# 【彩蛋】这是一期主播的个人自述😄 AI智识录 · 2026-03-23 主播Ray在《AI智识录》开播近半年、做了近60期节目后首次以真人声音出镜，讲述做播客的初衷与心路历程，并为自己的创业产品YouNavi做推广。Ray曾任百度、蚂蚁金服、滴滴的产品经理，并在新势力车企负责企业AI平台，现全职创业。他回顾播客两个阶段：第一阶段精讲经典文献，如Richard Sutton的《苦涩的教训》、LeCun的蛋糕比喻、Sarah Hawker的硬件彩票、姚顺雨的《下半场》与ReAct、CoT、MoE、Scaling Law等；第二阶段引入李飞飞、吴恩达等时效性访谈，其中智谱AGI Next闭门峰会圆桌（林俊扬、姚顺雨、唐杰等）成为唯一播放量破万的一期。他坦言坚持逐字还原原文而非AI双人对谈，以避免AI注意力机制漏掉高价值细节，未来将让文稿更口语化、内容更多元。节目后半段附上他在十字路口开放麦的10分钟现场音频，分享OpenClaw对Agent应用创业的启发：不应只做套壳或让Agent干批量生成小红书、PPT等“杂活”，而要把SOTA模型的智能用在分析与决策上。YouNavi可一键整合腾讯会议、飞书、钉钉及录音卡的上下文与本地文件夹，以agentic文档检索做周报、路演复盘等决策分析，邀请码为wizlog，官网younavi.me。 ## Questions this episode answers ### 主播 Ray 为什么坚持用单人声音逐字还原文章，而不是用 AI 生成双人对谈播客？ Ray 认为很多 AI 双人对谈播客因为 AI 注意力机制的问题，经常把文章里真正高价值的内容和重要细节 miss 掉。他坚持百分之百还原原文作者的内容，即使听感上 AI 味较重，之后会自己把文章加工得更口语化，并做重度校验避免遗漏。 [15:56](https://ai.podhood.com/dc23abd0-1d7d-44b1-8578-3515347aee5b?t=956000) ### YouNavi 是一款什么产品？它的核心理念是什么？ Ray 介绍 YouNavi 是一个 Agent 产品，可以一键整合腾讯会议、飞书、钉钉、录音卡等录音上下文以及本地文件夹内容，用大模型 agentic 地分析，帮助做洞察、分析与决策，比如分析路演、投资人沟通、会议中的非共识信息。理念是在效率至上的时代为深思熟虑找一个位置。 [23:33](https://ai.podhood.com/dc23abd0-1d7d-44b1-8578-3515347aee5b?t=1413000) ### OpenClaw 的爆火给 AI 应用创业者带来了哪些启发？ Ray 在十字路口开放麦分享说，OpenClaw 启发了他们用 agentic 文档检索方案（让模型用文件系统工具结合问题发散关键词匹配文件），以及与飞书等用户常用 IM 打通，实现手机上早报、晚报、周报等交互。他认为不必给 OpenClaw 做套壳，也不必焦虑，应定义好要解决的问题，同时拥抱 Skills、CLI、MCP 等生态协议。 [27:53](https://ai.podhood.com/dc23abd0-1d7d-44b1-8578-3515347aee5b?t=1673000) ### 《苦涩的教训》讲的是什么？为什么每次 AI 范式演进都遵循它？ Ray 介绍强化学习之父理查德·萨顿的《苦涩的教训》指出：用主观的人类规则和经验做 AI，对比用简单架构、学习算法加上算力和数据提升的方法，往往是后者效果更好。从符号主义转向连接主义、AlphaGo 战胜人类棋手、大语言模型取代 NLP 小模型范式，都遵循了这一教训。 [5:29](https://ai.podhood.com/dc23abd0-1d7d-44b1-8578-3515347aee5b?t=329000) ## Key moments - **[0:00] 开场自述** - [0:02] 《AI智识录》主播Ray首次真人出声：做了近60期节目后亲自解释为什么之前全是AI生成 - [0:39] 主播Ray自述履历：百度、蚂蚁金服、滴滴产品经理出身，最后一份工作在造车新势力负责企业AI平台 - **[2:30] 播客初衷** - [3:50] Ray谈做播客初衷：AI时代每天信息爆炸，但真正像思想灯塔、能影响数十年研发方向的内容屈指可数 - [5:16] Ray盘点AI史上屈指可数的关键贡献：AlexNet、ResNet、Transformer、BERT、GPT-2/3与Scaling Law - **[5:29] 经典文章** - [5:29] 强化学习之父萨顿《苦涩的教训》：靠算力和数据的学习方法总能击败人类手工设计的规则 - [7:36] Sarah Hawker 