AI创业北京coffee chat，欢迎来聊☕

所有正确的事情，在第一性上都是相通的。
如果不相通，要么事情不够正确，要么不够第一性。

前几天同事在用claude code分析我的代码，旋即发来一张截图，原来是cc对我写的代码大加赞赏，我的第一反应竟然是高兴。

vibe coding快一年，我对ai的态度已经由不信任转变为深信不疑了。

等到哪一天失业了，我就去做程序员界的李子柒，将“古法开发过程”作为非物质文化遗产来传承，手动配置环境、手动开发、手动测试、手动编译、手动部署，完全不依赖ai地走完整个软件过程

软件工程没有银弹。
ai降低软件的成本，让软件成为「日抛式产品」，这将成为软件工程的银弹。或者说，agent本身将成为新的软件形态，原来的软件工程变成了某种意义上的harness engineering。
agent即软件工程的银弹。

产品是一类用户需求的集合

来做下ai界的张雪峰：

infra：大模型技术瓶颈一直都在于工程，而非算法本身。上一个ai时代的算法工程师红利（小模型，神经网络的能力未触达上限，魔改网络结构+调参在各种垂类小任务总能有性能提升）逐渐消弭，最后工作都会沦为洗数据。当然，top research仍然需要，去研究下一代ai模型的新范式。infra的价值开始体现，深层原因是，当前ai时代对模型层面基础设施建设需求量的激增，各大模型厂对训练效率、推理稳定性、降本等的需求，这才是当前大模型发展的真正瓶颈。

pm：事务型技能的作用被削弱，品味的价值被抬升。产品设计将迎来变革和空间（control逐渐由人交接给ai，设计核心转变为如何为ai提供context，如何为用户提供交互）。另外，因为模型不断迭代带来的技术红利，快速找到最能释放模型能力的应用场景也将变得非常重要。对于产品经理来说，这是最坏的时代，因为职业的产品经理或许已经不再需要；这也是最好的时代，因为人人都可以是产品经理。

终于找到了使用Grok的优势场景，对于最新名词/trending内容的理解，因为自带X海量数据，Grok回答的准确性明显高于其他三家。
p1: gemini, p2: claude, p3: chatgpt, p4: grok

prompt engineering -> context engineering -> harness engineering
很有意思的演进，我们使用ai、构建ai应用的方式，逐渐从「激发潜能」演进到「安全、稳定、可靠」

开发agent这些日子，对ai native有了更深刻的理解，核心准则即context not control，举例而言，skill就是比workflow更 ai native的设计。

突然想到一个很燃的设定，大航海时代要来了