十字路口目录 · 学习与行动

张咋啦:行动、公开学习与 AI 时代的内容和产品

从个人创作、职业转型和视频学习工具出发,理解实践反馈、分发与可持续成长。

访谈脉络:行动、内容、营销与普通人的 AI 杠杆

嘉宾背景张咋啦(Zara),东北人,高中赴新加坡读文科班(班里唯一英语非母语者),本科毕业于哈佛大学心理学系;大一在真格基金实习,大三赴硅谷任科技媒体 The Information 记者,首届 GGV Fellow;历任 VC(看项目兼品牌营销)与互联网公司营销,2025 年成功转型为 AI 产品经理。
一年成果小红书粉丝一年内从约 2 万增长至 18 万(累计发布近 500 篇,起步阶段连续日更半年);业余时间通过 vibe coding 推出首个独立 AI 产品 LongCut.ai(YouTube 长视频学习工具)。
对谈基调2026 年新年第一期节目,由主持人 Koji 与 Zara 对谈。开篇配合评论区抽送 10 件由前嘉宾、字节 AI 产品负责人 Vanessa 设计的「Hands Dirty Club(把手弄脏俱乐部)」卫衣,定下全期主线——在 AI 时代,行动本身不需要任何人的许可。

2025「行动的一年」:只看不做,有时是一种懒惰

Koji 请 Zara 用一个词总结过去一年,她毫不犹豫选了「行动的一年」。前年她就已经意识到 AI 是必须抓住的时代浪潮,但整整一年主要停留在刷视频、读论文、听播客和创始人访谈。后来她突然醒悟:不停看视频和所谓「学习」,很多时候其实是一种懒惰——因为心里害怕迈出第一步,才用海量输入来掩饰逃避。

2025 年她最骄傲的变化,是把顺序倒了过来,真正践行 learn by doing(在实践中学习):一边在中英文平台持续高频输出内容,一边转入产品岗位、通过 vibe coding(用自然语言驱动 AI 编程)亲手上线第一个业余产品并收集真实用户反馈。让她惊喜的是,动手踩过坑之后,再带着具体问题回头看那些曾经似懂非懂的访谈和视频,常常会恍然大悟:「原来如此,我终于明白他们在说什么了。」

代码变便宜,注意力变稀缺:活人感与全员 Marketing

被问及别人尚未充分意识到的年度趋势,Zara 将目光投向大家聊得相对少的 Go-to-Market(市场推广与触达,简称 GTM)。她提出一个核心判断:AI 让做产品变便宜了,却让营销和分发变难了。由于 AI 编程大幅拉低设计与开发成本,新产品供给泛滥,用户每天都在被各种 AI 应用轰炸,根本用不过来。过去代码是稀缺资源,创业圈常说「万事俱备,只欠 CTO」;今天注意力成了最稀缺的资源,CMO、讲故事能力、分发渠道(distribution)、品牌与用户社区正在演变为真正的壁垒。

第二个同步发生的变化来自内容供给侧:社交媒体充斥着一眼假、缺乏真实观点且连改都懒得改的 AI 生成内容。在这种环境里,脱颖而出的关键词只有一个——活人感,也就是让用户清晰感受到产品与内容背后站着一个有温度、有瑕疵、有真实判断的活生生的人。播客与真人出镜视频之所以越来越有穿透力,恰恰因为声音里的停顿和镜头前的神态难以被机器伪造。

这种趋势直接重塑了品牌传播方式。Koji 指出,几乎没人记得 OpenAI 官方账号发过什么有影响力的内容,大家了解最新功能几乎全靠追看 Sam Altman 的个人推特,连发布会也从「高高在上的礼堂」变成了围桌闲聊。Zara 由此总结:AI 时代个人品牌与产品品牌愈发不分家,创始人就是最好的 CMO;不仅如此,硅谷已经流行起全员 Marketing——做某个功能的工程师或产品经理自己上推特推广、在评论区接住用户吐槽,直接完成产品迭代闭环。

