即刻App年轻人的同好社区
下载
App内打开
技术人说
207关注1k被关注1夸夸
技术人说
17天前
#模型时代# Dan Koe:2027 年最赚钱的 AI 生意

作者:Dan Koe(thedankoe)
原文链接:x.com/thedankoe/status/2117664712532123680

说明:以下为按原文结构撰写的中文整理,非全文翻译。然后长文带货水平很高。

引子:抢到注意力,才谈得上赚钱

我一直认为,最能赚钱的本事是抓住别人的注意力。

道理很简单:软件做得再好,书写了三年,自我提升再努力,如果没人知道你是谁、能提供什么,别人就没机会付钱给你。所以不管你做什么工作、开什么公司,能不能吸引注意力、拉来客户,基本决定了成败。这件事对你自己的生意适用,对别人的生意也一样,而且别人愿意花大价钱请你替他们做。

工作越来越不稳定,摆在大家面前的大概有三条路:抱怨世道不公,然后什么都不做;重新学习技能,去找更好的工作;动手做自己一直想做的生意。我相信会有非常多的人选第三条,而他们做生意的方式,就是社交媒体上人人都在喊的个人品牌,也就是以你这个人为招牌,持续公开发内容来积累信任和受众。

为什么是个人品牌?因为注意力总量有限,而且越来越稀缺。钱花了还能再挣,注意力花出去就收不回来了。

这封信里,我会教你怎么在社交媒体上把注意力抓住,学会了,至少未来几年你不用为赚钱发愁。你可以拿社交媒体给自己的生意引流,也可以给别的公司当"一人创意团队",靠这套本事收高价。

(整理者注:原文此处插了一段推广,作者与 Hussain Ibarra 合开 49 美元的长文写作工作坊,11 月 10 日开课。)

一、你要么成为创作者,要么花钱请创作者,要么被创作者雇用

这些数据已经大到没法忽视:

· 高盛预测,创作者经济会从 2023 年的 2,500 亿美元涨到 2027 年的 4,800 亿美元,几乎翻倍。

· 2025 年创作者拿到的广告收入约 1,850 亿美元,第一次超过传统媒体。

· 美国品牌花在创作者身上的钱,2021 年是 139 亿美元;美国互动广告局(IAB,一个网络广告行业组织)预计 2026 年会到 439 亿美元,五年涨到三倍左右。

我自己当过创作者,给创作者打过工,也花钱请过创作者,现在的报价在我看来高得离谱:大量风投资金涌进来,一条短视频或 YouTube 里 60 秒的口播位就要几千美元,九成时候还没效果。

我想说的是,注意力已经离开了电台、电视和新闻,跑到了社交媒体上。不管你想围绕自己的兴趣做一门小而美的生意,还是想做下一家独角兽,发内容几乎已经是吸引付费受众的标配。公司想扩张,会往联盟推广和合作推广里砸几百万美元,也就是请别人帮忙推广、按效果或合作分成。我一直刷到 Hormozi 的广告,说他们每个月付给创作者一百多万美元来推广 Skool(Hormozi 投资的社群平台);何况 Hormozi 本人就是创作者,这对 Skool 的增长帮助巨大。

创业圈现在流行"创始人主导的营销",说白了就是创始人亲自做个人品牌、发内容给公司带流量。顺便说一句,大多数创始人这件事做得很差。

这对你意味着什么?不管你打算单干、已经有生意,还是想给别人打工,最值钱的技能都是抓住注意力。放到数字世界里,就是做内容,做好内容,别批量生产 AI 垃圾。

可惜,会抓注意力和真正抓住了注意力是两回事。一条推文或短视频爆到一百万播放,其他内容却只有一千播放,说明你的内容还凑合,品牌却等于不存在。两样都得有。大多数人每条都想爆,这也是大多数人惨败的原因。另一条路,是搭建一整个让人忍不住想逛下去的"内容世界"。下面我就教你怎么做。

