"他们不是不想见你，是不被允许——但如果你们在同一个场地，就会撞见"：swyx 作为被访者谈 AIE 上海的加盟模式、把一个四万美元 SaaS 悬赏一万克隆掉，以及"他们是非常好的创业者，只是住错了国家"（Latent Space × AIEi Shanghai，2026-11-04）¶

被访者: swyx（Shawn Wang） — Latent Space 创始人、AI Engineer（AIE）大会创办者（⚠️ 本库第三次收录他作为被访者；第一次是 2026-07-10），人物页见 Latent Space（swyx & Alessio）
提问者: Galen Gao（⚠️ 转录稿里从未被点名，全名取自视频简介；他自述运营一个三年前创立的、帮中国创业者出海的社群，办过千人以上规模的会）
来源: YouTube · 72 分钟
转录稿: sources/latent-space/20261104-QmDLDy3ZSNE（⚠️ 自动字幕 en-orig，无说话人标签；转录稿用 >> 标换人，归属为编辑判断）

⚠️⚠️ 本期的角色是反过来的，而这决定了本页怎么读它：Latent Space 通常是 swyx 提问，而这一期他是被访者，提问者来自中国。 ⚠️⚠️ 而本期是 AIE 上海（他自己的大会品牌在中国的首场）的预热节目，前两分钟是他自己录的开场导语。 ✅ 本页因此把它定性为一期带明确商业目的的自述访谈，而不是独立访谈：所有关于 AIE 规模、Latent Space 影响力、以及"Kill My SaaS"竞赛成果的数字全部为自述、无第三方来源。 ✅ 但本页认为它有四处实质价值，而其中两处是本库此前完全没有的：① 一条关于中美 AI 接触在实务层面怎么发生的具体描述（实体清单、"不被允许见面"、以及同场偶遇作为绕道）；② 一份由买方自己做的 SaaS 克隆实验，带具体金额、提交量与评审结论；③ 一条关于"为什么是 Diogo 而不是此前上千个主张小模型的人成功了"的归因；④ 一个相当干净的"品味"操作性定义。 ⚠️⚠️ 而本页必须标出四处问题（见末节）：一条高度可争议且他自己没有给论据的国别论断、一处他的建议恰好把流量导向自己的利益冲突、一个被当成竞赛成果的数字其口径在同一期里前后不一致、以及一条他自己说"默认假设应该是 AI 毁灭"的立场与他生意处境之间的一处他自己点出来的张力。

⚠️ 自动字幕的专名问题极多，本页照录可还原的、其余标为不可确证： - ⚠️ 可高置信还原："Immad Mustak" = Emad Mostaque；"airbite" = Airbyte；"Jeff" / "Jaff" = Jev；"Dieago" / "Dooo" / "dero" = Diogo Almeida；"Lora" / "Lagora" / "Lorra" = Legora；"kalani" / "kalanly" / "Calendarly" = Calendly；"foul AI" = fal.ai；"unitry" / "unry" = Unitree（宇树）；"comfy UI" / "company UI" / "confidence" / "conf" / "coffee" = ComfyUI；"Ali Yun" = 阿里云；"Quen" = Qwen；"Mini Max" = MiniMax；"manis" = Manus；"chbttt" / "Chachib" / "chatbt" = ChatGPT；"CubeCon" / "JSCON" / "Pyon" = KubeCon / JSConf / PyCon；"BMF" = PMF；"boweapons" = 生物武器；"Beta in 2007" = 北京；"BAT" = 百度 / 阿里 / 腾讯。 - ⚠️⚠️ 一处本页判定为中文成语被音译打碎的地方（[00:55:35]）：转录稿写作 "I always call it dining / you have the long / I will help you with the ting"。✅ 本页按上下文读作"画龙点睛"——你有龙（真正世界第一的那样东西），我帮你点睛（GTM）。本页标注这是编辑判断。 - ⚠️ 不可确证，本页照录不采信：AIE 上海的组织方与组织者名（"Standard Partners" / "stand up partners"、"Hanu Leu" / "Hanoa"、"Lei"、"Mying" / "Ming"）；那位把每期都翻译成中文的粉丝名（"Mang Shao"）；中国最大 AI 社群名（"way to AI"，按上下文疑为"通往 AGI 之路"一类）；Cursor 新产品名（"Crockpot"）；端侧/其它产品名（"Underdog"）；AIE 数据集路径（"agineer/data"）与 AEO 站点（"AEO.ent.space"）。 - ⚠️⚠️ 一处讹写导致语义不可恢复（[01:08:45]）：生物武器那句写作 "oops, like I have invented CO 2"，而 "CO 2" 在该语境下不可能是二氧化碳。✅ 本页只保留"最极端的版本是生物武器"这一结构，不采信那个被讹写的具体对象。

✅ 本页认为这一期值得长期保存的是七处： ① ⚠️⚠️ 本库第一条关于中美 AI 实务接触机制的描述："他们不被允许正式和你开会……但如果你们在同一个场地，就会撞见对方"，而他对自己处境的表述同样具体："我连在中国设一个本地实体都做不到""我不能和白宫惹上麻烦"。 ② ⚠️⚠️ 一份带具体数字的 SaaS 克隆实验：一个四万美元的 SaaS 提案，改成悬赏一万美元让人开源克隆；69 份提交、约五份"我们会付钱买"、一周做完、两个月评审。 ③ ⚠️⚠️ 一条对 SaaS 护城河的机械化威胁描述："模型非常擅长点完你软件的每一个界面，然后独立地把它复刻出来"→"我一旦能访问你的软件，我就能克隆它。所以祝你好运。" ④ ⚠️⚠️ 一处他自己点明的 AI 评审边界，本页认为是本期最被低估的一句："我没法为我自己都不知道想要什么的东西做一个 AI 评审。" ⑤ ⚠️⚠️ 一条对"为什么是 Diogo 成了"的三因归因，而它的价值在于前提是"此前已有上千人主张过小模型"。 ⑥ ⚠️⚠️ 一个可操作的"品味"定义：从巨大的可能性集合里又快又省地收窄到那个"回头看一眼就显然是对的"子集；配套判据是"当别人开始抄你刚发的那个东西，你就有品味"。 ⑦ ⚠️ 一组中美生态的体感差异："在你们这儿，一个中等规模的社群是一百万人"；996 的真伪对照；以及阿里云发布会"这儿没人看见"的渠道诊断。

一、⚠️⚠️ 中美：实体清单、"不被允许"，以及同场偶遇作为绕道¶

（[00:00:00]–[00:02:03]、[00:22:16]–[00:23:16]、[00:28:20]–[00:29:22]）✅ 本页认为这是本期最该被中美 AI 生态对照长期引用的部分，因为本库此前的中美材料几乎都在能力、供应链或政策层面，而这一条讲的是人实际上怎么见到面。

⚠️⚠️ 他对实体清单后果的描述是本页认为本期最具体的一条事实性观察（[00:23:16]）：

"尤其对中国的实验室来说——其中有一些在实体清单上。" ⚠️⚠️ "他们不能正式和你开会。很多美国公司也不能正式和你开会。他们不被允许。他们甚至不回复你。那不是因为他们不想，而是因为他们不被允许。" ⚠️⚠️ "但如果你们在同一个地点，你们就会撞见对方。"
✅ 他把这件事明确说成自己办会的目的之一："为魔法的发生创造机会"；⚠️ 而他给的 KPI 带玩笑成分但指向同一件事："我创造的婚姻和婴儿的数量"（他举了一对在会上开始约会、现在已结婚的例子）。
✅ 本页标注这条为什么该被长期保存：⚠️⚠️ 它区分了"不想"与"不被允许"，并指出正式渠道被切断之后，剩下的通道是物理同场。本页认为这是本库目前对中美 AI 交流现状最有操作含义的一条描述——它意味着线下会议的功能不只是传播信息，而是充当了唯一一条不需要双方正式批准的接触通道。 ⚠️ 本页同时限定：这是一位会议主办方对自己产品价值的描述，因此带明显的自我定位动机。
⚠️⚠️ 而他对自己为什么必须让本地团队完全拥有这件事的解释同样具体（[00:28:20]–[00:29:22]）：

