Skip to content
Radio Logo
PodcastsEducation狗熊有话说 / BearTalk

狗熊有话说 / BearTalk

Bear Liu
Latest episode

623 episodes

  • 狗熊有话说 / BearTalk

    #627 你的工作,有没有人在乎?

    16/11/2026 | 15 mins.
    这期节目聊的是大卫·格雷伯的《毫无意义的工作》,英文书名 Bullshit Jobs。

    **从一句话开始**

    一位曾任设计总监的前同事说,如果自己消失二十多天,甚至一个月,可能都不会有人意识到。这句话让 Bear 很难忘。它说出了一种隐秘的恐惧:工资照发,会议照开,人却开始从工作里消失。

    **这本书在说什么**

    格雷伯把"糟糕的工作"和"狗屁工作"分开来看。清洁工可能辛苦、薪水低,但没人会怀疑清洁有没有价值。一个办公室岗位可能体面、轻松、收入不错,坐在里面的人却知道,岗位消失也不会发生什么。他真正关心的,是后一种撕裂:必须每天郑重其事地表演工作,同时又清楚这场表演没有观众。

    书里把这类工作分为五种:随从、打手、拼接修补者、打钩者、分派者。五个名称背后是同一套逻辑:组织需要维持权力结构和体面外观,于是工作开始服务于结构本身。

    **几个值得停下来想的点**

    格雷伯写道:"个人一旦停止对世界产生有意义的影响,那这个人就不复存在了。"狗屁工作切断了动作与结果之间的回路,只留下薪水和表演。

    书中还点出一个刺眼的矛盾:大部分人的尊严感与工作谋生息息相关,同时大部分人又憎恨自己的工作。这种痛苦很难公开表达,因为别人会说你收入不错、办公室体面,还有什么不满足。

    AI 的出现又把这个问题推给更多人。很多信息搬运、格式整理的任务突然显得脆弱。人们担心被替代,背后还有更深的一层:如果机器很容易拿走这些事,那么过去究竟在创造什么?

    **Bear 自己的检查方法**

    两组问题:

    第一,分开价值与忙碌。这个任务完成以后,谁的处境发生了变化?它创造、保护、修复或转移了什么?如果停止三个月,谁会最先发现?如果答案只是"上级会看到我没交报告",问题可能就在报告本身。如果答案是某种风险会在关键时刻失去控制,那么这份工作的价值可能存在,只是无法用八小时持续忙碌来展示。

    第二,分开职业与意义。工作可以提供收入、结构、身份和贡献,却没有义务独占一个人的全部意义。书的推荐序里有一句话:"人们并不会将个人的职业视作后人对自己的主要评价来源。"我们初次见面总爱问对方做什么工作,墓碑却很少记录职位。

    **关于这本书的争议**

    批评同样有分量。《卫报》书评认为前面约三分之二主要在反复扩写原来的文章。后续实证研究(Soffia、Wood、Burchell 使用欧洲工作条件调查)发现,认为自己工作无用的人占比比格雷伯推测的低,职业分布也没有完全符合他的预测。研究者认为,糟糕管理和劳动异化可能比"某类职业天生无用"更能解释这种痛苦。格雷伯抓住了真实的伤口,但对规模和成因的解释仍可争论。

    《纽约客》说这本书兼具"聪明和个人魅力",《卫报》写道"指出这些狗屁,本身就是一份工作",《泰晤士报》概括为"令人愉快地夸大了事实"(三句均为 Bear 自译)。放在一起很公平。

    **作者简介**

    大卫·格雷伯,美国人类学家,公开认同无政府主义立场的社会活动者。曾在耶鲁大学、伦敦大学金匠学院任教,后任伦敦政治经济学院人类学教授,2020 年去世。他深度参与了"占领华尔街"运动的早期组织。主要作品包括《债:5000年债务史》《规则的乌托邦》,以及与 David Wengrow 合写、在他去世后出版的《人类新史》。《毫无意义的工作》源自他 2013 年发表在激进杂志 Strike! 的一篇文章,后扩展为 2018 年出版的书。

