刚接到个知乎咨询，结合最近的线下活动交流，算是观察到一种挺有意思的趋势。知识密集型行业的AI焦虑，开始从企业向学术机构扩散。开源模型加云GPU把门槛拉到了一个略微妙的位置，似乎能干但是不知道有多少坑。而当高校发现自己好像也能做的时候，大厂那套联合共建的合作路线，也无疑跟着祛魅。这类提问真正需要的答案，私以为并不是怎么训练模型，而是技术选型、阶段规划、成本拆解，以及先MVP再迭代的工程方案参考。从做咨询的角度来说，这种有知识没工程的机构，也正在成为一种新的客户类型。

话说Karpathy这么高产巧思，除了对底层技术的理解外，或许也是源于正儿八经的注意力自由。

感谢许瑞兄介绍，昨儿下午去模速空间参加了场圆桌，分享了些阶段性的应用层实践。身处洪流之中，不同视角的补充很有收获，最后交流环节也明显感受到不同背景盆友的热情。

Anyway，继续干挣钱或值钱的事儿依然很重要。不过更重要或者更诚实的动作，或许还是如何持续的赋能自己。

在知乎上一篇关于OpenClaw的答帖超过了5万浏览，再加上公众号和小红书也有10w+，YOLO+多模态模型的组合能干很多很有意思的事儿。也陆续有些高校和企业方来咨询类似项目或者人才推荐的事儿，欢迎感兴趣的盆友找我推荐

AutoResearch 这类项目解锁的是持续调优和系统化试错这件事，不是对业务理解本身的替代。题目出得对不对，数据给得好不好，最后还是要靠业务专家和人工来兜底。

另外随着 AI Coding、Harness Engineering、各类 Agent 工程框架越来越成熟，很多复杂问题的瓶颈已经不再是“代码能不能写出来”，而是“问题有没有被定义对”，以及“评测和反馈回路有没有搭对”。这意味着开发、产品、交付、销售这些角色之间传统的岗位边界，后面大概率会越来越薄。谁离真实需求更近，谁更理解客户现场，谁更能把模糊需求翻译成可验证的问题，谁的价值就会变得更高。

之前vibe coding间隙要么是漫无目的的刷手机，或者同时开些其他窗口做Deep Research，最近开始试着把等待间隙用来翻些闲书。昨天新买了胡安焉的这本《我在北京送快递》，初翻了下和余秀华，陈年喜这些作者有明显类似的朴素和通透，保持活人感或许是拥抱AI的必要姿势。

为什么要花这么大篇幅来拆解 Claude Code？

因为 AI Coding 是目前大家公认在 Agent 领域里最成熟、最能发挥大模型能力的应用方向。而 Claude Code 又是这个方向里，全球范围内公认产品化程度最高的工具之一。说实话，我日常工作中 Claude Code 和 Codex 是交叉使用的，GPT 5.4 pro 的底层模型能力并不见得比 Claude 4.6 Opus 弱，某些场景下甚至更强。但从工程架构和产品设计的角度来看，Claude Code 在很多地方确实走得更远，比如它的三层记忆系统、Coordinator-Worker 的 Prompt 工程规范、以及 Prompt Cache 优化这些细节，都不是靠模型能力堆出来的，而是靠工程团队在生产环境中反复迭代打磨出来的。

现在市面上模型层出不穷，各种 Agent 框架也越来越多。我觉得在精力有限的情况下，与其什么都看，不如把最好的东西研究透。尤其是在企业级大模型应用落地的场景里，不要闭门造车，要看全球范围内最好的实践是怎么做的。Claude Code 这次泄露的源码里那些工程设计，说白了就是房间里的大象，值得做 Agent 的盆友结合自己的业务场景针对性借鉴。

最近用 OpenClaw 接了家里两个萤石云摄像头做智能看护，写了篇技术博客发在知乎上，虽然依旧八成的讨论是技术原教旨主义，但有些留言讨论的话题比文章本身更有价值。比如用类似的架构给渐冻症患者做面部表情异常报警。

感觉今年开源领域会有一个明显的趋势，不再只是追大模型能力的天花板，而是用已经足够成熟的组件，去解决那些之前没有被很好解决的长尾需求。有的会产品化做商业闭环，有的纯粹是公益探索。这种讨论氛围让人想起知乎最早的样子。

这个模式的本质是把人盯屏幕变成“AI 盯屏幕，人盯通知”。任何一个场景，只要满足已经有摄像头和需要有人一直盯着这两个条件，这套skill就能丝滑迁移过去。

小红薯的群300人+​了，明显海外华人成员的主动social比例更高。两天前发布的空调报价项目，一个在温哥华的建筑工程师老哥来尬聊了下，不同地区或者说视角的补充挺好。