"中国是最麻烦的那一个……我是新加坡公民，而美国和中国之间显然有很多限制。" ⚠️⚠️ "因为我连在中国设一个本地实体都做不到。有很多管制。我不想惹上麻烦，因为我的主营生意在美国。所以我不能和白宫惹上麻烦。"
✅ 于是方案是纯加盟：⚠️ "但如果你想共享这个品牌、把它当成你自己的事情来办，那就是个加盟。就我们而言加盟多得是。我是麦当劳，你是麦当劳中国。"
⚠️ 他在开场里对归属给了一次明确的更正，本页照录因为它与上面那条约束是同一件事（[00:04:05]）：提问者说"你把 AIE 带到了上海"，他纠正——"我没有把 AIE 带到上海。是上海把 AIE 带到了上海。"
⚠️ 加盟的三条条件（[00:26:19]–[00:27:20]）：① 不滥用品牌名（含某种收入分成）；② 把你办的东西全部公开发布；③ 要有一套行为准则，出现侵害或不当对待时有解决途径。 ✅ 而他对风险的自述很坦白："我们做这件事承担了很大风险，因为我们在把品牌共享给不替我们工作的人。那万一他们办了一场很烂的 AIE 呢？"（⚠️ 他说目前还没发生过）。
⚠️ 他对"只做技术不做政治"给了一句明确的划界（[01:06:43]）："有很多人对这种跨文化交流有兴趣、而对政治没兴趣"——"我们不做政治，我们只做技术。"
🔗 ✅ 本页标注这一节与本库既有材料的关系：⚠️⚠️ 本库此前关于中美 AI 的材料集中在开放权重的扩散与依赖（Misha Laskin 的特洛伊木马论、Erik Bernhardsson 的"微调不再是必须"、George Kurtz 的客户行为因果链）、以及出口管制与供应链。 ✅ 而这一条补的是人员与信息流通的那一层：模型权重可以自由流动，而人不能。本页认为这两件事的不对称本身值得记——它意味着技术扩散与理解扩散的速度是分开的，而本期后面那条"渠道诊断"正好说明了后者为什么更慢。

二、⚠️⚠️ Kill My SaaS：一份由买方做的克隆实验¶

（[00:29:22]–[00:45:31]）✅ 本页认为这是本期最该被 AI 商业化与价值捕获保存的部分，而它的价值在于说话人是买方而不是卖方。

⚠️ 起点：他自己的软件支出结构¶

⚠️ 口径（自述）：办一场会的预算在 300 万到 1000 万美元之间，其中约 30 万美元是软件——"那大约是我预算的 10%，也是我本可以拿回来的 10% 的利润"；合计⚠️ "一年可能在 SaaS 上花一百万美元"。
⚠️⚠️ 而他对买方处境的描述是本节最有共鸣的一段：作为老板，员工来说某个工具对工作重要，"我就会说好"；但累加起来是一大笔钱，而使用体验是⚠️ "慢、丑、不完全是我们想要的"。

⚠️⚠️ "作为一个 SaaS 的客户，实际发生的事情是你在支持队列里排队。你想要这个功能，他们说：好，六个月之后吧，我们把你放进第三季度的路线图。你对我们非常重要。"

⚠️⚠️ 实验本身，以及一个具体的功能例子¶

⚠️⚠️ 做法：他拿了一个员工提议采购的、价格四万美元的 SaaS，改成——"我会付给某个人一万美元，把这整个东西克隆出来。它是开源的，而且完全是我们想要的。从这儿开始，我们可以用任何 coding agent（Codex、Claude、Devon）去定制它。"
⚠️ 规模与结果（自述）：69 份提交；✅ 他对质量给了分层——"大多数是可用的，我会说大约有五份是我们会付钱买的那种水平"；⚠️⚠️ "而它是在一周里做完的。" ⚠️ 而评审花了两个月（他归因于自己忙 + 评审本身工作量大）。
⚠️ 评审为什么重：这个 SaaS 有五种角色（组织方、讲者、参会者、赞助商、供应商），"他们都得在'会议组织长什么样'这件事上达成一致"；⚠️ 于是测试要为每个角色建账号、来回切换并反复录入数据。 ✅ 而他自己点出这正是他本来愿意付四万美元的原因："那就是中端 SaaS 的意义所在，那就是我为什么付四万美元——因为我不想干这个。"
⚠️⚠️ 而那个具体的功能例子本页认为是本节最有说服力的一处，因为它可被检验（[00:37:27]）：下一场会他有 1,000 份投稿、25 个席位；现有 SaaS 里"我们必须一个一个一个地点，每一个界面都是点点点点点"；⚠️⚠️ 而一位参赛者"把一切改成了你可以在一张表里直接重排序"——"这个视图在那个 SaaS 里不存在。要拿到这个视图，我们得申请六个月。"
✅ 他自己加了一句限定，本页照录："如果你觉得这是个蠢例子，那确实——我是为了音频在简化。"

⚠️⚠️ 那条机械化的威胁描述，以及他给 SaaS 方的处方¶

⚠️⚠️ 本页认为这是本期传播价值最高、同时也确实有信息量的一句（[00:33:24]）：

⚠️⚠️ "顺便说，模型非常擅长点完你软件的每一个界面，然后独立地把它复刻出来。" ⚠️⚠️ "我一旦能访问你的软件，我就能克隆它。所以祝你好运。"
⚠️⚠️ 而他给的威胁量级是一道很简单的算术（[00:32:24]）："作为一个 SaaS 生意的所有者，你可能有 50 个客户，每个付你四万。想象一下他们全都意识到了这件事，然后他们就走了——一年之内全走了。你的生意就没了。你从一年挣两千万变成零。"
⚠️ 而他明确划了分界线："Salesforce 没问题，没人担心 Salesforce"；⚠️⚠️ "但中端的、服务中小企业的那些 SaaS，会真的很难过。" ✅ 他给的理由是可用性要求不同："你不是 Salesforce，不是 Google，不是 AWS，不是那种关键任务级 99.999% 可用的东西。你就是一个数据库，人们往里打字然后拿到点东西出来。"
⚠️⚠️ 处方是两条出路加一个空心地带（[00:33:24]）："你基本上最后得转型成一个 agent 构建者——你拥有一个垂直领域，并且是那个垂直里最顶的 agent（像 Harvey 或 OpenEvidence）"；"或者你拥有某些专门的数据，基本上是个数据供应商"；⚠️⚠️ "在这两者之间的任何位置，都会有别人自己把它写出来。"
✅ 而他对维护成本的回答没有回避，本页认为这处限定该被保存（[00:36:26]）："是真的，不是零。" ⚠️ 但他的权衡是明确的："好吧它宕一天，那又怎样，而你一天就能修好"——"我愿意用那段宕机时间来换'我能定制任何东西'。"
⚠️ 他也明确说不是普遍建议（[00:38:27]）："很多东西是糊的，而你不想用糊的东西。你的员工值得更好的，你也值得更好的。而且有时候从一个经过检验的 SaaS 买确实会更好。它当然会更好。" ✅ 他把自家的选择定位成偏好而不是普遍最优："但对我们来说，我们想作为一家公司做到 AI-forward。"

⚠️⚠️ 他真正想推的那个论点：这是老板的问题，不是开发者的问题¶

（[00:34:24]–[00:35:25]）✅ 本页认为这是本节最该被长期保存的一条，因为它把一个被反复讨论的话题换了主体。

⚠️⚠️ 他明确说自己不同情 SaaS 方："我对 SaaS 的所有者没那么同情。SaaS 的所有者是大孩子了，他们能自己想办法。我其实更想给生意的所有者提建议。"
⚠️⚠️ 而那条算术是本页认为本期最有用的一个口径转换：

⚠️⚠️ "开发者的问题是说'哦，两百美元好多钱'。而我是个生意的所有者。我理解让我十个员工好好协作的生产力收益。十个员工我付他们一百五十万。如果他们协作得好 10%，那就是十五万。而它不是好 10%，是好五倍——那就是七百五十万。"
✅ 本页标注这条为什么值得记：⚠️⚠️ 它指出同一笔 AI 支出在开发者视角下是个人订阅费、在老板视角下是对一笔已经花掉的人力成本的杠杆——于是两者对"贵不贵"的判断必然不同。本页认为这是本库目前对"为什么企业侧的支付意愿远高于个人侧"最简洁的一个解释，而它不依赖任何关于能力的假设。
⚠️ 他对 SMB 的总体判断是："我觉得中小企业现在是我们的黄金时代。如果你在真实世界里做任何事，而你和你想要的结果之间隔着一堆烂软件，你突然就能把它缩短。"

⚠️ 自建一切：集成是真正的增量，而 DocuSign 的网络效应被他否掉了¶

（[00:42:30]–[00:45:31]）

⚠️ 他自述自建或自托管了一长串东西：自己的 Calendly、Google Drive、GitHub、Dropbox、Slack、DocuSign。⚠️ 他对前提很坦白："所有这些都是因为我有钱、我有人，我可以派他们去做事。"
⚠️⚠️ 而他给的价值不是省钱而是集成，本页认为这是本节最有信息量的一条：自托管的 DocuSign 签完之后，文件"直接进到我自己云盘上正确的那个文件夹"——⚠️⚠️ "而这在 DocuSign 里是不存在的。" ✅ 落点是"我的 data room 里直接就有那些签好的文件，我根本不用碰，因为它已经在那儿了"。
⚠️⚠️ 被问 DocuSign 的网络效应算不算护城河时，他的否定很干脆："不算。电子签名在任何地方都有法律效力，而 DocuSign 在这件事上没有专利。我自己也能做我的电子签名。" ⚠️⚠️ "那个网络就是电子邮箱地址。"
✅ 而他对这件事的一般化本页认为是本期最好的一句产品直觉（[00:45:31]）：