2020年「硬件彩票」理论：Transformer押中GPU高并行架构，RNN没有，这才是大模型繁荣的关键 - [9:08] 姚顺雨《下半场》：刷benchmark的Scaling Law上半场已结束，下半场核心是在真实环境里做评估 - [10:31] ReAct与OpenAI对Agent的经典定义：规划、记忆、工具使用三模块，至今仍是Agent运行的基本范式 - **[11:53] 时效访谈** - **[13:25] 峰会爆款** - [13:40] Ray唯一播放量破万的节目：智谱AGI Next闭门峰会上林俊扬、姚顺雨、唐杰的圆桌访谈，因林俊扬职业变动重新翻红 - **[15:23] 制作心得** - [15:32] Ray坚持不用AI双人闲聊式播客：AI注意力机制会漏掉文章里真正高价值的细节，他选择逐字还原原文 - **[20:01] YouNavi硬广** - [20:13] Ray的非共识：Agent不该帮人干杂活，用Opus 4.6、GPT 5.4批量生成内容垃圾ROI太低 - [21:44] YouNavi产品理念：在效率至上的时代为深思熟虑找一个位置，一键整合会议录音与本地文件做决策分析 - [23:20] YouNavi使用场景：创业者分析路演、投资人查创始人前后矛盾、会议里挖水下信息与非共识 - **[23:42] 产品功能** - [24:50] Ray公布YouNavi下载方式：访问younavi.me，播客听友邀请码为wizlog - [27:08] Ray在十字路口开放麦分享：OpenClaw爆火后应用创业者该焦虑还是该从中借鉴什么 - **[27:10] 开放麦分享** - [28:48] Ray现场演示：让YouNavi读取OpenClaw的MCP配置文件，成功打通Flomo笔记 - [32:10] Ray最难受的体验：上下文都备好了，找文件的过程却极其痛苦，直到借鉴Claude Code的agentic文档检索方案 - **[32:51] 周报案例** - [34:00] Ray在飞书上直接指挥YouNavi：看牙时发条消息就做出用户活跃时段分布，早晚报周报全自动 - **[34:47] 飞书打通** - [35:30] Ray给应用创业者的建议：不必给OpenClaw做套壳，也不必焦虑，定义好你要解决的问题再拥抱生态 - **[36:23] 拥抱生态** ## Mentioned ChatGPT (product), Claude Code (product), Flomo (product), Manus (product), OpenClaw (product), YouNavi (product), 小红书 (product), 飞书 (product) ## Transcript ### 开场自述 **Host** [0:02] 喂 。 Hello，hello。 呃 ， 你现在听到这个声音 ， 可能会有一些惊讶 ，因为它还是比较有人味的 ， 对吧 ？ 而我这个播客里的话 ， 之前应该绝大多数的内容其实都是用 AI 生成的 。 然后我做这个 "AI 智识录 " 这个播客也有接近快半年的时间了 ， 然后做了将近 60 期的节目 。 我觉得可能到一个时间的话呢 ， 就是还是上来用我本人的这个声音来跟大家 say 一个 hi， 然后同时也可能简单地去聊一聊我做这个播客的一些想法 。 嗯 ， 如果你有兴趣的话 ， 你可以来听一听我这个个人的一个唠叨吧 。 然后， 先简单做个自我介绍 ： 我可以叫我 Ray， 然后我之前的话一直是一个互联网产品经理 ， 之前在像百度啊 、 蚂蚁金服啊 、 滴滴啊这样的一些公司的话 ， 负责过一些用户的产品或者业务的产品 。 然后我最后的一份工作是在一家新势力的车企的话呢 ， 负责企业的 AI 平台 ， 然后我们当时也做过像这个智能座舱的语音啊 ， 然后 在企业的内部 ， 比如说通过像大语言模型来给像销售 、 营销 、 质检 、 售后这样的一些环节的话呢做赋能 ， 然后用 AI 来分析像试驾的录音啊 ， 然后车端上传的错误日志啊等等东西 ， 或者去辅助做一些像招聘面试啊 、 销售侧的一些这个培训管理这样的一些工作吧 。其实我自己跟 AI 有关的这个职业经历 ， 然后我现在呢其实是在创业 ， 创业 ，sorry， 然后我们现在是在做一款产品 ， 叫做 YouNavi。 这个我待会儿如果你感兴趣的话 ， 我后面的话会重点来聊一聊我们这款创业的产品它是做什么的 。 然后现在你只需要简单理解我其实就是一个产品经理出身的 ， 然后目前在 AI 应用这个领域的话做创业的创业者 。 然后 ### 播客初衷 **Host** [2:30] 接下来我说一下就是关于做 "AI 智识录 " 这个播客的一些个人的想法和心得吧 。 