No.213 对谈脉脉林凡：当「找工作太容易」的时代结束之后，职场正在发生什么变化？

概览

本期播客由刘飞对话麦麦创始人兼 CEO 林凡，围绕麦麦的产品定位、职场社区的真实价值、职场社交在中国的发展难点，以及 AI 对招聘和个人职业发展的影响展开。

林凡认为，麦麦不是职场焦虑的制造者，而更像职场世界的“温度计”和“卸压阀”。平台上出现的焦虑、裁员、转型、AI 冲击等讨论，反映的是新经济和科技行业从业者真实承受的变化与压力。

节目后半段重点讨论 AI 对岗位的影响。林凡的核心判断是：AI 目前还没有彻底替代某个岗位，但已经替代了一些岗位中的具体任务；未来真正决定替代速度的，不只是模型上限，而是 AI 交付下限、任务拆解能力、行业数据和岗位容错率。

最后，林凡给职场人和年轻人的建议集中在两点：一是经营自己的人脉和职业形象，二是尽快学会用 AI，尤其是用 AI 写代码。他认为这会像过去会用电脑、会上网一样，成为新的基础生产技能。

分段落总结

[00:25] 开场与议题设定

[事实] 主持人刘飞介绍嘉宾为麦麦创始人兼 CEO 林凡，并说明本期会讨论麦麦、当代职场生存和年轻人的就业焦虑。

[事实] 主持人提到自己近期与清北学生交流时，感受到学生对就业氛围和职业发展的焦虑。

[推测] 本期讨论的切入点不是单纯介绍产品，而是把麦麦放在就业周期、职场情绪和 AI 变化的大背景下理解。

[01:24] 麦麦不是焦虑制造者，而是职场温度计

[事实] 林凡承认麦麦上过去确实有不少负面情绪，并表示自己也经常思考和反思这一现象。

[事实] 他用“体温计显示 39 度”的比喻说明，麦麦不是焦虑的制造者，而更像职场世界的温度计和卸压阀。

[事实] 林凡认为麦麦的核心用户主要来自新经济和科技领域，他们对行业变化、内卷、裁员、转型和 AI 冲击非常敏感。

[推测] 他试图把外界对麦麦“制造焦虑”的批评，转化为对职场现实压力的观察问题。

[04:11] “匿名区”的误解与后台实名机制

[事实] 林凡纠正说，麦麦没有所谓完全匿名的社区，而是用户可以用昵称交流。

[事实] 他表示麦麦后台实名，并且有公司和职业认证，不只是手机号实名。

[事实] 林凡认为昵称机制给用户提供了一个相对安全的“面具”，让他们可以讨论职场中的敏感问题。

[推测] 麦麦希望在真实身份和表达安全之间取得平衡，以维持职场讨论的可信度和开放度。

[05:55] 昵称表达的价值与社区活跃来源

[事实] 林凡举例称，一名被辞退的残疾员工通过麦麦昵称发声后，事件获得公司内部和公众关注，最终员工拿回工作，相关 HR 被辞退。

[事实] 他认为，如果没有保护机制，员工很难公开讨论裁员细节、真实年终奖、对领导的评价和对业务的看法。

[事实] 林凡表示，这类职场讨论贡献了麦麦将近一半的用户活跃，约 40% 多、不到 50%。

[事实] 他同时强调，更多用户仍然有求职和人脉方面的明确诉求。

[08:40] 社区治理与公司内网功能

[事实] 林凡承认过去麦麦对社区把控偏弱，存在纯情绪和造谣信息。

[事实] 他表示近两年麦麦通过技术和社区规则治理，并强调真实、平等、友好、互助的社区氛围。

[事实] 主持人提到阿里内网坚持不删帖，认为让员工有发言空间本身很重要。

[事实] 林凡表示，能做到阿里、华为那样内部讨论网络的公司很少，越来越多中大型公司员工选择在麦麦上的公司内网讨论。

[10:14] 麦麦的产品现状与三块主营业务

[事实] 林凡介绍麦麦成立于 2013 年，前段时间刚过 12 周年纪念日，目前大约有 1.2 亿用户。

[事实] 他称麦麦是中国最大的职场社区和社交平台，主营业务包括招聘、社区和社交。

[事实] 招聘业务帮助企业和猎头高效招聘，也为个人提供职业规划和跳槽机会，是麦麦的核心收入来源。

[事实] 社区包括同事圈、推荐、热榜等，是行业信息的重要来源；实名社交则基于真实身份帮助销售、商务、市场、猎头等人群拓展人脉。

[12:30] 企业自建开放社区的难点

[事实] 林凡认为，企业内部开放社区难做，第一是员工不相信公司真的允许自由发言，也担心 IT 或管理层查出发帖人。

[事实] 第二个难点是删帖，即使很多科技公司 CEO 不想查人，也未必能容忍员工“乱说一气”。

[事实] 麦麦设计了公投机制，用户认为内容应该删除时可以发起投票；林凡称约 70% 的公投内容最终没有被删，约 30% 会被删掉。