她举了两个具体案例。第一个是她十分喜爱的浏览器 Arc(尽管团队重心已转向 Dia,Arc 仍保持周更):别人写更新日志是干巴巴的一到十条清单,Arc 却做成涂鸦风图文展开,并把每项功能背后的两位工程师名字和头像直接贴出来,既极大激发员工的成就感,又让用户产生强烈的社区归属感。第二个是 AI 编程独角兽 Lovable,其增长负责人专门强调不止要做 founder social(创始人社媒),更要做 employee social(员工社媒),每次上新全员造势。Koji 听完笑道,当年在聚美优品做大促时,全公司员工也会把微信头像统一换成 301、901 周年庆标志。Zara 强调,大公司受限于繁复的 PR 审批红线很难做到 building in public(公开构建),这反而是小公司的天然优势——在今天,大家根本不必过度害怕说错话,最可怕的是默认结局:nobody cares(根本没人在意)。

小红书从 2 万到 18 万:近 500 篇实践与 Follow Builders

谈及小红书一年内从 2 万涨到 18 万粉丝的经历,Zara 提醒大家别只盯着粉丝数,更关键的数字是两年多累计发布了近 500 篇,平均约 1.5 天一篇,起步阶段更是连续日更半年一天未断。她一开始根本没设「涨粉多少」的结果目标,只给自己定了一个死命令:连续日更半年。

回头看早期内容,她坦言很多「现在已经没法看下去」,但这恰恰印证了她的定位观:定位不是坐在电脑前想出来的,是在发了几十篇、上百篇之后「折腾」出来的,而且决定你定位的不是你自己,而是观众把你当成谁。正是通过持续反馈,她才逐渐锚定了「非技术背景从业者聊 AI 趋势与成长」的清晰站位。

让她感到意外的两类爆款内容,恰好踩中了需求盲区。第一类是「文科生怎么学 AI、怎么进入 AI 浪潮」:绝大多数科普 AI 的人都是研究员、工程师或技术创业者,但现实世界里绝大多数普通人都没有技术背景,他们急需一个听得懂、能共情的非技术视角,加上全社会渴望搭上 AI 时代列车的焦虑,天然形成了巨大势能。第二类是「一手长视频资源推荐」:她原本以为大家都看 YouTube 上的顶级访谈,或者自己得写出精妙长评才有人看,结果发现只把精挑细选的 5 个 YouTube 视频截图发出来、写清推荐理由就极受欢迎——很多人甚至还没意识到自己日常消费的都是被稀释的二手、三手信息。

至于如何筛选内容源头,Zara 给出一句核心心法:Follow Builders, Not Influencers(关注一线建设者,而不是信息二道贩子)。她刚接触 AI 时也曾关注过不少推特营销号,后来发现他们大多只是机械转述「OpenAI 又发模型了、Google 又发模型了——so what?」,既缺乏真知灼见,还常夹带商单广告;真正能刷新认知的高质量信息,来自 Anthropic 研究员、Cursor 创始团队这类一线实践者,他们不靠卖课和广告变现,愿意在播客与推特里坦诚分享踩坑经验。Zara 因此养成完整看完 YouTube 长访谈的习惯,把这当成「免费和硅谷最顶尖从业者开视频会议」。Koji 深有共鸣,分享了小宇宙年度报告里一个巧合:《十字路口》全年评论、收藏、转发三项第一全归同一期——采访全球 Claude Code API token 消耗榜第一名的华人实践者刘小排。

用 AI 打破镜头尴尬,以及「反向重塑自己」的良性 Hack

除了共鸣与干货,Zara 还会用 vibe coding 做「让人眼前一亮」的小工具。在小红书和推特都爆火的一个小产品,源自她自己面对镜头说话时的尴尬体验。她发现人天生擅长双向对话(dialogue),独自对着摄像头单向输出则会立刻卡壳。于是她接入 Gemini 实时语音能力,让 AI 扮演播客主持人顺着她的话不断追问,把单向口播变成自然聊天,并加上一键 remove silence 功能,自动裁掉 AI 说话和停顿的片段,直接导出干净的个人口播视频。

另一个变体来自她的小红书直播经历:她发现自己直播时特别松弛、有活人感,因为每一句话都是在回应弹幕提问。于是她做了一个仿真直播界面的「AI 气氛组」,录制时旁边有一群 AI 模拟观众实时提问、夸赞「你好棒」,给出源源不断的正反馈。Koji 感叹,人是社会动物,没有回响就容易大脑宕机,这类工具是对人类反馈机制的一次良性 hack。