⚠️⚠️ "在每一百万次复制粘贴里面，我认为都有一个极好的创业公司和产品可以被造出来。"
⚠️ 他对适用范围给的限定也很明确："这不是说我在鼓励所有人都这么做"；✅ 而正面主张是"你可以为自己造软件——为一个人的受众，或者一家公司的受众。而这件事如今做得到，是任何生意所有者此前从未有过的。"

⚠️⚠️ 一处他自己点明的 AI 评审边界¶

（[00:39:28]）✅ 本页认为这是本期最被低估的一句，而它对本库的 eval 线有直接含义。

⚠️ 提问者注意到竞赛里 AI 评审的结果与团队最终选出的赢家不同，而他的解释是两者目标根本不同：AI 评审"纯粹只判断你有没有提交一份有效的提交、你有没有达到资格"，⚠️ "而评审的目标不是'这在全场里是不是最好的'"。
⚠️⚠️ 而理由是本页认为该被单独保存的一句：

⚠️⚠️ "因为我们并不知道自己想要什么。所以我没法为我自己都不知道想要什么的东西做一个 AI 评审。" ⚠️ "但一旦我看到 70 个不同的例子……"
✅ 本页标注这条为什么重要：⚠️⚠️ 它把自动评审的适用边界划在"评分标准是否已经存在"上——资格校验可以自动化，因为判据是事先写得出来的；而优劣评选不行，因为判据本身是在看过候选集之后才形成的。本页认为这是本库目前对"什么时候不该建 eval"最干净的一条判据，而它来自一个真实做过这件事的人。 🔗 ✅ 而它与本库既有材料正好咬合：⚠️ Tenex 那条"被评测的流程本身没有唯一定义" 与 Karan Singhal 在正确答案存在分歧时怎么建基准讲的都是判据难以构造；而这一条讲的是判据尚未存在，于是它不是难度问题而是时序问题。
🔗 ⚠️ 他把这件事接到了 99designs 的竞赛模型上：当年 Latent Space 的 logo 是在 99designs 上发竞赛得到的——"我拿到了 400 个不同的想法"；✅ 而他给的机制是"你想要想法的多样性"，以及一条关于这类市场为什么成立的观察：⚠️ "造一个设计其实花不了多少功夫。更多是关于想法的质量，而不是工作量的多少。"
⚠️⚠️ 而他由此提的那个未被满足的需求值得记："应该有一个给 SaaS 的 99designs"——他指出这次全部的规格、评审标准、付款方式都得他自己从零设计，"而如果我不用自己做这些行政工作，只要告诉他们我想要什么、然后拿到 70 个版本挑一个呢？"
⚠️⚠️ 他同时点明了这个模型对他之外的人为什么不成立："这件事我能做，是因为我是个 influencer。大多数人做不了，因为他们没有受众。" ✅ 本页认为这处自我限定很重要，因为它恰好说明这次实验的结论不能直接推广到没有分发能力的买方。
⚠️ 他对自己做这件事的动机也给了一句很坦白的话："老实说我做这个只是因为它是好内容。它是一期播客……但如果我没有播客，我大概不会做这件事。"

三、⚠️⚠️ Jev / system one models：为什么是他成了¶

（[00:45:31]–[00:50:35]）✅ 本页认为这一节是对 Jev 那期的有用补充，因为它给的是归因而不是产品介绍。

⚠️⚠️ 他先给了一个本页认为很好的范式对照：当前的 AI engineering 是"围着一个模型的一个大 harness"，形态是——"我做一堆活，然后交给模型说：拜托了模型大神，给我正确答案，然后你可以想十天。"

⚠️⚠️ "而 Jev 是说：不，模型是为我们服务的，我们不为模型服务。"
⚠️⚠️ 而他对当前范式失败模式的描述本页认为是本期最清楚的一句："你有那个庞大的传统 SaaS，然后你的 LLM 是旁边这个聊天机器人的窗口"——"那基本上就是现在的一切：这边一个聊天窗口，那边一个菜单，就这样。"
✅ 而 Jev 代表的形状是：模型的职责被收窄到只做一件事（做选择或估概率），并被放进关键路径上的代码里——⚠️⚠️ "你写它就跟你在一门普通编程语言里写一个 if 语句一样随意。"

⚠️⚠️ 他对"更聪明的软件"这个说法的背书是："软件应该在每一个点上都更聪明，而不是在一个点上聪明、其它一切都是蠢的。"
⚠️ 而他指出重点是可靠性不是速度："速度那部分几乎是次要的，可靠性才是他真正想说的。这就是为什么公司叫 Typesafe。"
⚠️⚠️ 而本页认为本节最该被长期保存的是那条三因归因，因为它的前提是一个很强的承认：

⚠️⚠️ "顺便说，Diogo 不是第一个这么做的。此前已经有上千人试着说'小模型好'——更快、更便宜、更好，随便什么。"
于是他给的三条：⚠️ ① "因为他有 OpenAI 的可信度"（他是 InstructGPT 的合著者）；⚠️⚠️ ② "他把它做成了一个 system 1 对 system 2 的事情，而我认为这让沟通变得非常清晰"，清晰到"那个游戏演示非常明白——你绝不可能用 LLM 去做这个"；⚠️ ③ 表演力加技术能力的组合（"他穿那件粉色夹克，他那么有热情"），他的说法是"在这两个维度上他都是 10 倍"。
⚠️⚠️ 而他对传统 ML 路径的人给了一条带立场的解释，本页照录并标为立场陈述：走顶尖大学→论文→进实验室这条路的人⚠️⚠️ "在大模型教派里——一切都会靠把我们的模型做更大来解决，训练里更多 flops、更多参数，更多更多更多"；"所以这需要一个不是从那个模子里出来的人，才能真的说：其实还有另一种做法，就是到处撒小东西，而不是一个大东西。"
✅ 本页标注这条归因为什么值得记：⚠️⚠️ 它把一次技术路线的被接受，归因为可信度、框架命名与演示能力三者，而明确否认了技术新颖性是决定因素（因为同样的主张此前已有上千人提过）。本页认为这是一条可以被反复对照检验的解释形状，而它也顺便解释了本期后面那条"show don't tell"为什么被他当成核心原则。
🔗 ⚠️ 提问者补了一条来自中国的使用观察，本页照录为转述：一位不懂编程的中国播客主播用 Jev 判断自己播客的片段会不会火，再据此决定发不发。 ✅ 本页记这是本库第一条 Jev 在非工程用户手里的用例，但未核实。

四、⚠️ "AI 工程师"这个词是怎么被造出来的，以及他对那套话术的批评¶

（[00:12:07]–[00:21:15]）

⚠️ 触发点很具体（[00:13:08]）：一次黑客松上，一位女性走过来说"我全力投入 AI，但我不是技术出身，我能做什么"；⚠️⚠️ 而他给自己的答案是"相比一个工程师，她什么都做不了"——理由是"工程师可以同时控制 100 个 AI 并给它编程，而一个非技术的人最多只能把提示词写得更好"。
⚠️⚠️ 而他对当时那种风气的诊断本页认为是本节最有价值的一条：有声望的事是训大模型（预训练、后训练、读博、做 GRPO 这类花哨算法），⚠️ "那确实有声望，而且会继续有声望"；但——

⚠️⚠️ "人们的那种过度矫正是：看着所有不是 ML 研究的东西，觉得那都没价值。而那其实是不对的。"
✅ 他给的具体反驳是 harness："你确实想造 harness，而造 harness 不要求你懂高深数学或有大量超算经验——实际上你只需要是一个足够开放、能理解怎么把 AI 放进传统软件代码里的很好的软件工程师。" ⚠️ 他明确说"当时我们还没有 harness 这个词"。
⚠️ 他对造词这件事的方法论归到了身份认同上（他归于《原子习惯》的作者，⚠️ 并自己说不确定作者归属）：要在身份层面而不是职业或爱好层面连接——"你是谁？你渴望成为什么？"；⚠️ 而落地很直白："你给他们一个能挣钱的职位名称，那他们就会忠于你。"
⚠️⚠️ 而本页认为本期最锋利的一段批评在这里（[00:19:14]–[00:20:15]）：

