C哥聊科技

C哥聊科技

By C哥Technology
Download on the App Store

All C哥聊科技 episodes

  • 【C哥日课】吴恩达最新播客:每个人都应该成为 Builder
    【本期主题】

    吴恩达在播客里提出,每个人都该借助 AI 成为 Builder,把问题做成网站、应用或小工具。C哥用运营同事的资料应用、财务团队的自动核对程序,说明开发门槛降低后,最懂问题的人开始能自己做工具。本期也聊高主动性、岗位任务重分配和全栈化:更有竞争力的,是持续发现问题并扩大能力范围的人。

    【核心看点】
    • 面试市场人员也会问到底做过什么网站或工具,为什么吴恩达觉得只会向AI提问已经不够?

    • AI编程像当年的Excel,把一部分专业能力交给业务人员,为什么只能帮三五人的小需求也值得做了?

    • 运营同事为了写文章自己做Mac应用,自动找网页、整理资料再和资料库聊天,解决了哪段工作?

    • 财务团队原来每周花几小时开文件、复制数字,自己做程序后,怎样把核对变成有异常再提醒?

    • 招聘描述越来越强调高主动性,为什么发现问题就自己推进,比等老板拆好每一步更有价值?

    • 一个岗位有三到四成任务可交给AI,为什么更现实的变化,是工作重分配和人与人的竞争?

    • 前端往全栈走、营销覆盖研究到数据分析,AI怎样让一个人在组织里的能力半径继续扩大?

    【主播】

    软件和人工智能专家,程序员,已申请数十项技术专利。连续创业者,历任多家公司 CTO,AI 畅销书《DeepSeek 全场景指南》《学会提问,驾驭 AI:提示词从入门到精通》《玩转 Skill》作者,C 哥的 AI 成长圈主理人,帮众多企业和个人落地 AI。


    前往小宇宙评论区与主播互动
    6 min
  • 【C哥日课】Claude、GPT、Grok、GLM、Kimi、MiMo的包月套餐,到底值多少钱?
    【本期主题】

    包月模型套餐像自助餐,用得足够多,按 API 价格折算的价值可能远高于月费。C哥比较 Claude、GPT、Grok、GLM、Kimi 和 MiMo,把缓存、时段抵扣与统计误差一起放进账本。这里的倍数是基于可用量和调用结构的估算,不是固定词元承诺;单看倍数,也不足以判断哪个套餐适合自己。

    【核心看点】
    • 模型包月像自助餐,按接口价格折算能值月费数倍,为什么这仍然不是厂商承诺的固定词元包?

    • 同是两百美元月费,Claude折算约八十八到九十四倍,缓存命中率为什么能拉开这么大差距?

    • GPT老用户的两百美元套餐估算约十九点八倍,为什么缓存消耗和频繁重置都影响这笔账?

    • Grok三十美元折算六点三六倍,GLM却从七点四一到二十二点二二倍,时段抵扣怎样影响结果?

    • Kimi一百九十九元套餐约十点四到十四倍,只展示最近一千次请求,为什么会带来统计误差?

    • MiMo九十九元套餐折算约一百一十元,为什么倍数很小,也可能和接口本来就便宜有关?

    • 套餐价和接口价都由厂商制定,为什么比较完价值倍数,还得继续看成本结构和自己的使用方式?

    【主播】

    软件和人工智能专家,程序员,已申请数十项技术专利。连续创业者,历任多家公司 CTO,AI 畅销书《DeepSeek 全场景指南》《学会提问,驾驭 AI:提示词从入门到精通》《玩转 Skill》作者,C 哥的 AI 成长圈主理人,帮众多企业和个人落地 AI。


    前往小宇宙评论区与主播互动
    6 min
  • 【C哥日课】Agent 越能干,越需要一个「沙箱」,一文讲清 AI 沙箱是什么
    【本期主题】

    每个 Agent 产品都在提「沙箱」,可它才是你敢不敢把活真正交给 AI 的前提。沙箱到底是什么、为什么必须有、市面上有哪三类、最常见的三个误解是什么?这篇一次讲清楚。

    【核心看点】
    • 沙箱到底是一台什么样的电脑,它把 AI 关在哪个圈里?