然后最开始起心动念为什么要做这个播客呢 ， 主要还是因为我自己也在做跟 AI 相关的产品 ， 所以然后对 AI 的技术的这个演进的话呢也是比较感兴趣的 。 然后我是去年 10 月份的时候开始做 ， 然后大家如果去考古啊看一下那个最早那几期 ， 你会发现这里面的话呢其实主要是一些相对来说比较经典的一些理论和文章 。 因为我在节目的这个介绍里面其实也写过 ， 就是我觉得现在 AI 技术的发展呢确实非常的快 ， 对吧 ？ 然后每天这个都会有一些自媒体在你的面前就是炸裂啊 、 爆炸一下啊 。 但是呢总还是有一些东西啊 ， 就是不管说它可能是一些比如说文章啊 、 一些论文啊 ， 或者一些可能是访谈 ， 甚至是一些只言片语的表达 ， 对吧 ？ 但是它看起来如果我们事后去看的话 ， 它会非常像行业里的思想的灯塔 。 它们不是沉迷于一些很复杂的技术上的公式表达 ， 然后但是呢它就能戳中那些技术大的这种演进的范式的一些核心 。 然后它不会去追逐那种短期的热点 ，但是能够影响未来 ， 比如说数年甚至数十年的这个研发的方向 。 然后我最近听那个张晓军老师在采访那个谢赛宁老师的这个播客 ，其实它里面也有提到说 ， 比如说像我们说 AI 也好 ， 或者说深度学习吧 、 神经网络这个方向的这个发展呢 ，其实 也就只有大概 几十年的这个时间 。 这里面其实非常有价值的贡献啊 ， 它是屈指可数的 ， 对吧 ？ 比如说像 Jeffrey Hinton， 还有像 Alex 和 Ilya 他们做的那个 AlexNet， 这个是在李飞飞教授的这个 ImageNet 上这个一鸣惊人的这个 启发了 ， 就是开启了这个深度学习的时代 ， 对吧 ？ 然后像这个 还有像残差神经网络 ResNet， 然后以及说比如像这个 Transformer， 然后像模型的话 ， 比如说 Google 的 BERT， 然后比如说 OpenAI 的 GPT-2 和 3， 对吧 ？ 然后那个时代的话其实是论证了 Transformer 架构下的这个 Scaling Law， 然后但是这些其实是非常有限的 ， 对吧 ？ 然后除了这些内容以外呢 ，其实我也找到了一些没有那么复杂 ，但是相对来说也非常经典的一些内容 。 比如说我们这个播客的第一期讲的就是这个强化学习之父理查德 · 萨顿 ，他的这个也是行业里面非常顶级这个经典的像教科书一样的叫 《 苦涩的教训 》， 对吧 ？ ### 经典文章 **Host** [5:52] 叫 《Bitter Lesson》。 然后他说的就是说 在过去啊 ，但凡是我们用主观的人类的规则和经验这样的一些东西去做这个 AI 和对比 ， 比如说我们就是用一些非常简单的架构 ， 一些通过学习的算法 ， 然后通过算力和这个数据的这个提升 ， 这两种方法对比的话呢 ， 往往是后者会取得一个更好的效果 。 然后基本上每一次 AI 的重大范式的这个演进的话 ， 都会遵循 《 苦涩的教训 》。 然后无论是从比如说早期的符号主义转向现在连接主义 ， 对吧 ？ 然后比如像这个 AlphaGo， 然后战胜这个人类的旗手 ，以及比如说像最近这一波的这个大语言模型 LLM，其实它取代了比如说以前需要有大量的这个 ， 即使是在语言这个 domain 下， 它有很多子的 domain， 就是在 NLP 的这种小模型的范式下， 对吧 ？ 它基本上都是遵循了这个萨顿教授说的这样的一个所谓的 《 苦涩的教训 》 的 。 然后类似的还有比如说杨丽坤 ，LeCun 她的这个蛋糕的比喻 ， 她把人工智能的话比作是一个蛋糕 ， 然后它的底座最重要的部分是自监督学习 ， 然后中间的话是这个监督微调 SFT， 然后在上面的强化学习只能当做一些这个 cherry， 就是当做一些樱桃 。 当然这个是杨丽坤她本人的一个观点嘛 。 然后另外还有一些可能大家不那么熟知的 ， 比如说有一个研究者叫 Sarah Hawker， 她提出一个理论叫这个硬件彩票 ， 这个是 2020 年的时候的一篇文章 。 然后这篇文章非常重要的一点是什么呢 ？ 就是大家要知道现在像 Transformer 大行其道啊 ， 除了说它本身的这个架构设计 ， 然后 Scaling Law 这些以外， 非常非常重要的一点呢 ，其实还是在于说它这个算法的架构是跟 GPU 这种硬件是高度这个协同的 。 也就是说 Transformer 是这个压重了硬件的彩票的 。 然后而同期的或者再早之前的另外一些算法 ， 像这个循环神经网络 RNN， 它就没有压重这个 GPU 这种所谓的这种高并行计算的这个架构的这个能力 。 然后你压重硬件彩票和没有压重硬件彩票啊 ， 就是像 Transformer 它的这个通过 FFN 和这个 Attention 这样的这个层的堆叠 ， 非常匹配 GPU 的这个架构设计 ， 带来了现在它的整个大语言模型或者大模型这一套的这个繁荣 。 然后 类似的还有什么呢 ？ 