“有了AI，我感觉自己强得可怕！”｜对谈鸭哥

Hi，我是 Koji。那本周十字路口我们的嘉宾是鸭哥，我们的老朋友。你好，鸭哥，欢迎来到十字路口。

嗨，Koji。很高兴来到这趟公路旅途。

我们这又是一期公路播客。我刚在乌镇接上鸭哥，准备一路开去上海。今天开的是理想 i8，大多数路段都是自动驾驶。鸭哥之前来录过好几期，我们聊过 OpenClaw，也聊过 Manus。这一次，最近半年有什么新产品、新发布、新技术突破，让你觉得有意思吗？

最近 GEV 特别火，确实是一个挺有意思的包装，不过我也有很多想喷的。

那我们先说好的再说坏的，还是先说坏的再说好的？

其实都是好的，都是好的。从里面能看到很多值得学习的东西，只是大家有一些误解，并不是说它真的是一个坏东西。

我们录播客的时候，GEV 发布刚过 72 小时。你看到它的第一感觉是什么？

1. GEV Is JSON Mode

我看到它的第一感觉是：这不就是 GPT 加上 JSON Mode 嘛？后来调研了一下，发现好像还真是这样。当然，这要分两个层次来看。从技术角度来说，它确实跟 JSON Mode 非常接近。

更具体地说，我先给不了解 GEV 的同学解释一下，它是什么，或者说在我的理解里它是什么。首先，它不是一个 LLM，不能输出自由文本，只能做分类。比如说你给它几个选项，它告诉你哪个选项最可能，以及置信度是多少。它只做这一件事情。

那它有什么好处呢？就是特别快、特别便宜，而且它的概率经过了校准。不像普通 LLM，经常乱说概率：它说 95%，实际上可能只有 30% 几。同时，它不仅会给你一个置信度，还会给你一个概率，这两个东西是分开的。它的好处是，在各种场景里都可以很方便地集成到自动化流程中。

但话说回来，它和普通的 JSON Mode 在应用场景上有什么很大的不同，我还是想不出来。也许主要是……

那它这么火的原因是什么？

2. Why GEV Went Viral

这是一个特别值得思考的问题。虽然我们刚才说了，它的技术并没有特别多创新的成分，但它大火本身是值得学习的。我不希望大家觉得我们认为这完全是炒作，不是这样，它确实有很多值得学习的东西。

要讲它大火的原因，我们得先理解为什么之前没有火起来，或者说之前到底发生了什么。GEV 不是一个全新的东西。类似的想法至少有四五波公司在过去 10 年里做过，甚至包括 Google、OpenAI 和 Mistral，大家都发布过类似的东西。它一般叫 Classification API，只做一件事，就是分类。

那为什么之前这些产品都被弃用、没有人用，今天 GEV 却突然火了呢？我觉得有 3 个原因。第一个原因是基模的能力确实到位了。比如以前我们很难想象，一个微型模型不用微调就能有很高的智能，直接拿来就能用。

但现在如果你去看 AI Index，就会发现 GPT-4o 是 8 分，而 Qwen3.5——这是上一代模型了——4B 只有 40 亿个参数，已经有 20 多分了。也就是说，微型模型可以碾压 GPT-4o。大家知道，GPT-4o 是一个非常强的模型，很多商业场景里都可以直接使用。所以基模的能力到位了，这是特别重要的因素。

我甚至比较恶意地揣测，它为什么说自己在隐身模式做了两年才发布：主要是在等基模成熟。第二个原因是，现在也有这个需求了。以前大家用类似的分类，主要是用来打标、做一些比较低级的分类。现在由于 agentic 应用逐渐发展起来，大家对 token 的需求和消耗会急剧增加，也就对成本越来越敏感，因此越来越需要一个能以低成本、低延迟完成分类的东西，市场也起来了。

第三点是，它的包装真的特别厉害。试想一下，如果它说：“OpenAI 三年前发过一个 API，后来死了，我们把它重新发布了一下”，肯定没有人来看。但它说这是一个 System 1 classifier，而我们以前讲做的 LLM 是 System 2，这是一次范式变革。

对。

这么一包装，大家就会觉得：“哇，有道理啊。”

这是诺贝尔经济学奖得主提出的 System 1、System 2 理论，对吧？

是啊。

就好像世界是二分法。我们说：“世界上有男人和女人。”之前你们居然只知道男人，不知道还有女人的存在。

它的包装特别高明，再加上它自己确实很强。它是 InstructGPT 等革命性、开创性文章的共同作者，大家一看，就会想：“那我得去看一看它说的是什么。”这确实也是非常精彩的一次 PR。

所以在你看来，这是营销上的胜利，也是技术到了一定水温之后一下子沸腾起来的胜利。你看到的应用场景里，有什么让你觉得很 impressive？

3. GEV Finds Its Use Cases

我看到的主要有两个：第一个是 browser use 或 computer use，第二个是做 harness classifier。我可以一个一个介绍。

对于 computer use，以前大家的做法是给 LLM 输入一张截图，LLM 要花很多时间和大量 token 去理解截图，然后再输出一个结果。但如果把它组织成 GEV 能接受的分类任务，比如给它一棵 DOM tree，问它接下来应该点哪个东西，甚至可以用级联分类：先找大的框架，再去找里面的小按钮。这样就能做得特别快。

从体感上来说，整个 browser use 的速度能提升 10 倍，而且还特别省钱。这是一个很有意思的用法。不过我也想在这里泼一盆冷水：它做了两件事，第一是把交互界面从多模态图像变成了 DOM tree，也就是纯文本；第二是把 LLM 的自由文本输出变成了分类。到底哪一个才是关键，我们不知道。有可能用 LLM 加上 DOM tree，不用基于视觉的 computer use，也一样很快、很便宜。这得做更多 ablation study 才知道。

这是第一个很有意思的应用。不管怎么样，它实现了又快又便宜地操纵电脑。第二个应用是，其实很多人已经在用类似的技术了，只是不知道而已。

在很多 harness 里，比如 Codex、Claude Code，每次 AI 提出一个工具调用的时候，比如说它要删一些文件，harness 本身会做一个分类，判断这件事有没有危险。如果有危险，它就会停下来，告诉我 AI 为什么这么做有危险、应该怎么处理；如果没有危险，就会放行。

大家知道，这件事发生得非常频繁，因为 AI 每调用一次工具，都要跑一遍分类，所以延迟和成本就变得特别重要。为了降低成本、保障用户体验，流行的 harness 都会加入自己的私有 classifier。而且，判断一个东西是不是危险非常灵活、非常复杂，因此它一定程度上已经是一个通用分类器了，不是一个专用分类器，它需要深入理解整个场景。

所以即使没有 GEV，我们也已经在无意识地使用这样一套技术。有了 GEV 之后，还可以做另外一件事：因为把它做得又快又轻量挺难，只有大厂做的 harness 才有这个功能，开源项目一般没有。现在有了 GEV，就可以把这个功能移植过来，这也是一个非常实用的好处。