    • 为什么聊天产品和 Agent 的风险完全不是一个量级?

    • 文件、网络、权限这三道墙,分别挡住的是什么风险?

    • 本地权限沙箱、容器虚拟机、云端沙箱,三类方案各适合谁?

    • Codex 的三档权限模式,为什么默认不放开上网和越界操作?

    • 有了沙箱就绝对安全吗,哪些风险其实挡不住?

    • 沙箱是在限制 AI,还是在给它一个能干活的工作台?

    • 在自己主力电脑上开完全权限,为什么会是风险最大的用法?

    • 爆火的 Agent 会退潮,为什么沙箱这类能力反而会留下来?

    【主播】

    软件和人工智能专家,程序员,已申请数十项技术专利。连续创业者,历任多家公司 CTO,AI 畅销书《DeepSeek 全场景指南》《学会提问,驾驭 AI:提示词从入门到精通》《玩转 Skill》作者,C 哥的 AI 成长圈主理人,帮众多企业和个人落地 AI。


    前往小宇宙评论区与主播互动
    4 min
  • 【C哥日课】谷歌发了一个不会聊天的模型:Gemini Decision 1
    【本期主题】

    谷歌发布 Gemini Decision 1,一个不写文章、不聊天、只做选择题的新模型。它和普通大模型有什么不同、具体用来做什么、为什么大厂都在抢这个「只做判断」的位置?今天一次讲清楚。

    【核心看点】
    • 一个只会做选择题、不写字的模型,为什么能火起来?

    • 每次只给概率不给文字、一百多毫秒就出结果,这种模型能用在哪些地方?

    • 一份材料同时问一千个问题、还能直接读图片音频视频,批量判断能省下多少成本?

    • 智能体里那些交给谁、调哪个工具、违不违规的小决定,为什么不该再交给大模型?

    • 它还能从语气里听出阴阳怪气,语音助手以前丢掉的那部分信息能补回来吗?

    • 企业为什么更想要答案落在选项里的可控模型,而不是更聪明的模型?

    • Jev 只有百分之三点七的用户真正用进生产环境,大厂接手后能补上哪些短板?

    • 当 AI 从会说话走向会干活,普通人和企业该怎么用它做判断?

    【主播】

    软件和人工智能专家,程序员,已申请数十项技术专利。连续创业者,历任多家公司 CTO,AI 畅销书《DeepSeek 全场景指南》《学会提问,驾驭 AI:提示词从入门到精通》《玩转 Skill》作者,C 哥的 AI 成长圈主理人,帮众多企业和个人落地 AI。


    前往小宇宙评论区与主播互动
    7 min
  • 【C哥日课】什么是KV Cache?什么又是Prompt Caching?
    【本期主题】

    模型每生成一个词元,都要利用前面的内容计算下一步,重复计算也就成了成本来源。C哥先用连续生成解释 KV Cache,再用查北京天气的两次模型调用,说明 Prompt Caching 怎样跨请求复用相同前缀。本期把两种缓存放在不同时间尺度里看,也提醒前缀一致性和缓存有效期是最容易踩的坑。

    【核心看点】
    • 模型每次输出一个新词元,为什么都要看前面的内容,索引和对应内容在这里分别扮演什么角色?

    • 假设连续生成十个词元,提示词没变却反复计算,为什么缓存前面内容就能减少这部分浪费?

    • 问一句明天北京天气怎么样,为什么后台要先让模型发工具指令,再带着天气结果调用一次?

    • 第二次请求把系统提示词、工具说明和问题重发,跨请求缓存怎样复用已经算过的公共前缀?

    • 同一段前缀多一个空格或改一个字符,为什么就可能缓存不命中,重新付出计算代价?

    • Claude默认缓存五分钟不命中就失效,单次生成和跨请求复用,为什么要分两个时间尺度理解?

