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

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

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

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

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

Subscribe now

OK，以下是本期正文，Enjoy:

▪️OPINION 观点

李开复 x 杨晓磊：创业这一场，我过得了灵魂拷问

via 投中网

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

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

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

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

AI 创业一年复盘：第一次 Build 的成就感，是创业最大的幻觉

via 小头 MUJI

一位从新加坡 NUS 毕业、回国全职创业一年的创始人写下了这篇复盘。

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

几个核心发现：

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

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

• 人才标准是通才加能业务闭环。构建系统比增加功能更重要。

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

看一万遍不如自己摔一遍，真正的 know-how 来自亲自踩坑。

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

via shutong8288

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

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

她不是从市场情绪等二阶现象出发，而是从物理本质和供给端的不可替代性提问。

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

五月硅谷调研有感

via 龙门阵尔

一位作者在硅谷调研一个月后，给出了几个尖锐的判断：

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

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

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

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

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

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

▪️CASE 案例

体检 10 年，不如做个健康 AI 38 天

via 尼克森 Nixon

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

由此他发现：

• 十年运动把静息心率降低了 13%，但一杯酒就能在一夜间全部抵消回来。

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

• 深睡时间翻倍，听起来休息得很好，但真相是身体在修复白天的过度透支。

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

38 天下来，他开始认真考虑戒酒、把晚饭提前到七点前。

随便看看：

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

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

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

适合个人上手的教程/评测/资源：

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

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

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

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

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

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

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

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

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

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

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

• 《我如何用 AI 开发内容商品（经验和复盘）》：

  https://zerodaybook.mikecrm.com/LZtJIOB

Subscribe now

OK，以下是本期正文，Enjoy:

▪️CASE 案例

全网订阅第一的 AI 股神，看多 167 家、看空 56 家，我全给标了

via 十字路口 Crossing

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

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

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

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

• 第三，打上「看多/看空/中性」立场标签，避免被单条推文带偏。

• 第四，把 CPO、HBM 这些黑话做成可点击入口，用大白话解释。

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

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

我花 7 万 token 点了杯咖啡：瑞幸上线 AI 开放平台，野心何在？

via AI 新榜

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

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

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

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

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

爆火的低成本创业赛道「AI 漫剧」，到底谁赚到钱了？

via 三联生活周刊

AI 漫剧感觉才火了没几个月，就频繁被曝出正在经历一场残酷的洗牌。

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

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

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

▪️OPINION 观点

AI for Science 的拐点到了吗？

via 峰瑞资本

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

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

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

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

92 年极客掌舵钉钉：陈宇森的产品审美与 AI 哲学

via 未知来源

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

这篇文章是对他的专访，聊到了对产品和 AI 哲学的观点。

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

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

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

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

随便看看：

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

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

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

适合个人上手的教程/评测/资源：

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

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

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

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

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

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

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

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

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

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

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

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

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

Subscribe now

OK，以下是本期正文，Enjoy:

▪️CASE 案例

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

via 白鲸出海

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

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

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

延伸阅读：

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

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

via 饼干哥哥 AGI

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

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

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

• 1688 选供应商后直接调用天眼查做企业背调，输出风险评级表；

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

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

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

月访问 2800 万的工具站，真正厉害的是这套结构

via 孟健 AI 编程

作者拆解了月访问 2800 万的工具站 ZeroGPT：

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

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

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

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

▪️OPINION 观点

漂亮报告背后的「归因黑洞」：项目方在为什么买单？

via Mango Labs

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

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

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

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

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

月薪 3 万！AI 没拯救文科生，但它让优秀文科生更贵了

via 经纬创投

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

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

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

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

入局，2026！上海场十字路口开放麦：10 位分享者实录

via 十字路口 Crossing

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

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

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

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

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

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

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

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

当硅谷开始迷信「品味」，我闻到了一种死亡

via 不懂经

啊哈哈，我故意把这篇接在上篇后面推荐，恶意满满。

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

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

这篇文章的作者，跟我有相同的想法，并且聊的更深入。他认为：

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

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

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

随便看看：

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

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

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

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

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

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

适合个人上手的教程/评测/资源：

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

3. 时长半个小时内的播客直接排除，基本全是一知半解的 AI 新闻评论。

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

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

Subscribe now

OK，以下是本期正文，Enjoy:

▪️CASE 案例

全面压制，不留空档：字节跳动如何做增长？

via 乱翻书

这期播客系统化聊了字节跳动如何做增长，底层是一套数据驱动的科学。

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

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

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

• 风控（合规、素材审核、反作弊）对高预算增长环境是决定业务存续的生命线。

BTW 最佳播客速听工具，我推荐 Podwise。

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

via Founder Park

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

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

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

2 句话，用 AI 复刻 TikTok 2000w+ 播放的爆款视频

via 第二曲线增长

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

作者用一条 2460 万播放的儿童泡沫浴球视频拆解出了完整套路：

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

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

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

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

80 后小城宝妈，靠 AI 腐剧月入 2 万

via 娱乐资本论

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

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

延伸阅读：

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

▪️OPINION 观点

蚂蚁三代 CTO 闭门对话：周期穿越、技术决策与 AI-Native 组织

via 霍太稳

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

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

一个 AI 创始人的虚荣心、装，和愚昧之巅

via 42 章经

这两周血洗 AI 圈的一个播客了，身边朋友听完都说极度坦诚、真实。

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

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

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

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

AI 硬件出海，毛利不到 80% 就是亏？

via 非凡产研

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

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

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

随便看看

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

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

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

适合个人上手的教程/评测/资源

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

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

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

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

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

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

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

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

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

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

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

已经有数千位朋友学习过，也收到了不少学员的好评，比如：

再比如：

甚至还因此炸出了一些老粉，聊到了对其人生产生影响的奇妙机缘：

你永远不知道你的那行字、哪句话，在地球的另一个角落悄然扇动了下翅膀。

----

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

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

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

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

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

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

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

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

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

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

【课程核心内容】

• 如何盘点自己的知识资产，找到值得做的内容产品方向（以课程为例）

• 怎么设计课程结构，打磨出最优大纲

• 怎么用 AI 工具把内容做得又快又好

• 怎么做发售冷启动，怎么用预收款验证市场

• 如何克服对做课这件事的常见误解

• 其他积攒的经验、踩过的坑、思考过的模式

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

【适合谁】

• 擅长 build 但不擅长 marketing 的开发者

• 在研究 AI 方面有积累、想变现但找不到切入点的人

• 做过免费内容（公众号、播客、 newsletter），想转付费的人

• 有自己的笔记库/知识库，在积累之余想探索商业化的人

• 想在主业之外了解副业收益途径/一人公司起步的人

【不适合谁】

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

• 认为买到课就约等于学会了的伪学霸（还是希望认真听完并上手实操）

• 没有可交付经验的人（这课帮不了你无中生有）

【购买 & 交付方式】

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

• 老样子：课程内容不少于 1 小时，提供视频 + 教案 PDF。

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

感兴趣的朋友，欢迎点击下面链接购买（支持微信/支付宝）：

https://zerodaybook.mikecrm.com/LZtJIOB

感谢支持，这将有助于我持续运营这个 Newsletter。

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

希望这门课程能帮你打开更多探索 AI 玩法的大门。Enjoy it!

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

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

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

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

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

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

Subscribe now

OK，以下是本期正文，Enjoy:

▪️CASE 案例

如何用 Codex 开发一套自己的交易系统

via MossAI_CN

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

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

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

Glasp 如何在四个月内将来自 ChatGPT 的流量提升 37 倍

via Kei and Kazuki

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

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

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

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

活宝团队试验「让 AI 当老板」，结果「做什么赔什么」，底裤都不剩

via Moonshot

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

结果是一场全面翻车。

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

延伸阅读：

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

▪️OPINION 观点

创业快三百天，做过的 10 个选择：一个 AI 应用创业者的真实复盘

via 锦秋集

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

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

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

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

做软件久了容易觉得没意思，但用户愿意买单的时候，感觉是不一样的。

AI 主题的闭门会，大家却只想聊教育：一些暴论与洞察

via iamsujie

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

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

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

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

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

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

AI 项目落地的困难点在哪？

via 知乎网友

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

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

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

企业 AI 落地最大的敌人不是技术，而是预期管理。

▪️随便看看

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

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

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

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

▪️适合个人上手的教程/评测/资源

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

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

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

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

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

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

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

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

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

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

Subscribe now

以下是本期正文，Enjoy:

▪️CASE 案例

制造豆包：一个 AI 超级入口的形成与转向

via 郑可书

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

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

负责人朱骏把「拟人化」定义为「类似人的温度」，从品牌名到图标都强调亲密感。

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

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

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

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

via 孟健的 AI 编程认知

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

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

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

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

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

如何创建一套可商用的 AI 上下文体系

via Dickie Bush

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

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

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

重生之我是崇祯，但满朝文武皆 AI

via 董道力

这篇介绍了个很有意思的 AI 独立游戏。

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

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

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

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

▪️OPINION 观点

用 AI 构建一家能自我进化的公司

via 刘小排

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

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

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

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

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

Anthropic 创始人手册：如何打造一家 AI Native 公司

via Anthropic 团队

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

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

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

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

延伸阅读：

• 完整中文翻译

• 英文原版

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

via 李自然

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

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

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

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

上周做了场内部分享，关于我做 AI 这三年来总结的内容创作方法论

via 数字生命卡兹克

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

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

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

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

随便看看：

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

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

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

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

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

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

适合个人上手的教程/评测/资源：

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Subscribe now

以下是本期正文，Enjoy:

▪️CASE 案例

小红书探索四年的 AI 转型之路，这次能成吗？

via 肖思佳

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

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

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

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

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

只有 30 万像素的「AI 桌宠」卖爆了，凭什么？

via 发现明日产品

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

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

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

延迟一年的 Notion Agent，却成为付费转化最高的功能

via Simon La

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

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

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

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

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

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

川普、孙宇晨都来当 AI 黄牛了，这门暴利生意的水有多深？

via APPSO

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

三角贸易这套玩法，正在 AI 领域重演。

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

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

花高价买顶级 AI 服务，很可能货不对板、价格随机。

▪️OPINION 观点

对话郝景芳：从北京折叠到 AI 折叠

via 甲小姐

郝景芳从雨果奖作家到一人公司创始人，中间的跨度有多大？

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

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

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

她认为公司不必「做大做强」，而应「做多做美」。

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

via 也叔的 Rust

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

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

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

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

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

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

和老干部聊 AI 落地：为什么央国企热衷做「知识库」？

via 芥子观须弥

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

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

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

随便看看：

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

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

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

适合个人上手的教程/评测/资源：

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

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

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

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

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

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

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

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

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

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

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

↑ 夹带私货发一张假期当牛做马的老父亲（标题《少爷和我》）

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

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

Subscribe now

以下是本期正文，Enjoy:

▪️CASE 案例

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

via Mark Tilbury

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

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

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

最后一天他公布了实际销售额。如果没达标，他打算自掏腰包补贴评论区观众。

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

他把 ChatGPT 调教成了自己的项目经理，专门对付混乱的工作节奏

via Katie Parrott

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

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

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

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

用爱马仕多 Agent 组建跨境电商公司，出海赚美金

via 饼干哥哥

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

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

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

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

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

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

想快速验证效果？先用 dry-run 模式预览执行流程。

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

via 深思圈

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

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

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

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

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

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

▪️OPINION 观点

入局 2026！十字路口 AI 开放麦：13 位分享者实录

via 十字路口 Crossing

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

• 橘子提出重建人与 agent 信任关系的「灵魂系统」；

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

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

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

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

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

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

• 傅鹏分析了 AI 创业的红筹架构黄昏与出海「三明治困境」。

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

via John Kim

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

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

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

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

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

永久底层：硅谷 AI 从业者私下认为普通人已经「完蛋了」

via 不懂经

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

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

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

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

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

延伸阅读：

• Claude Code 之父亲口承认：编程已被 AI 彻底解决

随便看看：

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

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

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

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

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

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

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

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

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

适合个人上手的教程/评测/资源：

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

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

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

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

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

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

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

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

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

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

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

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

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

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

• 点击购买《我如何用 AI 打造 100X 知识萃取系统》

• 点击购买《我如何实践打造私人 AI 贾维斯助手》

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

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

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

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

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

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

OK，以下是本期正文，Enjoy ——

▪️CASE 案例

2026 年了，影视飓风是怎么工作的？

via 影视飓风

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

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

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

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

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

扒了上百条 AI 爆款视频，我们得出了 6 点观察

via 云飞扬 1993

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

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

现阶段有意思的结论是：

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

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

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

一本 DeepSeek 操作书卖出 2300 万，AI 图书疯狂造富

via 杨静

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

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

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

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

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

▪️OPINION 观点

全员 token-maxxing，一场没人敢停的军备竞赛

via 未知作者

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

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

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

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

这场竞赛没有退路，唯一的选择是继续加码。

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

via Eva433

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

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

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

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

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

还有一个提醒：早期测试应排除产品经理和投资人——他们的需求不代表真实用户。

一位 80 岁投资大佬写了万字的 AI 使用心得

via 霍华德·马克斯

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

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

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

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

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

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

当 AI 能跑完整个闭环，增长工程师还剩什么？-《柠檬拿铁》EP01

via 不孤独的二向箔

播客《柠檬拿铁》EP01 里，两位增长工程师聊了各自的实践路径。

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

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

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

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

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

随便看看：

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

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

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

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

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

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

适合个人上手的教程/评测/资源：

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

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

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

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

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

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

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

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

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

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

via Simon Last & Sarah Sachs

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

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

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

几条经验：

• 最有效的工程领导力，是培养团队乐于删除自己代码的文化；

• 产品开发优先「演示而非备忘录」，用内部使用发现边缘情况；

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

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

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

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

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

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

延伸阅读：

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

Slax Note AI Coding 产品重构的复盘（整理版 v2）

via 吴鲁加

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

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

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

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

这次实验的本质不是 AI 替代研发，而是将研发经验沉淀为可协作的流程。

延伸阅读：

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

孩子王 CTO 王海龙：我们只用 AI 做「脏活累活」，就狂赚 30 亿

via 混沌学园

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

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

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

▪️OPINION 观点

Multi-Agents: What’s Actually Working

via walden_yan

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

作者分享了一些对行业的观察预测、数据调研和实战心得。

关于 AI 硬件出海，他们讲了点不写进 BP 的实话

via 非凡产研

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

四个不同赛道的 CEO 讲了实话：

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

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

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

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

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

随便看看：

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

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

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

适合个人上手的教程/评测/资源：

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

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

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

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

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

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

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

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

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

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

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

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

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

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

我用 Claude Code 写了一部 5 万字小说，投稿七猫，被拒了

via 月月鸟

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

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

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

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

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

via 饼干哥哥AGI

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

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

程序员养龟有多离谱？我让 Claude Code 每天给我发乌龟行为报告

via 叶水水

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

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

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

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

▪️OPINION 观点

从 SEO 到 GEO，从流量到 Agent，真正的变化才刚刚开始

via yaojingang

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

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

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

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

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

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

via 卡兹克

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

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

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

延伸阅读：

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

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

via Ben Shimkus

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

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

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

随便看看：

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

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

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

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

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

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

适合个人上手的教程/评测/资源：

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

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

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

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

• 《看不懂 Agent？我让 AI 花了一下午写了个 mini-OpenClaw》：OpenClaw 太复杂，于是有人让 AI 花了一下午，自己写了个简化版。

• 《AI 結合卡片盒筆記法，人不再操作軟體，用對話流程讓 Codex 搭建資料整理系統：我的兩個月實測心得》：作者利用 ChatGPT Codex 等 AI Agent，通过对话指令自动抓取网页与视频内容、建立参考文献摘要、生成暂时与永久笔记、构建笔记间的链接和知识架构图，所有产出以 markdown 文件存于本地文件夹，实现了「工具即 AI 本身」，人无需操作传统笔记软件界面。

• 《量化基本面研究团队的 CLAUDE.md、Skills 和 Hooks 实战配置指南》：团队通过项目级 CLAUDE.md 为 AI 植入统一的「团队 DNA」，相当于共享的代码规范与工作流手册；利用 Skills 和 Hooks 构建类似量化策略框架的 AI 基础设施，将成员从重复性数据处理中解放出来。

它的作者之一 Edward Luo 是一位曾经搞过艺术、现在在搞产品的设计师，也是这个 Newsletter 的 VIP 成员，因此我必须大力帮忙宣传一波。

Vibe Island 的界面，主要就是一个位于 Mac 电脑刘海屏的展示区（电脑没有刘海也能用，会虚拟一个刘海区域出来）。点击刘海屏时，面板会展开，显示当前所有正在运行的 AI Agent 会话及其各种状态（作者推特的演示视频）。

你在用 Claude Code / Codex / Gemini / Cursor / OpenCode 等命令行终端开发工具（CLI）开发时，它会同步更新状态、推送选项、播放提示音，并且用的是复古的 8 位机音效，非常极客，我可太爱了。

用它配合日常 AI Coding，趣味横生且提升效率，我正在重度使用。

它目前采用一次性买断制。目前定价 14.99 美元/一台 Mac，最多到支持 34.99 美元/三台 Mac 同时使用（上周我已经在 VIP 圈子送出一波全价的兑换码作为 VIP 会员福利）。

现在，你也可以使用我的专属定制优惠短链： https://vibeisland.app/buy/xdash ，就可以享受 85 折的优惠价格。

（19.99 美元 » 12.99 美元，29.99美元 » 22.99美元，34.99美元 » 32.99美元）

据说下周起可能涨一点价格。现在用我的优惠码购买非常超值，感兴趣要趁早哈。

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

我用 Karpathy 的 LLM Wiki 方案 + 5 年 Flomo 笔记，搭了一个会自我进化的第二大脑

via Ethan Li

Karpathy 的三层知识库架构 最近在技术圈讨论挺火：原始数据层、知识图谱层、用户界面层。

Karpathy 提出的方案有意思在哪？他让 LLM 像维护代码库一样，持续编写和更新一个永久性 Wiki。这样一来，每加入新内容 AI 自动更新相关页面，每次提问的洞见都会沉淀，系统会自我进化。

