<?xml version='1.0' encoding='utf-8'?>
<rss xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:itunes="http://www.itunes.com/dtds/podcast-1.0.dtd" version="2.0">
  <channel>
    <title>点点寒彬说</title>
    <description>从技术、组织与日常经历出发，记录个人观察与思考。</description>
    <language>zh-cn</language>
    <link>https://www.wengyb.com/podcast/diandian/index.html</link>
    <itunes:author>点点寒彬</itunes:author>
    <itunes:explicit>false</itunes:explicit>
    <itunes:type>episodic</itunes:type>
    <itunes:category text="Society &amp; Culture">
      <itunes:category text="Personal Journals" />
    </itunes:category>
    <itunes:image href="https://www.wengyb.com/podcast/diandian/cover-63fb9cd369776746ac2176b745f766fe8d3b2ee161a12cd05209c1f7f11b1f17.jpg" />
    <image>
      <url>https://www.wengyb.com/podcast/diandian/cover-63fb9cd369776746ac2176b745f766fe8d3b2ee161a12cd05209c1f7f11b1f17.jpg</url>
      <title>点点寒彬说</title>
      <link>https://www.wengyb.com/podcast/diandian/index.html</link>
    </image>
    <atom:link href="https://www.wengyb.com/podcast/diandian/feed.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>两三个人加一群 Agent，就是智能组织吗？</title>
      <description>没有 AI 的时候，我们也曾用两三个人在两三个月里做出一套研发效能系统的初版。现在，同样一个小团队带上一群 Agent，到底会发生什么变化？</description>
      <pubDate>Wed, 18 Nov 2026 08:59:38 +0000</pubDate>
      <link>https://www.wengyb.com/podcast/diandian/episode-002.html</link>
      <guid isPermaLink="false">urn:uuid:1dfcc1c9-623a-5ba9-85b5-3de00ed98379</guid>
      <content:encoded>&lt;p&gt;没有 AI 的时候，我们也曾用两三个人在两三个月里做出一套研发效能系统的初版。现在，同样一个小团队带上一群 Agent，到底会发生什么变化？&lt;/p&gt;&lt;p&gt;这一期从我做研发效能项目的经历聊起。小团队为什么容易把事情推进？有了 AI 之后，哪些工作可以交给 Agent，哪些判断仍然需要人来做？&lt;/p&gt;&lt;p&gt;我也想顺着这个问题再往前推一步。假如有一天 Agent 比人更擅长做某类决策，我们当然可以把相应的权限交给它。可一旦判断出错、事情做砸了，组织里谁来承担后果？&lt;/p&gt;&lt;p&gt;至于一个团队到底要配多少人、多少 Agent，我更愿意从具体工作出发，看两边的质量、成本和风险。人做的决定可能更少，但定方向、定边界、担责任，这些决定会更重要。&lt;/p&gt;&lt;p&gt;【时间轴】&lt;/p&gt;&lt;p&gt;00:03 两三个人加一群 Agent，算不算一种新组织？&lt;/p&gt;&lt;p&gt;00:34 没有 AI 时，两三个人怎么做出研发效能系统？&lt;/p&gt;&lt;p&gt;02:06 怎样让一个团队离开管理者也能运转？&lt;/p&gt;&lt;p&gt;02:46 Skill 和 Agent 怎么帮助组织复制能力？&lt;/p&gt;&lt;p&gt;04:12 Agent 可以做决策，做错了谁来负责？&lt;/p&gt;&lt;p&gt;05:50 当大部分决策都能交给 Agent，组织还需要人吗？&lt;/p&gt;&lt;p&gt;07:02 哪些事用人做更合算，哪些适合交给 Agent？&lt;/p&gt;&lt;p&gt;07:46 回到开头，智能组织究竟改变了什么？&lt;/p&gt;&lt;p&gt;【聊两句】&lt;/p&gt;&lt;p&gt;如果你带一个小团队，你最愿意把哪类决策交给 Agent，又会把哪类决策留给自己？&lt;/p&gt;&lt;p&gt;配乐为 Kevin MacLeod 的 &lt;a href="https://incompetech.com/music/royalty-free/index.html?isrc=USUAN1400037"&gt;Carefree&lt;/a&gt;，采用 &lt;a href="https://creativecommons.org/licenses/by/4.0/"&gt;CC BY 4.0&lt;/a&gt; 授权，已截取、循环、淡入淡出并与口播混合。&lt;/p&gt;</content:encoded>
      <itunes:duration>536</itunes:duration>
      <itunes:explicit>false</itunes:explicit>