    【主播】

    软件和人工智能专家,程序员,已申请数十项技术专利。连续创业者,历任多家公司 CTO,AI 畅销书《DeepSeek 全场景指南》《学会提问,驾驭 AI:提示词从入门到精通》《玩转 Skill》作者,C 哥的 AI 成长圈主理人,帮众多企业和个人落地 AI。


    前往小宇宙评论区与主播互动
    4 min
  • 【C哥日课】未来的某种形状:私人定制产品
    【本期主题】

    同样是游戏攻略,有人想看的路线、找宝箱的顺序和阅读习惯也各不相同。C哥从这个例子出发,讨论 AI 降低供给成本后,老需求如何叠加个人审美与趣味,裂变出大量定制需求。未来可能出现像外卖配送一样的小额定制服务,帮人做旅行攻略、图片和数字产品,而少数人的需要也有了被满足的机会。

    【核心看点】
    • 标准化产品总想满足最大公约数,为什么AI时代只服务个位数用户的定制需求,也可能有价值?

    • 网上游戏攻略已经很多,为什么自己捏一份符合阅读习惯的,找路线和宝箱还是更顺手?

    • 假设一千万人里的百万人各有明确偏好,老需求加上个人趣味,算不算一百万份新需求?

    • 按需生成的成本和门槛降下来,为什么供给会增长,过去藏着没说的定制需求也会一起冒出来?

    • 无法指望每个人亲手满足所有需求,未来会不会像找骑手那样,付小钱请人定制旅行攻略?

    • 从推荐你可能喜欢的内容,到按你的趣味定制数字产品,这两种满足个性化的方式差在哪?

    【主播】

    软件和人工智能专家,程序员,已申请数十项技术专利。连续创业者,历任多家公司 CTO,AI 畅销书《DeepSeek 全场景指南》《学会提问,驾驭 AI:提示词从入门到精通》《玩转 Skill》作者,C 哥的 AI 成长圈主理人,帮众多企业和个人落地 AI。


    前往小宇宙评论区与主播互动
    3 min
  • 【C哥日课】AI 的下一幕是智能组织,但难点从来不在智能
    【本期主题】

    李彦宏说人工智能的下一幕是智能组织。但组织智能最难的一关不在模型,而在让人把吃饭的本事交代出来。

    【核心看点】
    • 为什么每个人都说自己变快了,公司产出却没变?

    • 一个人快 30%,公司为什么不会快 30%?

    • 智能组织为什么被比作 AI 时代的新厂房?

    • 落地智能组织,为什么只有三件事?

    • 为什么沉淀隐性知识是最大的难点?

    • 打破岗位边界,动的到底是工作内容还是权力?

    • 企业做 AI 落地,最容易死在哪一步?

    • 为什么说模型可以换,组织记忆才是自己的?

    【主播】

    软件和人工智能专家,程序员,已申请数十项技术专利。连续创业者,历任多家公司 CTO,AI 畅销书《DeepSeek 全场景指南》《学会提问,驾驭 AI:提示词从入门到精通》《玩转 Skill》作者,C 哥的 AI 成长圈主理人,帮众多企业和个人落地 AI。


    前往小宇宙评论区与主播互动
    4 min
  • 【C哥日课】如何用 AI 精确蒸馏一种写作风格
    【本期主题】

    模仿写作风格,光说像某位作者还不够。C哥介绍 Writing DNA Skill,把词句习惯、文章结构、思维视角和视觉呈现拆层分析,再用完整且体裁一致的文章蒸馏规则。本期从素材数量聊到每次写前重读原文,也说明它能复现表达方式,却不能替作者产生新的认知,写深度文章仍需要足够的信息与个人判断。

    【核心看点】
    • 作者常用什么词、句子多长和怎么递进收尾,为什么要把写作风格拆成六层分别分析?

    • 至少二十篇完整文章、单篇最好超过一千字,为什么素材太少或只给摘要,会限制蒸馏效果?