二、一人创意团队

内容行业正在发生很大的转变。我创办的 Eden 能帮创作者和线上生意研究爆款选题、排期发布、卖数字产品、管理邮件列表。我提它是因为我们手里有别人很难拿到的数据,知道在几十亿条帖子里,哪些话题、开头钩子和风格是有效的。也有不少自由职业者和代理公司用它替客户经营个人品牌,从内容、邮件营销,到数字产品上线和搭建"漏斗"(把路人一步步转化成付费客户的流程)。

我们和这些内容代理公司、媒体团队聊下来,他们说的大致相同,我转述三种:

· 还没开始裁员,但每个人的产出都提高了,不加人也能多接很多活。

· 创作者和创始人请他们,是因为自己连想内容的时间都没有,要管团队、要经营公司。AI 能帮他们写,但他们知道仍然需要一个比自己更会用 AI 的策略师或创意总监,这件事仍然靠创意和思考。

· 一位从业者说:"AI 还写不出最好的帖子,我觉得它永远写不出来。"可 AI 能研究什么内容表现好、理解策略、起草出差不多能用的稿子。他现在的工作就是审稿改稿,每天从 12 个小时降到了 4 个小时。

在我看来,一个人能做的最赚钱的 AI 生意有两种形态。

第一种,做你自己的创意团队。经营个人品牌,积累受众,做数字产品,建邮件列表,全力投入这一件事。相信我,就算有 AI,这也是一份全职工作。如果你是创作者,大概也不会在没有团队的情况下去做软件。

第二种,做别人的创意团队。很多公司、创始人甚至创作者,没有足够的创作精力去做出别人替代不了的内容。大多数创始人发的还是"公告式"的内容,完全不懂在网上建立影响力需要什么。

换句话说,你要么做自己品牌的创意总监,要么做别人品牌的创意总监。

如果你做得成,收费只要一个完整团队成本的零头就已经很可观:服务一到三个客户,每月 1 万到 7.5 万美元并非遥不可及。前提是你真的擅长并且反复练习,别让脑子骗你说这又是一个快速暴富的机会。而那些往营销里砸几百万的老板,对这个价格眼睛都不会眨一下。

那么,这个一人创意团队长什么样,你要学哪些技能?我把它拆成三份工作:

工作一:品牌策略师。 负责定位和外界对你的印象。这个角色会第一个站出来反对盲目追热点、每条都想爆。增长和互动当然重要,但不能拿信任和权威去换。具体怎么做,我下面会讲。

工作二:内容策略师。 和品牌策略师是两回事。这个人负责侦察各个话题和细分领域里什么内容表现好,提议创作者下一条发什么。他们会深入研究帖子格式、YouTube 缩略图和标题的结构、完播情况和传播规律。这类人很会把账号做大,但如果不考虑品牌策略,创作者哪天停更了,也没人会问一句他去哪了。

工作三:内容写手兼社交媒体运营。 负责起草推文、YouTube 或短视频脚本、X 长文章、Substack 通讯,安排计划并发布出去。他们拿着内容策略师的选题、品牌策略师定的方向,确保内容和两者对得上。

从这里你大概就能看出,为什么大多数人用 AI 做不出任何长久的东西:他们仍把 AI 当暴富捷径,以为让 Claude 在没有方向、没有数据的情况下狂写脚本,就能神奇地和受众建立联系。几乎没人考虑品牌策略,有一部分人考虑内容策略,大多数人只是把随手想到的点子发出去,然后祈祷它能火。这就是你的竞争对手,想脱颖而出并不难。

三、如果你是我的客户,我会这样帮你打造不可替代的个人品牌

我们来玩点有意思的:我假装把你当客户来"入职"。你想自己当创作者,可以照着流程做;你想替别人做内容生意(比如代写推文、给品牌写 Substack 文章),这就是接客户进门的流程。后面我还会讲拿下第一个客户的好办法。

第一步:入职通话,梳理出客户的"思想签名"