更深层的一次心理 hack,发生在她对自我身份的重塑上。Zara 坦言,自己之所以在 2025 年真正变成一个 AI native(AI 原生)的人,很大程度上是「因为外界先觉得我变成了 AI native」——当她开始公开分享学习笔记和实战作品,外界的认可反过来撕掉了她给自己贴的「非技术」标签。Koji 分享童年趣事呼应:小时候严重晕车,大姨教他掐虎口并反复暗示「我是不晕车的人」,后来竟然真的不再晕车。Zara 借此建议大家跳出「文科/理科」「technical/non-technical」的过时二分法。

「科技好奇者」的黄金时代:Code is Cheap, Show Me the Talk

相比 non-technical,Zara 更推崇一个新词——technically curious(科技好奇者)。她观察到身边许多技术功底深厚的程序员,对最新模型和 API 毫无兴趣;反而是她这样没学过 CS 的人,每天兴致勃勃地刷推特试新工具。因此关键不在过去学的专业,而在心态与意愿。每当新技术浪潮袭来,一切归零,哪怕本科就是学 AI 的也得重新学,所有人都站回同一起跑线。

Zara 坦承,直到一两年前,作为非技术背景的互联网从业者,她依然有强烈的不配得感(imposter syndrome,冒充者综合征),总觉得技术讨论自己插不上嘴。转折点在于她意识到:技术本身只有变成产品、交到用户手里被用起来才能兑现价值。她在推特写下一句反转型金句:过去工程师信奉 "Talk is cheap, show me the code"(空谈廉价,给我看代码),如今正在变成 "Code is cheap, show me the talk"(代码廉价,给我看表达与洞察)。Koji 用甲骨文做了一个形象类比:几千年前在龟背上刻字是极少数高级工匠的专属神技,随着印刷术与电脑普及,打字已稀松平常,今天的写代码或许也正经历类似的历史平权。

讨论到硅谷流行语 "Idea is expensive again"(好点子重新变贵了),Zara 辩证地称之为「又贵又便宜」:

在她看来,这正是文科生迎来黄金时代的原因:一头是深度理解人性与人群、回答「究竟该做什么」;另一头是把产品包装成打动人的故事、做好分发与社区共创。如今硅谷正热招 Head of Storytelling(叙事负责人),而许多华人创业者产品力极强,偏偏卡在 GTM、品牌与讲故事这一关。

AI 营销消费品化:快闪店、Poke 谈判游戏与「讲到想吐」原则

谈及令人拍案叫绝的 GTM 案例,Zara 指出一个大趋势:AI 产品的营销越来越像消费品。原因很现实——AI 编程工具随便就能数出十款,普通人既没耐心也没能力逐项比拼底层参数,最终选择靠的是设计美感、品牌调性(vibe)与身份认同,正如洗发水和依云、VOSS 矿泉水一样。营销的最高境界从来不是吹嘘自己有多强,而是推广你的用户:让用户觉得「用这个产品显得我很酷」,就像非技术小白用 Cursor 做出第一个作品后迫不及待发小红书展示身份一样。

她拆解了三个标志性案例:

在「人人都是 CMO」的实操技巧上,Zara 强调了一条反直觉铁律:重复、重复、再重复。创作者总担心同一个观点讲多了让人烦,殊不知沟通天然存在巨大损耗——你可能只触达了 1% 的人并让他们记住了 10% 的信息;小红书 99% 的浏览来自首页推荐,几乎没人会点进你主页逐条翻旧账。现代人注意力极其分散(people don't read,视频大多只看前几秒),Zara 自己也是在推特和朋友推荐里前后刷到同一个新产品大约 5 次,才终于动手下载。正如麦当劳、可口可乐几十年如一日重复品牌主张,检验标准很简单:「当你自己讲到都要吐了,受众才刚刚开始听见。」因此做小红书或 X,必须把发布心理门槛降到足够低,保证频次与数量。

LongCut.ai、无许可杠杆与 5% 的冷启动破冰

聊到自己的业余产品,Zara 详细介绍了网页应用 LongCut.ai。名字取自 shortcut(捷径)的反义词——她想传递的理念是学习不要走捷径,要 take the long cut。针对许多人习惯把 YouTube 长视频直接丢给工具生成文字摘要(summary)的做法,她旗帜鲜明地反对:一旦高度压缩成摘要,最令人难忘的嘉宾小故事、细节和金句全都会蒸发。

