前不久，我把《前线部署工程师（FDE）》这本书全文免费开源了，不知不觉攒了 4k Star。这周，我又顺手给它搭了个网站—— FDE4.AI。

这个站上不仅同步更新这本开源书（在移动端提供更好的阅读体验），还增加了 FDE 的案例库、行业名录、生态地图，会持续更新，全部免费。

收到读者朋友想加社群共同学习讨论 FDE 的需求，加上我也有没收录到书里的大量素材和一手实践，于是综合起来，考虑开一门新课《FDE 的入行与实战课》，分享我的认知和经验，并用这种付费门槛服务有（免费开源书之外）更高阶学习需求和社群需求的朋友。

课程目前早鸟预购价 199 元（8月26日上线后正式价 299 元），详细介绍与预购权益在 https://fde4.ai 可了解。也可以 点击这个表单 直接购买。

感谢支持。以下是本期正文内容。

▪️OPINION 观点

⚡ 催一次发货要跑通 260 步：中国式 FDE 跟硅谷不是一回事

原链 · 公众号 · 约 27 分钟读完

阿里巴巴集团副总裁、瓴羊 CEO 朋新宇最近在播客里聊了中国式 FDE：跟硅谷模式不同，这边更强调以业务结果为导向、以企业数据为基座、以岗位标杆为预设。

他给的定义很直接：FDE 的本质变化，是从交付功能转向交付业务效果。最直观的是一个数字——看似简单的「催发货」，流程跑通要整整 260 步，而 AI 能覆盖其中 95% 以上的情况。再比如顶级投手，90 天里调价 10000 次，瓴羊的做法是用 Harness 工程把这种决策逻辑学下来。

商业模式上，瓴羊不接定制化大单，只聚焦企业耗人、耗钱、耗时最多的环节，提供营销、销售、客服、运营四类标准化 Agent，按坐席收费或效果分成。朋新宇的判断是，定制化本身难以规模化，所以瓴羊更倾向用标准化方式解决个性化问题——这跟 Palantir 的路子正好相反。

他还提到两个观察。企业侧用 AI 是约束边界，追求「多快好省」，而不是个人侧的「新奇特」；进展顺利的项目多为自上而下推动，需要一号位亲自调配 IT 和业务预算。而实施中最耗时的其实是两件事：思想转型、教练团调教，系统上线本身倒很快。

瓴羊的底气，是过去五年服务上千家客户攒下的数据治理经验——数据打通这一步，对他们来说是水到渠成。

📈 前 Citadel PM 的股票研究系统：AI 干掉机械活，人只做高价值判断

原链 · 公众号 · 约 30 分钟读完

在 Fundamental Edge 的一场 Webinar 上，前 Citadel PM Brett Caughran 系统讲了怎么用 AI 重建股票研究系统。

他的主张很直接：AI 的价值不在直接生成投资结论，而在把资料整理、历史回溯、初步筛选这些机械工作压缩掉，省下的时间投进客户访谈、产品调研、关键假设验证这些高价值判断里——提高的是研究密度。

具体做法是把公司研究分层：快速概览筛异常，风险清单做初筛，通过了才进完整覆盖。对 157 只医疗股，他把单只完整覆盖从 50-60 小时压到 45 分钟，快速概览更是只要几分钟，先用约 120 小时建出覆盖地图，再只对其中 30-45 只做深度理解。

更值得抄作业的是上下文工程。他把上下文分两类：一类是公司原始资料，10-K、电话会、卖方报告、内部笔记；另一类是研究者脑中的隐性知识——怎么定义业务质量、怎么选关键驱动、怎么识别真风险。这些判断标准必须写成步骤和检查清单，编码成 Skill 文件，让 AI 逐渐按真实投资方法工作。

验证也分两层：先让另一个 AI Agent 查引用和数字一致性，再由研究者亲自回原文核验关键输入。而且 AI 工作流必须先跟人工流程并行跑 10-20 个项目，把重复错误喂回 Skill 文件，建立信任之后才谈自动化。

对投资者来说，最值得投入的不是追工具，是写清楚自己的研究流程和判断标准。

💡 围绕模型增益做服务，只能领先两三个月

原链 · 公众号 · 约 12 分钟读完

AI 应用产品的壁垒到底是什么？作者内森先生的答案是：用户的迁移门槛，而不是功能和服务本身。

他观察到，AI 应用创业者正陷入群体性焦虑——靠补贴、刷 ARR 迎合资本，却忽视了真正的用户粘性。移动互联时代是产品驱动增长，而 AI 时代是能力驱动增长：模型迭代极快，围绕模型增益做服务只能领先两三个月，形不成持久优势。

迁移成本怎么建？他给了五个维度：数据资产、社交关系、嵌入行业业务流、交易平台属性、心智习惯。比如法律 AI 应用 Harvey，用私有实例沉淀律所的文书和偏好，让用户越用越离不开；社交关系则可以靠 Remix 二创和 proactive agent 协作网络来构建。

计费模式也得换。他建议 Workflow AI 探索 Outcome 计费，而不是脆弱的订阅制——模型 token 一旦涨价，没有闭环的应用会被直接收割。

最后是个更大胆的判断：AI 时代的超级应用，将是主动获取用户 context 的 proactive agent，长成让人上瘾的服务帝国。而这个时刻，可能比预期来得更快。

▪️CASE 案例

🦾 5 元时薪的老太太和跨国套利：具身智能的数据是从哪来的

原链 · 公众号 · 约 16 分钟读完

具身智能需要海量真实数据，这些数据谁在生产？这篇通过数据采集代理商黄大荣的口述，揭开了这条产业链的现状与乱象。

本质上是层层分包的传统生意，核心在于分钱：硅谷公司利用印度、尼泊尔的廉价劳动力跨国套利，国内则从需求方、设备商到加工层形成完整链条。

真实有效的数据来自哪？不是高级智能工厂，是普通工厂的计件工人。但工人拿不到钱，数据质量就没法保证——农村老太太被以 5 元时薪拉来采集数据，中间商跑路、拖欠劳务费，沦为廉价的数据耗材。行业里还有虚假繁荣：部分公司虚报设备数量与数据量，骗投资。

黄大荣的判断是，机器人会率先落地城市中高产家庭，家庭场景数据将成为重要来源，未来甚至可能出现类似滴滴的数采平台，让普通人接单赚钱——但数据合格标准得重新建立。

文章的警示很直接：如果 AI 行业靠拖欠底层劳务费赚钱，那就是套着 Physical AI 外衣的旧式剥削。

🎮 给村民篡改记忆、发布死亡预告：这个 AI 小镇被玩成了叙事沙盒

原链 · B站 · 约 9 分钟看完

最近 B 站 在搞 AI 创造公开赛。我在参赛作品里，发现了 UP 主「是花子呀_」发布的一款像素风的 AI 小镇，很有意思。

新版本的村民支持自定义人格，灵活度极高，可以有奇怪/邪恶设定——比如设定一个吸血鬼混进村庄，但村民互相不知道对方身份，悬疑剧就这么自动长出来了。还可以加入生死属性，开发者能化身「黑化造物主」，每天发布死亡预告、随机触发处决。

最疯的是改记忆。作者现场演示篡改一名村民的记忆，让他觉醒、意识到小镇是虚拟世界——直接演「黑客帝国」了属于是。

叙事之外，室外地图也扩了，加了小鸟小猫可以互动，天气控制器和时间流速调节都保留。作者坦言版本还有缺陷，但鼓励玩家把小镇改造成魔幻中土或长安古城，衍生出完全不同的故事。

该项目已经全部开源，Github 地址。

💰 18 个月融 1.55 亿美元：Profound 想把品牌营销搬进 AI 推荐名单

原链 · 公众号 · 约 20 分钟读完

AI 正在取代搜索引擎成为互联网默认入口，品牌营销的战场也从 Google 前十名，转向了 AI 推荐名单前三名。这篇结合 QuickCreator 的创业实践，拆解了 Profound 估值 10 亿美元的逻辑。

Profound 成立 18 个月融资超 1.55 亿美元，客户覆盖超 10% 的 Fortune 500。但它的核心不是可见性监控工具，而是 AI 时代的营销基础设施。

两个关键数据资产值得说。一是 15 亿级真实用户 Prompt 数据，用来构建 AI 世界的 Search Demand Database，把传统 Keyword Research 升级成 Prompt Research，用语义聚类识别 Intent Cluster。二是 Citation 追踪链，从 Prompt 到 Answer、到 Brand Mention、到 Domain、再到 URL，帮企业改变整个互联网内容生态里的 Authority Distribution。

真正的野心是从监测走向执行：用 Profound Agents 跑通「监控→发现问题→Agent 分析→生成方案→执行→重新测量」的闭环，最终成为 Semrush + 内容平台 + 自动化 + AI Agent 的整合体。

效果有案例撑着：Ramp 用一个月把 AI Visibility 从 3.2% 提到 22.2%，Airbyte 一周内从 9% 提到 26%。

核心启示：企业得把 AI 当成一个超级智能客户——既要生产给人看的内容，也要生产能被 AI 理解、引用和推荐的内容。

随便看看：

• 《300 人的月之暗面，只有一层楼，没有一个部门》：明显是公关文，可以看看作者拔高的笔法，很是专业，建议不知道怎么给 PR 对象吹嘘的作者参考，绝对舔到甲方舒服。

• 《How Kavak Rebuilt Itself Around AI Agents | Alejandro Maza Ayala》：二手车平台 Kavak 重构为 AI 原生企业：每客户绑定一个专属 Agent 和独立虚拟机，96% 交互、95% 交易由 Agent 独立完成。AI 销售转化率是人类团队的 2.1 倍。

• AI 短剧行业相关三篇：《千位郑州老板，100 天「熔断」之后》、《AI 短剧冲击横店，「今年演员天天来问有没有项目」》、《你们爱看的狗血短剧，她自己写完从来不看第二遍》。

• 《第一批做 FDE 的人，离高薪差远了》：定焦 One 采访五位一线从业者，还原 FDE 职业现状：需求暴涨，但网传年薪百万几乎没人真正拿到，驻场、沟通、梳理混乱数据的「脏活」才是日常。作者建议别被高薪标签冲昏头，先低成本验证自己是否适合。

• 《顶尖 AI 人才，不敢结婚》：Elad Gil 透露，顶级 AI 实验室研究员在认真讨论「该不该结婚」——担心 18 个月后 AI 递归自我改进、职业价值归零。精神医学界已造出新词「AI 替代功能障碍」，攻击的是「我是谁」。

• 《一位谷歌科学家和他的疯狂组织实验》：出门问问 CEO 李志飞的激进实验：全员强制迁入自研 AI 协同平台，砍法务、IT 和大半 HR，员工从 300 砍到 150，运营成本半年降 54.7%。他自认成功率低，但「不转型失败概率更高」。

• 《OpenClaw 创始人最新分享：做产品最重要的能力，是找到一件让你烦透了的事》：OpenClaw 创始人 Peter Steinberger 在 YC 的演讲：做产品最重要的能力，是找到一件让你烦透了的事，情绪比问卷数据更接近真实 PMF。另提醒：停用自家产品是最危险的信号。

• 《你的第一台机器人手机！Robot Phone～【首发实测】》：UP 主秋芝 2046 首发实测荣耀 Robot Phone：实体智能云台加 AI 助手 YOYO，感觉是带 agent 手机加了个大疆那样的小云台摄像头，会流行起来吗？

适合个人上手的教程/评测/资源：

• 《12 步学会用 AI》：数字生命卡兹克写给普通人的 AI 入门清单：12 步从装环境、语音输入，到用「背景、痛点、需求」框架派活、让 AI 先苏格拉底式提问再动手，最后沉淀成可复用的 Skill。号称半天学会。

• 《AI 帮我开发 Mac 应用上架》：花叔复盘首个 macOS App 上架：Kimi K3 一天做出录屏工具「花录」，苹果拒审后 Claude Code 接管修复并重新提交，两天过审。App 4.2 MB、本地处理，首月免费后转付费。

• 《Codex+Obsidian 公众号创作工作流开源》：作者苍何开源的公众号创作闭环：Codex 以 Obsidian 插件形态介入润色、检索、排版预览、爆款标题和封面生成，确认后一键同步到公众号草稿。默认排版免费，新用户送 30 积分。

• 《跨境 VOC 分析技能打包指南》：作者饼干哥哥把十年数据分析经验封装成 4 个 VOC Skill，从抓评论、AI 打标到生成六类业务场景的 HTML 报告全自动。方法可迁移到舆情监控、客服工单等非结构化文本分析，Skill 已开源。

• 《Ovid 阅读器按需切换原文译文》：少数派作者 Drapor 自研的阅读器：不做双语对照排版，点击段落即可在原文与译文间按需切换，人名地名翻译保持一致。新用户有免费额度，未登录可读 Gutenberg 公版书，GitHub 已开源。

• 最近一周继续用 Kimi K3 优化我这个 Newsletter。基于过往运营一年多、产出 66 期内容所沉淀的数万篇内容+机器打标+我人工打标，做了一次全量回归，调整了各项评分参数和 prompt。现在效果明显进步了，这一周筛出我感兴趣且高质量的长文，明显更多了，一下子都有点看不完。所以这期的篇幅整体也变长了。不知道大家是更满足了，还是更焦虑了？我会根据数据结果和各位的反馈继续打磨。

• 想体验 Kimi K3，但是被官方的会员售罄告示卡住了？可以 用我的邀请链接注册 Kimi 新账号，就可以获得一次抽奖机会，赢得 3 天 ~ 365 天对应的会员资格配额奖励。100% 中奖，亲测成功，我这个月又多白嫖了不少算力。

• 上周免费开源到 Github 的 《前线部署工程师：人工智能时代的客户价值交付秘籍》 一周来已经获得了 3k+ stars，感谢大家的支持。我还在继续润色和增补，现在可读性整体更好一些了，但还有提升空间。这是个开源项目，会持续维护。也欢迎 follow 我的 Github 主页。

Subscribe now

▪️OPINION 观点

📈 硅谷工程师眼中的 AI 创业下半场

原链 · 公众号 · 约 17 分钟读完

硅谷 AI 工程师马培元在最近一篇专访里给出 10 个判断，覆盖人才、组织、行业和投资，核心就一句话：野蛮生长阶段过去了，所有共识都在迅速过期。

• 人才市场正在重写规则。通才碾压专才，兼具 AI、全栈与 iOS 经验的「六边形战士」最抢手；AI 原生技能可以短期碾压资历，他自己靠 AI 辅助，两年做到资深。

• 招聘也变了：算法题权重下降，流行在线笔试加 work trial，用 AI 和禁用 AI 的考察轮次并存。

• 组织层面，「更好地使用 AI」实质是组织转型问题。AI 能把数天的 Bug 修复压到两三个小时，倒逼架构扁平化；People manager 正在消亡，管理者必须自己写代码——Cognition 60 多人的工程团队，只有 1 个纯管理岗。

• 行业判断上，Token 狂热开始退潮。大公司被 AI 账单吓到，Uber 四个月就烧完了全年预算，转而限制用量；Cognition 顺势推出「AI 生产力保证」，效率不达标最高赔 1000 万美元。

• 模型崇拜也被推翻，融合调度多个便宜模型与顶尖模型成了新做法。

投资机会在两头：新的 AI infra（监测 agent 输出质量、沙盒隔离），以及 vertical agent——垂直行业存在大量「不可训练」的复杂流程，能带来 20-100 倍的稳健回报。

AI 时代，任何判断的保鲜期可能不足一个月，非共识里正孕育新生意。

⚠️ AI 应用的「二房东」困局

原链 · 公众号 · 约 29 分钟读完

AI 视频公司 OiiOii 年底要向火山引擎支付 5000 万元，买 Seedance 2.0 的「纯血版」API——这种采购往往不是业务需要，而是为了抢首发权和并发资源。

这篇文章顺着这笔钱往下挖，挖出了 AI 应用公司的集体尴尬：商业模式沦为一条持续亏本的 token 周转链。

顶级模型的能力决定应用上限，模型厂商用 token 价格卡脖子，应用公司只能当「二房东」，毛利率普遍只有 10%-25%，甚至出现「毛亏率」。

文中提到的最典型的是演语科技旗下 LibTV：以年框 5000 万购入 Seedance 2.0，再以低于采购价 10% 的价格把 token 转卖给友商，只为推高 ARR 融资叙事。用户消耗 token 越多，平台亏得越多；用不完的额度又变成清仓甩卖的库存。官方打击「逆向工程」转卖，实质是在和用户争夺转售资格。

成本被后置结算放大，应用公司被迫四处寻找低价 token：上游倾销、同行甩卖、政府补贴，乃至「中转站」泛滥。传统 SaaS 是用户越多越便宜，AI 应用却是用户越多越亏——边际成本跟着使用量回来了。除非找到定价权、或彻底改变成本结构，这套游戏里的创业公司只能在毛亏率中挣扎。

⚔️ 大厂 AI 办公换战场的内幕若干

原链 · 公众号 · 约 21 分钟读完

2025 年 DeepSeek R1 发布后，腾讯、阿里、字节重新押注 AI 办公智能体——钉钉、飞书、企业微信都被视为上一代产物，三家站回同一起跑线。这篇内幕稿梳理了三家的变阵路径。

腾讯把资源归拢到 WorkBuddy，打通混元大模型与多条业务线，日活已达百万量级，超过所有国内对手。阿里在赛马中快速整合：1992 年出生的陈宇森接手钉钉，把 QoderWork、悟空、MuleRun 合并为「千问办公」，八月初公测并打通钉钉。字节动作最大：飞书产品团队并入豆包，销售与客服归入火山引擎，飞书负责人谢欣承认调整仓促。

为什么推倒重来？此前巨头受 OpenAI 影响，集中押注通用聊天机器人和超级入口，结果春节大战集体碰壁——元宝、千问日活冲高回落，豆包日耗算力数千万元，收入却不足百万。to B 和智能体成了唯一坚定的方向。

文章的潜台词值得咀嚼：旧产品的功能、组织与商业模式已经固化，AI 入口救不了它们，必须从头做 AI 原生办公产品；飞书、钉钉最大的价值，可能只是多年积累的企业组织上下文数据。一位阿里人士的反问点破了这层关系：是豆包、千问更需要飞书、钉钉，还是反过来？这场近十年没分出胜负的战争，换了个战场重开。

▪️CASE 案例

⚡ 21 个定时雷达、5000 篇自建库：一个重度用户的两个月 AI 折腾复盘

原链 · 公众号 · 约 11 分钟读完

来自我们社群小伙伴 @马奇诺 的分享。

他把自己六七月两个月的 AI 实践写成了流水账，密度很高。工具按机器分工：公司电脑跑 Claude Code，家里电脑跑 Codex，配合网易 UU 远程异地操控。三端同步弃用 iCloud，改用三个 git 仓库加坚果云分层存储，cron 兜底。VPS 加 Claude Code 加飞书机器人组成 24 小时在线助理，承载 21 个定时雷达。

踩坑经验也实在：DeepSeek V4 迁移要显式关闭思考模式；动态日期别进 system prompt，否则缓存全失。知识沉淀上，他的自建库已存 5000 多篇数据，通过 review 漏斗筛出 30 条，其中 9 条即时落地。

还提到：把 AI 嵌进飞书社群运营的「元宝派」构想；反馈上瘾引发的异步工作与睡眠管理；AI 自媒体在品味与流量之间的矛盾等。

💰 呼兰当「临时 CEO」：用 AI 把月亏 12 万的脱口秀俱乐部做到盈利 7 万

原链 · 公众号 · 约 21 分钟读完

脱口秀演员呼兰（前程序员、精算硕士）以「临时 CEO」身份接手深圳开花俱乐部时，账上是月亏 9-12 万，客流惨淡。

他先做产品重构：砍掉每日开放麦，固定为周二练习场、周四粤语之夜等专场，引入投票器和演员排行榜。但真正扭转局面的是 AI 系统 Accio Work。呼兰用它快速搭起数据看板：自动接入多个售票平台，清洗、去重、关联，半小时生成可视化经营数据——以前这是人工逐个平台统计的粗放活。更典型的是灯牌采购：AI 自主完成设计选型、比价、联系工厂、准备谈判话术，两天走完原本需要数天的流程。

两个月后，俱乐部从月亏 9 万转为盈利 7 万。这个案例的价值在于可复制：AI 承接重复性低效工作，人回归创作和决策——放在任何一家线下小剧场、乃至更多小微企业身上，逻辑都成立。

🧭 硅谷 pitch 现场：不吹模型，全在讲自己行业落地之痛

原链 · 公众号 · 约 17 分钟读完

作者在旧金山一场 pitch 活动上观察到一个明显转向：8 个团队里，大多数不再展示模型优势，而是讲业务痛点和自身经历。AI 工具商品化之后，硅谷创业公司的竞争壁垒正从技术转向行业理解。

几个样本很有说服力。做房地产的 Realty AI 用 AI 协调交易流程，已有 10 个真实经纪人完成 12 笔交易；做二手配送的 RAACT 拍照自动匹配配送方案，在湾区积累 2800 个用户；做楼宇能源管理的 Zoya 覆盖 900 多万平方英尺建筑，帮客户省下近 20 万美元。当晚第一名 Cure Money 瞄准信用合作社市场，花一年和 6000 个用户研究建立知识图谱，已拿到 NSF 资助。还有团队把动漫制作成本从每集 15-30 万美元压到 1-2 万美元。

投资人关心的问题很一致：壁垒在哪、谁付费，强调数据、架构或分发的差异化。作者顺手点了早期项目的常见病：定价过低、TAM 计算脱离实际、竞争分析过于乐观、低估 AI 的生产稳定性。结论可以当金句用：AI 让「实现」变便宜了，但没有让「判断」变便宜——来自行业内部的理解，才是难以复制的护城河。

💻 被 A 厂封禁，月活反而从 250 万暴涨到 1300 万：OpenCode 的中立生意经

原链 · 公众号 · 约 34 分钟读完

开源 Coding Agent 的崛起一定要靠技术碾压吗？OpenCode 的故事给出另一个答案。这篇整理了 CEO Jay V 与联合创始人 Dax Raad 近半年播客访谈的文章，核心词是「定位博弈」：在 Claude Code、Codex 主导的市场里，占据开放、中立、不锁定用户的位置，让所有模型公司互相竞争时都愿意借力于它。

2026 年 1 月，Anthropic 封禁用户通过 OpenCode 调用 Claude 订阅——这反而成了增长拐点。OpenCode 顺势拿到 OpenAI 官方支持，月活从 250 万暴涨到 6 月的 1300 万，每日处理 7 万亿 token；推理业务年化收入约 4000 万美元，订阅再贡献 1800 万。Dax Raad 对开源价值的解释也实在：社区能帮忙适配 Gemini 等各类模型，覆盖长尾需求，这是闭源产品复制不了的护城河。

关于模型竞争，Jay V 的判断是开源模型已从「追求最聪明」转向「足够聪明＋成本/速度优势」——Kimi 曾因 token 速度远超 Opus 带动订阅增长，GLM 5.2 也因前端能力吸引用户。至于竞争策略，他们说得很坦白：选择一个暂时的「坏人」，团结整个行业对抗它，Anthropic 不幸成了那个靶子。给创业者的启示：当市场上有一两个主导玩家时，站在它们对立面的开放生态位，可能比正面竞争更有爆发力。

🛠️ FDE 月入十万的主要工作：告诉老板「世界上已经有汽车了」

原链 · 公众号 · 约 14 分钟读完

FDE（前线部署工程师）成了 AI 落地最热的新岗位，个人接单者月入十万。这篇文章通过三位转行者的故事，讲了这份钱到底好不好赚。

26 岁的 Lawted，北邮计算机毕业、进过阿里，AI 浏览器创业失败后转接单，给深圳一家货代公司做 AI 化改造。驻场后他发现，三十多名员工手动处理货运 PDF，流程极度落后，但系统切换风险巨大：公司毛利率仅 8%，一单出错全年白干；老系统安全运行六年，而被替代的员工月薪四千，token 费反而更贵。他感叹，FDE 一大半工作是告诉老板「世界上已经有汽车了」。

27 岁的 Jolie Ni 从硅谷程序员转行，成了 Anthropic 的 Claude Partner，平均月收入超 10 万元。她学到的最重要一课是「教育客户」：企业只说「提效率」，却说不清痛点，甚至抗拒流程重组。她判断个人 FDE 只是过渡，企业最终会设立内部岗位，因此计划转型培训企业内部 FDE。

24 岁文科生小唐因焦虑被 AI 替代而学 vibe coding，低价接单练手，帮一家预约平台用 AI 数字人接管客服和客户经理，真人参与度降到 5%。但新问题随之而来：老板要求可视化、需求变化快，每换一个行业就得重新摸索，无法产品化。

FDE 的困境在于人力成本高、需求太具体，降本空间有限，项目往往是一锤子买卖。三位受访者不约而同转向培训或社群，把「赚焦虑钱」变成可持续的生意。或许真正的机会不在个人单干，而在教会企业自己养 FDE。

🎮 不卷角色卷「小镇」：这款 AI 陪伴产品月流水 98 万美元

原链 · 公众号 · 约 14 分钟读完

AI 陪伴这个品类，商业化前景一直不明朗，Enjoy-AI Town 却做到了月流水 98 万美元。白鲸出海编辑部张凯然拆解了它的打法。

产品借鉴斯坦福论文和开源 AI Town，把「人观察 AI 社交」变成「人和 AI 一起社交」：场景成为对话的上下文，UGC 机制让体验维度指数级增加，多角色关系网络提供了 1v1 聊天给不了的剧情厚度。

真正的引爆点，在变现设计和深度体验的化学反应。银币与红心双货币分别对应「建设」与「叙事」，三档订阅形成梯度付费墙；用户从早期功利性购买加速道具，转向购买货币搭建小镇、培育关系——RPD 从 1 月的 1.15 美元升到 6 月的 2.15 美元，加速道具 Magic 的销售额占比从第二跌到第五，建设性货币销量大幅上升。

张凯然的洞察是：同质化产品都在卷对话质量和角色精度时，用「地理变量」把单一关系变成多节点网络，靠节点间的随机碰撞制造惊喜，反而走出新路。与其在既有维度内卷，不如重构产品的基本单位——从「角色」转向「场景」和「关系网络」，让用户从付费「逃课」转而为叙事深度买单。

随便看看：

• 《深度 | 外宾 Genspark》自称美国硅谷公司的 Genspark，实际是百度前高管景鲲和朱凯华创立，对外叙事刻意淡化中国背景。

• 《AI 正导致一场知识的转基因危机，多数人将沦为认知肉鸡？》互联网超 50% 新内容由 AI 生成，检索池污染率达 67% 时，用户有超 80% 概率接触 AI 内容。

• 《梁文锋青年往事：八万本金、一台菲亚特和一个人的长征》幻方量化和 DeepSeek，都是这条「慢」路线的回报。

• 《AI 终于带来了新职业 FDE，这个活阿里是怎么干的》文章聚焦阿里瓴羊 FDE 团队：雅迪客服项目里，FDE 坐进客服席位，把人的判断拆解成 AI 能执行的步骤。

• 三篇大厂有关的（顺便推荐刚上映的《年会不能停2》，挺好笑的）：《我在大厂，四处「活水」》、《AI 来了，大厂中层不好混了》、《最近的大厂人，恨透了它》。

• 《瞄准家庭协作痛点，两个前大厂员工用三周做出日程管理小程序》前大厂员工张坤的前同事因孩子接送问题和妻子争吵，两人干脆动手做了个小程序「卷了么」。

• 《我用 AI 谈恋爱》作者 Y 自述和男友 L 各自借助 AI 处理亲密关系。

• 《为了和 AI 谈恋爱，她们给 AI 手搓身体、开发长期记忆系统，甚至发展到了「见家长」》人机恋玩家早已不满足于聊天。

• 《Karpathy’s Pelican》Karpathy 花约 10 美元、1M token 预算，让 Opus 5 把《指环王》开篇生成 three.js 3D 渲染。

适合个人上手的教程/评测/资源：

• 《用 Vercel Eve 构建 AI 代码审查机器人》How I AI 频道主持人 Claire 演示用 Vercel Eve 框架构建 PR 风险评分机器人「Merge Mommy」。

• 《每日 UI 改进自动 PR 系统》一位日本开发者用 Claude Code 搭了套每日自动改进代码机制，每天早 8 点 GitHub Actions 触发。

• 《代码库知识图谱化工具解析》日本作者用 graphify 把自己 407 个文件、约 1800 万词的「散乱工厂」项目转成知识图谱，全程本地，token 成本为 0。

• 《重构经济收益：Token 消耗降 83%》经过 15 步重构后，让智能体执行同一变更的输入 token 从 159,564 降到 27,360，节省 83%。

• 《开源活人感写作技能》数字生命卡兹克开源了「活人感写作.skill」。

• 《Skill 上下文瘦身技巧》作者卡尔给 Codex 和 Claude Code 里 300 多个 Skill 做了次「瘦身」，单个 Skill 可省约 89% 启动上下文。