我说的思想签名,指一个人独有的观点组合和表达方式,品牌和内容的独特性都从这里来。要做到这一点,你需要从客户那里拿到大量背景信息。

签下客户后,约一次通话专门采访他,把需要的东西都问出来。通话要录音,把文字记录存好,之后让 AI 随时调用。如果是给自己做,我准备了一份测试题加提示词,附带 30 天的创作者冲刺课程,会结合当下的爆款和你自身的特点帮你生成策略。你也可以把下面的问题贴给 Claude,让它一问一答把信息从你身上挖出来,整理成一份品牌文档,以后随时让 AI 参考。

这些问题每一个都能延伸出内容主题,够你发 6 到 12 个月。有人会问怎么在一条帖子里全讲清楚,答案是不用讲。这是长期的事,大多数人失败就是因为想速成,想很快拿到关注和权威。祝他们好运吧。

问题分九组,大意如下:

你帮助的是谁

· 你最想帮助的人是谁?具体描述一个真实的人。

· 他们现在糟糕的一天是什么样?

· 他们跟朋友抱怨时会怎么说?用他们的原话。

· 他们试过哪些没用的办法?

你的经历

· 你经历过哪些受众正在经历的事?

· 你的转折点是哪一刻,哪怕很小?

· 你做成过、尝试过、失败过、想明白过什么?从大到小列出来,每一件都有价值。

· 你自己或你帮过的人,拿到过哪些拿得出手的成果?

谁塑造了你的思想

· 谁的书、帖子或视频你一定不会错过?写出真实的人名和作品名。

· 他们的哪个观点你总会反复回想,为什么?

· 谁改变过你的思考方式,哪怕你现在不同意他了?

内容支柱和独特视角

内容支柱,就是你长期反复围绕的几个大主题。

· 有什么话题你能聊上几个小时?全列出来,看起来不相关的也算。

· 其中对你最重要的是哪两三个?

· 每个话题你和别人的切入角度有什么不同?比如"从心理学角度"或者"以前做过护士"。

· 别人最常找你请教什么?

· 你总在跟别人反复解释的是什么?

使命和信念

· 用一句话说,你想帮人做到什么?

· 你相信什么,而你所在领域的大多数人不信?

· 你觉得行业里哪些常见建议是错的?

你反对什么

· 哪种生活方式正在伤害你想帮助的人?

· 你想帮他们逃离什么样的生活?用你自己的话回答。

· 如果可以,你想消灭哪种迷思或习惯?针对的是习惯或观念,别针对某个人或某家公司。

为什么是现在

· 世界上刚发生了什么变化,而大多数人还没注意到?

你要带他们去哪

· 跟着你五年后,他们的日常生活是什么样?

· 他们会在自己的个人简介里骄傲地怎么称呼自己?

· 在他们的故事里你是什么角色?向导、记录旅程的同行者,还是已经走出来、带着地图回来的人?

规则和用语

· 你的理想读者每天相信什么、做什么?列出 5 到 12 条规则。

· 你有没有给自己的观点、方法或问题起名字?写下每个名字和它的含义。

这些信息要放在安全的地方,比如 Eden 里的品牌看板,想选题时随时翻看。我把这些问题和更多内容做成了一份完整的提示词,你可以保存或复制到自己的工作区。

第二步:如果客户已经在发内容,把他最好的内容抓下来

我想大家都同意,AI 模仿不了一个人的说话风格。就算很接近,也总有一点点不对劲。公司账号的口吻 AI 应付得来,个人品牌之所以叫"个人",就是因为需要那一点独特性。

所以我们采访客户、收集他最好的内容,目的并不在于把整个流程自动化。你是在搭一个知识库,收录这个人所有独特、值得一提的东西。之后用 AI 头脑风暴、起草、找选题,会比从零开始容易得多。

