即刻App年轻人的同好社区
下载
给想动手的人一个建议。
别先买龙虾。先造缸。
最小起步配置：一个编排器 + 一个策略引擎 + 一个 trace 系统 + 一个 eval 数据集。
能 replay 每次执行，能定位每个错误，能回归每个版本。
做到这三点，你就已经超过 90% 的"Agent 项目"了。
一个好缸长什么样？
六个系统，对应六层 Harness：
水循环系统 = 编排层。 决定任务怎么流转。Martin Fowler 在他最近的文章里描述了三层循环："in the loop"是人亲自改代码，"on the loop"是人改 Harness 让代码变好，更高一层是让 agent 自己改进 Harness [1]。
水质过滤 = 策略层。 什么能做什么不能做。OpenAI 的实践是用自定义 linter 把修复说明直接写进报错信息——agent 违反架构边界时，错误信息本身就是教学 [6]。
增氧泵 = 工具层。 给 agent 能力。但不是越多越好。Phil Schmid 强调：更简单的 Harness 往往优于更复杂的脚手架 [3]。
温控器 = 记忆层。 Harness 的记忆需要分成工作上下文、会话状态、长期记忆三层，跨越单个 context window 持续存在。
水质检测仪 = 校验层。 输出对不对？格式合规吗？LangChain 的实验里，加入自验证循环是跳分最关键的一步——agent 说"我做完了"之前，强制过一遍检查清单 [4]。
监控摄像头 = 观测层。 全链路 trace。LangChain 用 LangSmith 做 trace 分析，发现问题范围从推理错误到指令遵循失败都有——没有 trace 根本无法定位 [4]。

别先买龙虾。先造缸。
最小起步配置：一个编排器 + 一个策略引擎 + 一个 trace 系统 + 一个 eval 数据集。
能 replay 每次执行，能定位每个错误，能回归每个版本。
做到这三点，你就已经超过 90% 的"Agent 项目"了。
一个好缸长什么样？
六个系统，对应六层 Harness：
水循环系统 = 编排层。 决定任务怎么流转。Martin Fowler 在他最近的文章里描述了三层循环："in the loop"是人亲自改代码，"on the loop"是人改 Harness 让代码变好，更高一层是让 agent 自己改进 Harness [1]。
水质过滤 = 策略层。 什么能做什么不能做。OpenAI 的实践是用自定义 linter 把修复说明直接写进报错信息——agent 违反架构边界时，错误信息本身就是教学 [6]。
增氧泵 = 工具层。 给 agent 能力。但不是越多越好。Phil Schmid 强调：更简单的 Harness 往往优于更复杂的脚手架 [3]。
温控器 = 记忆层。 Harness 的记忆需要分成工作上下文、会话状态、长期记忆三层，跨越单个 context window 持续存在。
水质检测仪 = 校验层。 输出对不对？格式合规吗？LangChain 的实验里，加入自验证循环是跳分最关键的一步——agent 说"我做完了"之前，强制过一遍检查清单 [4]。
监控摄像头 = 观测层。 全链路 trace。LangChain 用 LangSmith 做 trace 分析，发现问题范围从推理错误到指令遵循失败都有——没有 trace 根本无法定位 [4]。

1 00
这几年太多人追捧马斯克，把他的成功归结于天才般的智力，但他核心的优势从来不是聪明，而是不被“事情一直以来的做法”所限制的系统重构能力。这也是为什么全球顶级家族办公室都在反复研究他——要不要投SpaceX或其生态，表面是赛道选择，本质是对一种思维方式的押注。
马斯克的系统重构能力，拆解为四个层层递进的核心思维：
