为什么学了很多商业方法，仍然做不出产品、定不上价格、卖不出去？有时卡住你的不是知识，也不是执行力，而是身体里那个“不敢谈钱”“我不够好”或“我其实不想要这个结果”的声音。这期与勤勤谈的，是怎样区分商业问题、能力问题和生命力问题，然后找到真正能开始行动的位置。

这期你会听到

• “好学生路径”失效以后，为什么继续增加方法论反而可能让人更动不了

• 从销售技巧走向真心帮助，怎样建立一个小流量、高信任的个人业务

• 明明说想赚钱，为什么行动却一直避开更可能赚钱的选择

• 当主业持续消耗、副业还没收入、存款也不多时，如何判断下一步

章节

本期嘉宾

勤勤长期陪伴“好学生路径失效”的职场人探索副业、个人产品与新的生活方式，关注商业行动背后的身体感受与生命力。

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

如果你也在把经验做成产品、内容或副业，欢迎与2万+成员一起交流；社区里已有700+真实项目与实践分享：

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

现实没有标准答案：有知识、有技能的人仍可能拿不到结果。所谓运气背后，往往是一组穿透不确定性的能力——定义问题、借力整合、及时决策、迭代纠偏，以及真正对结果上心。

适合习惯按部就班准备、进入工作后却频繁受挫的人，帮助把注意力从“我会不会”转向“我能不能把事情做成”。

这期你会听到

• 定义问题与拆解问题为什么比展示已有知识更接近结果？

• 借力整合如何让“不需要全都会”成为一种工作能力？

• 信息不完整时，怎样做出足够好的决策而不是无限等待？

• 迭代纠偏如何把错误转化为下一轮行动依据？

• ownership与上心怎样解释同背景的人为何交付差异巨大？

章节

相关内容

观看本期视频版

阅读本期文字稿

真本事：

https://www.superlinear.academy/c/work-wealth/

加入Superlinear Academy免费社区

带来尚未做成的任务，写下问题定义、决策节点与纠偏记录，请大家复盘阻力所在。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

当AI让知识获取的边际成本趋近于零，教育继续奖励做题家，可能是在积累一项迅速贬值的资产。本期从“自然语言即代码”出发，讨论孩子如何从答案消费者变成能定义问题、创造产品的建造者。

适合正在选择教育重点的家长、教师和学生，帮助判断分数、编程语法、批判性思维与产品意识中，哪些能力更值得长期投入。

这期你会听到

• 为什么自然语言即代码意味着AI不只是更聪明的搜索引擎？

• 技术门槛降低后，为什么会用AI的人与被AI饲养的人反而加速分层？

• 如何通过context engineering训练孩子定义问题、补充背景和设置约束？

• 产品意识怎样把孩子从索取答案带向解决真实问题？

• 家长如何让AI扮演导师，同时保留孩子的批判性思维与初学者心态？

章节

本期嘉宾

孙煜征是康奈尔大学经济学博士、Superlinear.Academy社区创始人，曾任Statsig布道师；本期分享聚焦AI与教育。

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

提出孩子真实遇到的问题，和大家把它改造成能定义需求、动手建造并接受反馈的学习项目。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

很多非程序员把 AI 停留在 ChatGPT 的问答框里，得到建议后仍要自己执行；Cursor 这类 AI Agents 则能读取文件、发现错误并持续迭代到结果。本期给出普通人进入 AI Coding 的三道门槛，以及 CER 和 3C 两个自然语言模板。

适合老板、市场、销售、设计师和运营等没有编程背景的人，帮助你判断哪些任务该继续问 ChatGPT，哪些应该交给 Cursor 直接执行。

这期你会听到

• ChatGPT 与 Cursor 在文件读取、错误反馈和持续执行上有什么区别？

• 为什么拿出可讨论的原型，比在会议里只给建议更有价值？

• 普通人进入 AI Coding 需要跨过哪三道门槛？

• 如何用 CER 的 Context、Error、Request 结构处理报错？

• 如何用 3C 的 Context、Criteria、Component 说清需求与验收标准？

章节

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

带上想从聊天问答迁移到执行工具的工作任务，请大家协助拆成可运行的原型或自动化。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

