· 82:21 · 完整中英
范皓宇的产品完整性：数据之外，要看人与产品怎样一起生活
嘉宾 / 主讲：范皓宇
范皓宇自述做产品与设计约25年，经历工业设计、手机、游戏、自媒体、操作系统和汽车。他把贯穿这些行业的能力概括为观察、理解、组合和压缩：看见更多生活要素，再把复杂条件变成用户能够直接感受到的方案。
42 ZHANGJING · EPISODE COLLECTION
42章经 · 单期精读
把每一期的具体机制、案例和适用条件，变成随时能找到的阅读入口。先选主题，再找嘉宾；也可以按时间回看观点如何变化。
日期均为原节目发布日期；同一期可属于多个主题。嘉宾身份与观点保留节目当时的语境。
单期精读
第 21–40 期 / 共 60 期 · 44:28 · 完整中英
代码更便宜以后，组织要缩短交接，也要接住后果
嘉宾 / 主讲：任川
回听：02:04—09:25、40:57—41:53。 Palona AI 当时做美国餐饮电话服务，包括预约、点单和咨询。任川自述可靠性可达 95%—98%，但本期没有交代任务集、失败定义和转人工口径，因此不能拿它直接与其他 Agent 比排名。
· 50:13 · 完整中英
Mercor 的切口：把找到专家，变成可信的持续交付
嘉宾 / 主讲：虞快
回听：01:57—06:39、18:48—19:43。 虞快列出的需求很细：医生、律师、特定编程语言工程师，甚至某一语言和学科的交叉人才。模型公司可能知道模型有问题，却未必知道怎样系统判断医学或法律回答。他们需要的不只是人力，而是判断力。
· 81:07 · 完整中英
Token 消耗增长之后，谁能把智能变成持续交付？
嘉宾 / 主讲：莫傑麟
回听：00:59–09:27。 莫傑麟提到，自己印象中某月 Token 消耗较上月增长20%以上，但节目没有给出统计机构、样本和统一计量口径。这个数字可说明他的观察起点，不能作为已核行业增速。
· 58:08 · 完整中英
AI Infra 的第一道选择：先决定优化哪笔账
嘉宾 / 主讲：朱亦博
回听：01:07–07:11、08:40–11:20。 朱亦博把底层问题归纳为计算、通信和存储。GPU 之外，还要有网络、交换、存储、运维、资源调度及训练与推理框架。他借云计算的服务层次说明这些组件的位置，是解释框架，不是唯一行业分类法。
· 54:35 · 完整中英
给Agent造环境：价值在反馈、边界和中断后还能继续
嘉宾 / 主讲：雷磊
一个自动办事的Agent，需要的不只是聪明模型。它要运行代码、浏览网页、保持登录、等待人确认，再回到先前的位置。雷磊把为这些行为提供的环境称为Agent Infra，即Agent基础设施。他希望Grasp承担浏览器的通用工程，让应用开发者集中处理行业任务。
· 41:12 · 完整中英
好评测要解释真实体验：从模型榜单走到用户任务
嘉宾 / 主讲：丁丁
Benchmark是一套测试题及相应标准，Evaluation是用标准分析、判断表现的过程。丁丁从这一区分开始：公开题目能反映部分模型能力，却不必然覆盖一个产品真正处理的输入与流程。
· 52:38 · 完整中英
Sheet0谈Agent：先定义交付结果，再构建环境反馈
嘉宾 / 主讲：王文锋
王文锋用模型、环境反馈和工具行动解释Agent。放到产品里，这意味着一个连续过程：系统观察当前情况，调用工具，得到结果，再用新信息决定下一步。
· 72:49 · 完整中英
强化学习的产品边界：会答题之后，还要学会行动与提问
嘉宾 / 主讲：吴翼
回听：01:55–06:14。 猫狗分类有标注答案，模型判断一次就结束；游戏需要连续决定向左、向右还是跳跃，很多路线都能赢。强化学习（RL）根据行动后的奖励改进策略，解决的正是“过程有多种选择，最后才知道好坏”的问题。
· 56:18 · 完整中英
热度、交付和价格怎样错位：莫傑麟谈DeepSeek与Manus之后的预期
嘉宾 / 主讲：莫傑麟