具体做法:通过 MCP 把 Eden 接到 Claude 或 ChatGPT 上。MCP 是一种让 AI 助手调用外部工具和数据的连接方式,接上后 AI 就能抓取客户本人或其他人的爆款帖子。把客户的社交账号给它,再用类似这样的指令:从这些账号的每个平台各抓 10 到 20 条最好的内容,记下让他们与众不同的核心观点、有个性的表达特点,并推测他们背后有什么能号召别人的世界观或人生哲学;总之,把促成他们增长的一切记下来,整理成一份文档。

另外,也值得直接翻翻客户在各平台的头部内容,找出可以复制的规律。

第 2.5 步:如果你还没开始发内容

对新手来说,这可能是你最值得做的一件事。

你要明白,你的思想是由对你影响最深的那些人塑造的。你最好的想法,也就是会带来增长的那些,其实是你对从别人那里吸收来的观点的个人解读。这有点像"像艺术家一样偷师"的说法,只不过人脑本来就是这么运作的。

在我看来,接触到新观点时愿意替换脑子里旧的信念,是聪明的核心标志;死守那些不带来好结果的信念不放,是愚蠢的标志。我自己的思想主要由 Naval、Leo Gura、心理学家米哈里·契克森米哈赖(提出"心流"概念的人)、Steven Kotler、Ken Wilber 等人的观点混合而成。这些观点在我脑中相互碰撞,再加上我自己的人生经历,才成了我的想法。

所以如果你还没开始发内容,就列出对你影响最大的 5 到 10 个人。他们是创作者更好,可以建一个列表,集中查看他们的内容,或者直接和这些内容"对话"。然后用上一步的指令,换成这些人的账号来跑。如果他们没有社交媒体,就让 AI 从网上和他们的书里提炼最好的观点,同样存成文档放好。

第三步:做一张有研究支撑的内容地图

到这里,你手上已经有两样东西:足够做出独特内容的品牌背景,以及一份可以复用、换角度重写和模仿的最佳观点清单。

接下来要戴上营销的帽子。其实说是艺术家的帽子更准确。很多"搞创作的人"反感研究爆款帖子和热门标题,觉得按更可能火的方向做内容不够纯粹。我觉得换个角度就想通了:你是在收集参考素材。艺术家都有灵感板和参考图,他们不照搬,只提炼规律和原则,让作品更可能成功。说到底你也希望作品成功,只是觉得看数据有点"脏",不像创作的一部分。醒醒吧。

(整理者注:作者在这里加了一段说明,称文中频繁提 Eden 是因为没有别的工具能做到;他认为普通抓取工具看不到跨账号的表现,GrokBot 这类应用只覆盖 X,而研究自己不发内容的平台更容易找到独特选题。)

做法很简单,把前面两份文档放进一条指令里,大意是:

· 做一张有研究支撑的内容地图,先定 3 到 4 个独特而宽泛的内容支柱;

· 每个支柱分出 5 到 7 个主题,这些主题既要基于已经被验证有效的想法,又要透过品牌文档和内容文档里体现的个人视角;

· 每个主题下再分出 5 到 10 个大概率会表现好的选题,每个选题再延伸出 4 到 5 个切入角度;

· 让 AI 先从品牌和内容文档里提炼可能的支柱和个人视角,再用 Eden 研究这些主题在各平台上什么内容表现好,把独特性和过去 6 到 12 个月里被验证有效的规律结合起来;

· 最后整理成一份易读的文档。

这样你就有了大约 6 个月的选题储备。你可以让 Eve(Eden 里的 AI 助手)或别的 AI 根据之前积累的背景来起草,并参照当下表现好的内容来检查帖子结构。我很难想象照这个流程做会没有效果,它会让你把那些不这么做的人远远甩在后面。整个流程我也整理成了一份可复制的文档和提示词,有点长,但很完整。

四、怎么拿下第一个客户

几年前,我的朋友 JK Molina(差不多是他带起了"推特代笔写手"这股潮流)给我发了一条私信,大意是:"Dan,我知道你不想让任何人替你写,但我还是给你写了 10 条帖子。你发出去试试,喜欢的话就让我接着写,或者给我写句推荐语也行。"

