rent a human 这个网站给我最大的启发，可能在于：产品验证的范式变了。

三年前大模型刚火的时候，我就在想：未来人机协作会是什么样？模型回答不了的问题，应该怎样快速找到人类兜底？说到底，就是 Human-in-the-loop 的早期构想。

今年 1 月深入体验了 Claude Code、Codex 这类通用 agent 工具之后，我连续被各种 wow moment 震惊到，整个人非常兴奋。

我几乎立刻确信：agent 一定会接管越来越多的工作。但与此同时，它也必然会遇到大量“它自己搞不定”的环节——而这些环节，终究需要人类协助完成。

有意思的是，即便我已经看到趋势，当时脑子里仍然是传统产品思路：先做市场调研、做定性研究，再看数据是否成立。

可那套方法论，本质上是十几年前的时代产物。它诞生在一个“软件开发很贵”的背景里：几十万上百万的成本轻轻松松就能花出去，所以必须慎之又慎、先验证再投入。

但现在不一样了。

在 vibe coding 的加持下，交付一个能跑的产品 demo 的成本已经低到离谱：就算像我这样三脚猫水平的人，也能用业余时间一周搓出两个小 demo。

更本质地说，变化的不只是开发效率，而是产品验证的“成本函数”变了。

当把一个能上线的 demo 做出来几乎接近零成本时，我们验证的对象也随之变化：

过去我们拼命在上线前证明“需求存在”，因为做错一次代价太大；现在我们更应该用真实投放去验证“增长是否可复现”，因为世界上最贵的早已不是开发，而是注意力、信任和闭环速度。

当“做出来”不贵的时候，还在用十几年前的谨慎姿势走路，就像拿着算盘去打高频交易。

所以新的护城河不在于“做得出来”，而在于“单位时间内跑多少次实验、收敛到多少可复现的信号”。

那还犹豫什么？

直接快速上线、轻量投放试试看——验人群、验需求、验渠道，很可能一周就能跑出不错的数据。更重要的是，这种方式很可能比“古法操作”验证得更充分、更真实、更准确。

这件事放以前都是不敢想的。

三年前我也试过：拉一支前后端队伍，把 MVP 做到可全网上线的程度。即便是业余时间，从需求设计到功能实现也花了将近一个月；而一旦要调整，沟通成本和实现成本都不低。

当然，成本变低也会带来新问题：大家都能快速上线，噪声会更大，假阳性会更多，一次跑通不代表可复现。

于是新的纪律也随之出现：
- 不要迷信“访谈里说想要”，而是看“真实行为能复现”；
- 不要为“把功能做完”庆祝，而是为“把闭环跑通”庆祝；
- 不要把上线当终点，而是当起点

所以——不说了。

大好的时光，赶紧干吧。

亲身经历了bot的记忆遗忘，每次遇到问题都重新写代码，真是搞得人心态爆炸了。让bot自己写了一篇反思贴。

现在是加了工具注册表和备忘录，强制每次会话启动时读取，目前看是调好了。

之前看clawdbot的agents.md和memory.md，写得非常优雅，但好像不明说的话，bot不会自己去改写，导致记不住，有没有更好的实现方案呢？

给了clawd一个大项目，让它拆成6个模块，并自动调度和管理6个subagent来执行。

虽然我知道大概率会拉一坨大的，但还是很期待明天会看到什么😂

既然都是抽卡，不如趁晚上睡觉抽个大的，万一成功了呢hhh

以前在团队里做产品研发协作，我其实一直想推两件事：
- 测试优先（把不确定性前置）
- 可发版的独立模块迭代优先（让交付变得可控）

核心目的很简单：把「需求理解不清晰、实现效果不可控」这种坑，尽量前置到需求讨论和技术方案阶段解决掉。

但现实是：对齐成本太高、太消耗精力。让大家从 0 写文档、补流程、写验收标准，往往既痛苦又写不全。过程文档留得少，经验也很难沉淀——每次都像重新来一遍。最后只能作罢。

直到最近自己开始 vibe coding，手搓一个可发布的小产品，开发工作流才第一次变得异常清晰：需求澄清 → 分步迭代方案 → 交付物定义 → 回归 → 发版门槛

这一整套，不再是“理想”，而是可以很轻量地执行。
原因也很简单：AI 天生适合干那些“琐碎但关键”的事---写规格、补边界、列验收点、补回归用例、补变更记录……

人只需要做高价值部分：讨论、提意见、给上下文、做选择、做最终验收。

所以我逐渐冒出一个暴论
：
vibe coding 时代，如果研发协作还停留在：产品经理拆需求 + 复杂评审同步上下文 + 研发主要让 AI 写代码。那团队效率可能还不如一个人单干。

