【增长黑客AI周报】EP#51 如何蒸馏任何人、Karpathy的LLM Wiki方案、Hermes Agent、把Tradingview接进Claude等
「被毕业的同事其实并没有消失，他们只是被蒸馏成了token，换一种形式陪伴你。」
今天推荐一款新产品 —— Vibe Island（官网 https://vibeisland.app ，先不用急着下单，看到最后有福利）。
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。
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：
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
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
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
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
把智能体当成本中心而非收入驱动——低估其直接创收潜力
缺乏明确的成功指标和监控——无法衡量投资回报率
团队缺乏必要的 AI 素养——部署后无人能有效运维
过度依赖单一供应商——缺乏灵活性和抗风险能力
未能将智能体深度集成到现有工作流程——形成数据孤岛
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。