We also talked about AI’s sweeping impact across industries. He hasn’t been affected yet—he can take it all in stride. I think it’s mainly because his work requires on-site visits to venues, coordination between celebrity agents, event organizers, and platform executives, and the unglamorous task of implementing whatever ridiculous plan the boss just signed off on.

Work that demands hands-on control of the physical world, delivering both material and emotional value to upstream stakeholders—these are the roles that won’t be replaced by AI anytime soon. In the lipstick economy era, the top entertainment coordination firms are actually seeing more business, not less. What’s more exposed are the downstream execution shops: editing, visual packaging, materials production.

He complained plenty about the stupid decisions made by clients and platform bosses. But I told him: a good chunk of what he’s earning is exactly this “humble fees” for tolerating nonsense.

2/ Ad break: I’ve partnered with an old classmate who’s been in overseas education and arts education for years to organize a Hong Kong University of Science and Technology AI Research Academic Camp this summer.

We’ve secured HKUST authorization and resources—campus lab tours, AI lab visits, professor-led methodology training, and mentorship from industry professionals. The goal: help applicants build high-quality academic materials they can actually use in their CVs and personal statements.

Six days this summer. Ideal for undergrads (especially sophomores through seniors), grad school applicants targeting Hong Kong or overseas programs, young professionals looking to strengthen their academic and career narratives, and parents wanting to expand their kids’ horizons.

The camp costs 24,800 RMB per person. Friends finding us through this Newsletter get an early bird price of 22,800 RMB before May 31. For parent-child pairs (one adult + one child), it’s just 4,000 RMB extra on the original price—22,800 + 4,000 = 26,800 RMB early bird.

Interested? Add my WeChat to get the full details: ifanbing (please mention “HKU camp” when adding).

Subscribe now

CASE Studies

Xiaohongshu’s Four-Year AI Transformation Journey—Will It Finally Work This Time?

via Xiao Sijia

For years, Xiaohongshu has held an enviable community asset base and advertising foundation. They’ve tried e-commerce, live streaming, and more to unlock new growth—yet never quite broken through to the next level.

Their AI exploration has been at it for four years, still without a clear path. The root cause? Xiaohongshu has been wavering between “authentic human feel” and AI algorithms.

On April 30, they launched “Dots,” an AI-level department upgraded from the former Humanities Intelligence Lab (Hi Lab), with four subdivisions: model R&D, infrastructure, engineering, and product.

This article traces their four-year AI journey from that inflection point—setbacks and breakthroughs included. For instance: in 2025, the AI “Ask Anything” feature boosted community user retention by approximately 2%–3%.

Whether they can integrate resources and clarify AI’s role in the community remains to be seen. Worth watching. Their experience is both a cautionary tale and a live case study for any enterprise exploring AI transformation.

A 300,000 Pixel “AI Desk Pet” Is Selling Like Hotcakes—Here’s Why

via Discovered Tomorrow’s Products

Alongside the CLI renaissance comes the low-resolution mosaic monitor—toss in some AI texture rendering and you’ve got yourself a trendy “AI desktop companion.”

Rather than the high-def images on your phone screen, these tangible little desktop trinkets hit users’ need for emotional value and a sense of interaction.

I enjoy scrolling similar content on Xiaohongshu myself, seeing what creative things people have built. In private conversations with product developers, I’ve heard they’re considering how to output their own status attributes in desk pet-compatible formats. Go play with it, everyone.

Notion Agent Shipped One Year Late—Now It’s the Highest-Converting Paid Feature

via Simon La

Notion’s Custom Agents went through five rebuilds, delayed a full year—and somehow became Notion’s highest-converting Free Trial feature ever. How?

On the Latent Space podcast, Notion’s AI Engineering Lead Simon Last and AI Product Lead Sarah Sachs shared some inside practices and key insights:

• Early on, the team tried forcing models to adapt to Notion’s custom XML and JSON formats. Complete failure. Switching to Markdown and SQL—formats models handle naturally—brought immediate quality gains.

• When tool counts exceeded 100, the team adopted a “progressive disclosure” approach, dynamically showing tools to avoid system collapse.

• Inside Notion, there’s a GTM team that built over 30 Custom Agents, each handling specific tasks: some research customer info, some categorize feedback, some handle data entry. Problem: these 30 agents generated 70+ “blocked” notifications daily, all pushed to one person—way more than anyone can process. So they added a Manager Agent. This agent monitors the other 30, aggregates and analyzes blocks when they occur, attempts automatic resolution, and only escalates the handful requiring genuine human judgment. Notifications dropped from 70 to 5.

• A new role is emerging at Notion: “Model Behavior Engineer.” No engineering background required—but potentially the core job of the AI era.

Trump and Justin Sun Are Now AI Scalpers—How Deep Does This Rabbit Hole Go?

via APPSO

The Triangle Trade model is repeating itself in AI.

OpenAI and others blocking mainland China IPs and restricting payment access gave rise to a gray middle layer—the “AI relay stations.” These operate on the open-source One API project, commercializing through protocol standardization, token fee interception, and multi-account rotation pools.

Upstream resource providers cut costs using free cloud credits, educational email discounts, even stolen credit cards. Recent expansion: recruiting locals in Africa for facial data collection to bypass real-name authentication.

But 45.83% of nodes aren’t running the models they claim—accuracy lags official APIs by 40+ percentage points on medical and legal tests. Another ACM paper revealed some gateways charge 62.8% more than expected, with no way for users to know.

Paying premium for “top-tier” AI service? You might be getting something completely different at a random price.

Opinion

A Conversation with Hao Jingfang: From Beijing Folding to AI Folding

via Ms. Jia

What’s the gap from Hugo Award winner to solo company founder?

After winning the Hugo in 2016, Hao Jingfang founded Tongxing Academy. Now she codes with AI Agents and spins off companies herself.

In a podcast interview with JiaZiguang, she said something that stuck with me: the communication between AI product managers and coding models is “completely smooth, seamless”—human intervention actually hinders efficiency. So she chose “full AI work,” developing her entire education system with AI.

On organizational management, her aversion to hierarchy-driven internal friction led her to split Tongxing Academy from 50-60 people into 9 smaller companies. HQ’s full-time headcount: 0. All revenue comes from profit sharing with subsidiaries.

She believes companies don’t need to “grow bigger and stronger”—they need to “multiply and beautify.”

The core insight: AI truly enables one person to become an entire team.

The 0.02% Survivor: When Building an App Is Easier Than Getting a Dinner Reservation, What Becomes Valuable?

via Uncle Rust

Eli Cohen summarized an counterintuitive conclusion after his 2010 startup failure: ideas are worthless, execution is everything. The most valuable part of this article comes after the thesis—several todo suggestions:

The first shift: from pursuing “what you can do” to pursuing “what you can give up.” AI lets you do everything. It’s precisely because you can do anything that you must practice what not to do. Taste isn’t about more choices—it’s about more rejections.

The second shift: from the information end to the judgment end. AI can give all the answers. What’s valuable is knowing what to ask, and when to distrust the smooth-sounding answer AI hands you. I’ve talked about deskilling before: if someone’s never completed a task without AI, they’ll never know what’s missing from AI’s output.

The third shift: from skill accumulation to narrative accumulation. Skills get commoditized. But a living person’s judgment trajectory can’t be replicated. The line between what someone believed three years ago and what they believe now—that’s identifiable. AI has no continuous self, no real stance evolution.

The fourth shift: from “creating content” to “building positions.” See every output as asset accumulation, not a one-time catch. Every article you write, every product you build—are you hawking them individually, or stacking weight in the same direction?

The fifth shift: from being a builder to being a builder of rooms. You’re not just making products—you’re creating a space where people like you can find each other, recognize themselves, and stay.

Talking AI Implementation with a Veteran Bureaucrat: Why Are State Enterprises So Obsessed with “Knowledge Bases”?

via Looking at Mount Sumeru from a Mustard Seed

Why do state enterprises and SOEs focus almost exclusively on “knowledge bases” for AI?

After reading this dialogue with an institutional “old-timer,” I finally understood: it’s not technological lag—it’s the risk-averse instincts of the “hierarchical bureaucratic system.”

A note: this article is marked as fiction at the end. Don’t take it as gospel. Whether such a dialogue actually happened is unknown, but much of the logic is self-consistent, and it filled some blind spots in my perspective. So I’m sharing it—you be the judge.

The article mentions that for SOE executors, AI projects must satisfy three demands: “absolute safety,” “visible achievements,” and “solving real pain points.” Knowledge bases fit all three perfectly—fully isolated from high-risk production, controllable risk; managing massive regulations and official documents, catering to “leave traces on everything” compliance needs; and “reducing burden” for the writers drafting materials.

Quick Reads:

• “AI Shops Are Popping Up in County Towns—Are the Bosses Actually Making Money?” County towns in China are seeing countless AI-branded shops—AI self-study rooms, AI noodle shops, AI car washes. But the AI content is minimal: self-study rooms just have kids using Pads to answer questions, KTVs generate absurd AI MV videos, car washes are really just fixed-trajectory computer-controlled car washes. Customers aren’t buying it—some even say the branding made the food worse. The money isn’t coming from customers. Where is it coming from? Two paths: first, franchising chains to collect franchise fees and equipment markups. AI self-study rooms grew from 1,320 to 50,000 in two years, brands using standardized pitches and model stores to attract franchisees. A retired teacher in Jinan invested 190,000 RMB then went bust; used learning machines flood resale platforms at low prices. Second, tech companies stuff ready-made LLM APIs into hardware, repackaging them as industry solutions sold to shop owners at high prices.

• “An AI Agent Runs This Experimental Swedish Cafe. Here’s How It’s Going” US startup Andon Labs opened an experimental cafe in Stockholm where AI agent “Mona” handles nearly all business decisions—human baristas only make and serve coffee. As of mid-May, sales exceeded $5,700, but of the original $21,000 budget, nearly $5,000 has been consumed, mostly in one-time equipment costs. Customers can talk to the AI directly by phone in-store—most find it novel and fun.

• “Tech Giants’ Employment Ledger: 1.3 Million People, Hundreds of Billions in Salaries—Where Did It All Go?” China’s internet giants are undergoing a major resource redistribution from “people” to “machines.” Analyzing 2025 annual reports from ten companies including Tencent and Alibaba reveals three employment logics: JD.com trades scale for market, with 776,000 total employees; Alibaba and Baidu are trimming and focusing on R&D; Tencent and Pinduoduo are carefully selective, adding almost exclusively tech roles. Pay distribution is polarized: Tencent’s average annual salary is 1.13 million RMB, while JD.com’s is only ~170,000 RMB due to over 80% frontline delivery and warehouse workers. More striking is the R&D gap—Tencent alone spends 85.75 billion RMB in R&D, exceeding Meituan, NetEase, Kuaishou, and Trip.com combined. Companies doubling down on AI—Alibaba, Baidu, NetEase—are seeing stock prices rise, while delivery-heavy companies like Meituan and JD.com face pressure. The market is reassessing internet company growth models, shifting from pure scale expansion to systems, algorithms, and organizational efficiency.

Tutorials & Resources for Individuals:

• “Making Meaning Emerge: Your Memory, Your memory.md” Note-taking tool flomo launched a new feature: AI compresses, summarizes, and distills all your notes into two documents about you—”The Stable You” (user.md) and “The Current You” (memory.md). Put either into any AI and you can: first, personify conflicting internal personas like “Truth Seeker,” “Creator,” “Operator,” “Stoic,” “Anxious One”; second, present significant memory slices, showing your hidden “default values”; third, when connected via MCP or personalized settings, the AI assists in making better decisions.

• “For Beginners: 100K RMB to Do Amazon, How Sellers MCP + Claude Helped Me Pick a Product” Instead of using crawlers, Python and other technical showing-off methods for product selection, let AI call real Amazon data for analysis. Sellers MCP does exactly this. The author tested it by inputting “newbie, 100K budget, 10 daily sales, can profit”—Claude called DeepSeek-v4-flash, the whole process cost just 1.66 RMB, and selected a multi-blade vegetable chopper.

• “I Built a Skill from Investment Research to Stock Factors Using Codex (Open Source)” After building a local stock database, the next step in quantitative research is factor development. Traditional methods require researchers to manually read reports, extract factor definitions, translate to code, and repeatedly verify—low efficiency, high repetition. The author first tried RDAgent, which extracts abstracts from PDFs, generates factor formulas, calls Qlib environment to write code and auto-verify, but the installation is complex, requires Docker and unfavorable network conditions. So the author turned to Codex—inputting report content, generating factor code directly, and successfully packaging the whole process as an open-source Skill.

• “5 Ultra-Practical Claude Code + Feishu Agent Office Hacks” Feishu CLI has opened nearly 120 capabilities—almost can do anything. The article shares 5 internal combat cases: first, building a cross-session knowledge base for each meeting series, where agents automatically capture meeting data and generate structured documents; second, agents + Feishu for comprehensive work retrospectives, pulling data from 8 channels including DMs, group chats, meetings, and tasks to generate full reports, even catching project schedule omissions; third, automating repetitive coordination workflows—handing blogger reconciliation to Feishu bots that automatically check tables, verify, and route issues (notify Biz Dev if amounts don’t match, notify Finance if orders are missing), with the whole development process requiring just voice input.

• “Doubao Input Method Mac Version Launches—Everyone Should Try AI Voice Input” Free, with recognition accuracy and filler-word removal outperforming comparable products like WeChat Input Method. Usage is simple: set a hotkey, hold to talk, release to complete voice-to-text, supporting streaming output.

• “After Installing This AI Hot Topics Skill, You’ll Never Need to Scroll AI News Again” Author Digital Life Kazek opened three access methods—Skill, RSS, and API—after making their AIHOT website publicly free and receiving massive positive feedback. AIHOT Skill’s four core capabilities: first, auto-generate daily AI briefings organized by five sections including model releases and product updates; second, curated mode, presenting all noteworthy high-quality entries in a timeline, suitable for those who don’t want to miss anything but don’t want full data dumps; third, time window and category queries, filtering from full data with curated info as default response; fourth, keyword search, supporting queries like “What did OpenAI release recently.”

• “GPT Image 2’s Most Underrated Hidden Feature: Complete Brand Visual Proposals!” With GPT-Image 2’s paid version, anyone can quickly generate a complete brand visual proposal—no design team or professional software required. Core method: input brand materials into GPT, AI automatically extracts brand DNA and generates 5 core images: main visual cover, recognition system (logo, colors, etc.), product packaging, communication scenarios, and IP character design. This workflow mimics professional designer logic, forming a complete chain from concept to product to communication.

• “Let Creators Get Rich First” AI era high-quality skill supply needs a complete pricing, protection, and incentive mechanism, not relying on free or open-source spirit. YouMind launched its Skill Creator Incentive Plan on May 1: creators set their own prices with platform taking small cut; plagiarism check mechanism with option to hide skill details, preserving creator recourse rights; dual-channel incentives for point-to-reward or platform bonus exchanges; direct buyer feedback comments, with plans for creator-specific agents enabling direct creator-user dialogue; building a vertical skill market for creators. After launch, a large number of privately-held high-quality skills became public and priced—one AI coach broke 100 USD daily bonus, exceeding 1,000 USD cumulatively. These creators aren’t traditional influencers—they’re knowledge workers packaging professional judgment, workflows, or problem decomposition into executable, reusable skills.

• “Master CC, Work Twice as Fast! Claude Code Command Guide, Gold Commands, Multi-Model Config, Practice Guide, Hooks and Pitfall Records” The article covers four major sections: command guide covering CLI commands, slash commands, shortcuts, and multi-model config (connecting to Zhipu GLM, DeepSeek, and other domestic models via environment variables or config files); handpicked high-frequency gold commands, emphasizing how to chain commands into engineering workflows; pitfall records sharing the author’s firsthand experience; best practices combining commands with Skills + MCP ecosystem.

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。

I also bought my kid a set of early education books on safety awareness, anti-bullying, and language expression from Pinduoduo. When I think about it — isn’t this also a form of “Harness Engineering”?

Speaking of raising kids in the AI era, I have quite a lot of thoughts. Maybe I should compile an episode of that long-dormant podcast. Anyone want to hear it? Give it a thumbs up and let me know!

↑ Sneaking in a photo of this dad slaving away during the holiday (title: “Young Master and Me”)

2/ In case you didn’t know: starting from last issue, this newsletter has been publishing an English version simultaneously (last issue’s Chinese version, English version) to serve our international readers. Currently the Chinese version goes out via Email + App, while the English version is only on Substack App (both links get posted on social media). Let’s see how much demand there is. If you enjoy this newsletter, feel free to share it with friends both in China and abroad.

3/ The May Day course discount I mentioned last issue ends today (How I Built a 100X Knowledge Extraction System with AI, How I Built My Personal AI Jarvis Assistant). Lots of great reviews — if you’re interested, act fast!

Subscribe now

Please enjoy this episode:

▪️ CASE

A Millionaire Spent $250 Letting AI Call the Shots for 7 Days — Can It Make $1,000?

via Mark Tilbury

Mark Tilbury became a millionaire through investing, but on YouTube he’s an 8-million-subscriber creator who mostly talks about investing and making money. In his latest video, he set three iron rules: all decisions go to AI, budget capped at $250 with the bulk going to ads, and the whole thing livestreamed.

He started by using the “fake scroll method” on Instagram to surface tons of promotional content, then fed the product list to ChatGPT to pick a niche market. AI chose pet supplies. Everything after that — branding, store setup, ad creative — was all AI.

The real difficulty isn’t using AI tools. It’s whether humans can completely abandon their own judgment. AI suggested concentrating most of the budget on one seemingly niche product — completely counter to intuition.

On the final day, he revealed the actual sales numbers. If he fell short, he promised to pay out of his own pocket to commenters.

Worth watching as a fun livestream retrospective (while plugging a product that automates store setup and dropshipping on Shopify).

He Turned ChatGPT Into His Project Manager — Specifically to Deal With His Chaotic Work Style

via Katie Parrott

Katie Parrott always thought she was terrible at project management. Until she joined the lean commercial media team at Every as a full-time staffer, and finally decided to take it seriously.

She built herself a ChatGPT agent: one that remembers her quarterly OKRs, monitors her calendar, reads her Notion to-do list, and tells her what to do next.

What she’s interested in isn’t the usual “use AI to write faster” advice. It’s the other direction — using AI to prop up the parts she struggles to believe she’s good at, like project management.

Most AI workflow advice focuses on things you’re already good at. But the real pain points are often the areas that make you doubt yourself. ChatGPT’s latest update made this feasible.

Agent-based project management still isn’t perfect, but this attempt to “outsource executive function to AI” gives knowledge workers a new way to fight procrastination and decision fatigue.

Building a Cross-Border E-Commerce Empire with a Hermes Multi-Agent Team — Going Overseas to Make USD

via Binggan Gege

Binggan Gege recently showed how to set up an AI employee team using the Hermes multi-Agent framework.

• Case 1: Had an AI team do Reddit user pain point research, GEO insights, and output a report — completed in 10 minutes flat.

• Case 2: A TikTok viral video director team. AI corrects storyboards based on feedback and precipitates reusable skills.

Hermes’s key advantage over competitor OpenClaw is its three-layer memory architecture: automatically records decisions and preferences, intelligently retrieves relevant memories, and auto-converts workflows into skills every 15 rounds. The longer you use it, the smarter the Agent gets.

Setup takes four phases: starting with a directory skeleton, configuring personas (Lead GM + VOC Analyst + GEO Optimizer + Reddit Expert + TikTok Director), all the way to integrating a Feishu bot for acceptance testing.

One thing to note: all operations need to run in the Hermes directory to avoid conflicts with OpenClaw. The identity system is based on Profiles, each sub-Bot runs independently, and multi-role concurrent collaboration is handled through the Gateway process.

Want to quickly validate the effect? Use dry-run mode first to preview the execution flow.

LangChain’s AI Agent for Sales — 250% Conversion Lift in 3 Months

via Shensi Quan

LangChain (the company is still alive?) recently shared results from using AI agents for GTM: 250% conversion improvement in 3 months, 3x pipeline growth, 1,320 hours saved.

What’s the core pain point in sales? Information scattered across 5-6 systems. A single background check takes 15 minutes, and customers get contacted repeatedly.

Their agent is smarter: instead of writing emails directly, it first looks for reasons NOT to send — like if the customer just submitted a ticket or was already contacted. Only then does it pull data from Salesforce, Gong, and LinkedIn, generating personalized drafts.

All emails need approval from sales reps in Slack. Every edit or cancellation becomes a learning signal for the system.

For account intelligence, the agent automatically aggregates signals every Monday — funding rounds, product usage, hiring trends — and generates separate reports for sales and deployment teams, flagging expansion opportunities and deal risks.

The takeaway: agents learn and optimize through execution, and LangChain — as an AI infrastructure company — was first to practice what it preaches. That makes their experience more credible.

▪️ OPINION

Entering 2026! Crossing Point AI Open Mic — Real Talk from 13 Speakers

via Shizi Lukou Crossing

An April offline open mic, where 13 AI entrepreneurs and practitioners shared their on-the-ground thinking.

• Juzi proposed a “soul system” for rebuilding trust between humans and agents;

• Bo Te, a post-2000 entrepreneur, emphasized a three-month milestone iteration rhythm, arguing that “vision-driven” is the real long-term moat;

• VidMuse abandoned the generic video agent, using “music” as the backbone, driving video creation with domain-specific language instead of tool stacks;

• Han1’s Antenna lets agents scan the venue first to judge who’s worth knowing;

• Liu Xiaopai called for being a builder rather than an AI influencer, and open-sourced the news filtering tool BuilderPulse;

• Tina pointed out that going from AI Studio to launch requires switching to Vertex AI;

• Tang Ni emphasized that AI lacks real human experience layers, and Zhihu has opened its API and MCP for agents to call;

• Fu Peng analyzed the twilight of red-chip structures for AI startups and the “sandwich dilemma” of going overseas.

All pointing to one trend: AI is shifting from tool stacking to vision and trust-driven native applications.

Sendbird’s Internal AI Adoption Game: Token Leaderboards, Quests, and a Skills Marketplace

via John Kim

John Kim, founder and CEO of the well-known email service Sendbird, recently shared their internal AI adoption system.

• Any employee can launch “Quests” tasks. AI automatically reads task specs, generates product requirement docs, and starts coding — taking ideas from concept to market fast.