我做社交媒体之前当过自由职业者,最痛恨的就是陌生开发,也就是主动给不认识的潜在客户推销自己。收到这条私信时我意识到,这可能是拿下内容客户的最好办法之一,这类客户每月能付 2,500 到 5,000 美元。目标可以是忙碌的创作者、创始人,或者正在为增长发愁的人。

具体操作:把前面讲的整套流程合进一条指令,替目标客户跑一遍,让 AI 起草 10 条帖子,你自己打磨好,然后每天发 10 条私信。如果你真这么做了,一个月内连一个客户都拿不到,我会很难相信。

这种做法叫"不请自来的学徒":先免费替你梦想中的客户干活,再想尽办法让对方看到。

如果私信行不通,就公开做,在 X、Substack 或其他平台都行。我见过一条短视频,开头就说"Grant Cardone 需要一位新的创意总监,这是我的求职申请,他的内容好像还停留在 2016 年"。Grant Cardone(美国知名销售培训师、地产投资人)本人回复说"联系我,我确实卡住了"。这条回复和那条视频的互动量,基本印证了我这封信里说的大部分观点:现在机会非常大,而你手上已经有拿下客户、给客户做入职、为他们做出好内容的全部工具。

希望这些对你有帮助。

Dan
01
技术人说
18天前
21
技术人说
3月前
吴恩达总结的四项最重要的 AI 工程技能:

- 构建与部署 AI 应用
- 软件工程基础
- 使用coding agents
- 塑造构建过程
01
技术人说
5月前
Anthropic 的 Claude Code 之父 Boris Cherny 今天发了一条推文,聊的是未来职场角色会怎么变化,很值得思考。

他说,随着AI工具越来越强大,工程师、产品经理、设计师、数据科学家这些传统岗位之间的边界正在变得模糊,大家正在融合成一种新型的角色。

他以自己所在的Claude Code团队为例,提出了未来团队中可能出现的五种人才原型。

第一种是「原型探索者」,这类人擅长从零开始冒出新点子,产出量很大,但大部分想法最终不会上线,重点在于创造性地试探方向。

第二种是「建造者」,他们能把一个粗糙的原型或想法快速变成生产级别的产品或基础设施,执行力极强。

第三种是「清道夫」,专门负责打磨界面、精简代码和系统架构、砍掉不需要的功能、优化性能,让产品变得更干净利落。

第四种是「增长者」,他们接手已经搭建好的产品,通过不断迭代来提升产品与市场的契合度。

第五种是「维护者」,负责守护一个成熟的系统,确保它在规模扩大的过程中依然安全、稳定、高效。

Boris特别强调,很多人其实横跨两到三种角色,而且这些原型跟传统的职能划分没有必然关系。比如在Anthropic内部,有些设计师属于第一类,有些属于第二类,工程师和产品经理也是一样的道理。数据科学家也不例外,有的擅长从零到一的探索性项目,有的更擅长优化已经成熟的系统。

他还提出了一个很实用的团队搭配思路:一个还没找到产品市场契合点的新产品,需要大量第一、二、三类人;一个正在增长期的产品,需要第二、三、四类人为主,再加一些第五类;而一个已经非常成熟的产品,则需要第三、四、五类人为核心,辅以少量第二类。

这个框架的核心启示在于,未来的团队组建可能不再按照"你是工程师、我是设计师"这样的专业领域来划分,而是更多地按照每个人在产品生命周期中擅长扮演的角色来组合。

这对招聘、团队管理和个人职业发展都会带来很大的思维转变。

#
212
技术人说
5月前
让 AI 帮你查个资料,最容易卡住的地方,是它打不开那些要登录才能看的页面。

公开网页它能搜、能读,可一旦内容藏在登录后面,或者那个页面得点几下、等它动态加载出来,AI 就抓瞎了。最近看到一个给 Claude Code(Anthropic 出的一款 AI 编程助手,跑在命令行里)补这块短板的东西,叫 web-access。装上它,Claude Code 就从「只会搜搜公开页」变成「能替你登录进去、把要交互的页面也读下来」,做调研、查内部资料这类活,能省掉你不少手动复制粘贴的工夫。