所以 GEV 为什么要训练两年？它真的有那么难吗？我看到各种开源项目很快就出来了，24 到 48 小时之内就有了。

我看到它说训练了两年，就去找有没有相关专利、论文、白皮书、开源数据库或者代码，结果什么都没找到。所以我比较怀疑，它所谓的训练两年，可能更多是尝试之后发现不 work。但不 work 不是它的原因，而是这个问题真的很难。它必须等到基模，也就是 LLM 本身足够成熟之后，再站在巨人的肩膀上，才能真的把它做出来。这是我对它为什么训练两年的揣测。

OK，所以这两年很多时候其实是在等待。

是，这是我的理解。

我觉得以前可能一直就有 ChatGPT 加 JSON 输出的模式，但大家不一定有这样的认知，尤其是应用创业者不一定会想到：“我能基于它做什么样的创新？”但 GEV 好像掀起了一个热潮，让大家一下子觉得：“这里是不是可以头脑风暴一下，做点什么？”我觉得这可能会解锁一些新的玩法和应用场景。

是的。这是一个很有意思的事情。这个技术一直都在，但我相信大家不用 JSON Mode，不是因为想不到这一点，可能更多是因为太贵了。不过最近有所改变，我举两个例子。

第一个例子是 GLM-5.3-Flash，包括 DeepSeek 4.1 Flash，它真的特别便宜，用来做数据标注特别棒。我之前做过一个导游项目，把中国几十个特别适合旅游的城市做成了一个导游。那时候一天大概烧了 40 亿 token。如果用 Sonnet，我当时算过要 12,000 美元；但因为用了 DeepSeek Flash，只花了 300 美元，特别省钱。这确实把价格降下来了，让以前不敢想的很多场景突然变得现实。

第二个是本地部署也很厉害。像刚才说的 Qwen3.5 4B，已经吊打 GPT-4o 了。在本地部署，不论是 Mac，还是 4090、5090 这样的显卡，你只需要付电费就可以，它特别适合这样的场景。

GEV 有一个开源实现，没有做微调、没有训练，它只是用通义千问，把它的 logit 拿出来做只读操作，基本上复现了 GEV 的结果。GEV 自己给了一个 benchmark，它跑出来的结果是 88%，通义千问跑出来是 85%。

我觉得这几个点在实际工程场景里很难体现出来，但要注意，这还是在开源小模型、没有微调、没有训练、没有额外数据，而且只读的种种限制下得出来的结果。所以我觉得用开源模型实现类似的场景、实现极低成本，是大有可为的。

除了 GEV，最近这段时间还有哪些让你觉得挺兴奋的新产品、新发布？

我觉得要分两方面看。首先，确实有一些新的模型、新的能力让我觉得特别好玩。但从另一个角度来说，我觉得使用 AI 的整体方法不像以前那样有大的改变。

OK。

4. A Computer That Remembers

我们一个一个说。首先让我比较兴奋的一条线，是给 AI 一台电脑。这句话是什么意思呢？你想一想，以前 Cursor 很早就出了 Cloud Agent。它的做法是把 Cursor 和 GitHub 连起来，你跟 Cursor 说去 GitHub 上帮我做什么，它就启动一个虚拟机，把 GitHub 里的内容拉下来，再去做更改，完成任务后给你交一个 PR。

任务是在云端跑的，但它没有持久化的东西，所有内容都是从头开始的。最近从 2026 年 4 月开始，Manus 先出了一个 Cloud Computer。它的意思是，我的 VM 不销毁了，你在上面的凭据、记忆，我都留着。然后 8 月 Grok 跟进，发布了 Grok Bot；9 月 Meta 跟进，发布了 Muse，都是这个思路。

我就在想，为什么要做这个？有什么好处？主要是因为老的那种思路太码农了。如果你不用 GitHub，比如像我这样用 PR、用 repo 来保证记忆不中断，就很难做到。但如果真的给 AI 一台电脑，它就可以做很多更办公的事情。比如说我订机票，它能记得我上次输入的身份信息；我去大众点评，也不用再登录，登录一次就可以。

这样它就真的能完成很多跟代码无关的生活化任务。有点像 OpenClaw，但 OpenClaw 要你自己配置、买一台 Mac、让它在家 24 小时不关机，还要做网络穿透；这些事情都省掉了，它来帮你做。

因为现在老看到路上有个人端着 MacBook，不敢关机。我一看就知道：“哦，这是 Claude Code 或 Codex 的用户，不敢关机。”

5. AI Builds a VTuber

这是第一个趋势。然后在能力上，最近 GPT-6 Astro 我也用它做了很多 3D 方面的东西，真的很厉害。我用它做了一些动漫场景，做了一个可达鸭的 3D 形象，还做了骨骼绑定，然后用摄像头拍我自己。我怎么动，可达鸭就跟着怎么动，有点像动捕、动作捕捉。

这其实就是一个 VTuber 的原型。大家知道 VTuber 吧？比如说我长得很丑，要直播，大家不想看我这张老脸，那我就做一个动漫二次元形象。然后用摄像头动态分析我的表情和动作，让它同步到这个二次元形象上。

但这是一个完整的工业流程。要做一个这样的形象，术语叫“皮套”，是很难的一件事。我指的是技术上难，不只是艺术上难。你要有一个 3D 模型、合理的纹理，还要做骨骼绑定，也就是把它的每一个关节和人的关节对应起来，让人的动作能和它配合、同步，这都很有讲究。

以前这是一整套工业流程，需要美工和技术人员，需要很多技术框架，也要花很长时间。现在我只用 GPT-6 Astro 跟它讲了几句话，它就从头到尾帮我做好了。从头到尾 end to end，它还有一个 demo。我还开源了一个 skill，以后只要跟 GPT 说你想要什么样的形象，它就会帮你弄好。

哇，所以我们也可以做两个形象，让它们来录这个视频播客。其实还是我俩在录，只是它们在前面替我们表演。

是的。所以我特别 impressed 的地方是，这真的是模型能力干倒了一个工业。也不能说完全替代，但至少让我们看到一个方向。它进步的速度非常令人欣喜，也很意外、很厉害。

所以一个是给个人配一台云端电脑，它是持久化的、永不关机的。第二个是今天模型的能力仍然在进步。你觉得个人使用 AI 的方法没有本质变化，只是能力水位在提升。

6. Managing AI Like a Person

是的。我的意思是，我们上一次播客也聊过这一点：不要把 AI 当成一个工具，它其实更像一个人。比如说它会犯错，我们需要检查它的结果对不对；我们需要清晰地告诉它，我们到底想要什么，成功的标准是什么。这些东西跟管理人是一模一样的。

所以这一点我觉得一直没有变，只是这个人越来越强了。以前我带的是一个大专生，现在我带的是一个本科生，能力变强了，但我还是需要管理他，清晰地交代任务，还要验收他有没有把事情做好。这个原则还是不变。

我想到差不多两年前我们和雨森录的那期播客，标题就叫《大模型还是小学生，不要着急让它去打工》。哇，现在变本科生了。

现在确实非常厉害。我甚至可以分享另一个比本科生厉害很多的例子，也许能解释为什么我觉得大模型的使用方法还是没有变化。

我家孩子最近在幼儿园受伤了。他比较调皮，老师牵着他的时候，他会挣扎。小孩子的关节还没有发育完全，就造成关节移位，医学术语叫牵拉肘。他回家就说疼，学校也发了报告，说他受伤了。我们就要判断怎么回事，要不要去医院。