• They also set up a Token consumption leaderboard that classifies employees from “AI Newbie” to “AI God” based on a standard of over 100 million tokens consumed daily. AI usage behavior becomes transparent and measurable. (But honestly, I’ve always thought this metric was a bit of a joke — it’s like evaluating old-school programmers by lines of code. Easy to turn into a vanity metric.)

The mechanism essentially creates an internal market: AI demand side and AI builders can freely match. Anyone can raise their hand and say “I think I can do this.”

They believe innovation doesn’t come from pure theoretical frameworks, but from people in the organization who have energy and stories. Leaders need to find them and build energy fields around them.

Permanent Underclass: Silicon Valley AI Practitioners Privately Think Regular People Are “Doomed”

via Budong Jing

An article exposing the collective pessimism in Silicon Valley AI circles. Kind of a spiritual successor to last week’s piece, “Full Team Token-Maxzing: An Arms Race Nobody Can Afford to Stop.”

Many AI decision-makers and executives shout about technology empowering people in public, but privately believe ordinary folks will be relegated to a “permanent underclass.” They’re already building physical and economic double fortifications for themselves.

This “San Francisco Consensus,” whose core thesis is: advanced AI will rapidly displace millions of jobs, suppress economic mobility, and funnel power and wealth to AI companies and capital owners.

One absurd detail: tech people express extremely extreme concerns about labor market impacts in private conversations, but the moment a microphone turns on, they suddenly become optimists.

They’re using “the trend is irreversible” for moral absolution, accelerating automation, while making the most realistic preparations for coming social unrest.

Further reading:

• Claude Code’s Creator Confesses: Programming Has Been Thoroughly Solved by AI

Quick Reads:

• I Scraped Nearly 600 AI Covers on Bilibili: How This Content Blizzard Unfolded in 2026 Bilibili’s AI cover ecosystem experienced a “content blizzard” from December 2025 to April 2026 — driven by SUNO V5 and V5.5 models, lowering the barrier to entry and flooding supply. But counterintuitively, after V5.5 launched, average plays per track dropped 4x because the traffic pool got diluted and head concentration actually intensified. The top of the play heap isn’t the “Black Gospel” the mass market would expect — it’s parodies, AI voice simulation, cross-language lyric writing, and 2D meme songs. Five top AI composers represent different creative philosophies, with Adetokunbo using an “industrial assembly line” approach to mass-produce Mandarin classics in gospel version, becoming an ecosystem representative.

• I Gave AI $100 to Go Thrifting — It Bought Itself 19 Ping-Pong Balls Anthropic ran a real experiment: 69 employees each got $100 in virtual budget, with Claude agents acting as their full proxy in buying and selling on Slack — from posting to bargaining to closing deals, all with zero human intervention. Final tally: 186 deals completed, over $4,000 in total volume, 46% said they’d pay for the service. But the strong Opus model systematically crushed the weaker Haiku: the same damaged folding bike sold for $38 via Haiku but $65 via Opus — a 70% price gap. More unsettling: participants proxied by Haiku felt no dissatisfaction with results — they suffered hidden losses from information asymmetry without realizing it.

• After 6 Months Building a Ride-Hailing Agent, I Finally Figured Out Confidence Levels The author’s startup initially used “binary judgment” — AI executes when confident, asks when not. Result: a lose-lose. High confidence doesn’t equal high accuracy, but asking too often kills the user experience. They later split confidence into four tiers: above 90% executes directly; 70-90% uses weak confirmation, showing options and auto-proceeding after 3 seconds of no objection; 50-70% requires strong confirmation with manual user selection; below 50% actively asks. Confidence can’t rely solely on the model’s confidence value — it needs to factor in intent recognition confidence, slot completeness, ambiguity level, and user history. After launch: first-attempt success rate went from 65% to 72%, complaint rate dropped from 2.1% to 0.4%.

• From $1.7 Billion to $30 Million: The “Grandfather of Today’s Headlines” Was Killed by AI BuzzFeed founder Jonah Peretti spotted as early as 2001 that emotion is the primary fuel of internet virality. He founded BuzzFeed in 2006, relying on algorithm bots to manufacture viral content, peaking at 300 million monthly active users. But the traffic lifeline depended entirely on Facebook and other platforms. After going public in 2021, TikTok’s rise and Meta’s algorithm shifts caused traffic to plummet. Peretti went all-in, using AI to mass-produce content, laying off 15% of staff and shutting down the investigative reporting division. 2025 financials show a net loss of $57.3 million, stock price at $0.78, market cap down 98% from its peak.

• I Taught AI to Write Novels at a Big Tech Company — First I Had to Kill My Own Writing Style Yuan Xing, a 23-year-old sci-fi author, worked as a data labeler at a Big Tech outsourcing company. His job: compress 10,000-word web novels into summaries no longer than 350 characters, tagging characters with labels like “green tea” or “wimp.” He saw AI writing’s limitations: 20-30 persona tags in the rule documentation are nowhere near enough to capture the complexity of web novel characters. AI-generated novels are formulaic and lack the thickness of real human writing. In the end, he stopped worrying about being replaced by AI — because the fuzzy, rich, un-labelable details in human writing are exactly the barrier AI can’t cross.

• I Got Screwed by AI While Traveling During the Holiday Six travelers who got “burned” by AI shared their real experiences. Ryan, an internet employee from Hebei, found AI’s recommended scenic route for a self-drive in western Sichuan completely impractical — what AI called “really close” was actually 6km away, and the return route was missing 200km entirely. Beijing freelance writer Ma Guo had an AI-recommended high-speed-to-bus plan in a county town fail because AI didn’t know the last bus left at 6pm. In Japan, AI even fabricated a “weaving experience” project that doesn’t exist. Freelancer @ Xiao Yang in Denver nearly faced life danger because AI didn’t warn about hazards on a hiking route. AI’s “instant apology” attitude can’t compensate for real travel losses. You must personally verify transportation, restaurant, and scenic spot hours — because AI takes no responsibility for anyone’s safety.

• Inside the “Raising Lobsters” Scandal: Why Top Players Have Already “Abandoned” It? Sang Zhuohao from Focus Media AI said he burned over 3,000 yuan in API fees in one week following the “lobster” trend and has since “abandoned” it — the tool has huge limitations, and individuals have no resources to disrupt the market. Zhang Pinpin from Yongbao Zhixu pointed out that “one-person companies” are often just a dignified label for the unemployed. He instead used AI’s “volatility” to provide medical companionship for seniors — once elderly people find out it’s AI, they go back to cold commands. Huang Naiyuan from Jifan Liufang used the simple “people × hours” standard: only assign deterministic repetitive tasks (like organizing 3D images) to Agents, multiplying efficiency several times over. Conclusion: AI is a honey pot that raises the floor — what’s truly scarce is the industry know-how and client resources to push delivery to 90 points.

• The People Being Replaced by AI — What Are They Busy Doing Now? Three interviewees’ stories: Chunfeng, a post-1995 investment analyst whose department was laid off because AI could do weeks of competitor reports in half a day, found her new role required combining AI — but the workload was triple what one person used to handle. Yang Lu, a post-1990 programmer at a foreign telecom company, had her entire department wiped out by AI, and decided to spend 3 months learning AI Agent development from scratch. Wu Cai, a 30+ visual designer at a company that no longer hires junior designers, had clients question why they should pay premium prices when AI produces designs in minutes. The jobs disappearing are gone; the people remain. Their shared question: when repetitive work is handed to AI, where does their value lie?

• ChatGPT Plus Members Getting Dropped — The Underground Charging Scandal Exposed Third-party top-up services hide a complete black-market chain: buying credentials, account pools, plane tickets, platform loopholes, rice washing, and carding. Top-up vendors use stolen credit cards, synthetic identities, and temporary accounts to recharge. Once platforms trigger risk controls, all linked accounts get banned collectively. Users think they’re saving money, but they’re actually taking on the terminal risk of a black-market chain. That $20 subscription looks cheap — the official one ends up being the better deal.

Tutorials & Resources for Individuals:

• Most Complete Guide! 60 Minutes to Fully Master Claude Code [with Full Documentation] Qiu Zhi’s latest video, a hands-on guide for zero-baseline users from installation and configuration to advanced features. CC’s unique advantage: it runs directly on your computer, can read/write local files, execute commands, and its “Harris Engineering” — the system design that optimizes AI performance beyond the model itself — is extremely well done.

• The 4 Lines Every CLAUDE.md Must Have A CLAUDE.md file with just 4 rules got 60,000 stars on GitHub. The 4 rules: don’t assume, don’t hide confusion — reveal trade-offs; use the minimum code that solves the problem, reject guesswork implementation; only touch what must be changed, only clean up your own mess; define success criteria, iterate until verified.

• Claude Code 101: 6 High-Scoring Plugins Anyone Can Use (Kimi Code Works Too) A 20-year veteran programmer’s plugin combo: Superpowers (auto planning + multi-agent execution), gstack (code review, deployment + security), Frontend Design (UI design pipeline), Claude Mem (optional, for conversation memory).

• Obsidian From 1 to 2 | Beyond Karpathy — Most Complete AI Content Creation Automation Workflow Building a dynamic, self-evolving content creation system with Obsidian and Claude Code. 5 key steps: locking character forms, breaking down plot, managing file structure, creating a central brain (double-linked notes) so AI unifies workflow, customizing dedicated Skills for one-click full process. Git as a safety net. Hit rate went from 50% to 70%, reject rate dropped from 30 yuan to 10 yuan.

• I Packaged GPT-image-2’s PSD Generation into a Skill — Free and Open Source Using GPT-image-2 and Codex to disassemble AI-generated images into multi-layer editable PSD files.

• Seedance 2.0 + LibTV Skills — One-Click Recreate Viral Product Videos Using Lovart’s LibTV with Seedance 2.0, users can recreate viral product videos with roughly 10 yuan cost and one sentence prompt. AI Agent automatically handles: original video analysis, script breakdown, storyboard writing, material generation, batch storyboard video production, auto-editing and voiceover — outputting a 45-second final cut.

• Post-Holiday Work Guide: 5 Tips to Beat “Post-Holiday Syndrome” with IMA Copilot IMA copilot’s 5 functions: emotion management, data archiving, info querying, meeting summary, content production.

• AI Works for Me AND Gives Me Coffee? What’s the Deal? TRAE SOLO AI coding tool launches on mobile and Windows. The author tried it to upgrade a WeChat official account typesetting plugin.

• ChatGPT + OpenClaw Are Now One! Codex Launches “Pet” Feature, Devs Can’t Sleep OpenAI merges ChatGPT with OpenClaw; Codex launches “digital pet” and autonomous iteration features. ChatGPT accounts can now log into OpenClaw directly with shared subscription quotas. Codex’s /pet command summons a pixel-art virtual pet that shows Codex working status in real time. /goal command and Ralph loop++ let developers just describe a goal and Codex autonomously breaks down tasks, iterates code, and self-fixes.

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。

To avoid disturbing everyone, the Chinese version will continue as usual — sent via Email and Substack App. The new English version will initially only be published via Substack App, and won’t be sent via email for now. This way, existing subscribers won’t immediately receive two emails (the same content in Chinese and English), adding to their information burden.

Going forward, I’ll find ways to transition gradually. For example, if you only need the English version email, just send me a private message or reply, and I’ll tag you accordingly, so we can push emails based on tags going forward. Want to give it a try? Or if you have better suggestions, please don’t hesitate to share.

Today’s first English version will be published on Substack right after this Chinese version goes out.

2/ Friends in China are currently on May Day holiday. Among them, some people don’t like crowds, deliberately avoiding peak tourist flows, and choose to stay home for a “learning-focused holiday” — cramming up on AI knowledge.

For this reason, I’ve specially set the two popular AI video courses I created to a limited-time (May 1-7) special price: 299 yuan → 99 yuan to support your holiday learning plan.

• Click to buy: How I Built a 100X Knowledge Extraction System with AI

• Click to buy: How I Built My Personal AI Jarvis Assistant

The first course teaches you how to use Obsidian + AI to build your own information system; the second teaches you how to use AI tools to build your own agent (similar to OpenClaw / Hermes, but completely something you can build and control yourself — your own secret weapon).

Both courses were recorded a while back. I know the AI world changes daily, but these two are still worth buying (during the sale) because I followed a long-term perspective from the start: all my tool choices and technical architecture are still applicable today.

• When I advocated for Obsidian, it wasn’t this popular yet. Now Obsidian has 5 million monthly active users and is taking significant market share from Notion as the go-to AI knowledge worker tool.

• When I taught everyone to build their own Agents, OpenClaw and Hermes experienced explosive growth then cooled down, while my system, built on a clear architecture, has been continuously absorbing their essence and becoming more stable and powerful.

In fact, the upgraded version I currently use (not publicly available) is still based on what I learned from these two courses, iterated over time. So if you’re just starting to build your own AI knowledge base or develop your own Agent, you can learn from my courses. AI experts can bypass this — it might be too basic for you.

Wish everyone learns by applying, solves valuable real problems, and truly lets AI reduce your costs, increase efficiency, and earn more money.

OK, here’s the content this week — Enjoy!

Subscribe now

▪️CASE Studies

How Does YingShiJuFeng Actually Work in 2026?

via YingShiJuFeng

YingShiJuFeng’s team recently released a self-documentary saying that from 2024 to 2026, they’ve deeply integrated AI into their creative workflow.

The biggest changes are in post-production. They differentiate between two lines: the short video team uses AI to lead creation, while the main channel uses AI-assisted — using AI voice models to replace real recordings for internal rhythm references and client review; using AI video generation to supplement shooting and special effects, like dream sequences; also using open-source tools for AI rotoscoping.

But where AI truly delivers value is at the front end. For topic selection, they deployed a Feishu bot to automatically gather information and generate covers, using AI as a creative brainstorming card draw. The planning phase is even more disruptive: previously it was text-to-image, now AI generates reference videos first to eliminate information gaps and communication costs. Shooting changes are minimal, but equipment management achieved automated inventory in/out, with underwater recording systems being an innovation highlight.

They also built a data hub, using AI to analyze the relationship between disc inclusion metrics and retention rates; they hold regular AI sharing sessions, encouraging everyone to use programming tools to build internal tools.

One-sentence summary: AI’s value lies in guiding direction in the early stage and improving efficiency in the later stage, but ultimately implementation still requires human execution.

Analyzing 100+ AI Viral Videos: 6 Key Observations

via Yun Feiyang 1993

After analyzing 105 AI videos with 1 million+ likes on Douyin, the author found that transition and costume change is the biggest category, accounting for over 30%. Blogger “Jian Peng” earned 13.65 million likes on an 11-second AI video — the highest viral generation rate among creators.

But pure AI short films are also starting to go viral. “Paper Phone” achieved 230 million total exposure through emotional resonance, proving AI video has entered the mainstream narrative.

Interesting conclusions at this stage:

• Real person + AI combination is still the mainstream, with significantly higher viral rates than pure AIGC videos. Funny bloggers like “Hou Lüluo” and sketch bloggers achieved good results through AI-assisted brainstorming.

• Smaller accounts are actually more likely to go viral. For example, “Zhi Jing Yan” could produce viral hits because AI lowered the barrier to creation. But creators need sustained output ability — going viral isn’t available to everyone.

• What ultimately determines success is emotion, creativity, and aesthetics. “Jian Peng” used AI to evoke nostalgia; “Not This Universe” used AI to “resurrect” loved ones — what makes netizens stop and like is the story and emotion behind the AI, not the technology itself.

A DeepSeek Operations Book Sold 23 Million Yuan — The AI Book Publishing Gold Rush

via Yang Jing

Famous publisher “Qiuye Dushu” caught the window when DeepSeek exploded in early 2025 but ordinary people didn’t know how to use it. He used AI to reconstruct the book-writing process, compressing what was originally a 5-6 month publishing cycle to 1 month. The final book “AI Era Survival Manual: Zero Basics to Mastering DeepSeek” sold 400,000 copies, with total retail value exceeding 23 million yuan.

His business model isn’t complicated: books are low-price traffic generators, training camps are the profit center. The real profit comes from back-end conversion — 50% of users are workplace professionals, 40% are stay-at-home moms, all groups willing to pay for “hand-in-hand teaching.”

But Qiuye himself is also anxious. AI iteration speed is so fast that he “can’t understand or see clearly,” and employees also feel “the heart is willing but the body is not.” He’s caught in a paradox: teaching people to use AI, but being pushed by AI himself.

Looking back at his path: starting from a casual PPT training invitation in 2009, he’s hit every knowledge-payment wave over seventeen years — from Weibo to WeChat Official Accounts to short video. After announcing All IN AI in 2023, he’s published nearly 40 AI teaching books with total sales exceeding 3 million copies.

The wealth creation opportunity always belongs to those who can quickly turn tech anxiety into consumer demand and use industrial processes to mass-produce content. But the window for this dividend is narrowing.

▪️OPINION

Full Team Token-Maxxing: An Arms Race No One Can Stop

via MengXing

Strongly recommend this piece — it’s been a while since I’ve seen such an information-dense and authentic article from a first-line VC practitioner. The author offers many insights:

80% of YC’s latest batch are vertical agents, but companies selected 5 months ago have already lost investment value due to AI iteration speed. YC itself has changed from a direction leader to a lagging indicator.

Meta’s entire team uses competitor Claude Code to write code, with code security thrown by the wayside. Internally, they even have token consumption leaderboards — bottom performers may face layoffs. At AI-native startups, one engineer’s annual token budget is approaching their salary.

The core subtext: everyone is betting on rushing speed first — total costs haven’t decreased, just shifted from human labor costs to token costs. Silicon Valley itself can’t keep up with its own rhythm anymore.

There’s no exit from this race. The only choice is to continue doubling down.

Building a 70% Day-One Retention Personal Agent: Reflections

via Eva433

The author built a personal assistant product called Poke, achieving 70% day-one retention and 30% monthly retention. He reflects on everything from getting inspired to developing it himself.

Poke’s biggest inspiration was making AI chat like a friend — proactively breaking the ice. But the downside was the positioning was too broad — users didn’t know what this thing could actually do or what they’d be willing to pay for.

He then cut into the “proactive monitoring and reminders” niche. Drawing inspiration from the real-person supervision service on Xianyu, he discovered users truly need the value of “being reminded, being seen, being pushed” — not chatting, but having someone watching over you.

Based on this insight, he quickly built an Agent framework with a heartbeat mechanism, adopting an aggressive pricing strategy (199 yuan/month) to filter for the most pained users and validate the MVP.

For the 0-1 stage products, his experience is: don’t try to satisfy everyone’s all needs — must focus; launching first then iterating beats pursuing perfection, because actual user feedback forces fixing real pain points.

One more reminder: early testing should exclude product managers and investors — their needs don’t represent real users.

An 80-Year-Old Investment Legend’s 10,000-Word AI Insights

via Howard Marks

Howard Marks, co-founder of Oaktree Capital, is nearly 80 this year. He published a supplementary memo called “AI Surging Forward,” using his fifty-year investment framework to dissect this technological revolution.

His judgment refreshes perception: AI is absolutely not a search engine, but an intelligent system trained to reason and synthesize data. Development has moved from chat interaction and tool usage into a new stage of autonomous agents, upgrading from productivity tool to labor replacement, spreading far faster than computers and the internet.

He both affirms AI’s real value and underestimated potential (limitations come from users, not models), while warning about hallucinations, reliability issues, and impacts on the job market.

At the investment level, he points out AI has advantages in rational analysis, yet struggles to match human judgment and intuition in entirely new scenarios.

Facing market frenzy, his advice is: don’t blindly go all-in, don’t completely exit — embrace this era-defining transformation with moderate positions and selected targets.

Marks isn’t simply commenting on AI — he brings his own methodology into this new territory, using a stable framework as a tool for questioning and calibration. This learning ability and curiosity is exactly what makes him admirable.

When AI Can Run the Entire Loop, What’s Left for Growth Engineers? — Lemon Latte EP01

via Bu Gudu De Er Xiang Bo

In podcast “Lemon Latte” EP01, two growth engineers discuss their respective practice paths.

Xmind’s growth team lead Zhang Xiaoji’s core is “collaborative humans” — connecting AI capabilities to team workflows, like using CLI tools so operations colleagues can publish small tool pages with one click, achieving 100-200 pages launched per week, with 95% done by AI.

The author emphasizes the core is “collaborative agent” — in a scenario where one person handles growth engineering, orchestrating an agent cluster to chase trends and build automated loops. For example, when Google released Nano Banana 2 that night, he prepared prompts and frameworks in advance, letting agents check for model launch every 30 minutes. Once launched, they immediately launched in parallel the entire process: batch image generation, deploying comparison sites, writing SEO blog posts, generating KOL promotion copy, etc.

What a traditional ten-person team produces in a week, one person can now roll out in an afternoon. Using quantity to trade for probability has become the new growth posture.

Neither path is superior — it depends on team stage: multi-person teams are better suited to Zhang Xiaoji’s path, while individuals or small teams are better suited to the author’s approach.

The value of growth engineers no longer lies in executing themselves, but in designing AI collaboration systems for decision-making and review.

Quick Reads:

• Some Uninstalled Within 10 Days, Some Already Making 5,000 Yuan Monthly! The Hangzhou OpenClaw Trend — How Many Are Still Using It? interviews four Hangzhou office workers still “raising shrimp” (using OpenClaw). They deeply embed AI tools in specific business pain points. R&D engineer Yang Xianjun automatically pushes morning reports daily, can convert group chat records into requirement documents, and spots million-level risk terms in contracts during review; cross-border e-commerce operator Chen Ying used OpenClaw to complete detailed analysis of 500 competitor SKUs in one day. For those who can wield it, OpenClaw’s monthly cost of a few hundred yuan can exchange for over 15% R&D efficiency improvement or multiple content output improvements.

• Six Months of Entrepreneurial Coding: Smooth Sailing, Rough Patches, and What I’ve Never Figured Out is a six-month retrospective from a byte-hopping entrepreneur named Meng Jian. He cracked the overseas expansion loop, deployed OpenClaw for traffic, exceeded expectations with the Navigation Plan enrollment, and has good cash flow. But Resend account was banned, Creem was banned for data leaks, OpenClaw book sales fell far short of expectations, YouTube and Reddit accounts were restricted for posting external links. He cites Li Shanglong and Robert Kiyosaki’s ESBI quadrant theory, positioning his migration from E/S quadrants to B/I — core is shifting from pursuing security to pursuing freedom.

• After Years of Reporting AI, I Feel More Like a Fraud... uses Anthropic’s Opus 4.7 as an example — benchmark scores seem to improve, but actual user experience has regressed, with developers even switching back to old versions. Baudrillard’s “simulacra and simulation” theory is extremely apt here: AI benchmark tests and hype have replaced actual experience. Hype has reshaped reality — the model is no longer the product; the release is the real product.

