▪️PREFACE 卷首语
1/ 推荐个新发现的 B站 账号 @GrokBot打工日记 。挺有意思,幕后主使全程让 Grokbot 自己去开账号、跟评论区互动、收集想法、开发出来、制作视频演示、做每日数据复盘,如此循环往复。这个号自己就养起来了。从开号到今天,不到一个月,已经 1.7 万粉了,最近每天涨粉大几百。
2/ 本人出售两个手头 AI 域名: Ray-Ban.AI(雷朋)、 XiaoLv.ai(效率)。前者可用于智能眼镜相关,后者可用于效率类产品或导航。欢迎接洽。自己用不上,价格很好商量。联系: i@TonyStark.AI (这真的是我的邮箱,新启用)。
3/ 这期收了 23 条,读下来发现有条共同的暗线:大家都在给 Agent 装「中控台」。
上周卡兹克给 Autoloop 加了可视化面板,每一单的状态、耗时、费用都看得见,才敢放手,这周有人延续它的做法跑通了多 Agent 状态管理;Steve Yegge 用 22 个 Claude Max 账号养 Agent 工厂,四个月完成了号称 100 年的开发量;冯若航对一人 AI Naitive 公司的经验也比较翔实。
最近在给一些知名企业做 AI Native 和内部 AI FDE 的咨询和培训,比较关注这块。恰好能将我过去两年搭建 Agent 的经验和用在公司提效、运营增长上的经验用上。我现在不讲流量、不做运营/营销口的分享,主要兴趣还是集中在 AI Native —— 形象地说,怎么让一个人带着几十个 Agent 管好组织内部的一摊经营活动。这是我的兴趣所在。有需要的朋友也可以联系我洽询哈(还是联系: i@TonyStark.AI)。
OK,以下是本周正刊内容,Enjoy——
▪️OPINION 观点
🐧 马化腾在焦虑什么
原链 · 公众号 · 约 16 分钟读完
腾讯 11 月 18 日发了三季报。收入同比增长 8%,到 2073.36 亿元。但经营盈利降了 7%,自由现金流从 -138 亿元扩大到 -691 亿元,钱主要砸进了算力采购。
往前一周,11 月 11 日腾讯 28 周年庆,马化腾把话挑明了:过去做的是轻资产,这是第一次做重资产。「很多核心业务觉得自己似乎有险可守」,但「远处浪潮已经吞没一个个山丘」。他的安排是「用一半人守传统业务,一半人打新战役」,原话是「现在已经是生死存亡的时候了」。
短期的仗确实打赢了,可账面上有几笔硬的。
模型上,下半年国内和 GPT、Claude 的差距重新拉大。前沿数学测评里,GPT-6.1-Sol 拿 97.5 分,混元 Hy4 只有 13 分——13 分这个数字,挺扎眼。参数规模上,Fable 和 Astra 约 10 万亿,国内过万亿的只有 Kimi、Qwen、DeepSeek 三家,腾讯 Hy4 是 7700 亿。
算力更紧:中国训练芯片总量不到美国的 1/10,三大厂里腾讯囤得最少。
业务侧,WorkBuddy 日活 1000 万、7 天年化收入超 5 亿美元,单看是不错的战果。但对照腾讯 7000 多亿元的年收入仍是零头,Token 成本还高企。
另外还有两层隐忧。微信里的「小微」日活 3000 万,却因为数据安全顾虑读不了聊天记录,只能先做「更好的微信搜索」。姚顺雨用不到一年把混元带回第一梯队,验证了年轻化路线,但他带的是 800 人,腾讯是 11 万人,换血难度不在一个量级。
结尾落在财报会上那句:「AI 肯定会带来重组,企业可以用更少的人。」
⚡ 601.8 小时转写、253 条会议记录:Dify 商业化负责人用 AI 重做销售的一年
原链 · 公众号 · 约 14 分钟读完
Dify 的商业化负责人在崔牛会 AI 实践者峰会上做了场分享,讲从用 AI 到卖 AI,销售这活儿到底变了多少。