    • 同一个人写日记和论文差很远,为什么混着蒸馏可能只取到中间值,反而哪种都学不像?

    • 蒸馏得到风格文档后,为什么每次写作前还要重读,并再读五篇题材、体裁接近的原文?

    • 让模型模仿《红楼梦》,和把原文及风格规则放进上下文相比,注意力被锚定后有什么不同?

    • 几十篇文章拿去微调也可能风格飘忽,显性的规则提醒和改变模型权重,这两条路差在哪?

    • 能复刻声音和结构,却给不了作者此刻的认知,为什么新文章还得补信息、感受和自己的判断?

    【主播】

    软件和人工智能专家,程序员,已申请数十项技术专利。连续创业者,历任多家公司 CTO,AI 畅销书《DeepSeek 全场景指南》《学会提问,驾驭 AI:提示词从入门到精通》《玩转 Skill》作者,C 哥的 AI 成长圈主理人,帮众多企业和个人落地 AI。


    前往小宇宙评论区与主播互动
    6 min
  • 【C哥视频】黄仁勋突然辞任,英伟达最大的麻烦才刚开始
    【本期主题】

    刚在杭州落地,就看到黄仁勋辞任英伟达 CEO 的消息。这期机场快评讲清楚三件事:为什么说这次是他自己辞职、给了体面也留了伏笔;为什么英伟达有很重的“黄仁勋依赖症”;以及为什么换一个 CEO 远没那么简单,接下来的震荡期会很长。

    【核心看点】
    • 黄仁勋这次是自己辞职,还是被董事会开除?

    • 什么是英伟达的“黄仁勋依赖症”?

    • 黄仁勋每天开一对多的圆桌会、亲自看几百封邮件,他是怎么管公司的?

    • 为什么说世界上市值最高的公司之一,管理上更像一家超级个体公司?

    • 换一个 CEO 为什么远没那么简单,接下来英伟达会经历什么?

    【主播】

    软件和人工智能专家,程序员,已申请数十项技术专利。连续创业者,历任多家公司 CTO,AI 畅销书《DeepSeek 全场景指南》《学会提问,驾驭 AI:提示词从入门到精通》《玩转 Skill》作者,C 哥的 AI 成长圈主理人,帮众多企业和个人落地 AI。


    前往小宇宙评论区与主播互动
    2 min
  • 【C哥日课】Claude Code之父:模型越聪明,AI产品越要做减法
    【本期主题】

    Claude Code 的 Boris 提出,模型越聪明,产品越要删除过去补能力的脚手架。新版删去大量系统提示词,再用消融实验检验哪些约束真正必要。本期顺着这个思路,聊任务描述怎样从规定每一步,转向交代目标、边界和完成标准;把桌面应用重写成原生版本的例子,也展示了验证环境对长任务的意义。

    【核心看点】
    • Boris说新版 Claude Code 删掉八成系统提示词,为什么过去纠正行为的说明,如今可能反而拖累模型?

    • 新模型一发布就重看提示词、技能和工具,为什么团队建议先删掉,再根据反复失败的地方加回来?

    • 先清空整个系统提示词,再逐行加回观察影响,消融实验和凭感觉猜模型需求有什么不同?

    • 把每一步怎么做都规定好,为什么可能限制现代模型,目标、约束边界和完成条件该怎样交代?

    • 把 Electron 应用重写成 Swift 原生版,先运行截图再逐像素比较,验证环境到底起了什么作用?

    • 一个重写任务连续运行两周以上,为什么提出问题、理解用户和判断商业价值会变得更重要?

    【主播】

    软件和人工智能专家,程序员,已申请数十项技术专利。连续创业者,历任多家公司 CTO,AI 畅销书《DeepSeek 全场景指南》《学会提问,驾驭 AI:提示词从入门到精通》《玩转 Skill》作者,C 哥的 AI 成长圈主理人,帮众多企业和个人落地 AI。


    前往小宇宙评论区与主播互动
    3 min