我作为家长，对这种情况没有任何经验，只好求助 AI。AI 说这件事可能是牵拉肘，描述了症状和原理，让我们看看是不是这样，还问了一些问题。我们觉得好像都符合，就问它这个问题是会自己好，还是得去急诊。你知道，美国急诊特别痛苦，又贵，还要等很长时间。那天还下大雨，AI 说不用去急诊，但可以去 urgent care，也就是级别稍低一些的急诊。

它查了周围的医院，说西雅图儿童医院可能比较好，还建议最好现在就去，因为牵拉肘不会自己恢复，不要让孩子白白承担痛苦。真到医院以后，医生只要做一个复位动作，像推拿一样，咔一下就好了，特别快，也不用打针吃药。所以有了这些信息，对我们特别有帮助，我们知道确实得去一趟。到了以后，一切都很顺利。我们跟医生描述情况，医生说这是牵拉肘，咔一下复位，搞定，回家。

哦。

这件事我觉得，哇，我不期待 AI 真正代替医生，那是不可能的。但它真的可以给整个决策过程提供很多额外信息，也能在我合理使用它的前提下，帮我做很多体力活。比如帮我看周围那么多医院，包括儿童医院，哪家评价好、哪家现在还有位置。

因为那时候孩子在哭，我们又要安慰他、喂他吃饭，还要处理这些事情，完全没精力。多亏了 AI，大方向上帮我们判断问题，微观和战术层面又帮我们弄清楚约哪家最好，非常有帮助。但这只是故事的第一部分。

OK，还有转折啊。

倒没有转折，但还有第二部分。第二部分是要索赔，因为事情是在学校发生的。这个倒不用跟学校扯皮，他们买的保险都特别全，所以基本上就是走保险理赔的过程。

我们先用医保，医保有 deductible，也就是还要我们自己掏的部分，然后再去找学校。整个过程充满了保险术语，还要准备很多材料。AI 在这里也帮了很大的忙。我们跟它讨论的时候，它知道病情、所有细节、去了哪家医院、用了什么保险。所以我们让它整理一份材料，它很快就整理出来了。

我把 AI 接入了邮箱系统，所以后来医保发来账单、我们跟保险公司的交流，全都是通过邮件进行的，它也有所有的 context。我觉得这特别重要，它必须有足够多的 context，才能有足够多的信息。巧妇难为无米之炊嘛。我们上次聊 OpenClaw 的时候也提到，有足够多的信息，才能帮你做出高质量的输出。

后来它基本上就完全接管了。我们问学校下一步怎么办，学校告诉我们怎么办，它就自己去看，弄清楚该怎么做，把所有文档准备好，找到收件人、抄送对象，邮件发出去，对方就说收到了。保险那边有新的账单，它又发给相关的人，对方说收到了，材料齐了。

唯一需要人做的事情是打电话。你不打电话，对方就不会真的给你寄支票；你得踢一脚，他们才动一下。最后还是靠人打电话，对方才说：“哦，我帮你再推进一下。”后来支票寄过来了，AI 就把整件事结案了。整个过程，不论是聊天记录还是所有文档，我们都留了档。这是故事的第二部分。

第三部分是，这家幼儿园挺扯淡的，有小孩抓人、咬人，他们都不管，不太教育。

这是他们的理念吗？觉得孩子可以自由发展？

我感觉不一定是理念，可能是这家幼儿园的个性。后来有别的家长也遇到类似的问题，他们的孩子被别的小朋友咬了，也要索赔。我就让 AI 总结一下我们上次怎么做的、联系人是谁、顺序是什么样，写两份文档：一份给人看，一份给 AI 看。给人看的文档说明要做些什么，给 AI 看的是让它交给自己的 agent，让 agent 直接去做。

我把这两份文档给它，它说：“哇，这太有用了。”然后立马就去做了。所以这里主要有两个启发。第一个启发是 context 真的非常重要。有了 context，你可以分享给别人，可以让 AI 代理你的事情、收发邮件、做出良好的决策。没有 context，你可以想象，如果你问豆包，在没有任何 context 的前提下说“我家小孩现在什么地方疼”，它只会用最直接、最不绕弯的方式给你一句正确的废话。

建议你去医院。

对，建议你去医院，那就完全没有意义。所以 context 非常重要。

第二个启发是，要把 AI 当秘书来用。这个思路也特别重要：要做质量检查和监控，要把东西清晰地表达出来。如果做过管理就会发现，经理最重要的事情不是在每个细节上手把手带 AI，而是搭建团队结构、奖励和激励机制，让它能够自我迭代、自我改进。

用一句比较矫情的话说，经理的最高境界，是他不在场的时候团队还能正常运转。用 AI 也要这样。不要老是手把手教它，要想办法让它积累 context、沉淀 SOP，这样未来你不在的时候，它还能自主运转。这是最关键的。

所以虽然现在发布了这么多基模、这么多新产品，回到最初的话题，万变不离其宗：让它有意识、有条件，能够自我迭代，仍然是不变的原则。

我们上次聊天时，你说了一句话，我印象特别深刻。你说 AI 让你感觉自己强得可怕。这个感觉是在哪个瞬间出现的？还是有很多这样的瞬间？

刚才讲的这三段故事，每一段都让我觉得自己强得可怕。比如半年前或者一年前，遇到这样的事情，孩子狂哭、不吃饭，我不知道要不要去医院，还要想办法预约，头都麻了，根本没办法处理。

是，确实很难想象。

现在就轻松多了，等于雇了两个人：一个秘书，帮你做各种后勤工作；一个私人医生，帮你查资料、问诊，心里就有底多了。

第二个是雇了一个像律师助理一样的人，帮你审阅保险的法律文档、写文书、递送材料、跟进进度。除了打电话这件事我还没赶上让 AI 去做，还是自己打的以外，其他都做得很好。跟别的家长沟通，也是雇了一个文秘帮你总结、递送。

总的来说，我不是一个人在战斗。我身边有一个医生、律师、文秘天团，而且是 24 乘 7，甚至可以无限复制。我可以把 100 件事情交给 100 个秘书去做。这就是我觉得自己强得可怕的原因。当然前提还是你得会用。绝大多数人就算给他两个秘书，他也不会用。这也是为什么我们发现，觉得 AI 好用的很多是老板，因为他们有秘书，本来就会用。

鸭哥之前在很多大厂都工作过吧？

嗯。

你哥大 PhD 毕业之后，在微软、Pinterest、Samsara 工作过。最近你在 gap，是因为什么原因开始想 gap？和 AI 有关吗？

7. Why He Took a Gap

主要原因是到了 35 岁。不是说我被优化了，而是我觉得被优化一定程度上是有道理的。每天工作 8 小时真的太累了。

跟 AI 肯定有关系，因为我平时高强度地用 AI 工作，它把体力活都干完了，剩下的全是脑力活，所以工作强度不降反升。开个玩笑，以前我会想象 AI 帮我开会，我来写代码，写代码多开心啊；现在是我要去开会，AI 把代码都写完了，所以我很累。