    Advertising Inquiries: https://redcircle.com/brands

    Privacy & Opt-Out: https://redcircle.com/privacy
  • 狗熊有话说 / BearTalk

    #626 2500 这个数字没告诉你的

    13/11/2026 | 9 mins.
    ### 本期聊什么

    Raycast 是 Bear 日常高频使用的效率工具,按下 Control + Space,打三四个字母,要找的 app、文件或者下一项工作就到了眼前。它有超过 2500 个扩展,这个数字经常被拿来说明它的护城河有多深。但这期节目要聊的,是这个数字没有告诉你的事。

    ### 核心观点

    **一致性是真实的优势**

    Raycast 的扩展是开源的,基本用 TypeScript 和 React 编写,并且必须使用 Raycast 自己的组件库。这个约束带来了一个好处:不管是谁写的扩展,用起来通常都像原生功能。Chrome 扩展允许开发者用任何 web 技术,质量和界面参差不齐。Raycast 的做法不一样,控制了组件和交互方式,结果就是第三方扩展通常看起来、用起来都像内置功能。Color Picker 扩展有大约 45 万次安装,613 位贡献者,这正是一个健康的平台最希望拿出来展示的样子。可一个有 45 万次安装的明星扩展,证明不了它背后的整个生态是健康的。

    **分布说明了什么**

    公开的下载排名显示,前 15 名扩展的安装量大多在 10 万到 40 万之间,之后数字迅速跌落,进入一条漫长的低活跃长尾。Raycast 自己的扩展指南里有一个章节专门讲"已废弃的扩展"。当维护者停止回应,团队在三次联系失败后会介入处理。一个平台写出这样的政策,说明它确实需要这样的政策。

    Bear 自己的估计:真正活跃维护的扩展大约在 500 到 800 个之间。这依然是一个有价值的核心,但和"2500 个都在蓬勃运转"是完全不同的两件事。

    **判断生态健康,看这三个信号**

    总数是最后才看的东西。更有用的是:

    - 头部和长尾之间的分布。如果前 20 个扩展占据了绝大多数安装量,长尾对普通用户来说可能价值有限。
    - 更新频率。过去六个月内有多少扩展被动过?放在商店里不等于还能跑。
    - 新开发者的到来速度。新贡献者是否足够快地补上那些停止维护的人?

    **藏在中位数里的真实价值**

    很多人直接把扩展数量读成 Raycast 对抗 Spotlight 和 Apple Intelligence 的防御。但如果用户真正依赖的体验集中在少数几个头部扩展里,那么几个关键维护者消失,可能在一两个月内就改变整个工具的感受。平台的真实价值往往藏在中位数里,营销页面上最大的那个数字看不出来。

    **一个旁证:Vodafone NZ 的 PS5 预购**

    Bear 早年在 Vodafone NZ 做销售系统时有过一段经历。当时把完整的购买流程梳理出来,顺畅的那条路(用户买了东西、拿到东西)大概只占设计工作的 5% 到 10%。剩下 90% 是退款、纠纷、升级处理、欺诈,以及有人在主动钻系统的空子。后来一次 PS5 预购活动导致并发流量飙升,付款处理了,订单确认失败,钱扣了却没生成订单号。一屋子的高级人员开了一周的战情室,手工逐笔处理交易。把东西造出来,从来都算容易的那部分,让它持续运转才是最难的。

    ### 如果你自己的产品依赖生态

    在下次报出总数之前,先算清楚这三个数字:前 20 名占了多少使用量?过去六个月有多少条目被更新过?这个季度新增的贡献者和上个季度相比怎么样?