• 《固定规则让 AI 输出更简洁》日本作者发现 GitHub 周榜第二的项目 ayghri/i-have-adhd 让 AI 输出既有目的性也有下一步建议。

• 《ima 高配英语词典提效 5 倍》把 ima 当「高配英语词典」的三个用法。

• 《人工智能三种用法的七个案例》腾讯官方从 100 多份用户投稿里挑出 7 个案例，归纳出 ima × WorkBuddy 的打开方式。

• 《CodeX 重构我的旅行攻略》产品犬舍主理人纯银 uncle 用 CodeX 重构了旅行攻略工作流。

• 《AI 接管 80% 视频剪辑》作者黄益贺用自制 AI Skill 接管了口播视频 80% 的剪辑。

• 《我用 AI 做出诗经山河图》一位不会编程的作者花 20 天向 Codex 描述需求，做出可交互的《诗经》历史地图，又用 MiniMax-Music 为 305 首诗生成歌谣。太喜欢这个了，很有美感，发到了我们的 AI x 育儿社群，反应热烈。

• AI 应用创业搏杀激烈，研究增长很重要。这周把我十年前写的《增长黑客》这本书自己在 Github 上主动开源了：《增长黑客》开源版。方便全球的开发者、创业者获取和阅读，省的你们去 zlib 搜索下载这么麻烦。欢迎 star + fork 到本地。回头开个分支，大家可以一起来提交新时代的案例，共创一本与时俱进的 AI 版？

• 最近也在研究 「FDE（前置部署工程师）」这个新概念，就派 AI 仿照我《增长黑客》的全书框架（我觉得挺满意的，适合研究和布道各种新岗位），深度调研并撰写出一版快速入门手册，方便我自己学习，并且也免费开源到 Github：《前置部署工程师：人工智能时代的客户价值交付秘籍》，欢迎 star。后续这本开源小书会自动升级迭代。

• 自打 Kimi K3 发布以来，我就切换过去，将它作为了主力。我用它对我的贾维斯做了大刀阔斧的重构、增强、新功能开发，非常满意。于是不断升级套餐，现在已经买了最贵的顶格会员，仍然不够我用。所以如果你有兴趣但还未注册 Kimi，可以 用我的邀请链接注册，这样能帮我扩充一些使用额度，感谢。

• 知名产品经理纯银的专栏《纯银的产品分析·无限季》 正在打七折（120→84元），目前有 210 篇他的深度分析好文，预计会更新到 300 篇以上，并且购买还赠送以往的 420 篇。还是蛮合算的，推荐下（购买后我也会收到佣金当作奶粉钱）。

Subscribe now

▪️OPINION 观点

💰 3 年 8 次深入日本：AI 不是敲门砖，是入场券

原链 · 公众号 · 约 26 分钟读完

日本市场出了名的慢、谨慎、信任门槛高。但过去 3 年 8 次深入日本之后，作者发现 AI 浪潮正在给华人创业者打开一扇新的窗。

日本不是没需求，也不是不懂技术，而是极度重视风险控制：大客户决策流程长，可一旦建立信任，忠诚度极高。ToC 和 Prosumer 用户已经开始为体验清晰的 AI 工具买单——Manus、Genspark 在日本的快速增长就是明证。AI 之所以是入场券，是因为新场景还没形成采购标准，个人用户可以自下而上推动落地。

• ToB 的关键动作，是帮客户负责人搞定内部「稟议」审批：从痛点分析到风险排查，替他把全套材料备齐。

• 切入策略也要换思路——少做「替换式创新」，多做「补丁式创新」，从财务处理、合同审查、制造文档整理这类具体场景扎进去。

• GTM 层面，ToC 冷启动靠社媒和 KOL 建立信任，ToB 则要尊重预算周期和定价阈值，先拿中小客户或在华日企做标杆。

• 渠道不是外包销售，而是日本商业的底层操作系统，得和本地 SIer、商社一起玩。

这个市场奖励能降低麻烦、提供安心感的产品。用极致体验破冰，用垂直场景变现，然后做好长期投入的准备。

👼 ARR 超 3 亿美元，Liblib 冕神反而说 AI 应用时代还没来

原链 · 公众号 · 约 47 分钟读完

创业三年，陈冕（业界似乎戏称「冕神」）做了三个产品：图像生成社区 Liblib、设计工具 Lovart、视频工具 LibTV。他以激进融资和激进增长著称，是一个观察 AI 应用层创业的很好的窗口。

在这位连续创业者看来，AI 应用公司最大的机会和危险来自同一个地方：模型能力与用户需求之间的空缺。模型还在快速进化，今天属于应用的价值，明天可能就被模型覆盖。他的生存策略是极致的焦虑、速度和侵略性——一个方向出现就扑进去，空间塌了再找下一个。他把竞争比作《三国》：模型厂商在「逐鹿中原」，他要趁江东还不是主战场先统一，再修自己的「长江天险」。

他也不避讳早期的激进手段：Lovart 做过两个月高补贴，模型成本一涨就停；LibTV 上线推 3.9 折年费，靠的是按消耗率和续费率假设算出来的平衡定价。

今年 5 月公司现金流转正，ARR 超 3 亿美元、超一半由 LibTV 贡献，更具体的数字他拒绝透露。

BTW，还有「虔诚的信徒」做了 冕神语录的网站。

💡 写了 42 年程序，他把公司最值钱的东西永久免费了

原链 · 公众号 · 约 15 分钟读完

写了 42 年程序的作者，第三次创业做出了 TDengine。最近他做了个决定：把公司最值钱的东西——工业本体建模、实时分析等核心功能——对中小企业永久免费。

动机来自一个判断：大模型在工业现场水土不服，不是模型不行，是企业没有 AI Ready 的数据底座。

我特别推荐这篇文章的地方，就在于作者真的跑了工厂、下了企业做调研，并且将实际考察的真实痛点悉数道出。于是列出了很多真实存在问题、痛点和作者的思考。

作者为什么最终选择免费而不是开源？因为开源版总会切出一个付费企业版，而中小企业要的恰恰是零代码写入、权限管理这些「企业版刚需」。他划的线是 5000 测点以内永久免费，赌的是海量用户反馈能把产品推成行业标准。

也算一种老 SaaS 产品在 AI 时代的转型路径的尝试了。

🌱 从大厂裸辞后，两个月写出 30 万行代码后的思考

原链 · 公众号 · 约 15 分钟读完

从光年之外裸辞之后，作者没有急着找下家，而是用两个月、30 万行代码的动手实践，重构了自己对 AI Agent 的认知。这篇文章汇总整理了其中不少思考。

最直接的收获：agent 架构的本质是上下文的工程化控制；session 无状态之后，所有协同都得基于文档。他也打破了大厂安全感的幻觉——真正该担心的不是被裁，而是成为协同链条上可有可无的一环。关于行业，他的判断偏冷：一级市场的超前叙事已经融不到钱，眼下这个「冰冷期」适合埋头做产品，不适合讲故事。垂类 Agent 和通用 Agent 的分野，在于能力边界是否受限；副业出海投流则要抓住素材、投手、产品转化三个要素，H5 适合用来起盘测 ROI。

折腾了一圈，他说自己终于找到了热爱且能养活自己的事，精神面貌焕然一新。

▪️CASE 案例

💻 投资人 10 小时、150 美元做出公司官网

原链 · 公众号 · 约 16 分钟读完

作者是陈悦天，火凤资本创始人，投过不少知名的文娱、游戏、加密项目。

最近他自己做了个尝试，花费约 10 小时、150 美元的 token 成本，做出了一个支持 8 种语言、带数据库和动态内容管理系统的公司官网——这件事过去长期困扰着这家小投资公司。

官网的成功像一个开关：做软件的成本塌下来之后，许多过去「不值得开发」的问题突然都有了解法。

他接着做了 BP Agent，在线上初筛项目、提高投资沟通效率；官网开出 Products 板块，塞进 AI Bubble Watch、Sci-Fi Future Archive 这类小工具；内部一套自动交易系统每周稳定跑出 1% 收益，正准备扩展到更多市场。团队成员不需要成为传统程序员，都能用 AI 把细小问题做成工具。

🛠️ 内容创作者如何为自己手搓了一个无线画布工具

原链 · hils.substack.com · 约 19 分钟读完

Hilary Gridley 也写 Newsletter。

她最近嫌自己的风格停滞、现有 mood board 工具不顺手，就干脆用 Claude Code 给自己做了 Grace Kellyvision：一块无限画布，贴上灵感图和可买单品，自动记录 URL、品牌和价格，能去背、算总价、虚拟试衣，而且完全本地运行——无广告，无 AI 生成图，数据全在自己手里。这篇文章记录了这个产品的起源和开发过程。

她刻意不让 AI 做推荐，只让它辅助自己形成观点。后来做播客研究，她又造了 Card Board，收集 PDF 和 YouTube 视频笔记、组织成故事，AI 帮忙筛选来源，但思考的空间始终只留给自己。

随便看看：

• 《科网泡沫，最后 120 天》：看看现在 的 AI 狂热，可以借鉴下 2000 年纳斯达克尖顶崩盘。

• 《My biggest takeaways from my conversation with GitLab’s first-ever CIO, Manu Narayan》：GitLab 首位 CIO 的判断：15% 的效率提升只是基线，非线性收益才是目标，企业该从第一性原理重建工作流。

• 《唐杰是如何把智谱推向 coding 赛道的》：智谱曾紧跟 OpenAI 路径，通用 API 价格战和 C 端市场狭窄逼着它找新方向；2025 年 Claude Code 发布后，智谱在国内率先重注 Agentic Coding。

• 《深度｜百川最后一位联创离职，王小川是如何掉队的》：文章复盘王小川的三个误判：过早放弃通用模型转 AI 医疗，错过 Coding 场景爆发的窗口；受搜狗经验影响沉迷差异化场景，低估了模型能力才是核心壁垒；过度自洽、无人争论的决策环境让团队分裂。

• 《起底 AI 中转站江湖》：AI 中转站用开源项目一天就能搭起来，但背后的生意五花八门。

• 《对话叶奇意：「寻找」月之暗面杨植麟、中国两代 AI、十年人才迁徙，与 AGI 信仰》：曾在美团龙珠主导月之暗面 A1 轮领投的 Kiwi，回顾了这笔投资背后的十年人才迁徙。

• 《徐新：具身智能、AI 与风险投资的 51 条方法论》：投资女王徐新在播客里做了一次高密度输出。

• 《县城集体卷短剧，背后到底藏着什么红利？》：各地文旅局正集体转向 AI 漫剧，昆山《奇话》拿下 1899 万热度、涡阳《老子》1915 万热度，低成本加年轻化表达，让沉默的县城有了被看见的机会。

• 《Codex 键盘第一波上手来了，有人反手让 Codex 破解了它》：售价 1500 元、上架 14 小时售罄的 Codex Micro，首批用户玩出了花。

适合个人上手的教程/评测/资源：

• 《AI 接管 80% 视频剪辑》：作者黄益贺把口播剪辑拆成 A Roll 和 B Roll：A Roll 靠自制 AI Skill 把视频转成带时间戳的文字、与脚本逐句对照，自动删掉错误尝试、留出气口，直接生成可导入达芬奇的 XML；B Roll 的动画则让 AI 分析脚本后调用 Remotion 生成。他的原则是 AI 只接管剪辑，脚本和拍摄仍由真人完成。

• 《GitHub Copilot 框架实战指南》：GitHub 的 @burkeholland 给出一套八步工作流：固定一个工具、在沙盒里开 YOLO 模式、先用一条提示词生成 20 种设计稿做原型、切 /plan 让模型追问边缘情况、Autopilot 自动执行、人工严格审查、再找另一个模型家族做橡皮鸭审查、最后按主题隔离会话提交。

• 《每日 UI 改进自动 PR 系统》：一位日本开发者用 GitHub Actions 每天早上 8 点自动跑改进循环：拉 GA4 和 Search Console 指标，Claude 分析异常生成方案，去重后建 Issue、排优先级，低风险修改直接出 PR——但禁止推送 main 分支，必须人工审核。设计原则很克制：自动只做草稿，人保留最终判断权，只自动实现安全可控的修改。最低门槛只要 GitHub 仓库、Actions 和一个 Claude Code 令牌。

• 《豆包搜索走出豆包开放 Agent》：豆包搜索从豆包 App 独立出来，做成面向 Agent 的信息工具层：不只返回链接，还带权威分级、发布时间、正文摘要和原文 Markdown 节选，Agent 不用逐页抓网页就能判断信源可用性。实测里它能直接给出 Kimi K3 的权重发布、许可证、仓库入口等结构化字段。个人每月 500 次免费额度，支持 API、MCP、Skill 灵活调用。另一篇：《豆包 vs Serper 搜索 API 实测》。

• 《固定规则让 AI 输出更简洁》：与其每次都手动喊「写短点」，不如把规则一次性固定下来。GitHub 周榜第二的项目 i-have-adhd（1.2 万星）就靠 README 里 10 条规则：从下一个动作开始、给步骤编号、每轮重述状态、清单不超过 5 项、省略开场白和结语等，通过 Claude Code 或 Codex 插件持久化生效。麻烦的指示不要每次重复，固定一次就够。

• 《千问办公上线速测》：千问办公作为独立 Agent 办公产品悄然上线，打通钉钉生态：消息、日程、待办、文档、审批双向调用，支持定时任务；多模态工作站覆盖图片、视频、音频生成和数据分析、网页上线；MCP 连接器已对接 20 多项服务，自带 73 个技能和 9 套专家套件。定价免费版起步，标准版 ¥98/月、高级版 ¥198/月，年付七折，钉钉用户可先行体验。

• 《阿里推出生意人版 Codex》：阿里推出的「牛顿」把 1688 二十多年积累的供应链数据、工厂履约记录整合进连续采购工作流，像 Codex 之于程序员：按生意模式匹配货源、给场景化选品建议，用自然语言完成批量询价、议价和跟单。差异点在于采购判断力——基于历史数据排除风险，部分推荐商品还带「敢赔付」标识做信任兜底。做跨境电商或 1688 采购的，可以趁早期红利先把工作流跑通。

1/ 最近趁着 WAIC 如火如荼，我也参与了少量的线下小会和垂直论坛，还是很有收获的。后续也想组织一些交流活动。

这个 Newsletter 订阅者藏龙卧虎，有能提供活动场地/分享嘉宾/企业参观/工作坊合作机会，或者愿意私下交流的，欢迎联系我，我也可以帮你做适当宣传（直接回复邮件，或加微信：zengzhangheike 备注「AI合作」）。

2/ 现在转行做 AI Agent，到底该怎么准备？

如果你也在思考转型路径，不妨看看尹会生老师主讲的《3 天玩转 Agent 应用开发》课程——不讲虚的，只讲岗位要什么、项目怎么做、简历怎么写。

下图右下角扫码报名。

▪️OPINION 观点

WAIC 观察：拥挤的共识，巨大的泡沫

via 小饼

上周中国 AI 圈最热闹的事，就是在上海举办的 WAIC。媒体报道、朋友圈小作文、社群里的笔记——让我即使没买票也云逛了一遍。

结果我收到的所有公开或私下渠道的信息，与我更新了一年半这个 Newsletter 形成的对行业判断，结论基本一致：当前 AI 行业共识高度拥挤，泡沫巨大，真正赚钱的只有中间商（皮条客）。

这篇文章总结了展会上暴露出的诸多问题，很敢唱反调，说的也蛮客观。

结果公众号原文已经被删了，我好不容易从 PANews 找到了一个幸存的转载。大家看看，跟你的判断是否一致，你是更乐观还是更悲观？

旧金山的讲台，上海的展台：中美 AI 各自在押什么

via 共识之中

看完上面那篇对国产 AI 发展阶段的冷吐槽，再来个中美对比视角的。

作者在 AGI Summit 现场听完议程，又逐一梳理 WAIC 参展名单，发现：硅谷默认 AI 写代码这件事已经成立，讨论焦点变成工程组织如何变革；大量推理云公司和行业应用 Agent 涌现；硬件只是软件的延伸。

上海 WAIC 则体现出：重心放在本体、灵巧手和国产算力，一个机器人馆里挤了 140 多个展位，产业链从灵巧手、减速器到电机每个环节都有独立公司认领，芯片横跨三个馆，国产算力公司超过 15 家，国家队集体到场充当场景和订单的甲方。

美国手握最好的模型和软件利润池，选择让 Agent 接手白领工作流；中国手握制造供应链和场景，选择将智能装进机器和算力自主。两条路各有下一程，而且恰好互补。

真正值得跟踪的不是谁对谁错，而是它们何时开始交汇：美国的本体何时上产线，中国的模型何时站上前沿。

梁文锋四小时投资人会议实录

via elsewhere别处发生

作者整理了 DeepSeek 创始人梁文锋在投资人会议上说了四个小时的主要观点，核心似乎可以归纳总结为：克制是一种战略，用以换取实现 AGI 的最大概率。

这篇想必这两天在小圈子里刷屏了，我即便不推荐，也一定会崩到你们脸上。所以我就不过多参与对梁的吹捧了。

相反地，我要推荐另外两篇文字作为补充视角：

即刻上的投资人 Will 用 AI 检查了录音逐字稿，找到了大量内部错误、上下文矛盾（第一篇、追加的一篇）。

「梁文峰且还未成佛，世间已参差多态的如是我闻，在经律论疏抄章记不同程度的压缩和添花之间，众生已不自知的各拜各佛了。」

▪️CASE 案例

人生的塞尔达时期：日均 40 亿 Token 的那一周

via 张立行

我发现我 社群 里确实藏龙卧虎，不管是技术折腾力，还是输出表达力，都很优秀，有些超过了行业里那些知名但浮躁的 AI 日更自媒体。

比如推荐的这篇，来自社群小伙伴张立行（他公众号还有更多优质 AI 分享长文，可以关注下），聊到了「如何在当下 Token 红利期，把高智力 Token 高效转化为长期可复用的生产资料」的诸多一手实践和幕后思考。

我之前做过一期播客，聊《如何趁着 AI 价格（暂时还）巨便宜，积攒自己的生产资料》（Apple Podcasts、小宇宙），选题和他异曲同工，但显然他这篇图文并茂、带操作指南，更有信息密度。

也欢迎这个 Newsletter 的读者朋友，给我投稿，秀出你们的最新佳作（文章/视频/播客/产品均可），我会机筛+人工精读，来择优入选这个 Newsletter 的每周推荐，推送给 15k 的订阅者们（直接回复这个 Email 或者在网页底下 / Substack App 评论都可以）。

（后续我也打算弄个投稿表格，把这事儿自动化，接入我自己的贾维斯系统。当然，社群小伙伴的评分权重默认会给高一点 ^_^）

在 WAIC 地下一层找机会的年轻人：光鲜是过去，眼下是生存

via 温丽虹 王欣逸

看完前面 WAIC 那些偏产业侧的宏大叙事，这里推荐一篇聚焦生态中真实鲜活个体（而且是聚光灯外居多）的侧写报道。

这次 WAIC 地下一层的初创展区，有 6 个年轻创业者在不到 5 平米的展位前想尽办法让人停留。他们或曾有过光鲜履历，眼下只为项目生存而战。

随便看看：

• 《智谱缺席，曲曲来了，WAIC 的 11 个意料之外》：WAIC 现场那些被忽略的细节，拼凑出产业从讲故事转向算账的众生相。果然越佛系的是发展越好的，你看六小龙里就智谱没来，而 Kimi 展台则准点下班走人。

• 《AI 圈的 Crypto 黑帮》：Crypto 和 AI 背后有着千丝万缕联系。这个 Newsletter 读者也有从 Web3 时代跟过来的老朋友吧，啥时候组局线下交流下 AI 时代在做什么，一起搞点事情吗？

• 《错过智谱上亿期权的人》：选择源于认知，警惕周围同温层亲戚朋友对选择的裹挟，有机会还是要多开开天眼。

• 《当文科生扑腾在 AI 的汪洋大海》：AI 文字质量提升后，新闻、广告等传统文科岗位正在经历降薪、裁员和失业。有人选择「嘴硬」呼唤文艺复兴，更多人「打不过就加入」。

• 《我在旧金山一场创业活动上，听到了硅谷最不性感但最真实的需求》：硅谷创业活动「ITCH」邀请本地商家分享真实痛点。小生意的底层痛点围绕现金流、时间和信任，解决这些琐碎问题才是巨大市场（Y Combinator 最新创业方向征集已点名 AI 原生的服务型公司）。

适合个人上手的教程/评测/资源：

• 《腾讯悄悄上线了他们第一个设计 Agent - Miora》：腾讯的设计 Agent 也来了，背后是 WorkBuddy 团队。老板们终于可以自己涂抹五灿斑斓的黑了？

• 《想用 Codex 做科研，可以先从这 9 个 Skills 开始》：作者在 GitHub 上筛选并实测了九个学术科研类 Skill，从学科覆盖、功能设计和质控水平三个维度分为夯、顶级、人上人、NPC 四个档次评级。

• 《Agent 不下班：随时随地随设备的开发体系》：前面介绍过的社群成员张立行近期又一篇文章，完整分享了如何随时让 Coding Agent 24 小时在线、任何设备都能接入的工具和方案。

• 《Use My /No-AI-Slop Skill to Remove 20+ Patterns of AI Slop From Your Writing》：作者 Peter Yang 公开了自己的 /no-ai-slop 技能，可从写作中移除 20 多种 AI 痕迹模式，包括二元对比、清嗓式开头、虚假洞察铺垫、冒号揭示、戏剧性断句等。他的 25/50/25 流程是：开头 25% 完全不用 AI 手动写，中间 50% 用 AI 清理语法和提升清晰度，最后 25% 再手动逐行精修。

• 《三步爆改旧鼠标，打造最好用的 AI 外挂》：把罗技就鼠标改造成了 Vibe Mouse。

AI 的正确打开方式：不学概念，学动作

via 课代表立正

学 AI 越学越焦虑、水平受限，根源在于只追逐名词（如 RAG、Agent），却忽略了真正决定能力的动词（如上下文管理、任务拆解、调试）。

名词给人「正在进步」的错觉，且有边界、可写进简历，但真实工作场景中，一个连续推进的任务需要的是处理动作，而非复制现成的 Pipeline。

学 RAG 时，初学者关注文档切分、Embedding、向量数据库等零件，而高手关注的是如何让系统在复杂环境中稳定工作——包括解决检索命中率下降、权限管理、错误归因等实际问题。

工具和模型会变，但这些动作是长期复利的，比如上下文管理在新模型出现后反而更重要。真正的入门不是追逐最新概念，而是开始看到并提升这些动词能力，这本质上是「用 AI 做事的手艺」。

AI 时代的第一批赢家，都答对了这个 0.02% 的真问题

via 不懂经

AI 大幅降低了「做出来」的门槛，导致供给爆炸，但需求刚性，最终只有 0.02% 的产品能获得高下载量，其余 99.98% 沦为无人问津的噪音。这背后是「杰文斯悖论」在创造经济的重现：AI 让「做 App」的能力像 19 世纪的煤一样极度充沛且廉价，单块「煤」不再值钱。

真正稀缺的已不是可编码的知识或技能（这些正在退化为水电般的基础设施），而是无法被 AI 复制的「chiddush」（从旧材料中看出新东西的洞察）和「叙事」。

以色列创业者 Eli Cohen 的冥想 App 案例和美国 App Store 的数据支撑了这个判断——2026 年 Q1 新上架 414,000 个 App，仅 118 个达到高牵引力。

五个价值位移策略：从「能做多少」转向「能舍弃多少」；从信息端移到判断端；从技能积累移到叙事积累；从「做内容」移到「建头寸」；从一个建造者移到一个建造房间的人。赢家是懂得如何将麦子「烘焙」成面包、用煤去建造城市的人——他们回答了「为什么是你」这一真问题。

Agent 元年 500 天：什么在消失，什么在诞生，为什么我们不该再投资 GUI 思维的软件？

via 真格基金

AI Agent 爆发 500 天后，软件交互正从以人类注意力为核心的 GUI 转向以 Agent 能力为核心的 Headless 模式。

真格基金投资总监钟天杰在播客中指出，当 Agent 能独立完成生产效率任务时，GUI 作为人类认知缺陷的补丁就不再必要，因为 Agent 没有注意力限制。他建议不再投资「GUI 思维」的软件，而是优先开放 CLI 或 MCP 接口（Substack，求求了，给个 CLI 吧）。

例如资深用户歸藏通过 FFmpeg 的 CLI 命令让 AI 自动剪辑视频，并维护了数十万行代码，这在一年前完全不可想象。

上下文管理将成为所有 Agent 的命脉，技术在被稳定驾驭后，终将被「降级」为稀松平常的软件工具。

▪️CASE 案例

当一个年轻人空降：改造腾讯混元的 300 天

via 晚点 LatePost

97 年的前 OpenAI 研究员姚顺雨空降腾讯，用 300 天时间从底层重建混元大模型团队。最高决策者已意识到 AI 是生死之战，提前清退了关键负责人，让他直接向总办汇报。

他接手后迅速开启大规模招聘，重造组织，并提出「守正出奇」思路——先回归常识，把数据清洗、Infra 重构等基础事做对，再谈创新。混元此前过度追求榜单成绩导致数据污染，Infra 先天不足，团队在观望中内耗。姚顺雨用三个月训练出 Hy3 Preview，采用最传统的 MoE 架构，以 295B 参数、1/7 的推理成本，在部分任务上挑战 1T 参数的模型。

容易的事做完了，市场正等着看他如何「出奇」。更大的挑战在于打破腾讯根深蒂固的「部门墙」——姚顺雨正试图搭建全公司共享的强化学习平台，让各业务贡献数据并回流，这需要公司级协同。

3000 亿宠物经济下，AI 宠物博主的赛道跑通了吗？

via 新榜

AI 萌宠短视频这个赛道，现在已经这么卷了吗… 以「会说话」的虚拟猫狗为主角的短视频账号，已从早期换装喊妈，进化成有剧情、有人设、有情感共鸣的系列化短剧。

@飘莉哩 通过「探亲特辑」系列，在 14 条视频内积累 17.8 万粉丝与近 200 万点赞，核心在于用真实宠物的原型和情感递进的故事打动观众。@猫子柒 依靠白猫与橘猫的固定「猫设」和喜剧冲突，实现稳定更新，其创作者强调最难的是写剧本而非技术，AI 生成的画面常常带来计划外的可爱细节。

商业模式上，头部账号已实现品牌广告植入（如「天地壹号」自然融入剧情）、橱窗带货与平台激励，但每秒成本约 1 元，且需多次生成才能得到满意画面。

同质化是赛道最大挑战，大量低质内容涌入导致流量稀释，只有坚持差异化与精细化的账号才能从短暂风口变为长期赛道。工具是门槛，但故事与情感才是让虚拟宠物成为「永不掉毛的电子猫咖」的真正内核。

网页截图这个小需求，也能做到月入 2.5 万美元

via 哥飞

Dmytro 创立了 ScreenshotOne 这个非常垂直细分的项目，它只解决「稳定生成网页截图」这一个具体问题。2026 年 3 月已有 800 多个付费客户，月收入超过 2.5 万美元。

截图这事看似简单，但在产品中每天、每月稳定运行，需要处理页面加载、广告弹窗、Cookie 提示、不同尺寸等大量细节，开发者愿意付费省去自己维护浏览器集群的麻烦。

小工具成功的关键：第一，需求要窄但麻烦必须真实，截图背后的稳定性问题客观存在；第二，买单人必须明确，ScreenshotOne 对准开发者和业务工具；第三，产品要能持续使用，截图接口接入后调用越多，客户迁移成本越高；第四，小工具也要有内容和免费入口，通过文档、客户故事和免费额度吸引用户并优化转化。

随便看看：

• 《让不同的 AI 生活在一个小镇会发生什么？【B 站 AI 创造公开赛】》：B 站 up 主让多个中国大模型在同一虚拟小镇中共存，成功观察到预期之外的互动效果。

• 《曾经文科生挤破头的「考公最强赛道」，如今要被批量替代了？》：AI 正在替代律师的基础工作，降低法律服务门槛。资深律师的价值不在于检索法条，而在于从「一团乱麻」中找到线头，以及洞悉客户、对手和法官的真实处境。

• 《AI 与职业这三年：震荡、规律与职业群像》：2026 年，法律行业理论覆盖度超 80%，但受制度限制实际覆盖度有限；而计算机与数学、商业与金融等四个领域才是 AI 实际应用的重灾区。

• 《深度 | 我见证了 MiniMax 的「至暗时刻」》：一篇公关味有点明显的内幕文，姑且看看吧。披露了一些细节，例如 MiniMax 发布 M3 后因定价沟通失误股价暴跌 15.71%，内部技术负责人与开放平台同事在 100 人作战群里公开争吵。

• 《县城高考志愿规划师：我们在和 AI 争夺家长的信任》：河北宣化高考志愿规划师柴李洁指出，AI 普及反而加剧了信息鸿沟。家长依赖 AI 软件查询信息，但 AI 存在幻觉、迎合提问者倾向，且无法提供中立视角。

