。」「AI 不是组织的工具。AI 是竞品，AI 是组织的替代品。」「大家应该云端操作同一架飞机——是操作同一个对象去对齐，而不是去增强点对点的沟通能力。」「我们嘲笑古人把图纸打印出来传，我们自己不也是这么处理问题的吗。」「不要说是又讲一个道理，而是把它变成一个按钮。」「因为人类是不想学习的，就机器学习。」「全部用 AI 来做检查，甚至全部用 AI 来做操作，只让人类做例外。」「人类更有幻觉，人类更不靠谱，你为什么敢用人呢。」「你给他那么多钱，主要不是为了他的专业性，而是他能够让事情推动。」时间轴00:00　鬼故事：人人都提效了，公司却没变快、也没多赚钱01:30　效率的三个层次，以及我们为什么只盯着第一层04:30　一、局部提效为何失效：阿姆达尔定律与门到门那五小时07:00　系统由瓶颈决定：洗菜快十倍，灶台只有四个08:30　大头不在做事：60% 的时间在对齐；火星探测器毁于单位不一致11:30　AI 只是把长期被盖住的瓶颈暴露了12:00　二、重新发明组织：张一鸣、满清买铁甲舰、买军舰与做海军13:30　层级、部门、流程分别架在什么假设上；坐月子不洗头18:56　暴论：AI 不是组织的工具，是组织的替代品20:30　三件事：对齐、推进、闭环21:30　三、AI 接管对齐事实：对齐事实与对齐打法23:00　对齐为什么贵：1225 条路径，加上有损压缩的传声筒25:40　AI 凭什么能解决：N 平方变 N，只把你需要的递给你29:10　波音 777：从打印图纸，到云端操作同一架飞机32:40　你的会议纪要，就是那张打印出来的图纸39:10　出门问问、安克创新、Claude Tag46:10　很多不对齐是以为听懂了：少楠、Botlearn、半小时 8 个 demo49:40　四、AI 接管对齐打法：培训、制度、KPI 在三个地方失效52:10　K12 电销：又要过程又要结果，只有 AI 会答应54:40　把规范写进执行环境：俊东的 skill、阳萌的检查点、SVG 重写57:10　人类更有幻觉，你为什么敢用人60:40　五、AI 接管推进：损耗全发生在任务之间65:20　是 agent 去推动流程，而不是人去用 agent66:10　发现工作：海底捞的平板、美的的机器人、安克的自动工单70:40　分配工作：CodeBuddy、酷特智能，以及真正的三倍77:50　彩蛋：AI 接管低算力工作，人类反而会更累欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！商务合作：公众号「AI炼金术」菜单栏中【商务】获取联系方式节目主理人：徐文浩：AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。任鑫：基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。

Full show notes at the publisher

Ouraca 张栖铭 & 吴俊东：只要你还在开会，你们公司用了 AI 也快不起来 Aug 13, 2026

Show notes

「如果一个组织还需要不停地开会和大量地写文档来做对齐，那它一定快不起来。」

这不是管理鸡汤，是一家 AI 创业公司踩了一年多坑之后的结论。

这家公司现在没有日报周报，每天只开十分钟站会；产品、设计、研发全员写代码，想知道谁的进展，直接上 GitHub 拉代码跑一下。但他们也坦白了另一半故事：最开始全员用 AI 提效，版本却没有变快，人反而「脑子都烧坏了」——因为他们只是在用 AI 加速旧流程，开会、评审、对齐的时间一分钟都没省。

本期任鑫请来 Ouraca 的两位联合创始人张栖铭和吴俊东，把一家 AI native 公司的组织形态从头到尾拆开：怎么分工、怎么对齐、怎么定 OKR、怎么判断人才。如果你也在纠结 AI 到底有没有让你的团队变快，这一期会让你先放松下来——然后知道该改哪里。

嘉宾

张栖铭：Ouraca 联合创始人，负责产品与研发。曾在字节智慧教育负责整个中台，做过多个亿级用户量的产品。本期大部分一线踩坑细节和组织打法来自他：从「AI 写的按钮为什么先变小再播放」，到「按上下文分工而不是按职能分工」。

吴俊东（Frank）：Ouraca 联合创始人，哈佛肯尼迪学院毕业，非技术背景出身。曾在好未来七年，一半时间做投资，一半时间负责内容营销等业务。作为文科生，他用 vibe coding 独立写出了一个能实时侦测屏幕、教你操作电脑的 Mac 客户端——他是「learning by building」这个理念的活案例。