它不是一个单独的软件,是给 Claude Code 加的一项技能(这类给 Agent 加的本事通常叫 skill)。装进去之后,Claude Code 多了一身上网取数的本事,你照常跟它说话,它自己判断该怎么联网。

先说清楚它跟另一类工具的区别,免得搞混。有些工具是让 AI 替你动手操作浏览器,点按钮、填表单、把东西加进购物车,重点在「替你做网页上那些重复的机械活」。web-access 不是干这个的。它的重点是让 AI 自己会上网查东西、把查到的内容读回来给你用,是给 AI 供料,不是替你点鼠标。一个是手,一个是眼睛和腿,方向不一样。

它最核心的设计,作者叫「三层通道」。说白了就是 AI 上网取数有三条路,它会自己看情况选,也能几条混着用。

第一条最轻,就是普通的网页搜索和抓取,对付公开静态页面够用了。第二条稍微特别一点,用 curl 这类命令、或者接一个叫 Jina 的服务,专门抽取某些特定格式的内容,能帮着省点 token(也就是省点跟 AI 对话的成本,这条是可选的)。第三条是真正拉开差距的地方:它通过 CDP(浏览器调试协议,简单说就是一个能远程操控浏览器的官方接口)直接连上你本机那个已经登录好的 Chrome 或者 Edge。

连上你自己登录的浏览器,意味着什么呢?意味着你账号能看到的内容,它也能看到。要登录的后台、动态渲染出来的页面、得交互一下才出来的信息,原来 AI 够不着的,现在顺着你的浏览器就读进去了。

举几个具体点的场景你就明白这层差别有多大。比如公司内部的某个系统、某个后台,外面的搜索引擎根本搜不到,以前你只能自己一页页翻了贴给 AI;现在它能顺着你登录的浏览器直接进去读。再比如几家产品横向对比,每家的资料分散在各自要登录的页面里,它能一次性都给你拢回来。还有那种你之前看过、却忘了存哪儿的页面,它能去翻你浏览器的历史帮你找回来。这些活的共同点是:信息不在公开网页上,而是藏在「你登录后才看得见」的地方。

操作页面这块它也留了余地。光能读还不够,有时候得点一下、传个文件才出得来内容,它准备了三种点法——直接用网页脚本点、模拟真实鼠标去点、还有上传文件。不同网站脾气不一样,一种点不动还能换一种试,多一层兜底,但也不是保证哪个网站都能点得动。

打个比方,Claude Code 自带的联网,有点像只会开个没登录的无痕窗口随便搜搜;装上这个 skill,相当于给它配了一双能用你的账号登录、还能同时开好几个窗口干活的手。

并行这块也确实有点东西。你要是一次性让它查好几个目标,它会派出几个分身同时去查,共用同一个代理通道,每个分身占一个独立的标签页互不打架。要查的东西多的时候,这个比一个一个排队过来要快不少。

还有两个细节我觉得挺实用。一个是它会按网站「攒经验」——同一个域名,这次摸清楚了它的脾气、URL 的规律,下次再来就不用重新试,跨会话能记住。另一个是它能翻你本机浏览器的书签和历史,你之前看过存过的东西,它能帮你找回来。另外从网页上直接把图片、视频地址抠出来,甚至按时间点去抓视频某一帧,它也能做。

好话说完,门槛也得说。

它的门槛不算高,但也不是零。装它最省事的办法是一行命令搞定,你也可以让 AI 自己去装,或者走 Claude Code 的插件市场。但前提是你得装好 Node.js(22以上的版本),还得把浏览器的远程调试打开,更别说你本来就得是 Claude Code 的用户。这一套配下来,对完全不碰命令行的人,光环境就够卡一阵。它基本是本地跑、免费的,不强制你去买什么付费接口,这点还好。

