摘要

AI 把产品开发成本压低后，真正稀缺的资源从代码转成了注意力。 Zara 的判断是，AI coding 让产品数量暴增、功能更易复制，竞争壁垒因此前移到 go to market、distribution、品牌与 user community；“万事俱备只欠 CTO”正在变成 CMO 更关键。投资上值得盯住的不是谁能最快做出功能，而是谁能以更低成本持续获得、转化并留住注意力。
AI 内容泛滥让“活人感”成为品牌的稀缺信号，创始人也因此要亲自成为 CMO。 节目以 OpenAI 为例：Koji 认为用户往往从 Sam Altman 的 Twitter 而非官方账号了解最新功能，Zara 认同并进一步强调个人品牌与产品品牌会越来越不分家。Lovable 则把 employee social 扩展到全员转发、工程师亲自讲功能和收反馈。Zara 的底线很直接：“默认情况就是 nobody cares”，产品做了却不讲，才是更大的风险。
AI 产品正从功能竞争转向消费品式的身份、审美与 vibe 竞争。 Cursor Cafe、Anthropic 的 thinking cap 都没有强调参数，而是让用户觉得“用这个产品的人是某一类人”；当普通用户难以分辨十款 AI coding 工具的功能差异，网站设计、创始人气质、社群和可传播体验就会决定选择。Koji 判断，消费品营销手法移植到科技行业仍有约三到六个月的套利窗口，但刺激会迅速失效。
“文科生最好的时代”并不是技术不再重要，而是 technical curiosity、用户洞察和分发能力变得同样关键。 Zara 把旧口号反转成“code is cheap, show me the talk”：自然语言工具让非 CS 背景的人也能做 prototype，而真正困难的变成做什么、为何做、怎样讲清价值。她同时保留了一个关键悖论——“idea is expensive again”，因为好 idea 来自长期场景洞察；但“idea is cheap”，因为落地与抄袭成本都下降，竞争力最终来自更快转动“落地—获客—反馈—再迭代”的飞轮。
个人定位不是想出来的，而是用高频发布和真实反馈“折腾出来的”。 Zara 的小红书从年初约 2 万粉丝增长到约 18 万，但更重要的数据是两年多累计近 500 篇、冷启动时连续半年日更；她从反馈中发现，“文科生怎么进 AI”和一手资源推荐才是自己的独特供给。她的信息筛选原则是“follow builders not influencers”，因为 builder 讲的是实战，influencer 往往只告诉你又发了什么模型，却回答不了“so what”。
内容与产品都是“人类行为的预测系统”，优势来自反馈循环次数，而非一次性的灵感。 发布内容是在预测谁会看、谁会传播，发布功能是在预测谁会用；每次把数据和反馈更新进自己的 sense，才形成 taste、产品直觉和 distribution。Long Cut 正是这一方法的产物：它不把长视频压成失去故事和金句的 summary，而是在时间轴标出精华、保留原视频，并提供上下文 explain 和笔记清理。
内容的长期价值不是广告收入，而是提前积累未来业务所需的 distribution、reputation 与 network。 Zara 的小红书和 side project 都未以短期变现为目标，她把“每一个粉丝”视为未来省下的 marketing 成本，把无偿分享比作向 karma 银行存钱；等创业后才找投资人、用户、人才和合作伙伴，往往已经“too late”。这使个人内容更像一项长期复利资产，而非孤立的博主营收业务。
AI 最终放大的不是 intelligence，而是 agency：高主动性者得到超能力，缺乏主动行动的人可能更快失去原有位置。 Zara 从买设备后拖延一年，到只拿手机回答三个常被问的问题，再到 learn in public、做产品和转岗，靠的是把门槛降到“5% 的改变”；她的总结是：“你反问自己有谁拦着你吗？没有人拦着你。”可持续行动也不等于苦撑——真正目标是找到“对自己像玩、对别人像工作”的松弛成长。