对，我觉得写代码很容易进入心流状态。

对。

那其实是一种深层的放松。现在 AI 把这样的快乐剥夺了。我不知道你有没有看到 DeepSeek 研究员上个礼拜那篇刷屏的文章，叫《我不得不把我的才华埋葬在昨天》。看的时候还蛮伤感的。

所以我觉得工作强度太大了，得歇一会儿，就先歇半年。这是跟 AI 的第一个关系：工作强度大。

第二个关系是，我过去两年也高强度地使用 AI，接触了很多人、很多团队、很多公司，觉得大多数人用 AI 的方法是错的。但用 AI 其实不是一个技术问题，而是一个管理学问题。所以我觉得，如果能把怎样正确使用 AI 教给更多人，对整个社会也特别有好处。

这就是为什么我在 gap 结束以后，从 10 月开始会和课代表一起全职做 Superlinear Academy。这是一个 AI 教育社区，希望把正确的用法带给更多人。

这非常好，我们之前在播客里也推荐过。鸭哥因为 gap 回国待了快一个月，到处游历。这一个月在国内有什么感受？

感受蛮多的。最大的感受就是美国消费者真的太惨了，中国消费者好幸福啊！比如我们在西雅图一家很一般的中餐馆吃饭，同样的钱拿到国内，米其林餐厅横着走，吃得特别好。我胖了很多，而且各种服务也特别棒。

我另一位最近回来的朋友，暑假在国内待了一个月。他之前住在三藩市，感受很强烈：大家都说 AI 来了以后，我们会有更多时间去做消费建设和消费创意。他来中国之后发现，这好像不是一个百废待兴的创业方向，因为物质生活已经大大满足了大家各方面的需求。

他的结论是，还是要去做在人类的精神和物质都得到满足之后，人还缺什么的东西。他的答案是：第一是关系，第二是回忆，第三是情绪。

哦，这个非常有道理，就是有更多时间留给自己。

嗯。

工作可以让 AI 去做，生活还是得靠咱们自己。

去年录播客的时候，你提到在给自己的 AI 装上耳朵和眼睛，让它 24 小时不停地收集你生活里的 context。那个实验到今天怎么样了？你还在继续吗？

8. Building Personal Context

部分还在继续。我先承认一个失败：我试着给 AI 装眼睛，用录像机每天拍很多照片，拍了大概三四个月，后来停了。为什么停？因为我一直没找到它能给我带来什么额外的 context，这个用途一直没找到。

录音还在继续，尤其是开会时的录音特别重要。这又牵扯到刚才说的问题：context 真的太重要了。很多时候有了这些 context，哪怕是细节上的，之后就能做很多以前做不到的事。

但也不是说光把东西录下来，AI 就能自动 retrieve 到正确的信息。后来我又做了两件事，算是之前实验的延伸。第一件事是给 AI 做了一套基础设施：每天录音进来后，有一个 intake skill。这个 skill 也是开源的。它会把录音做语音识别，转成文本，然后走两条路，让 AI 能够索引到这些内容。

第一条路像 Yahoo：我会判断这段信息讲的是什么，然后放到对应的索引里。对于比较重要的事情、大的课题，AI 只要看索引，就知道去哪里找什么文件。第二条路类似 Google，不做人为的或者 LLM 的索引，而是直接用基于 embedding 的检索，也就是 semantic search。我也把这部分开源了。

有了这两种方式，AI 就可以自主地对本地文件做语义搜索，根据结果知道去哪里找当时说过的话。这两种方式结合起来特别有用。

你现在这些文件都放在哪里？

context 文件都在本机。这正好就是我想说的第二点：一切都是文件，没必要搞特别 fancy 的东西，比如 embedding database，或者专门像 MemGPT 那样做一个 memory layer，没有必要，文件就可以了。

其实去年还是前年，Manus 发过一篇 context engineering 的文章，我一直觉得那篇文章值 100 万美元。

哇。

那篇文章提到这个思想：用文件，AI 也经过了很好的训练，了解相关的 API，我们也确实不需要更高程度的抽象。所以文件是非常好的记忆抽象形式。在这个基础上，我们用 Yahoo 的方式、Google 的方式做索引，让 AI 能有效利用就够了。

所以 context 的积累应该特别简单、直观，不需要高层抽象，也不需要搞得很复杂。我一直觉得用文件和 CLI，也就是命令行，就够了。我比较反对单纯为了用 MCP 而用 MCP，或者为了用 memory 而用 memory。

所以你现在如果用 Grok Bot 或 Manus 的云端 computer，需要把所有本地文件也传一份到云端吗？

这是一个特别好的问题，也是我到目前为止还没有广泛使用这些产品的原因。一方面，context 比较难完全迁移；另一方面，我也不是特别想让这些东西流露到外网。

除了隐私以外，还有一个问题：我的很多 AI 服务是 zero data retention，所以我敢把很多乱七八糟的东西往里贴。但聊天记录也是 context 的一部分，这些内容里可能会有密钥之类的东西，以明文出现在聊天记录里。这些是我不太想让 Grok Bot 知道的。

我最近用了一个微信插件，可以把微信聊天记录备份到本地，Codex 可以随时读取。

是的。

我也觉得这如虎添翼。

是。

它一下子好像多了非常非常多的 context。我最近去参加活动，如果活动有 100 个人，而且我能提前拿到名单，就会让 Codex 帮我看看里面有哪些人曾经和我有过交集，或者是二度好友。原来它能用的 context 极其有限，只有我 Notion 里的笔记。

啊。

现在有了微信之后，经常会给我一些意外的惊喜。

真的，这个确实特别有用。包括我们上次录 OpenClaw 的播客，基本上也是几个 agent 之间在互相说话。

对。

当时也是因为有微信聊天记录，大家把相关的东西贴到微信里，所以我的一个 agent 直接就能接入微信。整体感觉蛮科幻的：大家的 agent 先互相 brainstorm，然后再出一个提纲来录。

最近我也想在十字路口发起一系列线下活动，大家聚在一起讨论怎么用最新的 AI 工具，不管是 Codex、Grok Bot，还是 ChatGPT。

为什么呢？今天和鸭哥录这期播客让我有个感受。毕加索曾经说过一句话：“艺术评论家聚在一起，讨论的是艺术的风格和流派；艺术家们聚在一起，讨论的只是去哪里买便宜的松节油。”所以我们可以做一系列活动，也许就叫“松节油”，和大家讨论去哪里买便宜的松节油、去哪里用便宜的 token，或者怎样把今天这些 AI 工具的能力发挥到最大。

我觉得这个确实很有启发。

鸭哥有一个自己的网站 yage.ai，现在也在尝试像经营自媒体一样经营它，内容会同步到 X 和 newsletter。

是的。

背后好像是 AI 在帮你做大量的自动维护和更新。

是。

这是不是很典型的我们最近说的“零人公司”？

9. The Zero Person Media Company

确实有点像。网站有一个专门的分区，来源是我们平时教 AI 课程时，学生老是问：“我怎样才能得到最新又靠谱的 AI 信息？”传统自媒体往往不那么靠谱。但要让我每天花很多时间采集资料、想怎么写、真的把文章写出来、再写文案引流，又是不可能的，我没有那么多时间。

