AI如何把客户研究从数周压缩到数小时?Listen Labs的真实演示
在这场现场演示中,Listen Labs创始人Florian Juengermann展示了一种全新的AI客户研究方式:AI不仅能自动设计研究、与成千上万用户对话,还能直接生成洞察和PPT。这不仅是效率提升,更是对“客户研究”工作方式的重构。
在这场现场演示中,Listen Labs创始人Florian Juengermann展示了一种全新的AI客户研究方式:AI不仅能自动设计研究、与成千上万用户对话,还能直接生成洞察和PPT。这不仅是效率提升,更是对“客户研究”工作方式的重构。
多数人还在纠结怎么写 Prompt,这个视频却给了一个更狠的答案:别优化模型,去“挑拨”模型。Greg Isenberg 分享了一个零成本的方法,通过让多个大模型互相竞争,把输出质量直接拉高一个量级。
英伟达CEO黄仁勋罕见直言“中国并不落后于美国”,引发全球AI圈震动。这段看似简单的判断,背后是中美AI长期博弈、芯片出口管制、云与应用层资本开支分化,以及科技巨头对AI未来路线的不同押注。
从微软、谷歌的真实代码比例,到OpenAI一次“性格失控”的回滚,再到Duolingo宣布全面AI优先,这期视频揭示了一个关键信号:生成式AI已不再是工具,而是在重塑组织、工程记忆和工作的基本假设。
在 AI Agent 工具爆发的当下,Aparna Dhinkaran 提醒行业:真正决定成败的不是你能不能“做出 Agent”,而是你是否知道它在真实世界里有没有正确工作。这场演讲系统拆解了 Agent 的结构、评估方法,以及语音与多模态时代带来的全新挑战。
在通用大模型准确率逼近90%的今天,Writer CTO Waseem Alshikh 用一套真实金融场景评测给出了反直觉答案:越“会思考”的模型,在金融任务中越容易胡编。本文还原这次评测的来龙去脉、关键数据和对行业的深远启示。
大多数人学 AI,卡在“会用一点点工具”。Riley Brown 在这条视频里做了一件反直觉的事:他几乎不教花哨技巧,而是给出一条从聊天、图像、视频到自动化与 Agent 的完整进阶路径。看完你会意识到,真正拉开差距的不是某个工具,而是你是否走对了顺序。
这不是科幻设想,而是Augment Code团队的真实经历:一个AI编码代理在人的监督下,写下了自己90%以上的代码。Colin Flaherty分享了这个自举型Agent从集成工具、写测试到给自己做性能优化的全过程,以及他们在实践中踩过的坑与形成的方法论。
在这场演讲中,SuperDial工程师Nick分享了他们在真实电话场景中构建语音AI的经验:为什么“无聊但可靠”的通话才是好产品,以及语音AI工程师在2025年究竟要解决哪些最后一公里问题。
LinkedIn并非一开始就要打造宏大的GenAI平台,而是在真实产品压力下,一步步演化出支撑AI Agent的基础设施。本文还原Xiaofeng Wang的分享,讲清楚他们为何自建平台、如何从简单Prompt走向多智能体系统,以及这些选择背后的工程与组织洞见。