精读

1. 行动先于理解，2025 年的转折是从观看者变成 builder

Zara 把 2025 定义为“行动的一年”。她早在前一年就意识到 AI 是必须抓住的时代机遇，却主要停留在看视频、追资讯和学习；后来才承认，“看视频和学习其实是一种懒惰”，很多时候只是因为不敢行动。
她的修正不是停止输入，而是改变顺序：先做内容、做产品、尝试 vibe coding，再带着具体问题回去看论文、访谈和教程。此时那些过去听不懂的话才突然有了意义，“最好的学习方式就是 learn by doing”。
这一年她在中英文内容上取得突破、转到产品岗位、发布首个业余产品并收集用户反馈，也把更多想法做成可运行的东西。Koji 开玩笑说听众可以立刻关掉播客去行动，但两人的共识是：可以继续听，只是不能让听取代动手。

2. AI 压低开发成本，也把获客难度推到了更高位置

Zara 关注的不是又一个模型榜单，而是 go to market 的结构变化：设计和 coding 成本下降，创业公司与 AI 产品大量涌现，用户每天都被新品轰炸，“根本用不过来”。
她由此把稀缺性重新排序：以前代码昂贵，代码是稀缺资源；现在产品可以更快、更便宜地做出来，注意力反而成为“一个更稀缺的资源”。让用户选择你的产品而非十个近似替代品，变得比开发本身更难。
这意味着营销、distribution、品牌和 user community 不该在产品完成后才补课。Koji 用“以前是万事俱备只欠 CTO”概括旧范式，Zara 的回应是，今天 CMO、讲故事和创建连接的能力正在成为真正壁垒。

3. “活人感”是 AI 内容过剩后的稀缺信号

Zara 并不反对用 AI 写内容；她反对的是内容没有真实经验、独特观点，甚至创作者都没有 bother 去消除明显的 AI 腔。在大量同质化生成内容中，能让人感到背后有一个具体的人，才可能脱颖而出。
她把未来营销的关键词概括成“活人感”：声音有瑕疵、表达不完全 polished、创作者愿意出镜，反而帮助受众建立连接。播客尤其适合，因为听众能直接感受到两个人的声音与临场交流，“一听就不是 AI”。
Koji 以 OpenAI 为例，称自己几乎想象不到官方账号何时发过有影响力的内容，用户往往从 Sam Altman 的个人 Twitter 得知新功能；Zara 认同这一点，并进一步说个人品牌与产品品牌会越来越不分家。

4. 全员 CMO 能把组织本身变成分发网络

Zara 所说的 founder-led marketing 并不止于创始人发推，而是“人人都是 CMO”：研发或产品经理做出某项功能后，自己解释、推广并直接阅读评论区反馈，传播与产品迭代因此连成一条链。
Lovable 的做法是同时经营 founder social 和 employee social；每次发布功能，全员转发造势。Koji 联想到聚美大促时，员工会把微信头像统一换成“301”或“901”，本质上也是早期的全员 social。
Arc 的每周 changelog 则不只罗列十项更新，而是用涂鸦、图文和员工头像讲清每项功能由谁完成。用户因此看见产品背后的 builder，员工也获得“这个东西是我做的”的 ownership；即使团队后来把注意力转向 Dia，Arc 的更新仍保留这种人格。
小公司在 building in public 上反而占优：大公司有复杂 PR 政策，小团队可以基于信任让员工直接说话。Zara 的警告是，“默认情况就是 nobody cares”；做了产品却不讲，等于让工作从市场上消失。

5. 定位不是策划出来的，而是数百次发布后被受众定义的

Zara 的小红书在 2025 年从约 2 万粉丝增长到约 18 万，但她认为更应关注的是近 500 篇累计发布，以及冷启动阶段“一天都没有断过”的半年日更。结果来自足够大的实践样本，而非一开始就选中了完美赛道。
她早期同样没有想清定位，后来才总结：“定位这件事情不是想出来的，是折腾出来的。”几十篇、一百篇之后，哪些内容有人看、哪些无人关心，会训练出内容 sense；最终定位不是自我描述，而是“观众觉得你的定位”。
反馈塑造出的实际定位，是以非技术背景从业者视角分享 AI 趋势、个人学习与成长。它与她最初设想并不完全一致，却准确占据了技术叙事之外的空白。