⚠️⚠️ "AI 的另一个问题是有很多夸夸其谈的人，他们一辈子没写过一天代码，但他们非常宏观、非常非常资深，他们说'哦我是某某某的 CTO'——但他们不碰代码。" ⚠️⚠️ "他们听起来全都一个样。都是'我到 AGI 的时间线是两年''你们将来都不会有工作了''你需要为接下来的事做准备'。而很方便的是，接下来那件事看起来就是他们的工作。所以它非常自利。"
✅ 而他给"工程师"下的那个操作性定义很干净："如果出了问题，你负责吗？不负责的话你就不是工程师。"⚠️ "凌晨四点起来去修它的那个人，那才是工程师。"
✅ 本页标注这条为什么值得记：⚠️⚠️ 它给了一个判断 AI 评论可信度的启发式——看那个人描述的未来是否恰好把自己放在中心位置。本页认为这条对本库本身有用，因为本库收录的大量材料正来自有此结构性动机的说话人。 ⚠️⚠️ 而本页必须指出这条启发式同样适用于他自己：他描述的未来（AI 工程师作为一个有声望的职业、需要一个行业级大会）恰好就是他的生意。本页记下这处对称性，并认为他在本期并未自我豁免——他明确说"我也是那个的一个小号版本"。
⚠️ 他对这个角色有没有演化的回答是否定的（[00:18:12]）："老实说它其实没怎么变。AI engineering 里什么热变了，但这个职位名称基本是对的。" ⚠️ 热点变迁：早期是 RAG 与上下文管理 → 近期是 coding agent、harness 工程、"loop 工程"；⚠️ 而他点了正在浮现的上层角色名"AI architect"——"决定一家公司里所有人怎么做 AI 的那个人"。

⚠️ 学在公开（learn in public）：一条关于零和与正和的区分¶

（[00:08:05]–[00:12:07]）

⚠️⚠️ 他给的核心区分本页认为是本节最该保存的一条：金融与科技都是高薪、有声望的行业，而差别是——

⚠️⚠️ "金融是零和的。如果我知道一件事然后告诉你，那个真相就失去了价值。但在科技里大多数东西是正和的——如果我知道一件事然后告诉你，它增加价值。"
✅ 而他给的可见后果很具体："它意味着人们会上台、会开源自己的工作、会分享自己的代码、搞砸了也会把搞砸的事分享出来。在金融里不会——你想装作自己从没搞砸过，而一切都是最高机密。"
⚠️ 而他对自己起步的解释很不体面但本页认为可信度正因此较高（[00:09:05]）：第一份工作在 Two Sigma 的软件工程一侧，⚠️ "我发现我有一个糟糕的老板。于是我变得非常无聊，然后我开始大量写作和演讲，因为在工作上我做不了我想做的事，他们不让。" ✅ 落点是"而显然因为我在工作上那么无聊，我把全部精力投到了工作之外的那些东西上，于是那件事当然起飞了，因为没别人在做那个"。
⚠️ 他把它说成一种选择权："当你学在公开，你其实可以选自己的老板。"
⚠️⚠️ 而他对亚洲文化里的凭证主义给了一段批评，并自带一条反鸡汤的限定："如果不是学位，就是证书；不是证书，你就必须有过一份工作才能做它。而你怎么拿到那份工作？你必须有学位"——⚠️ "就是一个无限循环，基本意味着你 16 岁时就得决定这辈子要干什么。"

✅ 而那条限定本页认为比前半段更有价值：⚠️⚠️ "而且要意识到，仅仅因为你非常努力，你并没有被赋予获胜的资格。你必须非常努力并且很好。" "很多人试了，很多人失败了，然后说'为什么没成'。那是因为你不够好。太糟了。"
⚠️ Latent Space 的起点（[00:10:06]）：Stable Diffusion 发布时（ChatGPT 之前），他在一家"不会有人叫它火箭船"的创业公司；⚠️ "我做过一些机器学习课程，但我不是 AI 专家。我对这个领域太有兴趣了。唯一能进这个领域的办法就是学在公开。" ✅ 转折点是 Emad Mostaque 读了他分析 Stable Diffusion 的博文并说"这写得好"。 ⚠️ 他对自己的资格给了一句自嘲式的限定："我今天大概仍然不那么够格，但我比四年前够格一点了。"

五、⚠️ 对出海的中国创业者：GTM 不是最后一公里¶

（[00:50:35]–[00:58:36]）✅ 本页认为这一节的价值在于它是一位美国侧的开发者营销从业者对中国技术型创始人给出的具体诊断，而本库此前没有同类材料。

⚠️⚠️ 他的判断给得很直接（[00:51:35]）："如果你是一个想在美国做成的中国创始人，你在这件事上很烂，而你的技术非常好。你最好去找一个擅长这个的人谈，因为你自己做不了。"（⚠️ 提问者自述运营的社群正是在补这个缺口，因此这一段是两位利益相关者在互相确认，本页标注这一点。）
⚠️⚠️ 而他给的那条可操作建议本页认为是本节最该保存的一条（[00:56:35]）：

⚠️⚠️ "你不该把营销当成最后一公里——不该是'嘿，我什么都做完了，发博文的前一晚，你能看看我的博文改改吗'。那时候我什么都做不了了。你已经把一切都做完了。" ✅ "但如果你把营销更早地放进流程里——早到它还没真的被造出来、还没写规格的时候，比如我们打算怎么推介、要打市场的哪个细分，那你一开始就有更多 GTM 被建进产品里。"
⚠️ 他对现状的描述是配置问题："公司里最资浅的那一块就是这个 GTM 组织，是几个实习生、一个 22 岁的人在管社交媒体。" ✅ 而他要求的替代是一组很朴素的问题："谁应该用这个东西？他们在哪儿混？他们面临什么问题？他们用什么词描述自己的问题？他们看到你这东西之后，生活会怎么变好？"
⚠️ 而他给了一个前置条件，本页按"画龙点睛"理解这处被打碎的成语（[00:55:35]）：最重要的是你真的有那样一个世界第一的东西——"你有龙，我帮你点睛"；⚠️ "而大多数人没有那条龙。" ✅ 他同时点了一类情况："有一部分人连龙都没有，却以为自己有——那就是个自大和自我的问题。"
⚠️⚠️ 而他对中国机器人公司给的那条批评很具体，本页认为它是本期对中国生态最实质的一条意见（[00:57:36]–[00:58:36]）：他说中国的机器人创始人"都在做一样的事"——"宇树是最好的，但宇树还是在做宇树的那些事"；⚠️⚠️ "我想看到他们做一些你从没预期宇树会做的事，但现在他们这周发的东西是在打功夫。"

⚠️⚠️ "但好吧，那个我见过了。给我看点我没见过的，那我才会真的注意。"
✅ 而落点是营销的一条基本原则："show don't tell——给我看这东西带来的好处，不要用项目符号告诉我它是什么，不要给我 PDF、幻灯片、PowerPoint。就给我看。" ⚠️ 他用 Jev 做正面例子，并指出那个游戏演示"不是 Diogo 做的，但那个演示才是所有人都在谈的东西"（⚠️ 这句的归属在转录稿里被讹写成 "the demo is done by dero like GTM"，本页只保留"演示本身是 GTM"这个结论，不作归属认定）。
⚠️ 他对自己做顾问这件事给的方法论值得单记（[00:52:35]–[00:54:35]）：他自述顾问过 35、36 家公司；⚠️⚠️ 而理由是样本量——"当你作为员工在一家公司工作，你只看到一个例子，你的建议只在一家公司有效。但现在我做过三十几家，我真的能看到它们之间那些普适的真相。"
✅ 而他把这条推广成一条职业建议：⚠️ "几乎所有的领域专家……如果你想在那件事上做到全球第一，你多少得走一趟'给所有人当顾问'的历程。" ⚠️ "你的样本量必须大于一，而大多数人的样本量是五；但如果你能把它做到五十，那你大概已经是这个领域里最顶的之一了。"
⚠️ 报酬结构（自述）：大多数免费，有些给股权；⚠️ 而他对股权给了一句很清醒的限定："你不能吃股权"，并举 Databricks"十五年了、值两千亿，而我手上的股权算什么"。