本期亮点

→ AI 提效的三个错觉，让他们「经常睡不着觉」。张栖铭复盘一年多前的踩坑史：团队小、决策链短、同事能力强，按理说套上 AI 应该起飞，结果出了一堆人类无法理解的诡异 bug——一个播放按钮被 AI 写成「先变小再播放」，改了别的功能后这个隐藏逻辑突然暴露出来。「发现冰山一角的时候，你不知道水面下还有多少问题在。」

→ 拆完时间账才发现：AI 在加速旧流程，而旧流程的大头是人跟人对齐。每个节点都在用 AI，版本却没快多少。真正写代码的时间本来就不长，大头是开会、讨论、评审——这些一分钟都没省。更惨的是双重工作量：先让 AI 生成，再看懂 AI 补的细节，再讲给别人听，被问两句卡住，「别人就觉得这个人没想清楚就把事情丢过来了」。

→ 解法是按上下文分工，不是按职能分工。访谈了一批「一个人做七个产品」的超级个体后，张栖铭发现他们快的原因是：每个决定对自己都是确定的，没有上下游对接。于是公司改成一个人负责一个完整上下文闭环，「除非必要沟通，其他就不沟通」——讨论观点不如各自出 demo，最后让 AI 把两人 demo 里好的部分合成一个。

→ 流程反转：研发先上线，设计师最后介入。主流程变成：有想法的人直接做出 demo 发给真实用户，验证没问题之后，设计师才把代码拉下来、直接改代码做优化——不再画 Figma 设计稿。开会基本没有，「务虚的东西很少，全部看实际的产出页面」；想知道某人进展，上 GitHub 看提交、拉下来跑一下，日报周报「完全不需要」。

→ Claude 团队的「五种人」，他们已经默默实施了很久。原型者用 demo 代替空对空讨论；建造者把原型变成生产级产品；清扫者专门叫停和删掉不必要的东西——当开发成本趋近于零，「顺手就做」会堆出大量无效甚至负向的功能，任鑫补充：Claude Code 团队自己也把 harness 里 80% 的代码删掉了；再加上增长者和维护者。

→ 两个最容易踩的风险：AI 让自我欺骗更高级，以及更快地做出没人要的东西。模型天然倾向顺着你，「你说什么它都能夸你从一个非常不一样的视角给出了答案」——所以要刻意让它做反方辩手。而当做东西不再花时间，对需求场景的判断力反而变成最稀缺的东西。

→ OKR 的新写法：少写完成了哪些功能，多写验证了哪些假设。以前定 OKR 是垫脚就够得着的确定性目标，照着做；现在一个双月已经「非常漫长」，应该用大目标逼出完全不同的思路——呼应任鑫引的 YC 掌门人 Garry Tan 的说法：把目标定成 boil the ocean。「你说去楼下，那你只能想到走楼梯；你说登月，思路就宽广了。」

→ 人才判定翻转：「杠杆率」取代「靠谱」。古法编程时代产出稳定、节假日秒响应的靠谱员工，现在分数反而变低；能把模型当成一堆虚拟员工来编排的人，发挥出的能力是以前的十倍百倍。张栖铭现在看人只看三样：业务理解、元认知、能不能快速把模型的杠杆拉满。

→ 彩蛋：给普通人的两个动作。吴俊东：停止刷视频课，找一个 project，能用 AI 就用 AI，从头到尾做出来、给真实用户用——learning by building，「现在是 the age for builders」。张栖铭：把日常的会议、文档、语音全部沉淀下来，「蒸馏自己」，飘到天上客观地看自己。任鑫自曝已经在做：全天候录音，每晚处理，「所有电话会都会自动后台偷偷录下来」。

时间戳

00:05 开场：还在开会的组织快不起来

02:40 踩坑史：AI 提效的三个错觉，与人类无法理解的诡异 bug

05:59 拆完时间账：AI 在加速旧流程，对齐时间一分钟没省

08:46 访谈超级个体的启发：按上下文分工，一个人负责一个闭环

12:01 全员出原型：不许空口白牙提需求，拿 demo 对齐

16:48 岗位边界模糊：负责人要降低控制欲，学会「外包式躺平」

19:46 Claude 团队的「五种人」：原型者、建造者、清扫者、增长者、维护者

25:28 元认知与杠杆率：开工先问模型「你会怎么把这事做到最好」

30:11 协作实况：全在 GitHub，设计师直接改代码，没有日报周报

37:32 两大风险：AI 让自我欺骗更高级；更快做出没人要的东西

39:21 OKR 新写法：少写完成了哪些功能，多写验证了哪些假设