当然，这说的是能理解 AI 时代何为 AI-native 产品的 AI PM。
以下是听这期播客时的一些记录：
1️⃣ 大模型类似于 18 世纪的热力学，我们在微观层面完全不知道它具体是怎么运作的，但在宏观层面找到了经验规律：在这样的系统中，判断对与不对的标准是实验反馈，是客观的。
想到为什么说“现在最 AI-native 的产品是 coding 类产品——因为代码的反馈信号最清晰（work 和不 work）、评价标准最为客观，但比如设计人机交互流畅的产品、定义什么是好产品这种，AI 目前暂时还无法取代。
2️⃣ 对 Anthropic 和 Google 的分析那里，自上而下的技术一号位控局或者自下而上的自由创新——有趣。
全员不做无用功只管落地和推进着实是最高效做产品的方式，无论何时何地与何人，做事都更重要，价值观带好头那就更完美了。
所以可以这么说，能让团队跟着一直走的技术 leader，可以不是纯技术 er，但技术一定很强。
3️⃣ Chatbot 是搜索引擎的延伸，想起来之前对于 ChatGPT 的体感：高级的 AI 版 Google（但 5.5 上线之后，简直太太好用）。我以为在问答中自动引入跨对话的记忆是做了 context engineering，实际上还是搜索然后引用。
近期对 NotebookLM 的吐槽：
1）Agent 过于恭维/顺从用户，哪怕是只有几个字的开头第一句话，也会多少影响用户自我认知。
2）生成回答前有固定的等待时间，生成过程无法固定消息让我边阅读它边生成，必须得全部生成完成再从底部滑拉回顶部再阅读——流式生成速度是否和用户的大脑/眼睛接收信息速度保持近乎一致也是重点。
3）项目与项目之间是独立的知识库。这里就涉及本篇记录的主题了，即要给 Agent 造世界，让它生活在一个环境共同体中：作为用户如我，我需要 Agent 对我拥有持续性的记忆，还有对我的建模状态持续更新。
也就是说，context engineering 不仅是工程问题，还是人机交互的问题，是「如何理解人」的问题。
那未来的 GUI 是？
（目前能区分压力和爱抚的电子“皮肤”出现了，也是蛮逆天的🤔
4️⃣ 将自己数字化吧。未来肉身负责线下，数字自我负责线上。（不负责任的预言。