第一，挑战默认假设。这是所有颠覆的起点。绝大多数人思考问题，都是从“别人都是怎么做的”出发，而马斯克永远先问“这件事为什么必须这么做”。所有人都默认火箭是一次性消耗品，他偏要做可回收火箭；所有人都认为AI应该闭源商业化，他偏要成立xAI挑战OpenAI的垄断地位。他从不接受行业的“潜规则”和“既定事实”，在他眼里，没有什么是不能被质疑的。
第二，删除与简化。一旦推翻了默认假设，接下来就是无情的减法。SpaceX的猎鹰火箭，删掉了传统火箭上90%不必要的零件；特斯拉的工厂，砍掉了所有冗余的流程和管理层级。马斯克的哲学是：任何没有被证明绝对必要的东西，都应该被删除。很多时候，最复杂的问题，最简单的解决方案反而最有效。
第三，第一性原理思维。这是马斯克最广为人知，也最被误解的思维方式。第一性原理不是从类比出发，而是回归事物的本质。计算火箭的成本，他不看市场上火箭卖多少钱，而是拆解到铝、钛、碳纤维这些原材料的价格，然后问“我们能不能用这个价格造出来”。正是这种思维，让SpaceX把航天发射成本降到了传统航天的十分之一，彻底改写了整个行业的游戏规则。
第四，把工程哲学运用到组织结构。这是最容易被忽略，也最关键的一点。马斯克不仅重构产品，更重构组织。他把公司当成一个巨大的工程系统来设计，没有复杂的汇报层级，没有冗长的会议，信息直接传递，决策快速执行。任何阻碍效率的组织架构，任何只会开会不做事的管理者，都会被他毫不犹豫地清除。
这四种能力叠加在一起，形成了一种可怕的结构性效率。别人还在优化现有系统的某个环节，他已经把整个系统推倒重建了。这就是为什么他能在航天、汽车、能源、AI这些完全不同的领域，都能做到颠覆式创新。
这也给所有硬科技投资人上了最重要的一课。硬科技投资的胜负，从来不在估值模型里，也不在财务报表里。而在于你投的团队，是否具备这三种核心能力：降低复杂度的能力、提高资本效率的能力、以及追求工程极限的思维。
这是一场长期博弈。短期的估值波动不重要，短期的技术领先也不重要。重要的是，这个团队有没有像马斯克一样，敢于挑战一切默认规则，敢于从零开始重构整个行业的勇气和能力。这才是硬科技时代，真正值得长期押注的核心资产。
马斯克的系统重构能力，拆解为四个层层递进的核心思维：
第一，挑战默认假设。这是所有颠覆的起点。绝大多数人思考问题，都是从“别人都是怎么做的”出发，而马斯克永远先问“这件事为什么必须这么做”。所有人都默认火箭是一次性消耗品，他偏要做可回收火箭；所有人都认为AI应该闭源商业化，他偏要成立xAI挑战OpenAI的垄断地位。他从不接受行业的“潜规则”和“既定事实”，在他眼里，没有什么是不能被质疑的。
第二，删除与简化。一旦推翻了默认假设，接下来就是无情的减法。SpaceX的猎鹰火箭，删掉了传统火箭上90%不必要的零件；特斯拉的工厂，砍掉了所有冗余的流程和管理层级。马斯克的哲学是：任何没有被证明绝对必要的东西，都应该被删除。很多时候，最复杂的问题，最简单的解决方案反而最有效。
第三，第一性原理思维。这是马斯克最广为人知，也最被误解的思维方式。第一性原理不是从类比出发，而是回归事物的本质。计算火箭的成本，他不看市场上火箭卖多少钱，而是拆解到铝、钛、碳纤维这些原材料的价格，然后问“我们能不能用这个价格造出来”。正是这种思维，让SpaceX把航天发射成本降到了传统航天的十分之一，彻底改写了整个行业的游戏规则。
第四，把工程哲学运用到组织结构。这是最容易被忽略，也最关键的一点。马斯克不仅重构产品，更重构组织。他把公司当成一个巨大的工程系统来设计，没有复杂的汇报层级，没有冗长的会议，信息直接传递，决策快速执行。任何阻碍效率的组织架构，任何只会开会不做事的管理者，都会被他毫不犹豫地清除。
这四种能力叠加在一起，形成了一种可怕的结构性效率。别人还在优化现有系统的某个环节，他已经把整个系统推倒重建了。这就是为什么他能在航天、汽车、能源、AI这些完全不同的领域，都能做到颠覆式创新。