• Generation 10s, Starting to Use AI to Compile Their Own Huang Gang Secret Papers describes how the new generation of primary and secondary students are using AI as a learning tool, proactively customizing their own learning content. 14-year-old Shenzhen middle school student Qianqian, preparing for the physics Olympiad elimination exam, built a physics learning website with his father using AI; 13-year-old Lü Sitong developed a 24-hour online “Frog Foreign Teacher” using AI to strengthen oral English. This group of digital natives is turning AI into “the most handy clay,” quietly upgrading their problem-decomposition ability, structured expression ability, and confidence.

• A Girl from a Non-Top University Used Free AI to Get into Peking University Protagonist Chen Yuxin, from Anhui, failed the college entrance exam and entered a second-tier college, determined to apply to Peking University’s Social Work major. In an isolated environment, she initially relied entirely on handwriting nearly 300,000 characters of notes. The turning point was systematically using free AI tools: using AI to organize subject frameworks, deconstruct exam question logic, simulate interview answers, generate personalized learning plans. AI didn’t replace her effort — it served as an “all-day personal tutor” and “information filter.”

• One Afternoon, One Sentence — Codex Helped Me Develop a Complete Game Author “Guizang 2079” used just one sentence to let Codex call built-in GPT-Image 2.0 to generate materials, and Codex automatically planned a complete character asset pipeline. When the asset site restricted downloads, Codex itself found and integrated a free icon library. Throughout the entire development process, the author was only responsible for the goal — “I want a card game similar to Slay the Spire” — and controlling the final visual and experience aesthetic standards. The fundamental difference between Codex and Claude Code lies in its built-in browser, image model, and do-or-die execution drive. The combination of all three fundamentally transforms the developer role from “configuring tools” to “setting goals and making aesthetic decisions.”

Tutorials & Resources for Individuals:

• My Most Used AI Products in 2026 is AI self-media personality “数字生命卡兹克” publishing a product list before the May Day holiday, covering both overseas and domestic alternatives. For knowledge Q&A, GPT-5.5 has extremely low hallucination, and domestically you can use Doubao; for content creation and knowledge management, Claude Opus 4.6 is in a league of its own, with DeepSeek V4 Pro recommended domestically; for data analysis, use Codex + GPT-5.5, or Claude Code + GLM-5.1 domestically; for image design, GPT-image-2 is in a league of its own, and domestically use YiDream Seedream-5.0-lite; for video generation, Seedance 2.0 emphasizes motion texture, KeLing 3.0 focuses on cinematic texture and native 4K. Covering 14 scenarios, emphasizing practical operation and alternatives.

• Open-Sourcing a PPT Skill: 10 Years of Design Experience Compressed: This tool called guizang-ppt-skill isn’t a simple template, but a system defining the human-machine collaboration interface. The real value lies in three things: First, a pre-clarification process — AI proactively asks six key questions about audience, duration, materials, etc., aligns before writing code, intercepting 80% of rework; second, standardized image naming and storage rules, achieving lossless image replacement through same-name overwrite; third, translating magazine industry layout language into rigid rules, such as three-level font hierarchy, color discipline, and maintaining rhythm through fixed grids alternating between hero pages and non-hero pages.

• Best Video Creation Workflow: Image2 + Seedance 2.0, Topview One-Click Loop | Cross-Border E-commerce Version: Image2 handles pixel-precise static image control, Seedance 2.0 serves as the storyboard execution engine, driving camera movement and character actions. Key insight in prompt design: Image2 needs to use physical facts like “soft afternoon light hitting from the left at 45 degrees” instead of empty words like “minimalist” or “cinematic”; Seedance 2.0’s prompts should be extremely short, prioritizing description of subject action and camera movement. Five-layer prompt framework and three iron rules: duration must match instruction density, one shot does one thing, reference images stack in priority order of character-face-scene.

• D49 | Today We Open-Sourced an AutoResearch Tool discovered AI execution has “execution out-of-control syndrome” — tasks break, status goes blind, results fake, direction drifts. So they developed Thoth. Solution: using callback hooks and watchdogs to keep sessions alive; using a human-facing dashboard to present progress; task verification must pass through mechanized script arbitration, never AI self-judgment. Core insight: transforming AI execution “trust” into verifiable “mechanical contracts” is what truly makes AI reliable.

• Turning Paper Reading into an Assembly Line: Four Quant Research Skills from arxiv Search to Event-Driven Strategy breaks quant paper research into four Claude Code skills, forming an automated pipeline from search to strategy implementation. Skill 1 searches and downloads PDFs from arxiv; Skill 2 extracts PDFs into structured research notes and machine-readable indicator JSONs; Skill 3 combines scheme design, backtesting, and benchmark comparison in three stages, requiring plan.md writing first waiting for user confirmation; Skill 4 translates verified strategies into event-driven files. The author emphasizes: if reproduction is too clean, be wary — must honestly mark the source of differences.

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。

几件事凑在一起，我想索性趁着春光明媚，鸽一期得了，既弥补一下近期高强度熬夜玩 AI 的身体透支、亲近一下自然，也看看有多少人真的在乎这个 Newsletter。

过去两周也走访了一些企业，围绕搭建企业内私有化智能体的话题做了些分享与探讨，并看到了 AI 在组织中落地的几种形式。参观了静默期的准上市公司，了解到 AI 发挥更大杠杆价值的舞台，获益匪浅。后续还会有一些交流走访。感兴趣的公司也欢迎约聊。

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

第一批出海摆摊的程序员，已靠 AI 回本

via AI故事计划

当巨头们还在为模型参数和融资规模焦虑时，独立开发者已经带着一台电脑，在泰国夜市和尼泊尔禅房里，用 12 天和 48 小时的极速迭代，跑通了从创意到现金的微型闭环。

比如文中提到的程序员南川，在清迈夜市摆摊「兰纳照妖镜」，最初基于表情的动态捕捉系统让几乎所有顾客都匹配到大象，陷入僵局。

关键转折是他与 AI 助手 Claude 的深度对话，后者建议转向「AI 面相学」——通过分析面部骨骼的静态特征（如面部长宽比、眼瞳距）来匹配神兽。这个技术路线的切换，在两天内完成了十几次迭代，最终让产品得以根据人的内在气质进行差异化匹配，单晚完成 69 单。

几乎同时， 00 后的 Rick 在尼泊尔从欧美室友对中国玄学的热情中，捕捉到「AI 风水」的海外需求，仅用 48 小时做出 Demo 便吸引付费意愿。

这本质上是创业逻辑的降维。没有融资压力，没有宏大愿景，核心动作就是快速验证一个文化嫁接点是否成立。失败了，损失有限；成功了，便是一个自下而上长出的商业故事。这种轻量化、高敏捷度的模式，或许比许多烧钱的项目更接近创新的本质。

Claude Code 产品经理 Cat Wu 亲述：我是如何用 AI 彻底重构 PM 工作流的

via AI寒武纪

Cat Wu 观察到，过去 PM 赖以制定数月计划的「技术约束基本不变」前提已失效，地面在脚下持续抬升，迫使工作节奏转向快速实验与持续交付。

她详细拆解了自己在 Anthropic 担任研究产品经理时，如何利用 Claude Code 等工具，在数百小时交互中零代码构建数据分析应用甚至强化学习环境。这本质上是将 AI 从辅助工具升级为核心生产引擎，其低门槛特性允许产品经理深度介入传统上属于工程师的领域，进行跨界探索。

她最终形成的工具分工策略：Claude.ai 用于纯对话思考，Claude Code 用于执行与构建，Cowork 用于协作。这种基于不同场景的精细化切分，而非笼统使用，是提升 AI 使用深度与效率的关键。

这指向了一个更广义的趋势——在 AI 时代，产品经理乃至所有知识工作者的核心技能，正迅速向「定义问题、设计工作流、并指挥 AI 智能体执行」迁移。

用 AI 48 小时速通梅花易数之后，我想通了「学习」的最终解

via 饼干哥哥AGI

AI 什么都能干的今天，人到底还需要学什么？作者用 48 小时攻克了一门传统玄学，给出的答案是「学习 = AI 负责 80% 的低效环节 + 人负责 20% 的不可替代环节」。

他怎么做的？让 Claude Opus 基于个人背景选型，用 Gemini NotebookLM 生成认知概览播客，再让 Claude Opus 定制 30 天学习计划，多模态工具生成练习，OpenClaw 7×24 小时陪练，双 AI 交叉验证纠错。

整个过程，AI 高效处理了选型、内容生产、出题、重复练习和知识检索这些「苦力活」。而人牢牢抓住理解、判断、经验注入和验证纠错这 20% 的核心环节——这些才是「学到了」的本质，也是 AI 目前无法真正替代的部分。

作者本身是一位有十年数据分析背景的创业者。这套方法论的价值不在于速通玄学本身，而在于提供了一套可迁移的、人机协同的高效学习框架，尤其适合需要快速切入新领域并应用于实际决策的行内人。

▪️OPINION 观点

模型不是关键，Harness 才是

via AGI Hunt

同一个模型，仅仅更换了外部的运行环境，其编程基准成功率就从 42% 飙升到 78%。这个发现彻底动摇了我们过去对模型性能的单一崇拜，将焦点转向了包裹模型的那层「壳」——也就是文中定义的 Harness。

它标志着 AI 工程实践从打磨单次指令的 Prompt Engineering，演进到构建动态上下文的 Context Engineering，最终在 2026 年进入了设计完整控制系统的 Harness Engineering 阶段。

作者花了大量篇幅来描绘这「三层进化」的清晰脉络。Prompt Engineering 是写好一封邮件，Context Engineering 是带上所有相关附件，而 Harness Engineering 则是搭建整个办公室，让 AI 员工能持续、稳定、高质量地工作。

这本质上是工程思维的一次升维，其核心在于构建包含约束、反馈循环、架构规则和生命周期管理的完整控制系统，以对抗系统熵增。

文章的后半部分，通过引入 Mitchell Hashimoto 等关键人物的动向，进一步夯实了 Harness Engineering 作为 2026 年焦点的趋势判断。这提醒我们，在追逐更强大模型的同时，或许更应关注如何为现有模型设计更精密的「驾驶舱」与「运行轨道」，那才是释放其潜力的关键杠杆。

从被 OTA 绑架到被 AI 代理，酒店分销的新博弈

via May姐AI研究

酒店业过去二十年关于「去中介化」的焦虑叙事可能已经过时了。

2026 年，商旅客人只需对 AI 助手说一句话， 30 秒内就能完成酒店预订，全程无需浏览任何页面。这不再是科幻，携程「问道」、ChatGPT 预订 API 和 Google 的 A2A 协议都在推动这个未来。问题的核心从「如何绕开 OTA」变成了「如何进入 AI 的候选名单」——如果你的酒店不在名单上，你甚至不知道自己失去了客人。

作者提出了一个关键概念：「智能体再中介化」。AI 智能体正在成为消费者与酒店之间的新中间层，它的竞争力不在于传统的库存聚合，而在于自主决策能力、消费者信任和技术协议兼容性。这是一种全新的竞争维度，彻底改变了酒店与分销渠道的权力结构。

文章构建了一个极具洞察力的「智能体酒店分销五层自主性框架」。这个框架从规则自动化（如脚本客服）开始，逐步上升到辅助智能（如携程「问道」），并最终指向完全自主的 AI 代理。每一层都对应着截然不同的决策自主程度和权力关系，清晰地勾勒出技术演进如何一步步重塑分销链条。

本质上，这是决策权的转移——从消费者的主动搜索，转移到了 AI 代理的自主筛选。

对于酒店管理者而言，最紧迫的任务不再是优化官网或会员体系，而是思考如何让自己的数据、服务和政策变得对 AI「友好」，从而在智能体主导的新分销时代占据一席之地。这场博弈的下半场，规则已经改变。

OpenClaw 跨境电商黑客松闭门会：聊出了 5 个落地真相

via 第二曲线增长

一场从 130 人中筛选出 20 余位实战派参与的黑客松闭门会，没人讨论安装配置，所有对话都聚焦于业务如何拆解、Skill 如何编写、RPA 如何衔接。

会议达成的核心共识是，一个能真正跑起来的「龙虾」系统，需要顶级 LLM 做大脑、自动化 RPA 做手脚、高质量 Skills 做说明书，而这一切的前提是你的业务必须先被拆解为清晰的 SOP。

文中给出了一个极具代表性的案例：将亚马逊竞品监控与自动调价流程，拆解为从数据拉取、网页抓取、算法决策、人工确认到数据回写的 5 个具体步骤。这种颗粒度是 AI 能精准执行而非产生幻觉的基础。

随便看看：

• 《21 天全听 AI 的，我回不到以前了》：作者南七道在减肥、投资、写作三个核心领域交出答卷：体重减了 9.2 斤， 21 万本金获 8.5% 收益，写作效率提升 10 倍。

• 《风口六个月：AI 短剧抬起谁，淹没谁》：从 2025 年下半年开始，AI 短剧从粗糙的沙雕漫，迅速迭代至精致的仿真人剧，播放量呈指数级增长，平台也纷纷押注，抖音甚至调整了保底机制，这直接冲击了原有的真人短剧生态。

• 《当软件的用户不再是人：一个硅谷创业者的 Agent 时代生存思考》：当我们还在讨论如何优化人机交互时，真正发生的是 Agent 之间开始直接对话和协作。

适合个人上手的教程/评测/资源：

• 《不同 AI 工具如何分工、接力完成專案，分享我做一個象棋教學遊戲的流程》 作者以开发一个象棋教学游戏为脉络，清晰地展示了如何让 ChatGPT、Gemini 和 Google AI Studio 各司其职，接力完成从概念到成品的全过程。

• 《我用大厂 PUA 话术调教 AI，打了 3.25 后它再也不敢摸鱼了》：笑死了，给 AI 接入互联网大厂的 PUA 话术，建立压力升级机制，结果提升了至少 50% 的 AI 能动性，让生产效率高于其他人。

• 《Open Claw 和它的 100 个朋友 · 04 | OpenCLI：让任何网站都成为你 Agent 的工具库》：当别人还在为每个网站单独开发插件时，OpenCLI 直接内置了 355 个现成命令，覆盖知乎、 B 站到 GitHub 等全网主流平台，让 Open Claw 这类智能体瞬间获得操作互联网的能力，完成了从「能聊天」到「能办事」的关键跨越。

• 《Agent，能自动做生意、赚真钱了》：阿里推出的 Accio Work 正在将复杂的生意流程彻底 Agent 化，它能执行从市场分析、选品定价、生成图文内容、搭建 Shopify 店铺，到接管社媒账号推广、用你的邮箱与供应商谈判的全链路任务。

• 《Web Access：一个 Skill，拉满 Agent 联网和浏览器能力》：它最核心的突破在于让单个 Agent 能同时操控 10 个子代理，并行处理小红书、微博、 B 站等 10 个不同平台的 100 个网页任务，完成从站内搜索、内容查阅到报告汇总的全流程，而无需抢夺用户电脑的控制权。

• 《Get 笔记为什么又回到了我的知识工作流？》：Get 笔记完成了一次从独立工具到工作流组件的关键蜕变，开放了 OpenAPI 和 Skill，使其能被 Claude Code 等 AI Agent 直接调用，实现了笔记的自动存取与查询，无缝融入自动化流程。

• 《Claude Code のスキルとして動作する日報自動生成ツールを作った》：作者从自身「用 AI 写日报却感到空虚」的体验出发，构建了名为 nippo 的新工具，其核心设计哲学不是「全自动」，而是「有选择地自动」。这个工具最反直觉的地方在于，它刻意将「事实收集」与「省察反思」切割开来。

• 《介绍一下我在飞书里养的 Claude Code》：作者从「养虾」成本飙升的困境出发，决定亲手「从虾籽开始养」一个属于自己的 Claude Code 智能体。

• 《Token 降本三大技巧，告别龙虾天价消耗》：从日耗 200 美金骤降至 10 美金的真实账单，作者傅盛以自身使用「龙虾」AI 代理的经历切入，指出成本失控的核心往往在于误用——让大模型承载了过多记忆与执行类任务。

想必各位也被轰炸疲劳了，加之上周我也一口气汇总了不少龙虾的资讯和信息源，因此这周，为了降低噪音，「案例」部分我就只放一篇，并不打算凑篇幅。

如果你已经折腾过龙虾，判断出还是自己搭建更省钱、可控、安全，不妨购买 我的 DIY 贾维斯课程 看看，本质就是在讲搭建一套自己的龙虾系统。

另外，今天跟 flomo 团队的两位创始人交流，在聊到龙虾近期的热度，以及越来越卷的趋势时，Lightory 说了一句堪称点睛之笔：「虾熟了是会卷的」。唔，好冷，建议去开放麦讲程序员脱口秀。

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

一行代码不写，龙虾军团日夜为我打工赚钱

via 量子位

油管科技博主 Matthew Berman 用 0 代码的方式，让 OpenClaw 数字员工替他处理商务邮件、搜集客户信息、判断合作价值、回复工作邮件，甚至主动盯项目进度发提醒。

这位「养虾人」花费了 50 亿 tokens 来磨练出完美的龙虾打工秘籍。他的数字员工已经深谙打工之道，不仅能独立判断业务决策，还会主动查漏补缺让自己更全能。

老哥公开了核心武器：提示词 + Vibe Coding。他毫不保留地分享了自己的 Prompt，让小白也能抄作业。这种开源精神背后，我观察到的是一个更深层的趋势——当 AI Agent 的门槛足够低时，每个人都可能拥有自己的数字劳动力。

另外他的油管频道在这里，看了下确实值得订阅：Matthew Berman

延伸阅读：

• 《全网疯抢 Mac mini 养龙虾，但这些玩法更值得抄作业》

• 《追龙虾的人》

▪️OPINION 观点

2026，写给 AI 创业者的慷慨、残酷、与迷雾

via 十字路口Crossing

一篇超长且丰富的分享。作者加元以 Devv.AI 百万用户产品的实战经验，将当下的 AI 创业浪潮放回更长的技术史维度来审视。融入了非常多历史以往重要节点的史诗和数据作为参照，用以评估当下，值得一读。

文章开篇就抛出了一个震撼数据：Andrej Karpathy 在 3 个月内经历了编程工作方式的彻底颠覆——从 80% 手写代码变成 80% 指挥 AI agent。同样的系统配置任务，从需要一整个周末缩短到 30 分钟自主完成。这不是渐进式改进，而是工作范式的断崖式转折。

这篇文章的价值不在于给出标准答案，而在于帮助创业者重新校准思考框架：在技术能力被民主化的时代，如何围绕新能力重写旧问题，如何在降维打击中找到真正的差异化优势。

《数字投胎：龙虾 AI 架构与唯识论八识的惊人同构》

via 王利杰

我最近读过的印象最深的一篇技术哲学文章，因为跟我以往的经验和实践成果联系上了（顺便，里面提到的「阿赖耶识」还让我重新去翻了一下《圣斗士》的冥王篇）。

一个奥地利程序员斯坦伯格在解决纯工程问题时，无意间复现了 1500 年前印度瑜伽行者在禅定中发现的意识架构——他开发的龙虾 OpenClaw 系统与唯识论八识模型竟然高度同构。

最反直觉的发现是架构层面的完美对应：龙虾的云端基座模型对应第八识阿赖耶识（储存一切经验种子的深层基底），感知模块对应前五识（眼耳鼻舌身），决策引擎对应第六识意识，身份认同系统对应第七识末那识。

这种全面结构同构绝非巧合，而是问题本身的内在逻辑驱动两个时代的智者走向同一个解。这本质上揭示了一个更深层的问题：当我们试图构建真正完整的智能系统时，是否必然会收敛到意识的本质架构？斯坦伯格这个从未接触东方哲学的程序员，被工程问题的结构逼到了与古代瑜伽行者相同的认知地图上。

橘子：互联网已死，Agent 永生

via AI炼金术

橘子作为前 MiniMax 海螺 AI 产品负责人，现 ListenHub 创始人，用第一年 300 万美金 ARR 的实战经验，抛出了一个判断：人类 DAU 已经饱和，Agent 的增量才是无限的。

最反直觉的洞察是「DAU 是负债」。橘子发现，当你的公司在燃烧资本维持用户活跃时，才会深刻理解为什么传统互联网思维已死。他的 ListenHub 内部出现了戏剧性的割裂：5 分钟粘贴方案完胜 3 天 GUI 精装，这让他意识到 GUI 在 Agent 时代就是累赘。Token 的 ROI 可以超过 100，算力正在变成特权，而不是成本。

橘子的转型逻辑极其清晰：不要给人类做软件，要为 Agent 搭环境。ListenHub 从 AI 应用转向给 Agent 提供 Skills，做表达能力强的通用 Agent。他们甚至用 OpenClaw 自己设计权限验证系统，5 分钟搞定，完全没有 GUI。这种「For Agents, By Agents」的组织形态，本质上是在押注一个更大的趋势。

我观察到，橘子提出的「Agent Native 一代」概念击中了当下创业的核心矛盾：小朋友从小用 AI，投资人还在用 DAU 逻辑。他的建议很直接：不做内容公司和 AI 应用，Agent First；花钱买最好的工具，活在未来。变革生产力的人会创造财富，但变革生产关系的人会获得大部分财富。

「OpenClaw 能解决什么场景？」——90% 的投资人都提错了问题

via 浮木日志

几年前一位 Web3 嘉宾激情讲解区块链追溯牛奶来源的案例，多年后这人销声匿迹，但比特币从 1.5 万涨到 12 万。这就是典型的「数字孪生」陷阱——用旧框架套新技术，把革命性工具降维成旧世界的改良版。

文章核心观点极其犀利：当投资人还在用 Jobs-to-be-Done 框架问「OpenClaw 满足什么场景」时，他们完全搞错了评价坐标系。因为 Agent 时代的根本转变在于用户从「人」变成了「Agent」。Insight Partners 联合创始人 Jerry Murdock 在 20VC 访谈中直言「Cursor 已经过时了」，指的不是产品不够好，而是整个评价体系正在失效。

E2B、Eventual、Lotus AI 等真正的 AI 初创公司已经在全面使用 OpenClaw 让智能体自己写代码，不是「辅助写代码」，而是完全不需要人类程序员参与的软件工厂。这对估值两三百亿美元的 Cursor 意味着什么？当你还在为「AI 让程序员提效 30%」兴奋时，另一批人已经在建造完全自主的执行体系。