作者在这个基础上做了三个关键改进：用 5 年 Flomo 笔记训练 AI 理解你的个人判断标准，作为系统的「价值观底层」；用 Sage Wiki 实现新内容的自动化编译与整合；再搭一个双轨框架，同时服务写作和创业决策场景。

有意思的是，这个系统真的在「生长」——每篇文章都在训练它更懂你的风格，每次问答都在沉淀成可复用的资产。它不是静态资料库，而是一个有生命力的第二大脑。

很多人突然不玩小龙虾而用 Hermes Agent 了。我替你试了，跟小龙虾到底有啥不同？

via AI 范儿

前阵子爆火的「小龙虾（OpenClaw）」和本文新介绍的 Hermes Agent，核心差异在哪？

一句话总结：小龙虾是「你来指挥的系统」，Hermes 是「自己会长大的助手」。

这点从部署体验上差距就很明显。Hermes 的唯一前置条件是 Git，依赖自动安装，原生支持 Anthropic Provider，能直接用 Claude Code，还自带一键迁移工具——目标很明确，就是「干小龙虾」。

初始体验呢？Hermes 默认预装 28 个工具和 92 个 skills，开箱即用，还有多种可切换的性格设定。

这背后的潜台词是：工具竞争的胜负手，正在从功能堆砌转向用户体验与生态整合。Hermes 通过降低技术门槛和提供平滑迁移路径，正在试图争夺早期用户与开发者心智。

How We Built Our AI VP of Customer Success, 「Qbee」 — And How You Can Build Yours

via Jason Lemkin

一开始，Qbee 只是个在 Replit 上用 vibe code 搭的客户门户工具，功能简陋得可怜——任务分配、单点登录，仅此而已。

但当真实数据开始流入，团队发现这个工具能做的远不止管任务。它能管理超过 100 个赞助商，发高度个性化的每周邮件，追踪复杂任务，而且——把客户管理的人力工时减少了 70% 以上。

构建成本呢？总花费仅数千美元，每月 AI token 成本不足 200 美元。

Jason Lemkin 总结了一个反直觉但很实在的规律：强大的 AI 代理，往往从解决一个具体、微小的痛点起步，通过迭代和数据反馈自然生长出复杂能力。不是规划出来的，是长出来的。

这大概就是为什么很多「完美规划」的 AI 工具死了，而那些「先干起来再说」的反而跑通了。行动优先于规划。

▪️OPINION 观点

如何蒸馏任何人

via Jeremy 想多了

最近 AI 人格克隆的项目和梗都很火，从蒸馏同事，到蒸馏业界大佬，到蒸馏女娲、上帝、各路神仙妖怪…

但这篇文章提了个历史视角：「蒸馏」人类技能的尝试其实已经存在了两百年。

最早是 Jacquard 织机，用打孔卡编码纺织工的手部动作，效率大幅提升，但也引发了工人抵制——这技术后来成了计算机的基础。局限在于，它只触及了「手」，没触及「脑」。

再到 1970 年代的 MYCIN 专家系统，试图用 600 条规则编码感染科医生的诊断知识。准确率甚至超过部分专家，但最终还是失败了——因为无法获取专家自己都说不清的「隐性知识」。

现在的 AI 人格克隆热潮，不过是这一古老困境的最新体现。真正的挑战从来不是技术，而是如何捕获那些「我们知道的远比我们能说出来的多」的深层认知。

技术可以蒸馏，但人性敬畏还是要有的。

不到 20 人的团队，凭什么估值 200 亿美元？

via TOP 创新区研究院

硅谷人才版图正在经历一场 K 型曲线：传统路径断裂，Big Tech 和 Big Labs 因官僚化而失血；而 Safe Superintelligence、Prime Intellect 这类研究型初创公司，成了新的「重力中心」。

这类公司反商业常规：极度的人才密度、恐怖的人均算力、极简的组织架构。目标则是解决如 AGI 般的巨大科学难题，赌突破后的无限商业价值。

20 人规模下挑战数千人团队，秘密在于他们敢于押注巨头因沉没成本而不敢尝试的新范式：赌「后 Transformer 时代」的线性复杂度架构；从「预测下一个 Token」转向构建世界模型；用合成数据与分布式训练实现算力民主化。