六、⚠️ 一组中美生态的体感差异，以及一条渠道诊断¶

（[01:02:41]–[01:06:43]）

⚠️ 他对去上海想看什么的回答是"差分"："我想看上海和旧金山到底有多不一样。" ⚠️⚠️ 而他给的具体差异是工具选择："我认为旧金山有一个 B2B SaaS 的泡泡，但上海——你们用 ComfyUI。我们这儿不用。我们爱我们的 Canva，爱我们的 fal.ai。"
⚠️ 而 OpenClaw 是个反例："OpenClaw 在这儿比 ComfyUI 有更多的牵引力。" ⚠️ 他对中国那边的热度给了一句诚实的限定："我当然知道（它在中国很火）。但我自己没见过那种能量。"
⚠️⚠️ 规模差异他给了一个很好的口径（[01:03:43]）："对你们来说，一个中等规模的社群是一百万人——这在这儿是巨大的。"（⚠️ 提问者的修正：一百万在中国也已经是最顶的了。）
⚠️ 996 的对照（[01:03:43]–[01:04:43]）："人们说在旧金山他们 996。他们其实没有——周六周日他们还是在放松。但在中国他们是真的 996。" ✅ 而他对自己给了一个区分："我那么拼是因为我没有保障。但员工——法律上你不能要求人那样工作。那是违法的。" ⚠️ 他的总体判断是："我见过一些最有竞争力的美国顶级创业公司，而我确信他们没有中国那么拼。"
⚠️ BYD 作为一次他自己承认的预判失败（[01:04:43]–[01:05:43]）：2007 年他在北京交换时，BYD"还是那种'我们是中国的，我们会永远是中国的'"；⚠️⚠️ "BYD 正在拿下美国。这太疯狂了，而我绝不会想到 BYD 会来这儿。这难以置信。" ✅ 本页标注这处，因为它是本期唯一一条他明确说自己从前判断错了的观察。
⚠️⚠️ 而本页认为本节最该被长期保存的是那条渠道诊断，因为它是一个可操作的因果解释而不是一句感慨（[01:05:43]）：

⚠️ "中国的能量、精神、创造力和韧性，是人们没有接触过的东西。" ⚠️⚠️ "尤其是中国的活动——有针对直播的规定，但即便如此，它们被呈现的方式也和西方观众喜欢消费的方式不一样。所以它们没有同样的触达。"
⚠️⚠️ 他给的那个具体例子是阿里云："阿里云做了一场把整个阿里巴巴路线图连 Qwen 都讲了的发布。这儿没人看见。为什么？因为它夹在某个由别人来讲的企业演示中间。所以我得去把这一切替美国观众翻译一遍。"
⚠️⚠️ 而本页必须标出他接下来那句话正好把流量导向自己："那就跟我一起做啊。就在（播客上）做，他们就会看见。" ✅ 本页因此把这条诊断与那条建议分开处理：诊断（呈现形式决定触达，而中国发布的形式与西方消费习惯错配）本页认为有独立价值并可被检验；而那条建议是一次自我推荐，本页记录但不当作中立意见。
⚠️⚠️ 而本页必须单列他那条关于国别的论断，因为它是本期最可争议的一句（[01:04:43]）：

⚠️⚠️ "他们是非常好的创业者……他们住错了国家。如果他们住在美国，他们会干掉亚马逊，会干掉 Facebook。他们之所以没有更富，唯一的原因就是他们住在中国。"
⚠️⚠️ 本页标注这条为什么必须被标为立场陈述而不是记成判断：① 它把一个多因的结果（市场规模、资本市场、监管、竞争结构、汇率、退出渠道）压缩成单一归因"住在哪个国家"，而他没有给任何论据；② 它与他自己在同一期里给的另一条判断相冲突——他说这些创始人"在营销和理解海外市场上很烂"，而那恰恰是一项与国籍无关、却能解释收入差距的能力缺口；③ 本页注意到他在同一句里把"好创业者"与"更富"当成可互换的量，而这一等式本身就是被争论的那件事。
✅ 本页的处理：照录为一条明确的立场陈述，不作为本库对中美创业生态对比的材料采信；相关对照记在中美 AI 生态对照。

七、⚠️ 品味、AIE 的规模口径，以及三条"最期待什么"¶

⚠️⚠️ 一个可操作的"品味"定义¶

（[00:59:38]–[01:02:41]）✅ 本页认为这是本期最该被长期保存的抽象，而本库此前关于 taste 的材料多是断言它重要、少有给出判据的。

⚠️ 他自己先给了限定："我可以用一种没什么帮助的方式定义品味。"

⚠️⚠️ "品味是这样一种东西：从一个巨大的可能性集合里，你能又快又省地把它收窄到那个子集——而当你回头看时，那个子集立刻就显然是好的。"
✅ 而他给的对照是暴力搜索："你可以暴力试一千个然后找到一个好的。但一个有品味的人可以说：这些显然是坏的。我解释不了，我就是解释不了。但它们显然是坏的。这个看起来有意思。" ✅ 落点是"到了旅程终点他们挑一个，而你回头看会说：我们怎么会考虑过另外那 999 个？显然这个才是对的"。
⚠️ iPhone 作为例子，而他特意点了失败的前身：长期以来智能手机都有键盘，是 Steve Jobs 说"我们会不惜一切做触摸屏和虚拟屏幕，因为它需要看起来像一块平板"；⚠️ "而那花了十年研发，因为有一家叫 General Magic 的公司试过这件事并且失败了。"
⚠️⚠️ 而他给的那条外部判据本页认为比定义本身更可操作（[01:01:39]）：

⚠️⚠️ "当别人开始抄你刚发的那个东西，你就有品味。"
⚠️ 他举的例子是 Cursor（先做 VS Code 那件事，现在在做一个新东西，⚠️ 名字被讹写为 "Crockpot"、本页不采信），而判据是"现在 OpenAI 得抄他们，Claude 得抄他们"。
⚠️ 而他给的第二个例子落在"更无聊的问题"上，本页认为这处更有价值：Legora 在法律领域那套"大规模并行的文档审阅流程"——⚠️⚠️ "一旦你看到那个，你就会想：我不想在别的任何地方做我的工作了，我必须在 Legora 里做。"

⚠️⚠️ "而任何人其实都能想到这个点子。点子很便宜——但你没做。Legora 做了。"
✅ 本页标注这条的形状：⚠️⚠️ 他把品味定位成"从十亿种可能里定义出那一个会变成人们工作方式的产品"，而明确否认点子的稀缺性。本页认为这与他对 Diogo 的三因归因是同一个论证：决定因素不是想法的新颖性，而是收窄与执行。 🔗 本库已有 Legora CTO 那一期与 Legora CEO 页，可与这条外部评价并读。

⚠️ AIE 的规模与数据化（全部自述）¶

（[00:21:15]–[00:28:20]）

⚠️ 规模（自述）：World's Fair 本年"我们的目标是 6,000 人，我们做到了 7,000 多，外加 150 万人在线看了我们的演讲"；30 个赛道；三年前的第一届是一场小 summit。
⚠️ 他对行业大会必要性的论证用的是游戏业类比，本页认为这个类比本身值得记：模型实验室类似 AAA 游戏工作室——"他们有很多钱，在做非常非常大的项目，而且全是最高机密。他们一年只有一次来 GDC，然后会分享'我是这么做出年度游戏的'"；⚠️ 而他对实验室自办活动的评价是"那些超小、非常挑人，而且主要是给客户的，不是工程师对工程师"。
⚠️⚠️ 而一条他自述"没怎么公开讲过"的做法本页认为值得记，因为它与本库的工作形态同构（[00:24:17]）：他把所有演讲转录并编目——"你甚至不用看那些演讲。你可以把我们整个网站拿去喂给一个 LLM"；⚠️ "一切都是 MCP""它作为一个数据集可用，如果你想拿它训你的 LLM"；✅ 而目标被他说成："我们还会对每一位讲者和每一个组织做深度研究……基本上是想做 AI 的维基百科。"
⚠️ 加盟的扩散路径（自述）：Paris 是第一个申请的；⚠️ "很有意思的一个事实是 AIE Paris 的组织者被 Mistral 收购了"，于是"现在法国和欧洲领先的 AI 实验室在运营 AIE Paris"；另有 India、Japan、Singapore。
⚠️ 新加坡那段他给了一个带评价的观察：当地当时排第一的"AI 大会"其实是一个加密货币大会——"很多加密的人想变成 AI"；⚠️ 他的反应是"这对我的国家来说很丢脸"。

⚠️ 三条"最期待什么"与一条"最担心什么"¶

（[01:06:43]–[01:09:45]）

⚠️⚠️ 他主动跳过了最明显的答案："system one models 显然是第一答案，所以它很无聊，我就不说它了。"
⚠️⚠️ 于是他点的第一名是 interaction models（归于 Thinking Machines）：全双工、始终双向——"不是你先开始然后我们轮流。不，是在任何时刻你都在说的同时在听，我也在我说的同时听你，而且我可以打断你，你会立刻回应并调整。" ✅ 他的判断是"AI 本来就该是这样"。
⚠️ 两条推论/并列项：continual learning（"不是预训练、后训练、完事，而是在我和你一起工作的过程中学"）；以及 world models。
⚠️⚠️ 而他对自己最担心的事给了两层，第一层本页认为是本期最诚实的一句：