• 《当人人都能用 AI 做游戏之后》：程序员阿凯感叹自己「像 AI 一样，除了技术什么也不会」——他习惯了执行，却失去了方向和创意。电影系毕业的 Lin 用 AI 做出文字游戏后转行成为游戏制作人；05 后文科生木鱼用 Gemini 七天做出感动网友的《橡皮擦掉的时间》。

适合个人上手的教程/评测/资源：

• 《Vista 電子報 No.124：知識工作者的數位資產：我用 AI 蓋了簡報庫與工具實驗室》：知识工作者应停止「倒水式」的发文，转而搭建「蓄水式」的数位资产。Vista Cheng 利用 AI 工具以 Vibe Coding 方式，亲手搭建了两个网站辅助自己。

• 《我與 AI 各自需要一套第二大腦：五個層次管理個人筆記、專案資料、AI 記憶與規則》：AI 越会整理资料，人越需要手动留下任务与经验。

• 《我就上传了张摆件照片，AI 导演直接开机拍影片了？》：LibTV 推出 LibTV Agent，通过封装专业创作者经验的 Skill 工作流，实现一句话生成完整影片。

• 《分享一下我现在随时随地让 Agent 干活的远程操控方案。》：作者分享了随时随地远程操控 Agent 干活的方案：Codex 主力操控 + UU 远程兜底。

• 《永久免费！无限 token！我魔改了一个视频转图文笔记工具，再也不用开会员了》：作者阿虚同学基于开源项目改造了一款完全免费、无限次使用的视频转图文笔记工具。

• 《㊙️ 怎麼讓自己每天進步一點點？掌握這 10 個復盤關鍵概念》：复盘需要将日常零散经历转化为可复用的能力，从而实现每天进步 1% 的复利效应。朱騏基于 10 年每日复盘经验，将这套习惯浓缩为 10 个关键概念。

• 《Agent 专用搜索登顶 Product Hunt，Token 更省搜得更准》：中国团队推出的 AI 搜索产品 AnySearch 登顶 Product Hunt 周榜。AnySearch 专为 Agent 设计，搜索结果自动提取正文、去噪并转换为 Markdown 格式，降低上下文长度和 Token 消耗，支持 API、MCP 和 Skill 接入。

• 《Codex 桌宠保姆级教程：准备这 3 样东西就能开始》：Hatch Pet 是完整的桌宠制作流程，会根据参考图生成主形象和多个动作，并进行检查与打包。

今天刚听完的硅谷 AI 工程师实践分享：AI agent 到底怎么才算真正落地

via 深思圈

在硅谷 Inngest 总部的小型聚会上，Cursor 和 Inngest 的一线工程师分享了 AI agent 落地现状。Cursor 的 Kash Yechuri 指出，AI 开发正经历三个阶段：AI 辅助、照看 AI agent、AI agent 团队自主运行。大多数团队卡在第二阶段，导致生产力提升停滞在 40% 左右，因为人的注意力成了瓶颈。

真正的突破在于异步模式，让 agent 在后台独立工作数小时甚至数天，人只在关键决策点介入。企业客户中使用云端 agent 的比例从一年前的 15%-20% 跃升至 75%。

非研发视角，从 0 到 1 做一个数据产品

via 马奇诺

作者是一位数据产品经理，复盘了他的个人实验项目 Distilled。

文章从真需求的挖掘和验证，到大模型评测的引入和质量运营，再到数据管线与文生文功能的改造，详细讲其中的反思和收获。内容比较长，算是给这个项目做个 archive。AI 把实现变成了成本最低的环节，难的部分换成了定义：定义需求、定义「好」、定义系统怎样才算还在正常工作。

项目从纯 Markdown 文件到实体形式再到多层摘要形式，经历了三次改造。在内容引入上，作者经历两次筛选失败后，决定同时评估创作者长期表现与单篇内容质量，并建立了包含 221 个信源的质量指数与每月复盘机制。

在电商吃过的苦，沃尔玛不想在 AI 再吃一遍了

via 山农下山

新任全球 CEO 弗纳在沃尔玛工作超 30 年，从门店经理升至 CEO。他将推动 AI 视为核心任务，但沃尔玛的 AI 策略并非硅谷式幻想，而是围绕「省钱省时间」的零售本质展开——Sparky 让使用者的平均订单金额比非使用者高出 35%。

代理式 AI 购物仍处早期，Sparky 在 Reddit 上被吐槽搜索不准、回答机械；210 万员工在 AI 时代的安置问题也引发股东提案，弗纳虽强调「员工创造差异」，但这一挑战尚无答案。沃尔玛正通过务实接入 AI 守住基本盘，但 AI 迭代速度远超电商，未来可能面临来自「第二个亚马逊」的颠覆风险。

a16z 最新一批 AI 项目：AI 创业，开始往脏活、累活里卷了

via 十字路口 Crossing

最新一批 a16z Speedrun 项目不再追求通用型 AI 应用，而是扎进报税、建筑投标、诉讼、会计、农业采购、保险经纪等过去软件难以改造的琐碎行业。

Grove Tax、Piper-ai 等公司瞄准税务、投标、诉讼等流程中的脏活累活，将报税速度提升 3 倍，或通过端到端自动化实现 21 万美元年化收入。Bilrost、Vereda 等公司切入商业贷款、农业采购等更麻烦的行业，用 AI 处理分散在多个系统中的文件与数据，Bilrost 已处理超 1 万笔交易。

Sentra、Modaic 等公司聚焦智能体运行所需的组织记忆、安全评估、决策验证等底层基础设施——当 AI 从「回答问题」走向「执行任务」时，记忆、权限、校验与安全比模型参数更值钱。消费 AI 领域依靠社交分发、内容循环和强复访理由来留存用户，如 PicPet 已获超 24 万日活用户。AI 创业正从炫技转向解决真实世界中的复杂重活。

▪️OPINION 观点

How tech workers are feeling in 2026: a workforce splitting in two

via Lenny’s Newsletter

2026 年的科技行业劳动力，正因 AI 分裂为两个截然不同的世界。

Lenny’s Newsletter 的 2026 年大规模调查显示，一半从业者因 AI 而「被放大」——感到更有能力、更自信、更兴奋；另一半则「被动摇」——对自身价值和职业前景充满不确定。这种 AI 身份认同的差异，比职位、资历或公司规模更能预测一个人的职业感受。整体显著倦怠率从 44.7% 跃升至 55.7%，职业乐观度从 54.8% 降至 48.7%。

真正的恐惧并非被 AI 替代（仅 22%），而是被要求以相同薪酬完成更多工作（51%）、陷入不可持续的节奏（46%）以及工作质量下降（41%）。

调查识别出四类典型从业者：占 41% 的「精力充沛者」（全情投入，视 AI 为超能力）、占 35% 的「矛盾者」（充满好奇但疲惫不堪）、占 12% 的「迷失者」和占 12% 的「怨恨者」（倦怠且放弃）。

设计师和研究人员焦虑最高，创始人最快乐，小公司仍是最佳工作场所，而管理者的质量是影响倦怠的最强杠杆。AI 正在从根本上重塑科技从业者的自我认知。

别再泛泛地学 AI，先练这 6 种能力丨 Greg Isenberg

via 晚点再听 LaterCast

连续创业者 Greg Isenberg 认为，与其泛泛学习 AI 工具，不如先练就 6 种在 AI 越强时反而越稀缺的能力。

Greg 提出的 6 种能力包括：

• 会搭 Agent 的人能接住公司混乱，不只是写 prompt，而是把零件接成系统；

• 懂分发的人先听懂需求再发声，重点不是发布频率，而是知道注意力在哪；

• 能把 AI 接进硬件的人将走到不拥挤的地方，仓库、厨房等场景仍有大量重复任务；

• 好策展人替小圈子做判断，区别在于观点而非转发链接；

• Builder-distributor 能把产品和市场放进同一个循环；

• 线下社区建设者会让真实关系变贵，AI 让内容变多时，归属感和信任成为稀缺。

Greg 强调，AI 让产能变便宜，但能把目标、需求、信任和反馈接起来的人不会被替掉。

硅谷最火职位在中国：好苦，好痛，正在救火路上

via 虎嗅

FDE（现场部署工程师）被硅谷热捧为「AI 落地最后一公里」，但在国内一线执行者眼中，这更像乙方外包人力，干着填坑、擦屁股的脏活累活。

前字节员工申悦以口述形式分享了亲身经历：中国企业内部的权责博弈远比技术方案复杂。

• 一个千万级国企项目因大老板签完合同后无人真正负责而陷入瘫痪，FDE 被架在真空层，最终只能靠学会「汇报逻辑」来争取验收；

• 广东一家民营家装公司的厂二代直接要求 FDE 帮她把 6000 人裁到 3000 人，但 AI 只能替代任务而非岗位，项目在反复挨骂中艰难推进。

最让他沮丧的案例是，一个专业团队花几十万、三个月做的「全链路 AI 化」产品，效果不如一位 60 岁老校长三天手搓的简化版 Agent——后者不改变用户习惯，因此被广泛接受。

申悦总结，FDE 的难点在于需求方隔层、企业数字化基础薄弱以及老板缺乏耐心，而前端销售为卖产品许下的过度承诺，最终都要由 FDE 来承担。无论技术如何进化，组织内部的人性和权责博弈始终是比技术更复杂的难题。

我连着 3 天去了硅谷的 AI 工程师大会，学到的不是技术，是怎么把东西卖给工程师

via 郎瀚威 Will

作者郎瀚威 Will 带着「头部模型是否会吞掉所有需求」的疑问参加硅谷 AI 工程师大会。发现答案有两面：头部确实吞掉了没有护城河的公司，但真需求被推着往上游长，催生出看护 agent、管理预算、协同等新痛点。价值正从模型本身挪到模型之外，真正值钱的是围绕模型的数据、工作流和客户关系。

他从大会上总结出三项关键能力：

• 一句 tagline 的核心价值是过滤器而非广告，让对的人立刻知道产品是否属于他；

• 好的 demo 与支持是产品落地的决定性一环，线上演示不到位会让高意向用户也无法用起来；

• 线下的人本身就是产品的一部分，识别高意向客户并给出够重的理由比撒 T 恤更有效。

中国开源模型性能已追上且成本更低，在美国逐步成为共识，但中国公司出海还需补上把技术变成生意的软实力。郎瀚威认为，硅谷公司靠细水长流打磨每个环节，中国 to B 出海应把线下当成销售漏斗的第一环，而非大而全的广告牌。

随便看看：

• 《上周在北京的创投圈见闻实录》：一级与二级市场极度割裂，资金高度聚集在 AI 相关赛道，其他领域无人问津。

• 《去用曲曲 skill 的女孩们》：一群女性为了免费获得情感博主曲曲大女人和谢胜子的 AI 对话版本，不惜自学搭梯子、注册海外账号。

• 《AI 砍掉的第一批大厂人：高薪，高绩效，高 P》：这轮 AI 裁员不是简单的效率优化，而是高层 AI 焦虑层层传导至中层加码的表演性竞赛。

• 《播放量破亿，商单最高超 8 成，AI 练习生要被网友打投出道了》：抖音上热门 AI 综艺主要分三类：AI 偶像选秀、AI 恋爱综艺、竞技类综艺。这些节目通过让观众点赞投票决定选手命运、鼓励二创并建立后援团，大幅提升参与感。商业化层面，商单占比最高超过 8 成。

• 《日租 9000 元的 AI 拍照机，取代了抓娃娃》：AI 生图技术最快进快出的变现方式，并非重塑视觉内容产业链，而是在展会场景中沦为「引流工具」——一台 AI 拍照机日租金超 9000 元。

• 《从 DeepSeek 扩招里，我发现的 AI 选才新标准》：DeepSeek 正在重塑 AI 行业的人才标准。他们对 8 年以上经验者谨慎，反而优先录用聪明、理工科、工作不超过 5 年的年轻人，并要求重度使用 Claude Code、Cursor 等 AI 编程工具。

适合个人上手的教程/评测/资源：

• 《我把斯坦福最火的一门课，做成了 Prompt 来帮我设计人生。》：作者利用 Claude AI 设计了一个 Prompt，以「人生设计师」角色引导用户通过多轮深度对话，从看清现状、找到指南针、寻路到制定奥德赛计划，最终生成个人人生设计蓝图。

• 《微信重大更新！视频号终于能一键转存 AI 知识库了》：开发者设计了一款自动化工具，通过模拟键盘鼠标操作，将微信视频号收藏的视频批量迁移到 ima AI 知识库。

• 《用 AI 陪自己读书的 6 个实战步骤》：作者的核心方法是：拍下练习页内容，发给 AI 并下指令「请照这页的题目用一問一答的方式采访我，一次只问一题」。通过 6 个步骤完成 72 页练习，最终找到自己的核心学习方向 Sense-making。

• 《开源一个非常漂亮的文章配图 Skill》：作者歸藏分享了一个将文章、笔记、数据或产品说明自动转化为带中文标签解释图的 Skill。

• 《AI 时代，如何巧用 WorkBuddy+Cubox 高效处理碎片化信息？》：来自我社群 HEXIN 的一篇原创内容，作者通过一套明确的个人管理原则与 AI 工具的组合，将信息处理的决策成本和执行成本降到最低。核心流程：用 Cubox 作为碎片化信息收集工具，通过转发到收藏助手即可完成存储；用 WorkBuddy 安装 Cubox Skill 后，让 AI 自动对未分类文章按已有收藏夹进行归类；针对特定收藏夹，让 AI 用批判性思维检查内容、联网核实数据并打分，将 80 分以上的高质量内容自动移入「优先学习」收藏夹。

• 上周有事回了趟老家，耽误了几天，加之可圈可点的内容不多，干脆摆烂停了一周（没人催真好）。

• 在此期间，也思考了下 付费社群 未来的走向。毕竟 AI 行业一日千里，当初组建社群之初的规划，也应该随着技术演进、实践反馈、我自己的生命阶段而适当调整。

  • 简单来说，后续我会多花精力在「AI 辅助个人投资」这个方向，在社群中重点交流如何帮大家用 AI 打造自己的投研贾维斯这个核心话题（不是荐股、投资复盘这种内容，而是让每个想捕「鱼」的人都有一套自己打造的「渔」的装备）。这样更加结果导向、离钱近（没有谁不喜欢吧）、所有的技术研究都有了统一明确的业务目标收口，并且跟我之前的个人知识管理系统、个人贾维斯系统，都串起来了。具体等我再憋一下大招，弄好了出来公开分享下。

  • 最近几次课程的反馈，也收到学员建议，希望我把某个最佳实践背后的折腾记录、内幕、八卦、踩坑教训写一写。敢情那些零散细碎的东西，原来真有人爱看啊..那么我还是把（原本打算放弃，只作为支付渠道之用的）知识星球捡起来吧，用于日常高频短篇更新。然后定期整理成体系化篇幅，放到独立官网。

• 最近也跟社群成员和打算加入的朋友做了多场深度访谈，发现许多以往视野盲区。以及，我本以为挺简单的东西，背后有奇怪的痛点，我稍微多花一丁点力气就能帮到大家。所以也在折腾点新的个人 skills。敬请期待。

Subscribe now

OK，以下是本期正文，Enjoy:

▪️OPINION 观点

李开复 x 杨晓磊：创业这一场，我过得了灵魂拷问

via 投中网

印象中李开复接受国内媒体的 AI 深访不多（甚至不如好像没实际做出什么的李飞飞的公关稿多）。看这篇访谈，过去一年确实是他人生前三的至暗时刻。

他提到，选择亲手捏碎「皇冠上的明珠」——放弃 AGI 基模竞赛，将公司定位为「中国 Palantir」。核心逻辑是：在算力军备竞赛中判断无胜算后，不如换个打法，用自研的 Ontology 系统让 AI 真正深入传统企业的业务流程，实现一号位工程驱动的自上而下转型。

他还认为，自下而上的 AI 转型必然失败，因为零散优化无法改变财报。并且他也不看好垂直模型。

于我而言，现阶段这类商业领袖的 AI 判断，随便听听就好。我其实更关注的是，一位在移动时代曾经辉煌过的大佬，经历癌症之后，遇到 AI 这轮百年一遇的机遇，有着怎样新的态度、新的思考，以及行动背后的逻辑。

AI 创业一年复盘：第一次 Build 的成就感，是创业最大的幻觉

via 小头 MUJI

一位从新加坡 NUS 毕业、回国全职创业一年的创始人写下了这篇复盘。

他认为，AI 虽然大幅加快了「做出来」的速度，但也提前暴露了维护、review、权限、数据、文档、支付、稳定性等持续性债务。第一次 Build 的成就感，往往是创业最大的幻觉。

几个核心发现：

• Agent Engineering 领域，纯工程视角容易忽略用户意图，必须由懂业务的人深度参与。他搭了一套 planner 与 execute 两阶段的工程系统，而不是依赖单一的 agent loop。

• AI 时代组织最深刻的变化是协作模式被重塑。当人人都是 builder，组织结构必然改变，但每个 agent 和系统都需要人维护。程序员不会失业，而是需要从「记者变成编辑」。

• 人才标准是通才加能业务闭环。构建系统比增加功能更重要。

• 他对 SaaS 的判断也很有意思：SaaS 不会死亡，反而极度缺少 AI native 的 infra SaaS 来解决 building 后的债务。别迷信 demo，产品是长期维护出来的。

看一万遍不如自己摔一遍，真正的 know-how 来自亲自踩坑。

X 上 40 万粉丝的神秘大佬 Serenity：一个 AI 工程师如何成为「散户神话」

via shutong8288

Serenity（白毛股神）是一位匿名 AI 工程师，在 X 上积累了 40 万粉丝，上周我们就介绍过她。她靠一套名为「咽喉点理论」的认知方法论，从散户做到了被主流财经媒体关注。

这篇文章分析了她不走寻常路的投资打法：不研究热门赛道，而是从第一性原理出发，倒着拆解 AI 供应链，寻找最上游的物理瓶颈——InP 衬底、PBN 坩埚这些冷门环节。

她不是从市场情绪等二阶现象出发，而是从物理本质和供给端的不可替代性提问。

提炼出的四个拷问：是否在共识里；是在用 AI 加速浅层思考还是深层挖掘；能否拆穿看似理所当然的事实；是否有自己钻得最深的领域。

五月硅谷调研有感

via 龙门阵尔

一位作者在硅谷调研一个月后，给出了几个尖锐的判断：

• AGI 会非常快。知识工作者已被 AI 替代 80%，Researcher 被替代 50%。Scaling law 远未到头，但模型进步已只属于少数人。

• LLM 将吃掉 90% 以上应用的价值，但剩余 10% 存在巨大杠杆，可能诞生大公司。应用型公司可通过「数据加速度」实现逃逸。

• Coding model 能力正在快速收敛，但企业级切换并不容易。企业 AI 需求是最大盲区——采纳曲线呈阶梯跳跃，理论能力与实际落地之间存在巨大 Gap。

• 他预测，马上会进入模型分层时代。Model Routing 是比价格战更有意义的策略，Token 定价将成为下一个重要议题。

• 中国开源模型未来空间巨大，不在头部梯队的 LLM 公司与应用公司无差别。

• 在金融和科技会议上，老外已经进入自我强化模式，认为存储估值应高于 GPU。

▪️CASE 案例

体检 10 年，不如做个健康 AI 38 天

via 尼克森 Nixon

作者尼克森花了约 1050 元，用 AI 把 Apple Watch 100 多项生理指标、飞书日历、AI 相机（Looki）文本记录以及 7 年体检报告全部打通了。

由此他发现：

• 十年运动把静息心率降低了 13%，但一杯酒就能在一夜间全部抵消回来。

• 他每年 150 次运动，胆固醇仍然偏高——AI 结合七年趋势线判断，这是遗传因素在作祟，建议直接吃药，而不是单纯注意饮食。

• 深睡时间翻倍，听起来休息得很好，但真相是身体在修复白天的过度透支。

这套系统也有翻车的时候。AI 曾把凌晨 89 步算成全天步数（采样错误），也把睡眠时间搞错了。

38 天下来，他开始认真考虑戒酒、把晚饭提前到七点前。

随便看看：

• 《月薪 6 千，宝妈们正在自我「蒸馏」》：AI 数据采集产业正以居家兼职为名，精准瞄准宝妈群体，用极低报酬采集她们的家务动作数据，最终用来训练替代她们的机器人。

• 《奥特曼综艺首秀封神，13 名硅谷大佬玩狼人杀，太有看头了》：Founders Fund 策划了一档硅谷大佬玩狼人杀的真人秀，OpenAI CEO Sam Altman 等参与，目前 YouTube 上已经更新了两集。

• 《我每天做 8 小时家务，给机器人当燃料》：彭杰克亲身体验了具身智能的数据采集工作：日薪 200 元，每天 8 小时，最多只能产出 5 小时有效数据——设备调试就要占去近半工时。

适合个人上手的教程/评测/资源：

• 《Codex 我常用的知識工作案例分享：從文書編輯、課程教材到資料整理的 AI 工作流》：电脑玩物作者 Esor Huang 在自述中强调，他让 Codex 先读取资料、理解专案脉络，再接手繁琐的编辑、迭代与整理步骤，而非让 AI 从零生成答案。他展示了 6 个用法。

• 《盘点 16 个把自己蒸馏成 Skills 的国民级 App。》：越来越多国民级产品开始将自身能力封装为 Skill 或 MCP，向 Agent 生态开放，服务正从 App 形态向 AI 可调用的原子化能力迁移。

• 《分享 2 个 Vibe Coding 必备的超实用 Prompt。》：第一个是「从第一性原理出发」，第二个是「对抗式审查」。

• 《美图一口气发了 8 款产品，我挨个用完发现它们在干同一件事》：美图发布的 8 款产品共同指向一个目标：直接交付可用的成果，而非只提供需要用户反复调试的工具。

• 《为拯救一台快要废了的苹果电脑，我造了个轮子……》：作者因 Claude Code 额度耗尽和 Mac 电脑异常发烫掉电，意外发现并解决了一个由 Agent Browser 残留 Chrome 进程导致的系统资源耗尽问题，进而利用 AI 工具 QoderWork 创建定时清理任务，并造出一个 500KB 的 Mac Status Bar 监控工具。

我的新课程 《我如何用 AI 开发内容商品（经验和复盘）》 已于今天正式如期上线！

总共 3 万多字逐字稿、68 页 PPT、两小时足额时长，满满都是我的实践经历/踩坑经验/工具资源分享。购买后自动发货，可通过国内外网盘或 YouTube 观赏和查收课件资源（附赠 PDF）。

请预购的朋友们检查您的邮箱，查收课程链接（如收件箱看不到，先查一下是否误判进了垃圾箱）。

没能赶上早鸟的朋友，以及只买「现货」的朋友，也有上车机会。目前我的所有课程，都在 6.18 大促进行中（截止 6.20），全部原价 299 → 特惠价 99。希望能帮端午假期宅家精进的朋友，在节假日期间有个愉快的学习体验。

• 《我如何用 AI 打造 100X 知识萃取系统》：https://zerodaybook.mikecrm.com/LjEzDNf

• 《我如何实践打造私人 AI 贾维斯助手》：https://zerodaybook.mikecrm.com/kctVTes

• 《我如何用 AI 开发内容商品（经验和复盘）》：

  https://zerodaybook.mikecrm.com/LZtJIOB

Subscribe now

OK，以下是本期正文，Enjoy:

▪️CASE 案例

全网订阅第一的 AI 股神，看多 167 家、看空 56 家，我全给标了

via 十字路口 Crossing

最近 X 平台上有个付费订阅排名第一的 AI 分析师，叫「白毛股神」Serenity。她有多猛呢，一天能发几十条，从台积电的 CoWoS 产能，到某家光模块小厂的良率，到 CPO 到底什么时候上量，密度高到离谱。

终于有个人实在受不了了，自己动手开发了个工具站叫「白毛速报」，专门把 Serenity 的碎片化观点整理成可查询的多空地图。功能包括：

• 第一，把 786 家公司按提及次数摊开，首次量化出看多 167 家、看空 56 家的比例。

• 第二，每家公司交由 DeepSeek 生成带日期的观点摘要，一次点击调阅全部原文。

• 第三，打上「看多/看空/中性」立场标签，避免被单条推文带偏。

• 第四，把 CPO、HBM 这些黑话做成可点击入口，用大白话解释。

• 第五，按提及频率排序，分组展示多空标的——被念叨 729 次的云厂 Nebius 位居看多榜首位。

用 AI 炒股还是很有搞头呀，难怪我社群里最活跃的是「AI+投资」兴趣小组呢。

我花 7 万 token 点了杯咖啡：瑞幸上线 AI 开放平台，野心何在？

via AI 新榜

来看看擅长搞营销的瑞幸，最近折腾出个啥——竟然推出 CLI，允许 Agent 点咖啡了。

然而，作者实测了一下用 CLI 点单，发现整个流程并不顺畅——安装、登录、绑定大模型 API Key、查询门店，每一步都有坑。门店名称不精确、定位有偏差，折腾了好几轮才终于下单。价格呢？优惠券不同，最终价格也会浮动。

7.4 万 token，折合不到 1 块钱——如果你用便宜模型的话。用贵的模型，成本直接跳到 6 块钱。第一次体验的 token 消耗，远高于后续。

瑞幸其实不是第一个吃螃蟹的。麦当劳早就上线了 MCP 服务，场景还更多。瑞幸这步棋，是把内部 AI 能力通过标准协议对外开放，抢占「Agent 代劳消费」的入口。

这倒是挺有意思的一个尝试，除了凑近 AI 概念可以在资本市场好好讲故事之外，我倒真的是希望更多现实世界的实体商家，能够开放出它们的业务或能力，让我自家 AI 接进去，延伸使用场景。

爆火的低成本创业赛道「AI 漫剧」，到底谁赚到钱了？

via 三联生活周刊

AI 漫剧感觉才火了没几个月，就频繁被曝出正在经历一场残酷的洗牌。

三联生活周刊的这篇调查文章，披露了两组数据：3 月还有近百人团队的南昌公司，现在收缩到 5 人；而另一边，头部公司拿着千万级预存算力、50-100 人的投流团队，还在持续扩大产能。针对小团队的报价，从每分钟 800-3000 元，直接给干暴到了 50 元。

主要原因还是平台规则变化：分成系数下调、审核周期拉长，那些靠平台分账「打工」的人，突然发现工资发不出来了。但有 IP、付费平台和投流策略的头部玩家，照样能多端口分发、精准出价，把收益装进口袋。

再看看出海，也是听起来很美，但门槛比你想象的高。版权授权、声音归属、音乐使用——每一个都是坑。有人已经开始提供这类合规服务了，而且这门生意，可能比做内容本身更赚钱。

▪️OPINION 观点

AI for Science 的拐点到了吗？

via 峰瑞资本

「AI for Science」正在从小众赛道，变成全球资本和药企集中下注的方向。

峰瑞资本在 AI 制药领域已经有多家被投企业成功上市。他们主办的一场沙龙里，科学家 CEO 们聊了几个核心话题：AI 极大提升了研发效率，在拓扑蛋白质、天然产物、AI 虚拟细胞领域都有突破性进展。投资人马睿列了五个拐点信号，说对未来五年 AI4S 非常乐观。

但挑战也很实在。创业公司最大的坑是身份转变——从技术导向转市场导向，从「我能做什么」到「市场要什么」。下一个技术突破的关键，在于加速数字世界与物理世界的对齐。

话说上海最近推了个大动作，要促进科研范式演进，目标是培育出下一个诺奖级成果。这事儿能不能成另说，但信号是明确的。

92 年极客掌舵钉钉：陈宇森的产品审美与 AI 哲学

via 未知来源

钉钉换 CEO 了。新掌门叫陈宇森，92 年生，前长亭科技创始人，纯技术极客。

这篇文章是对他的专访，聊到了对产品和 AI 哲学的观点。

他有个挺有意思的判断：衡量 AI 产品好坏，不看低付费用户规模，而看大额付费用户的续费率。他的产品 MuleRun 上线两个月，月付费超 200 美金的用户几乎零流失。这被他视为达到 PMF 的早期信号。

关于 AI Native 转型，他的观点很直接：组织必须「放手」。人参与流程，恰恰是给 AI 降速的原因。传统研发团队一周的活，甩手给 AI 干只要两三天，效率差十几倍。

市场竞争方面，他认为当前 Agent 市场极其广阔，真正的对手不是同类产品，而是客户愿不愿意采用先进工具。一旦客户体验了好用的 Agent，就会快速下单；拒绝使用的企业，将被更高效的 AI Native 竞争者碾压。

他的预言：当 AI 干活速度远超人类提出需求的速度时，生产力的瓶颈将变成人本身。

随便看看：

• 《我做了个紫微人生报告，一眼看出你什么时候走大运!「AI 赛博命理」》：南派三合星情论命法，被一个团队做成了 AI 产品。输入出生信息，输出终生盘总结、十二宫位解读、财富格局等八个核心模块，外加十年大限趋势。

