开源我的 AI 实践知识库，看到就是赚到。

这也是 AI-PAC 社群沉淀的内容，持续更新我在工作流、Agent、Coding 领域的实践和思考，以及收录的优质内容和开源项目。👇

ai.feishu.cn

clawdbot 创始人Peter Steinberger 最新播客听了两遍，总结他的 12 个观点

1、AI 让代码提交最多一天 600 次。Peter 说他现在不再阅读大部分代码了，写出的代码却比以前更好，用户根本不会看代码。

2、循环是 AI 编码的质量提升关键。AI 之所以擅长编码但在写作上表现一般，是因为代码可以验证——你可以编译、lint、执行、检查输出。如果你正确设计系统，就有了完美的循环，让系统自迭代。

3、Code Reviews 已死，PR 应该叫 PromptRequests。他对 prompts 的兴趣比代码更大，因为 prompts 给的信号更高，如果有人想要一个功能，他让用户写好 prompt，功能也就会构建出来。

4、Codex 比 Claude Code 慢 10 倍，但几乎每次都对。Claude 会读三个文件然后就自信地开始创建代码，你必须引导它去读更多代码才减少错误。

5、MCP 最大的贡献是让公司重新思考开放更多 API。但模型真的很擅长用 bash。用 MCP 你不能过滤列表、不能链式调用、不能轻松构建脚本。用 CLI 可以用 jq 过滤出需要的东西。所以他建了 make-porter 把 MCP 转换成 CLI。

6、同时运行 5-10 个代理，像玩星际争霸。他设计一个新子系统，知道 Codex 需要 40 分钟构建，就移动到别的东西。这个在 cooking，那个在 cooking，然后回到这个。要保持心流状态，必须大规模并行化。

7、系统理解比语言能力更重要。他说"用 Go 做 CLI"——对 Go 一无所知。但有好的系统理解，就能发展出什么是对的什么是错的直觉。

8、心智负担比写代码更大。不写代码了，但脑力消耗更大，要同时管理多条并行工作线。

9、公司可能会精简到 30%。新世界需要有产品愿景的人，能够做所有事情，需要的人远少得多，但都是非常高能动性和高能力的人。这很可怕，经济上会导致一场灾难，很多人会在这个新世界里找不到位置。

10、AI 可以自己更新自己。你不用编辑配置，因为代理可以编辑它自己的配置。直接对 bot 说"update yourself"，它会 fetch 自己、更新自己、回来说"嘿，我有新功能了"。

11、技术消失是最终体验。你只是在手机上和一个朋友对话，这个朋友无限资源丰富，能访问你的邮件、日历、文件，可以建网站、做行政工作、爬网站、给商家打电话。你不用想配置或上下文，那都融化掉了。

12、新人要保持无限好奇。进入市场会更难，你需要构建东西来获得经验。不需要写很多代码，但要 checkout 复杂的开源项目然后学习。你有一个无限耐心的 AI 能学习一切。

周末又到了，要和我的 AI 工具们断联两天
从魔法世界回归到现实世界，做个麻瓜更精彩

做博主以来，我总结了一个「不要脸」定律
拍的视频被越多的人看到，就越不要脸
越不要脸就越不要脸
不要脸的人先享受世界

就在今天，我拥有了自己的"贾维斯"
总花费不超过 80 元，一个小时就配好了 moltbot
现在我在飞书里对话，让它完成 github 的项目

我用的腾讯云的 VPS，minimax 的包月套餐，连接飞书对话
腾讯云的教程简单全面，是我看过最好的，推荐
clawdbot 初始化：cloud.tencent.com
clawdbot 连接飞书：cloud.tencent.com

kimi 2.5 发布了，代码增强，审美提升

过去两年，各个模型厂商追追赶赶，一会儿 GPT 登顶，一会儿 Gemini 又成第一。

但国产模型奋力追赶的步伐一直没停，那个差距也在逐渐缩小。

虽然海外的模型还会增强，但这个时刻我们到了一个节点，

而且我相信今年我们会看到越来越多次这样的节点：

国产模型能力追平了海外顶级模型

每天和 AI 聊天，太上头了，人还变得更累了，这难道就是恋 AI 脑？

今天看到张月光上了张小珺的访谈。他是妙鸭相机的创造者，2023年刷屏的AI写真产品。更让人惊讶的是，妙鸭火了仅三个月，他就从阿里辞职，在日本京都鸭川边上坐了一夜，想清楚了人生决定。2024年初创立慕言之语，据说投资人在没有产品的情况下投了快3亿。