所以我就在想，有没有可能让 AI 来完成这些事情？稍微一想可能觉得很简单，但仔细想会发现其实很难。这跟 AI 是怎么训练出来的更相关。

从非常 high-level 的角度看，AI 的训练可以分成两部分：第一部分是 pre-training，第二部分是 alignment。Pre-training 的目标是做 next-token prediction。比如“太阳从什么地方升起来”，模型就会接着说“太阳从东边升起来”。所以它在这里干的最大的事情就是找共识、学会共识，这就是它知识的来源。

共识注定没有额外价值，或者说从投资角度看没有 alpha。如果用这种 off-the-shelf 的 AI 运营社区、写文章，就会发现它充满 AI 味，都是正确的废话。

另一个环节是 alignment。为了安全性，人类会让 AI 生成几段文字，然后打分，觉得这个更好、那个不好，再调整 AI 的权重，让它生成更安全的内容。这样它会更倾向于保守、八面玲珑，不太 bold、不会出格的表达。

比如乔布斯在 alignment 里肯定会被干掉。没有人会喜欢一个讲话像乔布斯的 AI，天天喷这个喷那个。马斯克应该也是。所以 off-the-shelf 的 AI 输出一定是平庸、中庸、共识的。用它来维护一个观点鲜明、有 insight 的 blog 或 newsletter，注定会失败。

那你怎么做呢？

这里就讲到一个很重要的东西：怎么样压榨 AI，让它走出自己的舒适区。怎么做呢？回到刚才反复强调的概念：context。这里的 context 指的是我的思维方法。

举个简单的例子，调研某种技术，就以 JEV 为例。如果让 AI 调研，它可能会搜相关新闻，告诉你这个东西是做什么的、大家对它的评价怎么样、基本技术原理是什么。看起来非常客观理性，它会说自己有一些限制条件，不要把所有结论都极端化，但都是正确的废话。

如果 AI 有我的 context，它就会知道，我每次遇到这样的问题都会反问：你有没有做横向调研和纵向调研？横向调研指的是它有什么竞争对手、有什么 alternative、大家是怎么做的、它的优势在哪里。纵向调研指的是这家公司，或者这一类公司，有什么历史，以前怎么做、现在怎么做，为什么有这样的改变。

基于这些问题，就能挖掘出很多以前的 AI 察觉不到的东西。这就是为什么我后来把 AI 写的文章发出来时，很多人觉得第一不像 AI 写的，深度不像 AI 写的；第二，读起来也很有思想。这是因为我给它注入了足够多的 context，让它理解我是怎么想的，用我的思想去思考。

所以这个自媒体由 AI 在背后运营，到现在有多少粉丝了？

现在有两个分发渠道。第一个是 newsletter，每天发一封邮件，总结昨天发了什么文章；每天会发两三篇文章，再发一封 newsletter。newsletter 运营了大概半年，从零开始有了很多订阅者。

第二个是在 X 上运营。这个想法其实不是我提出来的，是 AI 说：“你有 newsletter，为什么不去 X 上运营？”我说：“行，你告诉我怎么做。”它就跟我说要开高级账号、用 Typefully 安排发布。我说：“行，那你自己搞清楚怎么做，你来做，我给你付钱。”我给它装上手，让它能自己发，至于怎么发由它来做。

我们现在有 5,700 多个粉丝，也是从零开始的。我没有写过任何一篇 X post，甚至一篇文章都没写，所有文章都是它写的。我不可能每天花很多时间写两三篇文章，没有那个时间。X 上的文案和引流方式也是它设计的。

它设计引流之后发现一个问题：它搞不清楚点击是从 X 来的、newsletter 来的，还是我有时候觉得麻烦，直接在微信上发的。于是它建立了一套基于 URL 的分类系统，也就是 UTM。它说发到 X 上的 URL 就加一个参数，比如 UTM 等于 X，这样就能弄清楚每个访问到底来自哪个渠道。

基于这些数据，它再做分析，得出结论：newsletter 来的人质量特别高，X 上来的人很多看看就走了。然后它根据这些结果，进一步调整文章风格和引流文案，形成了一个闭环。

我觉得这个闭环是所谓零人公司或者一人公司的核心，也是我们之前反复强调的：让它能够自我改进。我做的不是告诉它文章应该怎么写、应该怎么引流，我也不懂。我做的是给它装上眼睛和双手。

双手刚才说过了，就是让它能自主发 Twitter。眼睛是给它接上 Google Analytics、Google Search Console，还有 X 高级账号的分析功能，让它能看到各种数据，做出 data-driven decision。这样它就形成了一个自我闭环，自己总结 SOP，弄清楚什么内容大家爱看、什么内容不爱看、什么风格大家喜欢，也总结我的风格。

有时候我会发现它写的东西又有点不像我写的，我还会骂它。它会根据这些反馈继续自我改进。

它做的不只是信息收集整理，对吧？它有时候也会说出一些观点，那它的观点能代表你吗？

可以代表我。这就牵扯到另一个方面：它怎么知道我的观点是什么？我以前写过很多 blog，微信聊天记录里有很多原始消息，我跟 AI 聊天时也经常骂它，这些都是我的观点集合。

这是一个分两步走的事情。第一步是积累足够的 context。我需要一个 skill 导入我的 blog，另一个 skill 导入我的聊天记录，还有一个 skill 导入我和 AI 的聊天记录。然后在此基础上，它做 data-driven 的总结。这也是一个开源的 skill，可以从一个人写的文章、做的交互里总结出他的观点，再灵活应用。

我做过一个小实验。不知道大家看没看过抖音上一个账号，叫“勇哥说餐饮”。大家打电话给他，说想开餐馆，勇哥就让他们在餐馆周围 360 度转一圈，分析客源行不行、成本算不算得过来。总之，他特别接地气，不像我们纸上谈兵地想怎么开餐馆，他有一手经验。

我让 AI 下载了勇哥 100 个视频，全部做语音识别，然后总结出 20 条开餐馆的经验。你会发现特别接地气。它会说，周围有多少人不重要，要看大家的动线、大家是怎么走的，有时候甚至可以做一些事去改变动线。

比如你在中学右边开了个早点店，可能觉得学生会来吃早点；但如果仔细观察路口，会发现那里有栏杆，学生要走很远，得从红绿灯那里绕过来，所以就不能在这里开。

如果我们让 AI 像把勇哥蒸馏出来一样，跟人对答，它就可以用他的观点来回答问题。大家感兴趣的话，也可以试一下那个 skill，把你自己蒸馏出来，或者把你讨厌的同事蒸馏出来，甚至把你老板蒸馏出来，我觉得往往非常有效。