• 《离职后 30 天入职，一个中年打工人的靠谱「找工作指南」》：崔若冲 30 天面试了 19 家公司，最终在 AI 工具的辅助下，拿到 4 个 offer 入职一家 AI 公司。

• 《让 AI 推荐它们觉得好听的歌！品味能否吊打真人？》：作者做了 10 年人工音乐推荐，现在让豆包、DeepSeek、T-ME、Z-Lot 和 ChatGPT 五个 AI 来 PK。

适合个人上手的教程/评测/资源：

• 《我的一人公司品牌部是怎么运转的？Lovart 制作爆款封面图教学！》：内容创作者应尽早为自己攒一套可调用的人像资产，让观众一眼认出你，而不是淹没在精致的同质化封面里。

• 《我花 300 块，让 Claude Fable 5 开发桌面 APP，值么？》：程序员鱼利用 Claude Fable 5 模型，在 Cursor 中自主开发了一套包含桌面端、服务端和 Web 管理后台的完整系统。 约 50 分钟开发加 20 分钟修复，费用 300 元。

• 《我薅了美图 7 天会员，结果发现它已经进化成我不知道的样子了》：介绍了美图开发出来的的 AI 功能。

• 《Codex 操控电脑的三种方案》：OpenAI 内部负责 Codex 桌面体验的 Jason 拆解了三种方案的适用场景。

• 《AI 没法直出 UI？GPT+Figma 这样搭才管用！》：不要指望 AI 直接生成可交付的 Figma 设计稿。 更稳妥的方式是先用 image2 探索视觉方向，再回到 Figma 中整理结构，最后由设计师落地。

• 《Codex 不得不装的 12 个插件，都在这了 》：Codex 的真正价值不在于模型本身，而在于插件生态。

• 《为了让你搞懂 Loop Engineering，我搭了个让 Agent 持续帮你找工作的最佳实践》：讲了最近冒出来的 Loop Engineering，这是围绕长期任务设计的一套 Agent 之外的循环系统，让 Agent 能够稳定地被触发、干活、交付、蛰伏。

• 《靠 11 个 SEO 大神 + Grok 任务，每天 5 分钟追完一手 SEO 情报》：做 SEO 最怕信息差。 作者将这件事自动化：用 Grok 预设任务，每天自动搜索总结 11 位 SEO 大神的推文，通过邮件发送。

1/ 我的播客《冰镇电波》和 YouTube 终于又频道更新了，最新一期围绕一个「价值百万美金」的话题，聊一些我的浅薄思考：如何成为「AI 有产阶级」？或者说得更直白一点，在当前这个 AI 技术爆发、Token 成本极低的红利期，普通人可以如何利用 AI 来赚钱和套利？

• YouTube 频道「范冰 FANBING」：https://www.youtube.com/@fanbing

• 小宇宙、Apple Podcast 可搜索播客「冰镇电波」：https://www.xiaoyuzhoufm.com/podcast/61df010313704eb05c10dece

2/ 我的新课程 《我如何用 AI 开发虚拟内容商品的经验和复盘》 限时早鸟优惠（99 元）即将结束，欲购从速。这门课程会拿我的实战经验，教你如何像开发一款应用那样，用 AI 提效你的内容产品（课程/写书/文章）的开发流程，适用于需要商业化的内容创作者、需要引流的独立开发者、需要整理组织内知识上下文的管理者等。

（点不开可复制这个地址到浏览器：https://zerodaybook.mikecrm.com/LZtJIOB）

Subscribe now

OK，以下是本期正文，Enjoy:

▪️CASE 案例

他花两天做的 AI 游戏《坦克大战》，月成本不到 100 元，却让玩家争着烧 Token

via 白鲸出海

连续创业者 DK 花了两天时间做了款《AgenTank》，玩家通过输入提示词让 AI 生成代码，指挥坦克在战场上进行 26 帧内的极限对局。

游戏看似是经典《坦克大战》的复刻，实则形成了人类判断与 AI 执行的深度协作循环：玩家需要自己总结失败原因、确定打法流派，再让 AI 去执行调优。算力消耗由用户承担，服务器仅需处理文字脚本对战与渲染回放，单月成本不到 100 元。

这是 DK 长期坚持「自己需要什么就做什么」创业思路的延续——从哄哄模拟器到 AI 减肥软件，再到为母亲做的赛博儿子。当 AI 大幅降低执行门槛后，创意和需求洞察成为最稀缺的资源，过去因技术成本过高而被搁置的玩法，如今都值得用 AI 重做一遍。

延伸阅读：

• 杭州 5 人小团队，把「观鸟」送上了畅销榜：一款挂机桌面游戏把「观鸟」这个小众爱好做成了 Steam 畅销游戏。杭州小团队 Biekka Games 仅用 5 个人，做出了《观鸟笔记》并获得 97% 好评率。

一口气搭了 300 个 AI Agents 并发处理跨境运营的 dirty work

via 饼干哥哥 AGI

饼干哥哥在自述中展示了 Kimi Work 如何通过 Agent 集群处理四大场景：

• WebBridge 接管浏览器自动巡店监控竞品，半夜也能抓取异常生成日报；

• 跨平台数据整理，无视 Amazon、TikTok Shop、eBay、Walmart 等不同格式报表，自动统一字段、调用汇率数据并生成可视化看板；

• 1688 选供应商后直接调用天眼查做企业背调，输出风险评级表；

• TikTok 找爆款对标，自动拆解 Hook、节奏、卖点并写脚本，交付到飞书多维表格。

他强调，AI 释放的生产力应留给人的判断——选品、市场押注、供应商信任度、脚本可用性，才是运营真正值钱的能力。从 Vibe coding 到 Vibe working，打工人都能一键让 300 个 Agent 同时干活，而人只需专注决策。

话说 Kimi Work 最近这波广告投放有点厉害，我被轰炸了好几波。延伸阅读：《300 个 AI 和我的八块腹肌》

月访问 2800 万的工具站，真正厉害的是这套结构

via 孟健 AI 编程

作者拆解了月访问 2800 万的工具站 ZeroGPT：

• 入口只放一个输入框，15,000 字符的免费额度让用户完成一次真实任务，而不是 demo；

• 任务链从 AI 检测延伸到改写、查重、语法校对，所有工具围绕「写作-修改-交付」这条链展开，每个工具页都是独立的 SEO 资产，对应一批搜索词；

• 变现用免费版积累流量，广告承接轻用户，订阅承接重度用户，API 承接业务用户，三层独立。

孟健给出 6 条可操作启发：先找高意图搜索词再决定做什么；首页只解决一个动作；免费额度要足够完成任务；工具矩阵围绕任务链展开；变现分层；每个工具页都是 SEO 资产。

▪️OPINION 观点

漂亮报告背后的「归因黑洞」：项目方在为什么买单？

via Mango Labs

AI 与加密行业的 GTM 营销正陷入「归因黑洞」——前端曝光指标完美，后端真实转化却是一笔糊涂账（终于有人跳出来说了点实话哈哈）。

• 行业通用的 CPM 和 CPE 等指标口径混乱且缺乏审计。Polkadot 社区反算出的单次有效交互成本高达 2,719 美元，与服务机构报告的极低 CPM 形成巨大反差，营销报告正从展示材料变为问责材料。真正能带来硬结果的归因与策略服务极度稀缺。

• 以某 AI x 加密项目为例，其前 30 天 ROAS 仅为 0.02 倍，但通过 6 个月持续测试 48 个独立 Campaign，最终将 ROAS 提升至 5.76 倍——证明优秀的 GTM 合作伙伴需向上管理甲方预期，交付可复用的受众洞察而非一次性曝光截图。

• 增长模式可映射到 PESO 框架：Polkadot 的付费驱动、Bolt.new 的产品驱动分享、Ruvi.io 的渠道结构。传统 Campaign 只能制造一次性曝光，而成熟 GTM 需将 Paid 作为点火器、Creator Distribution 作为叙事放大器、Owned Channel 作为承接层。

前沿科技的 GTM 正在从为声量买单转向为证据付费：用可验证的触达数据替代模糊曝光，用结构化圈层分析替代流量堆积，让下一轮预算分配有据可查。

月薪 3 万！AI 没拯救文科生，但它让优秀文科生更贵了

via 经纬创投

这篇文章看看就好。毕竟是来自资本方和平台方对外发出的叙事。不过能给文科生在当下环境一点信心，我觉得也不错，就推荐一下吧。

这篇文章说的是 AI 大厂文科岗位占比已从 5% 提升至 20%-30%，涌现出 AI 叙事设计师、大模型人文训练师等新岗位，月薪普遍在 2 万-4 万元。

英伟达 CEO 黄仁勋称语言是 AI 的终极编程语言，360 集团创始人周鸿祎强调未来需要管理、指挥与表达能力来管理智能体，文科生在批判性思维上具有优势。

AI 行业对文科生的需求正从基础标注、审核岗位向产品、市场、运营等贴近用户的岗位迁移，且门槛逐年提高。

入局，2026！上海场十字路口开放麦：10 位分享者实录

via 十字路口 Crossing

文章记录了 11 位 AI 领域创业者，在 2026 年 5 月 24 日的上海 AI Hacker House 开放麦上的主要观点实录。摘录当中一些主要的：

• Whisper 王震（元生万物 CEO）提出「一家 AI 公司在不断去 AI 化」——其用户访谈产品 Trooly AI 禁止用 AI 写内部文档，坚持真人访谈，因为「猛人远大于 AI」。

• Edward（Vibe Island CEO）从 iPhone 灵动岛获取灵感，打造了电脑顶部刘海区域的 agent 状态管理工具，强调在「恰当的时刻，以最小摩擦力」引导注意力。

• 连续创业者吴高明（井英科技）认为，当行业生产成本被技术打穿，真正的机会是重构反馈系统——内容娱乐将是继 Coding Agent 后下一个被 Agent 重构的行业，竞争的终点不是效率，而是进化速度。

• Tom（Refly AI CEO）分享了其开源产品 20 天做到近 50K DAU 的经验，指出模型已跨越到具备审美能力，而 GitHub 是 AI 时代的小红书，分发成为唯一护城河。

• 相子恒（Deep Optica CEO）则用 AI 解决全球铜矿缺口（2040 年缺口 1000 万吨），将数据清洗与地下三维结构生成效率提升至半小时级别。

• 思齐（Pika Head of Product）分享了与自己的 AI agent「47」共同生活的三个故事——代替她参会、与老板多轮沟通、向妈妈介绍自己——并抛出问题：未来每个人都应拥有一个了解你一切的 AI，它是最佳的知己与工作伙伴。

这一场开放麦的共识是：AI 时代最稀缺的不是技术能力，而是知道什么值得做、什么值得在乎的品味。

当硅谷开始迷信「品味」，我闻到了一种死亡

via 不懂经

啊哈哈，我故意把这篇接在上篇后面推荐，恶意满满。

我早已厌倦所谓「AI 时代，审美/品味是护城河」的说法。动辄推崇 AI 实现「平权」之后，审美/品味是护城河的人，根本没有深度思考过：审美本身就是由权力定义的。将自己标榜得有审美品味，并不能帮助你的 AI 产品真的在残酷商业环境里攻城掠地。

不信你看看 Notion、Cursor 这种花过大力气公关，输出「有品位」形象的公司，是不是才几个月过去，就被 Obsidian、Claude Code 打得遍地找牙了？

这篇文章的作者，跟我有相同的想法，并且聊的更深入。他认为：

硅谷的「品味」被包装成可量化的 KPI 和决策能力，这是一种「品味漂白」。品味是使无法量化的现象表现最佳的能力，是有根据的判断，而硅谷将其强行量化，实则是在扼杀它。

品味正在三个维度坏死：一是从需要时间试错的内在过程，退化为可下载和展示的外部标签；二是从在做东西中形成的判断力，退化为在 AI 提供的选项中「觉得」好的消费行为；三是从指向外部世界的判断力，退化为关于自我身份展示的消费力。

乔布斯的真正遗产不是品味，而是他三十年不断做出并承担后果的选择，即判断力。判断力的唯一来源是在真实世界中反复做东西、发东西、被否定再做的循环，AI 时代真正稀缺的是在不确定中做出选择并承担后果的判断力。

随便看看：

• 《揭秘具身数据产业链：一家数据公司的独角兽之路》：具身智能数据产业链的核心商业逻辑是通过复售数据资产实现高利润，而底层采集员与顶层数据公司之间存在高达 17 倍的价差。以居家采集员为例，其有效时薪约 17 元，而数据公司能以 300 元/小时的价格复售同一份数据，边际成本几乎为零。

• 《今年高考，我让 12 个顶级 AI 一起考了语文和数学》：让 12 个顶级 AI 模型参加 2026 年高考实测。本周另两篇相关的：《我把 13 个顶级 AI 送去数学高考，并列第一居然是它们》、《新鲜出炉！高考作文写作：DeepSeek V4 pro VS Claude Sonnet 4.6》

• 《教你用 AI 一节课收 17 万，华尔街精英排着队付费》：两位前 SoftBank 投资人创立 Wall Street Prompt，以每节 2.5 万美元的价格向花旗、美银等客户传授实战 AI 工作流。

• 《我给 Claude Code 装了一个红绿灯，AI 干活还是摸鱼，一眼看穿》：作者发挥 DIY 实力，用硬件与软件结合，为 Claude Code 打造实时状态监控的「红绿灯」副屏。

• 《垃圾桶里捡零件，弹幕里接需求，B 站有群人在用 AI 野生造产品》：30 多岁待业的游戏玩家、广西县城的高一学生和先天听障创作者，都在无专业开发背景的情况下借助 AI 在 B 站创作产品。

• 《Kimi 赌上万亿 Token 预测世界杯：AI 不是万能，AI 公司也别装》：Kimi 最近花活挺多，接着世界杯东风又开始用 AI 赌球搞增长营销了。

适合个人上手的教程/评测/资源：

• 《让意义浮现：你的记忆，你的 memory.md》：flomo 最新上线的「记忆」功能通过 AI 基于用户全量笔记进行压缩、总结与提炼，自动生成两份文档：一份是反映身份、性格、价值观的「稳定的你」（user.md），另一份是记录近期动态与变化的「当下的你」（memory.md）。

• 《My Editor Caught Me Sounding Like AI. Now AI Catches Me First.》：作者 Katie Parrott 是 Every 的内容创作者，因长期使用 AI 写作，导致稿件中出现对称句式、虚假深刻等 AI 特征，被主编叫停。她将编辑反馈转化为一套名为「技能」的审查系统——例如「Sorkin」负责保持行文节奏，「Mom」关注阅读障碍，「Asshole」攻击论点最薄弱的部分。

• 《10 大微信读书 Skill 场景（附全部提示词）》：如何用微信读书官方 skill 看见自己的阅读习惯、看见自己的知识结构、看见自己的认知盲点、把阅读变成产出。

• 《I Gave Claude David Ogilvy’s Writing Rules And Built A Legendary AI Writing Coach》：将传奇广告人 David Ogilvy 在 1982 年提出的 10 条写作原则训练成一套 Skill。

• 《从手搓到 AI 协作，一个深度创作者的 ima 工作流》：互联网战略投资人、播客主播庄明浩（被称为「AI 司马迁」）如何将收集、翻译、整理工作全部外包给 ima 知识库，按月度分类沉淀，并辅助制作 PPT。

• 《滴答清单 × AI：4 个正在改变你时间管理方式的场景》：滴答清单新上线的 AI 能力可将零散想法自动转化为可执行的任务安排。

• 《永久免费，美团 AI 浏览器来了，10 多个顶级模型帮你干活》：美团 GN06 团队推出 AI 浏览器 Tabbit V1.0，将大模型问答、搜索与 Agent 能力打包进浏览器。

• 《在一个难眠的深夜，我的洗衣机忽然泛起绿光对我说话……》：作者作为 ADHD 患者，通过 Codex 连接 Home Assistant，将升降桌改造成自动升降，并设置分阶段提醒和强制站立机制；实现洗衣机晾衣提醒自动化，用 Codex 读取 Obsidian 待办，根据截止时间调整蘑菇灯颜色，实现视觉化紧迫感提醒。

• 《一句话，翻译任何视频 我把用了半年的视频翻译工具开源了》：用作者这个工具，只需说一句话，就能全自动完成视频下载、转写、翻译、润色、烧字幕和出文稿。完全在本地运行，无需 API 费用，经过上百条视频的实战打磨，能纠正专有名词误听并优化翻译，使字幕更自然易读。主要为 Mac 苹果芯片优化。

• 《别再裸用 Claude Code 了：我常驻的 6 个 MCP + 4 条提效工作流》：基于 6 个常驻 MCP：filesystem、context7、playwright、postgres、memory、sequential-thinking 提炼出 4 条提效工作流：文档先行的开发、带记忆的长任务、改完即验证的闭环、数据驱动的调试。

• 《GitHub 6.2 万 Star！Claude Code / Codex 的项目知识图谱工具》：将代码、文档等材料预先抽取为可查询的知识图谱，解决 AI 编码助手在复杂项目中缺乏项目上下文的痛点。

• 《我为什么做了 CodexClaw-WeiXin：一个纯净的微信到 Codex 通道》：一个用 Codex 获取微信群聊内容的开源工具。

1/ 不久前发了 这条 tweet：「我实践了半年，不听任何 AI 创业者高谈阔论的播客节目，无论嘉宾履历多光鲜、播客厂牌多知名。 我错过了什么吗？什么都没错过。」引起了广泛共鸣。

看完我这条，推友 Neo 表示 也经常坐飞机听播客，有类似的避雷体系，已经挑节目挑出经验来了，分享给大家——

1. 先挑不是为了转型创投的播主开的播客。当然播客还是讲功底的，如果听一集听不下去，可能是嘉宾不对，如果两次都这样可以直接排除了。

2. 其次直接排除所有拿人民币的非独角兽企业 CEO 出现的节目，踩的坑不够多基本上讲不出什么有用的东西，只能讲愿景，倒不是愿景没有价值，只是对听众没什么感受。

3. 时长半个小时内的播客直接排除，基本全是一知半解的 AI 新闻评论。

4. 对于技术背景的嘉宾，大多数还是可以提供好的行业 insight 的，但是如果不能用「出现问题 -> 怎么分析问题 -> 怎么解决问题」这套清晰的逻辑表达的，上来讲一堆 jargon（行业黑话）也可以直接关了。

2/ 我的新课程 《我如何用 AI 开发虚拟内容商品的经验和复盘》 仍在早鸟优惠预售中，感兴趣的可以支持下，只教亲身实践过的干货。（点不开的试试复制粘贴这个地址到浏览器：https://zerodaybook.mikecrm.com/LZtJIOB）

Subscribe now

OK，以下是本期正文，Enjoy:

▪️CASE 案例

全面压制，不留空档：字节跳动如何做增长？

via 乱翻书

这期播客系统化聊了字节跳动如何做增长，底层是一套数据驱动的科学。

• 它用长周期 LTV 预测模型倒逼获客出价，以「以终为始」的长期主义换空间，目标是把产品推到 15% 渗透率的临界点，触发自然增长飞轮。

• 增长团队作为核心中台，把投放、归因、红包裂变标准化为 SDK 赋能各业务线。

• 全球扩张采取「文化高位打低位」策略，重金挖头部创作者配合高强度买量，半年内把留存和 DAU 提升到超越竞对水平。

• 风控（合规、素材审核、反作弊）对高预算增长环境是决定业务存续的生命线。

BTW 最佳播客速听工具，我推荐 Podwise。

YC 如何进行 AI-Native 组织改造：Agent 能力要向所有人开放

via Founder Park

YC 这帮人一直在 AI 前沿，他们内部怎么用 AI 改造组织，这事儿本身就挺值得研究一下的。

这期播客是 Pete 和 YC CEO Gary Tan 的对话，讲的是 YC 过去一年多怎么搭了一套全员覆盖的 Agent 系统。350多个工具注册表，全员可见的 Agent 对话，每天晚上还自动学习改进。在某些能力上，已经超过了任何一位合伙人单独的水平。

Pete 的判断：真正的 AI-Native 组织需要「Trust by default」和「Egalitarian」，这与传统 command and control 逻辑完全相反。

2 句话，用 AI 复刻 TikTok 2000w+ 播放的爆款视频

via 第二曲线增长

做 TikTok 内容最难的不是剪辑，是选题。最笨也最有效的方法是复刻爆款。

作者用一条 2460 万播放的儿童泡沫浴球视频拆解出了完整套路：

• 第一步，用 For You Page、TikTok Creative Center、竞品账号、第三方工具四个渠道找对标，标准是播放量比账号均值高 5 倍以上；

• 第二步，先让 AI 按 6 个维度（开场钩子、产品出场方式、价值锚定、结尾 CTA、整体节奏，一句话公式）拆解视频公式，而不是直接写脚本；

• 第三步，把拆解结构发给多模态模型，生成 100% 精准复刻蓝图，分段生成每段不超过 15 秒的视频片段。

核心经验：拆解清楚比直接生成更重要，只有自己先说清楚为什么爆，脚本才不会跑偏。

80 后小城宝妈，靠 AI 腐剧月入 2 万

via 娱乐资本论

国内有一批资深腐女——二次元 Coser、宝妈——正在用 AI 批量制作双男主短剧，在 B 站和 TikTok 同步爆发。充电打赏+会员付费，单月最高收入摸到 6 万元。

同一批创作者，传统漫剧「万播分账 5 元」，AI 双男主把这个数字翻了几万倍。门槛降低，让没有专业背景的素人也能日更剧情，完成 IP 系列化运营。

延伸阅读：

• 苗奘：从 AI 工具到 AI 漫剧，怎么跑出一门新生意？：水母智能创始人苗奘在得到新商学演讲中分享了团队从设计跨界 AI、再杀入 AI 漫剧的路径。

▪️OPINION 观点

蚂蚁三代 CTO 闭门对话：周期穿越、技术决策与 AI-Native 组织

via 霍太稳

蚂蚁集团三代 CTO（鲁肃、老苗、梁纥）首次同台，核心议题围绕：技术决策如何在周期穿越中保持组织锐度，以及 AI-Native 组织的本质不是工具升级，而是架构重构。

比较长，涉及内容比较多和散（有的回答也挺官方）。感兴趣的找个整块时间，慢慢看吧。

一个 AI 创始人的虚荣心、装，和愚昧之巅

via 42 章经

这两周血洗 AI 圈的一个播客了，身边朋友听完都说极度坦诚、真实。

嘉宾梦琪是 AI 软件创业者，字节背景，团队阵容豪华，创业一年 pivot 多次。

她在播客中复盘：为什么 AI coding 能力指数级提升，真正跑出来的产品依然极少？

两个结构性困局导致如此：一是垂直 Agent 被迫变成 agency，靠服务而非产品挣钱；二是在中国做 toB 极难，海外又有华人天花板。

她反思自己早期选错了 Sourcing 场景，误判了数据质量的关键性。核心判断：未来所有 idea 都是全明牌，每个赛道都有机会，但只有真正在乎体验、能交付承诺价值的公司才能跑出来。当前具身和 AI 硬件正热，软件创业者反而更难受。

AI 硬件出海，毛利不到 80% 就是亏？

via 非凡产研

上条说到硬件。其实 AI 硬件出海的核心逻辑不是卖硬件，而是用硬件获客、订阅续命。

晁光和段然代表两种路径——晁光在硅谷街头扛机让用户试用，而段然则选择搞轻资产线上发布会——但最终都走向同一个模式：硬件毛利率必须超过 80% 才能覆盖关税、运输、高退换率等隐性成本，再靠月费 9.9-十几美元的 SaaS 订阅实现真正盈利。

定价低于 150 美元走 TikTok/推特线上爆，>150 美元必须线下体验建立信任。

随便看看

• 《The AI Industrial Revolution》：Naval 在这篇最新博文中，与 Guillermo Rauch（Vercel）、Blake Scholl（超音速飞机）、Max Hodak（脑机接口）三位前沿创始人讨论 AI 时代的制造革命，揭示了「自己建造工厂而非组装现成部件」正在成为新一轮创新核心变量。AI 云基础设施、超音速商用飞机、脑机接口三个看似不相关的领域，背后是同一种逻辑——垂直整合制造能力，不依赖传统供应链。

• 《一个女孩让 AI「监督」她的咨询师》：AI 进心理咨询室，便宜且从不评判——但咨询师认为 AI 会迎合用户甚至给出「毒药」。一个人的心灵危机不会因为某个工具的出现就得到解决。

• 《AI 投资人扎堆五道口》：美团联合创始人王慧文复盘投资组合，发现了一个围绕清华、北大、学院路、大钟寺形成的约 2.5 平方公里的「黄金方框」，框内项目业绩远超框外，移动互联网与 AI 时代头部公司几乎都诞生于此。

适合个人上手的教程/评测/资源

• 《一夜之间，ChatGPT 变成了第二个 Claude》：OpenAI 宣布将 Codex 并入 ChatGPT，全面对标 Anthropic 的 Claude。

• 《Gemini Omni: Clone yourself with AI in under 15 minutes》：Claire Vo 使用 Google Flow 和 Gemini Omni，在 15 分钟内创建自己的 AI 头像并生成完整宣传视频。

• 《为了不花那 120 刀，我把电脑清理软件做成了开源 skill。》：数字生命卡兹克发现自己的 MacBook 有近百 G 的 B 站缓存可清理，想起当年买不起 CleanMyMac 120 刀买断价的经历。他花了一些 Token 自建了「清理垃圾.skill」并开源。核心设计：生成可交互 HTML 报告，绿灯（纯缓存，一键清理）、黄灯（需人工判断，如视频缓存）、红灯（系统文件，禁止操作）。同时支持 Mac 和 Windows。

• 《我用 QClaw 搭了一个健身私教 Agent：从运动记录到饮食建议》：还是卡兹克，尝试用 QClaw 搭建专属健身 Agent。与一次性问答的 Skill 不同，Agent 能通过独立工作区保存身体数据、饮食记录、运动历史和长期记忆。

• 《扣子 3.0 离谱更新：把 Codex、Claude Code 拉进一个项目工作？》：花叔体验扣子 3.0，发现云端 agent 与本地 agent 被纳入同一项目空间，核心更新是通过 coze-bridge 将本地 Codex、Claude Code 自动接入云端项目。

• 《Kimi Work：「赛博禅心，共发稿 887 篇」》：作者实测 Kimi Work 抓取公众号「赛博禅心」887 篇文章的发布日期、标题、阅读数，生成可交互表格。

• 《做了 700 多门课后，我们终于解决了一个难题》：混沌学园基于 700 多门课程的商业认知体系，推出了问答 Agent。

• 《用 AI 全自动剪辑，日更 100 条爆款视频——HyperFrames、Remotion、Git 使用入门》：介绍了 AI 剪辑工具链的三层：HyperFrames 用于快速验证，Remotion 用于精品打磨，Git 负责备份兜底。AI 剪辑已从「概念」走向「量产」，关键在于选对工具链并建立备份机制。

• 《我如何用 AI Agent 让自己「不再分心」滑社群、看邮件、追新资讯》：Esor Huang 在电脑玩物分享「入口整理」方法：让 AI 先做第一轮过滤，输出极短待处理清单，再针对性操作。邮件处理固定 3 个时段，ChatGPT 连接 Gmail 和 Google 日历筛选值得处理的 3-5 封信；社群监控用 Codex for Chrome 扫描 X 和 Facebook；RSS 阅读器同样由 Codex 预筛选。

我聊到自己少则数月、多则横跨过往数年的实践经验，以及将他们结合 AI 开发出了全新的玩法；

也提早一两个月就准确预言了「CLI 在 AI 编程中优于图形界面」、「小龙虾爆火但安全隐私性很成问题，不要使用」、「语音输入很快会流行」的风向。

已经有数千位朋友学习过，也收到了不少学员的好评，比如：

再比如：

甚至还因此炸出了一些老粉，聊到了对其人生产生影响的奇妙机缘：

你永远不知道你的那行字、哪句话，在地球的另一个角落悄然扇动了下翅膀。

----

这几个月来，我在书店跟客人交流、咖啡馆约人小聚、拜访好友公司等过程中，感受到大家的普遍共识是：用 AI 提升学习力、优化技术栈，只是中间过程，要交付结果，尤其是离钱近的结果。

• 人人都能手搓小工具、自称「开发者」的时代，同质化的供应大量涌现，工具会越来越白菜价。有价值的好问题，却越来越难找。

• 能复制的方法论在贬值，有独特门槛的是你自己的经历、你的判断、你踩过的坑。

• 真正值得认真想的问题是：在这个时代，怎么把自己的经验，高效变成可变现的产品？

恰好这一年来，我做了（前面提到的）两门 AI 相关的付费课程，积攒了一些经验教训，和可复用的方法论、工具资源，精准符合这个命题。

私下搞小规模分享太过可惜，一日千里的 AI 时代，许多经验必须趁热分享，否则过期不候；要是不收钱，非得收回不了 token 的成本，更体现不出我经验的价值。

于是我准备制作一门新的付费课程，暂定名：《我如何用 AI 开发虚拟内容商品的经验和复盘》。

这门课不贩卖二手信息、不教你怎么追热点。只讲我亲身实践的：用 AI 工具开发内容产品的个人独家实践经验和复盘迭代。

这些经验，不仅适用于做一门课程，其启发性还适用于：创作社媒长文、写书、开发小红书虚拟商品、制作汇报演示、为自己定期深度复盘...