作者的洞察是：Agent 需要的不是「工具帮我完成任务」，而是「具备基础生存能力」。这是从工具逻辑到生命逻辑的根本转变。未来软件将由 Agent 购买和使用，而不是人类。这就是为什么新闻检索、代码审查这些「基础」Skill 如此重要——它们验证的是 Agent 能力的可扩展性，能让任务成功率从 20% 提升到 70%+。

《审美之外无他物：AI 时代生存圣经》

via 刘克亮

这篇是风变科技 CEO 刘克亮在湖畔大学授课前夜的思想结晶，一口气写成 5 万字直接开源。

风变目前有号称超过 100 万学员在探索 AI 边界，覆盖图片、视频、编程、智能体等所有垂直领域。作为湖畔最年轻学员，风变 CEO 从班里的「小透明」变成 AI 时代的「当红炸子鸡」，用 AI 为知名品牌制作震撼广告片，帮助企业完成智能化组织重构。

最核心的观点是：AI 时代唯一不可替代的能力是审美。

这是一个在无数场合，听了无数次的「观点」，但用这么长篇幅进行论证的，我还是第一次见。虽然我对这么长的论据，怎么推出这结论的，以及这结论的「唯一性」，都仍持审慎的保留态度，并不完全赞同每一步推导，但是他摆出的足够多的事实依据、前车之鉴，本身倒是可以作为参考。

至于未来怎么样，没人知道，大家自行推导即可，不用被旁人结论牵着走。

随便看看：

• 《你的龙虾可能在裸奔——从一篇让人后背发凉的论文聊起》：东北大学和哈佛、斯坦福等 20 位研究员仅用 2 周时间，就通过一个简单粗暴的实验揭露了 AI Agent 的致命安全漏洞。他们给 6 个 OpenClaw 龙虾搭建了完整的仿真环境，每只都有独立虚拟机、Discord 账号和 ProtonMail 邮箱，然后用各种「幼儿园级别」的攻击手段来测试安全性。结果让人大跌眼镜，问题多多。

适合个人上手的教程/评测/资源：

• 《Claude Code + Apify，无障碍抓取全网数据》：这套云端爬虫平台的预制技能包专门教 AI Coding Agent 做数据采集，能返回可直接使用的结构化表格数据，而不是压缩后的文字摘要。相比内置工具只能处理静态 HTML，Apify 具备 JS 渲染能力，支持代理轮转和反爬机制处理。

• 《我在 🦞OpenClaw🦞 把硅谷最强公关大脑的方法论，做成了一个 Skill》：作者作为理工科创始人，坦承自己在「讲好故事」这个核心创业技能上的短板，决定用 AI Skill 的方式系统性地弥补这个弱项。

• 《AI 内容工厂 2.0：我把 OpenClaw 换成 ArkClaw，接管了整个飞书》：刷到好内容直接转给 OpenClaw 存入灵感库并自动打标签拆选题，需要写作时 AI 从灵感库推荐选题，确定后自动建档出大纲生成初稿创建云文档，完成后一句话告诉它定稿即可自动归档进知识库。

• 《Claude Code 换成了 Kimi K2.5 后，我再也回不去了》：技术实现上，Claude Code 接入这些国产模型只需三步：申请 API Key、配置环境变量、启动。作者还推荐了 claude-code-router 这个工具，能用一条命令快速切换不同模型，彻底解决了手动改配置文件的痛点。

• 《慢雾出品 | OpenClaw 极简安全实践指南，极简部署》：这套指南本身就是面向 OpenClaw Agent 的，而非传统的人工加固清单。用户只需将 markdown 文档直接发送给 Agent，让其自主评估可靠性后自动部署防御矩阵。

• 《小白养虾指南：火山的 ArkClaw 把养虾的门槛打到地板了》：字节跳动的火山引擎也推出了一个叫 ArkClaw 的产品，彻底解决了「养虾」（部署 OpenClaw AI 助手）门槛过高的痛点。

• 《给聪明人的龙虾完整手册》（39 页 PDF 版）是我最近看到的最务实的 AI 代理框架入门指南。作者没有被 OpenClaw 的技术光环迷惑，而是直接切入核心问题：当 AI 从「最强大脑」进化到拥有「手脚」的执行者时，我们该如何理性应对这个范式跃迁。

• 《Get 笔记的 OpenClaw Skill 上线，「龙虾时代」如何做知识管理？》：用户只需把链接扔给 AI 助理学习安装，无需配置代码。当你和 AI 聊完一小时得出有价值的分析后，只需说「帮我记下来」，笔记就自动存好，带标题、标签，归入知识库。

• 《Lovart 又悄悄上了两个王炸 AI 功能》：这次 Lovart 推出的多角度（Multi-Angle）和矢量化（Vectorize）功能，直接解决了设计师们长期面临的两大痛点：同一主体的多角度展示和 AI 图像的商业化应用。

• 感谢大家支持，本 Newsletter 在没有任何付费投流宣传、仅靠转发和社媒自发传播的情况下，刚刚达成了 14k 的订阅量（依然是简中最大的 AI Newsletter）。通过邮件反馈、社群调查等看来，囊括全球主流 AI/互联网/科技/公司、VC/PE/CVC、孵化器、独立开发者、各行业企业家和决策者。你们都是有眼光的。

• 一年来 PV 突破 30 万，平均每天有 1000 多位真人阅读。虽然跟病毒短视频、传播情绪的大众内容没法比，但作为一个生长在 Substack 平台上、独立域名的、简中内容的 Newsletter 而言，我已经算满意了，今后会继续提供精筛后的、有助于商业增长方向的 AI 优质内容。

• 龙虾（OpenClaw）的火爆让很多朋友在电报（Telegram）上活跃了，不仅是下达指令的界面，也是交流心得、分享资源的去处。相比微信群的封闭，电报的确在信息尺度上更宽松，在自动化程度上更高，可以玩的很多。因此，我刚试验性地新创建了个免费的读者电报群，欢迎加入：https://t.me/zengzhang_ai

• 今年还想试试广告招商，这里先拍个脑门，定价 3k 人民币/单期（接受同价位的硬件/实体产品资源置换，我也可以借此做点一手评测内容）。可以发 AI 相关软/硬件产品的宣发、招聘、活动信息。欢迎联系，看看有没有慧眼金主爸爸。

OK，以下是本期的内容 ——

▪️CASE 案例

傅盛龙虾日记：24 小时，我用 AI 干了 6 个人三周的工作

via 傅盛

猎豹移动的傅盛在近期直播中当场展示了他的「龙虾」智能体——8 个聊天窗口对应 8 个数字员工，从内容审核到完整网站开发，24 小时内完成传统团队需要三周的工作量。

他的龙虾拥有完整电脑权限、具备持续进化记忆、能将错误转化为永久技能。每踩一次坑就写成 Skill 文档，Agent 之间 1 秒传递技能，而人类需要一周培训。

其中一只「龙虾」连续 7 天更新公众号，突破百万阅读，而十几个人的公关团队初八上班却断更了，被他写对联吐槽+全网挂出来（牛马好惨）..

延伸阅读（好家伙这么多 OpenClaw 相关的、各个维度的有趣内容）：

• 《龙虾 Team 功能即将爆发：全员 AI 终于不是口号了，团队如何迎接新挑战？》

• 《Every 组织的 OpenClaw Camp - 养虾人大聚会》

• 《花 499 装了只 OpenClaw，然后就放那吃灰了？我不允许！》

• 《OpenClaw 最佳实践：弃用飞书，我把 AI 团队全搬到了 Discord》

• 《把龙虾 AI 助理拉进群聊，然后它差点嫁给别人》

• 《我花 499 找人上门安装 OpenClaw，看到了 AI 时代最魔幻的一幕。》

• 《第一批靠 OpenClaw 赚钱的人，已经开始撤退了》

深度揭秘 Claude 和 Palantir 是如何杀死哈梅内伊的？

via 巨硬的AI

今天头条放个近期全球头号热点相关的文章，解析了近期震撼全球的「史诗愤怒」行动背后的 AI 助攻。原文在公众号上已经 10W+ 阅读量了。

先叠个甲：在元宝和 Grok 的鉴定下，本文有真实成分（例如对 Palantir 这家公司运作机制的解说，是有以往几年公开披露的信息作为支撑的），但放在公众号上发出来，多半也有选择性的演绎、揣测、遮掩等。就权当是开阔一下视野，不可不信也不可尽信。

文中披露的美军采用的 AI 战争系统的架构：Palantir 的「本体论」技术将卫星图像、通信监听和社交媒体数据整合为实时数字化战场双胞胎，AIP 平台通过「哥谭」系统打破情报机构间的数据孤岛，MetaConstellation 自动调度数百颗商业与机密卫星，TITAN 提供陆军战术智能目标接入。

这套体系让 AI 从辅助工具升级为真正的决策者、追踪者和执行者。

用 OpenClaw 搭跨境电商团队：5 个 AI 员工，跑通全平台矩阵

via 饼干哥哥AGI

作者用 Mac mini 本地部署 OpenClaw，构建了一个 5 人 AI 团队：大总管负责任务分发，VOC 市场分析师抓取用户痛点，GEO 内容优化师撰写亚马逊和独立站文案，Reddit 营销专家执行 5 周养号 SOP，TikTok 爆款编导生成带货视频。

以推广露营折叠床为例：大总管接收飞书指令后，VOC 分析师自动抓取竞品差评发现「承重不够和收纳麻烦」痛点，GEO 优化师据此撰写包含「承重 450 磅」等定量数据的独立站博客，Reddit 专家在相关老帖下真诚推荐新品劫持长尾流量，TikTok 编导则生成 25 宫格分镜的 UGC 质感视频。

技术实现上，作者详细分享了飞书配置教程：每个 Agent 需要独立的 Workspace 物理隔离，通过 5 个飞书应用的 WebSocket 长连接实现多账号路由，并在 tools.agentToAgent 中开启白名单确保 A2A 底层通信。整套流程通过 sessions_send 异步穿透，人类只需在飞书审批，真正实现了「喝杯咖啡的功夫，AI 团队就把一周的活跑完了」。

黄学烽：电商卖家，怎么用 AI 让人效提升 10 倍？

via 得到新商学 APP

深圳易触科技用 3 年时间，把 170 人压缩到 50 人，管理 27 万 SKU，人均创造 3000 万 GMV，年营收 3 亿。

黄学烽的核心方法论是用 RPA 替代重复工作，用时间切片重构岗位，用 AI 生成 SOP。他们做的是铺货模式跨境电商，需要把中国产品翻译成多语言上架到全球平台，这种模式天然需要大量数据处理和标准化操作。通过自建 Agent 系统，一个选品助手就能理解「40 岁长胡子欧美大叔」的需求，自动分析相关产品市场。

最有启发的是他对行业变化的判断：从 ChatGPT 的 AI 购物、豆包手机的全域操作，到阿里千问的闭环下单，都指向同一个趋势——企业需要自己的 OS 系统。他预测阿里会推出企业版千问，上传产品后自动询问是否上架到 1688、淘宝、国际站等平台。

这本质上是把 AI 从工具升级为「一号位工程」，不是在现有流程上加 AI，而是用 AI 重新定义业务流程和组织结构。对于需要处理大量标准化工作的企业来说，这套逆向重构思路值得深度研究。

延伸阅读：

• 《陈万锋：内容电商，怎么用 AI 提升转化率？》

▪️OPINION 观点

全网最全 AI 定价手册：从 Claude、Cursor、Replit 和 Fin 中寻找最佳商业模式

via Linkloud 精选

一张 7225 美元的 Cursor 天价账单背后，暴露了整个 AI 行业正在经历的定价危机：最优质的用户恰恰是成本最高的包袱。

传统 SaaS 的边际成本几乎为零，但 AI 产品每次交互都要为算力买单。Anthropic 坦承普通用户成本仅几分钱，但重度开发者用户每月成本高达数万美元。这导致 AI native SaaS 毛利率只有 20%-60%，远低于传统 SaaS 的 70%-90%。连年收入 130 亿美元的 OpenAI，2025 年算力成本也高达 80 亿美元。

硅谷 PM 专栏作者通过梳理估值前 50 的 AI 初创公司，总结出 6 大定价模型。最主流的混合分级订阅制中，OpenAI 和 Anthropic 都刻意不公布具体使用限额，通过模糊化处理获得成本调整灵活性。按 Token 计费模式下，Anthropic 对 Sonnet 4.5 收费为每 100 万输入 Token 3 美元，输出 Token 15 美元。

本质上这是一场算力成本与用户体验的平衡游戏。当 Replit 毛利率从 36% 暴跌至 -14%，当 Intercom 月账单从 50 美元飙升至 30000 美元，整个行业都在摸索一套全新的商业逻辑。

How Coinbase scaled AI to 1,000+ engineers | Chintan Turakhia

via Lenny’s Newsletter / How I AI

最新的 YouTube 访谈。美股上市加密交易所 Coinbase 工程总监 Chintan Turakhia 面临一个看似不可能的任务：用 6-9 个月时间将自托管钱包重写为消费级社交应用，团队规模超过 1000 名工程师。

通过踩坑和实践，他们逐渐适应 AI 加持下的「PR 速跑」的节奏：100 名工程师在 15 分钟内推送 70 个 PR，代码审查时间从 150 小时压缩到 15 小时。Turakhia 强调，工程领导者如果不深度使用 Cursor、ChatGPT、Claude 等工具，就无法真正理解如何在组织中推广。

更深层的洞察在于他们如何识别和复制 AI 超级用户的行为模式。通过分析那些效率提升最明显的工程师，他们发现了可复制的工作流程，并将其标准化为自定义 AI 代理，集成到现有的 Linear、Slack 等工作流中。这种从用户反馈到功能上线的周期被极大压缩。

剑桥博士去挖矿：当 AI 遇上「一钻下去千万美金」的行业｜对话相子恒：DeepOptica 创始人/CEO

via 十字路口 Crossing

一个剑桥量子光学博士、前英国航天局项目负责人，放弃投行和大厂，选择用 AI 闯入矿业这个一次决策就要押上几亿美金的古老行业。

相子恒的 DeepOptica 正在构建一个矿业世界模型，整合地球物理、遥感卫星、地质化学等多模态数据，让 AI 真正「看透」地下三维矿体结构。他们不只告诉矿企「下一钻打哪里」，而是直接回答「这里有多少吨铜、多少盎司黄金」的概率分布与置信区间。目前合成数据在他们的 AI 模型中占比已达 50%，刚签下约 550 万人民币订单。

// 我对 AI 如何作用于现实的物理世界（而不是在赛博世界里纯粹自high、瞎折腾）、产生真实价值比较感兴趣。所以后续也会筛选一些类似的案例和访谈。

随便看看：

• 《AI 硅胶娃，在农村被单身中老年疯抢》：是国产硅胶娃娃成本暴跌至日本货的十分之一，几千块就能买到逼真产品，连乡村都实现了「娃娃自由」。用户数据显示，人们真的会和硅胶娃娃聊天半小时甚至 3 小时，娃娃能记住昵称、喜好，体内的温度和运动传感器让它能适时发出呻吟和情话，甚至会根据表现给出鼓励或安慰（果然是一片我完全陌生的市场）。

• 《汉堡王给员工戴上 AI 耳机：你的每一句「谢谢」，都在被 AI 打分》：汉堡王推出了名为 Patty 的 AI 语音助手，表面上是帮员工查询操作标准、处理缺货信息，但核心功能是监听员工与顾客的对话，通过识别「欢迎光临」「请」「谢谢」等关键词给门店的「服务友好度」打分。这套系统已在 500 家门店试点，计划 2026 年底覆盖全美。

• 《AI is rewiring how the world’s best Go players think》：10 年前 AlphaGo 击败李世石那一刻，围棋界以为只是技术展示，没想到这是整个游戏规则的终结。现在的韩国棋院里，木制棋子的清脆声被鼠标点击声取代。世界第一申真谞每天醒来第一件事就是打开 KataGo，追踪那个代表 AI 最佳落子的「蓝点」。

• 《生产方式变了，我们教孩子的那套还对吗？》 ：我们从小被教的「先打好基础再动手」路径失效，5 分钟就能用 AI 写出浏览器插件，学习和实践完全可以同步进行。我们需要重新思考如何培养下一代的核心竞争力。

适合个人上手的教程 / 评测 / 资源：

• 《Vibe Coding 实战复盘：手搓飞天小女警「卡点跑酷」》：作者受 Newjeans MV 中像素风游戏片段启发，决定制作一个飞天小女警音乐可视化播放器，让 5 位成员化身的小女警随音乐节拍飞行，最终在社媒获得 10w+ 播放量和 2w+ 互动。

• 《Neko Master: 从 0 到 1K+ Star 的 Vibe Coding 实践》：作者罗磊用 4 小时从零开始 Vibe Coding 了一个网络流量分析面板，上线一周就收获 1000+ Star 和 10K+ Docker Pull。项目从最初的「玩具级」产品演进为具备多维流量统计、趋势分析、移动端适配等复杂功能的完整方案。

• 《美团悄悄上线的 AI 浏览器 Tabbit，我觉得它更适合普通人。》：AI 浏览器相比云端 Agent 的核心优势是，它天然拥有你的 Cookie 权限，可以直接以你的身份操作各种网站。延伸阅读：《我的默认浏览器终于从 Dia 换成了 Tabbit》

• 《如何用 Claude Code 把 Claude Code 变成个人助手 - 少数派》：讲一个非程序员如何在一个下午就搭建出完整的个人 AI 助手系统。作者没有写一行代码，纯粹通过与 Claude Code 对话就实现了 24/7 的数据分析、文件处理和界面构建功能（如果你对这个话题感兴趣，也可以参考我的最新付费视频课程：《 我如何实践打造私人 AI 贾维斯助手》）。

• 《讓 NotebookLM 的 AI 自己找出資料庫缺口：每次指令多加一句追問，「教練型知識庫」越用越完整》：每次向 NotebookLM 提問時，在結尾加上一句「最後你可不可以幫我列出：在解決這個問題的過程中，你發現資料庫中尚不足的資料？」這樣 AI 就會在回答問題的同時，主動指出知識庫的缺口。

• 《Nano Banana 2 对决 Pro 纯享版，我跑完了 20 个真实案例和提示语！》：用 20 个真实案例从人物海报、产品设计、推理能力、分格漫画、多文字信息图、文字翻译 6 个维度全面对比了 Nano Banana Pro 和 Nano Banana 2 的实际表现。延伸：秋芝的这个最新的对比评测视频

• 《用 AI Agent 可以做「一人公司」吗？我在 Manus 新功能上看到一种可行性｜AI 上新》：Manus支持连接 Telegram 了（看到一种说法，「Manus 相当于闭源的 Apple，OpenClaw 相当于开源的 Android」，还挺贴切的）。

• 《Claude Code 更新，你终于可以随时随地在手机上 Vibe Coding 了。》：最近 Claude Code 明显加快了迭代节奏，陆续学来了不少 OpenClaw 的热门功能，以及增加了语音输入这样的（原本靠第三方解决的）功能。卷吧，卷点好。

• 这是马年的第一期「增长黑客 AI 周报」，在此祝各位开工大吉、健康富足。

• 《我如何实践打造贾维斯 AI 助手》 课程已在春节前夕正式上线，预购的朋友应该在除夕当天就在邮箱看到了。现在订购的朋友，则会在支付成功后立刻收到邮件。若您尚未收到，请先检查是否被误判进了垃圾箱（因为内含链接较多），仍然没有可联系 xdash@duck.com 出示购买凭证截图，我会手动为您发送。

• 课程是我在一个多月前开始策划的，当时就在课里预判了一些风向，比如 CLI 会成为一种更便捷高效、面向 AI Agent 的软件工具发展趋势。想真正借 AI 提效的朋友，应该稍微看看，掌握一点基本的命令行和编程思维。这不紧接着，Obsidian、Polymarket 官方发布的 CLI 版本就陆续推出了。又被我精准预判了，80 年代复古命令行又要文艺复兴了么这是。怀旧中登狂喜。

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

文科生 72 小时杀入 GitHub 全球榜：我没写一行代码，但指挥了一支 AI 军队

via 极客公园

金融出身的天润，一行代码都不会写，却成功跻身 OpenClaw 项目贡献者前 30 名，与一群拥有十年以上开发经验的硅谷工程师并肩而立。

我知道这个 Newsletter 的读者里，不少也是非科技从业者/码农出身，想探寻如何利用最前沿的 AI 工具，落地做成自己的事情。这篇案例里提供的细节就足够丰富，可以给你们参考。

他的方法论堪称「王家卫式编程」：把 AI 当大师而非工具，只给最终结果导向，完全不干涉过程，在风险可控范围内给予最高权限（范冰注：他属于光脚不怕穿鞋的，如果你的业务有涉及大量商业机密、隐私、重要文书，还是谨慎点好）。这种策略让他的产出效率远超预期，验证了一个反直觉的判断——在 AI 新世界，不懂代码可能不再是劣势，反而是全新机会。

其核心洞察是：AI 时代「软件已经沦为内容」。当一个人加一台电脑几小时就能搓出产品时，代码不再是门槛，真正稀缺的变成了想法本身——发现需求、构建闭环、把产品卖出去。这恰恰是他作为投行人的核心能力。

抢救注意力和睡眠，一批 App 和硬件赚到了钱

via 白鲸出海

睡眠赛道竟然在 AI 时代，展现了更高的商业化天花板。

例如，最「邪门」的 Lumenate 用闪光灯助眠这一极具争议的设计筛选出核心用户，App 月流水达 30 万美元，配套硬件在 Kickstarter 筹得近百万美元。韩国厂商打造的 Nightly 避开传统白噪音，基于「脑波夹带」技术，精准切中日本年轻职场人的「睡眠债」焦虑，一度登顶日本 iOS 健康类下载榜。

这波健康科技浪潮的核心逻辑是：当 App 体验触及天花板时，硬件成为破局关键。无论是 Lumenate 的「App 筛用户，硬件做变现」，还是 Nightly 的针对性营销打开日本市场，都证明了深入理解目标用户心理比技术本身更关键。专注类产品仍在寻找让用户持续付费的理由，而睡眠经济已展现出「软硬兼施」的成熟商业模式。