另一个更要紧的提醒,是作者自己在说明里特意标出来的:在社交平台上跑这种浏览器自动化,比如拿去操作小红书,有被限流甚至封号的风险,建议你用小号试,别拿主力账号去冒险。这话我觉得得当真,平台对自动化行为一向敏感。

还有个细节值得提一句。作者在说明里特意讲,它的设计是「让 AI 像人一样思考」,给的是判断的思路,不是一步步的死流程。很多自动化工具是你把步骤定死、它照着跑,一旦页面变了就僵在那儿;它反过来,碰上没见过的页面能自己琢磨该走哪条路。好处是灵活,代价是结果不像写死的脚本那么稳,这一点心里有数就行。

这是个2026年3月才开的项目,到现在攒了7000多颗 star,5月中旬还更新过,源码是公开的,README 里标的是 MIT。开源圈里这个热度,说明确实有不少人吃这一套。

它解决的就是一个很具体的痛点:你已经在用 AI 帮你干活了,可它老在「打不开那个页」这种地方卡壳。把这层补上之后,AI 能替你够到的信息,一下子宽了很多。当然它也不是装上就万能,网页这东西本来就杂、就爱变,能省多少事,还得看你手上的活对不对它的路子,自己用一阵才知道。

它在 GitHub 上叫 eze-is/web-access,作者一泽 Eze(账号 eze-is)。名字太短容易撞,认准 eze-is/web-access 这个全名,别点错到同名的库去。

#
06
技术人说
5月前
40
技术人说
6月前
好几位硅谷创业公司的 CTO,跑去 Anthropic 做研究员。我核对了一下,是真的,而且数据比传言更狠。

2025 年中到 2026 年初,至少六位十亿美金级公司的 CTO,放弃管理岗,以个人贡献者(IC)研究员的身份进了 Anthropic——Workday、Instagram、Box、You.com、Super.com、Adept 的 CTO 都在名单上,外加 OpenAI 联创 Karpathy 今年加盟。

配套的两个数字(来自 SignalFire《2025 State of Tech Talent Report》):2021–2023 年初入职的员工,两年留存率 Anthropic 80%、前沿实验室最高(OpenAI 67%、Meta 64%);工程师从 OpenAI 跳去 Anthropic 的概率,是反方向的 8 倍,从 DeepMind 则接近 11 倍。而当 Meta 开九位数签字费来挖人,Dario 直接拒绝跟价

当一个手握期权、职级、管理权的 CTO,主动降级去做一线研究员,他是在用脚投票一个判断,在这个阶段,离前沿模型最近的位置,比组织里的权力更值钱。真正稀缺的不是算力,也不是 title,是能站在能力曲线最陡那一段的人和位置。谁持续吸得住这种人,谁就握着下一轮的复利。
10
技术人说
6月前
OpenAI 收购 Cloudflare???
00
技术人说
6月前
Anthropic 今天发布了 Claude Opus 4.8,价格和上一代 4.7 持平。

它最大的变化是更诚实了:更愿意承认自己不确定,更少为了凑个答案而硬编,对自己干到哪一步也能做出更真实的判断。跑长时间的 agent 任务时,它更像一个靠谱的工程师,不用你时时盯着。

同时上线的还有 fast mode【快速模式】,同一个模型,速度大约快 2.5 倍,价格比以前便宜了三倍。在 Claude Code 里用 /fast 打开,API 用户得找客户经理申请或排队。

【重头戏是 dynamic workflows】

跟着 Opus 4.8 一起放出来的,是 Claude Code 的新功能 dynamic workflows(动态工作流),目前是研究预览。

你给它一个大任务,它自己拆解,一次性派出几十到几百个并行的 subagent(子智能体)去干,干完会让另一批 agent 去验证,甚至专门派 agent 去挑刺,反复迭代到结果收敛,最后给你一个整合好的答案。整个过程能跑几小时甚至几天,中途断了还能接着跑。