过去一年她接触约 100 家企业,攒下 253 条会议记录、672 条录音、601.8 小时转写,再用 Codex 追溯记录、找回承诺、起草回信。
她自己用 AI 做销售,养成了三个习惯。接到活先问「为什么这件事要我做」;AI 第一次做得不好,先回头检查是自己没说明白、还是它没看到会议记录;每次模型更新,最想试的是手里一直没解决的那个问题。
见客户也有讲究。遇到已经在用社区版的客户,她先问对方用到哪一步、今天为什么想聊,而不是急着开演示会。谈伙伴合作,她要能回答三件事:一起做什么、回去能推动哪一步、最快能办成哪件小事。
她对销售的定义很新鲜:销售是一台现实世界的采集器。每天约人、出门、听客户说话,有些信息帮判断单子能不能关,有些应该让产研同事直接听到原话。
🤖 22 个 Claude Max 账号养一座 Agent 工厂:Steve Yegge 4 个月清掉 60 年积压
原链 · 公众号 · 约 15 分钟读完
Steve Yegge 是亚马逊和谷歌的双料老兵,在技术圈写过多篇刷屏长文。他在 AIE CODE 2026 大会上的演讲,主题是给自己运行了 30 年的游戏 Wyvern 搭一座软件工厂。
配置很夸张:22 个 Claude Max 账号,每天上线 50 到 100 个功能,4 个月清掉了 60 年的积压工作量。
但他重点不在速度。他把难点拆成五个问题:工作流转、燃料管理、上下文管理、人事管理和模型福利——他反复强调,最难的不是代码,是人,工厂越大,需要的人越多。
给开发者的建议也很反常:别再盯着 SaaS 和工具,去做体验。
▪️CASE 案例
🛠️ 把 Autoloop 接进公司真实业务
原链 · 公众号 · 约 7 分钟读完
作者学习了卡兹克的 Agent-Autoloop(前两周分享过),将自己的系统做了两项升级。一是加中控台,每一单的状态、耗时、费用、交接点全部可视化。二是换入口:从群聊一句话改成飞书多维表格,测试同事按原来的方式提问题,Agent 自动接单、修改、回写状态。
试验田是一个真实的支付 SaaS 项目,7 条问题跑下来:1 单关闭、3 单待复验、2 单待推送、1 单被判断为非问题。
他还给出两单的完整时间线:从接单到验收共 37 分钟,Agent 实际干活约 10 分钟,模型费用分别是 1.14 和 2.35 美元。
三条体会值得抄:入口要选团队本来就在用的东西;看得见才敢放手;给 Agent 眼睛,但别给手。
最后一句可以当这期的注脚:架子一旦搭起来,加人、加项目、加环节都比想象中容易——框架一行没改,改的都是规则、脚本和约定。
💻 5000 亿 Token 原价 300 万、实花 7 万:冯若航的一人数据库公司怎么跑
原链 · 公众号 · 约 31 分钟读完
冯若航在清华大学软件论坛做了个分享,主题很狂:一人公司借助 AI Agent 舰队,在数据库这种硬核基础软件赛道,能跑出百人级的产出。
证据是他自己的两个项目。一个是 Pigsty,他独立维护的开源 PostgreSQL 发行版:横跨 16 个 Linux 发行版,管理 600 多个扩展、3 万多个编译目标,GitHub 近 6000 星。另一个是 Silo,接盘 MinIO 社区版做的,不到一年 4600 星、下载近 800 万次,240 多个下游项目完成迁移。
他算的那笔账很有意思:四个月消耗 5000 亿 Token,按 API 原价值 300 万,走订阅制只花了 7 万,成本 2.5%。他管这叫「健身房原理」——个人订阅补贴机制,让重度用户拿到数十倍算力杠杆。
方法上他提出「AI 工程管理学」:人是主刀医生,只做宏观决策,执行全交给 Agent。他的模型配比是 10 个 Codex、3 个 Claude、1 个 Gemini、1 个 GLM,调度底座就是一张 PostgreSQL 任务队列表。