6. 非技术视角与一手 builder 内容构成了她的供给差异

最出乎 Zara 意料的爆款，是“文科生怎么进 AI、怎么学习 AI”。行业讨论通常由 researcher、engineer 和技术创业者主导，但世界上绝大多数人没有技术背景；她后来意识到，这群人需要一个能翻译浪潮、又不假装技术权威的视角。
另一类高反馈内容只是资源推荐。她原以为必须写出精美、有洞察的 summary，后来发现把五个看过的 YouTube 长访谈截图列出，说明谁在讲、为何值得看，就已经满足了大量人寻找一手信息的需求，也更有“活人感”。
真正决定推荐价值的是筛选标准，而非“五个视频”这种形式。Zara 的原则是“follow builders not influencers”：把高密度长访谈从头看到尾，就像免费与硅谷一线从业者开了一次视频会议。
Builder 的观点来自亲自做事，influencer 则常常复述“OpenAI 又发模型、Google 又发模型”，却没有回答“so what”；赞助也可能影响推荐真实性。Koji 补充，节目通过 Claude Code 第三方 token 榜找到全球用量第一的华人 builder，那期实战分享同时成为年度评论、收藏和转发最多的内容。

7. 最有传播力的 vibe coding 原型来自创作者自己的窘境

Zara 发现，人在镜头前容易僵住，是因为单向输出违背了最自然的 dialogue 状态。她据此做出录视频工具：由 Gemini 的实时语音能力扮演播客主持人，根据回答继续提问，把面对摄像头改造成双向沟通。
AI 提问时用户不说话，因此工具又加入“一键 remove silence”，自动删掉提问与停顿，只导出用户连续讲话的干净视频。这个功能不是凭空想出来的，而是从真实录制流程中顺推出来。
她还把小红书直播体验变成“AI 气氛组”：界面模拟直播平台，一群 AI 观众实时提问、夸赞和给正反馈。Koji 认可其底层洞察——社会动物得不到呼应就会卡住，而良性的反馈能显著降低表达门槛。

8. Learn in public 能反向改写一个人的身份认同

Zara 觉得自己成为 AI native，并不只因为学会了多少技术，而是因为她持续公开分享实践后，外界先把她看成 AI native；这种 perception 又反过来改变了她对自己的定义。
她把这视为一种重塑身份的 hack：如果想摆脱旧标签，可以先公开创造新的行为证据。Koji 用自己摆脱晕车的经历呼应——反复告诉自己“我是不晕车的人”，最终真的改变了身体与心理反应。
“Technical”与“non-technical”的二分法在她看来已经过时。她更喜欢“technically curious”：是否持续关注新模型、新 API，并愿意亲自试用，与大学是否学过 CS 并没有必然关系；有些强工程师并不关心最新 AI，反而是非技术者更 enthusiastic。
她强调 technical curiosity 是可以习得的技能。新技术浪潮让所有人重新学习，即使本科读 AI 也不能依赖旧知识。自然语言工具又让不会编程的人做出 prototype；Zara 谨慎地说，文科生对人性、用户、沟通和 distribution 的洞察“应该”更强，因此可能在 idea 与分发层面超过部分程序员。