适合的活:整个代码仓库的 bug 排查、安全审计、性能优化,以及最常见的大规模迁移,框架升级、API 替换、跨语言移植,一次涉及上千个文件那种。

Anthropic 把 Bun 用 Rust 重写当做了宣传安利。Bun 是个跑得很快的 JavaScript 运行时,创始人 Jarred Sumner 用 dynamic workflows 把整个项目从 Zig 移植到 Rust,官方说写了约 75 万行 Rust 代码,通过 99.8% 的原有测试,从第一次提交到合并只花了 11 天。

【代价:它很烧 token】

Anthropic 罕见地主动警告:dynamic workflows 消耗的 token 比普通 Claude Code 会话多得多,建议先拿小任务试水。第一次触发时,Claude Code 会先把要跑的东西摆给你看、让你确认,企业管理员也可以直接禁用。

目前 Max、Team 套餐和 API 用户默认开启,Enterprise 套餐默认关闭,要管理员手动打开。开启方式是直接让 Claude"建个 workflow",或者打开一个叫 ultracode 的开关。

dynamic workflows:
t.cn
01
技术人说
6月前
学 AI 老是半途而废?fast.ai 创始人:你方法反了——先做出能跑的,再回头补理论。

你是不是也这样:下决心好好学学 AI,买了课、收藏了一大堆教程,结果啃了几节就卡住,然后放下了,过两个月再重来一遍,循环往复。

如果是,先别急着怪自己没毅力。一个叫 Jeremy Howard 的人会告诉你:不是你不行,是你学的顺序,从一开始就反了。

Jeremy Howard 是 fast.ai 的创始人,专门教普通人用最快的方式上手 AI。想真正学会用 AI、又总在「打基础」这一步就阵亡的人,这篇值得看一看;天生爱啃理论、啃得下去的,可以划走。

大多数人、大多数课,都是「自下而上」教的:先把底层的数学、原理、术语一样样学透,最后才轮到动手做点真东西。听着很扎实,对吧?可现实是,绝大多数人还没熬到「能动手」那一步,就在枯燥的理论里把自己耗没了。

Jeremy 的 fast.ai 反着来。他管这叫「自上而下」:第一节课,就让你用一个现成的、最先进的工具,做出一个真能跑的东西——比如训练一个能认出猫和狗的模型。先让你尝到「我居然做出来了」的甜头,再回过头,一点点告诉你它背后到底是怎么回事。

他打过一个特别形象的比方。学踢球,没人会让你先把造球的工艺、球在空中飞的物理学全学一遍,才准你上场——那不荒唐吗?正常的办法,是先塞给你个球,踢起来再说。

学游泳更是这个理。你在岸上听一年「怎么换气、怎么划水」,都不如直接下水扑腾两下、呛两口水——身体一下就记住了。

道理就这么朴素:人是靠「做」、靠「立刻看到结果」学得最快的。先做出能跑的,再回头补理论,不是偷懒,是更顺人脑的学法。

那具体到咱们普通人学用 AI,该怎么动手?三个起步动作。

第一,别再囤教程了。挑一件你这周真想用 AI 搞定的具体小事——写个活动方案、整理一堆乱七八糟的资料、做个小表格——现在就打开 AI,动手。

第二,卡哪儿补哪儿。中途遇到不会的,就盯着那一个点去问、去查,而不是退回去从头系统学一遍。带着问题学,记得牢,也不容易烦。

第三,先把那个小东西做出来,哪怕它粗糙得很。那个「我真做出来了」的瞬间,会推着你想做下一个。理解可以慢慢补,但那股劲头,是等不来的。

当然,这不是说理论不重要。而是顺序——等你真做出点东西、想再上一层楼,那时候回头啃原理,你会发现学得又快又扎实,因为你终于知道它到底有什么用了。

所以,别再「等准备好了再开始」了。学 AI 最好的起点,从来不是第一节理论课,而是你亲手做出来的、第一个能跑起来的小东西。

我自己真的这种体验特别强烈,建议大家都试试。
00