当技术范式面临拐点，极致的专注、速度与顶尖人才的化学反应，其威力可能远超线性的资源堆砌。

本周恰好还有篇新文章，可作为本文注脚，讲 Obsidian 这家神奇的公司—— 7 个全职员工、一只猫，月活超 150 万，年经常性收入约 2500 万美元。他们的组织哲学听起来很反主流：永远不超过 10 到 12 人，永远不接受风险投资，永远不收集用户数据和分析。

We’ve Deployed 20+ AI Agents. Here Are the 10 Mistakes Almost Everyone Makes

via Jason Lemkin

作者亲自上手部署了 20 + AI 智能体，总结出 10 条血泪错误教训：

1. 不亲自上手部署与训练，就无法理解 AI 的能力边界——仅靠供应商演示远远不够

2. 把智能体当「设置即忘」的工具是致命错误——现实需要每日管理，否则性能会持续退化

3. 过度追求完美，试图一次性解决所有问题——应该从最小可行产品开始迭代

4. 忽视数据质量——垃圾进，垃圾出，调整提示词解决不了根本问题

5. 把智能体当成本中心而非收入驱动——低估其直接创收潜力

6. 缺乏明确的成功指标和监控——无法衡量投资回报率

7. 团队缺乏必要的 AI 素养——部署后无人能有效运维

8. 过度依赖单一供应商——缺乏灵活性和抗风险能力

9. 未能将智能体深度集成到现有工作流程——形成数据孤岛

10. 恐惧失败，不敢让智能体在真实场景中犯错和学习

说到底，AI 智能体的成功部署是一场需要高层亲力亲为、持续投入并建立正确认知的组织变革。领导者必须亲手实践，别指望别人替你搞定。

随便看看：

• 《大厂「牛马」，被迫用 AI》：AI 工具从员工自发的效率玩具，演变为大厂隐性强制推行的绩效指标。运营为满足「AI 产出」要求，将本可手动快速完成的数据看板反复调试 80 遍，效率不增反降；工程师为凑够公司内部 AI 工具的使用次数，被迫删除有效代码让其重写，陷入形式主义消耗；后端研发被强制要求将个人经验文档化、Skills 化，让 AI Agent 接管半数开发需求——实则是将自己的工作流程标准化以供 AI 调用，面临自我替代的危机。

• 《35 岁挤进字节，40 岁还在：五年回望，说点实话》：所谓上岸，不过是跳入更汹涌的海。

• 《中转站真的就是一个辛苦钱，还要被人锤》：AI 模型 API 中转服务行业最近日子不好过。成本压力、风控风险、注水乱象——三重困境叠加。

• 《<生化危机>女主下场写代码，在 GitHub 上猛夺 2 万星》：好莱坞演员 Milla Jovovich 在游戏项目中使用 AI 时遭遇了「记忆失忆」问题——AI 无法跨对话积累上下文。她转而开发了本地运行的 AI 记忆系统 MemPalace，设计灵感源于古罗马记忆宫殿术。

• 《年薪过亿的 AI 天才，开始重写婚前协议》：天价薪酬与股权预期，将年轻工程师推入千万富翁行列，却也催生了全新的婚姻焦虑——亲密关系被视为高风险决策。婚前协议从富豪专属变成了 AI 新贵必修课。「感情是感情，钱是钱」已成为普遍共识，日常开销全包但股权归属提前写死的模式在湾区流行。

适合个人上手的教程/评测/资源：

• 《我用 Claude 搭了一套自我进化的写作系统》：作者的写作系统并非预先设计，而是从「选题库、公众号、小红书」三个基础文件夹生长出来的。后续的「价值观」文件夹（6 条核心信念与 18 条金句）是由 Claude 分析旧文与数据后提炼生成的。

• 《只花了 50 块，我养了 5 只小龙虾，每天帮我做投研》：50 块钱，能搭一个多 Agent 投研系统？作者的「五笨虾」团队构想是：总监统筹任务，研究员自动分析信号并生成报告，目标是实现专业分析、主动闭环与自我监督。

• 《拆解 Claude Code SubAgent：隔离，专业化与权限设计》：Claude Code 的 SubAgent 机制为什么值得研究？因为它解决了一个核心工程问题：如何让多个 AI 协作而不互相干扰。