[推测] 这种机制试图把内容治理权从单一平台或管理者手中，部分转移给社区成员。

[14:19] 中国职场社交与海外的差异

[事实] 林凡认为，过去十年中国职场社交需求存在，但没有海外那么大。

[事实] 他解释说，2010 年到 2020 年中国整体工作机会较好，人才仍是争夺对象，很多人投简历就能获得多个 offer。

[事实] 在这种环境下，求职者不一定需要长期经营职业人脉，而更多是在做选择前到麦麦查看公司信息。

[事实] 林凡认为，海外工作机会没有那么容易获得，因此更依赖人脉、朋友和长期职业声望，这也是领英模式能够跑通的原因。

[18:06] 就业变难后，职场社交需求开始增强

[事实] 林凡观察到，近两年情况开始变化，很多用户在麦麦上表示投简历没有回应，找工作不再容易。

[事实] 他看到一部分职场人开始意识到要经营人脉，并通过日常展示能力和实力来积累职业形象。

[事实] 林凡认为，未来十年中国职场社交行为可能会慢慢发展起来，但仍需要耐心。

[事实] 他也指出微信承载了一部分职场社交需求，因此会增加垂直职场社交平台的发展难度。

[22:05] 小红书、内容平台与职场社交平台的区别

[事实] 林凡认为小红书是很好的内容交流平台，算法分发精准、效率高，也是麦麦的强威胁。

[事实] 他区分了中心化内容平台和去中心化社交网络：内容平台依赖优质内容触达大量陌生人，社交网络则依赖关系亲近度。

[事实] 他认为职场社交更适合不擅长通过内容营销自己的人，用来与前同事、同学、校友保持长期轻度连接。

[推测] 麦麦希望强调自己的价值不是制造爆款内容，而是让职业关系链在长期互动中保持活跃。

[26:18] AI 对招聘岗位的影响

[事实] 林凡表示，目前还没有看到 AI 彻底替代某个岗位，但已经替代了一些岗位中的具体任务。

[事实] 根据麦麦数据，嵌入式软件开发、Python 工程师、C++ 工程师等岗位需求在减少。

[事实] 他认为交付周期短、流程标准化的工作更容易被 AI 替代，例如行政、市场、低阶运营和初级程序员。

[事实] 他还提到高管岗位数量下降约四分之一，一方面来自降本增效，另一方面 AI 也能辅助管理者处理管理冲突。

[28:37] AI 新岗位与人才门槛

[事实] 林凡表示，增长较明显的是 AI 落地急需的人才，包括核心算法岗、AI 产品经理、系统架构师和高阶数据分析师。

[事实] 他观察到，在腾讯、阿里等公司的招聘需求中，AI 产品经理基本是算法岗之外最大的职业类别。

[事实] AI 算法岗位的人才画像要求很高，通常偏好清北交大等 C9 院校理工科硕博，并最好有顶会论文、竞赛获奖或 AI 项目经验。

[事实] 他提到七八月份企业抢算法实习生时，日薪可达四五千。

[30:00] 美国应届生就业与中国的时间差

[事实] 林凡转述称，美国市场对应届毕业生的替代更严重，并提到《华尔街日报》文章称美国应届毕业生就业率已降到约 50%，预计 2027 年可能降到约 25%。

[事实] 他认为原因包括美国 AI 投入更大、人力成本更高，以及美国已从全球劳动力外包进入把 junior 工作交给 AI 的阶段。

[事实] 林凡认为，中国目前还没有出现同等程度的替代，但未来几年不好判断。

[推测] 他把美国视为中国就业市场可能变化的前置信号。

[31:14] AI 替代的本质：上限、下限与容错率

[事实] 主持人引用北大研究，提到 AI 技术可能带来 U 字型效应：初级和高级岗位相对安全，中等技能岗位机会下降。

[事实] 林凡认为这个洞察没有问题，但不够本质；他认为关键在于 AI 交付能力上限高、下限低。

[事实] 他以写代码为例，称 AI 有时能写出顶尖程序员级别的代码，但也会反复引入低级 bug。

[事实] 林凡认为，岗位能否被 AI 替代，取决于该岗位对 AI 下限错误的容错率。

[34:30] 低容错与高容错工作的不同命运

[事实] 林凡认为，程序代码上线出错可能导致严重故障，因此公司不敢完全让 AI 写代码。

[事实] 对新媒体运营、文案、设计、PPT 梳理等任务，AI 即使生成多个质量不一的结果，人仍可从中挑选和修改，因此替代或辅助能力更强。

[事实] 他用自己准备 PPT 的经验说明，AI 可以把半小时的梳理工作压缩到几分钟，再由人做最终调整。