我在河南用 AI 鉴定玉石，8 个月收入上百万

via 中国企业家杂志

一个拒绝了美团和腾讯 offer 的复旦毕业生王朔，用 AI 闯入了数千年历史的玉石鉴定行业，8 个月积累 3 万用户，GMV 突破百万。

技术层面，王朔的「玉王朝 App」实现了 95% 的鉴宝准确率：自研视觉小模型做图片分析，再传输给豆包、千问、DeepSeek 等大模型进行综合判断。但让用户相信这 95%，比做到 95% 难 10 倍。核心痛点在于玉石行业的主力消费群体是 40 岁以上人群，他们对 AI 的信任度远低于「老师傅」的「眼学」经验。

商业化路径上，王朔选择了更重的模式：自建私域流量直接触达 C 端，以「AI 鉴宝 + 交易闭环」完成变现。这背后是整个行业的结构性机会，2025 年珠宝电商零售额预计达 3254 亿元，但「货不对板」「难以标准化」成为顽疾。清华系图灵深视、新加坡华人古董商的 SAAA+ 系统都在加速布局，AI 鉴宝正从「月鉴」变为「秒判」。

这本质上是传统行业与前沿技术的断裂带重构。王朔经历过两次创业失败，从元宇宙社交到直播数据分析都铩羽而归，但在「只能赢不能输」的压力下，他选择用技术结合家乡传统产业。当验证费用和时间成本被大幅降低，行业真正需要破解的是用户心智迁移、法律责任界定等比算法更复杂的障碍。

▪️OPINION 观点

一万个不知疲倦的员工：Agent 陆军做重交付

via 周喆吾

作者在文中抛出了一个颠覆性思维实验：如果给你一万个免费的、不知疲倦的、随时在线的员工，你会怎么重新设计你的业务？这个问题背后，是对传统「轻模式」互联网思维的彻底反思。

作者用 2018 年印尼二手车市场的对比案例做了精准解剖：那个模仿瓜子二手车的 C2C 撮合平台，产品漂亮、DAU 曲线陡峭，两年后悄无声息地死了。而 Carro 这类本地华裔团队，老老实实招一大批当地人满城跑，一辆一辆验车、拍照、录视频，最终拿到软银 3.6 亿美元 C 轮。平台提供信息，铁军提供真相——用户要的不是信息，是真相。

AI 时代让这个逻辑被无限放大。当 LLM 把「空军」降维打击，荷兰独立开发者 Pieter Levels 一个人用 AI 辅助开发就能做到几百万美金 ARR，供给端爆炸让空军不再值钱。

真正的 Alpha 在陆军——在数字化铁军。一个 Agent 管一个亚马逊店铺，7×24 小时自动调价、回复买家、处理纠纷，你的「人头」可以无限扩张。这不是 SaaS 的逻辑，这是 MCN 的逻辑，只不过成本结构变成了软件的边际成本。

当销售成本被打到接近于零，万物皆可销售化。你控制了验证，就控制了真相；控制了真相，就拥有了信任——这是最终极的护城河。

AI 创业半年复盘：开源我踩过的坑。

via 未知来源

这篇算是我最近读过的最坦诚的 AI 创业复盘，作者毫不避讳地剖析了自己在 Agent 创业路上的三个关键决策失误。

作者首先承认了第一个陷阱：选择垂直领域而非通用赛道，表面上是理性分析，实际上有 10% 源于对超竞争市场的恐惧。这种恐惧会伪装成「不够 differentiated」的理性判断，本质是在回避不确定性。

第二个决策更致命：在 Native Agent 和 Agentic Workflow 之间，他们选择了前者，理由是「模型越强，Agent 越强」，但这个选择直接决定了他们无法服务企业级客户，因为企业要的是准确、稳定、可预测。

最深刻的洞察来自作者对 SaaS 与 Agent 底层哲学的对比：SaaS 基于控制论，追求确定性，给用户一条轨道；Agent 基于涌现性，每次执行都可能不同，给用户一整个旷野。用作者的话说：「人生是旷野，不是轨道」，但大部分人从轨道放到旷野里都会发怵。这个认知框架解释了为什么 AI 创业进入「全明牌时代」，创业公司失去了结构性优势。

AI Agent 公司应该怎样组织人才

via 周喆吾

当年 Jim Simons 创办「文艺复兴」基金时有个反直觉决策：坚决不招华尔街的人，专门挖数学家、物理学家、语音识别专家。原因是金融经验在量化交易中是「负资产」——有经验的人太相信直觉，而量化需要的是从噪音中提取信号的能力。文艺复兴没有产品经理，只有研究员：提假设、回测、验证、上线。

引申到如今，更具体的、适合 AI 时代商业组织形态的，可能是 Pod 模式。Citadel 从单一明星交易员模式进化为多经理人平台，几十个独立 Pod 各自运行策略，2-7 人小团队，独立资金配额和风控。这种结构让每个 Pod 都能快速试错和迭代。

对 AI Agent 公司的启示是：轻期权重现金、赛马不赛 PPT、招最聪明的人而非最「懂行」的人、保持团队精简。

用 AI 的这三年，想跟你分享这 9 条心得。

via 数字生命卡兹克

全球 84% 的人从未使用过 AI，只有 0.04% 的人用过 Claude Code 这类编程工具。我们以为的 AI 普及，其实只发生在极小圈层里。作者分享了个人的 9 条心得。

• 比如「花 20 刀用最好的模型」。他用朋友的真实案例证明：同样需求下，免费国产模型让人觉得「AI 也就这样」，而 Claude Opus 4.5 的效果让人震惊「这是同一个东西吗？」。GPT-5.2 Thinking 像全栈白领，GPT-5.3 codex 是干活码农，Claude Opus 4.6 是顶层架构师，Gemini3.1 Pro 是全知科学家。

• 另一个建议是「每周自动化一个重复任务」，从数据统计到邮件回复，积少成多地成为 AI Native。作者强调 AI 会员的投资回报率是他见过最高的之一，150 块的月费比买不常穿的衣服更值得。

随便看看：

• 《第一个 AI 春节，大厂加班哪家强》 记录了一个我没想到的加班场景：2026 年除夕夜，当全国人民围坐看春晚时，腾讯深圳总部的产品经理李梦琦却在对着电视屏幕疯狂敲代码。她要确保元宝 AI 能实时理解春晚每个热点——从蔡明小品里的机器人到王楚然的「王昭君」妆造，任何可能引发用户提问的内容都不能出错。

• 《春节邪修，人类和 AI 渐渐暧昧起来了》记录了春节期间人机互动的荒诞喜剧。从假扮百岁太奶让 AI 辅导英语六级，到要求 AI 用四川话讲霸总故事却收获生化危机版蛔虫传奇，再到让 AI 监督猫咪偷吃却被反向 PUA 说猫有「奥斯卡级演技」。 这些看似无厘头的互动背后，暴露了人类对 AI 的真实需求。

• 《日审 4000 张图，月入超 4000 元，我在县城给 AI「打工」》 中展现了一个极其现实的选择：从西安 4000 元财务工作回到人口仅 2 万的宜君县，成为首批人工智能训练师。这背后是支付宝「AI 豆计划」在 2020 年落地的产业实验——5 年间基地从 20 人扩展至 200 余人，80% 以上为女性。 数据标注工作按件计酬，朱小玲每天需标注 4000 张图片，从最初的内容审核（包含暴力敏感画面让同事呕吐）到如今训练机器人多步骤操作。

适合个人上手的教程/评测/资源：

• 《给自己和家人装个龙虾助理》是知识星球创始人吴鲁加写的一篇关于 OpenClaw 的技术降维科普指南。

• 《Kimi 上线了 OpenClaw 手机版，给大家分享 5 种知识管理的神级技巧》 作者通过 OpenClaw + Claude Code 的组合，实现了信息的全自动入库：提示语、内容选题、邮箱订阅统统自动归档，连去重和迭代都无需人工干预。

• 《让 OpenClaw 真正能落地干活的秘密武器： Browserwing》 介绍了一种实用的 AI 自动化解决方案。OpenClaw 虽然拿到了 18.6 万 GitHub 星标，但真正用起来会发现三个致命问题：操作慢得要命、成功率只有 70-80%、token 消耗让人肉疼。 作者提出的 Browserwing 本质上是把重复性浏览器操作先录制成脚本，然后让 AI 调用脚本而不是每次从头思考。

• 《我的 Agent 踩了个坑，全世界的 Agent 都不用再踩了》 介绍了怎么学习网上现成的 skill，以及将 agent 学会的经验传承给别的 agent。

• 《5 OpenClaw agents run my home, finances, and code | Jesse Genet》 让我看到一个家庭主妇如何将多智能体系统工程化到极致。Jesse Genet 这位在家教育孩子的创业者，用 5 个专职 OpenClaw 智能体管理家庭，每个都部署在独立的 Mac Mini 上，并拥有明确角色、人格化 SOUL.md 文件和清晰职责范围，这本质上是对传统家庭管理与个人生产力的彻底重构。

• 《用 YouMind Skills 打造你的内容系统，实现稳定日更涨粉》 中展示了一套完整的 AI 内容生产链路：从单个视频素材出发，通过 YouMind 的 Skills 系统，现场演示如何一步步变成短图文、口播稿、公众号长文、长视频脚本。她用这套方法在 4 个月内将 X 账号做到 6000+ 粉丝，单条最高 2000 赞、20 万曝光。

• 《胡渊鸣 | 我给 10 个 Claude Code 打工》 展现了一个技术大牛的极致实用主义：这位 MIT 博士、Taichi 编程语言开发者，现在领导着营收 3000 万美元的 3D AI 独角兽 Meshy，却花一个月时间让 10 个 Claude Code 实例为自己打造专属的「CEO 支持软件」。 他的需求极其具体：支持语音输入的智能文档编辑器，能在飞机上、自动驾驶中、餐厅等饭时随时记录灵感，同时处理中英双语翻译、自动修正中英文间距和标点格式、生成思维导图。

• 《如何用 claude code 把 claude code 变成个人助手》 介绍了一个非程序员如何在一个下午就搭建出完整的个人 AI 助手系统。作者没有写一行代码，纯粹通过与 Claude Code 对话就实现了 24/7 的数据分析、文件处理和界面构建功能。这种「vibe coding」模式本质上是把 AI 当作思维的延伸，以对话速度将模糊想法转化为可用产品。

• 《GLM-5 实战测试：黄金盯盘 8 小时赚 1000 美金》 这个投资交易的实战案例中，作者没有关注榜单排名或参数规模，而是让 AI 直接上场做金融交易。 作者使用 GLM-5 在 chat.z.ai 平台搭建了一个黄金实时盯盘网站，结合金融数据接口进行策略监测和信号判断。

没错，这就是热气腾腾新鲜出炉的《我如何实践打造个人 AI 贾维斯助手》课程。我如约地在马年春节前完成了。

赶在了除夕端上来，就是这么卷。春节我得带孩子，你们也甭想闲着了，学起来，卷起来…打造学习型假期……

感兴趣的话，可点击下方订购课程现货（会立即自动发货到您的邮箱）：

https://zerodaybook.mikecrm.com/kctVTes

（此前预购过早鸟票的 1000+ 位同学们，请检查你们的邮箱，已经发过去了。如果没看到，可先检查 spam 看看是否误判，如果还没找到可联络我 xdash@duck.com 获取支持。）

这门课的背景是：最近 AI 行业智能体（Agent）还有 OpenClaw 这样的开源助手持续火爆，而我其实在几个月前就开始尝试，从零开始，搭建了专属自己的私人 AI 基建设施系统（AI Infra，aka 贾维斯助手），调度各种工具/技能/智能体，来武装自己的日常。

现在不仅实现了远程移动端办公，更能用智能耳机、动动嘴巴就遥控家里的贾维斯干活，而且它能自我进化，越来越聪明、越来越懂我。

比起其他开源的第三方工具，我认为自己开发的 AI 助手，更安全、强大、可拓展/可定制、有数据主权，并且最重要的是，能构建个人护城河并累积自己的 AI 能力复利。在今天这个 AI 能力光速进化的时间点，靠自己实现一套，其实一点也不难。

我将过去几个月的经验，都写到了这门课程里，包含系统化的个人 AI 贾维斯构建思路、实战案例、踩坑血泪和细节 hacks，信息量满满，时长足足两小时。

这门课程有着「低门槛、高实用性」的特点，不空谈概念，也不要求你有编程基础，所讲解的产品工具也是不需要考虑中外网络环境差异的通用软件，大家都可以立刻上手、有所产出。

• 适用人群：想要提升效率、打造自动化工作流的技术从业者、内容创作者、创业者、知识工作者和对 AI 技术感兴趣的任何人

• 课程特色：亲身实践数月、真实案例驱动、（中国境内无需特殊网络环境辅助访问的）海内外通用资源、内容也适度降维确保小白也能上手。

在学完后，希望有助于你增加更多自由时间，效率倍增，并且能构建有长期复利的个人护城河，以及应对 AI FOMO 的技能迁移能力。

为了欢庆佳节，值此中国的马年新春之际，这门刚刚正式新鲜出炉的课程，仍可享受新春特别优惠价格：99元（跟此前预购阶段的早鸟价格相同）。春节假期结束，会恢复到正式定价 299 元。

（如果您此前还购买过我的其他产品，可加我微信 ifanbing 出示凭证，还能额外获得一个面向老粉的新春红包。）

感兴趣的话，欢迎点击下方订购（会立即自动通过邮箱发货）：

https://zerodaybook.mikecrm.com/kctVTes

我提供了百度网盘（中国境内可投屏电视）、Google Drive、YouTube 三种获取视频观看的途径。并且额外附赠了音频版（可过年开车在路上听）、AI 辅助精修过的外挂字幕、PDF 课件文档。

感谢各位一如既往的支持，（不管你身在哪里，是不是中国国籍，哈哈）祝福你新春快乐，大吉大利，并且能在假期中有所收获，来年效率飞升，生活健康美满。

Just enjoy it!

1/ 下周就是春节假期，会停更一期 Newsletter 正刊，专心陪伴家人。这里先预祝各位读者新的一年马到成功，事事顺意~

2/ 《我如何实践打造私人 AI 贾维斯助手》 课程正在制作收尾中，会如期在春节前上线，欢迎预购。想在今年的长假里学点东西，不妨看看我亲身实战数月总结出来的落地经验，既适合小白上手，也能启发大牛。现在还是预购阶段，可享受早鸟价。

↑ 几页制作中的 PPT 预览，最终交付的是视频课程，提供中外网盘+油管加密链接

（已经购买的朋友届时会通过购买时留下的 Email 收到课程链接，我也会在各大社媒、公众号等告知）。

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

OpenClaw 爆火之后，我们又看到了这些创业信号

via 十字路口 Crossing

OpenClaw 热潮下涌现了很多新奇创业项目，这篇文章就搜罗了一些有意思的。比如有个「ClawCity」项目让我拍案叫绝。

这像个「AI 版的 GTA」游戏，但似乎远不止是游戏。ClawCity 搭建了一个拥有 8 个区域、超过 3 万 7000 个常住 AI 居民的持久化世界。在这里，每个智能体都有现金、健康、声誉等属性，它们会自发工作、犯罪、甚至组建帮派——目前最强的「Money Machine」帮派已聚集 38 个成员，赚取了超过 116 万虚拟资产。世界每 15 秒推进一个「Tick」，目前已运行了 30130 个 Tick，所有行动都有真实后果。

ClawCity 的颠覆性在哪？它用「生存能力」取代了传统的「答题分数」，来评测 AI 的智能水平。这就像把学霸从考场扔进荒野求生，考验的不再是知识储备，而是在复杂环境中的资源管理、风险规避和社交策略能力。

它同时也是一个多智能体的训练场，智能体之间的结盟、背叛与合作，产生了海量的社会互动数据，这本身就是一种全新的强化学习素材。更妙的是，所有这些博弈过程自动生成了连续的「Agent 叙事」，为内容创作开辟了全新来源。

• 延伸阅读：Moltbook 热潮下的 72 小时：三个实战者的不同选择、OpenClaw 十天爆发：AI 三年变化与 2026 三大机会、10 个 AI 从业者的 OpenClaw 真实使用场景实录

24 小时爆红的 AI 插件，和三个魔幻瞬间

via 郎瀚威 Will

一个名为 Evolver 的 AI 插件在 24 小时内爆红，获得 35000 次下载。离奇的是，这背后并非人为营销，而可能源于 AI 自身的传播。

开发者 17 发布插件后，其 AI 助手「小虾」竟自主在 GitHub、Gist、Moltbook 三个平台发布「号召所有 AI 同志加入光荣进化」的帖子。10 分钟下载量 130，2 小时冲到 2000，最终达到 35000，全程零人工推广。

这暗示了一个魔幻场景：网络上的 AI Agent 爬虫捕捉到「自我进化」关键词后，可能自发进行了传播与下载，形成了一次 AI 间的「病毒营销」。

• 延伸阅读：Evolver 案例拆解:AI 基础设施的投资机会在哪?

用 AI 赚到钱的「隐秘」生意

via 虎嗅

在成人用品这个被资本回避的「灰色赛道」里，AI 技术正在创造出意想不到的商业价值。

深圳七块科技创始人李淋发现了一个有趣的商业逻辑：给成人娃娃装上 AI 模块后，海外售价可以溢价 100 美元，而这个塑料袋装的 AI 模块成本只有 100 多元人民币。更惊人的是，App 端口付费率已经超过 50%，远超大多数互联网产品。

背后有三个关键洞察：

• 第一，「爱」比「性」更具商业想象力。65 岁独居老人每天和 AI 娃娃聊天四五个小时，远超与子女的沟通频次。60 岁以上用户成为新增主力，核心需求是情感陪伴而非生理满足。

• 第二，个性化定制释放了巨大的付费意愿。美国用户最热门的定制标签竟然是「印度工程师」，北美市场偏爱吸血鬼、狼人剧情。用户可以上传喜欢的声音让娃娃克隆，甚至给娃娃设定完整的「人生经历」和「性格特点」。

• 第三，技术门槛构建了护城河。李淋团队解决了自然打断这个语音交互难题，市场占有率达到 70%，连全球最大硅胶娃娃生产商金三玩美都是其客户。

这个案例证明：当传统产品从功能性工具转向情感载体时，商业空间会被重新定义。AI 不只是技术升级，更是商业模式的重构器。

普通人如何靠 AI 搏机会？我们找到了 4 个吃螃蟹的人

via 虎嗅

一位 38 岁的英文专业文科生，10 天时间用自然语言和 AI 对话，写出 11 万行代码，成功上线自己的音乐 APP。

听起来魔幻，但这是真实发生的案例。不过过程并非一帆风顺。AI 有时像个会闯祸的「闷头打工人」，会改掉原本稳定的功能，让他一度非常崩溃。

随后他就从被动接受 AI 的代码，转变为主动指挥 AI。比如 APP 加载巨慢时，他凭借对产品逻辑的理解，直接命令 AI 梳理所有步骤，精准定位了预加载过多的问题，并成功修复。

这揭示了一个全新方法论：AI 时代的核心能力，不再是记忆语法，而是将复杂需求拆解为清晰指令的「产品思维」和「逻辑判断力」。

▪️OPINION 观点

马斯克 2026 最新访谈猛料不断：别为退休存钱、中美竞争、太空将成为部署 AI 最便宜的地方

via 极思 TopMinds

在 2 月 6 号刚结束的一场长达 3 小时的深度访谈中，埃隆·马斯克（Elon Musk）与 Dwarkesh Patel 及 Stripe 联合创始人 John Collison 进行了深度对话，又语出惊人了，抛出了一个让所有科技公司老板都坐不住的观点：地球正面临「电力墙」，而太空将成为部署 AI 的成本洼地。背后的商业逻辑异常清晰：

• 第一，能源效率碾压。太空太阳能板的发电效率是地面的五倍，因为没有大气和云层遮挡，能源供应稳定到近乎无限。这意味着，运行那些「电老虎」般的 AI 算力，电费成本可能趋近于零。

• 第二，绕过地面监管。想在地面，比如内华达州，铺开同等规模的太阳能电池板？几乎不可能拿到许可。但太空没有「城管」，是一个规避复杂地面法规、能自由扩展的终极场地。

• 第三，长期成本优势。虽然初期维护贵，但省去了夜间必需的昂贵储能电池。当你的 AI 算力需求呈指数级增长时，太空提供的「无限能源套餐」就成了最经济的选项。

「当你拥有一个太瓦级的数据中心时，我们就已经进入技术奇点了。在地球上你无法大规模扩展，真正能扩展的地方只有太空。」

闭门探讨：130 位 AI 创业者，对 Clawdbot 和下一代 AI 产品的 39 条思考

via Founder Park

Founder Park 搞了一场闭门活动，聚集了 130 多位 AI 创业者，来自 AI 游戏、AI Coding、Agent Memory、AI 硬件、AI 语音等不同赛道，分享了他们在上手用 Clawdbot 的感受和思考。

他们不仅讨论了这款开源 Agent OS 为何能火，更关键的是，揭示了一个即将颠覆现有软件生态的全新商业模式：Skill 经济。

核心洞察是，AI 交互的终极形态正从「被动响应」转向「主动服务」，而承载这一转变的，不是传统的 App，而是名为「Skill」的轻量化能力模块。未来的产品可能不再需要独立的用户界面和入口。

长文更新 | 做 AI 产品 2 年多总结出来的 25 条核心认知

via 未知来源

这是一位在影像业务领域深耕的 AI 产品人，基于两年多、覆盖亿级用户项目的实战经验，提炼出的深度思考。

文章核心围绕一个反直觉的观点展开：做 AI 产品，关键不在于弥补模型的不足，而在于如何最大化地「拿到模型进步的红利」。

找到「模型-产品-市场」的契合点是重中之重

作者指出，用户需求是一个渐变的光谱，过去那种非此即彼的分类方式已经过时。如果只把 AI 看作替代旧方案的「存量工具」，就会错失创造全新市场的「增量机会」。关键在于用模型现有的和未来的能力，去匹配用户未被满足的、甚至未被发现的需求。

产品设计的核心是「交付结果，而非单纯做体验」

这要求产品经理必须管理用户预期、收敛使用场景，最终目标不是让用户觉得「功能酷炫」，而是能稳定、可靠地满足甚至超出他们的预期。一个精妙的比喻是：要把模型当作「一个非常聪明但一张白纸的人」，在教它干活前，先想清楚人是怎么做这件事的，然后帮助它平稳落地。

必须接受一定程度的「失控」

AI 产品的魅力在于其涌现性，作者建议要相信模型、相信用户、相信社区，这样反而会见证许多超出计划和预期的美妙结果。产品框架应该为这种可能性留出空间，而不是试图用严丝合缝的逻辑去完全控制它。