比如说像姚顺雨啊 ， 然后她在去年的时候有一篇非常出名的文章叫 《 下半场 》， 就是也提出了 ， 对吧 ？ 就是上半场大家是结合这个数据算法算力做 Scaling Law， 然后刷各种的 benchmark， 然后这个范式基本上已经结束了 。 那下半场的核心的话其实是 evals， 就是评估 ， 然后是需要去真实的环境里去做评估 。 这个也跟就是后来发生的就是像大家越来越重视 RLV 啊 ， 就是可验证的强化学习啊等等 ， 这个也是非常匹配的一个趋势 ， 对吧 ？ 然后包括姚顺雨她在 23 年的时候做过一作的 ， 还写过一篇文章叫 《ReAct》， 这个是现在我们如果你在 Agent 领域做创业的话 ， 你一定会知道这个词 ， 对吧 ？ 然后知道这个模式 ，因为它是一个 Agent 运行的一个基本的一个单元或者一个 loop， 就是通过输入 ， 然后模型去 act， 就是行动 ， 然后去 observation 去观察 ， 然后再去判断说是下一步再做 act 做行动 ， 还是说就是最终输出 。 这个 loop 这个范式基本上是现在无论多复杂的 Agent， 它都是在遵循这个基本的范式的 。 然后类似的比如像 OpenAI 的这个温利 ，他对 Agent 也做过一个定义嘛 ， 就是他说 Agent 其实就是规划 、 记忆和工具使用这三个重要模块来组成的 。 到目前为止我认为这个定义还是一个非常经典的一个定义 。 然后 我同时可能也放了一些别的一些这个我认为比较有价值的一些内容 ， 比如说 OpenAI 的这个 Jason Wade 等人做的这个 CoT， 就是思维链这个论文 。 然后比如说 DeepSeek 的这个 MoE 架构的一个介绍 ， 然后比如说 OpenAI 它 GPT-3 这个论文论证的这个 Scaling Law 到底是个什么意思 ， 对吧 ？ 以及说像微软他们也做过一个人工智能的火花 ， 这是配合着 GPT 去做的一个验证性的一个文章 ， 认为这个智能发展到了下一个阶段等等。 这个的话呢 是在第一阶段我放的一些就是这个播客里面我认为有价值的内容啊 。 然后当然呢 ， 这个做了一段时间我就发现了 ， 就是这样的文章其实你一年是碰不到几天的 ， 对吧 ？ ### 时效访谈 **Host** [11:53] 然后所以我在第二个阶段我就开始引入了一些这个时效性更高一些的一些访谈的内容啊 ， 比如像李飞飞教授的访谈 ， 然后比如说像这个吴恩达的 25 年年终回顾啊等等 ， 对吧 ？ 然后像 Andrew Capacity， 然后他出现的这个叫什么 ， 就是评次也非常的高 ，因为他也算是一个 AI 行业的一个步道者啊 。 从最早说软件 2.0 到去年说的人工智能呢是一个幽灵 ， 对吧 ？ 以及他最近采访访谈说自己用 Agent 像 OpenClaw 这样的 Agent 已经用的有点神经错乱了 。 这个是一些相对来说更有时效性的一些内容啊 。 然后包括像一些去年的鼎汇的这个论文的最佳论文的解读啊等等 ，以及比如说去年下半年其实有一个比较重要的一个概念 ， 还是说围绕 Agent 做的这个 engineering 工程啊 ， 包括上下文工程 ， 像 Manus 的这个 Peak 分享过 ， 然后像 Anthropic 的 Claude 的这个 Claude Code 团队 ，他们也分享过非常多的一些关于如何去构建 Agent 的这样的一些文章和概念啊 。 包括像最近比较火的像 Skills 这种概念 ，其实当时也就已经提出来了啊 。 然后包括像比如说有人也破解过 ChatGPT 的这个记忆的工程是怎么做的等等啊 。 ### 峰会爆款 **Host** [13:25] 这个算是我第二个阶段吧 。 然后这个阶段呢发生了一件事情 ，也是我这个播客现在唯一一期就播放量超过 1 万的啊 ， 这个是在 这个去年的这个年底的时候 ， 还是今年 1 月份啊 ， 今年 1 月份 ， 对 ， 就是在国内举办的一期这个智谱组织的 AGI Next 的闭门的峰会啊 。 然后这个峰会上呢有像千问的俊扬 ， 林俊扬 ， 然后像腾讯的姚顺雨啊 ， 然后像智谱的唐杰教授 ，他们一起做的一个圆桌的访谈 。 这期在我看来也确实是国内就是大家去聊 AI 的时候 ， 干货相对来说比较高的一期啊 。 然后这里也要感谢一下像屠龙之树的庄明昊老师 ， 当时的话也是把这期的播客就是推荐到了他自己的这个听友的群里吧 。 然后我这个播客里面应该也有不少是屠龙之树的这个朋友啊 ， 我自己也是屠龙之树的这个忠实的听众 ， 对 。 然后当然我没有想到的是 ， 虽然这一期其实当时也有一些热度 ， 对吧 ？ 但是让它就是重新活起来的 ， 就是因为最近这个林俊扬的职业上的一些变化啊 。 