课代表与鸭哥公开一段未经打磨的协作现场：从 Agent.md、工具接入和 Google Docs 配置，到 source of truth、evaluation 与 Voice Memo 自动化。它展示的不是完美教程，而是怎样把模糊问题逐步外化为可复用的 skill 和 context infrastructure。

适合想让 AI 深入真实工作、却常被安装、路径、权限和上下文卡住的人，帮助你理解高手如何准备环境，并把一次错误变成长期规则。

这期你会听到

• 为什么 AI 使用差距来自工作逻辑的外化，而不只是 prompt？

• 一个可复用的 skill 应怎样写清目标、常见坑、工具和成功标准？

• Agent.md 与 context infrastructure 分别承担什么作用？

• 为何搜索结果要先落盘，再由 AI 选择性读取？

• 怎样用 source of truth 和 evaluation 降低写作幻觉与漏检误报？

本期人物

课代表以非技术用户的视角追问安装摩擦、概念翻译与实际验收，鸭哥则拆解 Agent.md、工具接入、evaluation 和 context infrastructure，呈现两种视角如何共同完善 AI 工作流。

相关内容

观看本期视频版

阅读本期文字稿

课程里的讲解：

https://www.superlinear.academy/c/aa/sections/840969/lessons/3929070

加入Superlinear Academy免费社区

把尚未外化的个人工作逻辑带来，和大家拆成可复用的规则、上下文与评估步骤。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

Zero（刘希元）把 AI 转型放进三种真实处境：用 vibe coding 解决企业长尾痛点，带孩子共创游戏，以及从工程师转向 PM 和创业。工具让实现变快以后，更难的问题变成怎样控制复杂项目、培养 builder mindset，并在不确定中寻找客户信号。

适合用 AI 写代码的工程师和产品人、考虑技术转产品或创业的人，以及思考孩子如何接触 AI 的家长，帮助你判断何时动手、如何设边界。

这期你会听到

• vibe coding 为什么适合解决 SaaS 不会覆盖的内部长尾痛点？

• 从 Copilot、Cursor 到 Claude Code，agentic thinking 改变了什么？

• Game Design Doc、Plan Mode 与 context 如何防止复杂项目失控？

• 亲子共创如何让孩子从 consumer 转向具有 builder mindset 的创作者？

• 工程师转 PM 后，为什么定义方向和寻找客户信号比解题更难？

章节

本期嘉宾

Zero（刘希元）有十多年 Web 工程经验，经历游戏、Google 与 startup，正在从工程师转向 PM 并准备创业，也持续探索 Obsidian Copilot 与 AI 游戏教育。

相关内容

观看本期视频版

阅读本期文字稿

97分钟完整版：

https://youtu.be/EypWgo13w4w

加入Superlinear Academy免费社区

提交正在做的智能编程或亲子共创实验，写清复杂度边界与客户信号，请大家共同复盘。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

围绕《Growth Data Analysis Playbook》，Mengying、Joe、Yuzheng 与 Julie 把增长分析从报表和指标拉回产品决策：PLG 如何运转，产品市场匹配怎样量化，实验体系何时建设，以及数据叙事如何让严谨分析真正推动团队行动。

适合增长、产品、数据分析、数据科学和 AI 应用从业者，帮助你判断该追什么指标、何时建设实验体系，以及如何让分析进入真实决策。

这期你会听到

• 为什么 PLG 不是放任产品自然增长？

• 如何用留存、规模和参与度判断产品市场匹配？

• 实验体系应该何时建立，覆盖率为何比实验数量更重要？

• 数据叙事怎样在不牺牲严谨性的前提下推动行动？

• AI Agent 出现后，数据工作的角色和指标会怎样变化？

章节

本期嘉宾

Mengying、Joe、Yuzheng 与主持人 Julie 围绕《Growth Data Analysis Playbook》，讨论增长分析、PLG、实验体系、数据团队建设及 AI 时代的数据工作。