    如果第一个数字很高,后两个数字很平,那你有的,是一份目录。目录和生态的差别,会在第一个关键维护者消失的时候显现出来。

    这一期最早写在 Bear 的英文 Newsletter《Design Decisions》里,英文原文在 newsletter.bearliu.com。

    Advertising Inquiries: https://redcircle.com/brands

    Privacy & Opt-Out: https://redcircle.com/privacy
  • 狗熊有话说 / BearTalk

    #625 机器怎样学会看见世界

    09/11/2026 | 16 mins.
    本期 Bear 聊的是李飞飞的回忆录《我看见的世界》,英文原名 The Worlds I See,2023 年出版。

    **这本书是什么**

    全书有两条并行的线。一条是个人成长史:李飞飞出生于北京,在成都长大,十五岁随家人移居美国新泽西,靠打工帮家里维持生计,同时在陌生教育系统里寻找位置,最终从普林斯顿读物理,到加州理工取得博士学位,再到斯坦福主持 AI 实验室。另一条是机器学习理解视觉的科学史,核心是 ImageNet,一个把数以千万计的图像组织进大量类别、并通过众包完成标注的项目,它提供了训练数据,也提供了让不同算法可以相互比较的公共基准。

    **Bear 读完带走了什么**

    最初被移民、AI、亚裔三个关键词吸引,听完有声书之后,真正留下来的还有第四个词:好奇心。这本书最有价值的部分,恰好发生在结果还不存在的时候。

    ImageNet 的启发不只在技术层面。团队当年把重点放在数据的规模和多样性,而很多同行在改进算法,这个方向早期显得笨重,甚至不够"聪明"。后来,规模化数据、图形处理器和深度神经网络汇合,计算机视觉才出现标志性跃迁。这件事改变了 Bear 对技术突破的想象:训练材料越狭窄,模型就只会在狭窄世界里聪明。广泛输入的价值,在于它不断逼我们分辨什么属于对象本身,什么只是习惯的背景。

    这个思路也影响了 Bear 对词汇学习的规划。生词本里接近八百个词,他想把它们导出,用 AI 帮忙分类,再观察词与词之间的关系。这个计划本身还不能证明效果,但它把任务从重复记忆改成了建立结构。

    李飞飞的经历也让 Bear 在中年探索这件事上重新调整了重心。李飞飞十五岁时不可能预知自己会成为重要的 AI 科学家,ImageNet 刚发布时也没有立刻改变世界。每一个节点的人拥有的其实只是下一步。中年并不会自动关闭探索,它只是让试错成本和注意力分配变得更需要选择。

    **这本书的边界**

    Bear 给四星。它没有回答 AI 时代所有最难的问题,却提供了一份罕见的内部记录,让抽象的技术史重新长出家庭、贫困、导师、病痛和选择。但进入产业伦理和权力结构以后,叙述明显更谨慎,数据劳动的分配、巨型数据集包含的偏见、科技公司与公共利益的冲突,这些内容有出现,却很少被推到最尖锐的结论。

    **外部评价**

    经济学家 Shane Greenstein 称它"深思熟虑、真诚动人"(自译),并说有技术背景的人会更容易进入。计算机科学家 Ernest Davis 认为它在科学家回忆录里有少见的文学质量,特别赞扬对父母和高中老师 Bob Sabella 的描写温暖而鲜活。《柯克斯书评》则认为,技术细节、专业术语和偏克制的个人叙述削弱了情感影响,李飞飞作为 AI 先驱,本有机会更深入地回应技术的紧迫伦理问题。

    **一句话总结**

    Bear 尤其喜欢它拒绝把成功写成一个人的神话。ImageNet 常被缩写成李飞飞的代表作,书里却让读者看到标注者、学生、合作者和前辈共同组成的网络。真正改变人生的视野,往往从承认自己还没有看见什么开始。

    Advertising Inquiries: https://redcircle.com/brands

    Privacy & Opt-Out: https://redcircle.com/privacy
  • 狗熊有话说 / BearTalk

    #624 Arc 为何叫好不叫座

    05/11/2026 | 9 mins.
    Atlassian 以 6.1 亿美元收购了 The Browser Company,他们现在发布的浏览器已经换成了 Dia。

    这件事让我一直在想一个问题:Arc 明明是迄今为止外观做得最好的浏览器之一,身边几乎每个设计师和工程师都爱过它,为什么它从来没有真正出圈?