• 《把 Tradingview 接进 Claude 后，发现看盘的逻辑全变了》：一个名为 tradingview-mcp 的开源项目，通过 MCP 协议将 TradingView 的实时数据与技术指标接入 Claude。有意思的不是 API 套壳，而是它构建了一个让 AI 能实时解读盘面并执行量化回测的「外挂」系统，还集成了 6 种经典量化策略的回测引擎，能直接对比策略表现并计算夏普比率等机构级指标。

在此特别推荐 Podwise 新出的 CLI（Github 主页）。

以防你不知道：Podwise 是我一直在用的「信息套利」工具，可以专门用来压榨那些有信息量的硬核播客/YouTube 视频的价值。转录文字稿、总结洞察、信息可视化、同步笔记。推荐出去，用了都说好（我之前录制过一期 YouTube 视频来介绍它）。

我用它的 CLI 做了几个 skills，譬如直接将常听常看的节目的最新一期的文字稿（包括其他 AI 精炼内容），拉取到本地，经过我的信息系统处理后，整合到各种任务流中。

你可以用我的专属优惠码 XDash 或点击这个链接（https://podwise.ai?s_aff=XDash）获得 Podwise 的首充和续费会员的锁定惠率。

订购会员套餐后，就获取了正式的 AI 和 API 使用额度。你既可以在浏览器的赏心悦目的界面中，可视化地快速跳读原本的音视频内容，也能像我一样直接在 CLI 里撬动它内置的 AI 能力，而不用自己开发。简直不要太爽。墙裂推荐。

（这周我还是过滤掉了大部分的龙虾内容，所以本期内容体量有所减少）

Subscribe now

OK，以下是本期的内容 ——

▪️CASE 案例

Agent 的家：如何在 AI 时代搭建个人家庭硬件基座（硬核）

via 张立行

作者军火展示一般地介绍了自己为 AI 配备的那些硬件设备，包括存储、调用、唤醒的等，并充分说明了各种设备的缘起、场景、体验评测、价格清单等，看得我津津有味。

比如，作者经历过一次 NAS 崩溃的教训后，果断把数据存储和核心服务彻底分开。之前图省事搞的 All-in-One 方案虽然方便，但数据安全实在伤不起。这本质上是用便利性换了可靠性。

他的桌面级硬件全景长这样：一台专管存储的 NAS，一台跑 PVE 和 Debian 容器的小主机承担所有自动化工具，作为局域网算力中心的 Mac Studio，以及一台 5,500 块收来的二手 x86 主机，显卡是 RTX 3060。这台机器被虚拟化切割成三块：跑本地多模态模型、24 小时在线的云端开发机、相对安全的公用 AI 实例。最容易被忽视但至关重要的是软路由——整个架构的网络基石。

AI 冲击传统行业的同时，反而创造了新的硬件机会和二手市场红利。那台高性能主机就是从倒闭的视频工作室淘来的。

这套架构让他能做到：纯语音指挥 AI，完成从构思、编码到部署调试的全流程。这不是设备堆砌，而是一次面向 AI 原生工作方式的硬件基座重构。

我用 AI 做了一条 TK 带货视频，成本 3 块钱，卖了 5 万美金

via 饼干哥哥

作者的团队大半年烧了二十几万，跑出七位数 GMV，踩坑换来的核心洞察就一句话：在 TikTok 上，像素级的产品一致性是个陷阱，用户下单的关键是 20 秒内的情绪冲击、身份投射和价格锚定，产品像不像根本不重要。

他们用真金白银测试出的模型选型公式：品牌片用 Veo，种草用 Sora，投流用 Grok，故事用 Seedance，长片用 Kling。选错模型成本能差 30 倍。最贵的 Veo 3 废片率高达 80%，这你敢信？

另一个反常识的结论：TikTok 底层逻辑是「货带人」而非「人带货」。团队花两个月打造 AI 人设号，粉丝涨三千，零出单。转做产品种草视频，第一周就爆单。还有一个常见死法是照搬国内直播模式——数据显示，AI 短视频的长尾效应远超直播，一条视频发两个月还在出单。

AI 在电商领域的应用已进入精细化运营阶段。烧钱试错换来的不是炫技，而是一套剔除幻想、直指转化的务实方法论。

▪️OPINION 观点

当 AI 可以做一切，剩下的护城河只有这 5 种

via 虎嗅

Michael Bloch 指出一个反直觉的洞察：当 AI 让构建软件变得轻而易举时，传统的技术壁垒正在快速失效。真正的护城河已从「难做的事」转向「难得到的东西」。