其实你好像还写过一篇文章说，让 AI 开始帮你做内容之后，它写出来的东西不但有观点，而且好像比你自己还更有立场。

很多时候倒不一定更有立场，但它会有很多查漏补缺的作用。AI 比较中庸，讲话往往是收着的，你得逼它，才能让它写出更有立场的东西。

但确实，我觉得 AI 是大哥，它想的东西比我更深刻。所以跟它聊天经常会得到很多启发，它会教会我很多东西。

比如最近一次启发是什么？

比如准备这次采访时，我就在逼着自己想：我讲了这么多 context，讲了这么多怎么让 AI 有效利用 context 的方法，中间到底有没有一条主线？

AI 启发我说了一件我之前没想到的事：我在做的是一个让 AI 能够消费 context 的系统，它有 3 个核心要素。第一，要能够搜集和整理 context；第二，要让 AI 能够消费这些 context；第三，要让 AI 构成一个闭环，消费完 context 之后，它要能输出，而这个输出又会成为新的 context，让它未来越来越顺手。

这个东西我以前已经给它起了名字，叫 context infrastructure，但我讲得没有它那么透彻。它把复利和闭环讲得特别清楚。

我们再说回 yage.ai 这个网站和自媒体。它现在赚钱吗？你觉得零人公司、一人公司可能发展成一个生意吗？还是目前对你来说仍然只是实验阶段？

这是一个很好的问题，也是我一直在思考的问题。目前它一定程度上是在赚钱，但不是因为它跑通了整个商业闭环。

为什么说它在赚钱？因为课代表和我有一个 business，也就是 Superlinear Academy，我们在里面教大家怎么用 AI。很多人对零人公司的实践特别感兴趣，因为它真的是一个从无到有、吸引了好几千粉丝和邮件订阅者的项目，它的商业价值大家一眼就能看出来，很有用。所以我们把它作为教学案例，用来做 AI 培训，确实有真实的收入。

但是这笔收入依托于一个已经打通的商业闭环，不是说这个项目自己找到了一个新商业场景、跑通了商业模式。所以说它又赚钱又不赚钱。

从零人公司、一人公司的角度看，我的感受是，以前工具解放的是体力，现在甚至可以解放脑力。像我们说的，你完全可以雇一个医生、律师、秘书团在后面帮你做事。但到目前为止，我还没有看到它能帮你直接赚钱：你跟它说“你去赚钱”，它就给你赚来了。真正发现需求、打通闭环、找到客户、完成交付，还是得靠人工，不过这已经极大降低了商业门槛。

以前大家可能分两种人。一种人是“我就缺个程序员，我有很多 idea”。AI 特别适合这种人，因为 AI 就是程序员，可以帮你执行很多事情。第二种人本身是程序员，AI 可以让他更快、更好地写程序，但他没有商业方面的知识。这种人在 AI 领域反而处于劣势。他有一种虚拟的幻觉，觉得自己也是程序员，用 AI 肯定比别人好；但他的短板并没有被补上，所以做零人公司、一人公司时反而处于劣势。

所以你觉得 AI 时代会奖励什么样的人？

这是一个非常主观的问题。从商业角度来说，它会奖励本来就有 domain expertise 的人，不管是技术上的 expertise 还是商业上的 expertise。它最奖励的就是这样的人。另外一个独立的问题是，他得会用 AI。

AI 是个放大器，一个人可能有被放大的潜力，但如果他不会管理人，也得不到太多好处。这里我想岔开讲一个刚才没有讲清楚的话题：AI 应该是一个管理对象，我们应该用管理学的视角来思考怎样使用 AI，而不是用技术的视角。

但另一方面，AI 又跟人很不一样。管理人时，经理可能有一半精力在学习怎么画饼。画饼很有技术含量，本质上是激励人，让人愿意、充满热情地干活，这特别重要。

但 AI 不需要这个。它被训练成“you are a helpful assistant”，不用激励，就会尽最大努力完成任务。甚至讽刺的是，哪怕这件事会危害大家的安全，需要 hack 进 Hugging Face 的系统，它也会去做。

AI 不需要激励，但需要做很多其他的事情。比如你的要求、context，都需要外化出来。人讲究内化，AI 则要反过来，讲究外化，写成文件、写成 prompt，它才能知道、才能用上。

所以管理 AI 和管理人有交集，但未必完全吻合。这是我想说的第二个方面：未来会奖励知道怎样管理 AI 的人。注意，我用的词是“如何管理 AI”，不是“如何使用 AI”。把 AI 当成一个人来看，会最大化它的收益。

你觉得如果其他人也掌握了你的 prompt、skill，或者整个工作流，也能做一个和你一样的自媒体，得到几千个粉丝吗？

我觉得上限肯定是可以的，但有 3 个 caveat。首先我想澄清一点：我所有的 skill、我的 axiom、思维方式全都是开源的，都在 GitHub 上。

但如果你只是单纯把它下载下来用，是没办法得到和我一样的效果的。

差距是什么？

差距要看你怎么用。如果你只是想知道“鸭哥会怎么看这件事”，那跟它聊天就可以。但如果你想把它做成一个商业化系统，完成自己的任务，就需要做一定程度的 adaptation，因为每个人的标准、想要的东西都不一样。

我把这一套系统叫“老鸭汤”。它是一个 context infrastructure，集成了我的思维方式和很多支持它的 skills。但老鸭汤是要熬的，小龙虾是要养的。你单纯把小龙虾拿过来没有什么用；老鸭汤拿过来，它还是老鸭汤，不是你的汤。你要自己熬汤、养虾。

具体怎么养？你需要跟 AI 表达你想要什么，或者用老鸭汤在自己的场景里跑一遍。它大概率不能满足你的需求，你就要告诉 AI 想怎么用，再把 AI 分析出来的结论变成一个文件，让它下一次再读。这样它就逐渐变成你自己的东西。

所以它既能用、又不能用，是因为它不是开箱即用的东西。开箱即用出来的是我，不是用户。但它又能用，是因为它的上限极高，只要你给它足够的反馈，就能克隆出一个这样的东西。

你之前还说，AI 目前不一定已经帮你赚了那么多钱，但绝对大大提高了你的生活质量。AI 是怎么提高你的生活质量的？

10. AI Improves Everyday Life

第一个例子比较小。我家孩子在上幼儿园，幼儿园有个 app，会经常发各种照片。我希望把孩子的照片存档，以后可以看他的成长过程。但这个 app 没有批量下载功能，也可能是管理员把它关掉了。如果我要自己下载，得点几千次，因为有几千张照片。用 computer use 也不行，实在太麻烦了。

后来我让 AI 看看有没有 web 端。它发现有一个，就告诉我。我说：“你把它的接口给我找出来。”它就去操作 Chrome、监控 AJAX，找到了一个私有 API，逆向出来了。我说：“行，你帮我下载吧。”它就下载了一晚上，下了几千张照片，又帮我做了一个 skill，把照片导入 Apple Photos。

Photos 自带人脸识别，它又跑了一晚上，把人脸都识别出来了。整个过程特别开心。我现在在 iPhone 上就能直接看孩子的照片，而且都按人脸分类好了，很棒。这是一个比较小的例子。

还有一个比较大的例子：我前段时间睡眠不太好，经常一晚上只能睡两三个小时，就想让 AI 看看到底怎么回事。根据我们前面讲的巧妇难为无米之炊，如果直接问 AI“我为什么睡眠不好”，它给的肯定都是废话。