⚠️⚠️ "如果我们真有一个 AI 冬天，它什么时候来？而我会不会破产——对一家依赖炒作的会议公司来说，这是个真实的担忧。"
✅ 本页标注这处为什么该被保存：⚠️⚠️ 这是本库少见的一次说话人主动说明自己的生意依赖于被讨论对象的热度持续。本页认为这处自我披露提高了本期其余部分的可读性——它让读者能自己给那些乐观陈述打折，而不需要本页替他标注。
⚠️⚠️ 第二层是安全，而他明确排除了两个常见答案："不是因为假新闻，也不是因为丢工作。是某种更糟的东西。" ⚠️ 他说当下的表达方式是网络安全（"我每天都被黑"），"而我觉得地平线上还有某种更糟、我们还不知道的东西"；⚠️⚠️ 最极端的版本是生物武器（⚠️ 那句的具体对象被字幕讹写成 "CO 2"，本页不采信）。
⚠️⚠️ 而他给的那条立场本页必须完整照录并标注，因为它在本期与他的生意处境形成一处他自己点出来的张力：

⚠️⚠️ "我们在播客上的表述方式是：大多数人的默认假设应该是 AI 毁灭（AI doom）。" ⚠️⚠️ "在整个人类历史上，当一个更先进的文明到来、遇到一个较不先进的文明时，较不先进的那个会灭绝。而这个东西演化得大约比我们快一千倍。所以在某个时点它会更先进。然后我们就得想清楚那时该怎么办。"
⚠️ 本页标注这条与他2026-07-10 那次的表述的关系：那次他给的是带时间尺度的 pdoom（五万年尺度约 90%、十年内近乎零、五十年约 5%）与"默认假设应该是对齐概率很低"；✅ 本页认为本期这条在方向上一致、但去掉了时间尺度，因此更像一句立场表述而不是一个可核对的估计。 ⚠️⚠️ 而本页记下那处张力：同一期里他既说默认假设该是 AI 毁灭，又说自己最担心的是热度退潮导致公司破产——这两种担忧指向相反的世界，而他没有把它们放在一起处理。
⚠️ 一条关于他自己做的 AEO 实验，本页认为方法比结论有意思（[01:09:45]）：他对每个模型问了约 200 个"什么是最好的 X"（最好的面向工程师的 AI 播客、最好的支付创业公司、最好的银行、最好的数据库…），把答案转录并做成排名；⚠️⚠️ 而他对这件事的定位是："因为我在为模型会怎么回答做 agent 优化。但它大概也是一个相当不错的代理，用来看实验室里那些挑数据集的人挑了什么——而他们挑了 Latent Space。"
⚠️⚠️ 本页必须标出这处的自利：他用这个方法得出的结论恰好是自己的播客排第一到第三。 ✅ 但本页认为那个方法本身值得记，因为它把"模型推荐"当成一个可测量的分发渠道。 🔗 ⚠️ 而这与本库已有的 Erik Bernhardsson 的 "agent engine optimization" 与 Supabase 那条"模型推荐"作为渠道是同一件事的第三次出现，本页认为这条线已经足够成形。

八、⚠️⚠️ 本页必须标出的四处问题¶

⚠️⚠️ 一、一条高度可争议、且没有给出任何论据的国别论断¶

⚠️⚠️ "他们住错了国家……他们之所以没有更富，唯一的原因就是他们住在中国"（[01:04:43]）。✅ 本页在第六节已逐条标注三个理由（单因归因且无论据、与他同期另一条判断自相冲突、把"好创业者"与"更富"当成可互换的量），⚠️⚠️ 并在此重申本页的处理：照录为立场陈述，不作为本库中美生态对比的材料采信。

⚠️⚠️ 二、一处建议恰好把流量导向自己¶

⚠️⚠️ 他对中国发布为什么在西方没触达给了一条有价值的诊断（呈现形式与西方消费习惯错配，阿里云那场发布"这儿没人看见"），⚠️⚠️ 而紧接着的建议是"那就跟我一起做啊。就在（播客上）做，他们就会看见"（[01:05:43]）。
✅ 本页的处理：把诊断与建议分开——诊断本页认为可被独立检验并有保存价值；而那条建议是一次自我推荐，本页记录但不当作中立意见。 ⚠️ 同类情形在本期还有两处：那个 AEO 排名的结论恰好是自家播客排前三（[01:09:45]）；以及他对"实体清单导致不能正式见面、所以需要同场偶遇"的论证，恰好论证的是自家大会的价值（[00:23:16]）。本页在各节已分别标注。

⚠️⚠️ 三、"Kill My SaaS"成果的口径在同一期里前后不一致¶

⚠️⚠️ 他在同一段里对 69 份提交给了两种描述（[00:32:24]）：先说"你会有很多很糟的提交……我没有为那些给钱"，紧接着说"我们有 69 份好的，而大多数是可用的"。 ✅ 本页按后半句的分层理解为：总提交 69 份，其中"我们会付钱买的那种水平"约 5 份。
⚠️⚠️ 而本页必须指出这个实验在当前形态下不能支撑它被用来支撑的那个结论：它证明的是"在一周内、用一万美元悬赏、面向一个有分发能力的发起人，可以得到约 5 份达到采购水平的克隆"；它没有证明那 5 份在多年维护、安全、合规与边缘场景上能替代那个四万美元的产品——⚠️ 而他本人恰好在两处承认了这一点（维护"不是零"、"有时候从一个经过检验的 SaaS 买确实会更好"）。 ✅ 本页因此把这条材料的效力限定在"中端 SaaS 的议价权正在变化"，而不是"中端 SaaS 可被替代"。
⚠️ 另记一处前提限定（他自己给的）："这件事我能做，是因为我是个 influencer。大多数人做不了，因为他们没有受众。" ✅ 本页认为这使这次实验的成本结构不可直接推广——那 69 份提交的获取成本里有一大部分是他的分发能力，而不是一万美元。

⚠️⚠️ 四、一处他自己点出来、却没有处理的张力¶

⚠️⚠️ 他在同一段里给了两种指向相反世界的担忧（[01:08:45]–[01:09:45]）："默认假设应该是 AI 毁灭"，以及⚠️⚠️ "如果我们真有一个 AI 冬天……我会不会破产——对一家依赖炒作的会议公司来说，这是个真实的担忧"。
✅ 本页的判断：⚠️⚠️ 这两条并非逻辑上不相容（能力继续暴涨与资本热度退潮可以同时发生），但它们对"该押什么"给出的答案完全相反，而他没有把它们放在一起处理。本页记下这处缺口，并认为它恰好说明了为什么本页把本期定性为自述访谈——一次独立访谈大概会在这里追问。
⚠️ 而本页认为那条自我披露本身是本期最有价值的诚实之一，✅ 因为它让读者可以自行给本期其余的乐观陈述打折，而不必依赖本页逐条标注。