LongCut 的三个核心功能全部长在她自己的学习痛点上:①模型先通读完整逐字稿,挑出最有独特观点的精华片段,在时间轴上高亮并配标题,点一下直接跳回原视频观看(「哪怕跳着看,也要听原汁原味的原视频」);②逐字稿里遇到生僻技术术语,直接划词一键 explain,由 AI 结合视频上下文即时解释,省去切屏复制粘贴;③看中某段金句想做笔记,AI 会把杂乱的 YouTube 逐字稿一键去除口水词整理干净,并支持附上个人感想(take notes)方便存档与二次分享。

一边做内容一边做产品,Zara 发现两者的底层结构完全同构——本质上都是「人类行为的预测系统」。无论是发一篇笔记还是上线一个功能,动手前都只是猜测,唯有通过高频 feedback loop(发布 → 观察数据与反馈 → 更新认知 → 再发布),像机器学习喂数据一样反复迭代,才能养出真正靠谱的内容 sense 与产品 sense。

Koji 提起她曾总结的 AI 时代人类三大剩余价值——审美(taste)、分发(distribution)与主观能动性(agency)。Zara 顺势引出硅谷投资人 Naval 的经典论断:世界上有两种不需要别人许可就能在睡梦中产生复利的杠杆,即代码(code)与媒体(media),而 AI 把这两者的门槛降到了前所未有的冰点。在传统教育与职场惯性里,人们总习惯等待父母、老师、老板或者名校、CS 学历的「许可」才敢动手;其实只要反问自己一句:「有谁拦着你吗?没有人拦着你。」

不过 Koji 也指出行动往往知易行难,他援引心理学家李松蔚《5% 的改变》——让人一下改变超过 5% 往往会直接放弃,请 Zara 给迈不出第一步的人一个最小行动建议。Zara 笑着自曝「黑历史」:在规律发小红书之前,她买齐了补光灯和三脚架,却足足犹豫了一年没开拍,设备全落了灰。真正破冰的那一天,她干脆抛开设备,直接举起手机用大白话开讲。她给出实操性极强的冷启动法:先回想身边人最常问你的 3 个问题(比如为何离开 VC、文科生怎么进互联网——你习以为常的经历,在外界眼里恰恰最稀缺),跳出来用小白语言讲明白;知识类内容的核心在于洞察与选题,不必纠结封面特效,不加修饰的「原生态(raw)」反而最有活人感。Koji 也补上自己克服镜头恐惧的两招:找最能聊得开心的好朋友坐对面举手机向自己提问,以及在朋友圈「立 flag」借社会监督倒逼(《十字路口》年初到处宣称周更,结果硬生生卷成了一周一两更)。

对担心「自己不够专业不敢发」的听众,Zara 强力推荐 Learn in Public(公开学习):别摆出「爹味」十足的教导姿态,改用学生视角分享学习笔记——「我和你一起学」。这既能倒逼自己持续输入与深度消化,又能给脱离考试体系的职场人重建类似多邻国(Duolingo)连续打卡 323 天的即时正反馈,让学过的东西变成看得见的产出。

有松弛感的成长、长期游戏(Karma)与年度 AI 工具和技巧

除了「行动」,Zara 给 2025 年的第二个关键词是「有松弛感的成长」。很多人好奇她又要上班、又要日更、又要做产品,哪来那么多时间?她反问:「那你怎么有时间刷抖音、打游戏、看剧?」对她来说,录视频表达、像做实验一样折腾新模型和新 prompt 本身就是高正反馈的娱乐,是在「充电」而非「耗电」,反而刷完短视频躺平后常会空虚。

但她强调,松弛感不会从天上掉下来,同样是「折腾」出来的:2024 年刚学 AI 时她也相当焦虑,模型不够聪明、写代码到处卡 bug 解决不了;靠着持续试错熬出第一波正反馈,事情才渐渐变得好玩。两人引述 Paul Graham《如何成就伟大事业》与 Naval 的名言——Find what feels like play to you but feels like work to others(找到对你像玩、对别人像工作的事情),也提醒听众这份松弛感不必一定落在 AI 或自媒体上。