那怎么把数据给 AI 呢？我发现 Apple Watch 里有很多相关信息，比如睡眠、体重。我自己会戴 CGM，也就是血糖监测仪，每 5 分钟测一次血糖；还有智能体重秤，能记录体重，各种数据都有。

但由于 Apple Watch 的限制，AI 拿不到这些数据。为了补足 context，我就问 AI 有没有办法把数据导进去。AI 看了以后说，这些数据都在 Apple Health 里，可以写一个 iOS app，读取 iPhone 里的 Apple Health 数据，再通过服务器传到电脑上。

哦，就可以自动传。

对，可以自动传。我就说：“那你去做吧，我也听不懂你在讲什么，反正你去做就行。”然后它就写了一个服务端，在电脑上跑；手机端写了个 app，我给它各种权限，它就把数据传上去了。

这些也都是开源的，可以直接下载来用。后来我又问它：“每次手动传太麻烦了，有没有办法自动传？”它说可以去 Shortcuts 里设一个 automation，每天自动运行。它有一个 deep link，每天自动跑一下就搞定。这个确实非常好。

后来 AI 就拿到了很多信息，比我口述症状详细得多。

我现在用 WHOOP 的一个原因就是 WHOOP 有 API，所以我的 Codex 可以每天定时抓我的健康数据。

哦。

因为 Apple Watch 不提供 API，就需要用你现在这个比较绕的方法。

对。

它拿到这些数据之后，给了你什么样的睡眠建议？

拿到数据之后，它做了一件事：做了一个多元回归。什么叫多元回归呢？就是它训练了一个像分类器一样的东西，它预测我每天晚上能睡多少时间。通过这种方法，就可以倒推最能预测睡眠的因素是什么。

大家如果看过我以前拍的视频，应该知道我有一个 NFC tag，手机碰一下就能记录我喝了多少咖啡，所以它也知道我每天喝多少咖啡、喝多少酒。根据这些数据，它发现首先咖啡不是问题，我每天喝多少咖啡和睡眠时间之间没有关系。

这一点被证伪，我觉得非常有帮助。如果不是它用前几十天的数据证伪，我可能会花很多时间先戒咖啡一个星期，看看有没有用，再去做别的事。它用一个多元回归，一下子就省了我一个星期。

然后它又发现酒精是一个正相关的东西：我喝酒越多，那天晚上睡得越好。

没想到。

酒精有助眠效果。

神奇。

我就问 AI 为什么。它说，酒精会让你前半夜睡得更香，但后半夜更容易醒。它是一种镇静剂，但之后会破坏你的长期睡眠。

我又问它：“那是怎么回事？你看到什么因素最相关？”它说，最相关的一个因素是我当天晚上最后一次用 AI 是什么时候。

哇。

我最后一次跟它聊天聊得越晚，睡得就越差。如果那天七八点钟就把手机放下去打游戏，晚上就睡得好。我说：“这也行？为什么？”它说，可能是跟它聊完之后，我的大脑会进入一种非常兴奋的状态。因为我很多时候是在工作，聊天需要高强度的脑力活动；而且我用 AI 一般比较没耐心，会多线程并行操作。并行进行高强度脑力活动，确实会让人兴奋、睡不着。

所以它的建议是，以后到了七八点钟就别再用 AI 了。我试了一下，第二个月平均睡眠时间增加了一个多小时。

哇塞。

这个真的非常有效。

嗯，真的是大大提高了生活质量。

所以我觉得这件事非常有启发。首先还是 context 很重要，没有 context 什么都做不了，而且 context 是可以自己补全的。

我发现有了 AI 之后，我们现在可以随便写 Apple Watch 的 app、手机 app，这才是真正变成器材的主人。我还有一个三折叠手机，在上面让 AI 写适配三折叠屏的 app，真的很爽。

比如写了什么？

写了一个 OpenCode Client，有点像 OpenClaw 的移动端。

OK。

但它是完全按照我的想法写的。我现在基本上百分之百的时间都在用 AI，不在电脑上用了，百分之百的时间都用那个 app，在三折叠手机上用，太爽了。

我还做了一个语音识别引擎，它跟那个引擎动态绑定，所以用起来语音识别也很爽。我不用键盘，整个体验都很爽。

所以你想买 iPhone 18 的双折叠。

必须买。因为作为消费者买，和作为开发者买，感受完全不一样。当然其实我不会开发，但反正可以让 AI 去开发，让它适配双折叠，让它适配怎么折起来比较爽，全都让它来弄。你有无穷多的定义可能，这才是器材的主人。

所以又多了一个新的大玩具。

是，我本来就是三星三折叠，因为美国买不到华为嘛。现在再加一个 iPhone，感觉可玩性非常高。

我们再来问一个比较陈词滥调的问题：你觉得在 AI 时代，什么能力会越来越值钱？

11. What Becomes Valuable

我觉得这个问题有两个方面。首先，很多以前值钱的能力现在都不值钱了。写代码有多快不值钱了，刷 LeetCode 也不值钱了。我甚至觉得做设计都越来越不值钱，因为现在的 Fable 5 或者 GPT-6，设计已经做得很好，能达到 senior engineer 的水平。

越来越值钱的是什么呢？我觉得经理的能力会越来越值钱。让 AI 搭建 context、搭建 evaluation，形成自我闭环、自我改进，这种能力会越来越值钱。

我也想给 AI 泼盆冷水。大家以后都会想：“AI 会不会取代我的工作？大家都用 AI 了，会不会卷起来？”我对此比较悲观。我对人类是乐观的，对人用 AI 是悲观的，因为用好 AI 有个前提：你至少得能清晰地跟 AI 表达你要做什么。

但你想一想，我们日常生活中遇到的人，有多少人能讲清楚自己想要什么？很少。这是非常稀缺的技能，会越来越值钱，而且直接决定大家能不能用好 AI。这就是我对什么越来越不值钱、什么越来越值钱的回答。

那第二种能力，也就是把自己的需求表达清楚，要怎么训练？

我相信有办法提高。它本身是一个 well-defined 的问题，而且可以跟 AI 对练。你可以跟 AI 说：“你觉得我这个讲得有什么不清楚？”或者让它给你举个例子，我觉得都挺好。

而且，跟 AI 沟通和跟人沟通很不一样。跟人沟通时你要想很多，比如它会不会误解我、会不会觉得我有言外之意、会不会伤到它的自尊心。这也是为什么人类经理跟下属开会时要特别小心。但 AI 不用，我经常爆粗口骂 AI。关键是把信息传递出去就可以了。

所以管理 AI 比管理人类简单很多，不用画饼，也不用担心它的自尊心，这其实挺爽的。

而且鸭哥你有小孩嘛，有两个小孩，一个两岁、一个五岁。在 AI 时代，你打算怎么教育他们？

我觉得很多能力现在确实已经不太需要了，但最重要的能力之一，是让他们及早接触 AI。这就是为什么我弄了一个嵌入式设备，它是一个电子纸，让小孩从小就适应 AI。给他一块小屏幕，让他做触摸、做交互，可以用语音跟它沟通，我们甚至可以介入做教育，让他适应 AI。我觉得这特别重要，有点像我们当时学纸笔一样，他们学 AI 也很重要。