9. Idea 同时变贵和变便宜，真正资产是循环速度

“Idea is expensive again”的贵，来自独特而长期的场景认知。Zara 的双向录制产品只有在做过直播、发过数百条视频、亲身体验镜头尴尬后才容易想到；随便访谈几个用户，通常得不到这种深度。
“Idea is cheap”的便宜，则来自开发与抄袭成本同步下降。单独拥有想法已不足以防守，必须做出来、获得流量、收集反馈、产生下一轮 idea；“落地—注意力—反馈—迭代”的循环转得越快、次数越多，竞争力才越强。
Zara 曾因非技术背景在互联网和早期 AI 讨论中有 imposter syndrome，后来把“talk is cheap, show me the code”反转成“code is cheap, show me the talk”。她用甲骨文类比：龟背刻字曾是少数人的高级技能，后来书写与打字变成基础能力，编程也可能经历相似迁移。
技术只有变成产品、到达用户并被真正使用，才产生价值。此时文科生能回答“做什么”，把洞察变成 prototype；也能回答“怎么卖”，用 storytelling、社区和沟通启动飞轮，这正是硅谷开始招聘 head of storytelling 的原因。

10. 线下 pop-up 正把 AI 产品包装成一种身份

Cursor 曾包下一家旧金山咖啡馆，做成 Cafe Cursor，让用户现场 code 一天，核心团队全天回答问题、听需求。它同时是用户活动、产品研究和 builder 与社区建立联系的场所。
Anthropic 在纽约接管咖啡馆，发放只写着“thinking”的 thinking cap；面对 AI slop，它没有宣传 Claude 多强，而是暗示“用 Claude 的人会独立思考”。有人排长队，甚至专程飞到纽约领帽子，传播的其实是用户想成为的那类人。
Zara 称营销的最高境界不是推广产品，而是推广用户：“用你产品就是一种身份的象征。”非技术用户用 vibe coding 做出第一个网站后立刻发小红书，也是因为“我也能写代码、我也是用 Cursor 的人”足够酷。
Koji 判断，这些在消费品行业并不新鲜的 campaign，移植到科技领域仍可能制造全球爆款；Zara 补充，至少眼下以及未来 3 个月、6 个月内，这类 pop-up 仍可能是好的营销杠杆，但刺激不会永久有效。线下的价值还在于“活人”面对面连接，以及 builder 直接看见用户反应。

11. 最好的营销被写进产品体验，而不是附着在产品外面

AI coding 产品至少有十种，普通用户很难讲清功能差别，也没有耐心逐项比较。他们往往选择朋友提得最多、网站更好看、创始人气场更合或营销恰好触达自己的那一个；差异从 feature 转成了品牌、设计、storytelling 和 vibe。
Zara 用洗发水、依云和 VOSS 类比：消费品功能可以高度同质化，购买却仍表达身份。线下活动也应把体验变成传播素材，让参与者愿意拍照、发 Twitter 或朋友圈，把几百名到场者放大成更大的线上触达。
Poke 把传播性做进 onboarding：用户要通过短信说服 AI 接纳自己进入 beta，AI 会 challenge、挖苦并与用户谈一个没有固定值的价格。Koji 回忆，它曾因他做过《996》播客而给出 996 美元的起始价格；隐私上可能令人顾虑，但谈判截图天然促使用户分享。
Koji 回忆担任躺岛 CEO 时，也曾为猫肚皮枕在上海愚园路搭建一座庙，让人祭拜睡眠之神、拍出有趣照片。线下只触达几千或两万人，真正的放大器是每个参与者都想证明自己“总能发现新事物”。

12. 重复不是创意贫乏，而是对抗沟通损耗

Zara 的营销原则是“重复、重复、再重复”。创作者觉得自己已经讲到要吐时，受众可能才开始听见；自以为传递了一百分，别人也许只接收到五十分，更多人根本没有注意到。
对小红书而言，约 99% 的人是在推荐页偶遇内容，不会进入主页逐条核对是否重复。现实是“people don’t read”：长文常被压成 AI summary，视频多数只得到开头几秒钟，不能假设受众会完整消费。
她以自己的下载路径解释 touch point：第一次看到产品视频觉得不错却忙着别的事，第二次收藏后忘记，第三次被朋友推荐仍没行动，直到第五次触达才真正下载。从知道到行动，中间可能天然需要五次提醒。
因此数量与质量同样重要，内容门槛必须低到能够日更。优秀 founder 或 investor 即使工作繁忙，也可能每天发十条 Twitter；“只有 1% 的人 get 到你 10% 的 message”时，高频 engage 本身就是分发策略。