谈及商业化,Zara 坦言自己的小红书零变现、业余产品也不图盈利(前提是有主业工作托底)。她区分了短期游戏(接广告、拿赞助立刻变现)与长期游戏(把平台当作连接优秀创业者、技术大牛、投资人、未来伙伴与种子用户的长期基础设施)。用她的话说:「我今天涨的每一个粉丝,都是我未来省下的营销成本。」很多人等到真正创业那天才发现既不认识投资人、也找不到种子用户测产品,那时已为时过晚。她把这种不求即时回报的分享比作佛教里的 Karma(功德)——如同往复利银行存钱,存得越久复利越高,连不少小红书粉丝线下第一次见面都会主动带礼物感谢她的启发。

随后,Zara 分享了她的 2025 年度 AI 产品清单与核心使用心法:

工具 / 技巧 核心亮点与 Zara 的独门用法
Claude 日常聊天首选。区别于 ChatGPT 偏向迎合讨好,Claude 性格极其克制自然、聊天「如沐春风」,写作极强,适合讨论私人困惑甚至当心理咨询师。
NotebookLM 核心是内容 Remix(跨模态形态互转,今年新增 video overview 与 PPT 生成)。Zara 将其口号扩展为 Understand anything, including yourself:上传简历生成 20 分钟双人播客「让 AI 夸自己」以看清竞争力,或上传对谈逐字稿一键转为结构清晰的 PPT(Koji 补充:语言即智能,AI 能把呼之欲出的想法提前提炼成型)。
Replit Design 最适合新手的 vibe coding 工具,从点子到上线部署乃至域名一站式完成、全程不碰代码且视觉出众;推荐非技术新手先上传简历做出个人主页拿第一波正反馈。
Faces / Framer 轻量个人网站与作品集建站利器,自动配好交互动效、无需长提示词;Zara 曾用来搭建自己的 AI 播客、视频与 Newsletter 资源导航站。
技巧一:让 AI 一次问你一个问题 颠倒人机主客关系。写方案或新年目标时,面对空白文档极难下笔,不如打开 Claude 或 ChatGPT 语音模式,要求「请一次问我一个问题,帮我想清楚」——聊十几分钟后再让它整理成稿,成品既完全保留个人思想、毫无 AI 味,还能在堵车、散步时完成写作,也极适合情绪疏导(Koji 联想到新世相曾借此逻辑做过「AI 遗嘱」)。
技巧二:反问 AI 还需要什么 下任务时主动加一句「为了把这件事做得更好,你需要我给你什么信息?」,破解模型「不知道自己不知道什么(don't know what they don't know)」就仓促开工的通病,类似于 Deep Research 与 Manus 在执行前先反问 3 个澄清问题的机制。

三位年度精神导师、听众问答与 10 个「我是」彩蛋

如果找到欣赏的 builder,Zara 建议直接把对方在社交媒体和播客上的所有内容通刷一遍。她列出了 2025 年对自己启发最大的三位「精神导师」:

在听众问答环节,Koji 从预告评论区的 50 条留言中挑出两个高频问题。第一个问「如何在 AI 能力边界和用户需求间找平衡?」Zara 回答非常利落:人类核心痛点长期相对稳定,每天剧变的是技术边界;真正的产品机会往往不是凭空发明新痛点,而是通过持续跟踪前沿、高频动手实操(并从研究员访谈里预判未来几个月的模型演进),第一时间捕捉「过去技术做不到或做不好、今天新模型刚好解锁」的交汇点。第二个问「如何完成从非技术到产品经理的职业转型?」Zara 直言是 AI 教会了自己做产品——不是靠讲大道理,而是把过去需要拉团队、招研发、融资金才能做的事,压缩到打开 Cursor 或 Google AI Studio 就能做出原型并丢给市场验证,反复试错才真正长出产品感。

尾声两人聊回 Agency(主观能动性)。Zara 引用 Andrej Karpathy 的话 Agency > Intelligence(网友戏称「主理人精神」,颇似哪吒的「我命由我不由天」)。Koji 分享了自己克服拖延的仪式感小技巧:想推一件事时先起个响亮的项目名(比如把某年命名为「Purple Year」)、画个 logo、搭个网页发朋友圈,赋予它生命力来倒逼自己负责。Zara 坦言,AI 对高能动性(high-agency)的人而言是最好的时代,对被动等待者则可能意味着被取代;破局之道在于主动学会与 AI 共事,持续追问「我和 AI 合在一起还能创造什么新价值」。

