创作者写的节目说明

本期嘉宾｜林浩 AI Agent 工程师，目前在网易从事 AI 全栈开发，为游戏美术同事开发 AI 创作平台。他的职业路径从字节后端研发开始，后来进入网易，逐步从后端拓展到前端、客户端和 AI 全栈开发。过去遇到不熟悉的技术领域，往往需要找不同岗位的同事协作；现在借助 AI，他可以先把事情跑起来，再边做边学。

在工作中，他参与的产品也从早期的生图平台，逐渐走向更复杂的通用 Agent 平台：不只是生成一张图或一段视频，而是要理解美术同事的审美、上下文、知识库、用户记忆和完整创意生产流程。

林浩这一期最有价值的地方，不是讲“AI怎么写代码”，而是讲清楚一个工程师在AI时代的真实体感：
能力边界被打开了，代码产出变快了，工作流被重构了，但人的注意力、判断力、需求拆解能力和最终兜底责任，反而变得更重要。

但这一期真正重要的，不只是“AI让工程师更强了”。

我们还聊到另一面：

AI让代码产出越来越快，文档越来越多由AI生成，团队协作也开始变成“你的AI写一份文档，我的AI再读这份文档”。效率是提高了，但人的注意力也被撕碎了。多任务、多窗口、多模型、多Agent并行之后，人反而更难进入深度思考和心流状态。

这一期我们会聊到：

为什么AI会打破后端、前端、客户端之间的边界；为什么通用Agent平台不只是生成图片，而是要理解用户记忆、知识库和完整生产流程；为什么工程师在AI时代仍然要负责需求翻译、伪需求判断、历史上下文和发布兜底；以及，为什么AI让我们能做更多事，却更难专注一件事。

这不是一集AI Coding工具分享。

而是一集关于：

AI时代，工程师如何拓宽能力边界，同时重新夺回自己的注意力、判断力和深度思考能力。

主持人：Fancy

嘉宾：林浩

即刻/小红书/微信公众号：一切顺利鸭

b 站：一切顺利鸭啊

微信号：azerocoder

收听方式：

喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube.

时间线

–｜嘉宾登场：林浩，AI Agent工程师，从字节后端研发到网易AI全栈开发
–｜林浩自我介绍：从后端、前端、客户端到全栈，AI帮助工程师拓宽能力边界
–｜后端到全栈的转变：AI如何帮助工程师从幕后走到幕前
–｜从数据和服务器，到网页、客户端、App：工程师成就感如何被重新激活
–｜从生图平台到通用Agent平台：技术变化背后，其实是用户场景变复杂了
–｜美术创作平台的两类用户：高标准精细打磨型，以及希望AI自动完成任务型
–｜AI会写代码之后，工程师还负责什么：需求翻译、伪需求判断、代码审查、历史上下文和发布兜底
–｜工程师经验的价值：有些“Bug”不能随便修，修掉反而可能引发更大的系统问题
–｜非工程师如何更好地向AI表达需求：上下文管理、目录整理、工作区收窄和素材归档
–｜林浩的Markdown知识库：从过度分类到只保留输入、整理和深度思考
–｜为什么选择太多会撕碎注意力：过度分类、完美主义和决策疲劳
–｜工程师的完美主义：追求优雅代码和高质量，但也可能造成注意力消耗
–｜给AI说明任务的三个关键：目标、边界、可验证结果
–｜AI之间的文档协作：产品经理给AI写文档，工程师再把文档交给自己的AI分析
–｜效率提升后的副作用：AI执行太快，多会话并行让人失去学习和思考过程
–｜多窗口、多模型、多任务为什么会跑偏：AI Review可能越修越远，目标需要反复拉回
–｜系统化与解耦：如何让AI帮助拆任务，而不是让多个自动化流程互相打架
–｜美术创作场景里，哪些交给AI，哪些必须留给人：批量、格式、生成交给AI，审美和精细调整留给人
–｜AI短剧、AI游戏和新一代用户：我们是不是低估了AI原生内容的接受度？
–｜工程师观念的变化：从不信任AI生成代码，到发现AI确实能提高效率
–｜工程师的职业风险：AI工具建设者、AI用户和AI平台之间的边界正在变薄
–｜工程师是否适合创业：技术能力强，但0到1、用户、市场和商业化可能是更大门槛
–｜公众号与后续输出：林浩可以把工程师思维、规则化经验和AI时代的工作方法分享给更多非工程师
–｜结尾：感谢林浩，也期待他后续继续分享工程师视角下的AI协作方法