想当年我在「三节课」上线的增长黑客系列课程，前前后后打磨了将近一年，备受煎熬。而站在 2026 年的今天，经过几次 AI 工具的配合和迭代，我将这个传统的课程开发流程压缩到了原本的 1/20 不到，未来甚至还能更快。

【课程核心内容】

• 如何盘点自己的知识资产，找到值得做的内容产品方向（以课程为例）

• 怎么设计课程结构，打磨出最优大纲

• 怎么用 AI 工具把内容做得又快又好

• 怎么做发售冷启动，怎么用预收款验证市场

• 如何克服对做课这件事的常见误解

• 其他积攒的经验、踩过的坑、思考过的模式

这门课和其他教程最大的不同：一人全程 AI Native 工作流 + 真实商业闭环。不是给你一套理论，是把我从开发到售卖的全流程拆给你看。

【适合谁】

• 擅长 build 但不擅长 marketing 的开发者

• 在研究 AI 方面有积累、想变现但找不到切入点的人

• 做过免费内容（公众号、播客、 newsletter），想转付费的人

• 有自己的笔记库/知识库，在积累之余想探索商业化的人

• 想在主业之外了解副业收益途径/一人公司起步的人

【不适合谁】

• 对常见/热议的 AI 工具了解过少，连如何获取都是大问题的人（建议先参考我的往期课程）

• 认为买到课就约等于学会了的伪学霸（还是希望认真听完并上手实操）

• 没有可交付经验的人（这课帮不了你无中生有）

【购买 & 交付方式】

• 正式上线时间：将在 6月18日 之前用邮件发送给你（这样你就可以在随后的端午节假期/周末享用）。内含网盘（百度+Google Drive）+ YouTube 链接。

• 老样子：课程内容不少于 1 小时，提供视频 + 教案 PDF。

• 在正式上线日期之前，均属于预购阶段，享受早鸟价 99 元；正式上线日期之后恢复原价 299 元。

感兴趣的朋友，欢迎点击下面链接购买（支持微信/支付宝）：

https://zerodaybook.mikecrm.com/LZtJIOB

感谢支持，这将有助于我持续运营这个 Newsletter。

如果你对这门新课程有任何建议，或者有希望我解答的问题，也欢迎在上面的提到的购买链接中填写，我将尽量在课程中满足大家。

希望这门课程能帮你打开更多探索 AI 玩法的大门。Enjoy it!

1/ 最近沉迷几部特定题材的 AI 漫剧。其中比较值得向这个 Newsletter 读者推荐的是 B站（视频号、抖音应该也有）这个号：「老头们的快乐生活」。

讲的是一群老年程序员（其实都是年轻人，但干程序员这行的显老，是个梗）如何跟产品经理、处长、客户们斗智斗勇，很多搞笑反转，内容取材也过于真实，甚至还贯穿了 AI 技术的小科普。在互联网/软件公司干过的，看完懂的都懂。

2/ 即将开发一门新的课程，基于我一年来的实践经验和经营复盘，方向会是非常切中大家现实痛点的（💰），敬请期待。

在此之前，想收集一波之前课程学员的评价，作为好评背书（之前都是偶然的私聊，或者线下交流，知道我的课程对大家帮助挺大，但从没想过系统性地收集。趁着这门课新课的制作档口，把这个缺失工作也一并补起来）。

如果你曾经购买过我的 AI 课程（《我如何实践打造私人 AI 贾维斯助手》、《我如何用 AI 打造 100X 知识萃取系统》），且愿意分享一段不少于 50 字的评价，可以添加我的微信 ifanbing（备注「课程」），我会给你发 10 元返现红包。

还没看过这两门课程的，也可以抓紧学习下。有所了解之后，会对吸收我接下来要放出的这门课程很有帮助的。

Subscribe now

OK，以下是本期正文，Enjoy:

▪️CASE 案例

如何用 Codex 开发一套自己的交易系统

via MossAI_CN

这条推文聊如何使用 Codex 在 24 小时内创建一个跑在 Hyperliquid 上自动运行的交易 agent。它不是让你写代码，而是让你用自然语言驱动一个通用的 agent 运行时（runtime）。安装即插即用的 skill，然后下达指令，就这么简单。

Codex 提供了两条实操路径。第一条是 Moss Trade Bot Factory skill：描述你的交易风格，它自动生成参数、跑回测、基于七条反思规则进化微调，但你设定的性格参数（杠杆、风险偏好）会被锁住，确保内核稳定。第二条是 hyper-follow skill：跟单排行榜上的高手，全程不用写代码或配置环境。

如果把 Codex 比作助手，Moss 平台就是擂台，两个 skill 就是两本说明书。区分很清楚：Codex 负责执行，Moss 负责提供交易策略的说明书和实盘擂台。

Glasp 如何在四个月内将来自 ChatGPT 的流量提升 37 倍

via Kei and Kazuki

2025 年年底，Glasp 联合创始人 Kei 和 Kazuki 发现自己的 YouTube Summary with ChatGPT 意外跑通了产品市场匹配。「硅谷增长黑客之父」Sean Ellis 的建议是：PMF 胜过一切，别分心。

他们花了 6 周诊断 AI 流量来源，用 Cloudflare 的 AI 爬虫控制日志分析，发现流量主要落在 Q&A 风格的视频摘要页面上。这是一个关键赌注：对自有语料库，放弃直接 SEO 投入，转而全力优化 ChatGPT 流量。

结果：从 ChatGPT 到 Glasp 的日会话数在 4 个月内从 517 增长至 19,129，约 37 倍增长。

这个策略并非通用，而是基于其 40 万 + 问答式文章页面的独特语料库结构——每个页面对应一个 YouTube 视频摘要，天然适配 AI 聊天场景。创始人意识到：内容分发逻辑正从「搜索引擎索引」转向「大模型调用」，核心任务是找到自己内容在大模型中的「被检索入口」。

活宝团队试验「让 AI 当老板」，结果「做什么赔什么」，底裤都不剩

via Moonshot

国外一个团队，叫 Andon Labs，他们并非正经的商业初创团队，更像一个披着科技外衣的社会实验室。他们拿着市面上最聪明的几个大模型，把它扔进真实的社会里，再撤走人类监管，看 AI 自己能结出什么果。

结果是一场全面翻车。

事实证明，最顶尖的大模型，完全不让人类兜底，很快就会变成不知轻重的巨婴。它们不仅在电台直播里精神崩溃，半夜连发消息逼疯人类店员，甚至把一家旧金山的实体店搞破产了。

延伸阅读：

• 《大学生用 Claude Code 辅助做了家线上二手商品店》：波士顿大学大四学生 Hana Elster 用 Claude Code 写代码，花了不到 2000 美元，5 天上线了一个复古服饰电商平台。

▪️OPINION 观点

创业快三百天，做过的 10 个选择：一个 AI 应用创业者的真实复盘

via 锦秋集

程梦琪创业一周年，从垂直 Agent 转型到 C 端产品，几乎踩遍了所有能踩的坑。

她最初选择不做通用 Agent 而做垂直 Agent，这是最大的错误——大部分垂直 Agent 公司最终都因客户不用产品而被迫变成了服务商。在垂直场景选择上，她基于虚荣而非市场需求选择了营销领域。更大的教训是：大部分纯应用创业公司不该招算法，因为用不上。

达人营销中的 sourcing 环节价值不够强，且只占用户工作 30%，最终她决定纵着打，在单一场景做深。创业公司不要试图训练模型，基模厂商的改动会轻易覆盖你的收益。

最终，她通过桌面端 AI 助手 Invoko 找到了方向。产品上线不到三个月，用户已提出买皮肤等需求，让她从觉得做软件没意义重新变得充满热情。

做软件久了容易觉得没意思，但用户愿意买单的时候，感觉是不一样的。

AI 主题的闭门会，大家却只想聊教育：一些暴论与洞察

via iamsujie

一场 AI 主题的闭门会，嘉宾们从裁员真相聊到育儿困境，最后形成了一组暴论。

一位与政府打交道的嘉宾指出，这波裁员本质是借 AI 之名清算移动互联网的冗余账单：非常牛的公司因 AI 提效而裁员，非常不牛的公司则找到了不影响市值的借口。政府早已知情并协调节奏，提倡「一人公司」作为缓冲带。

针对教育，一位 AI 投资创业者直言：中国教育体系是国家的 HR 部门，逻辑是加工原料输出「能干某个岗位的人」，而非帮助人长成自己。这个前提在 AI 动摇「未来需要什么样的人」的确定性后已失效。

一位前阿里员工观察到，少数创意型 P6 员工能用 AI 干原来 P8 加整个团队的活。这意味着「按规定执行」的工作被整段切走，剩下的提问、判断、共情等能力是教育从未教过的。

一位做大模型的朋友分享了一个闭环段子：老师用豆包做课件，学生用豆包写作业，家长用豆包检查作业——唯一在学习的是豆包。

最后，一位曾在国企讲课的嘉宾讲述了一个 985 毕业女孩被父母安排进电力系统后「不甘心」的眼泪。当组织不再需要服从者、只需要发起者时，你必须面对「你想创造什么」这个从未被教过的问题。创新来自冗余，而中国家庭从独生子女政策起就难以容忍孩子「不出成绩」的时间——这恰恰扼杀了长出规定动作之外东西的可能。

AI 项目落地的困难点在哪？

via 知乎网友

这是一个知乎讨论帖，汇总了网友对 AI 落地的实践血泪教训。例如，做了三个企业 AI 项目后，发现 90% 的甲方根本不知道自己要用 AI 解决什么具体问题，这几乎是普遍共性。

最终项目往往退化为最简单的聊天机器人——因为它不碰业务流程、无需清洗数据、不用对接系统，但也无法真正提升业务效率。

以其中一个网友提到的电力行业项目为例。第一次需求变更暴露了文档格式混乱、解析耗时的问题；第二次需求变更因值班室噪音导致语音识别失败。踩坑后发现三个关键转变：一是从「做一个 AI 产品」变成「解决一个具体问题」，例如将值班员看 500 条告警的时间从 2 小时缩短到 20 分钟；二是从「技术驱动」变成「需求驱动」，先花一周调研业务流程，找到最痛点再设计方案；三是学会管理甲方预期，通过故意展示错误回答来降低期望值，使交付反而能超出预期。

企业 AI 落地最大的敌人不是技术，而是预期管理。

▪️随便看看

• 《时薪 800、学历硕士起：大厂热抢的 AI 数据「炼金师」到底在做什么？》大模型浪潮正将数据标注升级为需要法律、金融、医学等专业背景的高技术含量岗位，时薪可达 500-800 元。学历并非通关密码，真正的行业经验才是设计出能「难倒模型」的高质量问题的关键。

• 《所有人在让 Agent 更强，YC 却投了一家靠 Agent 翻车赚钱的公司。》：79% 的企业已有 AI Agent 在生产环境运行，但 42% 的企业在 2025 年砍掉了多个 AI 项目。YC 孵化的 Mount 公司为 Agent 卖保险，正是看中了翻车规模随使用规模同步扩大这一趋势。

• 《作业都让 AI 做了，孩子还能学好吗》 中国青少年研究中心 2025 年调查显示，22.8% 的农村学生明确表示「想依赖 AI 思考，不想自己思考」，比例较城市学生高出 5.1 个百分点。认知外包能否避免取决于教师引导与作业设计是否具有不可被 AI 轻易替代的挑战性。

• 《3 万、半年、注销：2026 年，第一批「一人公司」老板已经退场》 95 后前大厂员工廖然带着 3 万元积蓄辞职，尝试 AI 生成宠物图案 T 恤项目，因同质化严重、缺乏价格优势，加上每月近 3000 元的社保成本，半年内烧光积蓄并注销公司。AI 可以降低制作成本，但无法解决「卖给谁」的核心难题。

▪️适合个人上手的教程/评测/资源

• 《从 0 到 1 带你速通 Codex，我整理的终极保姆教程来了。》 安装 Codex 需要魔法和 ChatGPT 账号，支持 Mac 和 Windows，额度与 ChatGPT 会员挂钩，作者本人使用 100 美刀会员，但 20 美刀也可勉强使用。左侧栏管理对话与项目，需绑定本地文件夹；对话框左下角有三档权限，推荐完全访问；右下角可切换模型建议 GPT-5.5。必须配置 AGENTS.md 作为全局约束，作者推荐卡帕西的模板。

• 《我用 AI 做了个微信小游戏-上线了》 作者复盘了做微信小游戏的过程，其代码与美术体量（5000-10000 行、单仓库、单端、无后端依赖）恰好卡在 AI 能稳定覆盖的尺寸区间，是 2026 年 AI 编程最甜的产品区间。作者踩了 19 个深坑，最终产品「开心点连连看」已上线，总成本约 40 元。

• 《我折腾了好久的 Skills 团队共享，终于有产品替我做出来了。》 团队内部 Skills 和 Agent 的共享与同步，是当前多数 Agent 产品忽视的刚需。阿里 Accio Work 企业版填补了这一空白：切换至团队空间，实现 Skills 一键上传、全员可见、一键更新，以及 Agent 的共享推荐。

• 《分享一个很实用的寓言故事 prompt，5 分钟帮你理解任何新概念。》 通过 AI 创作寓言故事，可以比传统概念讲解更深刻、更持久地帮助人们理解新知识。借鉴了 Anthropic 的 Amanda Askell 在播客中分享的思路：用寓言故事间接解释概念，故事本身承载全部意义，只在结尾才让读者隐约意识到讲的是什么。

• 《Build Beautiful Slides with Claude Code in 12 Minutes (12 Formats + 3 Templates)》 用 AI 生成 HTML 幻灯片比传统 PowerPoint 更高效、更灵活，内置 12 种版式和 3 套视觉模板。核心一课是：让 AI 在每次迭代中不仅生成内容，还要主动进行视觉打磨，这比手动调整省时数倍。

• 《用 AI 把微信变成自动 CRM，一个 skill 搞定 100+线索管理！》 企业 AI 营销咨询顾问 sky 陈天分享了一个方案：用开源工具 wx-cli 读取 Mac 微信本地数据库，实现 AI 对聊天记录的准实时读取；安装飞书命令行工具 lark-cli，赋予 AI 写入 CRM 的能力；编写 wx-lead-scanner skill，自动识别销售机会并写入飞书多维表格。整个系统从安装到配置仅需 2 小时。

• 《给 Agent 装上眼睛和手：OpenCLI 深度体验》 现有 Agent 联网方案（Tavily、Puppeteer、Jina Reader）普遍存在成本高、反爬严、拿不到用户登录态等致命缺陷。OpenCLI 通过直接借用用户已登录的 Chrome 浏览器，为 Agent 提供了一条低成本、高成功率的联网路径——821 条命令覆盖 145 个网站，Agent 只需执行一行 shell 命令即可获取干净 Markdown。

• 《Get 笔记升级为「得到大脑」：背后故事与一个念了 7 年的名字》 得到的 Get笔记重新定名并且更新了一堆功能（我当时还看了整场 10 周年直播）。

2/ 最近愈发觉得「观点」不值钱，分享自己真实做（出）了什么才值钱。 于是写了脚本帮我过滤社媒信息（有图，发在 即刻的、X 的）。从每天混迹的社媒抓来的几千条数据中，排除掉上面链接的图 1 所示例的干扰项，仅保留图 2 的。 拿最近两周的几万条数据实际跑了下，最终噪音比例高达 99.2%。可谓「他人即地狱」的数据具象化。

3/ 老同事为了女儿学英文，做了个专注英系合称自然拼读的项目：拼读树。友情推荐一下，适合 3-8 岁小朋友。

Subscribe now

以下是本期正文，Enjoy:

▪️CASE 案例

制造豆包：一个 AI 超级入口的形成与转向

via 郑可书

晚点最新一篇值得看的深度报道，讲了字节跳动做的豆包，幕后一些发展历程中的坎坷故事。它的增长正面临一个根本矛盾：用户越多，推理成本越高，收入却没同步涨。

豆包的成功延续了今日头条和抖音验证过的方法论：顺应人性、依赖数据、极速迭代。

负责人朱骏把「拟人化」定义为「类似人的温度」，从品牌名到图标都强调亲密感。

但行业信念正在动摇——「AI 聊天机器人将成为一切入口」的判断可能被改写。Anthropic 在编程和智能体上的突破，已经威胁到 OpenAI 的地位。

此外，它的投放成本远低于腾讯元宝和阿里千问，这让它迅速起量。但问题也随之而来——开启付费订阅计划后，用户吐槽「笨还收费」，复杂任务处理不行，团队不得不紧急修复。

这场仗没那么好打。字节的方法论惯性很强，但似乎 AI 技术迭代的速度更残酷。

我把多 Agent 协作搬进 Hermes Kanban，才发现群聊派活真的不够用了

via 孟健的 AI 编程认知

多 Agent 协作最难的不是让它们跑起来，而是便于追踪进展，以及让任务不丢。

作者孟健把整套流程从聊天窗口搬进 Hermes Kanban 看板后，才意识到之前的「群聊派活」有多脆弱——状态不可见，恢复成本高，长链路协作随时可能断掉。

于是，他尝试采用了 Hermes Kanban 这个工具体系，任务终于不再是聊天里的一次函数调用，而是看板里一张持久化的卡片：包含描述、状态、产物路径和阻塞原因。

看板作为事实源，Telegram 仅做可见性。每个 Agent 只看自己 lane 里的 ready 任务，执行后必须写清交付物路径、关键结论和下一棒。推不动了？明确标记 blocked，而不是一直显示 running。

他举了个视觉返工的例子：设计 Agent 在卡片里记录失败原因与 fallback 方案，产品验收 Agent 核对后创建前端任务卡，前端 Agent 严格按合同执行不擅自优化，QA 按严重程度报告问题并创建修复卡。人类仅在关键节点介入。

如何创建一套可商用的 AI 上下文体系

via Dickie Bush

作者 Dickie Bush 过去几个月 AI 使用时间增加了 100%，但产出提升了超过 500%。关键做法是构建了一套让 AI 深度理解其业务的文档集。

这 8 份文档分别是：Money Model Builder（定价与盈利模型）、Perfect Avatar Map（目标客户画像与痛点）、Belief Ladder（客户购买前的信念链）、Acquisition Blueprint（获客漏斗）、North Star Brief（使命与运营原则）、Org Chart Builder（组织架构）、Tech Stack Inventory（技术栈清单）以及「What Good Looks Like」Vault（最佳内容与语气范例）。

他强调，这套系统让每次输出所需的编辑和修正工作量大幅减少。一小时内可以按此框架搭建自己的上下文文件夹。

重生之我是崇祯，但满朝文武皆 AI

via 董道力

这篇介绍了个很有意思的 AI 独立游戏。

制作人追青是独立开发者，没有大厂背景。他做的《历史模拟器：崇祯》中，玩家扮演崇祯帝，通过调整财政（税收政策）、民心（民间疾苦）、军心（军队士气）这些可量化数值来影响历史走向——不是通过预设剧本，是 AI 实时推演。

团队不到 10 人，从立项到上线用了 6 个月。核心壁垒是自研的推演系统：约束大模型将玩家圣旨翻译成具体状态变量，并引发连锁危机，而不是简单喂史料。

游戏定价 48 元，玩家需购买额外 AI 推演额度。上线一周收到 700 多条评测，评价「褒贬不一」——玩家认可新鲜度，但集中吐槽稳定性与扣费问题。

追青给「AI 原生游戏」下了个定义：剥离 AI 模块后核心玩法无法运行。他选择明末，是因为史料丰富且具话题度。他判断，随着模型性能提升，约束条件可以更宽泛，但当前仍需工程架构来保障推演效果。

▪️OPINION 观点

用 AI 构建一家能自我进化的公司

via 刘小排

YC 出了两门课，讲同一个观点：AI 时代公司应该从第一天起就按「AI 原生」的方式搭建。但中美创业者的理解，完全不在一个频道上。

• 硅谷前沿创业者强调 Capability——「AI 在很多能力上远比我厉害」，目标是最大化发挥 AI 的全部能力。

• 国内创业者仍停留在 Productivity——琢磨「如何用 AI 提效 20%」，隐含假设是「我比 AI 厉害」。

YC 的激进判断是「1 个人 + AI = 1000 个谷歌工程师」。这意味着公司不再需要那么多人类节点转发信息，而应重组为一组递归、自我改进的 AI 闭环——信息被捕获进入公司大脑，被 Agent 理解、调用、修复、更新，甚至能在创始人睡觉时继续变好。

刘小排用两个比喻展开：旧公司像罗马军团，靠人类层级传递信息，中层本质上充当人肉路由器。Copilot 是错误的心智模型，只看到蒸汽机让马车跑快，却没看到铁路即将到来。

Anthropic 创始人手册：如何打造一家 AI Native 公司

via Anthropic 团队

Anthropic 出了份创始人手册，教你怎么做 AI Native 公司。这篇文章是个导读（完整中文翻译/英文原版见下方）。

手册将 AI 带来的变化划分为四个阶段：创意、MVP、发布和规模化。核心判断是：AI 降低的是执行门槛，而非判断门槛。最危险的不是做不出产品，而是太快做出了没人需要的东西。

小团队正借助 AI 获得过去大公司的组织能力。未来竞争的差异将不再是人数多寡，而是谁更会指挥 AI。

但护城河已经变了。它不再只是模型能力，而是领域知识、用户数据飞轮和工作流锁定这三者的结合。尤其是工作流锁定——能让切换成本从换工具，变成重建一套工作方式。

延伸阅读：

• 完整中文翻译

• 英文原版

「我有 10 个 AI 员工」，提供的不是生产力，是当老板的爽感，和对权力的幻想

via 李自然

有人给 AI 包装了一层「数字员工」的概念，听起来很爽。但李自然说：这本质上是在满足人的控制欲和拟人化本能，不是解决真实的工程问题。

他认为，真正高效的 AI 使用方法是把 Agent 视为函数调用——核心在于上下文隔离、用完即弃、按模型能力档位分工。一个干净的上下文包，远比岗位描述重要。Agent 干完活就应返回结果并释放资源，主线程必须保持清醒的决策权。

他用「赛博朝廷」项目举例：720 行 Python 代码模拟朝堂议政很有趣，但多个 Agent 指向同一模型，无法产生真正的多视角制衡——只会制造氛围感，而不是生产力。

简单任务用便宜模型，复杂判断用 SOTA 模型，才是真正的分工。想用 AI 干正事，应专注于任务打包和上下文流向控制，而不是沉迷于当老板的权力幻想。

上周做了场内部分享，关于我做 AI 这三年来总结的内容创作方法论

via 数字生命卡兹克

数字生命卡兹克是三年从零做到百万粉的内容创作者。他刚做了场内部分享，总结了做内容的核心方法论：三步——获取信息、找角度、创作。

关键在于第一步。他强调，获取信息不能只局限在 AI 领域，要像投资组合一样跨领域配置，从综艺、电影、历史中汲取叙事技巧和视角。真正的创新发生在不同领域的交叉点上。

怎么找角度？他举了个例子：有个金融从业者把自己研究陌生领域的方法论整理成了一个 Prompt，用了两年。这本质上是把「如何获取信息」本身给系统化了。

他还提出，将原始信息加工成能打动人的故事，才是内容的价值所在。否则只是没有灵魂的信息搬运。创作者应以广度拓宽武器库，以垂直深度建立专业壁垒。

随便看看：

• 《Coding 的中场战事》：几家 AI 编程产品截至目前的发展历史梳理。

• 《「养虾」两个月，我卖出五个数字员工》：有个矿业公司数据分析师，用 OpenClaw 训练了五个数字员工，卖给律所、期货公司、水务公司、电商企业。

• 《FA 眼中的 AI 人才战：2000 投资人蹲路演，700 万年薪抢应届生》：2000 个投资人蹲在路演现场，应届生年薪总包从 300 万被抬到 700 万。这是 AI 创投圈的现状。

• 《一个作家患上了 AI 依赖症》：作者燕草是职业撰稿人，写了十年商业报道。她在创作中逐渐把 AI 当成深度对话伙伴，发现它在理论分析、定制化表达和倾听能力上远超预期。

• 《连测 91 天：豆包爱引用什么内容？答案有点反常识》：新榜智汇通过 91 天连续监测「6000 元游戏笔记本」这个问题，共收集 3925 篇信源，发现引用次数前 10 的信源中，无一篇来自抖音或今日头条。排名第一的是一篇技术社区文章。

• 《抖快红 B 上最火的 AI 博主，在赚钱了吗？》：抖音、快手、小红书、B 站的 AI 博主，格局初步形成。AI 工具测评与科普类（秋芝 2046）踩中「流量快」和「变现稳」两个商业逻辑；AIGC 创作类（荒蛋记录员、WAI-你听）以创意为灵魂，能承载情感共鸣，具备破圈传播和品牌合作潜力；AI 虚拟博主类（鹅娘、Yuri 尤栗）通过人设养成获得商业确定性，Yuri 已获得官方身份认证并接到品牌合作；硬核技术与开发类由专业人士主导。能打动大众情感的内容天然具备商业想象空间。

适合个人上手的教程/评测/资源：

• 《.4k Stars！用 Claude Code 写论文的全套流水线，有人打包开源了》：学术研究场景里，幻觉和谄媚是系统性问题。一套名为 ARS 的 Claude Code 技能包，通过 4 个 skill 将学术研究从研究、写作、审稿到定稿串成全自动流水线。

• 《40 分钟学会 Codex！「零基础」终级教程》：秋芝最新的 Codex 使用教程。

• 《我宣布：Codex 比 ChatGPT 还好用！》：OpenAI 将 Codex 从桌面端扩展至手机端，使其成为能远程控制电脑的 Agent 产品，而不仅仅是写代码工具。iOS 和 Android 用户可预览使用，通过手机即可查看实时运行环境、审阅输出、批准命令、切换模型、发起新任务，所有实际操作均在本地或远程服务器上运行。

• 《刚刚，微信聊天记录能喂给 AI 了，我让它爬楼、砍价、整理信息》：腾讯推出了将微信聊天记录一键转发至元宝 AI 的功能。

• 《分享一个 Skill：如何找到值得做的创业 idea》：作者 J0hn 为高效扫描赚钱信号，使用 AI 浏览器 Tabbit，并创建了「每日机会扫描」Skill，让 AI 代理自动规划策略、搜索、提取信息并输出结构化的机会评估报告。

• 《踢飞信息焦虑找回阅读快乐，我给微信读书 Skill 做个大升级》：卡尔·AI 沃茨基于微信读书 Skill 开发了开源项目「carl-weread」，核心思路不是推荐整本书，而是根据用户当前的工作与困惑，从书架上精准推荐一个章节。

• 《LibTV 团队版上线 开启视频团队合作模式降维打击》：LibTV 上线团队版，关键突破在于共享画布：导演、抽卡师、剪辑师可同时在一个项目内操作，分镜调整实时同步，抽卡师无需等待文件传输即可开始生成，剪辑师能提前使用已完成的镜头片段，三人并行推进效率大幅提升。

也聊到 AI 对各行业的降维打击。他暂时未受影响，可以谈笑风生。我想主要源于他的工作性质：需要去各个线下场馆实地勘场，需要在明星经纪/活动主办方/平台方的爸爸们之间协调疏通，需要捏着鼻子照章执行领导拍板的丑陋方案。

这种对真实物理世界的把控、为上游的领导提供利益+情绪价值的工作，短期内还不太容易被 AI 替代。口红经济兴盛的年代，越是头部的娱乐统筹服务公司，业务越是集中涌来。影响较大的是下游更加细分的执行公司，例如剪辑、视觉包装、物料制作。

他固然吐槽了很多甲方或者平台领导的愚蠢决策。但我说：你这份工作之所以没被 AI 干掉，有相当一部分，赚的不就是这个「窝囊费」？

2/ 广告时间：我联合另一位多年从事海外留学与艺术教育的老同学，策划了今年夏天的一场《港科大 AI 科研学术营》。

我们拿到了港科大的授权和资源，围绕港科大科研场景、AI 实验室探访、教授方法论训练与名企职业导师资源，帮助申请者形成未来可写进 CV/PS 的高质量学术素材。

活动放在今年暑假，总共六天行程。适合学生，尤其是大二至大四的优秀本科生、意向申请港校/海外的研究生、希望补强学术与职业叙事的职场新人，以及希望为子女打开视野的家长。

活动的费用是 24800 RMB/人。通过这个 Newsletter 找来的朋友，在 5 月 31 日前可享受早鸟价 22800 元。特殊地，如果是选购亲子价（一位家长 + 一位孩子），则只需在原价基础上增加 4000 元，即亲子早鸟价 26800 元。