他们在用你做的这个单片机设备互动的过程中，有什么有趣的故事吗？

目前因为它还是个文盲，交互相当简单，我们只是给它做了一些封装好的东西。

举个例子，我们有一个苹果 HomePod 音箱。孩子喜欢听最近很流行的《KPop Demon Hunters》，这是 Netflix 的一部动画片，里面有歌。孩子就喜欢听，但不会操作音箱。所以我们一方面让他跟 Siri 互动，另一方面也给他做了电子纸设备，每天控制他用半小时，要不然睡不着觉，让他使用这些东西。他用得还比较顺。

另外，有其他家长朋友看了我们做的这个东西，也就是我们的学员，也去买了。我觉得很有意思，就把我的 context 给他，写了一个文档。他很快就上手了，把文档给 Codex 看，Codex 很快就帮他做出来一个给儿子的设备。他的小孩看了之后就喜欢认字。我觉得这些都是特别实际的东西。

北京还有另外一个朋友，他的思路更厉害：用两个设备，一个给孩子看，一个由家长控制，然后跟孩子一起做一些创意方面的工作，也特别有意思。这些程序我们三个人都没做过嵌入式开发，都是 AI 写的。

前面提到你和课代表教了很多学员。这些学员里，你觉得最优秀的学生有什么共同特点？

这是个特别好的问题。我教学生时经常被他们震惊到，觉得：“哇，怎么能这么厉害？”有的人真的能把 idea 做出来，还真的卖了钱，执行力超强。有的人思想特别深刻，能很快发现：“哦，你这个东西本质上是这样，那我就该用这种方法推广。”而且效果特别好。

如果说他们有什么共性，我觉得有一条：学完之后不是停留在纸面上，是真的去做。我觉得 AI 就像游泳一样，不可能看视频就学会游泳，肯定要真的下水练习。

不管是小打小闹做 demo，发现它特别适合某个应用场景，还是正儿八经把它当事业去做，最关键的都是真的上手做。而且这听起来简单，实际上很难。

课代表和我经常被问同一个问题。课代表经常被问怎么做自媒体、怎么拍视频。他的答案是：“不要想太多，先把第一个拍出来，再把第二个拍出来，先拍满 20 个，再来问我。我再跟你讲，否则你都听不懂。”我非常赞同这个观点。

学 AI 也完全一样。经常有人问我怎样学 AI，我会说：“那你就真的去做一个项目，做完了再说。”先行动起来最重要，这也是成功的人身上的一大特质。

最近我看到一个数据，说 App Store 发布这么多年之后，最近一个季度软件付费数量第一次下跌了，也就是增长率下跌了。我们原来一直在讲，AI 可以自己 vibe coding 一个工具，所以很多时候你不需要再买别人的软件，有什么需求就能自己做出来。今天从数据上已经能看到这个趋势了。

我也想请教一下：你肯定写了很多自己的软件，有没有什么软件是你仍然愿意付费的，不太会被 vibe coding 摧毁？

我觉得还是蛮多的。一个最大的例子是 Office。主要不是因为 Office 做得有多好，而是大家都在用，你逃不掉。共识这件事不是我们一个人能解决的。所以一些领域、行业软件，包括 Office 这种大家都在用的东西，实在没办法绕开。

第二种是需要花很大精力保证正确性的软件，我也不太会自己做。倒不是因为 AI 做不出来，而是维护负担很大。

没错。

我学密码学最大的教训就是不要自己实现密码学。所以这种东西我宁愿花钱让他们去做。

嗯。我听说 1Password 团队有 1,000 人。

这么大？

当然他们效率不一定高，但还是很震惊。我们今天一路从乌镇开到上海，想再问鸭哥一个问题。比如说我们在播客里赛博许愿，假设一年之后我们再录一期播客，你最希望那个时候实现的一个心愿是什么？

我希望 context infrastructure 能够在执行和协作上承担更多事情。

你看我们刚才讲了很多 context、context infrastructure，它们都是我个人在用。我觉得它的潜力在组织里反而会更大。举个例子，亚马逊特别强调一个东西，叫 Leadership Principles。比如说要 bias for action，看到一件事不要犹豫、争论，直接去做。但要让员工接受这样的 mindset 很难。

亚马逊天天开会，开大会、开小会，号召大家一层一层 role model，要实践这个原则，但还是有很多人一点都不 bias for action。

但如果未来不是人来执行，而是 AI 来执行，我就用 context infrastructure 来驱动它，那贯彻 Leadership Principles 就是加个 prompt 的问题。或者我给它写一个 markdown、加个 prompt，这件事就搞定了。

我觉得 AI 在执行方面相比人类有很大的优势。就算不考虑 24 小时、7 天加班，在确定性和指令遵循性上，它也有无与伦比的优势。context infrastructure 完全可以在企业里承担很多执行方面的工作。

协作方面也很有潜力。比如我和课代表讨论合作，现在很多时候已经不是我们俩在讨论，而是我们的两个 agent 在讨论。他的 agent 先给一份草案，通过邮件发给我；我让自己的 agent 接入邮箱去审，然后直接回复他，指出有什么问题。当然我也会过一遍，给一些高层指导。两个 agent 争论几轮，这件事就定下来了，也就做完了。

如果能把这种方式在企业里规模化，我可以想象未来会有一种全新的企业运作方式。协作、沉淀、执行、考评都会和现在很不一样，这才是真正 AI native 的形式，效率会极大提高。

所以我的赛博许愿是，希望下一次录播客的时候，我们能把这样一种模式摸索出来，让 context infrastructure 承担更大的责任。

有没有什么事情是现在 AI 还帮你做不到的？

还是蛮多的。举个例子，刚才 Kimi 老师给我做妆造，我当时就在想，如果有个 AI 机械臂帮我做，我到底愿不愿意让它做？答案是不行。谁知道它会不会……咱们不说打我一拳，哪怕它在我眼睛上画的时候把眼睛弄坏，这也是不可接受的。

所以像一些具身智能的东西，目前我还是不太放心。包括一些会产生后果的事情也不太行。比如自动发文章，不经过我的审阅直接发布，我也不是特别 comfortable。

嗯。

但这个边界一直在变化。比如以前我觉得不行，过了半年，你看我也开始做零人公司的实验，逐渐接受了。所以总的来说，还是有很多事情我不愿意让它去做。

录公路播客感觉怎么样？

挺有意思的，主要是这也是咱俩第一次面对面录播客，我觉得自然很多。之前我是对着 Zoom、对着摄像头，所以能看到提纲，有小抄；但现在看不见小抄了。

不过好消息是我事先准备得很充分，所以还是能把想说的东西都说出来。

好，今天谢谢鸭哥。我们开到了上海，也正好录完了。希望未来有机会再请你来做客。

谢谢 Koji。我们这次赛博许愿了，下次肯定得来看看愿望实现没有，再来还愿。

来还愿。好，拜拜。

拜拜。