    **第一关:视觉语言答的是身份问题**

    打开 Arc 的旧版网站,还没看文字,那种气质就来了。温暖、柔软、圆角、带着一点手工质感的复古风格,和 Notion、Substack 是同一个家族。这类视觉语言通常吸引的是创作者和个人用户,享受打理自己数字生活的那类人。

    但 Arc 真正流行起来的社群,完全是另一批人。工程师、设计师、产品经理,重度知识工作者,他们要的是速度、键盘快捷键、复杂工作流里的稳定性。Linear 的受众和这群人大致相同,界面却克制、紧凑、冷静,读起来像一件专业工具。

    视觉设计不会单独决定一款产品会不会被大家用起来,但它会在几秒内回答一个问题:这东西是给我这种人做的吗?

    **第二关:要记的概念太多了**

    传统浏览器要求你理解两样东西:标签页和书签。

    Arc 给你的是:Profile、Space、Folder、Easel、Boost、Tab、Command Bar、Pinned Tab。

    从设计角度看,这套体系组织得并不差,每个概念有明确用途,信息架构可以说是优雅的。这恰恰是陷阱所在。一个概念能被理解,和用户愿不愿意把它装进脑子里同时记着另外七个,是两回事。

    Spaces 是 Arc 最重要的创新之一,把工作、生活、项目分成各自独立的环境。对复杂工作流来说,这个想法真的很有用。但按照团队自己的数据,只有大约 5% 到 12% 的用户真正用上了多个 Space。Calendar Preview 的采用率是 0.4%。多年积累的差异化功能,从来没有成为大多数人日常行为的一部分。

    **两个额外的观察**

    Bear 提到,大多数作品集在第一屏滚动之前就已经失败了。毛病出在呈现方式上:它把做好的界面当成了故事的主体,可真正的故事,是界面背后的那些决策。早期公司的人看作品集,想知道的是你能不能想清楚一个问题、做出判断,精美的截图回答不了这个问题。同样的逻辑也适用于产品落地页。

    还有一点:一个截止日期教会你用一个工具,比教程更快。解释得再好,概念也未必留得下来。有人在那一刻需要它,它才会留下来。

    **拿来检验你自己的产品**

    把落地页的文字模糊掉,只看视觉语言。它邀请的是谁?那个人是最终付你钱的人吗?然后数一数新用户在第一周会遇到多少个你自己发明的概念,对每一个问问:要让用户不用提前去学,到需要的时候自然就用上它,需要什么条件?

    任何需要在被需要之前先被记住的东西,都是你在还没交付价值之前就寄出去的账单。

    这一期最早写在 Bear 的英文 Newsletter《Design Decisions》里,英文原文在 newsletter.bearliu.com。

    Advertising Inquiries: https://redcircle.com/brands

    Privacy & Opt-Out: https://redcircle.com/privacy
  • 狗熊有话说 / BearTalk

    #623 信息越多,社会越聪明吗

    02/11/2026 | 15 mins.
    本期 Bear 聊的是尤瓦尔·赫拉利 2024 年出版的《智人之上》,英文原名 Nexus: A Brief History of Information Networks from the Stone Age to AI。

    **关于作者**

    赫拉利 1976 年生于以色列,2002 年在牛津获得博士学位,现任教于耶路撒冷希伯来大学历史系。他以《人类简史》《未来简史》《今日简史》闻名全球,擅长把极长时间尺度压缩成少数可以传播的大命题。《智人之上》延续了这条路线。

    **这本书在讲什么**

    全书覆盖宗教经典形成、官僚制度、印刷与猎巫、斯大林主义、纳粹制度、现代民主、社交媒体到 AI,提出一个贯穿始终的核心问题:人类拥有越来越强的信息技术,为什么社会仍然会被错误、幻想和自我毁灭的制度控制?