这也给所有硬科技投资人上了最重要的一课。硬科技投资的胜负，从来不在估值模型里，也不在财务报表里。而在于你投的团队，是否具备这三种核心能力：降低复杂度的能力、提高资本效率的能力、以及追求工程极限的思维。
这是一场长期博弈。短期的估值波动不重要，短期的技术领先也不重要。重要的是，这个团队有没有像马斯克一样，敢于挑战一切默认规则，敢于从零开始重构整个行业的勇气和能力。这才是硬科技时代，真正值得长期押注的核心资产。
0 00
AI时代创业与投资的五大壁垒（千字精简版）
AI正在彻底改写商业世界的底层规则。过去被奉为圭臬的核心竞争力——写代码、做模型、数据分析、信息不对称、行业know-how，如今正在以肉眼可见的速度贬值。其根本原因只有一个：AI让能力的获取成本无限趋近于0。
过去，“会做”就是稀缺价值。一个优秀的程序员、一个资深的行业专家，本身就是企业的护城河。但今天，AI可以在几秒钟内完成过去需要一个团队几周才能完成的工作。执行层面的差距被无限抹平，“会做”不再值钱，真正值钱的是“做什么”和“为什么做”。这是AI时代最核心的价值转移，也是所有创业者和投资人必须理解的底层逻辑。
在这个新的时代，真正的壁垒只剩下以下五个：
第一是判断力。AI可以给你100个看似完美的答案，但它永远不会帮你承担选择的后果。在信息爆炸、不确定性激增的今天，能够在海量选项中做出正确决策、敢于承担风险、对最终结果负责的能力，是AI永远无法替代的。很多人误以为AI会取代决策者，但事实恰恰相反，AI让决策者的价值变得前所未有的重要。
第二是问题定义能力。绝大多数人混淆了解决问题和定义问题。AI是有史以来最好的问题解决者，但它完全不知道什么问题值得解决。真正的创新，从来不是把已知的事情做得更好，而是发现别人没有看到的问题。能够提出正确的问题、定义真实的需求、找到隐藏的痛点，这种能力比任何技术都更稀缺。
第三是数据与分发权。AI无法凭空创造数据，也无法凭空获得用户。高质量、场景化、独家的真实数据，以及触达用户、掌控流量入口的分发能力，依然是最坚固的护城河。现在的投资环境已经清晰地表明，任何一个创业项目，如果不能在数据和分发这两头占一头，就几乎没有长期生存的可能。
第四是复利型信任。AI可以生成任何内容，但它无法建立人与人之间的信任关系。尤其是在投资、家族办公室、医疗、教育等高客单价、高决策成本的行业，信任是可以沉淀、可以复利、可以传承的最宝贵资产。用户可能会看AI写的文章，但他们最终会把钱交给自己信任的人。
第五是叙事能力。这是最被低估的核心壁垒。商业的本质是价值交换，而价值在很大程度上是被定义出来的。黄仁勋每一次GTC演讲，本质上都是在定义整个行业的未来。能够构建一个令人信服的故事、传递一个激动人心的愿景、让别人理解并愿意为你的选择买单，这种能力决定了一个企业能走多远。
AI时代的终极分化，从来不是“会不会用AI”。AI只是一个杠杆，它只会放大你本来就有的东西。真正的分化在于，你有没有属于自己的“放大器”。
说到底，AI时代最大的壁垒从来不是技术，也不是数据。而是两件事：你有没有资格做选择，以及别人愿不愿意为你的选择买单。未来的竞争，不再是执行能力的竞争，而是人类独有能力的竞争。
AI正在彻底改写商业世界的底层规则。过去被奉为圭臬的核心竞争力——写代码、做模型、数据分析、信息不对称、行业know-how，如今正在以肉眼可见的速度贬值。其根本原因只有一个：AI让能力的获取成本无限趋近于0。
过去，“会做”就是稀缺价值。一个优秀的程序员、一个资深的行业专家，本身就是企业的护城河。但今天，AI可以在几秒钟内完成过去需要一个团队几周才能完成的工作。执行层面的差距被无限抹平，“会做”不再值钱，真正值钱的是“做什么”和“为什么做”。这是AI时代最核心的价值转移，也是所有创业者和投资人必须理解的底层逻辑。
