01 / Show Notes
如果模型不负责聊天，只负责反复做一个小判断，它能进入哪些工作流？当 Agent 已经能操作电脑，为什么人反而开始惦记一块带鱼屏？
本期从 Jev 聊起：筛选记忆、给联系人打标签、语义查询、过滤广告——这些不太像聊天，却可能需要大量模型调用的场景，是否值得用新的方式处理？我们也讨论了一个容易混淆的边界：输出满足类型约束，并不等于判断一定正确。
随后，话题转向多模态、小模型和真实创作：用 GPT-6 Astra 辅助生成训练数据、用代码做宣传片和配乐，以及 Vibe Coding 带来的一个朴素烦恼——硬盘越来越不够用了。
浏览器、聊天区、任务列表挤在同一块屏幕上，用 Agent 是否真得配一块带鱼屏？后半场从这个具体的工作界面聊开，继续追问 Agent 的落地条件：语音输入、多账号、常驻电脑、云端 Mac、企业数据与日志。能力之外，工作环境和人的监督同样重要。
本期录制于 2026 年 9 月 19 日，四位主理人通过腾讯会议远程录制。节目中的体验、观点与预测属于参与者个人判断，不代表对产品能力的独立验证；具体功能与可用性以官方信息为准。
本期讨论
- Jev 不走聊天路线，适合做哪些高频判断？
- 结构化输出、模型准确率和“没有幻觉”，为什么不能混为一谈？
- 多模态、小模型和代码工具，怎样进入真实创作？
- 当 AI 不断生成文件和项目，存储与工作空间怎么管理？
- 让 Agent 常驻电脑之后，数据边界与监督如何安排？
本期人物
时间轴
- 00:00 节目片头
- 00:49 本期精彩片段
Jev：从聊天走向高频判断
- 01:30 四位主理人开场
- 01:41 Jev：不聊天，做结构化判断
- 03:47 微信好友标签与高频判断
- 07:22 语义搜索与数据库查询
- 08:47 “没有幻觉”不等于判断正确
- 17:18 用模型过滤隐性广告
模型、工具与多模态
- 20:57 把新模型接入现有 Agent
- 25:07 多模态：音视频为什么要一起理解
- 27:51 量化与本地小模型
- 31:43 SVG、图标与设计工作流
- 35:19 用 GPT-6 Astra 造数据、训练小模型
- 40:59 实时语音与 Computer Use
- 43:44 具身智能与零样本任务
能力增长之后的创作现场
- 48:07 Vibe Coding 把硬盘用满之后
- 56:56 用代码做宣传片和配乐
- 01:09:39 语音输入产品与实时反馈
Agent 的工作环境与边界
- 01:20:07 Codex 多账号与工作空间
- 01:24:29 常驻 Agent 与多平台内容分发
- 01:26:42 Coding 与 Office：两种工作模式
- 01:29:52 云端 Mac 与 Agent 执行环境
- 01:30:49 企业数据与日志边界
内容生产与研发自动化
-
01:36:25 AI 剧与内容生产
-
01:38:06 AI 参与研发与人的监督
-
01:40:04 片尾
相关资料
术语说明
Jev 的类型约束与决策准确性是两个问题；符合预设输出结构，不意味着对事实或业务问题的判断一定正确。Computer Use 指通过电脑界面执行操作，不等同于 AGI 的认定。
关于节目
Next Token｜词元之外是一档关注 AI 技术、产品与现实影响的视频播客，同时提供音频版。旗舰栏目 Next Token Weekly，由杨攀、歸藏、橘子和向阳乔木每周圆桌对谈，分享观察、实践与不同判断。
节目主页：nexttoken.tv
音乐
Electric Dreams / Origami — Scott Buckley，依据 CC BY 4.0 使用。音乐来源：Scott Buckley Music Library。
社群
欢迎加入 Next Token Weekly 听友 2 群，一起聊 AI 工具、节目选题与真实使用体验。长按或扫描下方二维码入群（2026 年 10 月 4 日前有效）。
欢迎加入 Next Token Discord，分享你的使用体验和不同判断。