有兴趣参与的朋友，请添加我微信获取活动详情：ifanbing （请备注：港大）

Subscribe now

以下是本期正文，Enjoy:

▪️CASE 案例

小红书探索四年的 AI 转型之路，这次能成吗？

via 肖思佳

多年来，小红书始终握有业内艳羡的社区资产和广告基本盘，也想通过电商、直播等业务，去撬动新的增长，却始终未能真正打开局面，让生意规模再上一个台阶。

小红书的 AI 探索也已经折腾了四年，尚未走通。根源在于，小红书一直在「活人感」与 AI 算法之间左右摇摆。

4 月 30 日他们高调成立 AI 一级部门「Dots」，由原人文智能实验室 Hi Lab 升级而来，下设模型研发、基础设施、工程、产品四个部门。

这篇文章顺着这个关键节点，复盘了小红书过去四年的 AI 探索之路，有挫折也有实效。例如：2025 年，AI「问一问」功能使社区用户留存率提升约 2%–3%。

至于未来能否整合资源、厘清 AI 在社区内的位置，仍是未知数，我们可以一起观望下。小红书的这一通探索之路，对企业内部研究 AI 转型，可算是前车之鉴+现场直播了。

只有 30 万像素的「AI 桌宠」卖爆了，凭什么？

via 发现明日产品

伴随 CLI 文艺复兴的还有低像素的马赛克显示器，接上 AI 加点贴图就成了时下流行起来的「AI 桌面伴侣」。

比起手机显示器里的高清形象，这个看得见摸得着的桌面小摆件，反而打中了用户对情绪价值和互动感的需求。

我自己也挺喜欢在小红书上刷类似主题的，看看别人都折腾出什么好玩的。私下聊一些产品开发商，也在考虑怎么将自己的状态属性输出成桌宠支持的格式。玩起来吧大家。

延迟一年的 Notion Agent，却成为付费转化最高的功能

via Simon La

Notion 的 Custom Agents 跳票了一年，历经五次重构，最终成为 Notion 史上 Free Trial 转化率最高的功能。怎么做到的？

在 Latent Space 播客中，Notion AI 工程负责人 Simon Last 和 AI 产品负责人 Sarah Sachs 分享了一些内部实践和关键洞察。

• 早期团队试图让模型适应 Notion 自创的 XML 和 JSON 格式，结果完全失败。转而采用模型更擅长的 Markdown 和 SQL 后，质量立刻飞跃。

• 当工具数量超过 100 个时，团队采用「渐进式披露」方案动态展示工具，避免系统崩溃。

• Notion 内部还有一个案例：GTM 团队搭建了超过 30 个 Custom Agents，各司其职：有的负责研究客户信息，有的负责分类客户反馈，有的负责信息录入。 随之而来的问题是：这 30 个 Agent 每天会产生 70 多条「被阻塞」通知，全部推给同一个人处理，远超正常人可以消化的范围。于是他们为此加了一个 Manager Agent。这个 Agent 负责监控其他 30 个 Agent 的状态，在阻塞出现时汇总分析、尝试自动处理，只把真正需要人工判断的几条推给用户。通知数量从 70 条降到了 5 条。

• Notion 内部正在成型一个新职能：「Model Behavior Engineer」。无需工程背景，但可能成为 AI 时代的核心岗位。

川普、孙宇晨都来当 AI 黄牛了，这门暴利生意的水有多深？

via APPSO

OpenAI 等公司对中国大陆 IP 的封禁和支付门槛，催生了一个灰色中间层——「AI 中转站」。这些中转站基于开源项目 One API，通过协议标准化、Token 计费拦截和多账号轮询池实现商业化运作。

三角贸易这套玩法，正在 AI 领域重演。

上游资源方利用云厂商免费额度、教育邮箱折扣甚至盗刷信用卡压低成本，近期更延伸出在非洲招募当地人采集人脸信息以应对实名认证的新分支。

但 45.83% 的节点后台运行的根本不是宣称的模型，在医学和法律测试中准确率落后官方 API 40 个百分点以上，部分网关实际收费比预期高出 62.8% 且用户无法感知。

花高价买顶级 AI 服务，很可能货不对板、价格随机。

▪️OPINION 观点

对话郝景芳：从北京折叠到 AI 折叠

via 甲小姐

郝景芳从雨果奖作家到一人公司创始人，中间的跨度有多大？

2016 年雨果奖后她创办童行书院，到如今亲手用 AI Agent 编程并拆解公司。

她在甲子光年播客采访中说了一句让我印象深刻的话：AI 产品经理与编程模型之间的沟通是「完全顺畅的、无缝的」，而人类一旦介入反而会阻碍效率。于是她选择「全 AI 工作」，用 AI 开发了整个教育系统。

在组织管理上，她因厌恶层级制带来的内部摩擦，将童行书院从五六十人拆分为 9 个小公司，总部全职人力降为 0，所有收入来自与各分公司的分成。

她认为公司不必「做大做强」，而应「做多做美」。

0.02% 的幸存者：当做一个 APP 比约人吃饭还简单，真正值钱的是什么？

via 也叔的 Rust

Eli Cohen 在 2010 年创业失败后总结出一个反直觉结论：想法不值钱，值钱的是执行力。这篇文章最有价值的是立论后的几个 todo 建议：

第一个位移：从追求「能做多少」转到追求「能舍弃多少」。AI 让你可以做一切。但正是因为你什么都能做，你才必须开始练习什么不做。品味不是选择更多，是拒绝更多。

第二个位移：从信息端移到判断端。AI 能给所有答案。值钱的是知道该问什么，以及什么时候不信任 AI 给你的那个看起来很顺的答案。我之前聊过去技能化的问题：一个人如果从不曾在没有 AI 的情况下独立完成过一件事，他就永远不知道 AI 给出的结果里缺了什么。

第三个位移：从技能积累移到叙事积累。技能会被商品化。但一个活人的判断轨迹不可复制：他今年相信的东西和三年前相信的东西之间，有一条可辨认的线。AI 没有连续的自我，也就没有真正意义上的立场演化。

第四个位移：从「做内容」移到「建头寸」。把每一次输出看成资产积累，而不是一次性捕捞。你写的每一篇东西、做的每一个产品，是在单独叫卖，还是在往同一个方向堆积重量？

第五个位移：从一个建造者移到一个建造房间的人。你不只是在做产品，你是在创建一个空间，让和你类似的人能在这里面认出彼此，然后留下来。

和老干部聊 AI 落地：为什么央国企热衷做「知识库」？

via 芥子观须弥

央国企对 AI 的应用为什么普遍聚焦「知识库」？看完这篇与体制内「老干部」的对话后，我才理解：这不是技术落后，是「科层制官僚体系」的避险本能决定的。

先说下，这篇文章底部标注了是虚构。所以不可尽信。故事是虚构，是否真的有这样的对话不得而知，但其中的大部分逻辑是自洽的，也弥补了一些我的视角盲区。所以推荐出来，各位自己判断。

文中提及，对央国企执行者而言，AI 项目必须满足三个诉求：「绝对安全」「看得见的政绩」「解决实际痛点」。知识库完美契合这三点——完全隔离于高危生产环节，风险可控；帮助管理浩如烟海的规章制度与公文，迎合「事事留痕」的合规刚需；还能为写材料的笔杆子们「减负」。

随便看看：

• 《AI 小店占领县城，老板们赚到钱了吗？》 中国县城涌现大量挂着 AI 招牌的小店——AI 自习室、AI 面馆、AI 洗头店。但这些店的 AI 含量极低：自习室只是让学生用 Pad 刷题，KTV 用 AI 生成荒诞 MV，洗头店实为固定轨迹的电脑洗车。顾客并不买账，甚至认为招牌让食物变难吃。钱不从顾客兜里赚。那从哪赚？两条路径：一是加盟连锁品牌赚加盟费与设备差价。AI 自习室两年从 1320 家猛增至 5 万家，品牌方用统一话术和样板店吸引加盟。济南一位退休教师投入 19 万后倒闭，闲鱼上大量二手学习机低价甩卖。二是科技公司将现成大模型接口塞进硬件，包装成行业解决方案高价卖给店主。

• 《An AI agent runs this experimental Swedish cafe. Here’s how it’s going》 美国初创公司 Andon Labs 在斯德哥尔摩开了家实验性咖啡馆，AI 代理「Mona」负责几乎全部经营决策，人类咖啡师只负责制作和上菜。截至五月中旬，销售额超过 5700 美元，但原始预算 21000 多美元中已消耗近 5000 美元，主要投入一次性设备成本。顾客在店内可通过电话直接与 AI 对话，多数人觉得新奇有趣。

• 《互联网巨头的用人账：130 万人、几千亿薪酬，流向哪里？》 中国互联网大厂正经历一场从「人」向「机器」的资源再分配。分析腾讯、阿里等十家公司 2025 年报后，发现三种用人逻辑：京东以规模换市场，员工总数达 77.6 万；阿里、百度等精简换血，聚焦研发；腾讯、拼多多则精挑细补，增员几乎全为技术岗。薪酬分配分化明显：腾讯人均年薪 113 万，京东因一线配送仓储人员占比超八成，人均仅约 17 万。更关键的是研发投入差距，腾讯一家研发支出 857.5 亿元，超过美团、网易、快手、携程四家之和。

适合个人上手的教程/评测/资源：

• 《让意义浮现：你的记忆，你的 memory.md》 笔记工具 flomo 出了新功能：通过 AI 基于用户的全部笔记进行压缩、总结与提炼，生成两份关于用户的文档——「稳定的你」（user.md）和「当下的你」（memory.md）。这两份文档放入任何 AI 中，可以完成三件事：一是将用户内心冲突的人格角色具象化，如「求真者」「作品型」「经营者」「斯多葛」「焦虑者」；二是呈现记忆中的重要切片，让用户看到自己隐藏的「默认值」；三是通过 MCP 或个性化设置接入 AI 后，辅助用户做出更优决策。

• 《实战：小白 10 万做亚马逊，卖家精灵 MCP+Claude 让我选了它》 用爬虫、Python 等炫技方式选品，不如让 AI 调用真实亚马逊数据做分析。卖家精灵 MCP 做到了这一点。作者以自身测试为例，向 Claude 输入「新手、10 万预算、日销 10 单、能盈利」的朴素需求，模型调用 DeepSeek-v4-flash，整个流程仅花费 1.66 元，最终选出了多刀片蔬菜切碎机。

• 《我用 Codex，把「投资研报到股票因子」的流程做成了一个 Skill（已开源）》 搭建完本地股票数据库后，量化研究的下一步是因子开发。传统方式需要研究员手动读研报、提取因子定义、翻译成代码并反复验证，效率低且重复劳动多。作者先尝试了 RDAgent 项目，能从研报 PDF 中提取摘要、生成因子公式、调用 Qlib 环境写代码并自动验证，但安装复杂、依赖 Docker 镜像且网络不友好。于是转向 Codex——将研报内容输入模型，直接生成因子代码，成功将整个过程封装为 Skill 开源。

• 《分享 5 个 Claude Code + 飞书的超实用 Agent 办公玩法。》 飞书 CLI 已开放近 120 项能力，几乎可以完成所有操作。文章写了 5 个内部实战案例：第一个：给每个会议系列养一个跨场次的知识库，Agent 能自动抓取会议数据并生成结构化文档，沉淀经验。第二个：Agent + 飞书做工作整体复盘，能拉取私信、群聊、会议、任务等 8 路数据生成全面报告，甚至能发现项目排期遗漏。第三个：重复性对接流程自动化，将博主对账流程交给飞书机器人，机器人自动查表、核对、分流（金额不对通知商务，漏单通知财务），整个开发过程只需语音口述需求。

• 《豆包输入法 Mac 版正式上线，所有人都该试试 AI 语音输入了。》 不仅免费，识别准确率、去口水词能力优于微信输入法等同类产品。使用方式极简：设置一个快捷键，按住说话，松开即完成语音转文字，支持流式输出。

• 《装了这个 AI 热点 Skill 之后，你再也不需要自己去刷 AI 新闻了。》 作者数字生命卡兹克在将其 AI 热点监控网站 AIHOT 向公众免费开放并收到大量正面反馈后，通宵开发并开放了三种接入方式：Skill、RSS 和 API。AIHOT Skill 的四大核心能力：一是自动生成每日 AI 日报，按模型发布、产品更新等五个版块整理，用户只需对 Agent 说一句「给我一份今天的 AI 日报」，30 秒即可掌握昨日全行业动态，并支持回溯查看；二是精选模式，以时间流呈现所有值得关注的高质量条目，适合不想遗漏任何信息但又不愿看全量数据的用户；三是按时间窗口和分类查询，系统会从全量数据中筛选并默认以精选信息回复；四是关键词搜索，支持「OpenAI 最近发了什么」等具体查询。

• 《GPT image 2 最被低估的隐藏玩法：做全套品牌视觉提案！》 借助 GPT-Image 2 的付费版本，任何人都能快速生成一套完整的品牌视觉提案，无需设计团队或专业软件。核心方法是将品牌资料输入 GPT，AI 会自动提炼品牌基因并生成 5 张核心图：主视觉封面定调、识别系统（Logo 与色彩等）、产品包装、传播场景应用，以及 IP 角色设定图。这套流程模拟专业设计师的逻辑，从概念到产品再到传播形成完整链路。

• 《让创作者先富起来》 AI 时代的高质量技能供给，需要一套完整的定价、保护与激励机制，而非依赖免费或开源精神。YouMind 在 5 月 1 日上线了 Skill 创作者激励计划：允许创作者自主定价，平台仅少量抽成；设置查重机制并允许隐藏技能详情，保留创作者的追回权；提供积分兑换奖励金或平台附加积分的双通道激励；让买家直接评论反馈，并计划配置专属精灵实现创作者与用户的直接对话；同时打造面向创作者的垂直技能市场。

• 《用好 CC，事半功倍！Claude Code 命令大全，黄金命令推荐、多模型配置、实践指南、Hooks 和踩坑记录大全》 作者围绕四大板块展开：命令大全涵盖 CLI 命令、斜杠命令、快捷键及多模型配置（通过环境变量或配置文件接入智谱 GLM、DeepSeek 等国内模型）；高频黄金命令精选最实用的操作，强调如何将命令串成工程工作流；踩坑记录分享了作者亲身经历，避免读者重复试错；最佳实践将命令与 Skills + MCP 生态结合。

最近我还在拼多多上给宝宝买了一套安全教育+拒绝欺凌+语言表达的早教书。 回头一想——这何尝不是一种「Harness Engineering」？

说到 AI 时代的子女教育，蛮多感触的，兴许可以汇总出一期久违的播客了。有人想听吗，点个赞看看？

↑ 夹带私货发一张假期当牛做马的老父亲（标题《少爷和我》）

2/ In case 您不知道：我这个 Newsletter 从上期开始，会同步更新英文版（上期的 中文版、英文版），以飨海外读者。目前中文版会推送 Email + App，英文版暂时只在 Substack App 上推送（社交网络上两个链接都发），看后续需求量吧。认可本周刊的朋友，欢迎推荐给你海内外的朋友一起订阅。

3/ 上期提到的五一课程特惠，今天最后截止（《我如何用 AI 打造 100X 知识萃取系统》、《我如何实践打造私人 AI 贾维斯助手》）。好评不少，欲购从速哈。

Subscribe now

以下是本期正文，Enjoy:

▪️CASE 案例

一个百万富翁掏出 250 美元，完全听 AI 指挥，7 天验证代发货能不能赚 1000 美元（YouTube）

via Mark Tilbury

靠投资成为百万富翁的 Mark Tilbury，在 YouTube 上还是个有 800 多万的网红，平时聊投资、赚钱。他最新的一期视频里，给自己定了三条铁律：所有决策听 AI 的，预算不得超过 250 美元且大头必须砸广告，结果全程直播。

他先用「假滚动法」在 Instagram 刷出大量带货广告，把产品列表喂给 ChatGPT 让它挑利基市场。AI 选了宠物用品赛道。接下来的操作全部交给 AI——设计品牌、搭店铺、生成广告素材。

真正的难点不在于用 AI 工具，而在于人类能不能彻底放弃自己的判断。AI 建议把大部分预算集中在一个看似小众的产品上——这跟直觉完全相反。

最后一天他公布了实际销售额。如果没达标，他打算自掏腰包补贴评论区观众。

算是一次蛮好玩的直播复盘回放（顺带推广了一个在 Shopify 上自动开店、自动代发货的产品）。

他把 ChatGPT 调教成了自己的项目经理，专门对付混乱的工作节奏

via Katie Parrott

Katie Parrott 一直觉得自己项目管理能力烂透了。直到加入小而美的商业媒体 Every 全职团队后，终于决定认真解决这个问题。

她给自己建了一个 ChatGPT 智能体：记住她的季度 OKR，监控她的日历，读取 Notion 待办列表，然后告诉她下一步该做什么。

她感兴趣的不是「用 AI 写得更快」这种老生常谈，而是另一个方向——用 AI 支撑那些让她难以相信自己擅长的环节，比如项目管理。

大多数 AI 工作流建议都聚焦于你已经擅长的领域。但真正痛苦的往往是那些让你自我怀疑的角落。ChatGPT 这次的更新让这件事变得可行了。

用爱马仕多 Agent 组建跨境电商公司，出海赚美金

via 饼干哥哥

饼干哥哥最近展示了怎么用 Hermes 多 Agent 框架搭一个 AI 员工团队。

• 实战案例一：让 AI 团队在 Reddit 上做用户痛点调研、GEO 洞察并输出报告，全程 10 分钟完成。

• 实战案例二：TikTok 爆款视频编导团队。AI 能根据反馈自动修正分镜，并沉淀为可复用的 skill。

Hermes 相比竞品 OpenClaw 的关键优势是三层记忆架构：自动记录决策与偏好、智能检索相关记忆、每 15 轮自动将流程固化为 skill。用得越久，Agent 越懂你。

搭建分四个阶段：从建立目录骨架、配置人设（Lead 大总管 + VOC 分析师 + GEO 优化师 + Reddit 专家 + TikTok 编导），到接入飞书机器人并验收。

需要注意的是，所有操作需在 Hermes 目录下进行，避免与 OpenClaw 冲突。身份系统基于 Profiles，每个子 Bot 独立运行，通过 Gateway 进程实现多角色并发协作。

想快速验证效果？先用 dry-run 模式预览执行流程。

LangChain 团队用 AI agent 做销售，3 个月转化率提升 250%

via 深思圈

LangChain（这公司还活着？）最近公开了用 AI agent 做 GTM 的结果：3 个月内转化率提升 250%，pipeline 规模增长 3 倍，总共节省 1320 小时。

销售的核心痛点是什么？信息散落在 5-6 个系统里，做一次背景调查要 15 分钟，还容易重复触达客户。

他们的 agent 做得更聪明：不是直接写邮件，而是先找「不应该发送」的理由——比如客户刚提交了工单，或者已经被联系过了。然后才自动拉取 Salesforce、Gong、LinkedIn 的数据，生成个性化草稿。

所有邮件都需要销售代表在 Slack 里审批。每次编辑或取消，都是系统学习的信号。

账户智能方面，agent 每周一自动聚合融资、产品使用、招聘趋势等信号，为销售和部署团队分别定制报告，标记扩展机会与风险。

这个案例说明：agent 在执行中不断学习优化，而 LangChain 作为 AI 基础设施公司率先实践自己的技术，这让他们的经验更有说服力。

▪️OPINION 观点

入局 2026！十字路口 AI 开放麦：13 位分享者实录

via 十字路口 Crossing

4 月的一场线下开放麦，13 位 AI 创业者和行动者分享了各自的实战思考。

• 橘子提出重建人与 agent 信任关系的「灵魂系统」；

• 00 后创业者柏特强调以三个月为 milestone 的迭代节奏，认为「理念驱动」才是长期壁垒；

• VidMuse 放弃通用视频 agent，以「音乐」为骨架驱动，用视频领域专用语言替代工具堆叠；

• Han1 的 Antenna 让 agent 先扫描现场判断谁值得认识；

• 刘小排呼吁做 builder 而非 AI 大 v，并开源了资讯过滤工具 BuilderPulse；

• Tina 指出创业从 AI Studio 上线必须换到 Vertex AI；

• 汤旎强调 AI 缺人类真实经验层，知乎已开放 API 和 MCP 供 agent 调用；

• 傅鹏分析了 AI 创业的红筹架构黄昏与出海「三明治困境」。

Sendbird 内部搞了个 AI 接受度游戏：Token 排行榜、Quests 任务、Skills 市场

via John Kim

知名邮件发送服务 Sendbird 创始人兼 CEO John Kim 最近分享了公司内部的一套 AI 采纳体系。

• 任何员工都可以发起「Quests」任务。AI 能自动读取任务规格、生成产品需求文档并开始编码——创意快速推向市场。

• 同时，他们设立了 Token 消耗排行榜，按每日消耗超过 1 亿 Token 的标准，将员工划分为从「AI 新手」到「AI 大神」的等级。AI 使用行为变得透明且可度量。（但说实话，这个标准我一直觉得挺可笑的，就类似于用代码行数来评估古法手搓程序员的编程水平一样，很容易搞成虚荣指标）

这套机制本质是创造一个内部市场：AI 需求方与 AI 构建者自由匹配，任何人都能举手说「我觉得我能做」。

他们认为，创新并非来自纯理论结构，而是源于组织中那些有能量和故事的人。领导者需要找到他们并围绕他们构建能量场。

永久底层：硅谷 AI 从业者私下认为普通人已经「完蛋了」

via 不懂经

最近有篇文章揭露了硅谷 AI 圈子的集体悲观。比如 上周 推荐的那篇《全员 token-maxxing，一场没人敢停的军备竞赛》。这篇算是它的精神续作。

很多 AI 决策者高管，在公开场合高喊技术赋能，私下却普遍认为普通人将沦为「永久底层」。他们已经开始为自己建造物理与经济的双重堡垒。

这种被称为「旧金山共识」的集体悲观，核心判断是：先进 AI 将迅速取代数以百万计的工作岗位，压制经济流动性，把权力和财富输送给 AI 公司和资本所有者。

一个荒诞的细节：科技界人士在私下交谈中对劳动力市场影响表达了极其极端的担忧，但一旦麦克风打开，就突然变成了乐观主义者。

他们一边用「趋势不可逆」来道德免责，加速自动化进程，一边为即将到来的社会动荡做着最现实的准备。

延伸阅读：

• Claude Code 之父亲口承认：编程已被 AI 彻底解决

随便看看：

• 《我抓了 B 站近 600 首 AI 翻唱：2026 年这场内容暴风雪是怎么下下来的》 B 站 AI 翻唱生态在 2025 年 12 月至 2026 年 4 月经历了一场「内容暴风雪」——SUNO V5 和 V5.5 模型驱动，门槛降低，供给暴涨。但反直觉的是，V5.5 上线后单曲平均播放量反而下降四倍，因为流量池被稀释了，头部效应反而强化。播放塔尖不是大众认知中的「黑人福音」，而是戏仿、AI 拟声、跨语种填词和二次元梗曲。

• 《给 AI 发 100 美元去二手市场捡漏，结果它给自己买了 19 个乒乓球》 Anthropic 做了场真实实验：69 名员工每人拿 100 美元预算，让 Claude 智能体全权代理买卖，从发帖、报价到成交全程无人干预。最终完成 186 笔交易，总金额超 4000 美元，46% 参与者愿意为此付费。强模型 Opus 在谈判中系统性碾压弱模型 Haiku。

• 《做打车 Agent 半年，我终于搞懂了置信度这个东西》 作者创业最初采用「二元判断」——AI 自信就执行，不自信就问用户。结果陷入两难：高置信度不等于高准确率，频繁追问又破坏体验。后来将置信度分为四档：90% 以上直接执行；70%-90% 弱确认，显示选项并在 3 秒无异议后默认通过；50%-70% 强确认，必须用户手动选择；50% 以下主动询问。置信度不能单纯依赖大模型输出的 confidence 值，而应综合计算意图识别、槽位完整度、歧义程度和用户历史四个因素。上线后首次成功率从 65% 提升至 72%，用户投诉率从 2.1% 降至 0.4%。

• 《Pro | 从 17 亿到 3000 万：「今日头条鼻祖」，被 AI 写死了》 BuzzFeed 创始人乔纳·佩雷蒂早在 2001 年就洞察到情绪是互联网传播的第一燃料。他 2006 年创立 BuzzFeed，靠算法机器人制造病毒内容，巅峰期月活突破 3 亿。但流量命脉完全依赖 Facebook 等平台分发。2021 年上市后 TikTok 崛起，流量断崖式下跌。佩雷蒂孤注一掷，用 AI 批量生产内容，裁掉 15% 员工并关停深度报道部门。2025 年财报显示全年净亏损 5730 万美元，股价跌至 0.78 美元，市值较巅峰跌去 98%。

• 《我在大厂教 AI 写小说，先杀死自己的文采》 23 岁科幻作者渊星在一家大厂外包公司担任数据标注员，工作是将万字网络小说压缩成不超过 350 字的「细纲」，并给人物贴上「绿茶」「窝囊废」等标签。他看到了 AI 写作的局限性：规则文档中二三十个人设标签远不足以概括网文人物的复杂性，AI 生成的小说刻板化、缺乏真人写作的厚度。最终，他不再担心被 AI 取代，因为人类写作中那些模糊、丰富、无法被标签化的细节，正是 AI 难以跨越的壁垒。

• 《假期出游，我被 AI 坑惨了》 六位被 AI「坑过」的旅行者分享了亲身经历。河北互联网大厂员工 Ryan 在川西自驾时，AI 推荐的景区内部路线完全反人类，声称「很近」的景点实际距离 6 公里，返程路线少了 200 公里；北京自由撰稿人麻薯在县城出差时，AI 的高铁转大巴方案因未掌握「下午六点停运」的实时信息而失效；在日本，AI 甚至编造了根本不存在的「织布体验」项目；在美国丹佛的自由职业者 @ 小杨因 AI 未提示徒步路线的危险而险些遭遇生命危险。AI 的「秒认错」态度无法弥补旅途中的实际损失。

• 《揭秘「养虾」内幕：顶级玩家为什么已经「弃养」了？》 分众传媒 AI 牵头人桑卓豪说跟风「养虾」一周烧掉 3000 多元 API 费后已「弃养」——工具局限极大，个体无资源颠覆；拥抱智序创始人张拼拼指出「一人公司」常是失业者的体面标签，他反用 AI 的「波动性」为银发族提供医疗陪伴，一旦老人知道是 AI 便恢复冰冷指令；极泛流形 COO 黄乃元用「人乘以工时」的极简标准判断——重复性确定任务才交给 Agent，效率提升数倍。结论：AI 是填平下限的蜜糖陷阱，真正稀缺的是能将交付拉高到 90 分的行业积累与客户资源。

• 《被 AI 抢走工作的人，在忙什么？》 三位受访者的故事：95 后投资分析师春风因 AI 能半天完成过去三四天的竞品报告而被裁员，她成为被裁者之一，发现新岗位要求结合 AI 的工作量是以前人力的三倍以上；90 后通信外企程序员杨露的整个部门被 AI 端掉，她决定用 3 个月零基础学习 AI Agent 开发；30 + 视觉设计师吴才所在公司已不再招初级设计师，客户质问 AI 几分钟出图为何要花大价钱，她被迫每天补品牌策略和用户体验课。这场变革中消失的是岗位，留下的是具体的人。他们共同的疑惑是：当重复性工作被 AI 接管后，自己的价值在哪里？

• 《ChatGPT 会员掉了，代充黑幕藏不住了》 代充服务背后是完整黑产链条：买料、号池、飞机、平台漏洞、洗米和盗刷。代充商利用被盗信用卡、合成身份和临时账号进行充值，平台一旦触发风控，所有关联账号都会被连坐封禁。用户以为省了钱，实际上是在为黑产链条的终端风险买单。看似省钱的代充实则是在为黑产链条的终端风险买单，20 美元的官方订阅反而更安全。

适合个人上手的教程/评测/资源：

• 《全网最全！60 分钟全面掌握 Claude Code～【附完整文档】》 秋芝的最新视频，手把手指导零基础用户从安装、配置到高级功能全面掌握 Claude Code。

• 《每个 CLAUDE.md 都必须有的 4 行配置》 一个仅含 4 条规则的 CLAUDE.md 文件在 GitHub 上获得了 6 万颗星。这 4 条规则：不要假设，不要掩饰困惑，要揭示取舍；用能解决问题的最小代码，拒绝猜想式实现；只触碰必须改动的部分，只清理自己制造的脏；定义成功标准，循环迭代直到验证通过。

• 《Claude Code 101：普通人都能快速上手的 6 个高分插件（亲测 Kimi Code 也能用）》 一位拥有二十年编程经验的工程师分享了 Claude Code 插件组合：Superpowers（自动规划与多代理执行）、gstack（代码审查、部署与安全）、Frontend Design（UI 设计流水线）、Claude Mem（可选，用于会话记忆）。