我觉得这个也是非常有意思的一点 ，因为你回头去听这一期的播客的话 ， 我觉得在那个圆桌里面他所表达的一些内容 ， 可能你再去对应他现在在现实中的一些遭遇啊 ， 就是冥冥之中其实是有相互照应的啊 。 这让我也想到一句很经典的话 ， 对吧 ？ 就是其实一切都是在命运都是在冥冥之中已经标好了价格的啊 。 然后 ### 制作心得 **Host** [15:23] 这个我说完这个呢 ，其实我最近呢其实在制作这些内容的时候的话 ， 我也发现了一些问题 ， 对吧 ？ 其中有一个问题就是说我先说一下我自己有一个坚持啊 ， 就是如果说一篇内容它是一个文章的这个形态 ， 我还是会更偏好于用一个主播单人的声音 ， 然后逐字逐句的去讲这篇文章啊 ，而不是说大家现在看有很多所谓的 AI 制作的播客 ， 它是什么呢 ？ 就是把一篇文章塞进去 ， 然后豆包就有这个功能嘛 ， 就是把它生成一个双人对谈的播客 。其实我之前也试过这种方式啊 ， 我自己去听一些文章啊 ， 然后我发现这里面最大的问题就是说它经常会把一些就是因为 AI 的注意力机制的问题啊 ， 就是它会经常把一些这个文章里面真正有价值的高价值的那个内容 ， 还有一些重要的细节的话给 miss 掉啊 。 所以我会比较坚持说这个文章我还是希望是百分之百去还原原文的作者的 。 当然它带来一个问题就是你可能听感上你会觉得这种 AI 味还是会有点重嘛 ， 就是语音语调的 AI 味还是有点重 。 而且一般来说一篇文章如果写的特别学术的话 ， 它确实不太容易这个听进去啊 。 所以我最近可能会做一个改进 ， 就是说我可能还是自己会加工一下这个文章啊 ，但把它变得更口语化一点 。 但是呢我会做一些非常这个重的 heavy 的这种校验的工作 ， 就是尽量不让这篇文章里的重要的这个内容被 AI 给 miss 掉啊 。 这是第一点吧 。 然后第二点就是我现在也在尝试一种新的方式 ， 大家在那个播客里面这个我最近更新的一些内容里面应该已经看到了 ， 就是把海外的一些这个 YouTube 上的一些访谈啊 ， 比如最近做的 Andrew Capacity 这一期的访谈 ， 然后之前还有一些吧 ， 就是把它翻译成中文 ， 然后用不同的主播的这个声音把它做成一个有点像是中文的一个访谈播客 ， 对吧 ？ 这件事呢我也在尝试啊 。 然后这个的话我觉得相对来说听感上也会更好一些啊 。 现在这个当然这个工作流还没有那么稳定啊 ， 然后最近的话呢可能会有一些质量上还是可以再去做一些提升的吧 。 然后这个是从制作的这个角度啊 。 然后另外一个呢就是从内容引入的角度 ， 我也会发现你如果放太多这种技术上的这种干货的话 ， 这个确实有时候听起来还是有点累 ， 对吧 ？ 所以我也开始去引入了一些这个 相对来说我觉得有一定的人文性啊 ， 虽然还是跟 AI 相关的一些东西啊 。 比如说我记得有一期是一个英国的经济史学家 ，他去探讨这个现在的这个 AI 的这个这一波和这个工业革命 ， 工业革命他们之间有什么相似性 ， 对吧 ？ 这个是一个 。 然后比如说 Claude， 就是 Anthropic 他们在今年年初的时候发布的这个第二版的 AI 的宪法啊 。 然后比如说最近还有一个比较火的是一个咨询机构做的一个研究机构做的 2028 全球智能危机啊 ， 那篇文章里面描述了就是说如果 AI 继续大发展的情况下， 可能会带来的一个什么事情 ， 就是可能未来会进入一个大通缩的时代 ， 对吧 ？ 这些内容虽然没有那么技术 ，但是我觉得其实也是跟 AI 跟技术的发展和它可能会带来的人类社会的一些变化息息相关的啊 。 所以我也会去引入这些内容啊 。 然后总结一下的话就是内容上会未来会更有时效性 ，而且会更多元一些啊 。 然后制作上我会尽量尽我所能吧 。 当然我全职是在做创业啊 ， 所以这个只能说是我的一个 side project， 对吧 ？ 然后 就是副业 ， 然后所以我可能尽我自己在精力能满足的这个情况下， 把这个内容做的质量更高一些啊 。 然后 ### YouNavi硬广 **Host** [20:01] 最后的话我可能还是再来介绍就是不能免俗的再做一波广告啊 ， 就是来介绍一下我自己做的这个创业的这个产品啊 。 这个我在结尾的地方我会放一段 10 分钟的这个音频 ，是我上周六的时候参加这个十字路口 ， 就是 Cosy 的那个十字路口他们举办的一个开放麦啊 。 那个开放麦呢是有一些嘉宾上去 ， 每个人讲 10 分钟啊 ， 然后去讲讲这个 ，因为现在那个 OpenClaw 小龙虾那个东西特别火 ， 对吧 ？ 然后分享一些这个关于这个主题的一些内容 。 然后我上去讲的呢其实是我们作为这个 AI 应用的创业者 ， 尤其是这个 Agent 这个方向的这个创业者啊 ， 然后 OpenClaw 小龙虾能在产品的这个设计上还有技术的这个架构上能给我们带来哪一些的启发啊 。 这是一方面 。 