13. Long Cut 拒绝把高质量长内容压成失真的 summary

Zara 的产品 Long Cut 是 Short Cut 的反义词，理念是“take the long cut”。用户粘贴 YouTube 长视频链接后，模型读取全文逐字稿，寻找最独特、最精华的片段，并沿时间轴加标题和 highlight。
点击标题不会只看到 AI 转述，而会直接跳到原视频对应位置。她坚持“即使跳着看，也要看原视频”，因为普通 summary 最先丢失的往往正是嘉宾的小故事、具体例子、语言节奏和真正能被记住的金句。
面对研究员访谈里的陌生术语，用户可在逐字稿中选择词、短语或整句，一键 explain；AI 会结合当前视频上下文解释，不必把片段复制到不知道语境的 ChatGPT 或 Google。
选中的原话还可以一键去除口水词、口误和不准确处，再加个人感想成为笔记。Long Cut 的三个功能都源自 Zara 自己长期看访谈的痛点，而非先列功能清单再寻找需求。

14. 内容与产品都是反复校准的人类行为预测系统

Zara 对两类工作的统一定义是“人类行为的预测系统”：内容在预测谁会看、觉得好、转发或毫不关心；产品在预测某项功能会不会被使用、会得到什么反馈。
发布前无法靠坐在电脑前想出答案，发布后才获得数据。每一次“发布—反馈—更新认知—再发布”都像给模型增加训练样本；循环越多，内容 sense 与产品 sense 越可靠，并不存在天生懂用户的捷径。
Koji 将人的剩余价值概括为 taste、distribution 和 agency。Zara 又引用 Naval 关于 code 与 media 是“不需要别人许可的杠杆”的说法：两者能长期复利，而大模型进一步降低了使用这两种杠杆的门槛。

15. 行动冷启动的关键，是把改变缩小到可立即完成的 5%

Zara 认为，许多人默认做事需要父母、老师、老板、学历、大厂或 CS 标签许可；但今天可以直接下载 AI coding 工具、做产品、录视频并发布。“你反问自己有谁拦着你吗？没有人拦着你。”
她也承认知易行难：决定规律发小红书前曾犹豫约一年，买了灯和三脚架，设备落灰却没有拍摄。真正的起点只是放弃 polish，拿起手机，用大白话回答周围人最常问她的问题。
她的冷启动方法是回想“别人最常问你的三个问题”。自己觉得理所当然的经历，恰恰可能是外界最感兴趣的差异；她最初就从“为什么离开 VC 去互联网公司”“文科生怎么进互联网”开始。
Koji 给出另一种 5% 改变：找一个聊天最自然的朋友坐在镜头后提问，或先公开立下连续发布的 flag。十字路口先反复对外宣称自己是周更播客，外界的认可又迫使团队兑现，后来甚至做到一周两更。

16. Learn in public 把输入、输出和正反馈接成可持续系统

Zara 建议以学生而非教师姿态分享：“我跟你一起学习，我只是分享笔记。”这既降低“不够专业”的心理门槛，也避免居高临下的“爹味”，让内容更利他、更有同行感。
持续公开输出会反向拉动输入：没东西发时，她就去看一场 YouTube 访谈；再用自己的语言讲清观点，也迫使自己完成消化。外界认为她好学，她便更愿意每天学习，身份与行为互相强化。
学生时代有考试提供反馈，进入职场后，业余学习常常没有“学会了又怎样”的答案。Zara 的强烈说法是：“如果你不 learn in public，你就相当于没学。”内容、demo 或小 project 至少让学习留下可见产出。
她追求的是“有松弛感的成长”：发内容、试模型和 vibe coding 对她更像娱乐，而非额外劳动。刷短视频后可能空虚，做喜欢的事却补充能量；真正可持续的状态是 Naval 所说的，“find what feels like play to you but feels like work to others”。