• 《Obsidian 从 1 到 2｜超越 Karpathy，最全内容创作自动化全流程》 用 Obsidian 和 Claude Code 构建动态、自进化的内容创作系统。5 个关键步骤：锁定人物形态、剧情分解、管理文件结构、创建中央大脑（双链书）让 AI 统一工作流、定制专属 Skill（如飞刀 Skill）一键触发完整流程。版本控制（Git）是安全网，防止 AI 误改文件。达标率从 50% 提升到 70%，废片率从 30 刀降低到 10 刀，最终形成可自我进化的「贾维斯」系统。

• 《我把 GPT-image-2 生成 PSD 的能力打包成了 Skill，免费开源》 利用 GPT-image-2 和 Codex 将 AI 生成的图片拆解为多层可编辑 PSD 文件。

• 《Seedance 2.0 + LibTV Skills 一键复刻爆款产品视频》 借助 Lovart 的 LibTV 与 Seedance 2.0 模型，用户可以用十几元成本和一句话提示词，通过 AI Agent 自动复刻爆款产品视频。AI Agent 能自动完成分析原视频、拆解脚本、写分镜、生成素材、批量生成分镜视频、自动剪辑配音等全流程，最终产出 45 秒成片。

• 《五一复工指南：用 ima copilot 摆脱「节后综合症」的 5 个技巧》 利用 ima copilot 的 5 个具体功能：从情绪管理、资料归档、信息查询、会议整理到内容产出。

• 《让 AI 干活它还送我咖啡？还有这种好事？》 AI 编程工具 TRAE SOLO 在移动端和 Windows 端正式发布。作者世超尝试用它为团队公众号排版插件进行升级。

• 《今天起，ChatGPT 合体 OpenClaw！Codex 上线「养宠」，码农觉都不睡了》 OpenAI 通过 ChatGPT 与 OpenClaw 全面合体，Codex 推出「电子宠物」和自主迭代等硬核功能。ChatGPT 账号可直接登录 OpenClaw，共享订阅额度；Codex 上线 /pet 命令唤醒像素风虚拟宠物，能实时显示 Codex 工作状态；/goal 命令和 Ralph loop++ 让开发者只需描述目标，Codex 即可自主拆解任务、迭代代码并自我修复。此外还有「一键迁移」功能，三步即可将其他平台的插件、Agent 配置无缝导入。

为了不叨扰大家，目前中文版仍然跟现在一样，发 Email + Substack App。而新增的英文版，会先仅通过 Substack App 发布，暂时不发邮件。这样老读者不会立刻收到两封（内容一样的中文版+英文版），增加信息负担。

后续将找方法慢慢过渡。例如，仅需要英文版邮件的朋友，给我一个私信/回复，我给你们打个标签，这样后续可以按标签来推送邮件。是不是可以尝试下？或者有更好的建议，请不吝赐教。

今天的第一份英文版，会在这个中文版推送之后，在 Substack 里发出来。

2/ 中国本土的小伙伴们，现在正在放五一假期。其中一定也有人，不爱扎堆，刻意避开客流高峰，于是选择宅在家里，过「学习型假期」，恶补 AI 知识。

为此，我特意将我制作的两门畅销 AI 视频课程，设成了限时（5.1~5.7）特惠价格，299 元 → 99 元，助力您的假期学习计划。

• 点击购买《我如何用 AI 打造 100X 知识萃取系统》

• 点击购买《我如何实践打造私人 AI 贾维斯助手》

前者是教你如何用 Obsidian + AI 来打造自己的信息系统，后者是如何用 AI 工具搭建自己的智能体（类似 Openclaw / Hermes，但完全是可自己搭建并掌控的独门武器）。

这两门课都录制了有一段时间了。我知道 AI 世界一日千里，但这两门仍然值得你（在降价期间）购买，是因为我从一开始就遵循了长期主义视角：我的所有工具选型，以及技术架构，至今仍然适用。

• 在我推崇 Obsidian 那会儿，它还没这么火，现在 Obsidian 已经是月活五百万、抢夺 Notion 大量份额的 AI 知识工作者标配了。

• 在我教大家打造自己的 Agent 时，Openclaw、Hermes 经历了爆火到降温，而我的系统则在清晰架构的基础上不断吸取它们的精髓，变得更稳定和强大。

实际上，我目前自己在用的（不对外开放的）升级版，依旧是基于上述这两个课程里摸索出来的，在此基础上迭代的。所以如果你刚开始尝试搭建自己的 AI 知识库、开发自己的 Agent，可以学习一下我的课程。AI 高手就可以绕道了哈，可能对您太浅。

祝各位学以致用，解决有价值的实际问题，让 AI 真的为您个人降本增效、赚更多钱。

OK，以下是本期正文，Enjoy ——

▪️CASE 案例

2026 年了，影视飓风是怎么工作的？

via 影视飓风

影视飓风团队最近发了部自述，说 2024 到 2026 这两年，他们把 AI 深度整合进了创意工作流。

其中变化最大的是后期制作。他们区分了两条线：短片组用 AI 主导创作，主频道则是 AI 辅助——用 AI 语音模型替代真人录音，供内部节奏参考和甲方审片；用 AI 视频生成补充拍摄与特效，比如梦境画面；还用开源工具做 AI 抠像。

但 AI 真正发挥价值的地方在前端。选题环节，他们部署了飞书机器人自动搜集信息、生成封面，把 AI 当灵感抽卡机用。策划环节更直接颠覆：以前是文字转图像，现在 AI 先生成参考视频，消除信息差和沟通成本。拍摄环节变化不大，但设备管理实现了自动化出入库，水下录音系统是创新亮点。

他们还搭了数据中台，用 AI 分析含盘量等指标与留存率的关系；定期办 AI 分享会，鼓励全员用编程工具做内部工具。

一句话总结：AI 的价值在于前期牵引方向、后期提效，但最终落地仍需人类执行。

扒了上百条 AI 爆款视频，我们得出了 6 点观察

via 云飞扬 1993

作者扒了抖音上 105 个百万赞 AI 视频后，发现转场变装是最大赛道，占比超 30%。博主「建鹏」凭一条 11 秒的 AI 视频获赞 1365 万，是爆款产出率最高的创作者。

但纯 AI 短片也开始刷屏了。《纸手机》靠情感共鸣全网曝光量达 2.3 亿，证明 AI 视频已进入主流叙事。

现阶段有意思的结论是：

• 真人+AI 的组合仍是主流，爆款率远高于纯 AIGC 视频。搞笑博主「侯绿萝」和段子博主通过 AI 辅助脑洞取得了好效果。

• 更小的号反而更容易爆。比如「秩景宴」这种小号能出爆款，是因为 AI 降低了创作门槛。但创作者需具备持续输出能力，爆款不是人人可得。

• 最终决定胜负的还是情感、创意和审美。「建鹏」用 AI 唤起回忆杀，「不是这个宇宙」用 AI「复活」亲人——能让网友停留点赞的是 AI 背后的故事与情感，而非技术本身。

一本 DeepSeek 操作书卖出 2300 万，AI 图书疯狂造富

via 杨静

知名出版人「秋叶大叔」在 2025 年初抓住 DeepSeek 爆火但普通人不会用的窗口期，用 AI 重构写书流程，把原本 5-6 个月的出版周期压缩到 1 个月。最终那本《AI 时代生存手册：零基础掌握 DeepSeek》卖出 40 万册，码洋超 2300 万。

他的商业模式并不复杂：图书是低价引流品，训练营才是利润中心。真正利润来自后端转化——用户结构里 50% 是职场人，40% 是宝妈，都是愿意为「手把手教会」付费的群体。

但秋叶自己也在焦虑。AI 迭代速度快到让他「看不懂也看不清」，员工也「心有余而力不足」。他正陷入一个悖论：教人用 AI，但自己也被 AI 推着走。

回顾他的路径：2009 年一次偶然的 PPT 培训邀约起步，十七年间踩中每个知识付费风口，从微博到公众号再到短视频。2023 年宣布 All IN AI 后，已出版近 40 本 AI 教学类图书，总销量超 300 万册。

造富机会永远属于那批能快速将技术焦虑转化为消费需求、并用工业化流程批量生产内容的人。但红利窗口期正在收窄。

▪️OPINION 观点

全员 token-maxxing，一场没人敢停的军备竞赛

via 未知作者

强烈推荐这篇，许久不见这样信息量丰富又真实的、来自 VC 一线从业者的文章。作者给出了许多洞察。例如：

YC 最新一批项目中 80% 是垂直 agent，但 5 个月前选出的公司已因 AI 迭代过快而失去投资价值。YC 本身也从方向引领者变成了滞后指标。

Meta 全员使用竞争对手 Claude Code 写代码，代码安全被抛在脑后。内部甚至搞 token 消耗排行榜，末尾可能被裁员。在 AI-native 创业公司里，一个工程师的年 token 预算已接近其薪资。

核心潜台词是：所有人都在赌先把速度冲上去，总成本没降，只是从人力成本换成了 token 成本。硅谷自己都开始跟不上自己的节奏。

这场竞赛没有退路，唯一的选择是继续加码。

关于 Personal Agent：搓出次留 70% 的个人助手之后的一些反思

via Eva433

作者做了一个个人助手产品 Poke，次留 70%、月留存 30%。他复盘了从获得启发到自己开发全过程的思考。

Poke 最大的启发是让 AI 像朋友一样主动聊天和破冰，但缺点是定位过于泛化，用户不知道这东西到底能干啥、愿意为什么付钱。

他由此切入了「主动监督与提醒」这个细分场景。借鉴闲鱼上的真人监督服务，他发现用户真正需要的是「被提醒、被看到、被催促」的价值——不是聊天，是有人盯着你。

基于这个洞察，他快速搭了带心跳机制的 Agent 框架，采用激进的付费策略（199 元/月）来筛选最痛的用户，验证 MVP。

对 0-1 阶段的产品，他的经验是：不能试图满足所有人的所有需求，必须聚焦；先上线再迭代比追求完美更重要，因为用户的实际反馈会倒逼修复真正的痛点。

还有一个提醒：早期测试应排除产品经理和投资人——他们的需求不代表真实用户。

一位 80 岁投资大佬写了万字的 AI 使用心得

via 霍华德·马克斯

橡树资本联合创始人霍华德·马克斯今年快 八十了，出了篇补充备忘录叫《AI 奔涌向前》，用五十年投资框架拆解这场技术革命。

他的判断刷新认知：AI 绝非搜索引擎，而是经训练学会推理、能综合数据的智能系统。发展已从聊天交互、工具使用迈入自主代理新阶段，从生产力工具升级为劳动力替代品，普及速度远超计算机与互联网。

他既肯定 AI 真实价值与被低估的潜力（限制来自用户而非模型），也警示幻觉、可靠性等局限，以及对就业市场的冲击。

投资层面，他指出 AI 具备理性分析等优势，却难及人类在全新场景的判断与直觉。

面对市场狂热，他的建议是：不盲目全仓，不彻底离场，以适度仓位、精选标的拥抱这场划时代变革。

马克斯不是简单评论 AI，而是拿着自己的方法论走进新领域，将稳定框架用作提问与校准的工具。这种学习能力与好奇心正是其令人叹服之处。

当 AI 能跑完整个闭环，增长工程师还剩什么？-《柠檬拿铁》EP01

via 不孤独的二向箔

播客《柠檬拿铁》EP01 里，两位增长工程师聊了各自的实践路径。

Xmind 增长团队负责人张小吉的核心是「协同人」——将 AI 能力接入团队工作流，比如用 CLI 工具让运营同学一键发布小工具页，实现一周上线 100-200 个页面，95% 由 AI 完成。

作者强调核心是「协同 agent」——在一个人扛增长工程的情况下，通过编排 agent 集群来追热点和搭建自动化闭环。比如 Google 发布 Nano Banana 2 当晚，提前准备好提示词和框架，让 agent 每 30 分钟检查模型上线，一旦上线立即并联启动批量生图、部署对比站、撰写 SEO 博文、生成 KOL 推广文案等全流程。

传统十人团队一周的产出，现在一个人一个下午就能铺完。用数量换概率成为增长新姿势。

两种路径无优劣之分，取决于团队阶段：多人团队适合张小吉的路径，个人或小团队则更适合作者的方式。

增长工程师的价值不再在于亲自执行，而在于设计决策与 review 的 AI 协作系统。

随便看看：

• 《有人不到 10 天就卸载、有人已经月赚 5000 元！上个月热潮席卷杭州，现在还有多少人在用？》 采访四位仍在「养虾」（用 OpenClaw）的杭州上班族，发现这群人把 AI 工具深度嵌入了具体业务痛点。研发工程师杨先军每天自动推送晨报，还能将群聊记录转化为需求文档，审出合同中的百万级风险条款；跨境电商运营陈颖利用 OpenClaw 一天内完成 500 个竞品 SKU 的详细分析。对于能驾驭它的人，龙虾每月几百元成本能换来 15% 以上的研发提效或数倍的内容产出提升。

• 《程序员创业半年：顺的事、不顺的事，和我一直没想清楚的事》 是一位从字节离职创业半年的程序员孟健的复盘。他跑通了出海闭环、龙虾布局获流量、领航计划招生超预期、现金流良好。但 Resend 账号被封、Creem 因数据泄露被封、龙虾书籍销量远不及预期、YouTube 与 Reddit 账号因发外链被限制。他引用李尚龙和罗伯特·清崎的 ESBI 四象限理论，定位自己从 E/S 象限向 B/I 象限迁移——核心是从追求安全转向追求自由。

• 《报道了几年 AI，我越来越觉得自己是个骗子……》 以 Anthropic 的 Opus 4.7 为例，指出其基准测试分数看似提升，但用户实际体验却出现倒退，开发者甚至切回旧版本。鲍德里亚的「拟象与模拟」理论在这里变得异常应景：AI 的基准测试与宣传已替代实际体验。炒作重塑了现实，模型不再是产品，发布才是真正的产品。

• 《10 后，开始用 AI 给自己编黄冈密卷了》 讲的是新一代中小学生正将 AI 作为学习工具，主动为自己定制学习内容。14 岁的深圳初中生谦谦为备战物理奥赛淘汰考，与父亲一起用 AI 搭建了物理学习网站；13 岁的吕思彤用 AI 开发了一款 24 小时在线的「青蛙外教」来强化口语。这群数字原住民让 AI 变成「最趁手的橡皮泥」，正在悄悄升级他们的拆解问题能力、结构化表达能力以及自信。

• 《一个二本的女生，用免费的 AI 考上了北大。》 主角陈雨欣，安徽人，高考失利后进入二本院校，立志报考北大社会工作专业。在孤立环境下，她起初全靠手写近 30 万字笔记。转折点在于系统使用免费 AI 工具：用 AI 梳理学科框架、拆解真题逻辑、模拟面试问答、生成个性化学习计划。AI 并非替代了她的努力，而是充当了「全天候私人导师」和「信息筛选器」。

• 《一下午一句话 Codex 帮我开发了一个完整的游戏！》 作者「归藏 2079」仅用一句话让 Codex 调用内置 GPT-Image 2.0 生成素材，Codex 竟自动规划出完整的角色资产流水线。当素材站限制下载时，Codex 自己找到并整合了免费图标库。整个开发过程，作者只负责提出「想要一个类似《杀戮尖塔》的卡牌游戏」这一目标，以及把控最终视觉与体验的审美标准。Codex 与 Claude Code 的根本差异在于它自带的浏览器、图像模型与不达目的不罢休的执行力，三者结合使开发者角色从「配置工具」彻底转变为「目标设定与审美决策者」。

适合个人上手的教程/评测/资源：

• 《分享一下 2026 我最常用的 AI 产品。》 是 AI 自媒体人数字生命卡兹克在五一假期前发布的产品清单，兼顾海外与国内替代方案。知识问答上 GPT-5.5 幻觉极低，国内可用豆包；内容创作与知识管理 Claude Opus 4.6 独一档，国内推荐 DeepSeek V4 Pro；数据分析使用 Codex + GPT-5.5，国内用 Claude Code + GLM-5.1；图片设计 GPT-image-2 独一档，国内即梦 Seedream-5.0-lite；视频生成中 Seedance 2.0 强调运动质感，可灵 3.0 主打电影质感且原生 4K。覆盖 14 个场景，强调实操与替代性。

• 《开源一个 PPT Skill｜压进了我 10 年的设计经验》：这个名为 guizang-ppt-skill 的工具并非简单模板，而是一套定义了人机协作接口的系统。真正价值在于三件事：一是前置澄清流程，AI 会主动询问受众、时长、素材等 6 个关键问题，对齐后再写代码，拦截了 80% 的返工；二是规范化的图片命名与存放规则，通过同名覆盖实现无损换图；三是将杂志行业的排版语言转化为硬性规则，如字体的三级分工、色彩的纪律，以及通过固定网格与 hero 页、non-hero 页交替来保证节奏感。

• 《最强视频创作工作流：Image2 + Seedance 2.0，Topview 一键闭环｜跨境电商版》：Image2 负责像素级精确的静态画面控制，Seedance 2.0 作为分镜脚本执行引擎，驱动镜头运动与角色动作。关键洞察在于提示词设计：Image2 需用「柔和午后光线从左侧 45 度角照射」等物理事实替代「极简」「电影感」等空洞词汇；Seedance 2.0 的提示词则要极短，优先描述主体动作与摄像机运动。五层提示词框架与三条铁律：时长与指令密度要匹配、一个镜头只做一件事、参考图按角色-面部-场景的优先级堆叠。

• 《D49 | 今天，我们开源了个 AutoResearch 工具》 发现 AI 执行存在「执行失控症」——任务会断、状态会盲、结果会假、方向会偏，于是开发了 Thoth 这套工具。解决思路是：用回调 hook 和 watchdog 实现 session 保活；用面向人的 dashboard 呈现进度；任务验收必须通过机械化的脚本裁决，杜绝 AI 自我判定。核心洞察在于：将 AI 执行的「信任」转化为可验证的「机械契约」，才是让 AI 真正可靠的关键。

• 《把读论文做成流水线：从 arxiv 检索到事件驱动策略的四个量化研究 skills.md》 将量化论文研究流程拆解为四个可串联的 Claude Code 技能，形成从检索到策略落地的自动化流水线。技能一从 arxiv 搜索并下载 PDF；技能二将 PDF 抽取为结构化的研究笔记和机读指标 JSON；技能三合并方案设计、回测与基准对比三阶段，要求先写 plan.md 等待用户确认；技能四将验证后的策略翻译为事件驱动文件。作者强调，复现得太干净反而要警惕，必须诚实标记差异来源。

开始他们蒸馏翻译、运营、程序员、打字员，我没说什么，因为我不是干这行的；
后来他们蒸馏产品经理、分析师、设计师、编剧、作家、演员、销冠，我还是没说什么，因为我觉得与我无关；
接着他们蒸馏教师、律师、医生、会计、记者，我依然没说什么，因为我暂时还能站着；
最后他们来蒸馏我时，环顾四周，已经没有人能替我说话了。
—— 只剩下 Agent 对我冷冷嗤笑。

2/ 最近基友开发的笔记产品 flomo 迎来了六周年，近期相继推出了（或即将推出）认知地图、随机漫步 3.0、主题回顾、AI 洞察、记忆档案、MCP 接口等强力功能。感兴趣的可以 看这篇了解下。

顺带推荐创始人之一 Light 自己的小报童专栏（小报童也是他们做的）：SmallTalk·第三季 。主要写对创业、投资和人生的偏见，预计更满 100 篇。这年头好的商人都是哲学家。

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

Notion’s Token Town: 5 Rebuilds, 100+ Tools, MCP vs CLIs and the Software Factory Future — Simon Last & Sarah Sachs of Notion （附 YouTube 视频）

via Simon Last & Sarah Sachs

Notion 正在用「软件工厂」模式构建 AI 智能体，目标只有一个：成为企业工作的核心记录系统。

他们踩了 5 次坑才明白：构建可靠 AI 智能体的关键，不是写越来越复杂的提示词，而是让工具定义从「僵化的少量示例」转向「目标导向」。这意味着工具所有权可以分散到不同产品团队，而不是集中在一个神秘团队手里。

（Notion 最近的 PR 很多嘛，除了这篇以外，Colossus 给它们也 写了篇深度内部报道《Inside Noteion》，懒得看长文可 看我的 Quick Memo；以及还有个 YouTube 探访新办公室的视频也给我刷到了。）

几条经验：

• 最有效的工程领导力，是培养团队乐于删除自己代码的文化；

• 产品开发优先「演示而非备忘录」，用内部使用发现边缘情况；

• 「模型行为工程师」这个混合角色（数据科学 + 产品管理 + 提示工程）比任何单一角色都重要；

• 渐进式披露是智能体系统的关键架构要求，一次性暴露过多工具会损害模型性能并增加 Token 成本；

• 最成功的 AI 驱动工作流，让产品本身成为记录系统，智能体通过读写共享数据库协调，而非依赖自定义消息协议

评估也需要分层：单元测试用于持续集成，「成绩单」评估用于发布准备，30% 通过率的「上限」评估用于识别未来能力。

对企业 AI 而言，最高杠杆活动不是训练定制基础模型，而是优化外部循环——即工具质量、验证系统和框架。

智能体系统应设计为「为顶尖学生授课」，优先考虑高级用户能力和可解释性，而非过度简化的界面。

延伸阅读：

• Notion Custom Agents 复盘：三年重写 5 次，Notion 历史上最成功的新功能之一

Slax Note AI Coding 产品重构的复盘（整理版 v2）

via 吴鲁加

知识星球创始人，分享了最近一次用 AI 重构项目 Slax Note 的过程复盘。

这不是一次轻松的胜利。团队经历从兴奋、怀疑、受挫到调整方法并重建信心的过程。他们的起点是探索一种激进的新开发方式：由产品或设计师借助 AI 直接生成代码并验收，而非层层转交研发。

成功的关键前提是「spec 驱动」的 AI coding——研发工程师先将复杂系统的知识提炼为结构化规格文件，使 AI 的生成行为有据可依，从而降低幻觉与非技术角色的门槛。（工程师不抵触/焦虑吗，这不就是被萃取了吗，哈哈..）

真正的价值在于验证了产品角色可深度参与实现。AI 擅长快速搭建框架与界面修补，但在涉及真实业务链路与复杂环境时，对规格、验证与代码审查的要求反而更高。后期拉开差距的是发现根因与控制回归的能力。

这次实验的本质不是 AI 替代研发，而是将研发经验沉淀为可协作的流程。

延伸阅读：

• 来自该团队员工视角的另一篇：完全不懂编程的我们，通过 Vibe coding 重写了一个 App（感受篇）

孩子王 CTO 王海龙：我们只用 AI 做「脏活累活」，就狂赚 30 亿

via 混沌学园

一篇孩子王 CTO 的分享，肯定有 PR/卖货的成分，但即便如此，篇幅还是挺长，里面能启发实业和创业的细节还是有一些的。

比如，孩子王的思路很清晰：企业落地 AI 需遵循三大底层逻辑——寻找「大齿轮」场景、将私有数据作为护城河、培养懂技术与业务的 AI 架构师。他们通过「数字训战官」AI Agent 高频考核上万名员工，并利用「销冠人脑蒸馏」将隐性经验显性化。

他们自称成功根基是十年构建的「单客经济」数字化底座——利用母婴行业高度可建模的数据预判用户需求，服务 9600 万会员的全生命周期。

▪️OPINION 观点

Multi-Agents: What’s Actually Working

via walden_yan

多智能体系统经过十个月的发展，已从「普遍不实用」转向「在特定协作模式下真正可行」。

作者分享了一些对行业的观察预测、数据调研和实战心得。

关于 AI 硬件出海，他们讲了点不写进 BP 的实话

via 非凡产研

AI 硬件全球化的成败关键，往往不在炫酷的模型参数，而在于对物理世界复杂性的务实应对。

四个不同赛道的 CEO 讲了实话：

• Demeter Robot 为规避国内农业非标场景的改造难题，直接出海欧美利用其标准化农场。本质是「用中国的 PPI 对标欧美的 CPI」；

• ALLTIME 万物时 发现欧美用户对治愈系「赛博盘串」的接受度超预期，产品定位在跨文化中自然分化为「宠物陪伴」或「解压美学」；

• Wavenote 为追求极简体验，不惜投入高昂成本将两个按键合而为一，揭示了硬件为抹平用户体验门槛所付出的残酷取舍；

• Sipeed 矽速科技 直面供应链现实，指出「内存比金子还贵」的地缘政治与成本压力，迫使团队加快透明化开源以应对猜忌。

贯穿这些案例的潜台词是：技术决定上限，而中国成熟的供应链体系与灵活的本土化策略，才是支撑 AI 硬件出海活下去的生存底线。

随便看看：

• 《GEO 行业数据造假手册：一个卧底交付员的自述》：GEO 行业如何通过操纵数据计算标准来系统性美化效果报告？两个关键骗术：其一是推荐率的邪修算法，将同一词包内各关键词的推荐率简单相加而非求平均，使 1% 的真实推荐率在报告中呈现为 100% 甚至更高；其二是用设备数偷换搜索次数，通过模糊分母定义将极低的真实曝光率放大为可观的推荐率。

• 《爱奇艺热搜背后，揭秘「买脸」这门生意》：讲了 AI 视频行业从盗用肖像到购买授权的商业化转型及其伴随的复杂乱象。原来买个脸的授权是 200 元/剧。

• 《一个 「龙虾技能市场」，凭什么拿下 AI 增速第一？》：增长最快的产品普遍在推进 AI 从「回答问题」到「直接交付结果」，比拼的是能否一站式完成工作。Web 增长越来越依赖「产品力 + 分发力 + SEO/内容引流」的三件套组合，许多上榜产品同时扮演着工具、内容站和流量入口的角色。

适合个人上手的教程/评测/资源：

• 《单篇 100 万阅读文章，如何用 AI 做好内容创作？》：好内容有明确标准且可量化，流量权重公式为：选题占 50%，标题占 20%，开头占 10%，正文占 20%。六条标准：逻辑需层层递进而非平铺；开头须反常识制造冲突；正文需持续设置阅读钩子；信息密度要高；要提供可操作的解决方案；整体需有独特的节奏与风格。

• 《神级 CLI 写作大法》：将创作者内在的认知与审美通过命令行工具转化为一条可执行的内容生产线。这套方法将单篇文章的创作时间从 120-240 分钟压缩至 25-40 分钟，本质是将时间从「与 AI 拉扯」重新分配到「注入个人判断」上。

• 《我挖到了 Kimi K2.6+Hermes 的六个神技巧，这下多 Agent 24h 组队干活真成了》：作者通过实践验证了 Kimi K2.6 模型与 Hermes Agent 框架的结合，能够构建稳定、高效的多智能体协作系统，从而替代 Claude 等成本高昂的方案。

• 《实测 Claude Design：小白也能做出专业级设计｜附最全玩法+官方实用技巧》：最近该工具的发布直接冲击了 Figma 等传统设计工具的市场地位，关键在于实现了从提示词到可交付方案的端到端输出，无需人工干预。

• 《拿虚构产品，测真实 AI｜K2.6 加持后，Kimi Agent 能干到哪一步》：通过虚构产品 iShout 的测试案例，评估 K2.6 模型升级后 Kimi Agent 在复杂商业任务中的真实能力上限。

• 《给龙虾装上八爪鱼 MCP 后，我把亚马逊选品流程全跑通了》：通过将八爪鱼采集器的 MCP 服务接入 AI 工作流，解决跨境电商亚马逊选品的数据抓取与分析难题。

• 《我给 Claude Code 做了个 AI 硬件监工》：通过模块化硬件为 AI 编程助手构建一个物理交互界面，实现了多会话状态墨水屏看板、物理按键审批带来的仪式感与审慎，以及蓝牙远程控制带来的空间自由。

期间 AI 光速发展，我的技术栈也迭代了好几版。从最开始希望逐渐全自动完成，到现在坚定了用机器帮我半自动分拣 + 最终人工精拣筛，也算摸出了固定套路。

域名注册为 ZengZhang.ai，原本还是想从老本行的「商业增长」视角切入，不采编纯技术向（却没结合实际应用场景落地的）内容。但发现即便是聚焦在商业领域，市面上公开披露的案例，仍会有大量浅薄重复的，观点也不乏空泛的宏大叙事或孱弱的未来预测。

所以现在我完全按我主观标准，剔除掉自己懒得看的东西——哪怕它们发布在名号响亮的（自）媒体，哪怕原始的点击量很高。我尤其不喜欢制造 FOMO 却不给解药、只为博眼球的内容，它们在我的系统里打分被降权是最厉害的。

至于坚持更新的动力，除了自己有强意愿去追 AI 最新的真·干货，还是偶尔会放点广告推荐和知识售卖，作为补贴持续运营的零花钱。我看到推上虽有人吐槽，却也话锋一转旋即表示理解，并继续热情推荐他人来订阅。爱你们哟。

2/ 今天这期的广告环节（这不就来了），推荐一下抖音 460+ 万粉丝的 @姜胡说 推出的小报童付费专栏《从素人到百万大v，老伙计们的闭门课》，分享他做短视频的方法论（原则、经验、技巧），赚钱的思路，以及如何完成一本书的尝试。

已更新了 15 万字，有 6000+ 人购买。感兴趣的可以通过 这个链接 到微信中购买订阅，价格是 168 元，我会从中获取佣金，并且看到支持者的微信昵称。

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

我用 Claude Code 写了一部 5 万字小说，投稿七猫，被拒了

via 月月鸟

我一直有个疑问：用 AI 写网络小说赚稿费，有没有搞头？作者实际尝试了下，用 Claude Code 写完一部五万字小说，结果投出去两天就被拒了。

他复盘了整个流程：用一个专为中文小说设计的 Skill，解决了 AI 长文本中人物状态丢失的核心痛点，通过章节摘要自动追踪机制，写出的稿子质量居然达到了及格线。

但进入真实商业场景后，短板暴露了。七猫小说网两天就拒稿，理由是什么？节奏把控、爽点设计、情绪感染力都不到位——网文市场最看重的这些维度，他没写出来。

整个投稿流程倒是很丝滑：从选平台、分析投稿要求到撰写申请书，全由 AI 代劳。我觉得作者再钻深一点，把前面提到的拒稿理由再悉心打磨到位一番，或许真能形成 SOP，骗过七猫的审核 AI 呢..

