上条帖子直接用ChatGPT 生成地图发现不行，它很难把复杂的地理位置信息绘制准确。干脆用Codex 绘制了一张，因为直接在网上获取的地理位置信息，实际效果就准确多了。我主要是想看看泃河和金海湖之间的关系。

让ChatGPT 画个金海湖的水流向地图，泃字可难住了它。

Andrej Karpathy 最新的视频，我看了两三遍。比较认同的一个观点是：Vibe Coding 可以提升下限，而Agentic Engineering 可以提升上限。这两个概念都是他创建的，最近我的思考是有了AI Coding 实现一些初级的软件更容易了，但是要实现高质量的软件产品，依旧需要卓越的设计和工程能力，这是工程师们的晋级方向。

比较受启发的一个观点是：他引用了别人的一句话（看第一遍时以为是他说的，心想这人怎么这么擅长创造金句），你可以外包你的思考（Thinking），但无法外包你的理解（Understanding）。他这里所说的思考是指一些信息收集、信息处理的工作。但真正做些一些事情，是需要很深的理解这到底是什么，为什么会这样，在这个基础上，才能做出好的设计。

原始视频：youtu.be

更正：其实降下来 -> 其实降不下来

Coding Agent 能力越来越强，许多个性化的需求都可以可以实现，这里还是有个成本和质量的问题，许多任务这么做下来还是不划算，最终还是要回归到生意模型是否成立。你不能有个小感冒，也上一套个性化诊疗方案，还是不如标准的感冒药片来的划算。

最顶级模型的价格其实降下来，人对智力的追求是没有止境的。一些任务尽管用较低级模型也能实现，但消耗的成本并不一定低，交付物可能只有60-70分。最终还是要回答一个问题，这是不是最高性价比的解决方案？

现在结合成本和标准化程度，大致可以分成四个实现层次：第一层是用Coding Agent 高度感性化解决，这块成本最高，且许多时候对使用者的驾驭能力要求比较高；第二层是通过固化Skill 来提升质量和降低token 消耗；第三层是固化为Agent ，也就是进一步降低token 消耗和保证质量；第四层是固化为软件，这里的软件可能一部分不带有智力的，也就是传统软件的工作，还有一部分是带有智力的，也就是Agent 软件。

尽管传统软件在整个大的需求满足地图的占比减少，但重新定位软件工程的话，是要将这四个层次都要覆盖，形成不同的解决方案。

儿子想让我给他做个APP 商店可以下载的游戏，我就用codex 改写了一下之前做的井字棋网页版，改为iOS APP，注册开发者账号时发现要688元一年，拉倒了。

直接用开发者模式装手机上，期间要各种设置，一步步截图给codex 指导如何操作，顺利完成。

这个井字棋有趣的地方是每方最多放三颗，前面的会自动消失，操作时要记着下子的顺序，多了点趣味性。

不可思议，ChatGPT 的图片生成，基本把中文显示问题给攻克了。过去一段时间用Nano Banana 生图，尽量都只生成英文的。现在这两天用ChatGPT 的生图功能，一些架构图之类的，中文都能比较好的显示，偶尔有些显示问题，也可以通过交互修改对。

对，对于这次共创的客户，直接探索按效果付费。 //@杰森.Jason: 懂了，对于神策商业模式还是ToB （企业付费）， 然后提供给B的服务是直接帮他们运营C端 👍

我们等于托管了增长伙伴的用户运营，就像游戏发行方一样 //@杰森.Jason: 好奇 怎么理解这个ToC？ 之前埋点采集的已经是C端数据啦

深耕 ToB 软件服务 11 年后，我们决定亲自下场，尝试在 ToC 场景中做一些新的探索。