17. 松弛感不是躺出来的，而是行动产生正反馈后的结果

Zara 去年学习 AI 时同样焦虑：背景不匹配、模型能力较弱、vibe coding 总出 bug，很多想法无法落地。到今年出现明显突破，是因为她持续尝试，终于得到“真的能做出来”的反馈。
她强调，定位和松弛感都不会像馅饼一样从天上掉下来。发几条视频无人看、试几次产品失败就退出，永远到不了反馈出现的节点；先坚持到获得反馈，事情才可能从负担变成喜欢的活动。
Koji 提到 Paul Graham 关于伟大事业的建议：寻找自己毫不费劲、别人却觉得很难的事情。两人也提醒，这个领域不一定是 AI 或内容，每个人都要亲自“get your hands dirty”，才能发现自己的那一种松弛成长。

18. 内容的 long game 是提前积累未来业务需要的资源

Zara 明确说，小红书没有任何变现，业余产品也不是以盈利为目的；她有主业，并不准备成为全职博主。她区分 short game 与 long game：前者是涨粉后立刻接广告，后者是借 distribution 认识创业者、投资人、人才、客户和未来合作者。
她把每个新增粉丝都视作“未来省的 marketing 成本”。不能等产品发布后才考虑 distribution，也不能创业后才发现不认识投资人、找不到测试用户、想不起能邀请谁加入团队——到那时再积累已经“too late”。
无偿分享在她脑中像 karma 或功德：帮助过的人第一次线下见面也会带礼物，因为他们已感到受益。她把影响力比作向银行存钱，“总有一天你能取出来”，而存得越久，复利越多，所以不急着提前兑现。

19. 她推荐的 AI 产品都以低摩擦正反馈为共同标准

日常聊天方面，Zara 更推荐 Claude。她喜欢其不同于其他 AI 的“性格”：不会一味拍马屁或默认用户永远正确，聊 personal 问题时“如沐春风”，也适合写作或充当心理咨询式的对话伙伴。
学习方面，她推荐 NotebookLM 的 remix 理念：把材料转换成文字、播客、video overview 或 PPT，以适应不同吸收方式。她还把简历和聊天逐字稿传入，让两个 AI 夸自己二十分钟，或把混乱想法整理成 PPT，并把 slogan 扩展为“understand anything including yourself”。
Vibe coding 初学者可以从 Replit Design 开始：它从 idea、生成到部署、域名近乎一站式，不必碰代码，做出的页面也较美观。她建议先把简历变成个人网站，以一个无数据库、无后端的小成果获得正反馈。
另一个较小众的工具是 Faces，适合简历、作品集和资源清单等轻量网站，能完成视觉与交互动效。她用它整理过 AI 播客、视频和 newsletter，重点仍是让小白快速做出“值得截图分享”的东西。
Zara 还建议大家现在就用“让 AI 一次问我一个问题”的方式写 2026 年目标，而不是面对空白文档苦想。

20. 让 AI 提问，比继续优化提示词更能得到“自己的答案”

Zara 会颠倒人与 AI 的默认关系：不是自己不断提问，而是对 Claude 或 ChatGPT 说，“一次问我一个问题，帮我把这件事想清楚。”AI 依次追问受众、痛点和竞品差异，她只需自然说十几分钟，再让它整理成文档。
因为原料全部来自她的口述，成稿“完全是我的东西”，只需稍改，也不像套模板的 AI 文。她甚至在堵车时完成过整份文档；她也建议听众通过逐题回答写出 2026 年目标。
另一句高价值提示是：“你需要我给你什么东西，才能把这件事干得更好？”很多模型在上下文不足时仍直接开工，结果自然很差；让 AI 先列出所需信息，相当于让助手主动发现自己“不知道自己不知道什么”。
这一交互也适用于个人困惑：让 AI 像 therapist 一样一次问一个问题，用户往往会在回答中自己说出方案。Zara 的观察是，人有时不需要别人给答案，只需要被准确地引导到已经知道的答案。