曲凯到美国后，发现大家谈论中国与美国资产的语气迅速变化。他的疑问不只是看好哪边，而是为什么两年悲观可以突然逆转，新的乐观又能持续多久。
· 48:32 · 完整中英
增长也是产品：ACE Studio怎样把“十倍”拆成价格、渠道与反馈
嘉宾 / 主讲：Joe
节目标题把赴美三个月、信念感和千万美元ARR连在一起。Joe的口述更具体：ACE Studio当时月收入约八十万美元，此前一度八万多；前五周增长缓慢，第六周后才出现明显变化。八十万简单乘十二约九百六十万美元，只是月度运行速度，不证明全年实收，也不证明全部符合经常性收入定义。
· 63:10 · 完整中英
陪伴可以不争夺时间：逗逗游戏伙伴把AI放进用户正在做的事
嘉宾 / 主讲：Binson
逗逗游戏伙伴是能看游戏画面、陪玩和交流的AI桌宠。Binson的切入思路是：不要求用户另腾时间消费一套AI内容，先参与他本来就愿意做的事。游戏继续进行，伙伴像可互动的弹幕一样在旁边。
· 45:57 · 完整中英
Agent的难点在行动后果：Pokee怎样把强化学习接到语言模型上
嘉宾 / 主讲：朱哲清 Bill
安排一次出差，看起来只是列行程。若要跨城市、跨天安排多个会面，酒店、交通和时间却彼此牵制：前面的选择可能让第十一步无法继续。朱哲清用这个例子解释，Agent需要考虑行动后果、搜索替代路线，并在失败时回退。
· 31:34 · 完整中英
从信息到行动，从观看到参与：曲凯在2025年初押注的两种变化
嘉宾 / 主讲：曲凯
这期标题很确定，论证却包含许多“如果”：如果模型跨过可用临界点，如果Agent真能交付结果，如果组织愿意围绕新模式变化，应用才可能迎来不同的增长。Agent在这里是能使用工具、推进任务的模型系统，而非所有聊天窗口的统称。
· 60:11 · 完整中英
Character.AI的后训练：用户留下更多对话，未必代表模型更懂他
嘉宾 / 主讲：Ted
开放聊天没有唯一正确答案。用户可以觉得一句话有趣，也可能改写、删掉或换一个回答。Ted回顾在Character.AI工作的约一年，讨论如何让这些行为进入数据、训练与实验。真正的主题是组织一套能持续发现错误的迭代系统。
· 45:16 · 完整中英
EVE的陪伴设计：记住一个人之后，关系怎样继续
嘉宾 / 主讲：Tristan
Tristan希望EVE围绕真实用户的生活建立持续关系：了解过去的经历，关联当前的目标，再参与每天的新话题。他把这种目标与共同创作角色故事区分开。主持人则提醒，长时间使用也可能来自内容消费。
· 37:08 · 完整中英
AI编程的两次匹配：用户愿意交任务，系统也得真的交得出来
嘉宾 / 主讲：张海龙
曲凯带着Cursor刷屏的疑问，找有二十多年编程经历的张海龙解释AI Coding。访谈提出一个有用区分：有人在场操作、系统帮他更快写，与人交出任务、系统自行完成，是不同的产品承诺。
· 35:31 · 完整中英
高途的AI落地：先让被忽略的客户得到服务，再谈替代金牌销售
嘉宾 / 主讲：封诚
一家公司把AI接到很多环节，覆盖率很好看，是否真的改善了经营？封诚的判断从获客、转化、交付三段业务出发，最后把精力集中到已经获得的线索：那些没人及时回复、问题没有被讲清的潜在客户。
· 63:04 · 完整中英
Albert找PMF的顺序：先交付可判断的价值，再积累能活下去的优势
嘉宾 / 主讲：Albert
创业者常问：模型一升级，我做的功能会不会消失？Albert把问题向前挪了一步：现在能不能向明确的人交付明确价值，并且知道哪次修改改善了结果？如果还无法判断产品做得怎样，提前讨论永久壁垒，很容易把团队带入没有反馈的等待。
· 52:24 · 完整中英
个人AI的难题：记得你的经历，怎样才算理解你
嘉宾 / 主讲：陶芳波
一个AI可以替你查资料、填表，却未必知道什么结果对你有价值。陶芳波用这个差别解释从MindOS到Me.bot的转向：先为个人建立理解需求的AI，再让它调用提供服务的工具。他同时希望AI能从日常经历中持续学习，而非始终依靠创建时写好的流程。