[事实] 对市场总监制定策略这类高风险决策，林凡认为不能让 AI 完全替代，因为错误可能导致几百万甚至三千万预算损失。

[38:34] 任务拆解会提高 AI 的可靠性

[事实] 林凡认为，复杂任务下限低，是因为任务本身没有被拆得足够细。

[事实] 他介绍自己的项目经验：一个完整工作若有 20 个子任务，单个任务 85% 到 90% 的准确率串联后，整体准确率可能只有约 30%。

[事实] 通过把任务拆细，并对每个子任务做微调和强化学习，单个任务准确率可优化到 99.9%，整体准确率可到 97% 到 98%。

[事实] 林凡认为，未来三到十年，愿意精细拆解任务并优化工作流的公司，可能真正影响岗位替代。

[41:30] 基础模型与垂直工作流的两条路线

[事实] 林凡认为，当前基础模型更多在提高上限，但“提下限”仍然很难。

[事实] 他对基于 Transformer 架构的大语言模型解决下限问题持谨慎态度。

[事实] 他提到业界大致有两派：一派通过拆细任务和垂直优化解决问题，另一派相信 AGI 和基础模型能力会继续大幅提升。

[推测] 林凡更倾向于用垂直场景和工作流工程化来解决现阶段 AI 的可靠性问题。

[42:25] 垂直 AI 产品的关键能力

[事实] 林凡认为，在垂直 AI 产品中，优质服务数据非常重要；没有数据，仅靠产品经理或研发工程师很难解决问题。

[事实] 他认为 AI 时代产品经理和研发的边界会变得模糊，产品经理也要会写代码、会用 AI 做事。

[事实] 他同时认为研发工程师也要会拆 workflow 和 agent，否则很难做好 fine tune 和 RL。

[推测] 未来 AI 产品团队可能更需要“懂业务、懂产品、懂工程”的复合型人才。

[44:18] 35 岁以上职场人的机会

[事实] 林凡认为，AI 反而利好 35 岁以上的“聪明人”，但不是所有 35 岁以上的人。

[事实] 他强调，仅有经验不够，需要把经验沉淀为思考模型、快速学习能力、洞察力和判断力。

[事实] 他认为，有判断力的人可以用 AI 放大经验，把具体、枯燥的任务交给 AI，同时解决 AI 下限问题。

[推测] 在 AI 时代，年龄本身不是优势或劣势，能否把经验转化为判断力和 AI 协作能力更关键。

[46:42] 经验的价值在于给 AI 反馈

[事实] 林凡认为，经验的核心是能否判断 AI 产出的好坏，并给出准确的正反馈或负反馈。

[事实] 他举例说，新媒体从业者如果能判断哪个文案最能打动用户，就可以让 AI 生成多个方案后快速挑选。

[事实] 对程序员等岗位，他提到“老法师”的价值在于能准确定位问题，知道哪里该改、哪里该优化。

[推测] 经验未来更像质量控制和方向判断能力，而不只是亲手完成每个步骤的能力。

[48:36] 哪些工作更不容易被 AI 替代

[事实] 林凡认为，创造性工作不容易被 AI 替代，包括文创、商业模式设计和流程优化等需要人的聪明才智的工作。

[事实] 他认为深度决策型工作也不容易被替代，例如战略规划和商业谈判，因为这些场景需要综合大量信息并判断真假。

[事实] 他还认为管理协同型工作较难被 AI 替代，因为这类工作需要协调复杂项目、多个部门和许多人。

[事实] 他承认 title 中带 AI 的岗位在这个时代很重要，但并不认为只换一个 AI title 就能避免被淘汰。

[51:21] 学历膨胀与应届生招聘

[事实] 主持人提到互联网行业过去十年出现明显学历膨胀，从普通 211、985 到清北复交，再到藤校和博士进入基层岗位。

[事实] 林凡认为，学历永远是敲门砖，目前企业招聘应届生的标准还没有明显变化。

[事实] 他用街道办招聘清华博士的例子说明，当简历过多时，招聘方需要解释为什么不选学历更高的人。

[事实] 他认为大厂招聘也有类似逻辑，除非普通学校学生有非常匹配的实习、论文或研究方向，否则招聘方缺少选择他们的理由。

[53:41] 未来选人标准可能转向会不会用 AI

[事实] 林凡认为，未来三年招聘可能发生根本变化，从看学校转向看求职者能否用 AI 解决问题。

[事实] 他表示，清北学生的优势是学习速度快，但具体知识的掌握正在越来越多交给 AI。

[事实] 他用算盘、计算器和 Excel 的类比说明，过去擅长某种旧技能的人，未必在新工具时代继续有优势。