两年时间，他试错了一堆产品都没公开，直到最近才确定方向。这期播客的信息密度极高。我把全文精编出来，按主题重新组织，供大家学习。

几个核心观点

1. 妙鸭不是AI native：它是用互联网产品思维把AI技术发挥好的产品，本质是"有限自由度"的流程设计，不是真正的AI原生

2. 范式转变：AI native产品设计从"面向流程设计"变成"面向context设计"——你得先知道模型需要什么上下文，再倒推用户流程

3. 创业动机论：最好的创业理由只有两个——就想当老板（第一天就成功了）；或特别想让一件事发生（别人实现了也不算输）。想发财或证明自己的期望收益都很差

4. 十年原则：35岁到45岁，同一群人做同一件事。这个原则让所有附加条件（升职加薪）都不在讨论范围内

5. 妙鸭技术秘诀：不是单一模型更强，而是三个模型串行——一个负责"真"，一个负责"像"，一个负责"美"

6. AI陪伴三通病：用户门槛过高（需要极强想象力）、商业模式不好（收token费毛利差）、角色无法成长（没有变化就没有留存）

7. 游戏化解法：把AI陪伴做成游戏天然解决三个问题——UGC转PGC降门槛，游戏自带商业模式，PGC角色可以持续更新

8. IP跷跷板：越贵的IP需要更低频互动。王一博不会开直播随便聊天，那会破坏人设。AI陪伴可以做的是互动型idol，不是大明星

9. 新平台法则：Sora不会成为新抖音——它既没有新媒介也没有新交互。只有新媒介+新交互才能诞生新平台

10. ChatGPT终极模式：不是广告，而是长周期决策控制能力。短视频剥夺信息自主权，大模型可以剥夺自主决策权

11. 技能贬值论：专业技能正在降级化，人的广度、品味、多元性正在成为核心竞争力。人负责will，AI负责skill

12. 大厂不舒适区：内容/游戏产业是天然的大厂难做区域——两年上线的东西，和半年考核绩效的大厂管理机制本质矛盾

2025结束了,选了几张有回忆和美感的照片,作为存档点

P1 在罗湖曼哈顿视角,爬楼拍的延时,可惜阴天楼顶上不去
P2 元旦当日,在大棚和朋友环岛看烟花
P3 在香港荔枝窝徒步,偶遇从国外回家给废弃房屋贴对联的大叔

P4 在宝安 铁仔山看到的完美日落
P5 香港路边的公园，安静角落没想到站满了白鹤
P6 在新疆罗布泊自驾，魔鬼城上一个人静静坐在大沙堆上，不知道咋上去的

P7 深圳大鹏，很有范的老板站在店门口
P8 和朋友在大南山徒步，拍下他很满意的照片
P9 在川西卖水果的阿姨，有幸去她家里，给她拍了张她很喜欢的照片
P10 在川西，路边咖啡店，和年纪相仿的店主聊天，我们生活相似又不一样
P11 在惠州，和朋友露营，一个小孩从帐篷后面跑过去
P12 在深圳，和朋友准备去海钓，天气不是很好
剩下几张在小红书

AI 产品的核心区别：面向上下文设计的原则

今天在张小珺的播客里，
妙鸭相机创始人张月光说了个观点：
AI Native 产品是面向上下文的设计，传统产品是面向流程的设计。

传统产品设计一堆按钮、表单、页面跳转，
用户按流程完成任务，
设计师优化每个节点，提升体验，减少流失。

AI 产品不一样，
用户输入是自由的，自然语言有无数种说法，
输出是概率性的，LLM 本身是黑箱。

你没法控制用户点什么，
只能设计系统怎么理解和响应各种可能的输入。

LinkedIn CPO Tomer Cohen 的比喻很好：
你不再控制体验，你控制的是"食材"。
以前厨师控制每盘菜的每个细节，
现在你只提供最好的原料(模型)和烹饪指南(上下文案例)，

在用户引导功能上区别很明显。
传统新手引导是预设好的教学步骤，
点这里，下一步，完成，所有人走同一条路。
Airtable 就把默认交互改成和 AI 对话，
用户不用学怎么用，直接说想做什么。

Airtable 的 Lauryn Isford 分享过，
用户细分不再看年龄职业，
而是看他对上下文理解和应用的深浅。

用户反馈循环也变了。
传统产品靠访谈、问卷、A/B 测试，周期是周或月。
AI 产品对话本身就是实时反馈收集器，

用户每次输入、追问、重新提问都是即时反馈。
这个反馈环路让传统产品很难竞争。

从面向流程到面向上下文，
不只是加个聊天框，是产品和用户关系的根本转变。

AI 产品要关注是模型能力、用户意图、运行环境这些上下文要素，来控制输入输出的稳定。

在家里找到了一个新鲜的角落办公