本页认为值得长期保存的¶

条目	内容
⚠️⚠️ 中美 AI 实务接触的机制（本库此前没有）	⚠️⚠️ "尤其对中国的实验室来说——其中有一些在实体清单上。他们不能正式和你开会。很多美国公司也不能正式和你开会。他们不被允许。他们甚至不回复你。那不是因为他们不想，而是因为他们不被允许"；⚠️⚠️ "但如果你们在同一个地点，你们就会撞见对方"；而他对自己处境的表述同样具体："我连在中国设一个本地实体都做不到""我不想惹上麻烦，因为我的主营生意在美国。所以我不能和白宫惹上麻烦"，于是方案是纯加盟"我是麦当劳，你是麦当劳中国"；✅ 本页判这条的含义是：正式渠道被切断后剩下的通道是物理同场，于是线下会议充当了唯一一条不需要双方正式批准的接触通道；⚠️ 但它同时是一位会议主办方对自家产品价值的论证
⚠️⚠️ 对 SaaS 护城河的机械化威胁描述	⚠️⚠️ "模型非常擅长点完你软件的每一个界面，然后独立地把它复刻出来"→"我一旦能访问你的软件，我就能克隆它。所以祝你好运"；威胁量级是一道算术："你可能有 50 个客户，每个付你四万。想象他们全都意识到了，然后一年之内全走了……你从一年挣两千万变成零"；⚠️ 分界线："Salesforce 没问题，没人担心 Salesforce"，但"中端的、服务中小企业的那些 SaaS 会真的很难过"，理由是可用性要求不同（"你就是一个数据库，人们往里打字然后拿到点东西出来"）；⚠️⚠️ 处方是两条出路加一个空心地带：成为某个垂直里最顶的 agent（Harvey、OpenEvidence）／拥有专门数据当数据供应商／"在这两者之间的任何位置，都会有别人自己把它写出来"
⚠️⚠️ 一份由买方做的 SaaS 克隆实验，以及本页对它效力的限定	他的软件支出口径（自述）：一场会预算 300 万–1000 万美元，其中约 30 万是软件（"我预算的 10%"），一年 SaaS 约一百万；⚠️⚠️ 做法是把一个四万美元的采购提案改成一万美元悬赏开源克隆，结果 69 份提交、约 5 份"我们会付钱买"的水平、一周做完、两个月评审（五种角色各要建账号测试）；⚠️⚠️ 而那个可检验的功能例子：1,000 份投稿选 25 席，现有 SaaS 要"一个一个一个地点"，参赛者做出一张可直接重排序的表——"这个视图在那个 SaaS 里不存在。要拿到这个视图，我们得申请六个月"；⚠️⚠️ 而本页把这条材料的效力限定在"中端 SaaS 的议价权正在变化"而不是"中端 SaaS 可被替代"——他自己两处承认了（维护"不是零"、"有时候从一个经过检验的 SaaS 买确实会更好"），且他明说"这件事我能做是因为我是个 influencer"
⚠️⚠️ "这是老板的问题，不是开发者的问题"：一个口径转换	⚠️⚠️ "我对 SaaS 的所有者没那么同情……我其实更想给生意的所有者提建议"；⚠️⚠️ 那条算术："开发者的问题是说'哦，两百美元好多钱'。而我是个生意的所有者……十个员工我付他们一百五十万。如果他们协作得好 10%，那就是十五万。而它不是好 10%，是好五倍——那就是七百五十万"；✅ 本页判这是本库目前对"为什么企业侧支付意愿远高于个人侧"最简洁的解释，而它不依赖任何关于能力的假设：同一笔支出在开发者视角是订阅费，在老板视角是对已花掉的人力成本的杠杆；⚠️ 他对 SMB 的判断："如果你在真实世界里做任何事，而你和你想要的结果之间隔着一堆烂软件，你突然就能把它缩短"
⚠️⚠️ 一处自动评审的适用边界（本页判本期最被低估的一句）	⚠️ 竞赛里 AI 评审的结果与团队选出的赢家不同，而他的解释是目标不同：AI 评审"纯粹只判断你有没有提交一份有效的提交、你有没有达到资格"，而"评审的目标不是'这在全场里是不是最好的'"；⚠️⚠️ 理由是"因为我们并不知道自己想要什么。所以我没法为我自己都不知道想要什么的东西做一个 AI 评审"——"但一旦我看到 70 个不同的例子……"；✅ 本页判这把自动评审的边界划在"评分标准是否已经存在"上：资格校验可自动化因为判据事先写得出来，优劣评选不行因为判据是看过候选集之后才形成的；🔗 而它与 Tenex / Karan Singhal 那两条咬合但不同：那两条是判据难以构造，这条是判据尚未存在——不是难度问题而是时序问题
⚠️⚠️ 对"为什么是 Diogo 成了"的三因归因	⚠️⚠️ 前提是一个很强的承认："顺便说，Diogo 不是第一个这么做的。此前已经有上千人试着说'小模型好'"；三条：① OpenAI 的可信度（InstructGPT 合著者）② ⚠️⚠️ "他把它做成了一个 system 1 对 system 2 的事情，而这让沟通变得非常清晰"（清晰到那个游戏演示"非常明白——你绝不可能用 LLM 去做这个"）③ 表演力加技术能力，"在这两个维度上他都是 10 倍"；⚠️ 而对传统 ML 路径的人他给了一条立场陈述："在大模型教派里——一切都会靠把我们的模型做更大来解决"；✅ 本页判这条归因否认了技术新颖性是决定因素，而这与他对 taste 的定义是同一个论证：决定因素是收窄与执行，不是想法的新颖性
⚠️⚠️ 一个可操作的"品味"定义，以及一条外部判据	⚠️⚠️ "品味是这样一种东西：从一个巨大的可能性集合里，你能又快又省地把它收窄到那个子集——而当你回头看时，那个子集立刻就显然是好的"（对照是暴力搜索："这些显然是坏的。我解释不了……但它们显然是坏的"）；iPhone 例子特意点了失败的前身 General Magic 与十年研发；⚠️⚠️ 而那条外部判据比定义更可操作："当别人开始抄你刚发的那个东西，你就有品味"；⚠️⚠️ 第二个例子落在"更无聊的问题"上更有价值：Legora 那套大规模并行文档审阅——"一旦你看到那个，你就会想：我不想在别的任何地方做我的工作了"+"而任何人其实都能想到这个点子。点子很便宜——但你没做。Legora 做了"
⚠️⚠️ Jev 代表的范式对照	⚠️ 当前形态是"围着一个模型的一个大 harness"——"我做一堆活，然后交给模型说：拜托了模型大神，给我正确答案，然后你可以想十天"；⚠️⚠️ "而 Jev 是说：不，模型是为我们服务的，我们不为模型服务"；⚠️⚠️ 失败模式被说得很清楚："你有那个庞大的传统 SaaS，然后你的 LLM 是旁边这个聊天机器人的窗口……这边一个聊天窗口，那边一个菜单，就这样"；✅ 而正面形状是把模型职责收窄到做选择或估概率并放进关键路径——"你写它就跟你在一门普通编程语言里写一个 if 语句一样随意"，落点"软件应该在每一个点上都更聪明，而不是在一个点上聪明、其它一切都是蠢的"；⚠️ 重点是可靠性不是速度："这就是为什么公司叫 Typesafe"
⚠️⚠️ 对 AI 评论者的一条启发式，而它也适用于说话人自己	⚠️⚠️ "AI 的另一个问题是有很多夸夸其谈的人，他们一辈子没写过一天代码……他们听起来全都一个样。都是'我到 AGI 的时间线是两年''你们将来都不会有工作了'。而很方便的是，接下来那件事看起来就是他们的工作。所以它非常自利"；✅ 而"工程师"的操作性定义很干净："如果出了问题，你负责吗？"+"凌晨四点起来去修它的那个人，那才是工程师"；⚠️⚠️ 本页判这条启发式（看那个人描述的未来是否恰好把自己放在中心）对本库本身有用，因为本库大量材料来自有此结构性动机的说话人；✅ 而本页标注它同样适用于他自己——而他在本期并未自我豁免（"我也是那个的一个小号版本"）
⚠️ 零和 vs 正和：learn in public 的那条区分	⚠️⚠️ "金融是零和的。如果我知道一件事然后告诉你，那个真相就失去了价值。但在科技里大多数东西是正和的——如果我知道一件事然后告诉你，它增加价值"；✅ 可见后果很具体："人们会上台、会开源自己的工作、搞砸了也会把搞砸的事分享出来。在金融里不会——你想装作自己从没搞砸过"；⚠️ 起点不体面因此可信度较高："我发现我有一个糟糕的老板。于是我变得非常无聊，然后我开始大量写作和演讲"→"因为我在工作上那么无聊，我把全部精力投到了工作之外，于是那件事当然起飞了，因为没别人在做那个"；⚠️⚠️ 而那条反鸡汤限定比前半段更有价值："仅仅因为你非常努力，你并没有被赋予获胜的资格。你必须非常努力并且很好"
⚠️ "AI 工程师"是怎么被造出来的	⚠️ 触发点：一位非技术者问"我能做什么"，而他的答案是"相比一个工程师，她什么都做不了"——"工程师可以同时控制 100 个 AI 并给它编程，而一个非技术的人最多只能把提示词写得更好"；⚠️⚠️ 而诊断是一次过度矫正："看着所有不是 ML 研究的东西，觉得那都没价值。而那其实是不对的"，具体反驳是 harness"不要求你懂高深数学或有大量超算经验——你只需要是一个足够开放、能理解怎么把 AI 放进传统软件代码里的很好的软件工程师"（⚠️ "当时我们还没有 harness 这个词"）；⚠️ 造词方法论落在身份层面（"你是谁？你渴望成为什么？"），而落地很直白："你给他们一个能挣钱的职位名称，那他们就会忠于你"；⚠️ 他说这个角色三年来"其实没怎么变"，变的是热点（RAG 与上下文 → coding agent、harness 工程），而正在浮现的上层角色名是 AI architect