10个深度问题

你从字节后端研发到网易AI全栈开发，最大的能力边界变化是什么？
后端、前端、客户端在过去分别解决什么问题？AI为什么会打破这些岗位之间的护城河？
你第一次借助AI做出以前自己不敢想的客户端产品时，最大的体感是什么？
从生图平台到通用Agent平台，为什么真正变化的不只是技术，而是用户场景？
面向游戏美术同事做AI创作平台时，你如何理解“审美”“用户记忆”“知识库”和“生产流程”？
AI会写代码以后，工程师还不能被替代的价值到底在哪里？
你提到有些Bug不能随便修，为什么历史上下文和系统包袱反而是工程师经验的一部分？
对非工程师来说，如何用工程师思维向AI描述任务？一个好任务应该包含哪些关键要素？
AI让执行变快以后，为什么人反而更容易失去心流和独立思考？
未来工程师如果不想只被AI Coding工具替代，应该往产品、系统、商业、用户，还是组织协作方向拓展？

5个吸引力亮点

1. 这期把“AI全栈工程师”讲得很真实

林浩不是抽象说工程师要转型，而是具体讲到：后端工程师过去主要维护数据、服务器和基础设施；现在借助AI，可以自己做前端、客户端，甚至独立完成一个产品闭环。

2. “AI提高效率，也剥夺注意力”是这期最强钩子

林浩明确提到，AI确实提高了效率，但不同工作之间快速切换，也会让人的注意力不断被稀释，最后很难进入心流状态。这个问题很适合所有高频使用AI的人听。

3. 工程师还负责什么，这期拆得非常清楚

不是一句“工程师不会被替代”就结束，而是拆成：需求承接、需求翻译、伪需求判断、代码审查、历史上下文判断、发布上线、异常兜底和责任承担。

4. 这期非常适合非工程师学习“工程师思维”

林浩讲到，上下文、目录、工作区、记录、数据和可验证结果，都会影响AI的输出质量。对外贸老板、产品经理、内容创作者来说，这期能帮助他们理解：不是提示词越复杂越好，而是你的信息结构越清楚，AI越容易帮你做对。

5. 对AI协作副作用的讨论很有价值

这期讨论了一个很新的现象：产品经理用AI生成文档，工程师再把文档丢给自己的AI，AI和AI之间在传递信息，人反而变成文档搬运工。这种协作效率更高，但也可能削弱人的沟通、碰撞和思考。

《瑜伽姐的斜杠人生》播客团队

在小宇宙查看该单集文稿

说明里标出的时间点，点一下跳过去

AI 看点

本期看点

AI 从整集转写里归纳的，不是节目方的宣传语

最值得听的

工程师在AI时代要守的四道关口：需求翻译、真伪判断、代码审查、发布兜底，每条都有具体理由。

别处听不到的

AI原生团队里需求文档和bug交接文档是写给AI看的，人只负责搬运，效率上去了思考却少了。

最打动人的

搭房子打补丁的比喻：补丁越打越多，抽掉一块想修，整栋房子可能就散架了。

AI 推荐理由

为什么值得听

「今日发现」选中这一期的理由

一位在网易做AI创作平台的工程师，把「AI写代码之后人还干什么」拆成了四道具体关口：把一句「加个按钮」翻译成真需求、判断它是不是伪需求、审查AI不懂的历史包袱、为上线故障兜底。他讲到自己让两个模型互相review十几轮越修越偏，也讲了团队里文档直接丢给AI看、人变成搬运工之后思考在退化。还有那个「不该被修的bug」——抽掉一块补丁，整栋房子就散架。

AI 概要

本期概要

由 AI 从整集转写生成，是创作者说明之外的补充

本期邀请网易AI全栈工程师林浩，从后端到全栈的职业转变切入，讨论当代码越来越多由AI生成，工程师还负责什么。他把工作流拆成承接需求、判断真伪需求、代码审查、发布兜底四道必须人工介入的关口，并用「不该被修的bug」说明历史上下文的价值。两人还深入聊了上下文管理与目录整理、AI原生团队里「文档搬运工」式协作的代价、多开窗口导致注意力稀释与心流丧失、AI短剧与代际审美差异，最后落到工程师的商业价值与转型焦虑。

AI 识别的章节

章节

点一章从那里开始播 · 与上面创作者标的时间点各自独立