然后另一方面就是说 也不要过于的焦虑吧 ， 对吧 ？ 现在有很多创业者可能 OpenClaw 这一波出来呢 ，他也会有一些焦虑啊 。 然后我自己坚持的观点还是说你还是要去定义好一个你想去解决的问题 ， 对吧 ？ 而不是说什么东西火了 ， 然后你可能就要很快的转向这样的一个方向啊 。 所以最后会有一个音频 ，10 分钟的音频啊 。 当然也得跟大家说一声抱歉 ， 就是这个应该是我现场录的 ， 所以它的这个音质是有点差的啊 。 如果你感兴趣的话可以去听一下 。 然后我如果简单来介绍一下 YouNavi 是一个什么产品的话 ， 那这个 我觉得我们做这个产品我个人最大的一个非共识啊 ， 它也是一个 Agent，但是我不想让我们这个 Agent 是帮大家去做什么呢 ？ 去干杂活啊 。 什么叫干杂活呢 ？ 就是说比如大家经常看到什么一键生成小红书的爆款 ， 对吧 ？ 批量复制啊 ， 然后自动化生成封面 ， 自动化这个帮你发出去啊等等。 还有这种比如一键生成几十页的图文并茂的 PPT 等等。 这些事在我看来其实它都是杂活啊 。 我自己做产品经历这个 职业做了十几年， 我说实话我觉得我自己没有那么多需要这种无脑批量自动化的这种事情啊 。 然后另一方面呢 ， 我觉得我们现在这么多 SOTA 的大模型 ， 像这个 OPASS 4.6， 像 GPT 5.4 这种这么贵的模型啊 ， 然后被一窝蜂的拿过来就是去生成批量生成一些内容垃圾 ， 这个在我看来 ROI 很低 ，而且我可能不是一个有钱人， 所以我觉得挺心疼的 。 我其实更希望就是说大家还是把顶尖大模型的这个智能啊 ， 把它用在帮助你去做一些洞察分析还有决策这样的事情上， 对吧 ？ 所以站在这样的视角呢 ， 我们做了 YouNavi 这款产品啊 ， 然后我给它想了一个 slogan 或者说产品理念是什么呢 ？ 就是我们希望在现在这样的一个效率至上的时代的话呢 ， 去为深思熟虑找一个属于它的位置啊 。 然后具体的这个产品还有一些理念的介绍的话呢 ， 我就放在那个后面要播的这个音频里了啊 。 ### 产品功能 **Host** [23:42] 当然这个音质可能有点差啊 。 然后简单来说它就是可以一键把你的这个啊 ，不好意思也是一键 ，但是它是一键把你的这个上下文 ， 就是比如你所有之前在腾讯会议啊 、 飞书啊 、 钉钉啊或者一些录音的这个录音卡 、 录音豆这样的一些硬件里面记录的这个内容啊 ， 把它同步 ， 包括你本地电脑的各个文件夹里面的内容 ，humble 起来 ， 就是放在一个地方 ， 然后 用大模型可以帮你 agentic 的去分析这个一些内容 。 比如说如果你是一个创业者 ， 你可以用来分析你最近做的这个路演做的好不好 ， 你是投资人， 你可以去分析这个创始人过去比如说跟你的这个沟通里面他有没有什么前后不一致的地方 ， 对吧 ？ 然后如果你是开一个会 ， 你可以去分析一下这个会议有没有一些水下的信息 ，有一些非共识的内容啊 ， 或者说如果是周期性的序列会议有没有一些这个发生断点的啊 ， 然后有没有一些这个延续性比较强的等等等等啊 。 这个就是帮助大家去做辅助分析的 。 然后它有一个比较智能的地方是在于说你不需要把这些文件都像现在可能有些朋友的习惯是把这些文件保存好 ， 然后上传到 ChatGPT， 对吧 ？ 或者 Gemini， 然后再一个一个引用啊 。 我们做了一个 Agent 的方式 ， 就是你只需要在这个产品 YouNavi 这个产品里面去提出你的问题啊 ， 它可以自动把这些上下文的话都帮你找到 ， 填充好 ， 然后直接告诉你这个分析的结论啊 。 这个是我们做的这款产品啊 。 然后大家如果感兴趣可以去我的播客的这个公告栏看一下， 里面有下载的方式 ， 然后我也准备了一批给 AI 智识录这个播客的听友的这个邀请码啊 。 然后你也可以去访问 younavi.me， 就是 Y-O-U， 然后 navi 是 N-A-V-I，younavi， 然后点 me 就是点 me 啊 ， 这个网站去下载我们这款产品啊 。 它是一个桌面端的这个应用啊 。 然后去我的公告栏 ， 播客的公告栏去领取这个邀请码啊 ， 就是 AI 智识录的一个英文名 ， 我想的就是 W-I-Z-L-O-G 啊 ， 就是 wizlog 啊 。 然后你就可以来免费的去试用它了啊 。 然后这里还是非常感谢吧 。 然后我后面就会来放一下这个我当时参加十字路口开放麦的这样个音频 。 好 ， 谢谢大家 。 以后如果 怎么说还有机会的话 ， 我可能还会以真人的形式的话再过来跟大家这个做一些分享 。 好 ， 谢谢 。 请下一位朋友 ， 下一位朋友应该是会再来观看 。 喂 ， 哎 ， 大家好 。 那个我先自我介绍一下， 我叫 Ray， 然后我是这个产品叫 YouNavi 这个产品的这个合伙人。 ### 开放麦分享 **Host** [27:21] 然后这个产品应该绝大多数在场的朋友应该都没听过 ，因为我们其实 2 月份的时候才开始公测啊 。 然后今天这个借这个机会的话 ， 主要还是想跟大家分享一下， 就是说因为我记得那个 OpenClaw 应该是 1 月份左右开始火的 ， 对吧 ？ 然后到 2 月份就是国内也特别火了 。 然后我们一些这种做 AI 应用创业的人呢 ，其实我觉得可能大家会有点焦虑 ， 就是因为这个套壳小龙虾的产品实在是太多了 。 然后那在这样的一个环境下， 到底 OpenClaw 能给我们一些就是做应用这个层面有些什么样的启发啊 ， 就主要想跟大家分享一下这个事情 。 然后我开场一个例子啊 ， 就是可能是我全场唯一跟 OpenClaw 有物理接触的一个例子 ， 就是背景是什么呢 ？ 因为我自己也养了一段时间的那个小龙虾啊 。 然后我看上周我自己用的一个笔记软件就叫 Flomo， 它开放了一个 MCP 嘛 。 然后我就让我的小龙虾就是部署了一下， 部署可能还折腾了一段时间 。 完了之后呢 ，因为我们自己这个 Agent， 就是 YouNavi 这个 Agent 产品 ， 它也在做一些这个 Agent 的这个 Agent 化的工作啊 。 然后我就让它试了一下这个事情 ， 就是这个链接大家应该如果养龙虾应该很清楚 ， 就是 OpenClaw Workspace 下的一个配置文件啊 ， 它是一个 MCP 的配置文件 。 我让我们的这个产品去读一下这个配置文件 ， 然后去打通 ， 去看看能不能获得 Flomo 的这个笔记 。 这不是我设计的产品 feature， 这是纯粹是一个测试 ， 然后我发现是可以的啊 。 然后这条笔记正好也是借了一个 OpenClaw 的一个 skills。 但我讲这个例子想说什么呢 ？ 其实是想说 ， 就某种意义上你也可以借着 OpenClaw 去实现一些 ， 就是你的产品对 OpenClaw 的一个 NTR。 当然你不知道 NTR 这个词的话 ， 就最好也不要去搜啊 。 然后我还是简单介绍一下我们这个产品想做什么 ， 就是这里面可能首先会有一个我个人觉得是一个非共识是什么呢 ？ 就是说现在已经有很多的这个 Agent 产品了啊 。 然后我不知道大家自己用这个 Agent 的时候的主要的场景是什么 。 刚才也有些嘉宾在做一些分享啊 ，但是我看很多媒体老师啊 ，他们最常分享的这个场景 ， 一个就是说这个今天有那个小红书的这个朋友在 ， 就是什么获取小红书的爆款 ， 然后自动生成一堆封面啊 ， 然后再这个给你发几十条小红书啊 。 我觉得小红书应该可能会有点反感这个事情 ， 对吧 ？ 然后可能在之前 ， 比如在 Manus、James Barker 那个时代 ， 大家最常讲的就是媒体上这样渲染的 case 是说那个帮你 AI 做 PPT 嘛 。 然后这些事情我把它统称为什么呢 ？ 就是三个时代或者是干杂活的事情 。 然后我个人的非共识是在于我自己做了十几年的产品啊 ， 然后我觉得这个我自己的工作里面其实没有那么多需要被自动化的那种所谓的杂活 。 这是第一点啊 。 然后我更多的其实还是需要去结合一些变化 ， 然后我自己去做应对 ， 对吧 ？ 做决策 ， 这个是我作为一个产品经理我的工作啊 。 然后第二个呢 ， 就是因为我自己是个穷人啊 ， 我觉得大家把那个像 Opus 4.6 啊 、GPT 5.4 这种这么贵的模型啊 ， 如果把它拿去放在这个做杂活这件事情上， 我自己其实是有点觉得肉疼的啊 。 然后所以我们做这个产品呢 ，其实初心是说我们想帮大家更多的还是把这个 SOTA 模型的这个智能用在做分析 、 做洞察 、 做决策这件事情上啊 。 然后 就它具体实现什么呢 ？ 在我们做 Agent 的话之前 ， 它主要实现的能力是说 ， 一个就是大家可以看到就是在录音 ， 对吧 ？ 现在 。 然后我们做了很多插件啊 ， 把你日常能用的像腾讯会议 、 飞书 、 钉钉啊 ， 包括这个我现在带的这个录音豆 ， 对吧 ？ 然后 Claude， 刚才那个高荣的同学应该也是带这个产品 ， 就是把这些能录音就是最高密度 、 高质量的上下文 ， 一键同步到你电脑的本地 。 我们做这件事 ， 时间关系我这就不演示这个东西了 ， 就是但它其实还是如果你感兴趣可以去试一下， 还是挺酷炫的 。 它是一个打开一个浏览器 ， 然后类似于那种那个 Browser UX 的这种做法 ， 帮你把这个内容都批量的获取下来 。 然后第二个就是说我们也打通了像你电脑本地的所有文件夹的这个路径啊 。 有了这些内容之后呢 ， 你就可以这个比如说去分析一下你这个会有一些什么回顾性质的东西 ， 或者说有没有一些思维的陷阱啊 ，有没有什么讲得太飘需要去反思一下的 ， 或者有没有一些潜在的非共识啊 。 然后比如说如果是创业和投资场景 ， 你也可以去分析你的这个路演啊 。 