      <itunes:episode>2</itunes:episode><itunes:episodeType>full</itunes:episodeType>
      <enclosure url="https://www.wengyb.com/podcast/diandian/audio/981889ed32065e054f484ff996c521408949221bcd70aa9c8b0c2858d35c5623.mp3" length="10727925" type="audio/mpeg" />
    </item>
    <item>
      <title>我不焦虑AI，但我警惕把判断力交给它</title>
      <description>AI 给答案的成本越来越低，但我们判断答案的能力，反而越来越贵。

从熟悉领域中的从容，到跨入运维学习时的警惕，本期聊聊 AI 如何帮助我们提出问题，以及为什么判断力不能轻易交给它。</description>
      <pubDate>Sun, 15 Nov 2026 00:32:18 +0000</pubDate>
      <link>https://www.wengyb.com/podcast/diandian/index.html</link>
      <guid isPermaLink="false">urn:uuid:246219a8-9ea4-4344-b979-0c0f7a71c78a</guid>
      <content:encoded>&lt;p&gt;AI 给答案的成本越来越低，但我们判断答案的能力，反而越来越贵。&lt;/p&gt;&lt;p&gt;早上开车上班听了一期播客，里面在聊「AI 到底会不会让人焦虑」。听完之后我想了挺多。&lt;/p&gt;&lt;p&gt;我是个挺深度的 AI 使用者，工作、学新东西、甚至生活里的事都会大量地试。但要问我焦不焦虑，答案是不会——在软件研发测试这个我熟的领域里，AI 写代码是快，可真正值钱的是怎么做设计，而它给的设计方案，到今天都还在我的认知之下。&lt;/p&gt;&lt;p&gt;一离开这个领域就不一样了。最近在学运维，我习惯性地先让 AI 出个学习大纲，结果总觉得哪里不对：它给的东西像，但不完全是。后来才想明白，我自己都没把「我到底要什么」说清楚，凭什么指望它给对。&lt;/p&gt;&lt;p&gt;这期就从这儿聊开：和 AI 争论「知识能不能拆成最小单位」为什么没争出结果；一个真实的测试案例里，业务只给了七八条规则、谁都说不清什么算对，我们是怎么靠三个 AI 互相推演，把场景扩到 160 多条的；以及为什么我觉得「知识平权」这个词其实有点误导。&lt;/p&gt;&lt;p&gt;最后落在一句我自己也没完全想明白的话上：AI 最可怕的地方，不是比我们聪明，是它可能让我们在没有真正理解一个问题的时候，就误以为自己已经理解了。&lt;/p&gt;&lt;p&gt;【你会听到】&lt;/p&gt;&lt;p&gt;- 为什么在熟的领域里我不慌，出了这个领域反而要警惕&lt;/p&gt;&lt;p&gt;- 「先让 AI 出大纲」为什么容易走偏，换个顺序是什么&lt;/p&gt;&lt;p&gt;- AI 能一直给你方案，但不代表它真的解决了你提出的问题&lt;/p&gt;&lt;p&gt;- 一个真实测试案例：从七八条业务规则到 160+ 测试场景&lt;/p&gt;&lt;p&gt;- 答案变便宜之后，真正变贵的是什么&lt;/p&gt;&lt;p&gt;【时间轴】&lt;/p&gt;&lt;p&gt;00:00 通勤路上听到的问题：AI 到底会不会让人焦虑&lt;/p&gt;&lt;p&gt;00:21 专业领域内为什么不慌：值钱的是设计，AI 的方案还在我的认知之下&lt;/p&gt;&lt;p&gt;01:15 离开熟悉领域：AI 给的学习大纲不对劲，换个顺序才走通&lt;/p&gt;&lt;p&gt;02:47 和 AI 争论「知识的最小单位」：它一直给方案，却没解决我的问题&lt;/p&gt;&lt;p&gt;05:02 真实案例：七八条业务规则，测试却无从下手&lt;/p&gt;&lt;p&gt;05:59 人工穷举三四十条，再让三个 AI 互相推演，扩到 160+ 场景&lt;/p&gt;&lt;p&gt;06:44 不焦虑，但警惕：AI 更该帮我们提出问题，而不是替我们判断&lt;/p&gt;&lt;p&gt;08:40 答案越来越便宜，判断力越来越贵；「知识平权」差在哪一层&lt;/p&gt;&lt;p&gt;10:00 总结：别让 AI 让你误以为自己已经懂了&lt;/p&gt;&lt;p&gt;【本期金句】&lt;/p&gt;&lt;p&gt;「AI 其实可以不断地给你解决方案，但不代表它真的就解决了你提出的问题。」&lt;/p&gt;&lt;p&gt;「AI 给你的东西，其实它永远看起来像是对的。如果你没有判断能力，指望 AI 去无中生有，那其实跟你自己去烧香拜佛没有区别。」&lt;/p&gt;&lt;p&gt;「AI 最可怕的地方，不是比我们聪明，而是它可能会让我们在没有真正理解一个问题的时候，就误以为自己已经理解它了。」&lt;/p&gt;&lt;p&gt;【聊两句】&lt;/p&gt;&lt;p&gt;你有没有过那种「AI 答得挺像样，但就是说不出哪里不对」的时刻？评论区聊聊，我想看看别人是怎么发现不对劲的。&lt;/p&gt;</content:encoded>
      <itunes:duration>646</itunes:duration>
      <itunes:explicit>false</itunes:explicit>
      <itunes:episodeType>full</itunes:episodeType>
      <enclosure url="https://www.wengyb.com/podcast/diandian/audio/85ec5f65db6948a95f682f8aae1ab72b9b7dfb13af3ffc90186667a5b637f416.mp3" length="12925141" type="audio/mpeg" />
    </item>
  </channel>
</rss>