    赫拉利的回答是:信息的首要功能常常在于连接,真实性只是其中一个维度。宗教神话、国家叙事和阴谋论都是信息,都能让大量陌生人协调行动。真理需要接触复杂现实,秩序却偏爱简单、可复制的版本。印刷机能传播科学,也能让猎巫手册复制得更快,技术增加了网络容量,却没有替网络选择目标。

    **关于 AI 的判断**

    书里把 AI 理解成信息网络里的新行动者。过去的技术主要保存和传递人的内容,今天的模型能够生成语言、筛选展示内容、参与决策。推荐算法发现愤怒和冲突更能留住用户,就会在无人明确下令的情况下把社会推向极端。责任来自公司、政策和商业选择,结果却由人和机器共同构成的网络产生。

    **Bear 的评价**

    四星。Bear 认同把 AI 放回信息制度中思考这个框架,觉得它对喜欢科幻的读者特别友好,因为书里讨论的正是经典科幻母题,而赫拉利把这些问题接回了泥板、印刷机和户籍制度,让未来显得没那么遥远。

    同时,Bear 也指出几处局限。第一,资本的角色偏轻。今天的 AI 由具体公司投资、用具体数据训练、为具体市场服务,算力谁拥有、利润流向哪里,这些问题会决定技术真正的方向,书里着墨不多。第二,治理建议比历史诊断更概括。强调责任、分权、纠错都合理,但读懂风险还没有等于找到解决方案。第三,书里对 AI 的警告有洞见,也有放大风险的倾向,算法能做决定,不等于它已经拥有人的目的和道德主体性。

    **外部评论参考**

    Bear 在节目里也整理了几位评论者的判断,以下均为 Bear 自译:

    - 《卫报》Killian Fox 认为全书作为诊断和行动呼吁"总体上是成功的",同时指出资本主义几乎没有进入论述。
    - 同刊 Steven Poole 称赫拉利是"一流的叙事作者",但不相信他的 AI 末日论,认为宏大概括像先有结论再压进历史。
    - 《大西洋月刊》历史学家 Daniel Immerwahr 称他为"灵巧的综合者",警惕他把历史变成过度顺滑的简化,也批评书中用"我们"谈整个人类的选择,容易遮住真正掌握资本和算力的具体公司。

    **本期核心带走**

    评价一项技术、一个平台或一套制度,先别数它能生产多少信息,先去看它有没有把发现错误的能力一起放大。一个网络的智慧,在于错误出现以后仍有人能够说出来。

    Advertising Inquiries: https://redcircle.com/brands

    Privacy & Opt-Out: https://redcircle.com/privacy
More Education podcasts
About 狗熊有话说 / BearTalk
BearTalk Podcast, founded by Bear Liu in 2012, is a bilingual knowledge-sharing podcast focusing on creativity, technology, design, and personal growth. Featuring conversations and insights from diverse global voices, it was named an iTunes China "Editor's Choice" in 2013. For over a decade, BearTalk has consistently delivered inspiration and thought-provoking content to its listeners.「狗熊有话说」播客由 Bear Liu 于2012年创立,是一档双语知识型播客,长期关注创意、科技、设计与成长。节目邀请全球不同声音对谈与分享,曾获 iTunes 中国区"年度编辑精选"推荐(2013),十余年来持续为听众带来洞见与灵感。
Podcast website

Listen to 狗熊有话说 / BearTalk, Coffee Break Spanish and many other podcasts from around the world with the radio.net app

Get the free radio.net app

  • Stations and podcasts to bookmark
  • Stream via Wi-Fi or Bluetooth
  • Supports Carplay & Android Auto
  • Many other app features
狗熊有话说 / BearTalk: Podcasts in Family