然后如果比如是产品的场景 ， 那用来做用户研究啊 ， 或者这个招人的时候你可以用来做这个 review 等等啊 。 ### 周报案例 **Host** [32:51] 这些的话其实是我们设想的场景啊 。 然后我这里接下来其实是跟 OpenClaw 又有点相关的这个部分 ， 就是说我可以给大家看一下， 就是我之前啊 ，在这个产品 Agent 之前 ，sorry，Agent 之前呢 ，其实我最常用的一个 case 是让它帮我做一个周报啊 。 然后这个周报是把我们所有团队一周内所有开过的会 ， 然后飞书的所有的频道记录 ， 还有我的这个产品的一些内容的话都放进去 。 然后它可以其实已经可以非常好的帮我去做一个就是事无巨细的一个周报 。 然后这个不是为了给老板看 ， 更多的是就是我们团队内部在开周会的时候 ， 可以有一个这个 benchmark 去做对齐 。 但是我整个过程里面 ， 我其实体验最差的地方在哪呢 ？ 就是我已经把这个你需要的上下文就是比较好的这个 humble 起来了 ， 对吧 ？ 然后呢 ， 它分析分析的也不错 ，但是我找这个文件的这个过程啊 ， 我特别特别难受啊 。 然后我们虽然做了很多交互去解决这件事情 ， 然后同时也试过像 IG 啊 、RAG， 然后大窗口的那个模型等等啊 。 然后直到我们发现就是以 OpenClaw，但其实更多是以 Claude Code 为代表的这种 Agent 的这种 agentic 的文档检索的这种方案嘛 ， 就是它会让模型使用这个系统文件系统的 batch 工具啊 ， 用 Grab， 然后用这个 LS 去结合你的问题去找这个发散一堆关键词 ， 然后去匹配对应的这个文件 ， 然后读一下， 然后发现这个好像有相关性 ， 它记下来 ， 没有相关性在哪扔掉 ， 然后完成这个 Agent 的 loop 啊 。 然后这个呢 ，其实对我们来说就是我们也把这个整个产品就是在 Agent 能力上做了一些迭代 ， 那这样的话就做到这件事情啊 。 ### 飞书打通 **Host** [34:47] 然后还有一件事情呢 ，其实就是这个飞书的这个打通啊 ， 这个也是小龙虾给的一个启发 ， 就是说因为我之前在想 ， 如果我们用户在 PC 上分析你的会啊 ， 或者分析你的上下文 ， 这事还是有点太 heavy 了 。 然后那你在手机上做这件事怎么做呢 ？ 这个可能也会有一点这个 ， 就如果考虑到隐私 ， 我们也不太想把所有的这些内容再传回到云端去再做打通 。 那小龙虾给了我们一个启发 ， 就还是说可以跟用户最常用的这个 RM 去做打通啊 。 所以这个其实就是我昨天这一天下来 ， 这个我在飞书上跟这个我们这个产品的对话 ， 比如说它早上帮我做了一个早报啊 ， 然后告诉我这个十字路口这个内容还是要准备一下， 对 ， 开放麦 。 然后这个还有一些工作上的一些事情 ， 对吧 ？ 然后我中午的时候呢 ，其实我去看牙了啊 。 然后我在看牙的过程中， 我突然想那个这个这个这个叫什么 ， 就是分析一下我们这个产品现在在工作的时候 ， 用户的一个时间的一个就是时间段的一个分布 。 我就在飞书上给它发了一条命令 ， 然后它就哼哧哼哧就做出来了 。 这个其实对我来说是一个啊哈 。 然后晚上它也会给我做一个晚报啊 ， 然后这个晚报里面主要是我们产品的一些工作啊 ，由昨天可能是一周的结束嘛 ， 然后它会有个周报 。 然后这里面呢 ，其实有些东西确实也是因为有了足够的上下文 ， 就是我日常长期在思考的一些问题 ， 这周到底发生了一些什么变化啊 ， 这些变化呢 ， 它就能够很好的提供给我啊 。 ### 拥抱生态 **Host** [36:23] 这个是就最后其实我还是想说 ， 就是因为这段时间那个 OpenClaw 的新闻太火了 ， 包括我们自己的创始人也很焦虑每天 。 然后其实我想跟他或者跟就是一样做应用创业的朋友说 ， 就是我觉得未必需要去给 OpenClaw 做套壳 。 我刚才演示的整套产品的这个能力里面 ， 没有任何 OpenClaw 套壳 ，因为我们的 Agent 其实 Agent Runner 和这个 Honeynets 是相当于是自研的啊 。 然后其次呢 ， 就是说 ，但我觉得也是可以去拥抱这个 OpenClaw 或者 Agent 生态的 ，因为现在像 Scales、 像 CLI、 像这个 MCP 这些协议已经非常发达了 。 那未来无非就是说你的入口 Agent 跟我之间是一个什么关系 ， 对我们来说我们做好的事情就是在你认为有问题的这个具体场景下做好你的 Agent， 然后再去看这个生态到底怎么变化啊 。 这是我今天想分享的 ， 谢谢 。 好 ， 谢谢 。 我们下一位是 Ruby。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。