⚠️ 集成才是自建的增量，而 DocuSign 的网络效应被他否掉	⚠️ 他自述自建或自托管了 Calendly、Google Drive、GitHub、Dropbox、Slack、DocuSign（⚠️ 前提很坦白："因为我有钱、我有人"）；⚠️⚠️ 而价值不是省钱而是集成：自托管的签名文件"直接进到我自己云盘上正确的那个文件夹"——"而这在 DocuSign 里是不存在的"；⚠️⚠️ 对网络效应的否定很干脆："电子签名在任何地方都有法律效力，而 DocuSign 在这件事上没有专利……那个网络就是电子邮箱地址"；✅ 而那条一般化是本期最好的产品直觉之一："在每一百万次复制粘贴里面，我认为都有一个极好的创业公司和产品可以被造出来"；⚠️ 他自己的限定："这不是说我在鼓励所有人都这么做"
⚠️ 对出海创业者：GTM 不是最后一公里	⚠️⚠️ "如果你是一个想在美国做成的中国创始人，你在这件事上很烂，而你的技术非常好"（⚠️ 而提问者的社群正是在补这个缺口，因此这一段是两位利益相关者在互相确认）；⚠️⚠️ 可操作建议："你不该把营销当成最后一公里……如果你把营销更早地放进流程里——早到它还没真的被造出来、还没写规格的时候，那你一开始就有更多 GTM 被建进产品里"；⚠️ 现状诊断是配置问题："公司里最资浅的那一块就是这个 GTM 组织，是几个实习生、一个 22 岁的人在管社交媒体"，替代是一组朴素问题（谁该用它、他们在哪儿混、用什么词描述问题、看到之后生活怎么变好）；⚠️ 前置条件按"画龙点睛"理解（⚠️ 成语被字幕打碎）："你有龙，我帮你点睛"，而"大多数人没有那条龙"
⚠️⚠️ 对中国机器人公司的一条具体批评	⚠️⚠️ "中国的机器人创始人都在做一样的事。宇树是最好的，但宇树还是在做宇树的那些事……他们这周发的东西是在打功夫"；⚠️⚠️ "但好吧，那个我见过了。给我看点我没见过的，那我才会真的注意"；✅ 落点是营销基本原则"show don't tell——给我看这东西带来的好处，不要用项目符号告诉我它是什么，不要给我 PDF、幻灯片、PowerPoint。就给我看"，正面例子是 Jev 那个游戏演示"才是所有人都在谈的东西"（⚠️ 该句归属被字幕讹写，本页只保留"演示本身是 GTM"这个结论）
⚠️ 顾问作为方法论：样本量	⚠️ 他自述顾问过 35、36 家公司；⚠️⚠️ 理由是样本量："当你作为员工在一家公司工作，你只看到一个例子，你的建议只在一家公司有效。但现在我做过三十几家，我真的能看到它们之间那些普适的真相"；⚠️ 推广成职业建议："你的样本量必须大于一，而大多数人的样本量是五；但如果你能把它做到五十，那你大概已经是这个领域里最顶的之一了"；⚠️ 报酬结构（自述）：大多数免费，有些给股权，而限定很清醒——"你不能吃股权"（举 Databricks"十五年了、值两千亿，而我手上的股权算什么"）
⚠️ 中美生态的体感差异，以及一条渠道诊断	⚠️ 他要看的是"差分"："我想看上海和旧金山到底有多不一样"——⚠️⚠️ 工具选择的差异："我认为旧金山有一个 B2B SaaS 的泡泡，但上海——你们用 ComfyUI。我们这儿不用。我们爱我们的 Canva，爱我们的 fal.ai"，而 OpenClaw 是反例（"在这儿比 ComfyUI 有更多的牵引力"）；⚠️⚠️ 规模口径："对你们来说，一个中等规模的社群是一百万人——这在这儿是巨大的"；⚠️ 996 对照："人们说在旧金山他们 996。他们其实没有——周六周日他们还是在放松。但在中国他们是真的 996"，而他对自己的区分是"我那么拼是因为我没有保障。但员工——法律上你不能要求人那样工作"；✅ 一次他承认的预判失败：2007 年在北京交换时 BYD"还是那种我们会永远是中国的"，而"BYD 正在拿下美国……我绝不会想到 BYD 会来这儿"；⚠️⚠️ 而渠道诊断是可检验的因果解释："中国的活动……被呈现的方式和西方观众喜欢消费的方式不一样。所以它们没有同样的触达"——阿里云把整个路线图连 Qwen 都讲了的发布"这儿没人看见。为什么？因为它夹在某个由别人来讲的企业演示中间"；⚠️⚠️ 而本页标出紧接着那句把流量导向自己："那就跟我一起做啊"
⚠️ AIE 的规模与数据化（全部自述）	⚠️ World's Fair 本年"目标 6,000 人，做到了 7,000 多，外加 150 万人在线"，30 个赛道；⚠️ 行业大会必要性用游戏业类比：模型实验室类似 AAA 工作室（"很多钱、非常大的项目、全是最高机密，一年只有一次来 GDC"），而实验室自办活动"超小、非常挑人，主要是给客户的，不是工程师对工程师"；⚠️⚠️ 一条与本库工作形态同构的做法："你甚至不用看那些演讲。你可以把我们整个网站拿去喂给一个 LLM"+"一切都是 MCP"+"作为一个数据集可用"+"我们还会对每一位讲者和每一个组织做深度研究……基本上是想做 AI 的维基百科"；⚠️ 加盟扩散：Paris 第一个申请，而"AIE Paris 的组织者被 Mistral 收购了"；⚠️ 加盟三条件（不滥用品牌含收入分成／全部公开发布／行为准则），而他对风险的自述："我们在把品牌共享给不替我们工作的人"
⚠️ 三条"最期待"与两层"最担心"	⚠️⚠️ 他主动跳过最明显答案（"system one models 显然是第一答案，所以它很无聊"），点的第一名是 interaction models（归于 Thinking Machines）：全双工、"在任何时刻你都在说的同时在听……我可以打断你，你会立刻回应并调整"，判断是"AI 本来就该是这样"；并列项是 continual learning 与 world models；⚠️⚠️ 第一层担忧是本期最诚实的一句："如果我们真有一个 AI 冬天，它什么时候来？而我会不会破产——对一家依赖炒作的会议公司来说，这是个真实的担忧"（✅ 本页判这处自我披露让读者能自行给本期的乐观陈述打折）；⚠️⚠️ 第二层是安全，而他明确排除了两个常见答案："不是因为假新闻，也不是因为丢工作。是某种更糟的东西"，最极端的版本是生物武器（⚠️ 具体对象被字幕讹写，不采信）
⚠️⚠️ 一条立场陈述，以及它与 2026-07 那次的差异	⚠️⚠️ "我们在播客上的表述方式是：大多数人的默认假设应该是 AI 毁灭"+"在整个人类历史上，当一个更先进的文明到来、遇到一个较不先进的文明时，较不先进的那个会灭绝。而这个东西演化得大约比我们快一千倍"；⚠️ 本页标注与他 2026-07-10 那次的差异：那次给的是带时间尺度的 pdoom（五万年约 90%、十年内近乎零、五十年约 5%），本期方向一致但去掉了时间尺度，因此更像立场表述而非可核对的估计；⚠️⚠️ 而本页记下那处他自己点出却未处理的张力：同一期里既说默认假设该是 AI 毁灭，又说最担心热度退潮导致公司破产——两者指向相反的世界
⚠️ AEO：把"模型推荐"当成可测量的分发渠道	⚠️ 做法：对每个模型问约 200 个"什么是最好的 X"（最好的面向工程师的 AI 播客、最好的支付创业公司、最好的银行、最好的数据库…），把答案转录做成排名；⚠️⚠️ 定位："因为我在为模型会怎么回答做 agent 优化。但它大概也是一个相当不错的代理，用来看实验室里那些挑数据集的人挑了什么——而他们挑了 Latent Space"；⚠️⚠️ 本页必须标出自利：他用这个方法得出的结论恰好是自家播客排第一到第三；✅ 但方法本身值得记；🔗 而这是本库这条线的第三次出现（Erik Bernhardsson 的 agent engine optimization、Supabase 那条"模型推荐"作为渠道），本页判这条线已足够成形
⚠️⚠️ 本页必须标出的四处问题	① 一条高度可争议且无论据的国别论断：⚠️⚠️ "他们住错了国家……他们之所以没有更富，唯一的原因就是他们住在中国"——本页照录为立场陈述不采信，三条理由（单因归因且无论据、与他同期"他们在营销上很烂"那条自相冲突、把"好创业者"与"更富"当成可互换的量）；② 一处建议把流量导向自己：⚠️⚠️ 渠道诊断之后紧接"那就跟我一起做啊"——本页把诊断与建议分开处理；同类情形另有两处（AEO 排名结论自家第一、实体清单论证恰好论证自家大会价值）；③ Kill My SaaS 成果口径前后不一致：⚠️⚠️ 同段里先说"很多很糟的提交"又说"我们有 69 份好的"；而本页把这条材料的效力限定在"中端 SaaS 的议价权正在变化"而非"可被替代"，因为他自己承认维护"不是零"且"有时候买现成的确实更好"，并明说"这件事我能做是因为我是个 influencer"；④ 一处他自己点出却未处理的张力：⚠️⚠️ "默认假设该是 AI 毁灭"与"我最担心热度退潮让我破产"指向相反的世界，而本页判一次独立访谈大概会在这里追问——这也是本页把本期定性为自述访谈的理由之一