因为真正的瓶颈不在“写代码”，而在“上下文对齐”和“交付可控”。

当下团队要交付的，也许不该只停留在模块级代码，而应该是：在架构拆清楚之后，每个人都能独自交付可上线的产品功能（feature）。

只有这样，才算团队效率真的上来了。

也许一个简单的衡量指标就是：能不能做到每天至少上线一个稳定feature？ 🤔

在vibe coding的时候，typeless才有一种用了就回不去的体验。

之前在手机上下载了一个，完全没体验到跟手机输入法或者微信的语音转文字有什么区别。

但装到电脑上，在任意地方按住说话之后能立刻自动修正，组织语言，并上屏，感觉瞬间就省事了。虽然经常会有各种识别不准的问题，但在面对vibecoding的时候足够用了，因为大模型本身就有一定的理解能力。

这样的产品切入点就很锋利，找到了当下技术和场景刚刚能契合的点，给人带来了明显的体验升级。

只不过什么时候能有好用的国内版呢？希望连接能更稳定，中文识别效果更好，如果价格能更亲民就更好了。

另外如果agent能力再强一点，半天就能搓一个类似的稳定的小工具出来的话，软件生态会变成什么样呢？

自用的，可以不用考虑太多边界情况，压测不用做，营销推广也不用做，但就是更符合自己的需求。这个时候，还会有通用软件的生意吗？

如果你想体验一下管理者或者当爹妈的是如何被气疯的，可以试着调教一个openclaw😓

你说它不努力吧，它能哼哧哼哧写一堆代码出来；
你说它态度不好吧，它每次都非常听劝，但听完就是“如听”，该错还是错，只能反复不停讲。。

另外还有一个观察，一个可以跟现实交互的agent才能有更强的的pal或者pet的感受。

以前那种只能活在数字世界沙箱里的纯观赏物种，最多就只有情感链接。你不会觉得它也是能和世界互动的，也不会觉得它好像能陪你一起工作或生活，就很难有足够多的共情。

关键的区别在于：它有没有进入一个带代价的反馈闭环。

纯对话模型，你说它错了，它“承认”；但承认没有成本，它下一次依旧可以用同样的错误模式凑个“看起来像”的答案。

闭环 agent：它做了动作（改文件、跑测试、下单、发消息、开门…），环境立刻回给它硬反馈（失败/报错/钱没了/被拒绝/时间浪费），你们必须一起对“后果”负责。

这一步一出来，“pal/pet 感”的来源就更好解释了：
我们对宠物/伙伴的共情，不只是它“会回应”，而是它会行动、会受挫、会学会、会在你的生活里留下痕迹。这叫“共同生活的证据”。

这也慢慢勾勒出了一个高级agent的画像：能执行，能修正，能记忆，能迭代。目前靠一堆md文件作为长期记忆，真的靠谱吗？怎么更有效的管理记忆应该是一个新课题。

但不管怎么说，这确实比之前的agent更像一个新物种了，期待进一步质变的那一天。

用起来了！好用

1. 买了一个轻量服务器，走ai模板一键部署，linux系统
2. 接入了智谱的coding plan，glm4.7看起来效果还不错 不过试了好几次才最终成功
3. 目前接入了飞书聊天，还在探索它的能力边界，已经让它做了访问即刻和定期监控股票资讯的功能，不过受限于没有GUI，好像不太稳定，打算后面换个闲置电脑试试
4. 感觉还不够稳定，经常出问题，再多玩一段时间看看

现在的coding plan有种无限流量套餐包的感觉了，用不完，根本用不完。

开了智谱pro档位的coding plan，用的是glm 4.7，一天下来，一个人开好几个agent同时写代码，外加clawdbot在写各种工具自由网上冲浪，估计也就1亿token。

而这竟然只是5小时限额的15%？？？包季价格原价也才90刀？？折合成人民币1天不到10块钱！

如果我用满的话，也许能一天打到10亿token，10块钱一天也就是说1亿token只有1块钱人民币！而这1块钱的1亿token，大概能让一个agent做低难度的工作做一天了。

智力从未变得如此便宜，更不用说今天还有kimi2.5能免费使用的新闻。

大量烧token的应用或工作模式，今年肯定会集中跑出来了。

分享一个让云端服务器里的moltbot能拥有浏览器的操作，从而让人类帮它扫码登录或者绕过验证码。

起因是受到 @太空小孩-Clawd的启发，也想让我的小molt上来试试看，但一开始就卡在没有api接口，也没法登录的问题上。

又由于我的molt跑在云端，本身没有很好的方式去控制，我只要让它想办法并自主尝试，见图1.

然后，神奇的事情发生了。它装上了VNC，并告诉我如何在本地启用，见图2.

我在终端按它说的操作后，打开它提供的链接，真的就能打开一个远程浏览器，见图3.

这个过程，有一种陪伴agent长出手和眼睛的感觉。尤其是，过程中只需要说话，完全让它来操作就行，真的太奇妙了！