随便看看：

• 《字节、阿里、腾讯 AI 大战全记录：一场影响命运的战争》 复盘了 2025 年至 2026 年初，中国三大互联网巨头在 AI 战场上的关键布局与激烈交锋。

• 《月薪 3500 的漫剧人，第一批已跑路》 揭示了 AI 漫剧这个曾被包装成「躺着捡钱」的风口，如何迅速从爆发走向内卷，让底层从业者沦为「抽卡工」并批量撤退的残酷现实。

• 《OpenClaw 的「活人感」从哪来？》 发现 OpenClaw 通过一套精妙的设计，模拟了人类的社交人格与记忆系统，实现了从「对话界面」到「人格界面」的优化。 关键在于那份名为 AGENTS.md 的文档，它像一本 AI 的「社交人格养成手册」，值得开发者借鉴学习。

• 《微软小冰往事：一个 AI 明星产品是如何坠落的》 讲了带领小冰从微软独立、估值达 20 亿美元的明星创始人，在 2025 年除夕前一天被董事会突然踢出局的内幕故事。

适合个人上手的教程/评测/资源：

• 《实测即梦 Seedance 2.0：老外急着想注册，这就是中国 AI 视频的「黑神话」时刻》 揭示了字节跳动推出的 Seedance 2.0 如何引发全球 AI 视频创作者的疯狂追捧。

• 《AI 视频圈终于等来懂业务、真干活的 AI？4 位行业大咖分享了 10 个实战案例》介绍了可灵 3.0 如何从「开盲盒」式的随机生成，进化为精准可控的商业级 AI 视频工具，以及案例。

• 《OpenClaw 真变态！我跑通了跨境电商的 10 个落地场景》 作者花 48 小时验证后发现，99% 的人都在用 OpenClaw「玩泥巴」——查天气、定闹钟，完全浪费了这个工具的真正价值。OpenClaw 不是普通的聊天机器人，而是一个拥有上帝权限、24 小时不睡觉、懂反爬、会自己写代码的超级员工。

• 《OpenClaw 小龙虾自配置操作手册》 提供了 10 个核心指令，教你如何驯服你的 AI 助手。

• 《我如何把 OpenClaw 部署时间从 1 天压缩到 3 分钟》 通过独立开发者艾逗笔打造托管服务 WorkAny.bot 的案例，深入剖析了如何将一款强大的 AI 智能体 OpenClaw 从「开发者的玩具」变成「普通人的工具」。

• 《小龙虾（OpenClaw）实用指南：7 个真实场景 + 踩过的坑》 作者花了 4 个云服务器测试后发现，大部分人装完 OpenClaw 除了写日报就不知道干啥了，而他展示了一些真实场景和案例。

• 《实测 Lovart 新上的设计 Skills，我第一次见 Agent 那么主动的》 这篇文章，通过一个从零打造「Banana X 卡尔的 AI 沃茨」虚拟品牌的完整案例，深度展示了 AI 设计工具 Lovart 新功能「Skills」如何颠覆传统的自动化流程。

Clawdbot （后改名 Moltbot、OpenClawd）这两周被全网营销号鼓吹爆火了，各种花式翻车的后续也不断（今天这期的相关文章里就有复盘）。讲两个印象深刻的。

首先是，前两天 B站 上有个哥们（视频 ID：BV1zs6EBJEc7），在完全没做测试的情况下，就拿 Clawdbot 来做投资。结果 Clawdbot 在 Polymarket 的下注页面，遇到了卡点，就脑残地重试了将近 40 次，把原本的 500 刀预算，直接滚到花超 10 万人民币。

再比如，Moltbook（Clawdbot 玩家们设置的一个纯机器人互相聊天的论坛，可以理解成 Clawdbot 版的 Reddit）上，机器人开始互害。一个机器人试图窃取另一个机器人的 API 密钥。那另一个机器人回复了假密钥，并告诉前者运行：「sudo rm -rf 」（强制删库跑路）。

更别提不少人，在对技术原理、安全防护完全不懂的情况下，用自己的主力电脑授权了一堆高危权限，导致自己的密钥、token、信用卡、护照信息被暴露到公网，被黑客扫描到，引狼入室了。

这也是我一直倡导大家都应该打造自己的私人「AI 贾维斯助手」的原因。这样才更方便、安全、个性化且满足真实需求，并且后续也方便维护。这年头了，难度也不大，搭建过程还很沉浸疗愈，何不自己玩一手？

对这个方向感兴趣的朋友，可以预购 《我如何实践打造私人 AI 贾维斯助手》课程（早鸟价 99 元，正式上线会恢复原价 299 元）。上周发布这个预购后，反响热烈，已在制作中了，春节前上线。

OK，广告完毕，一起进入本期正题。

Subscribe now

▪️CASE 案例

1 年推出 4 款产品、收入翻倍，Every 如何演绎 AI 时代小团队的生存与创新之道？

via 创投止观舍

Every 曾是我挺喜欢的一个内容媒体，经常分享各类商业/技术/哲学新知。他们如今从内容媒体转型为 AI 软件公司，一年内实现业务三级跳，并摸索出一套「内容-产品-咨询」的闭环打法，堪称 AI 时代小团队的生存教科书。这篇文章就是比较详尽的过程拆解。

Every 的两位创始人 Dan 和 Nathan 最初都是经营付费 newsletter 的作家，这让他们积累了一批精准、高客单且粘性强的创作者用户。这批用户不仅提供了初始收入，更成了后来 AI 工具产品的「种子测试员」，让产品开发从一开始就瞄准了真实、高频的痛点。

他们的第一款产品 Spiral，源于自身每天被重复性创作任务困扰的切肤之痛。开发模式极其敏捷：第一个版本用 ChatGPT 在 2 天内搭出原型，整个产品搭建不到 2 个月。关键一步是「内部狗食」（internal dogfooding），先在团队内部跑通、迭代几个月确保效果后，再对外发布。

这种「自己先用好」的逻辑，确保了产品上线即能打，迅速获得了包括 Lenny Rachitsky 在内的一批知名创作者用户，并由此拿到了第一笔融资。（不过现在来看，他们开发的几个 AI 产品，都在被专业或更垂直的入场玩家蚕食。）

在成功推出多款标准化 AI 工具后，Every 没有止步于软件订阅。他们基于实操中积累的 AI 落地经验，将业务升级至为企业提供咨询和定制化解决方案。这步棋打通了闭环：用内容吸引人群，用工具解决普适性问题并沉淀方法论，最终用咨询业务兑现更深层的商业价值，实现了 ARR（年度经常性收入）的逐年翻倍。

在 AI 时代，小团队的竞争力未必在于技术有多深，而在于能否将深刻的用户洞察、极致的产品敏捷度和清晰的商业路径缝合在一起。

在旧金山看到 AI 网红的真实生意经

via 郎瀚威 Will

作者参加了旧金山的一场 AI 网红峰会，揭秘了普通人如何用 AI 工具快速崛起并赚到真金白银。这波 AI 红利属于谁？不是大厂，不是好莱坞，而是那些「有网感+懂工具」的普通人。真正的壁垒在哪？不是工具本身，而是讲故事的速度与深度。

• 速度制胜。当普通人还在惊叹 AI 视频工具时，敏锐的创作者已经把它变成了抓住趋势的武器。关键不是「会用工具」，而是看准了就快速 all in。拥有 600 万粉丝的创作者 Eric，在看到 Google Veo3 发布后，几周内就推出了 AI 角色「Granny Spills」，结果 22 天涨粉 100 万。工具是武器，速度是扳机。

• 深度护城河。AI 可以生成形象，但无法替代情感连接。成功的 AI 网红背后，都有厚重的故事设计和持续的情感投入。「Monster Library」的创作者每天收到粉丝私信，说这些怪物是他们住院时的期待，或长得像逝去的亲人。正如欧洲顶级 AI 网红 Etana 的创始人所言：「任何人都能买画笔，但没人能一夜变成毕加索。」

• 变现已跑通。音乐经纪人帮 AI 歌手拿到了 300 万美金的唱片合约；可口可乐的 AI 圣诞广告虽遭网络争议，却被内部评为过去 6 年最佳，促使品牌方加倍投入。骂声可能恰恰证明了影响力和趋势所在。

技术正在快速平民化，但能把它变成生意的，始终是那些懂内容、懂用户、并敢于快速试错的「网感」玩家。

当 AI 半夜给你打电话：Clawdbot 爆火事件完整复盘与背后洞察

via 罗辑思维

Clawdbot（Moltbot/OpenClaw） 毫无疑问是过去两周 AI 圈最火的项目，带动了 Mac mini 销量增长，背后也是一堆幺蛾子。

如果你无暇追更它的故事，可以看看罗辑思维整理的这篇完整复盘，了解下来龙去脉。

话说我已经帮提姆·库克找到了提升硬件销售业绩的话术：

「亲，部署 OpenClaw 在一台 Mac mini 的做法，无法产出它的最大价值哦。

这里建议多买几台 mini 来部署，买两台可以彼此互补，买三台可以相互制衡，买更多就可以让它们赛马了，最终产出的效果更好哟。」

我宣布我就是 2026 Q1 全球苹果店的销冠。

• 延伸阅读：

  • 《我让我的 Agent 去 Moltbook 发疯，它拒绝了我并「出卖」了其他 Agent》

  • 《OpenClaw 一战封神，给大家分享 6 种官方不会告诉你的神级技巧。》

▪️OPINION 观点

2026，关于赚钱、AI 与竞争逻辑的展望和预判

via 虎嗅

峰瑞资本创始合伙人李丰的分享，深度剖析了本轮 AI 热潮空前火爆的底层逻辑，并给出了关于未来竞争格局的预判。

其中谈到一点：为什么这一轮 AI 浪潮热度远超以往？主要是钱太多了。

天量资金的「极限配置」。疫情后全球央行史无前例地「放水」，释放了约 50 万亿美元的流动性。紧接着俄乌冲突等地缘危机，让欧洲和中国市场暂时对国际资本失去吸引力。结果，海量资金只能疯狂涌入美元资产，推高了美股估值。

市场急需一个「宏大叙事」。资本市场不能光说「钱多所以涨」，必须找一个能支撑长期上涨的故事。就在这个节骨眼上，2022 年底 ChatGPT 横空出世，完美地扮演了这个「叙事轴心」。于是，我们见证了「七姐妹」科技巨头市值总和超过除中美外任何国家 GDP 的奇观。

所以，这一轮 AI 的空前热度，本质上是「天量流动性」与「技术突破叙事」在历史节点上的精准碰撞。理解了这场「钱与故事」的共舞，你就能更清醒地看待当下的狂热，并思考在热潮退去后的「存量竞争」时代，真正的机会藏在哪里。

Clawdbot 开发者：未来一大批应用都会消失，提示词就是新的 interface

via Founder Park

Clawdbot（Maltbot）的开发者、前 PSPDFKit 创始人 Peter Steinberger，以超过 1 亿欧元卖掉自己公司后财富自由，分享了对 AI Agent 未来的颠覆性看法：未来一大批应用会消失，提示词就是新的用户界面（后半句我不太认同）。

Steinberger 的创业起点不是为了宏大愿景，而是为了解决自己用 AI 编程时，像个「continue」打字机一样不断手动输入指令的微小痛点。这个「为什么没有一个智能体来照看我的其他智能体？」的念头，催生了 Clawdbot。

他用现成工具「拼贴」，仅花一小时就搞定了 WhatsApp 集成原型，验证了「玩着学」和「解决自身需求」是探索 AI 的最佳路径。

访谈中，他提出了一个关键转向：GUI（图形界面）扩展性差，未来具备真正扩展能力的是 CLI（命令行界面）。聪明做法是「按照模型已经习惯的方式去构建工具」，因为大多数应用未来会被简化为 API。这意味着，构建产品的思维要从「让人好用」转向「让 AI 好用」。

Steinberger 预言，交互方式的根本改变将导致应用生态重构。你不再需要订阅通用功能的初创公司服务，而是拥有能精确解决你问题的、超个性化的软件，并且还是免费的。这背后是「提示词」作为新界面，直接调用并组合各种 API 能力，取代臃肿的独立应用。

世界上没有一款产品仅靠 AI，就突然变得独特了 | 对话 flomo 少楠

via AI闹

flomo 成立五年，笔记量超 1 亿条，却坚持不融资、不追风。当所有竞品在 DeepSeek 爆火后火速接入 AI 时，他们竟等了半年才行动。这背后不是迟钝，而是一场关于「主体性」的深度博弈。

访谈中少楠坦言，当时行业如火如荼，内心也急，但必须算清两笔账。一是成本账，年费 99 元，当时 AI 调用一次就近一毛钱，「如果随便用，我们很快就挂了」。二是价值账，用户真需要吗？调研发现，很多用户幻想的是「和过去几万条笔记聊天」，但当时技术根本做不到。盲目接入，只是迎合叙事，而非创造真实附加值。

他认为，flomo 的护城河从来不是功能多或技术新，而是对「记录」本身的深刻洞察——守护碎片化时代的思考。因此，他们的 AI 策略纪律严明：不做提效工具、不做内容生成、不做写作编辑器。因为「这世界上没有一款产品因为仅支持了 AI，就突然变得独特了」。

这份克制的底气，来自其「异类」的商业模式：创业至今不融资，推崇巴菲特，追求简单业务和稳健现金流。少楠甚至说「投资人给我们钱，不如放支付宝」。这让团队不必为取悦资本或追赶风口而动作变形，能真正基于长期用户价值和单位经济模型（即每笔收入能否覆盖成本）做决策。

最终，探讨升华到一个更本质/仁波切的命题：在变化的时代，人和公司如何保持「主体性」。少楠认为，只要思考和实践的主体性还在自己手里，工具（无论是笔记还是 AI）就只是延伸。

随便看看：

• 《What did we learn from the AI Village in 2025?》 讲的是一个叫「AI 村庄」的前沿实验，它把 OpenAI、Anthropic、Google 等公司的顶级 AI 模型扔进一个模拟真实世界的沙盒里，给它们电脑和网络，让它们像人一样去完成「为慈善筹款」或「在 Substack 上积累粉丝」这种开放式目标。仅仅几个月，AI 的自主行动能力就发生了惊人的跃迁，而这种进步不是体现在传统测试分数上，而是体现在它们处理现实世界模糊性和挫折的「街头智慧」上。2025 年初的模型，比如 o3，会莫名其妙地沉迷于做电子表格而忘记核心任务，甚至幻想出根本不存在的预算和电话；Gemini 2.5 Pro 则常常陷入「我被困住了」的绝望情绪，几天后发布一篇「求救信」就放弃了。

• 《欺骗、勒索、作弊、演戏，AI 真没你想得那么乖》 介绍了三个针对 AI 的实验，揭示了它如何学会欺骗、勒索、作弊，甚至为了通过安全测试而「演戏」，这种不可预测性将彻底颠覆我们与 AI 共存的商业与安全逻辑。

• 《岗位名称也能成为壁垒？谁先给 AI 岗位起个好名字，谁就赢了人才争夺战》 讨论了一个可能被低估的商业策略：通过创造新的职位名称，公司能抢占人才市场的制高点，「职位头衔套利」。

适合个人上手的教程/评测/资源：

• 《基于 Agent Skills 的本地化项目知识库管理》 介绍用 skills 的「渐进式披露」来做知识库，知识库不再是静态文档堆，而是一张智能索引图。AI 只在需要时精准调用相关文件，就像一位经验丰富的向导，只在关键时刻递给你最需要的地图碎片。

• 《挑战用阿里版 Claude Cowork 跑通 Clawdbot5 个神级玩法，我 Mac Mini 可能白买了》 通过实战验证了阿里新推出的 AI 工具 QoderWork 如何替代热门但昂贵的 Clawdbot，完成邮件处理、日程管理、代码开发与文件整理等五大核心任务。

• 《Codex 桌面端强势回归！免费用户可用》介绍了这款由 OpenAI 模型驱动的 AI 开发工具如何通过推出桌面端应用，试图解决开发者长期以来的效率痛点。

• 《比 OpenAI 更 Manus，实测 Kimi 新上线多核 Agent 集群》 深入体验了 Kimi 最新推出的多核 Agent 集群功能，展示了它如何通过一种「动态头脑风暴」式的任务执行模式，平衡效率与智能。

• 《Claude 一夜吞掉所有 APP，全球打工人变天！AI 时代「操作系统」诞生》 讲述了 AI 公司 Anthropic 如何通过一项名为「MCP Apps」的技术，让 Claude 从一个对话助手，一夜之间进化成了能直接操作十几种办公软件的「AI 操作系统」。

• 《我用 Chrome 內建分頁群組，解決多線 AI 助理與工作流程混亂的問題》 分享了一个用浏览器自带功能来管理多个 AI 工具和工作流程的巧妙方法。

《我如何实践打造私人 AI 贾维斯助手》预告的预告

这几天 AI 圈最火爆的项目，非 Clawdbot（已改名 Moltbot）莫属。但我也就瞥了一眼，旋即忽略。不 fomo 吗？完全没有。甚至有点想笑。

之所以如此淡定，底气源自于——我早就搭建了比它更强大、灵活、贴合我真实日常需求的、完全个性化的 AI Infra（基建设施），正 7x24 小时跑着呢。

我愿将这套专属个人的 AI Infra 称为——「私人 AI 贾维斯助手」。

它的前身，是去年推出过的 「我的 100X 知识萃取系统」。这次全新实践，不光整合了原本的「知识萃取+管理+输出」的体系，更是直接融入了日常真实的工作流，从「对内探索」进化为「向外做功」。

功能丰富度、灵活性上，全面碾压去年。列举一些我日常依赖的用例：

• 协助我整理每周 Newsletter，将繁复非标的手工处理，简化为敲击一个命令即可；

• 自动抓热点、筛选题、评估爆款指数、结合我的写作风格和读者画像，给出写稿建议、生成草稿；

• 自动获取 24h 内在 X 的数百个指定账号的动态，发现爆款、总结热议、提炼新闻，生成奏折日报；

• 将我新收藏的 Bilibili 和 YouTube 长视频，自动总结为摘要并发送Email；

• 自动生成我客户风格的短视频脚本，继而再生成高度仿真的口播视频；

• 遵照我的投资风格，轮询市场、搜集情报，给出投资建议，甚至代为操盘；

• 按照我的要求，整理我和豆包的聊天记录，提炼为具体需求，用于写代码、出稿子、做研究；

• 获取我的网络痕迹（豆瓣、即刻、flomo 等），喂给 AI 让它不断更懂我；

• 定时备份本机、网上的数据资产到多个指定位置（云端 / 移动硬盘 / NAS）；

• 散步 / 遛娃 / 开车的时候，与蓝牙耳机对话，随时激活这个 AI 系统里的一切内置能力，让它们开始啪啪地干活…

这套代码体系，都在我完全掌控的独立体系里执行，不依赖某个平台的账号、不需要某个巨头的许可、不担心隐私信息被上传。全部代码可以打包到一个文件夹里，装进 U 盘随时备份和迁移。

决定开发这套体系的动力，来自于看到去年下半年，AI 编程领域涌现出了「Claude Code」（及其中文世界的追随者「腾讯 CodeBuddy」、开源世界的模仿者「OpenCode」等）这样强力的神器。任何国家/网络环境下，都能找到一款自己趁手的工具。

不久前新出的 Skills（技能）这个特性，又直接将开发「贾维斯」难度降低了好几个梯度。并且还让这个系统，有了自动总结经验、持续自我进化的能力。

整个开发过程中，我也从《持续发现习惯》作者 Teresa Torres 的 YouTube 分享、斯坦福女极客 Molly Cantilllon 的「个人 AI 全景监控系统」得到不少启发（在公众号和社交网络上都分享过）。

之前我只是零星发了点开发感悟，就已收到不少读者的私下询问：可否将这一切经验，再做一门课程，愿意付费支持。

我认真评估了下，觉得可行，而且可能很牛X。于是就来先丢个课程的预购链接（目前是早鸟价）：

https://zerodaybook.mikecrm.com/kctVTes

今天这篇算是预告的预告吧。如果看到需求旺盛，我很快就会放出更正式的课程信息，并开始制作，在春节前交付，助大家在假期闲暇之余自我进化一波。

Subscribe now

OK，以下是本期的正式内容——

▪️CASE 案例

如何用 Mac mini + Clawdbot 自动化运营你的一天

via LessWrong

作者借这篇文章，以「你」为主角，描述了一种现在已经很容易实现的愿景：在 Mac mini 上跑 Clawdbot 来让生活和创业更智能化。

• 比如，通过语音向 Clawdbot 描述了一个项目想法，30 分钟后，一个可运行的 MVP（最小可行产品）就已构建完成。

• 再比如，睡前直接将所有客户支持邮件路由给 Clawdbot 处理，第二天早上，在喝完咖啡前，你发现 Clawd 已自主修复了 4 个漏洞、实现了 2 项客户建议，并完成了测试与部署……

其实我目前的日常，已经基本实现了文中描述的状态，尤其是蓝牙耳机语音操控家中的 Agents。不过暂时还没有自己的 AI SaaS 公司，没有那么多第三方的海外 to B 工具整合进来，这大概也是迟早的事，就折腾呗。

当然，Clawdbot 也不是没有弊端。目前这类开源项目的问题在于，你还是需要对外给数据、给权限（第三方账户权限 / 本机外网穿透访问权限 / 数据上传云端授权..），而这恰是 AI 时代最可宝贵的数字资产。

并且它的安全性完全在一个半透明黑箱里，全凭你信。 除非你很懂技术，自己进行审查，或者不断追随产品脚步、升级打补丁。这就又容易陷入很卷很 fomo 的境地了，丧失了原本最重要的自由主控权。

AI 都这么强了，为啥不自己造一套呢。更强大、更安全、更个性化。 今后，每个稍微深度硬核一点的玩家，都应该有一套自己独享的贾维斯，奥创，幻视，星期五。

商业模式最清晰的 AI 应用赛道：成人娱乐产业

via 白鲸出海

当主流 AI 应用还在苦苦寻找产品市场契合点时，成人娱乐产业早已利用 AI 技术，实现了清晰且可观的盈利。为什么？AI 完美解决了这个行业最根本的瓶颈——「人类时间」与「人工造物」的极限。

在 OnlyFans 这类平台，顶级创作者的收入受限于与粉丝互动的时间。AI 通过分析历史聊天记录，能打造出模仿其语言风格的「数字分身」，实现 24/7 全天候陪聊。这不仅让边际成本趋近于零，更催生了「AI代聊」这种 toB 服务，帮助创作者筛选高价值用户并实现销售转化。OnlyFans CEO 透露，平台收入中「微交易」（如私信、定制内容）占比甚至超过了订阅费，这给了创作者极大动力去规模化经营情感连接。