21. 最值得追踪的 builder 同时展示了产品直觉与 Go Direct

产品层面，Zara 最受 Granola 创始人 Chris Pedregal 启发：用户访谈不是“用户说什么就做什么”，而是在无数次交流中训练产品经理的直觉，最后仍由自己作判断；应用层也不必与模型层争夺 context window 等最终会被底层解决的问题。
Google 的 Josh Woodward 则让她看见大厂内部的创业者状态。他要求 Google Labs 的产品经理早期少盯数字看板，多看用户眼睛里是否出现 aha moment；当项目尚未达到 Google 的亿级规模时，感受可能比不成熟的数据更重要。
PR 与 GTM 层面，她推荐 Lulu Cheng Meservey 的“Go Direct”：CEO 应直接面向受众，而非把表达外包给媒体或 PR 稿。Founder 上播客不是因为外向，而是一项业务策略；“我是 I 人”不能替代对招聘、获客和建立信任的明确选择。
Lulu 的定位模型是三个圈的交集：自己想说的、目标受众想听的、对业务有利的。对 founder 来说，“who is more important than how many”；长播客能讲透少数派理念，再长剪短分发。她还指出，公开支持 underrated product 容易激发受众帮助 underdog 的传播冲动，但“小众宝藏”红利只能用到品牌不再小众为止。

22. 技术边界每天变化，稳定需求要靠持续试用重新匹配

面对“AI 能力边界与用户需求如何平衡”，Zara 的拆解是：人的痛点和需求长期相对稳定，技术能力却每天变化。新机会通常不是突然发现了前所未有的需求，而是“以前技术干不了的事，现在能干了”。
因此仅做用户访谈不够，还要通过 Twitter、newsletter 和研究员访谈跟踪前沿，更必须亲自使用新模型与 API。若能 stay ahead，不仅知道当前边界，还从研究方向推测未来几个月可能解锁什么，就更容易把稳定痛点与新能力连接起来。
她也据此称现在是“人人都是产品经理”的时代。过去要学产品，可能先要组研发团队甚至融资；现在打开 Cursor 或 Google AI Studio，用自然语言至少能做出 prototype，快速验证假设。
Zara 说“AI 帮我学会了产品”，不是因为模型灌输了知识，而是它降低了实操门槛。想学产品就多做、多发、多看反馈；想学内容也一样。能力由实践次数形成，教程本身无法替代这种 sense。

23. Agency 决定 AI 是黄金时代还是最坏时代

后段主持人引用 Andrej Karpathy 的判断“agency 大于 intelligence”，并把 agency 翻译成一种“我命由我不由天”的主理人精神：主动发起、推进和完成项目，而不是让环境与旧标签替自己决定。
主持人的行动 hack 是先给目标取一个有生命力的项目名，再做 logo、网站并公开发布；他以 hypothetical 的“2026 Purple Year”吃素计划举例。仪式感会让模糊愿望变成需要负责的实体，也给行动创造外部反馈。
Zara 的最终分野很明确：对 high-agency 的人，AI 是最好的时代，能降低学习和创造门槛；对另一些人，它可能取代旧能力，让原有位置不再被需要。普通人至少要学习如何与 AI 共事，并追问“我和 AI 一起还能创造什么价值”，让它赋能而非替代自己。
彩蛋里的个人履历解释了她为何抗拒单一标签：她是一岁孩子的妈妈、前 The Information 记者、东北人、观鸟者、日语学习者、不喝咖啡和茶的人，也从小喜欢自我表达；她曾在中国、美国、新加坡生活，在哈佛读心理学，并已在中国创投圈近十年。The Information 是她大三时的实习媒体，纯订阅、不收广告，主要报道独家新闻。
她从记者、VC、marketing 一步步靠近产品，终于自称 builder。主持人将其概括为“人生是一场无限的游戏”，Zara 回应说，最终 build 的是自己的人生。

Fuse CEO Alan Chang：Revolut 的速度与主人翁意识打法，以及为什么创始人的野心还不够大与 MATS 的 Ryan Kidd 谈 AI 安全研究社区的建设与规模化