访谈脉络:行动、内容、营销与普通人的 AI 杠杆
LongCut.ai(YouTube 长视频学习工具)。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」:
- 贵在洞察难以凭空造出:真正好的点子不能靠临时访谈几个用户凑出来,往往要么你自己就是那类人,要么对特定场景有极深沉浸——比如没做过几百条视频和直播,就想不到「AI 主持人」和「AI 气氛组」。
- 便宜在落地与抄袭成本骤降:既然你能几天用 AI 做出来,别人也能几天抄过去。因此光有好点子远远不够,必须把「洞察 → 快速做出原型 → 拿流量触达用户 → 收反馈迭代出新点子」的飞轮转得足够快。
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:
- Cursor 与 Anthropic 的线下快闪(Pop-up):Cursor 包下旧金山咖啡厅办
Cafe Cursor,请用户现场写代码一天,核心团队全程面对面答疑收反馈;Anthropic 在纽约接管咖啡厅免费派发只印一个词thinking的帽子(Thinking Cap),回应 AI 垃圾内容(slop)泛滥、标榜「独立思考者」身份,引发大排长龙甚至有人专程飞去领取。Koji 指出眼下存在明显的跨界套利窗口:消费品圈司空见惯的玩法搬进科技圈便成全球爆款。他也分享自己当躺岛 CEO 时,连续三年在上海为「猫肚皮枕」办生日快闪,有一年干脆在愚园路修了一座「猫之神睡眠庙」——线下虽只辐射几千到两万人,但极易拍照出片,借小红书分享实现指数级破圈。 - Poke 把新人引导(Onboarding)做成谈判游戏:湾区走红的短信 AI 助手 Poke 打通用户邮箱和日历,用户想拿到内测资格,必须通过发短信「说服」AI 放行,还得现场砍价、谈到多少付多少。AI 一改 ChatGPT 式的客套迎合,不仅反问「你凭什么用我们、你有多特别」,甚至直接呛你两句;更令人震惊的是,它读取已授权的 Gmail 背景后,因为 Zara 曾做过播客《996》,直接给她开价 996 美元。尽管隐私读取存在争议,这种极强反差感让大批用户忍不住截图晒出砍价过程——证明最好的营销不是外挂宣发,而是内置在产品体验里的自传播点。
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」:
- Chris Pedregal(Granola 创始人):在竞争白热化的应用层靠极深用户洞察做出创新交互。他两点核心理念令 Zara 印象深刻:一是做用户访谈不是「用户说什么就做什么」,而是用无数次对话持续喂养自己的直觉(sense);二是应用层不要去和模型层硬拼(比如上下文窗口等底层能力迟早由模型厂解决),而要顺势借力。
- Josh Woodward(Google VP,Gemini 与 Google Labs 负责人):主导 NotebookLM 等从 0 到 1 的孵化,扭转了 Google 的追赶叙事,访谈里却毫无大厂油腻感、聊起技术眼神像孩子般发亮。他要求 Labs 产品经理在早期别盯着在大厂几亿用户面前微不足道的数字看板,而要直接看用户的眼睛——看他们有没有眼前一亮的 aha moment。Koji 由此联想到宝洁培训 PM 时强调的「货架第一眼」与「回家初次开箱」两个魔法时刻,也引述 Andrej Karpathy 的播客观点:大模型没有感受,而人类哪怕焦虑、沮丧等负面情绪,恰恰孕育了更了不起的智能。
- Lulu Cheng Meservey(硅谷 PR 教主):曾任多家知名科技公司传播负责人,如今专职辅导创始人对外沟通。核心方法论有三:第一,Go Direct(直达受众)——别再迷信找 TechCrunch 发通稿或官样 PR 文,创始人必须亲自上播客、做社媒说人话,这不是内向(I 人)还是外向的性格问题,而是业务策略(Koji 补充《华尔街日报》报道 LinkedIn 上 Storyteller 岗位需求翻倍,正在取代传统 PR);第二,个人定位三圈交集——「你想说的 × 你的目标受众想听的 × 对你业务有益的」,关键是 Who is more important than how many(触达对的人胜过泛流量,如今许多创始人上《十字路口》的首要目的就是招聘同频人才,并借「长剪短」切片高效分发);第三,善用「被低估产品(underrated / underdog)」红利——大众天生喜欢力挺小众宝藏来彰显品位(比如在 ChatGPT 最火时力挺 Gemini;Koji 笑言躺岛卖到一年一个亿时,小红书笔记仍坚持写「小众宝藏」,直到藏不住为止)。
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):
- 我是一个 1 岁孩子的妈妈。
- 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。
- 我是东北人。
- 我一直在学日语并通过了 N1 考试,非常喜欢学语言。
- 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。
- 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。
- 我本科在哈佛大学读心理学。
- 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。
- 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。
- 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。