最后的惊喜彩蛋环节,Koji 请 Zara 在毫无准备的情况下用 10 个「我是」展现人生 B 面(中途 Koji 还拿自己「观鸟者」的身份打了个样):

  1. 我是一个 1 岁孩子的妈妈。
  2. 我是一个前记者——大三第一次去硅谷就在纯订阅、不收广告、专做独家新闻的 The Information 实习。
  3. 我是东北人。
  4. 我一直在学日语并通过了 N1 考试,非常喜欢学语言。
  5. 我是一个从小就热爱自我表达的人——小时候会把作文装订成书、把翻唱的流行歌刻成光盘送给朋友。
  6. 我在中国、美国、新加坡三个国家都生活过——高中在新加坡文科班,是班里唯一英语非母语的学生。
  7. 我本科在哈佛大学读心理学。
  8. 我是一个不喝咖啡也不喝茶的人——喝了会过于兴奋,靠做真正热爱的事维持高能量。
  9. 我是一个混迹在中国创投圈快 10 年的人——大一就在真格基金实习(距今 11 年,Koji 感慨真格每年实习生聚会凝聚力极强),也是首届 GGV Fellow。
  10. 我是一个拒绝被过往标签框死、不断刷新自我定义的人——从科技记者到 VC 看项目兼做品牌、再到互联网公司营销,最终走进一线成为产品 builder。正如她最后所说:「其实我们最终 build 的,都是我们自己的人生。」

机制拆解:一次「公开实践」如何滚出下一次判断

把 Zara 的「先行动 → 收反馈 → 更新直觉」落到最小对照:从痛点提炼假设(「AI 追问或模拟观众能提升口播流畅度」),用 vibe coding 做出原型,请 5—10 位不同表达习惯的用户在「无提问」「AI 追问」「AI 气氛组」条件下分别录制,比较时长、重录次数、完整度与主观压力。光「做一次」不会自动沉淀认知——若不保留事先预期、参与者差异与反例记录,就容易把「第二遍更熟稿子」误判成「功能有效」,也会忽略有人反而被插话打断节奏。

独立判断:哪些行动真的能扩大选择

做出可演示原型与交付长期可用产品之间仍有鸿沟

Vibe coding 能让非技术背景者在数小时内跑通前端原型,这对验证创意与展示行动力极具杠杆;但公开运行的商业产品仍绕不开鉴权、隐私合规(例如 Poke 读取 Gmail 的授权边界)、推理成本、持续维护与客服支持。把原型视作低成本「探针」非常有效,但不宜直接等同于成熟产品壁垒。

公开表达能放大机会,却不是学习的唯一凭证

Learn in public 能倒逼输入并吸引同频合作者,但粉丝数和外界赋予的「AI native」标签本身不能替代底功——Zara 的转型背后叠加了多年科技记者、VC 与品牌营销积累,并非零基础凭空跃迁。不愿高频露面的人,同样可以通过复现实验、沉淀私有研究笔记或把 AI 嵌入真实工作形成扎实闭环。

把「长期 Karma」拆解为可核验的资产与时间边界

暂不变现、先攒声誉与人脉的长期游戏依赖主业兜底,粉丝注意力也未必自动转化成可信任的合作关系,仍需定期检视代表作品、同行切磋深度与休息边界。使用「让 AI 一次问一个问题」成稿时,最后务必人工核对,要求区分「本人明确陈述」「模型补全推论」与「待决定项」,防止把口头探索误写成既定结论。

证据边界与资料索引

本文依据节目官方简介与整期机器转写文本重建,并结合对话上下文与节目简介校正了后半段主持人的转写标签错位(全期为 Koji 与 Zara 一对一对谈),未对音频做逐字听审。粉丝数、发文量、产品体验、Poke 报价细节与个人履历均来自嘉宾当时自述,未逐项独立核验或实测产品权限;机制拆解中的原型对照设计为解释性方法建议,非节目报告的已完成实验。

《十字路口》:张咋啦谈行动、内容与 AI · 本期文字稿(BidClub) · 返回近一年节目目录