在这个新的时代，真正的壁垒只剩下以下五个：
第一是判断力。AI可以给你100个看似完美的答案，但它永远不会帮你承担选择的后果。在信息爆炸、不确定性激增的今天，能够在海量选项中做出正确决策、敢于承担风险、对最终结果负责的能力，是AI永远无法替代的。很多人误以为AI会取代决策者，但事实恰恰相反，AI让决策者的价值变得前所未有的重要。
第二是问题定义能力。绝大多数人混淆了解决问题和定义问题。AI是有史以来最好的问题解决者，但它完全不知道什么问题值得解决。真正的创新，从来不是把已知的事情做得更好，而是发现别人没有看到的问题。能够提出正确的问题、定义真实的需求、找到隐藏的痛点，这种能力比任何技术都更稀缺。
第三是数据与分发权。AI无法凭空创造数据，也无法凭空获得用户。高质量、场景化、独家的真实数据，以及触达用户、掌控流量入口的分发能力，依然是最坚固的护城河。现在的投资环境已经清晰地表明，任何一个创业项目，如果不能在数据和分发这两头占一头，就几乎没有长期生存的可能。
第四是复利型信任。AI可以生成任何内容，但它无法建立人与人之间的信任关系。尤其是在投资、家族办公室、医疗、教育等高客单价、高决策成本的行业，信任是可以沉淀、可以复利、可以传承的最宝贵资产。用户可能会看AI写的文章，但他们最终会把钱交给自己信任的人。
第五是叙事能力。这是最被低估的核心壁垒。商业的本质是价值交换，而价值在很大程度上是被定义出来的。黄仁勋每一次GTC演讲，本质上都是在定义整个行业的未来。能够构建一个令人信服的故事、传递一个激动人心的愿景、让别人理解并愿意为你的选择买单，这种能力决定了一个企业能走多远。
AI时代的终极分化，从来不是“会不会用AI”。AI只是一个杠杆，它只会放大你本来就有的东西。真正的分化在于，你有没有属于自己的“放大器”。
说到底，AI时代最大的壁垒从来不是技术，也不是数据。而是两件事：你有没有资格做选择，以及别人愿不愿意为你的选择买单。未来的竞争，不再是执行能力的竞争，而是人类独有能力的竞争。
1 03
今天Anthropic官宣年化收入达到300亿美金。这个数字，超过OpenAI今年2月底公布的250亿——当时Anthropic的数据是190亿。短短一个月，Anthropic年化收入涨了一百多亿美金。
Anthropic增长负责人Amol Avisari分享的一个细节很传神：他们公司内部现在已经没有人看线性图表。因为收入增长太快，线性坐标根本画不出这条曲线，所有数据必须切到对数坐标才能正常显示。
Amol在2024年靠一封cold email加入公司，当时Anthropic甚至还没开始招增长PM。就这样，他成了A家第一批增长PM，从几亿收入的阶段一路见证到现在。
Amol最近上了一期播客，聊了很多内部视角的东西。挑了几个有意思的点记录如下：
1️⃣ CEO Dario 一直在推更激进的目标
Amol加入的第二周，公司正规划2025年收入目标，当时有基本版和激进版两个数字。Anthropic CEO Dari一直在推激进版。当时大家都慌了，说怎么可能达到？但Dario说，我认为我们能走得更高。后来那个目标真达成了。
2️⃣增长哲学
常规增长团队的逻辑是：把大部分精力放在中小型优化上，可预期、可量化、风险低。但A家的增长团队把这个比例反了过来，把更多精力押在大赌注上。
逻辑是：如果一个产品两年后可能值今天的一百倍，那就不能把有限的注意力耗在捡芝麻上。Agentic Coding就是例子，一年半前这个市场几乎不存在，现在规模已经超过此前整个 AI 编程工具市场的总和。这种机会不是靠AB test找到，是靠押注。
3️⃣激活用户：正确的阻力反而提升转化
AI产品有个普遍问题：模型越来越强，但用户不知道怎么用。