[事实] 他认为未来五到十年，当大家都会用 AI 后，竞争会回到学习速度、效率和对问题的判断力。

[56:26] 认知、眼界与大学资源

[事实] 主持人认同知识记忆的重要性下降，并认为社会、行业和职场认知变得更重要。

[事实] 主持人以自己在哈工大的经历说明，地理位置和资源渠道会影响学生对职场、创业和互联网的认知。

[事实] 林凡认为，清北等学校的优势在于有很多训练和机会，其中机会可能更重要。

[推测] 这段讨论把“名校优势”从单纯学历，进一步拆解为信息、资源、视野和实践机会。

[58:30] 如果重新毕业，林凡会选择什么

[事实] 林凡回顾自己大学毕业后曾短暂在美国读书，后来退学回国，和小川一起做搜索，相当于内部创业。

[事实] 他表示，如果现在刚毕业，仍会选择在潮头上，可能会加入智谱这样的公司。

[事实] 他还表示，如果带着过去十几年、二十年的经验，可能会做 AI 社交。

[事实] 林凡认为，AI 时代可能再次颠覆人类社交行为，就像 Facebook 和微信曾经改变社交方式一样。

[60:04] 最重要的建议：学会用 AI 写代码

[事实] 林凡给年轻人和职场人的重要建议是学会用 AI 写代码。

[事实] 他回顾人类操纵计算机的方式，从打孔带、机器语言、汇编语言、高级语言，一直发展到今天通过自然语言让计算机工作。

[事实] 他认为 AI coding 让会说话、会打字的人也可以让计算机完成自己想做的事情。

[事实] 林凡观察到，美国一些创业公司已经出现“全员写代码”的状态，每个人都用代码解决自己工作中的核心问题。

[64:00] 人人都是程序员与人人都是 CEO

[事实] 主持人认为，AI 写代码不会让每个人都创作产品，但会让能写代码、做小众产品的人规模远大于过去。

[事实] 林凡回应说，“人人都是程序员”可能略夸张，但方向成立，即人们会开始让 AI 定制化解决自己的问题。

[事实] 他进一步提出一个更大胆的预测：“人人都是 CEO”，很多事情可以交给云端服务完成。

[推测] 这段把 AI coding 从技能建议延伸到组织形态和个人创业方式的变化。

[64:23] 普通学历与非算法岗位年轻人的机会

[事实] 主持人追问普通运营、行政、非名校、非算法研发背景的年轻人会受到什么影响。

[事实] 林凡认为，学历确实越来越卷，但不是成功的唯一因素。

[事实] 他提到京东外卖的新业务中，运营、配送经理、BD 岗有很多专科或二本背景员工；字节跳动的短剧运营、广告审核、内容审核等岗位也有类似背景。

[事实] 他认为大公司新业务线爆发会带来很多机会，关键在于能否抓住。

[65:51] 给普通年轻人的两条建议

[事实] 林凡给普通二本和专科学生的第一条建议是经营自己，建立人脉圈，并让朋友看到自己的成长和成绩。

[事实] 第二条建议是学习 AI 和新技术，未来属于会用好 AI 的人。

[事实] 他把学会用 AI 类比为 90 年代会用电脑、00 年代会上网，认为它会成为进入好岗位的重要基础能力。

[推测] 对普通背景年轻人而言，AI 可能同时带来岗位冲击和跃迁机会，差别取决于是否主动学习并建立可见的人脉与能力展示。

[67:36] 收尾与本期主线回顾

[事实] 主持人总结说，麦麦在当前周期和环境中有意义，因为大家正在变化中观察 AI 对职场、找工作方式和职业品牌建立方式的影响。

[事实] 主持人表达了对麦麦新产品能给用户提供更多帮助的期待。

[事实] 节目以感谢林凡分享并告别结束。

播客点评/总结

本期的价值在于把麦麦放回到真实职场语境中讨论，而不是只停留在“职场焦虑社区”的外部标签上。林凡对昵称表达、后台实名、公司内网、公投删帖等机制的解释，提供了理解职场平台治理难题的内部视角。

关于 AI 与就业的讨论是本期最密集的部分。节目没有简单宣称“AI 会替代一切”或“AI 不会替代人”，而是用上限、下限、容错率、任务拆解和数据等维度解释岗位变化，判断框架相对清晰。

[推测] 本期更适合互联网、科技行业从业者，正在找工作的学生，以及担心 AI 影响职业发展的白领收听。它对想理解职场社交平台、AI 产品工作流和个人职业策略的人尤其有参考价值。

[推测] 局限在于，节目中的很多判断来自麦麦数据和林凡个人经验，部分外部数据和行业趋势没有展开验证；同时，对蓝领、公共部门和非互联网行业的讨论相对较少。