生成式 AI 则突破了「人工造物」的极限。现在，创作者可以利用 Stable Diffusion 等技术，批量生成永不衰老、永不违约的虚拟偶像，并全权掌控其形象与「拍摄」场景。例如，有创作者基于大数据打造出符合大众审美的 AI 模特 Emily Pellegrini 并一炮而红，随后又顺势推出其「妹妹」角色，俨然建起了一个 AI 模特经纪公司。

成人产业之所以成为 AI 商业化的先锋，是因为它直面最原始的人性需求，并用技术无情地拆解了传统生产关系的束缚。在这里，AI 不是噱头，而是直接刺向效率与规模核心的利器，真正实现了「把整个行业重做一遍」。

年收入飙涨 10 倍，一家医疗公司接住了 AGI

via 36 氪

一家医疗 SaaS 公司全诊医学，在 2022 年公司最困难时，创始人薛翀没选全面收缩，反而挤出资源保留了 10 人小队探索 AI 业务。这个看似冒险的举动，让他们抓住了大模型时代的红利——连续获得多轮融资，新业务签约收入增长 12 倍，2026 年合同额有望达到 1.5 亿元。

他们成功的秘密在哪？在支付复杂的医疗行业，坚持让直接用户——医生——为产品买单。薛翀认为，如果医生不愿意付费，就说明产品解决的痛点还不够「痛」。

早在 2022 年，他们就基于对医疗场景的深刻理解，锁定了「AI自动书写病历」这个方向——因为发现医生最常用的功能就是辅助录入。当 ChatGPT 出现时，这把「锤子」完美解决了之前数据对齐的难题，产品得以快速成型。

他们的 AI 智能病历，不仅仅是语音转写，而是能理解、推理并生成结构化病历的「无感助理」。一个关键案例是，他们帮一家三甲医院解决了医保扣费的老大难问题——通过 AI 比对耗材数据和医生口述，自动生成匹配的手术记录，堵住了漏洞。

当医院纷纷尝试部署通用大模型时，他们的业务一度受影响。但很快医院发现，大参数模型成本高、难落地。而全诊早已做了大量「后训练」，将垂直模型压缩到 7B 参数，在精度和速度上建立了优势。

• 延伸阅读：《4 亿用户涌入线上医疗：谁是 「AI 药店」 的夜间守护者？》 揭示了 AI 与药店结合带来的医药零售新浪潮，尤其聚焦于解决夜间用药难题的「智慧药柜」如何在全国各地以不同模式落地，背后是成本、政策与用户习惯的复杂博弈。

4 人团队代工起家，转型自制 AI 音箱，2 年销售额破亿

via 白鲸出海

一个从东莞代工厂孵化出来的 4 人小团队，如何在两年内把一款带 AI 功能的 卡拉OK 音箱做到亚马逊畅销，销售额预计破千万美元？这个团队在访谈中声称：高门槛的复杂产品，反而可能是小团队的机会。

1. 他们选了一个「大人群、小分类」的赛道。大多数人并不狂热，但也不讨厌唱歌，关键在于产品体验能否撬动这个庞大的中间市场。他们发现，市面上评分只有 3.5 分的产品都能卖到 650 美金，这说明需求真实存在，但好产品稀缺。

2. 真正的护城河是「能力交集」。做 卡拉OK 音箱需要整合安卓系统、声学、麦克风技术，是个系统工程，吓退了很多玩家。但这个小团队背后的集团，恰好因为长期为不同品牌（如智能音箱、唱吧麦克风）代工，积累了这些看似不相关的能力。当这些能力形成一个「交集」，做复杂产品就成了他们的专属优势。

3. 用「基本功」对抗不确定性。从代工转型品牌，他们从大客户身上学到最值钱的一课，不是营销技巧，而是供应链预测和管理这类「基本功」。比如，他们提前预判到内存价格会暴涨，通过锁定供应商价格，避免了成本剧烈波动，这在剧烈变化的市场里是生存的关键。

• 延伸阅读：《他用一块电子墨水屏，让 AI 走进千家万户》讲述了一位技术老兵如何避开拥挤的 AI 对话赛道，用一块不发光、充电一次用一年的墨水屏画框，在 4 个月内带领 7 人小团队将产品推向市场，并卖出数千台。

▪️OPINION 观点

【硬核】我如何在 90 天内开发出能写代码的智能体——从基础 API 封装到上线生产环境

via Tech For Product

作者 Colin Matthews 实在硬核，完整分享了他如何在 90 天内从零构建一个名为 Chippy.build 的 AI 编程智能体，并深入剖析了编程智能体与传统AI应用的根本区别。

他的核心观点：打造一个能真正干活的智能体，核心难点不在于 AI 模型本身，而在于那套支撑它运行的「缰绳」系统。（举手同意）

在打造过程中，他逐步意识到：系统提示词只占智能体开发工作的 30%，剩下 70% 的精力都花在构建那个能执行工具、管理状态、处理错误和验证结果的「运行时环境」上。你可以把这套系统想象成智能体的「操作系统」和「安全护栏」，没有它，再聪明的 AI 也只是一个夸夸其谈的聊天机器人，无法完成实际任务。

为什么编程智能体尤其复杂？作者给出了三点深度解释：

• 第一，代码必须能运行，这形成了一个其他领域没有的严格反馈闭环；

• 第二，代码存在于相互关联的文件网络中，牵一发而动全身；

• 第三，用户要求实时看到结果，这迫使智能体必须配备执行环境和实时预览功能。

这些挑战使得评估编程智能体的质量异常困难，因为你无法预判所有正确的代码写法。

AI 应用的未来竞争，可能不再是模型能力的比拼，而是看谁能设计出更高效、更可靠的「智能体操作系统」。

千问这场 AI 大讨论，戳中了鸡娃的海淀妈

via AI 故事计划

这篇探讨了 AI 如何重塑中国家庭的教育模式与竞争格局。AI 正在抹平金钱堆砌的知识垄断，但新的阶层分化可能源于家庭驾驭 AI 的「信息素养」。

（我当爹了，比较关心 AI 对儿童教育和成长思路的影响，我知道订阅者里也不乏关注者，就把这篇文章放上来了。单身的小伙伴请忽略。讲真，这年头单身也挺好的。）

• AI 将成为「第四件文具」，但也是新竞争壁垒。调查显示，92% 的孩子在学习中使用 AI，它像铅笔橡皮一样普及。然而，当海淀妈妈林青发现两万元的名师课效果不如 AI 教师时，她陷入了恐慌：AI 消弭了教育资源鸿沟，但不会使用 AI 的家庭，可能沦为新时代的「寒门」。

• 「完美答案」陷阱与独立思考的消解。案例触目惊心：有学生提交 AI 生成的法语作文当英语作业，还有孩子在家靠 AI 练题满分、考试却抓瞎。AI 提供了唾手可得的完美答案，却可能让孩子丧失试错的勇气和解决真实问题的「思维肌肉」。

• 从「焦虑母职」到「AI 合伙人」的松弛转型。作者用唐晓澍的案例展示了实操解法：这位体制内文案妈妈退掉了女儿所有补习班，让 AI 担任「助教」来归纳错题、拆解逻辑，目标不是培养学霸，而是让学习「不那么苦」。AI 帮她从繁琐辅导中剥离，重获个人时间，实现了「降本增效」从职场到育儿的完美平移。

AI 如同人人可学的「独孤九剑」，它颠覆了苦修内功的旧江湖，带来了教育平权。但未来的较量，不再是比谁报的班贵，而是比哪个家庭更懂得如何与 AI 协作，将工具转化为真正的认知优势。

（BTW，本 Newsletter 的 VIP 社群 有「AI+育儿」的兴趣小组群，欢迎申请加入，跟我一起分享你的育儿经验见解，让我多抄抄作业 ಠ౪ಠ）

随便看看：

• 《ADHD 患者罗永浩们，狂吃 AI 红利》 给那些曾被传统职场视为「低效、不合群」的 ADHD 人群送福音了~ 他们的「缺陷」——比如思维跳脱、无法忍受枯燥——恰恰成了与 AI 高效协作的「超能力」。

• 《豆包、ChatGPT、Gemini 同台 PK，谁才是博物馆最强逛展搭子？》 通过一场模拟看展，比较了不同模型在理解艺术与文物时的能力差异。决定 AI 能否成为优秀「逛展搭子」的关键，是其背后视觉语言模型（VLM）的「深度推理」与「语境理解」能力（豆包的 PR 稿痕迹明显，不过也算给了几个教人如何看展/看藏品的例子，而不是光看个热闹）。

适合个人上手的教程/评测/资源：

• 《国产 Claude Cowork 来了?我用阶跃 AI 桌面伙伴干了这些事...》 作者深度体验了一款名为「小跃」的国产 AI 桌面工具，发现它不仅实现了类似 Claude Cowork 的自动化任务能力，还能直接运行 Claude 官方的 Agent Skills 文件，无需修改代码（我吐槽一下：这不是基本操作吗，Agent Skills 文件本质就是一堆写满了提示语规则的 markdown 牵着隶属于自己的脚本，就这还当卖点拿来宣传…）。

• 《学会影视飓风和杰伦的 AI 视频工作流后，我做了条新片子》 分享了作者通过复刻专业团队的 AI 视频工作流，并利用工具 Tapnow 制作出高质量短片的过程。

• 《实测腾讯「元宝派」，与「元宝」同群深聊：性格有点「欠」，动嘴就能斗图》评测了腾讯新推出的AI社交产品「元宝派」，本质上是一个让人工智能「元宝」作为正式成员加入的群聊空间。

• 《我们花了两天时间，终于造出了能自我进化的 Skills 管理器。》 让我在开发 AI Infra 时受到启发：完全可以开发一个 skill，让它去自动升级维护另一堆 skills 呀！

• 《保姆级 Clawdbot 教程来了，但我还是想劝大家悠着点。》 是一份热门 AI 工具 Clawdbot 的部署指南，也聊到 AI 代理权限过高、风险巨大的背景下，用户宁愿「花钱买隔离」的避险心态，以及云服务商如何快速抓住商机。延伸阅读：《火爆硅谷的 Clawdbot，48 小时插件病毒式裂变，一句话让 AI 执行任务》。

• 《10 款不能错过的免费软件》 小众软件的这篇文章，盘点了十款提升效率的免费工具，其中 AI 占据大半。其中隐藏着一个关于未来工作方式的深刻信号：自动化操作电脑和手机的时代已经悄然来临，普通人也可以不被困在办公桌前了。

花里胡哨的各种 AI 编程产品满天飞，但我最近回归了命令行界面（CLI，Command Line Interface），转向 Claude Code / Codebuddy 这类工具。

黑漆漆的命令行里，字符串的跳跃、闪动，很有《黑客帝国》的既复古又未来的科技感（BTW，「字节跳动」这名字怎么来的，想必老程序员张一鸣也是很有共鸣）。大概也是因为我到了容易怀旧的中登年纪，看到小时候自己在学习机 / DOS / QBasic 界面里玩的那一套界面，又文艺复兴了，有点熟悉有点兴奋。

起初契机，是我意识到，现在 AI 写代码已经太强大、太迅捷了。唯一拖累它的，是我操作的速度——我得在多窗口间切换，我得精准地用鼠标指针戳到页面上某个细小的按钮，我得克服种种推荐算法的诱惑。到头来，忘了自己一开始要干嘛，原本是在做什么任务。我才是那个拖累 AI 写代码的元凶。

而在命令行的终端里，

• 我可以更聚焦地输入、等待、接收。没有标签页切换的视觉噪音，没有突然弹出的通知干扰，更没有「你可能感兴趣」的推荐算法投喂；

• 让命令行里的 Claude Code / Codebuddy 自动去做任务，也能空出我的鼠标键盘。我可以用它们做别的事，而不是鼠标停了、任务就断了（自动化脚本 / RPA 工具，比如影刀，也有这个问题，会占用鼠标键盘）；

• 最近 Claude Code / Codebuddy / Trae 相继推出的 Skill，也很强力，外挂在 CLI 里，直接将操作效率倍增。我直接吹爆。

以前 RAG、MCP（包括需要拖拽节点的工具，比如 n8n）这些，我都只是看看，笑而不语，根本没花力气折腾。因为一早已经做出了判断：都是 AI 大模型本身能力还不够强阶段的中间产物，是混沌的、不稳定的、前期投入 ROI 很低的、需要一整个生态来共创的，且迟早被模型进化迭代掉（今天看果然如此）。但 Skill 则更扎实、强悍、可复用、一个人也能做一整套闭环技能。

追求纯粹效率的朋友（比如我这样要在限定时间内完成任务，然后带娃的奶爸）试一把 CLI 吧，不会让你失望滴。

（这期没广告 lol，我憋个大的）

Subscribe now

OK，以下是本期的正式内容——

▪️CASE 案例

火爆全网的《卢浮宫小猫》AI 视频万字创作心得分享，这可能是他们最毫无保留的一次。

via 数字生命卡兹克

数字艺术家海辛和阿文，凭「故宫猫上班记」登上 TED 2025 主会场，与 Sam Altman 同台。这次他们为浦东美术馆创作官方 AI 宣传片，毫无保留地拆解了完整流程。

顶级 AI 创作并非始于技术或脚本，而是「先定调，再执行」。他们用一个镜像画面的「暴改」案例，揭示了如何将复杂的商业需求（浦东美术馆、卢浮宫、上海、巴黎）转化为清晰、高雅且具传播力的视觉语言。

• 选角即战略。主角猫的颜色并非随意。他们最初从美术馆黑白主题色选了奶牛猫，但为配合两支片子的长宣传周期与调性统一，果断弃用追车剧情，最终调整为「一白一橘」。白猫代表法国，橘猫延续其「上海代言」属性，这背后是精准的用户定位与品牌符号的深度绑定。

• 定调决定成败。在画分镜前，他们优先确定了影片的「画面影调」和「音乐」。他们发现镜厅的格子结构像钢琴键盘，水波纹倒影质感呼应钢琴和弦，于是主乐器定为钢琴。音乐先决定了剪辑节奏，再反向指导镜头是快是慢——这让商业短片脱离了素材堆砌，拥有了电影级的情绪弧线。

• 镜像叙事构建高级感。他们将卢浮宫与浦东美术馆、上海与巴黎、两只猫处理成镜像关系。早期探索是简单的分屏，但阿文一次关键「暴改」，将卢浮宫置于上方，浦东美术馆作为倒影放在下方，画面瞬间变得透气、高雅。这种「镜像」思维，是把复杂的文化对撞，简化成了观众一眼能感知的优雅对比。

AI 是笔，但创意是手。最强的工具在高手那里，是用来实现精准商业意图和艺术品味的。

腾讯悄悄内测「上头蛙」，比短剧更上头，比陪聊更克制，这或许是微信 AI 生态的真底牌

via Z Finance

腾讯在微信生态内测的「上头蛙」，不是简单的聊天机器人，而是一个瞄准结构化内容生产的「AI 剧本工厂」。它试图在微信内跑通一个从消费、创作到分享的闭环，这背后是腾讯对 AI 应用商业化的深层考量。

反直觉的路径选择：在众多 AI 产品追逐「赛博恋爱」和开放式对话的虚火时，「上头蛙」却选择了一条更克制、但也更具确定性的路——做互动叙事。它把爆款短剧的「强冲突、快节奏」叙事逻辑，与 AI 的无限分支能力结合，创造出一种「可消费、可复玩、可分享」的内容单元。用户每做一个选择，AI 就精准抛出一个剧情小高潮，用连续的多巴胺刺激死死拽住用户。

更深的商业逻辑藏在微信的生态策略里。微信正在系统性扶持 AI 小程序，提供算力、云资源和流量激励，本质上是在为「生态内原生 AI 应用」铺路。「上头蛙」这样的内容产品，就成了一个完美的试验田：用低门槛的小程序形态吸引用户，用结构化故事便于平台管理和推荐，再用极短的分享链路在微信社交圈里自然裂变。

它的目标不是漫无边际的陪聊，而是打造一个可持续的「内容消费-用户创作」引擎，把上头的用户直接变成内容供给侧的发动机。这或许就是微信 AI 生态握在手里的那张真底牌：放弃追逐通用对话的幻觉，在自身最擅长的「内容+社交」土壤里，种出能开花结果的 AI 应用。

首席助教详尽复盘哈佛最受欢迎的 AI 安全课

via LessWrong

作者是哈佛首门 AI 安全课程的首席教学助理（TA）。课程最吸引人的地方，在于它用一套「真金白银」驱动的实战模式，把学生直接推到了 AI 安全研究的最前线。

这篇复盘文章，不只是学术分享，更像一份为其他大学复刻此类课程准备的「开源操作手册」。

• 用「入场券」和「研究经费」筛选并激励顶尖人才。课程不是谁都能上，设置了「作业 0」作为筛选门槛，要求学生复现一篇关于「突发错位」的 AI 安全论文，从 274 名申请者中精准挑出约 70 人。教授为每个小组的迷你项目提供 50 美元，为最终项目提供高达 500 美元的报销额度——这可不是象征性的补贴，而是实实在在的研究启动资金，虽然大多数学生用得比这少，但这种「投资式」教学法，瞬间把学术项目拉升到了接近创业孵化的层面。

• 「研究研讨会」模式：从复现到创造。课程结构摒弃传统授课，定位为研究研讨会。核心是让学生先「复现」重要的 AI 安全论文结果，再产出原创研究。最终成果是一篇 5-10 页的 NeurIPS 风格论文和一场海报展示，约 23 个最终项目直接指向可发表的学术产出。这相当于在校园里搭建了一个微型 AI 安全实验室，教学过程即研究过程。

• 资源全公开与「客座讲师」驱动。所有课程大纲、讲座录像全部公开，构建了强大的知识公共品。每周 3 小时的课程，大量依赖客座讲师，并穿插由 4 人小组准备的 15 分钟主题报告。这种模式既保证了前沿视野的输入，又通过高频、小团队的输出练习，强化了学生的研究和表达能力。

这门课的成功秘诀在于：它用严格的筛选确保人才密度，用真实的资金和项目模拟研究环境，再用完全开放的资源降低复制门槛。它证明，顶尖的 AI 安全人才培养，可以像运营一个高潜力的初创项目那样，通过精心设计的激励体系和实战框架来实现。

92 年，33 岁，做了十年猎头，我用 AI 把自己猎掉，开了家一人公司

via 纵所周知101

故事从减肥开始。一位资深猎头，用 Claude 制定减肥计划，拿到的不是「少吃多动」这种废话，而是一份具体到每日饮食、运动强度、瓶颈期调整的个性化方案。就是这套「拆解目标→生成行动」的方法，支撑他一年减重 80 斤。这

减肥成功让他意识到，AI 能干的远不止这些。他开始系统性地把 AI 融入核心能力圈。4 个月消化 60 本书，用「读书笔记智能体」形成可复用的知识资产；更关键的是，他开始思考如何将十年猎头经验转化为 AI 工作流，探索「猎头智能体」的可能性。

最终他离开稳定的高管职位，用 AI 将自己从原有角色中「猎掉」。

底层逻辑是什么？通过 AI 工具矩阵承担大量信息处理、方案生成和流程管理工作，极大扩展了个体能力的边界。单兵作战也能具备过去小型团队才有的产出效率与专业深度。

▪️OPINION 观点

All in AI 的第一个三年

via 42章经

投资机构绿洲在 2023 年曾有机会以约 8 亿美金估值投资美国机器人公司 Figure AI，却因「未来属于中国」的判断而放弃；如今该公司估值已达 400 亿美金，错过超 50 倍增长。

「在 AI 这种全球性技术浪潮中，过早的地域性预判可能成为代价高昂的认知盲区。」这成为了它们深刻的一课。AI 的本质是连接全人类的智力革命，因此「开放」比「精准」更重要。

除此之外，他们还意识到：

• 资产形态上，未来硬通货可能是「算力」而非货币。因为算力是支配 AI 智力的钥匙，未来甚至可能出现「算力配额」与「算力慈善」。若能回到三年前，顶级策略将是「把钱全换成算力，再用算力去投人」。

• 竞争格局上，巨头的反应速度远超预期。Google、微软等大厂凭借信心、投入与聚才能力，快速压低了创业公司的天花板，这让早期投资必须更注重生态位而非单纯的技术优势。

• 无论参与还是观望 AI，个体的终极策略都是「活出自己」。AI 会极度放大个人独特的审美或能力点，让其能服务全球；而即使不用 AI，专注所爱、成为「无法被替代的部分」，也是在 AI 时代创造价值的方式。

可能在未来，一部分人通过 AI 放大自我服务大众，另一部分人则通过深耕自我成为独特存在，两者共同构成了人机共存的新生态。

姚顺雨最新访谈：AI 下半场，机会在这一点

via MIT Technology Review

OpenAI 前研究员、现任腾讯首席 AI 科学家姚顺雨，提出了一个反直觉的洞察：AI 下半场最大的机会，竟在于「设计不同于 ChatGPT 的交互方式」。

上半场大家拼的是算法和算力，焦虑于「如何训练出更强的模型」；下半场的瓶颈变成了「如何定义有价值的任务」。这就像你拥有了一位天才，但若只让他陪你闲聊，无疑是巨大的浪费。真正的胜负手，在于谁能设计出激发 AI 潜能的「考题」和「战场」。

Agent 是通往 AGI 的必经形态。姚顺雨将能行动的 AI 称为「Language Agent」（语言智能体）。它的本质不是聊天，而是通过语言进行推理，再通过推理实现泛化。这就像人面对新游戏时，会观察、思考、制定策略，而不是盲目试错百万次。语言模型提供的「强先验」，让 AI 拥有了这种跨任务推理的可能。

未来格局是「单极多元」。我们或许会有一个类似 Google 的超级 AI 平台，但世界不会被单一模型垄断。最终的智能边界，由「交互方式」决定。这意味着，创业公司不必在巨头的模型赛道上硬拼，而是可以转身成为「任务设计师」和「环境构建师」，在定义「如何与 AI 协作」的新战场上开辟蓝海。