Amol的应对思路是：重视新手引导，并且不要把所有上手门槛一刀切删掉。增加正确的产品使用步骤，虽然会让用户觉得流程有点长，但最终会让转化率更高。
4️⃣用Claude自动化增长
增长团队在跑一个内部项目，用Claude来自动化整个实验循环：识别机会、构建功能、测试上线、分析结果。目前的水平更像一个工作两三年的初级PM。
最后Amol说在Anthropic做增长是他人生中最难的工作。因为所有事情都在向上增长，但每天都在救火，他管这个叫"成功灾难”。只能说是幸福烦恼了😂
Anthropic增长负责人Amol Avisari分享的一个细节很传神：他们公司内部现在已经没有人看线性图表。因为收入增长太快，线性坐标根本画不出这条曲线，所有数据必须切到对数坐标才能正常显示。
Amol在2024年靠一封cold email加入公司，当时Anthropic甚至还没开始招增长PM。就这样，他成了A家第一批增长PM，从几亿收入的阶段一路见证到现在。
Amol最近上了一期播客，聊了很多内部视角的东西。挑了几个有意思的点记录如下：
1️⃣ CEO Dario 一直在推更激进的目标
Amol加入的第二周，公司正规划2025年收入目标，当时有基本版和激进版两个数字。Anthropic CEO Dari一直在推激进版。当时大家都慌了，说怎么可能达到？但Dario说，我认为我们能走得更高。后来那个目标真达成了。
2️⃣增长哲学
常规增长团队的逻辑是：把大部分精力放在中小型优化上，可预期、可量化、风险低。但A家的增长团队把这个比例反了过来，把更多精力押在大赌注上。
逻辑是：如果一个产品两年后可能值今天的一百倍，那就不能把有限的注意力耗在捡芝麻上。Agentic Coding就是例子，一年半前这个市场几乎不存在，现在规模已经超过此前整个 AI 编程工具市场的总和。这种机会不是靠AB test找到，是靠押注。
3️⃣激活用户：正确的阻力反而提升转化
AI产品有个普遍问题：模型越来越强，但用户不知道怎么用。
Amol的应对思路是：重视新手引导，并且不要把所有上手门槛一刀切删掉。增加正确的产品使用步骤，虽然会让用户觉得流程有点长，但最终会让转化率更高。
4️⃣用Claude自动化增长
增长团队在跑一个内部项目，用Claude来自动化整个实验循环：识别机会、构建功能、测试上线、分析结果。目前的水平更像一个工作两三年的初级PM。
最后Amol说在Anthropic做增长是他人生中最难的工作。因为所有事情都在向上增长，但每天都在救火，他管这个叫"成功灾难”。只能说是幸福烦恼了😂
0 00
SaaS行业的商业模式，正在迎来一场根本性的范式革命——它的演进方向，早已不是功能的叠加、效率的提升，而是AI staff augmentation（AI员工增强）。 传统SaaS卖给你的，是一套需要人去学习、去操作、去适配的工具；而新一代的AI原生SaaS，给你的是一个永不请假、响应无延迟、边际成本趋近于零的数字员工。
它们真正在构建的，是人类有史以来第一个真正意义上的数字员工操作系统。这套系统不再是冰冷的功能集合，而是拥有完整的能力与人格闭环：有长期可沉淀的专属记忆、清晰可控的权限体系、可共情可交互的情感接口、可规划可落地的自主行动能力，以及一套无缝协同的多Agent协作网络。 过去几年，我们反复追问一个问题：AI会不会取代人类的工作？
而今天，开源的代码、落地的产品、跑通的商业闭环，早已把答案写得明明白白。 KAIROS 永不停歇地完成执行层任务，BUDDY 用共情能力建立深度的情感与信任联结，Coordinator 像真正的管理者一样统筹团队、拆解目标、把控进度。数字员工的分工与协作，已经形成了完整的商业闭环。
所以，真正值得我们停下来思考的，从来不是「会不会被取代」。