工程实践三句话:设计靠文档驱动(ADR、架构蓝图),编码靠赛马与对抗(多模型互审),测试靠暴力测试——饱和式测试挖出过 100 多个深层 Bug。
最值得琢磨的是他解释「为什么组织级 AI 提效远不如超级个体」:阿姆达尔定律、沟通税、流程损耗三层漏斗,能把效率蒸发掉两个数量级。
收尾他很直接:现在是创业黄金时间,门槛降了,但竞争也加剧,快鱼吃慢鱼。
💰 一个总助带三个 Bot:跨境卖家把选品跑成了 7×24 自动流水线
原链 · 公众号 · 约 18 分钟读完
选品分析做一次不难,难的是持续做。作者 Bulus lan 用 Grok Bot 搭了个「选品作战小组」,把这条流水线跑成了 7×24 自动运转。
配置是一个总助 Bot 统筹,下面三个兵:竞品情报 Bot、用户反馈 Bot、产品研究 Bot。靠着 Grok Bot 的云电脑、群聊协作、Skill 和 Routine 功能,从竞品拆解到产品改进决策,全程自动跑完。
他以美国站的透明收纳盒套装为案例演示:通过卖家精灵 MCP 接入真实市场数据,再用自研的 amazon-competitor-radar 和 review-analyzer-skill 两个 Skill,分别产出竞品观察表和需求证据表。
几个判断很老练:竞品分析要区分宣传卖点和实际交付;评论分析要结合样本基数,别被少数差评带偏;产品改进优先考虑信息表达调整,而不是上来就开模。
最后一步是 Routine 定时任务:竞品情报 Bot 每周自动监控核心 ASIN 的价格、主图和变体变化,变成一个 7×24 小时站岗的竞品情报哨兵。
他的收尾态度我喜欢:AI 不是替代思考,而是把繁琐手工活沉淀成标准工作流——把判断权收在自己手里,才是使用 Agent 的舒服状态。
(案例绑在 Grok Bot 上,但这套分工思路搬到任何带定时任务和 Skill 的 Agent 框架上都成立。)
随便看看:
《9.6 元就能生成一个的「AI 探店博主」,正在把多少人骗进难吃餐馆》:商家上传门店照片、充值 9.6 元算力,几分钟就能生成一条逼真探店视频;找代做团队做,要价 300 到 800 元,产业链上游公司月流水可达 800 万。大众点评半年处罚 500 多名虚假作者,杭州中院首例 AI 种草不正当竞争案判赔 10 万。
《AI 行业里,被高薪叙事平均掉的人》:高薪只属于塔尖少数人,塔下的人承受薪资落差与超负荷:校招变成社招,中层率先崩塌。麻省理工分析 300 多个企业 AI 项目,95% 没有可量化的利润影响。有人退向 AI infra 或国央企求稳,慢下来成了新选择。
《Claude 破解千页哥德尔手稿:80 年前他差一步拿菲尔兹奖》:哥德尔 1009 页手稿用的是全球仅约六人能读懂的失传速记,人类团队一年只能处理 50 页。Claude 几天交出 650 页解析、663 个定理,约 400 个通过 Coq 验证,还补全了一份当年可能值菲尔兹奖的未竟证明。
《在快 AI 时代,我是怎么把 Mole 做成一款「慢产品」的?》:Tw93 做 Mac 清理工具 Mole 的笨功夫:让 AI Agent 装 853 款软件测卸载残留,补 13 类规则和 90 多条清理路径;逐一登录 30 多款 AI 工具记录占用。产品差距就藏在这些细节里。
《这些 AI 手搓的几百 K 的 3D 世界,正在让 HTML 再次伟大。》:数字生命卡兹克拆解一个 1.4M 的 HTML 游戏:700KB 是 Three.js 库,其余全靠代码现场生成模型贴图音效——文件里存的是菜谱,不是成品菜。附实操模板和 AI 自审迭代技巧。
适合个人上手的教程/评测/资源:
《微信同步 Obsidian 的 WXLink 插件实践》:Next 蔡蔡开源的 Obsidian 插件,基于腾讯官方 ilink 协议直连,不经过个人服务器,比服务号方案更稳。微信里发文字或链接,自动落进 Obsidian 的 inbox;离线消息下次打开时补收。
《腾讯员工用 Skill 生成器打造 AI 学习闭环》:腾讯产品经理 Balance Li 把学习流程固化成 Skill:输入、学习、确认、验收、沉淀五步,每个学习点先定可验收的目标(能画出 RAG 流程,而非了解 RAG),进度存进项目文件,下次对话能续学。
《用 Grok Bot 白嫖 Twitter RSS》:潦草学者的邪修:让 Grok Bot 用 X 官方读取工具定时抓 49 个账号,生成静态 feed.xml 挂到 Vercel 免费托管。不买付费 API,不用 Cookie,每天两次刷新约占每日额度的 3%。局限是只收原创帖、非实时。
《实测 DeepSeek 四个接口只花一毛七》:把 DeepSeek 的语音合成、语音识别、联网搜索、版面识别四个接口接成本地脚本:做双人播客、语音记待办、念早报、抠图表,20 笔计费请求合计 0.17 元。文中附几处暗坑,比如 MP3 会被拒收,得先转 Ogg Opus。
《省 token 提示词:让 Agent 不空转》:卡尔发现 Grok Bot 的定时任务吃掉 75% 额度:没更新也完整跑一遍。他把 Anthropic 常驻 Agent 指南翻成一段提示词:按版本去重、无变化只回「无更新」、不自行加戏。三天后 Bot 用量从 75% 降到 30%,总用量降 55%,一年省 840 刀。
《自动领 Token 开源工具实测》:向明开源的 agent-auto-signin,让 Agent 自动每日签到领免费额度:WorkBuddy、Qoder、豆包、TRAE、WPS 灵犀等合计每天约 900 单位。登录由用户自己完成,工具不存敏感信息,目前仅 Mac 实测通过。
《智能体私有部署选型指南》:以 CRM 厂商上线销售智能体为例,推演全托管、混合、私有三种部署方式的差异。核心提醒:出域的不是数据库而是上下文,授权单位从角色变成任务。附客户安全评审必问的 6 个问题。
《开源项目 terminal-mac 让 AI Agent 拥有独立 Mac》:基于苹果官方 Virtualization 框架,给 AI Agent 一台完全隔离的 macOS 虚拟机,画面渲染进终端,内置 MCP 供 Claude Code 等直接截图点击。隔离解决了焦点抢占和误操作风险。
《播客剪辑 AI 工作流实战》:沉思 Lu 把播客后期做成一套 Skill:转写盘选题、粗剪、字幕、插图动画、封面导出,已迁移到 Codex 上独立产出一条 84 秒视频。附双人同框的三种呈现方案、降噪参数经验,以及可直接抄的 30-60 秒试剪提示词。
《国产 MG 动画新工具:代码写视频,支持深度编辑》:Fotor Agent 走「代码写视频」路线,大白话对话即可生成 MG 动画,交付的不是焊死的 MP4 而是可修改的视频工程:元素精修、多轨道时间轴、原生 4K 输出。适合高频更新的知识科普类自媒体。
《TapNow 语音指挥 AI 做视频全流程实测》:罗子马实测 TapNow:口述故事自动出提案和分镜,生成报错时 AI 自己做控制变量实验定位问题;Cinemap 搭 3D 白模、Monta 口嗨剪辑,全程不用打字。他的提醒也实在:模型厂随时可能吞噬应用层。
《MovieClaw:NAS 影音 Agent 新工具》:NAS 影音 Agent,一句话完成找片、下载、刮削全流程,接入 PT 站、下载器和 TMDB 刮削,支持订阅轮播热门影视。Docker 部署,内置几十个工具还能通过 MCP 开放给外部 Agent 调用。