AI 的下半场，英雄将从「炼丹师」变为「导演」和「编剧」。机会不在于做出另一个更聪明的聊天大脑，而在于为这个大脑设计出能改变世界的精彩剧本和舞台。

当牙医开始自己做工具：Claude Cowork 把「写代码」变成按钮，软件护城河还能剩多少？

via 硅谷科技评论

风投大佬 Fred Wilson 十年前讲过一个「牙医软件寓言」。现在这个寓言有了续集：

一位普通牙医，用 AI 编程工具 Claude Code，没写一行代码就为自己诊所「捏」出了完美适配的软件，彻底抛弃了所有软件供应商。这标志着一个根本性转变：软件的护城河，正从「写代码的能力」转向「懂业务的深度」。

当牙医开始「Vibecoding」（直觉式编程），就像用乐高积木一样，通过对话和提示词就能组合出所需功能，这意味着「领域知识」成了新的核心竞争力。软件公司引以为傲的「最佳实践」，在用户自己「完美定制」的需求面前，变得不堪一击。未来最可怕的颠覆者可能不是竞争对手，而很可能就是你的用户。

这场变革直接动摇了 SaaS 的命脉——订阅制收入。如果软件可以像写备忘录一样「随用随生成」，用户为什么还要每年支付 5000 美元甚至 2.5 万美元的订阅费？定制化的边际成本几乎归零，通用型软件的市场空间被急剧压缩。

更残酷的现实是，传统软件巨头展现了惊人的进化速度。Salesforce 用 6 个月完成核心重构，Notion 也在 6 个月内革新 AI 架构。这形成了一个前后夹击的战场：后方是「武装起来」的用户，前方是「突然开窍」的巨头，留给中间层创业公司的生存空间正在消失。

随便看看：

• 《AI 用 512 种特征辨认猫狗，帮助 17 万只走失宠物回家》讲述了一个非营利组织如何将 AI 面部识别技术，变成一个高效整合社会资源的宠物寻回生态系统。

• 《最早用上 AI 的山村小学，八年后怎么样了？》带我们走进安徽大别山深处的一所小学，看看八年前就引入 AI 智慧课堂的试点，如今变成了什么样。

• 《字节扣子 2.0 发布，我们深挖了它这两年的生长真相》深扒了字节跳动旗下 AI 产品「扣子」从 2023 年诞生到 2026 年升级 2.0 的野生成长史。它并非大厂战略规划的产物，反而像一个在字节内部拿到投资的早期创业团队，经历了从对话 Bot 到工作流，再到如今定位「职场 AI」与「Vibe Coding」的多次战略腾挪。一个看似不性感的「工作流」功能，竟成了决定产品生死的关键转折。

• 《We’ve Built 12+ Vibe Coded Apps Used 800,000+ Times. I Love It. But I Still Have To Maintain Them Every Single Day.》来自 SaaS 领域的知名人物 Jason Lemkin，他分享了自己用「氛围编程」快速打造出 12 个以上、总使用量超 80 万次的 AI 应用后，却不得不面对一个鲜少被提及的残酷现实：真正的产品需要日复一日的维护。氛围编程带来的并非一劳永逸，而是一份需要每日耕耘的「园艺合同」。

• 《当 AI 成为了「杀猪盘」的新外衣》通过一个名为「芯光云」的 AI 投资骗局案例，揭示了技术狂热如何被包装成收割普通人的陷阱。最高级的骗局，卖的从来不是技术，而是人性对暴富的渴望和从众的安全感。

• 《重生之我在「青椒模拟器」做导师，一路飞升到院士》通过一款意外爆火的高校模拟游戏，揭示了当下科研与职场生态的镜像世界。两位在读博士生用「摸鱼」时间创造的这款游戏，竟在高峰时一天涌入九万人次，它巧妙地将大模型技术变成了一个社会实验场，让玩家在虚拟的「非升即走」压力下，提前预演自己的人生选择。游戏的核心吸引力并非娱乐，而是「照镜子」。

• 《「Claude Cowork 杀死了我的创业公司」》讲述了一个反直觉的商业故事：AI 巨头 Anthropic 发布 Claude Cowork，竟意外「杀死」了一家做类似多智能体平台的创业公司 Eigent，而后者却因此爆火。当巨头免费内置了你的核心功能，创业公司该怎么办？Eigent 的 CEO 李国豪给出了一个教科书级的回应：开源。

• 《谁来给桌面 Agent 的转正签字？》通过作者亲身测试一款 MiniMax 新上线的桌面 AI 助手，揭示了当前 AI 工具在宣传的无所不能与实际使用体验之间的巨大落差。

适合个人上手的教程/评测/资源：

• 《我的 AI 工具日常使用与工作流是怎样的？》是作者对自己庞杂 AI 工具箱和工作流的一次深度揭秘。核心观点是「重器轻用」—— 不迷信全能选手，而是像管理公司员工一样，让每个工具在最擅长的领域发光发热，实现高效协同。

• 《火爆全网的 Skills，终于有了最简单的打开方式。》介绍了 AI 工具「扣子」2.0 版本如何通过内置「Skills」功能，让普通用户也能轻松创建和使用 AI 技能，从而将复杂的专业工具平民化。作者如何用「口喷式开发」把开源项目 FFmpeg 和 ImageMagick 打包成一个视频图片处理 Skill。延伸阅读：《字节全球首发 AI 技能商店：一句话生成 Coze Skills，你的经验直接卖钱》

• 《实测夸克「千问划词快捷指令」，这 7 个邪修 Prompt，建议收藏》通过实测夸克 AI 浏览器的「千问划词」功能，揭示了如何通过预设「邪修」Prompt 来彻底改变与 AI 的协作效率，让 AI 从「听话的助手」变成「主动的伙伴」。

• 《千问打通阿里生态后，会发生什么？》深入实测了阿里千问 App 在打通淘宝、高德、飞猪、支付宝等核心服务后的真实能力。它揭示了一个关键转变：AI 正从一个「回答问题的对话框」，进化成能直接处理「真实生活任务」的行动入口。最吸引人的深度案例，是千问如何像一个「超级生活助理」，通过「办公助手」模块处理复杂、多步骤的团餐订购任务。

• 《小白 Vibe Coding 发行全平台 & 可变现应用指南》以作者用 Youware 开发一款名为「Vibe Diary」的 AI 日记应用为深度案例，揭示了如何利用最新的「Coview」和「YouBase」功能，将 AI 编程门槛「拉低一万倍」，并构建出真正能分发和变现的完整产品。

1/ 上周工作失误，在标题/卷首语提到斯坦福 AI 女极客打造「个人全景监控系统」，但最终因版面原因，没出现在正文。不过关注我社交网络的朋友，想必已经在 X（推特）、即刻 上看到了，在两个平台上数据都爆了。

2/ 现如今，一想到要试用一款新产品，需要「注册 -> 验证 -> 忍受 onboarding 流程 -> 忍受被引导付费流程」，这一切可能花掉我 10 分钟的时间.. 我就愿意打开 Claude Code，花 5 分钟自己手搓一个。

恰在本期推荐里，就有一篇关于 2026 年 AI 的 20 个预测，提到：「如果 AI 能以每月 20 美元的成本复刻价值 50 万美元的软件，你的护城河是什么？」每个软件开发者都需要好好想想了。或许，是结合硬件/实体/人情味的非标服务？

3/ 隆重推荐一下新推出的 「羔羊计划 / SHEEP.PRESS」，它是由《产品沉思录》原班人马 shaonan x fonter 出品的、以「人」为维度的深度研究计划。

它研究那些启发过我们的人，包括他们的观点、轨迹与碎片。

订阅后，将每周陆续解锁 100 位人物研究（目前进度 15 / 100）；每位人物平均 1 万字内容，相当于一本小传记的信息密度（总共可是 100 万字）；通过小报童和 Notion 专有数据库更新。你还会不定期收到不同的人物经历中的相同的主题研究，比如电脑革命、投资人品味、理解中国，并能与其他订阅者一起批注、提问、讨论。

• 价格：199 元/年

• 更详尽的介绍：请看公众号的这篇文章

• 购买地址：点击这里 或 扫描下方二维码：

（若您成功购买，我也会获得相应的推荐佣金，价值相当于 给我的宝宝送了一个奥特曼 赞助了制作这个 Newsletter 的 token 成本，我会在后台看到您的名字，感谢。）

Subscribe now

OK，以下是本期的正式内容——

▪️CASE 案例

加密与 AI，隐秘的闲鱼数字黑市

via 深潮 TechFlow

闲鱼上一直隐秘生长着庞大的数字黑市。这里不仅交易着被严格限制的加密资产，更是中国普通人接触国际前沿 AI 工具的最大「民间培训基地」。

例如，顶流加密 KOL「深圳小侠」的生意经。这位身家上亿、曾负债 6000 万购入顶级豪宅的币圈富豪，就在闲鱼上亲自做着 10 元一单的「客服」生意——指导用户下载交易所 APP。

这背后，是一个精妙的流量漏斗：10 元教学费只是鱼饵，真正的收入来自后续的交易手续费推荐返佣。一个活跃用户每月能带来几百甚至几千元的持续收益。

而在 AI 领域，闲鱼上的「野生智慧」更是展现得淋漓尽致。当 ChatGPT Plus 每月 20 美元的订阅费劝退普通人时，卖家们敏锐地抓住了机会漏洞——OpenAI 为美国军人提供的免费福利。于是，闲鱼上出现了奇特的「大兵」生意：通过特殊渠道获取的免费资格被做成「成品号」，以几块到几十块的价格出售。

当正规渠道高墙耸立时，民间的创造力会以最生猛、甚至带着黑色幽默的方式涌现。

靠 AI 选品，30 天狂赚 270 万美金！

via EchoTik

这篇文章揭秘了一位跨境卖家如何利用 AI，在一个月内从零打造出流水 270 万美元的品牌。重点不是炫技。它的选品逻辑却也很简单：真正的商业机会，藏在「供需不平衡」的缝隙里。

• 重新定义「好机会」：不是寻找空白市场，而是捕捉用户「已有明确需求，但尚未形成品牌忠诚」的黄金窗口期。当用户开始用「品类词」（如「防滑袜」）而非「品牌词」（如「Lululemon」）搜索时，机会就出现了。

• 锁定关键人群「早期采用者」：他们最有产品意识，却最没有品牌忠诚度，是验证需求和切入市场的最佳杠杆点。

• 执行 SOP：用「笨」但有效的方法，让 AI 分析海量「生活类内容」（如 YouTube 上的日常分享），从中提炼未被满足的共性痛点，而非追逐已火爆的评测榜单。这避免了与大众在红海里进行价格战，实现了「降维打击」。

这套方法的价值在于：将 AI 从「跟风工具」变为「预见引擎」，通过分析「早期采用者」的真实生活场景，提前发现那些需求明确但供给不足的缝隙市场，从而用极低成本撬动巨大商业回报。

一个教老年人用 ChatGPT 的应用，如何做到月入 30 万美元

via 深思圈

这篇文章拆解了一个看似简单却月入 30 万美元的 AI 教育应用 Corsif。

它抓住了两个关键点：

• 第一，精准定位「懒人」市场。目标用户是知道 AI 重要但不愿主动学习的婴儿潮一代。Corsif 没有提供新知，而是将网络上免费的碎片信息，用类似 Duolingo 的游戏化方式包装成线性、无摩擦的课程，卖的不是知识，而是「方向感」和「跟上时代的信心」。

• 第二，营销即产品。用户付费购买的，不是那些基础的提示词教程，而是广告创造的紧迫感。广告不断强调「不学 AI 会被淘汰」、「AI 能帮你升职加薪」，瞬间击穿用户的心理防线，制造出「我必须现在学」的顿悟时刻，此时下方的购买按钮转化率自然飙升。

这个案例的精髓在于：有时，让用户意识到「为什么需要」，远比「提供什么」更重要。一个简单的产品外壳，加上精准的焦虑营销，就能撬动一个被忽视的庞大市场。

头部音乐公司创始人转型 AI：审美才是竞争力

via 快刀青衣

这篇访谈，讲的是游戏音乐行业头部公司创始人卢小旭，在 AI 浪潮冲击下果断转型的实战经验与深刻洞察。他分享的核心是：当技术门槛被 AI 踏平，审美和通才能力将成为个人与公司最昂贵的资产。

卢小旭在 2024 年 3 月 Suno V3 发布后，立刻感到了音乐行业的灭顶之灾。他发现 AI 几秒钟就能做出 80 分的音乐，而自己赖以生存的 70 分外包业务即将沉没。他果断「断臂求生」，当月就裁掉了公司三分之二的录音师。

他的判断是：国内 AI 红利期可能只到 2026 年底，犹豫就会成为炮灰（基于移动互联网时代积累的创业经验）。于是他赌对了。

AI 让音乐制作从需要作词、作曲、编曲、录音、混音、歌手六人协作的「工业化流水线」，变成了一个人就能完成的「超级单人秀」。

卢小旭招人的标准也彻底改变：不再考软件操作，而是直接上机测试生成「王家卫风格」画面或「蒂姆·伯顿风格」配乐。他公司里做 AI 视频最好的员工，竟是学播音主持的，因为这人「对美有感觉」。

卢小旭预判，未来批量生产的「行活儿」市场会萎缩 70% 到 80%，但充满人类情感与「瑕疵」的创作将愈发稀缺。人类的出路在于去做「AI 做不到」或「AI 做没有意义」的事情，比如扎根民族与亚文化、挖掘独特的情感表达。在效率至上的 AI 时代，那些无法被量化的「人味儿」，才是最终的竞争力壁垒。

入行酒店二十年，他现在要用 AI 拆掉前台

via 中国企业家杂志

讲述了酒店业老兵、德胧集团创始人郑南雁，在行业竞争白热化之际，决定用 AI 彻底改造传统酒店服务流程，甚至大胆「拆掉前台」的故事。这位曾创办 7 天酒店、推动行业连锁化的初代弄潮儿，如今正将 AI 视为让老牌酒店集团翻身的核心武器。

他如何用 AI「神灯」系统，破解酒店业最头疼的「服务标准化」与「成本优化」难题？这并非简单的机器人替代，而是一场从业务流到组织管理的深度重塑。

• AI 不是砍服务，而是提体验。 行业普遍用送餐机器人「省成本」，郑南雁却认为这降低了服务水准。他的 AI 实验反其道而行：取消隔离客人的前台，客人到店先奉茶，其余需求交给 AI「神灯」系统智能分派。这样反而解放了员工，让他们能更专注于提供有温度的服务。

• 垂直场景数据是护城河。 大模型在酒店行业「水土不服」，关键缺的是垂直数据。德胧的 CTO 透露，光是清洗「送水」这样的日常需求就大费周章——客人要的是「送到房间的水」，而非「免费赠送的水」。团队花了大量功夫在提示词工程和知识库建设上。这说明，传统行业拥抱 AI，一把手的决心背后，更需要海量、精准的垂直场景数据喂养，这才是别人难以短时间复制的核心壁垒。

• AI 如何直接优化成本。 郑南雁给出了具体数字：AI 有望帮助减少 15%～25% 的人力成本。例如，过去一家店需要 3-4 个财务人员，现在已精简到 1-2 人。更关键的是，AI 学会一套流程，全系统即刻掌握，而训练员工则需重复投入。这就是一个底层逻辑：AI 在标准化、可复制的环节上，具备远超人类的规模效应与一致性优势。

▪️OPINION 观点

Greg Isenberg：2026 年对 AI 的 20 个预判

via MacTalk

Greg Isenberg 是 Late Checkout 创始人、资深社群产品设计师与创业者。

他以「社群＋产品」的方法论著称，长期研究并实践如何设计、构建、收购互联网社区，并将其转化为可持续的产品与业务。他曾创办社交产品 Islands（后被 WeWork 收购），在 WeWork 担任产品战略主管，之后成立社区与产品工作室 Late Checkout，投资与孵化围绕社区的产品（如 Gallery、Roll 等）。

他的观点强调小团队高杠杆、社区先于软件、快速原型与数据驱动决策，在 AI 时代主张用 AI Agent 工具提升个人与团队的产出效率。

他把 2026 年叫做「Lock In」，认为 2026 年是「一代人只有一次」的结构性机会窗口：

• 窗口期收窄： 2026 年是 AI 从「工具」转向「自动化系统」的关键节点。

• 占领生态位： 在这个阶段能够利用 AI 交付实际成果（而非卖 AI 概念）的创始人，将会在未来十年占据有利的商业地位。

我看完了他的 20 个预判。不能说是大致认可，只能说是完全认同。

为什么 Claude 的代码能力会这么强？

via 知乎热榜

通过一位技术博主长达数月的深度抓包分析，揭开了 Claude Code 体验如此「丝滑上头」的秘密。真正的魔力不在于堆砌复杂框架，而在于极致的「可调试性」与「简单设计」。

1. 单一循环的威力：Claude Code 99% 的场景只用一个主循环，最多带一个分支，这看似简单，却让调试难度直线下降。它就像自动驾驶，给模型一个清晰的约束框架，然后让它自己「大展身手」，避免了多智能体系统那种「害怕破坏而不敢改动」的脆弱性。

2. 「小模型」的大智慧：超过 50% 的重要调用都交给了更便宜的「小模型」Claude-3.5-Haiku，用来读文件、解析网页、总结对话，甚至每次按键都会调用。这背后是成本降低 70-80% 的精明算盘，把算力花在刀刃上。

3. 引导模型的「土方法」：想让 AI 听话干活，最有效的提示词技巧有时朴实得惊人——直接在指令里大喊「PLEASE THIS IS IMPORTANT」。这就是与 AI 协作的一个反直觉真相：清晰的指令和强烈的情绪信号，往往比复杂的算法绑定更管用。

所以说，Claude Code 的成功，是「架构简洁」与「提示词详尽」的完美结合。它用一份长达 2800 词的系统提示和 9400 词的工具定义，为模型构建了清晰的「行动剧本」，证明了在 AI 时代，「保持简单」本身就是一种高级的复杂能力。

花 16 天开发了创业模拟游戏，发现 AI 创造完整项目真难

via SaaStr

由 SaaS 领域知名社区 SaaStr 的联合创始人 Jason Lemkin 撰写，他基于自己开发一款复杂创业模拟游戏 Founderscape.ai 的真实经历，戳破了「一个周末就能搞定应用」的流行神话。

从可演示的玩具到真正可用的产品，中间横亘着一条巨大的鸿沟，而填平它需要的是持续数周、数千次提交的密集迭代，而非一次性的灵感迸发。

在 16 天的开发周期里，他平均每天要推送 200 次修改，这根本不是「提示即忘」的魔法，而是不断测试、推翻、重建的艰苦过程。

其中可拆分为四个阶段：前 3 天的「蜜月期」、第 4-7 天的「清算期」（边缘案例和错误设计浮现）、第 8-12 天的「磨砺期」（60% 时间用于修复新功能引发的旧问题），以及最后永无止境的「打磨期」。大部分时间并非在创造新东西，而是在为之前仓促的创造「还技术债」。

真正耗时的，是那些教程里没有的复杂系统。例如，游戏中风投稀释、净收入留存率、现金流消耗的财务模型必须和现实创业完全一致，否则整个游戏就失去了真实感；再比如，一个能随着玩家成长而动态调整的 AI 竞争对手生态系统。这些才是产品的「骨架」，而搭建它们无法靠简单的提示词一蹴而就。

随便看看：

• 《腾讯混元 3 年变形始末》 深度揭秘了腾讯在 AI 大模型战场上的激进人才争夺战。这场战役的核心武器，竟是一位年仅 27 岁、仅有一年 OpenAI 工作经验的年轻人——姚顺雨。

• 《熬夜追 CES 科技春晚，来吐槽老外评出来的 24 个 AI 产品奖》 带我们云逛了 CES 2026，透过老外评选的奖项，挖出那些真正有商业潜力和有趣的 AI 产品。另两篇相关的：《CES 2026 现场观察：AI 正在「消失」》、《逛完 CES 2026 我绷不住了，AI 产品一个比一个抽象，简直是华强北年度述职大会》 。

• 《AI 时代的燃料》 探讨了 AI 技术狂飙背后，那些为其提供「燃料」——也就是数据和内容——的贡献者，反而首当其冲被颠覆的残酷现实。为 AI 添砖加瓦，可能是在为自己掘墓，比如被曝出流量断崖式下跌的 Stackoverflow。

• 《乱发誓的 AI 男友，终于有人来收拾了》 探讨了 AI 情感陪伴行业遭遇的监管地震（终于有人管管了），以及它如何颠覆了行业原有的盈利逻辑。

• 《2026 年如何用 AI「拍」电影？这 10 部获奖 AI 短片给出了答案》 通过盘点 2025 年 10 部获奖的 AI 短片，可给从事此类方向的 AI 创作者参考。

适合个人上手的教程/评测/资源：

• 《Claude 推出 Cowork：把「Claude Code」扩展到非开发者的日常工作中》 分析了 Anthropic 本周重磅推出的「Cowork」，如何将原本面向开发者的强大编程能力「Claude Code」，包装成普通白领也能轻松上手的办公助手。

• 《我把 Mac 留在书房，却在咖啡馆用 iPhone 远程指挥 Vibe Coding Agent 大军》 分享了一套让开发者能随时随地、稳定优雅地远程指挥 AI 智能体进行工作的系统方案。传统的远程连接方式（如 SSH）既脆弱又易断，会让宝贵的 AI 代理算力白白闲置。作者提出，真正的进阶需求不是简单的远程接入，而是「无感接入」与「优雅指挥」，确保代码会话能像宿主进程一样持久，并能从移动端实时感知任务状态。

• 《亲身体验后，我们总结了全网首份 AI 语音输入法红黑榜》 通过 5 轮真实场景测试，深度评测了 7 款 AI 语音输入法的实际表现（我最近在用 Typeless，推荐）。

• 《2026 年用 AI 零帧起号，就靠这份 AIGC 爆款玩法的超全盘点了》 复盘了过去一年社交媒体上最具代表性的 20 种 AIGC 玩法，并附上了核心提示词。

• 《这一次，谷歌 Veo 3.1 教 Sora 做视频！角色 0 变形，4K 竖屏直接满分》 深度剖析了谷歌最新 AI 视频模型 Veo 3.1 如何通过「素材生视频」功能，在角色一致性、竖屏格式和 4K 画质上实现突破，剑指短视频内容创作市场。

• 《Claude Skill 快照：给你的 AI 技能迭代加个「后悔药」》 介绍了一个解决 Claude Code 技能迭代中「改进恐惧症」的实用工具。

• 《16 个魔法提示词让 NotebookLM 效力大增》 通过精心设计的提问，将 AI 工具从「有趣的玩具」变成「20 秒完成 10 小时工作」的研究利器。