五种 AI 无法压缩形成时间的核心资产：

1. 持续复利增长的专有「活数据」

2. 需要多年积累的网络效应

3. 受政治进程而非技术影响的监管许可

4. 部署于物理世界所需的大规模资本

5. 受物理规律限制的基础设施

「时间」本身成为了元护城河。这些优势都需要数年甚至数十年的现实时间沉淀，AI 无法并行加速。

如何在 AI 时代，找回你被埋没的创造力

via 数字生命卡兹克

从 OpenClaw 到各种 AI 创作工具，人们兴奋地安装，然后对着闪烁的光标陷入空白。不是工具没用，而是我们被规训太久，忘了自己本来就有创造欲望。

AI 工具不是答案本身，而是放大器。它能把那个被掩埋的、属于每个人的创造天性重新点燃并赋能，前提是你先找回那个对世界「不满意」的、最原始的自己。

为此作者在文中给出了几个具体原则和建议，有一些还是能击中我，引导我反思的。

随便看看：

• 《「卧底」Kimi 的 100 小时》 罕见地揭开了月之暗面这家估值超 1200 亿人民币、却极度神秘的 AI 公司的内部生态。300 多名平均年龄不到 30 岁的员工，每人扛着近 4 亿估值，80% 是内倾人格。Kimi 要上市了，类似的公关稿基本是正面论述，有些甚至褒奖得过于露骨了，看个热闹吧。

• 《华语乐坛里，到底还剩多少活人？》 重新审视了 AI 对音乐产业的冲击。最近周杰伦新专辑发了，我听了完全不是那味儿。但是通过一堆二创（尤其推荐 AI 升 key 类、周杰伦年轻音色类），慢慢觉得这张专辑有些歌还不错。这让我对音乐行业的现状更感兴趣了，于是推荐这篇。文章通过一位职业作曲人沐花音的真实境遇，揭示了 Suno 等模型突飞猛进后，行业坍塌的速度与血腥程度。

• 《追了一年 AI 工具，产出为零：一个连续创业者的反思》 精准地刺破了科技圈里最普遍的幻觉：人们误以为「先看到未来就等于先赢」，结果却陷入不断测试新工具、却毫无实际产出的怪圈。反思一下我身上也多少有这问题。

• 《凌晨三点，我在排队等一个 AI》 开篇很有意思：Seedance 2.0 爆火，导致下游公司员工需要凌晨三点错峰上班。作者用大量细节勾勒出一个拧巴的供需结构：一边是 200 万美元的优先访问权和千万级的入场券，将中小公司挤出牌桌；另一边是平台方转向基于 Token 消耗的精细计费，用夜间优惠等价格杠杆疏导流量。

• 《医生说没救了，但亿万富翁不信，用 AI 战胜了癌症并开源全部诊疗数据》 展示了一个顶尖创业者如何将商业逻辑移植到生死战场。GitLab 创始人西德·西布兰迪杰在 2023 年确诊罕见骨肉瘤，经历毁灭性治疗后于 2024 年复发，被医生宣告无计可施。他随即辞任 CEO，以「创始人模式（Founder Mode）」自救：亲力亲为组建私人医疗团队，建立高达 25 TB 的个人生物数据库，并像管理代码库一样开源全部诊疗数据。 最终取得了抗癌成功。非常振奋人心，比上周那个自制药物救自家狗狗的更令人暖心。

适合个人上手的教程/评测/资源：

• 《Claude + Obsidian Solving The Memory Issue! (Walkthrough)Claude + Obsidian：解决记忆问题！（完整指南）》：作者提出了一个「三层复合记忆堆栈」的架构，其核心是严格区分「工作区」与「大脑区」的双轨文件结构，将 AI 生成的高频但可能杂乱的「工作」内容，与人类精选、高信噪比的「知识」永久记录分离开来，以此保护 Obsidian 知识图谱的纯净与可搜索性。

• 《OpenCLI：万物皆可 CLI》：介绍了用 CLI+浏览器插件，来更快进行浏览器操作的方式，非常适合 Claude Code 等命令行玩家。

• 《从飞书文档到发布公众号，只需要几秒！我做了一个 CLI 工具帮你丝滑发文》：作者做了一个名为 feishu-wechat-cli 的命令行工具，将整个流程压缩为一条命令和几秒钟。

• 《即梦 CLI 体验指南 - Feishu Docs》 ：即梦也出 CLI 了。

• 《E73. AI 的不焦虑用法:你不需要再多学一个工具，你需要搞清楚 AI 能帮你解决什么问题》：最让我感兴趣的是 Ruby 那个在 GitHub 上获得 600 多个 Stars 的科技股财报分析 Skill，它不仅能进行多维度估值，更核心的是提供了「变异观点」和反偏见框架，旨在发现市场共识盲点。

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。