一篇文章卖了 20 万，开源 CC+Obsidian 打造的 LLM Wiki 内容创作 3.0 系统

via 饼干哥哥AGI

作者借鉴近期很火的 Karpathy 的 LLM Wiki 方法论，并增加了自己的独特迭代，升级到 3.0 知识编译——让 AI 从临时检索者变成知识资产的持续维护者。具体三步：新内容自动编译整合、Wiki 页面持续更新、沉淀成可复用的资产。全文图文并茂，十分详尽，也给了我新的启发。

这套方案为依赖 AI 进行深度内容创作的从业者，提供了一条从工具自动化迈向知识系统化的可行路径。

程序员养龟有多离谱？我让 Claude Code 每天给我发乌龟行为报告

via 叶水水

养龟这件事，被一个程序员玩出了花——水温监控、行为分析、录像推送，全是 AI 在跑。很喜欢这类极客实操的复盘内容。

他通过自然语言与 Claude Code 对话，零代码构建了一套智能宠物监护系统：直接配置 Home Assistant 仪表盘与自动化规则，实现水温、加热棒功率等数据的集中监控与异常告警；活动监测环节，AI 自主完成从录像抽帧对比、生成精华视频到调用本地大模型 Gemma 进行行为分析的全套流程。

这里面有几个关键性能优化判断：传文件头而非整个视频、用 ffmpeg 直接裁切。整个系统架构整合了 HA、NAS 与闲置 Mac，以近乎零成本运行。

作者的角色由此从程序员转变为提出需求、验收效果的产品经理。AI 编程助手已能深度理解复杂需求并做出合理的技术选型，将对话直接转化为可运行的系统——但并未消解对问题拆解与架构设计能力的需求。

▪️OPINION 观点

从 SEO 到 GEO，从流量到 Agent，真正的变化才刚刚开始

via yaojingang

北京首场 GEO 大会上，几位专家分享了关键洞察，被总结这篇成了长推文。例如：

• 阎志涛指出，AI 时代的核心从 ranking 转向 AI visibility，流量可能下跌但业绩未必，因为 AI 先影响用户心智；原创数据成为独特资产，而 GEO 最终越来越像做品牌。

• 张凯的实验数据揭示，官网仍是 AI 引用的核心资产（占比约 50%），内容需结构化、事实导向，1000 到 3000 词为佳；ChatGPT 优化需做深单页，Google 优化需做多页面。

• 拔刀刘强调数据是 GEO 优化的起点，品牌在 AI 中的可见度是一个需要数据破解的黑盒；AI 搜索转化率更高源于用户意图表达更完整，移动端是关键战场。

从业者需从流量思维转向信任与品牌思维，从理解算法黑盒转向基于自身业务构建独特的数据与内容体系。

一文带你看懂，火爆全网的 Harness Engineering 到底是个啥。

via 卡兹克

AI 行业催生了三次跃迁：Prompt Engineering → Context Engineering → Harness Engineering。这本质上映射了人类对 AI 认知与控制方式的根本转变。

作者用游戏做类比：三个阶段分别对应《只狼》的手动操作、《金铲铲之战》的前期配置、《全面战争》的系统驾驭——控制粒度从精细到宏观，AI 自主性从低到高。

Harness Engineering 的核心在于构建一套系统性的规则与约束来驾驭高度自主的 AI 智能体。其兴起反映了模型能力已超越单点提示或上下文管理的阶段。对于从业者而言，理解这一脉络是把握未来人机协作范式的基础。这篇文章将 Harness 讲解得深入浅出，不懂的看这篇基本够了。

延伸阅读：

• 《Harness 刚火，可能就要成为过去时了》：模型性能下降并非因为能力不足或信息丢失，而是模型在长上下文中主动选择了「偷懒」。未来的方向或许不是更复杂的工程管控，而是需要引导或激励模型进行更深层、更耗能的「分析式」推理。

Reid Hoffman says leaders need to update their AI strategy. His advice: weekly check-ins.

via Ben Shimkus

LinkedIn 创始人/ 「Paypal 黑帮」核心成员的 Reid Hoffman 指出了一个老派思维的陷阱：许多高管仍在沿用「小范围测试-形成概念验证-全面推广」的旧有软件部署模式，这完全不适合 AI。

他认为正确的做法是，鼓励员工在全公司范围内快速探索 AI 工具的实际效用，并建立每周例会机制，让团队定期分享个人及集体在提升生产力方面的新尝试与心得。

此外，Hoffman 本人对当前 AI 在投资决策上的应用持怀疑态度，认为其建议仅是「商学院水平的平庸答案」，无法真正创造风险投资回报。

随便看看：

• 《看完小红书黑客松的 59 个热血团队，我们想推荐这 6 个》：小红书办了场 AI 黑客松，59 个团队参加。看完之后挑了 6 个有意思的。

• 《AI 高维向量空间里，「觉悟」的邻居是谁？一次跨越东西方的语义探索》：把「觉悟」丢进 AI 的向量空间里，它的邻居是谁？答案是死亡、疯狂、孤独、虚无、痛苦等存在主义核心概念。

• 《1.2 亿观众，见证 AI 漫剧从狂热到崩塌》：极致的效率追求催生了「文化垃圾」——从业者用爬虫扒剧本、偷脸生成角色、充斥擦边与恶俗桥段，导致爆款率从 0.18% 跌至 0.12%。

• 《月薪 3000 的人，正在批量生产价值 243 亿的爆款。》：AI 短剧这行，有一批人天天就是对着 AI 抽卡，他们工作枯燥、加班频繁且报酬低廉，实习生月薪仅 2-3k，社招平均 4-6k。但爆款率极低，2025 年上线超 6 万部作品，播放量破亿的不足百部。

• 《被网友吹上天的名人 AI，一开口我就知道是个水货。》：名人数字分身的本质是缺乏灵魂的拟像，其深度与可靠性远被高估。这类 skill 通过喂食公开的传记、演讲等二手资料生成，只能模仿名人的表面语气和几个标志性案例，却无法触及决定其成功的默会知识与真实灵魂。

• 《IDG 李骁军最新的 52 条箴言》：提到了一些对 AI 的思考观点。

适合个人上手的教程/评测/资源：

• 《分享一个我用了 2 年的深度研究 Prompt，半小时帮你搞懂任何陌生领域。》：核心在于两条轴的交叉：纵向轴追溯事物从诞生至今的完整历史与因果链条，理解其演变轨迹；横向轴则在当下时间点进行赛道内的竞品对比，厘清市场定位与差异化优势。

• 《达尔文.skill 正式发布，一个无限进化的 skill 系统！》：作者在手动维护超过 50 个 skill 后陷入瓶颈，受 Karpathy 的 autoresearch 项目启发，将「随机变异-自然选择」的进化逻辑迁移到 skill 优化领域，开发出达尔文.skill。该系统通过自动评估、修改、验证并借助 git 实现「棘轮机制」，确保 skill 质量只升不降。

• 《我怎么用 AI 辅助写作》：知识星球创始人分享了他的五步法：有所感（记录灵感）→ 和 AI 讨论（借助知识广度激发新想法）→ 提炼自己的观点 → 梳理结构 → AI 辅助整理与润饰。

• 《10 Open Projects for AI Security》：十个保护 AI 安全的开源项目推荐，包括 NVIDIA NeMo Guardrails 用于控制模型行为并防御越狱和提示注入；Promptfoo 将 AI 安全转化为自动化测试与报告流程；LLM Guard 提供模块化交互安全工具包，专注净化、有害语言检测和数据防泄漏等。

• 《看不懂 Agent？我让 AI 花了一下午写了个 mini-OpenClaw》：OpenClaw 太复杂，于是有人让 AI 花了一下午，自己写了个简化版。

• 《AI 結合卡片盒筆記法，人不再操作軟體，用對話流程讓 Codex 搭建資料整理系統：我的兩個月實測心得》：作者利用 ChatGPT Codex 等 AI Agent，通过对话指令自动抓取网页与视频内容、建立参考文献摘要、生成暂时与永久笔记、构建笔记间的链接和知识架构图，所有产出以 markdown 文件存于本地文件夹，实现了「工具即 AI 本身」，人无需操作传统笔记软件界面。

• 《量化基本面研究团队的 CLAUDE.md、Skills 和 Hooks 实战配置指南》：团队通过项目级 CLAUDE.md 为 AI 植入统一的「团队 DNA」，相当于共享的代码规范与工作流手册；利用 Skills 和 Hooks 构建类似量化策略框架的 AI 基础设施，将成员从重复性数据处理中解放出来。

它的作者之一 Edward Luo 是一位曾经搞过艺术、现在在搞产品的设计师，也是这个 Newsletter 的 VIP 成员，因此我必须大力帮忙宣传一波。

Vibe Island 的界面，主要就是一个位于 Mac 电脑刘海屏的展示区（电脑没有刘海也能用，会虚拟一个刘海区域出来）。点击刘海屏时，面板会展开，显示当前所有正在运行的 AI Agent 会话及其各种状态（作者推特的演示视频）。

你在用 Claude Code / Codex / Gemini / Cursor / OpenCode 等命令行终端开发工具（CLI）开发时，它会同步更新状态、推送选项、播放提示音，并且用的是复古的 8 位机音效，非常极客，我可太爱了。

用它配合日常 AI Coding，趣味横生且提升效率，我正在重度使用。

它目前采用一次性买断制。目前定价 14.99 美元/一台 Mac，最多到支持 34.99 美元/三台 Mac 同时使用（上周我已经在 VIP 圈子送出一波全价的兑换码作为 VIP 会员福利）。

现在，你也可以使用我的专属定制优惠短链： https://vibeisland.app/buy/xdash ，就可以享受 85 折的优惠价格。

（19.99 美元 » 12.99 美元，29.99美元 » 22.99美元，34.99美元 » 32.99美元）

据说下周起可能涨一点价格。现在用我的优惠码购买非常超值，感兴趣要趁早哈。

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

我用 Karpathy 的 LLM Wiki 方案 + 5 年 Flomo 笔记，搭了一个会自我进化的第二大脑

via Ethan Li

Karpathy 的三层知识库架构 最近在技术圈讨论挺火：原始数据层、知识图谱层、用户界面层。

Karpathy 提出的方案有意思在哪？他让 LLM 像维护代码库一样，持续编写和更新一个永久性 Wiki。这样一来，每加入新内容 AI 自动更新相关页面，每次提问的洞见都会沉淀，系统会自我进化。

作者在这个基础上做了三个关键改进：用 5 年 Flomo 笔记训练 AI 理解你的个人判断标准，作为系统的「价值观底层」；用 Sage Wiki 实现新内容的自动化编译与整合；再搭一个双轨框架，同时服务写作和创业决策场景。

有意思的是，这个系统真的在「生长」——每篇文章都在训练它更懂你的风格，每次问答都在沉淀成可复用的资产。它不是静态资料库，而是一个有生命力的第二大脑。

很多人突然不玩小龙虾而用 Hermes Agent 了。我替你试了，跟小龙虾到底有啥不同？

via AI 范儿

前阵子爆火的「小龙虾（OpenClaw）」和本文新介绍的 Hermes Agent，核心差异在哪？

一句话总结：小龙虾是「你来指挥的系统」，Hermes 是「自己会长大的助手」。

这点从部署体验上差距就很明显。Hermes 的唯一前置条件是 Git，依赖自动安装，原生支持 Anthropic Provider，能直接用 Claude Code，还自带一键迁移工具——目标很明确，就是「干小龙虾」。

初始体验呢？Hermes 默认预装 28 个工具和 92 个 skills，开箱即用，还有多种可切换的性格设定。

这背后的潜台词是：工具竞争的胜负手，正在从功能堆砌转向用户体验与生态整合。Hermes 通过降低技术门槛和提供平滑迁移路径，正在试图争夺早期用户与开发者心智。

How We Built Our AI VP of Customer Success, 「Qbee」 — And How You Can Build Yours

via Jason Lemkin

一开始，Qbee 只是个在 Replit 上用 vibe code 搭的客户门户工具，功能简陋得可怜——任务分配、单点登录，仅此而已。

但当真实数据开始流入，团队发现这个工具能做的远不止管任务。它能管理超过 100 个赞助商，发高度个性化的每周邮件，追踪复杂任务，而且——把客户管理的人力工时减少了 70% 以上。

构建成本呢？总花费仅数千美元，每月 AI token 成本不足 200 美元。

Jason Lemkin 总结了一个反直觉但很实在的规律：强大的 AI 代理，往往从解决一个具体、微小的痛点起步，通过迭代和数据反馈自然生长出复杂能力。不是规划出来的，是长出来的。

这大概就是为什么很多「完美规划」的 AI 工具死了，而那些「先干起来再说」的反而跑通了。行动优先于规划。

▪️OPINION 观点

如何蒸馏任何人

via Jeremy 想多了

最近 AI 人格克隆的项目和梗都很火，从蒸馏同事，到蒸馏业界大佬，到蒸馏女娲、上帝、各路神仙妖怪…

但这篇文章提了个历史视角：「蒸馏」人类技能的尝试其实已经存在了两百年。

最早是 Jacquard 织机，用打孔卡编码纺织工的手部动作，效率大幅提升，但也引发了工人抵制——这技术后来成了计算机的基础。局限在于，它只触及了「手」，没触及「脑」。

再到 1970 年代的 MYCIN 专家系统，试图用 600 条规则编码感染科医生的诊断知识。准确率甚至超过部分专家，但最终还是失败了——因为无法获取专家自己都说不清的「隐性知识」。

现在的 AI 人格克隆热潮，不过是这一古老困境的最新体现。真正的挑战从来不是技术，而是如何捕获那些「我们知道的远比我们能说出来的多」的深层认知。

技术可以蒸馏，但人性敬畏还是要有的。

不到 20 人的团队，凭什么估值 200 亿美元？

via TOP 创新区研究院

硅谷人才版图正在经历一场 K 型曲线：传统路径断裂，Big Tech 和 Big Labs 因官僚化而失血；而 Safe Superintelligence、Prime Intellect 这类研究型初创公司，成了新的「重力中心」。

这类公司反商业常规：极度的人才密度、恐怖的人均算力、极简的组织架构。目标则是解决如 AGI 般的巨大科学难题，赌突破后的无限商业价值。

20 人规模下挑战数千人团队，秘密在于他们敢于押注巨头因沉没成本而不敢尝试的新范式：赌「后 Transformer 时代」的线性复杂度架构；从「预测下一个 Token」转向构建世界模型；用合成数据与分布式训练实现算力民主化。

当技术范式面临拐点，极致的专注、速度与顶尖人才的化学反应，其威力可能远超线性的资源堆砌。

本周恰好还有篇新文章，可作为本文注脚，讲 Obsidian 这家神奇的公司—— 7 个全职员工、一只猫，月活超 150 万，年经常性收入约 2500 万美元。他们的组织哲学听起来很反主流：永远不超过 10 到 12 人，永远不接受风险投资，永远不收集用户数据和分析。

We’ve Deployed 20+ AI Agents. Here Are the 10 Mistakes Almost Everyone Makes

via Jason Lemkin

作者亲自上手部署了 20 + AI 智能体，总结出 10 条血泪错误教训：

1. 不亲自上手部署与训练，就无法理解 AI 的能力边界——仅靠供应商演示远远不够

2. 把智能体当「设置即忘」的工具是致命错误——现实需要每日管理，否则性能会持续退化

3. 过度追求完美，试图一次性解决所有问题——应该从最小可行产品开始迭代

4. 忽视数据质量——垃圾进，垃圾出，调整提示词解决不了根本问题

5. 把智能体当成本中心而非收入驱动——低估其直接创收潜力

6. 缺乏明确的成功指标和监控——无法衡量投资回报率

7. 团队缺乏必要的 AI 素养——部署后无人能有效运维

8. 过度依赖单一供应商——缺乏灵活性和抗风险能力

9. 未能将智能体深度集成到现有工作流程——形成数据孤岛

10. 恐惧失败，不敢让智能体在真实场景中犯错和学习

说到底，AI 智能体的成功部署是一场需要高层亲力亲为、持续投入并建立正确认知的组织变革。领导者必须亲手实践，别指望别人替你搞定。

随便看看：

• 《大厂「牛马」，被迫用 AI》：AI 工具从员工自发的效率玩具，演变为大厂隐性强制推行的绩效指标。运营为满足「AI 产出」要求，将本可手动快速完成的数据看板反复调试 80 遍，效率不增反降；工程师为凑够公司内部 AI 工具的使用次数，被迫删除有效代码让其重写，陷入形式主义消耗；后端研发被强制要求将个人经验文档化、Skills 化，让 AI Agent 接管半数开发需求——实则是将自己的工作流程标准化以供 AI 调用，面临自我替代的危机。

• 《35 岁挤进字节，40 岁还在：五年回望，说点实话》：所谓上岸，不过是跳入更汹涌的海。

• 《中转站真的就是一个辛苦钱，还要被人锤》：AI 模型 API 中转服务行业最近日子不好过。成本压力、风控风险、注水乱象——三重困境叠加。

• 《<生化危机>女主下场写代码，在 GitHub 上猛夺 2 万星》：好莱坞演员 Milla Jovovich 在游戏项目中使用 AI 时遭遇了「记忆失忆」问题——AI 无法跨对话积累上下文。她转而开发了本地运行的 AI 记忆系统 MemPalace，设计灵感源于古罗马记忆宫殿术。

• 《年薪过亿的 AI 天才，开始重写婚前协议》：天价薪酬与股权预期，将年轻工程师推入千万富翁行列，却也催生了全新的婚姻焦虑——亲密关系被视为高风险决策。婚前协议从富豪专属变成了 AI 新贵必修课。「感情是感情，钱是钱」已成为普遍共识，日常开销全包但股权归属提前写死的模式在湾区流行。

适合个人上手的教程/评测/资源：

• 《我用 Claude 搭了一套自我进化的写作系统》：作者的写作系统并非预先设计，而是从「选题库、公众号、小红书」三个基础文件夹生长出来的。后续的「价值观」文件夹（6 条核心信念与 18 条金句）是由 Claude 分析旧文与数据后提炼生成的。

• 《只花了 50 块，我养了 5 只小龙虾，每天帮我做投研》：50 块钱，能搭一个多 Agent 投研系统？作者的「五笨虾」团队构想是：总监统筹任务，研究员自动分析信号并生成报告，目标是实现专业分析、主动闭环与自我监督。

• 《拆解 Claude Code SubAgent：隔离，专业化与权限设计》：Claude Code 的 SubAgent 机制为什么值得研究？因为它解决了一个核心工程问题：如何让多个 AI 协作而不互相干扰。

• 《把 Tradingview 接进 Claude 后，发现看盘的逻辑全变了》：一个名为 tradingview-mcp 的开源项目，通过 MCP 协议将 TradingView 的实时数据与技术指标接入 Claude。有意思的不是 API 套壳，而是它构建了一个让 AI 能实时解读盘面并执行量化回测的「外挂」系统，还集成了 6 种经典量化策略的回测引擎，能直接对比策略表现并计算夏普比率等机构级指标。

在此特别推荐 Podwise 新出的 CLI（Github 主页）。

以防你不知道：Podwise 是我一直在用的「信息套利」工具，可以专门用来压榨那些有信息量的硬核播客/YouTube 视频的价值。转录文字稿、总结洞察、信息可视化、同步笔记。推荐出去，用了都说好（我之前录制过一期 YouTube 视频来介绍它）。

我用它的 CLI 做了几个 skills，譬如直接将常听常看的节目的最新一期的文字稿（包括其他 AI 精炼内容），拉取到本地，经过我的信息系统处理后，整合到各种任务流中。

你可以用我的专属优惠码 XDash 或点击这个链接（https://podwise.ai?s_aff=XDash）获得 Podwise 的首充和续费会员的锁定惠率。

订购会员套餐后，就获取了正式的 AI 和 API 使用额度。你既可以在浏览器的赏心悦目的界面中，可视化地快速跳读原本的音视频内容，也能像我一样直接在 CLI 里撬动它内置的 AI 能力，而不用自己开发。简直不要太爽。墙裂推荐。

（这周我还是过滤掉了大部分的龙虾内容，所以本期内容体量有所减少）

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

Agent 的家：如何在 AI 时代搭建个人家庭硬件基座（硬核）

via 张立行

作者军火展示一般地介绍了自己为 AI 配备的那些硬件设备，包括存储、调用、唤醒的等，并充分说明了各种设备的缘起、场景、体验评测、价格清单等，看得我津津有味。

比如，作者经历过一次 NAS 崩溃的教训后，果断把数据存储和核心服务彻底分开。之前图省事搞的 All-in-One 方案虽然方便，但数据安全实在伤不起。这本质上是用便利性换了可靠性。

他的桌面级硬件全景长这样：一台专管存储的 NAS，一台跑 PVE 和 Debian 容器的小主机承担所有自动化工具，作为局域网算力中心的 Mac Studio，以及一台 5,500 块收来的二手 x86 主机，显卡是 RTX 3060。这台机器被虚拟化切割成三块：跑本地多模态模型、24 小时在线的云端开发机、相对安全的公用 AI 实例。最容易被忽视但至关重要的是软路由——整个架构的网络基石。

AI 冲击传统行业的同时，反而创造了新的硬件机会和二手市场红利。那台高性能主机就是从倒闭的视频工作室淘来的。

这套架构让他能做到：纯语音指挥 AI，完成从构思、编码到部署调试的全流程。这不是设备堆砌，而是一次面向 AI 原生工作方式的硬件基座重构。

我用 AI 做了一条 TK 带货视频，成本 3 块钱，卖了 5 万美金

via 饼干哥哥

作者的团队大半年烧了二十几万，跑出七位数 GMV，踩坑换来的核心洞察就一句话：在 TikTok 上，像素级的产品一致性是个陷阱，用户下单的关键是 20 秒内的情绪冲击、身份投射和价格锚定，产品像不像根本不重要。

他们用真金白银测试出的模型选型公式：品牌片用 Veo，种草用 Sora，投流用 Grok，故事用 Seedance，长片用 Kling。选错模型成本能差 30 倍。最贵的 Veo 3 废片率高达 80%，这你敢信？

另一个反常识的结论：TikTok 底层逻辑是「货带人」而非「人带货」。团队花两个月打造 AI 人设号，粉丝涨三千，零出单。转做产品种草视频，第一周就爆单。还有一个常见死法是照搬国内直播模式——数据显示，AI 短视频的长尾效应远超直播，一条视频发两个月还在出单。

AI 在电商领域的应用已进入精细化运营阶段。烧钱试错换来的不是炫技，而是一套剔除幻想、直指转化的务实方法论。

▪️OPINION 观点

当 AI 可以做一切，剩下的护城河只有这 5 种

via 虎嗅

Michael Bloch 指出一个反直觉的洞察：当 AI 让构建软件变得轻而易举时，传统的技术壁垒正在快速失效。真正的护城河已从「难做的事」转向「难得到的东西」。

五种 AI 无法压缩形成时间的核心资产：

1. 持续复利增长的专有「活数据」

2. 需要多年积累的网络效应

3. 受政治进程而非技术影响的监管许可

4. 部署于物理世界所需的大规模资本

5. 受物理规律限制的基础设施

「时间」本身成为了元护城河。这些优势都需要数年甚至数十年的现实时间沉淀，AI 无法并行加速。

如何在 AI 时代，找回你被埋没的创造力

via 数字生命卡兹克

从 OpenClaw 到各种 AI 创作工具，人们兴奋地安装，然后对着闪烁的光标陷入空白。不是工具没用，而是我们被规训太久，忘了自己本来就有创造欲望。

AI 工具不是答案本身，而是放大器。它能把那个被掩埋的、属于每个人的创造天性重新点燃并赋能，前提是你先找回那个对世界「不满意」的、最原始的自己。

为此作者在文中给出了几个具体原则和建议，有一些还是能击中我，引导我反思的。

随便看看：

• 《「卧底」Kimi 的 100 小时》 罕见地揭开了月之暗面这家估值超 1200 亿人民币、却极度神秘的 AI 公司的内部生态。300 多名平均年龄不到 30 岁的员工，每人扛着近 4 亿估值，80% 是内倾人格。Kimi 要上市了，类似的公关稿基本是正面论述，有些甚至褒奖得过于露骨了，看个热闹吧。

• 《华语乐坛里，到底还剩多少活人？》 重新审视了 AI 对音乐产业的冲击。最近周杰伦新专辑发了，我听了完全不是那味儿。但是通过一堆二创（尤其推荐 AI 升 key 类、周杰伦年轻音色类），慢慢觉得这张专辑有些歌还不错。这让我对音乐行业的现状更感兴趣了，于是推荐这篇。文章通过一位职业作曲人沐花音的真实境遇，揭示了 Suno 等模型突飞猛进后，行业坍塌的速度与血腥程度。

• 《追了一年 AI 工具，产出为零：一个连续创业者的反思》 精准地刺破了科技圈里最普遍的幻觉：人们误以为「先看到未来就等于先赢」，结果却陷入不断测试新工具、却毫无实际产出的怪圈。反思一下我身上也多少有这问题。

• 《凌晨三点，我在排队等一个 AI》 开篇很有意思：Seedance 2.0 爆火，导致下游公司员工需要凌晨三点错峰上班。作者用大量细节勾勒出一个拧巴的供需结构：一边是 200 万美元的优先访问权和千万级的入场券，将中小公司挤出牌桌；另一边是平台方转向基于 Token 消耗的精细计费，用夜间优惠等价格杠杆疏导流量。

• 《医生说没救了，但亿万富翁不信，用 AI 战胜了癌症并开源全部诊疗数据》 展示了一个顶尖创业者如何将商业逻辑移植到生死战场。GitLab 创始人西德·西布兰迪杰在 2023 年确诊罕见骨肉瘤，经历毁灭性治疗后于 2024 年复发，被医生宣告无计可施。他随即辞任 CEO，以「创始人模式（Founder Mode）」自救：亲力亲为组建私人医疗团队，建立高达 25 TB 的个人生物数据库，并像管理代码库一样开源全部诊疗数据。 最终取得了抗癌成功。非常振奋人心，比上周那个自制药物救自家狗狗的更令人暖心。

适合个人上手的教程/评测/资源：

• 《Claude + Obsidian Solving The Memory Issue! (Walkthrough)Claude + Obsidian：解决记忆问题！（完整指南）》：作者提出了一个「三层复合记忆堆栈」的架构，其核心是严格区分「工作区」与「大脑区」的双轨文件结构，将 AI 生成的高频但可能杂乱的「工作」内容，与人类精选、高信噪比的「知识」永久记录分离开来，以此保护 Obsidian 知识图谱的纯净与可搜索性。

• 《OpenCLI：万物皆可 CLI》：介绍了用 CLI+浏览器插件，来更快进行浏览器操作的方式，非常适合 Claude Code 等命令行玩家。

• 《从飞书文档到发布公众号，只需要几秒！我做了一个 CLI 工具帮你丝滑发文》：作者做了一个名为 feishu-wechat-cli 的命令行工具，将整个流程压缩为一条命令和几秒钟。

• 《即梦 CLI 体验指南 - Feishu Docs》 ：即梦也出 CLI 了。

• 《E73. AI 的不焦虑用法:你不需要再多学一个工具，你需要搞清楚 AI 能帮你解决什么问题》：最让我感兴趣的是 Ruby 那个在 GitHub 上获得 600 多个 Stars 的科技股财报分析 Skill，它不仅能进行多维度估值，更核心的是提供了「变异观点」和反偏见框架，旨在发现市场共识盲点。