而是那个终极的选择题： 你打算成为那个设计harness、制定规则、驾驭AI体系的人，还是成为那个被harness管理、被体系裹挟、被动适应的人？
它们真正在构建的，是人类有史以来第一个真正意义上的数字员工操作系统。这套系统不再是冰冷的功能集合，而是拥有完整的能力与人格闭环：有长期可沉淀的专属记忆、清晰可控的权限体系、可共情可交互的情感接口、可规划可落地的自主行动能力，以及一套无缝协同的多Agent协作网络。 过去几年，我们反复追问一个问题：AI会不会取代人类的工作？
而今天，开源的代码、落地的产品、跑通的商业闭环，早已把答案写得明明白白。 KAIROS 永不停歇地完成执行层任务，BUDDY 用共情能力建立深度的情感与信任联结，Coordinator 像真正的管理者一样统筹团队、拆解目标、把控进度。数字员工的分工与协作，已经形成了完整的商业闭环。
所以，真正值得我们停下来思考的，从来不是「会不会被取代」。
而是那个终极的选择题： 你打算成为那个设计harness、制定规则、驾驭AI体系的人，还是成为那个被harness管理、被体系裹挟、被动适应的人？
0 00
创业核心心法
1. 创业本质：多思考客户要什么，而非技术有多酷。
2. 技术逻辑：坚守第一性原理，不依赖外部变量；以最小成本实现最大价值，整合成熟技术适配场景，不盲目追前沿算法。
3. 产品准则：深度锚定客户需求，做低改造、高价值的落地型产品。
4. 生存法则：小公司务实为本，不与大厂拼资源；重实干轻背景，打造高凝聚力稳定团队。
5. 硬件关键：吃透供应链，依托中国制造业优势，筑牢创业根基。
1. 创业本质：多思考客户要什么，而非技术有多酷。
2. 技术逻辑：坚守第一性原理，不依赖外部变量；以最小成本实现最大价值，整合成熟技术适配场景，不盲目追前沿算法。
3. 产品准则：深度锚定客户需求，做低改造、高价值的落地型产品。
4. 生存法则：小公司务实为本，不与大厂拼资源；重实干轻背景，打造高凝聚力稳定团队。
5. 硬件关键：吃透供应链，依托中国制造业优势，筑牢创业根基。
1 00
a16z创始人Marc Andreessen谈AI的本质：AI让这个领域的人同时变得过度乌托邦和过度末日论。但实际发生的是——大量技术进步在几十年间不断积累。神经网络是正确的架构，这个结论争议了60-70年。今天我们构建的一切都源自1943年的原始想法。ChatGPT、o1、Claude这些看似一夜之间的颠覆性成功，背后是80年的思想源泉。有些AI研究者穷尽一生，拿到博士、研究40年、退休、去世——却从未亲眼见到它运作。
0 00
25岁，羡慕老天爷喂饭的天选之子，总觉得天赋和运气是捷径。
30岁，开始欣赏那些把烂牌打成好牌的人，懂得努力比运气更靠谱。
35岁，终于明白：拿牺牲身体换的时间和金钱，最终都要加倍偿还。牌好牌坏早已无所谓，能稳稳留在牌桌上才是本事。于是养生、锻炼、不结怨，守住情绪与身体的低波动，事业、关系、生命，皆以长寿快乐为终极追求。
30岁，开始欣赏那些把烂牌打成好牌的人，懂得努力比运气更靠谱。
35岁，终于明白：拿牺牲身体换的时间和金钱，最终都要加倍偿还。牌好牌坏早已无所谓，能稳稳留在牌桌上才是本事。于是养生、锻炼、不结怨，守住情绪与身体的低波动，事业、关系、生命，皆以长寿快乐为终极追求。
0 00
Karpathy：AI正在从"工具"变"员工"
Karpathy观点：AI正在从协作（Co-intelligence）进化到管理（Managing AIs）。过去是人类与AI对话完成工作，未来是人类管理AI完成工作。这是全新的工作方式，人类角色从执行者转变为管理者。
Karpathy观点：AI正在从协作（Co-intelligence）进化到管理（Managing AIs）。过去是人类与AI对话完成工作，未来是人类管理AI完成工作。这是全新的工作方式，人类角色从执行者转变为管理者。
0 00