相关内容

观看本期视频版

阅读本期文字稿

购书链接：

https://www.amazon.com/Growth-Data-Analytics-Playbook-Product-Market/dp/1544549822

加入Superlinear Academy免费社区

拿出近期增长决策及其数据依据，和大家检查指标、实验设计与叙事能否支持行动。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

AI Native 公司的面试不只看你会不会用 Cursor、Claude Code 或写 prompt，而是要看你能否做出真实作品、在小团队中高效协作，并把个人判断力沉淀进系统。三个框架可以组织证据，但真正有说服力的案例仍要在工作或 side project 中做出来。

适合准备 AI Native 公司、startup 或 AI Mindset 面试的设计师、PM、数据和市场岗位，帮助你把工具使用转化为可验证的工作案例。

这期你会听到

• 非程序员怎样证明自己具备 AI Native 能力？

• 为什么真实产品和业务迭代比展示 Cursor 或 Claude Code 更有说服力？

• AI Native 小团队需要怎样的协作方式？

• 如何把判断力、方法论和隐性知识教给 AI？

• 为什么面试框架只能表达案例，而 side project 才能创造案例？

章节

相关内容

观看本期视频版

阅读本期文字稿

拓展阅读，《别用昨天的方法准备今天的面试：AI 时代最好的简历，是做出来的》：

https://www.superlinear.academy/c/posts/interview

加入Superlinear Academy免费社区

带来准备投递人工智能原生公司的作品案例，请大家从协作、判断与系统沉淀角度挑证据缺口。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

这不是比较几句 prompt，而是把模糊需求推进为可交付工具的现场：Voice Memo 经 ASR 变成 CSV，再由 Codex 生成总结、行动项与 HTML 报告。真正的差距在于，能否把安装、定时执行、测试、文档和 privacy check 一并设计进 intake skill。

适合想自动化个人语音记录、会议转写或 daily review 的人，也适合希望理解 AI-oriented skill 如何从需求走到可安装交付的产品与工程实践者。

这期你会听到

• 如何把 Voice Memo、ASR、CSV 与 HTML 串成可复用的 life record 管线？

• 为什么 intake skill 需要面向 AI 安装，而不只是面向人写说明？

• Codex prompt 怎样接替既有处理逻辑，生成总结与行动项？

• PRD、RFC、CLI、测试和 README 在 AI-oriented skill 中各自解决什么问题？

• 怎样把示例音频与 privacy check 纳入交付验收？

章节

相关内容

观看本期视频版

阅读本期文字稿

项目：

https://github.com/grapeot/intake-skill

加入Superlinear Academy免费社区

把语音记录或自动总结系统的在制版本带来，请大家检查安装、测试、隐私与验收设计。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

知道 RAG、agent、fine-tune 和 MCP，并不等于能让真实任务稳定推进。本期用 RAG 拆开一个常见误区：pipeline 只是名词结构，真正的能力来自上下文管理、任务拆解、人机协同、评估与错误诊断这些可练习的动作。

适合正在用 AI 写代码、搭知识库、做产品或工作流的人，帮助你判断自己缺的是新概念，还是任务拆解、评估与结果控制的基本功。

这期你会听到

• 为什么记住 RAG 等名词不能转化为稳定的 AI 能力？

• 上下文管理、任务拆解和人机协同分别解决什么问题？

• 企业 RAG 为什么必须处理权限、过期文档和引用准确性？

• ground truth、召回策略与错误诊断如何影响系统可靠性？

• 怎样把评估融入日常工作，而不是在输出之后凭感觉验收？

章节

相关内容

观看本期视频版

阅读本期文字稿

文章版：

https://www.superlinear.academy/c/ai-resources/verb

加入Superlinear Academy免费社区

展示近期用智能工具推进的任务，带上拆解步骤、评估方法与错误记录，请大家诊断基本功。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。