OPC 已经凉了，FDE 会有光明的未来么？
- 发布
- 2026 年 8 月 29 日
- 时长
- 1 小时 6 分
- 主播
- 徐文浩、任鑫
- 收听
- 小宇宙Apple Podcasts喜马拉雅
徐文浩与任鑫连麦，从 OPC（一人公司）与 FDE（前置交付工程师）两个热词的降温切入：OPC 不成立但小团队成立，FDE 本质是咨询加外包，填完企业渗透 AI 的缝隙后这个职能会消亡，真正的机会是做「AI 时代的埃森哲」。两人还聊了国产模型井喷后日常 80% 开发工作已难分高下、蒸馏的 ROI、模型是否会变成水电煤，以及徐文浩对 DeepSeek DSH 的独家判断：它不是好 harness，却是「可塑软件」有意思的内核。最后分享了公司 AI 原生组织的实操。
- OPC 不成立但小团队成立：现代社会做公司的复杂度仍高，交接是效率损耗；任鑫补刀「很多人失业了就管自己叫 OPC」
- 做一人公司最重要的一件事是找到谁给你付钱，先卖别攒技能，不要靠做东西逃避现实
- FDE 与咨询加外包没本质区别，它填的是企业渗透 AI 的缝隙，缝填完职能就消亡
- AI 转型是政治问题：对员工是抢饭碗、对管理层是抢权，老板需要借外面的一把刀做事
- 信息差远超想象：一群企业家问的仍是 Codex 怎么装、信用卡怎么绑，很多知名 AI 公司创始人日常在用豆包
- 国产模型井喷后，日常 80% 的开发工作一线模型已无明显差别，长程复杂大任务仍是所有人短板，快也很重要
- 买 AI 巨头股票的逻辑像买保险而非炒股：万一未来只剩它最值钱，你好歹占千万分之一
- DeepSeek DSH 万事万物皆插件，作为生产力工具不合格，但让 agent 运行时动态可变，是「可塑软件」有价值的内核
本期制作
- 剪辑
- 十六颗糖
- 片头
- Shortwire - Reconfig
- 片尾
- Voyageur - I Will Fight For You
目录
点击跳到对应位置
- 开场：新闻速览——OPC 降温、FDE 升温、DSH 发布00:00
- OPC 为什么不成立：先卖，别攒技能05:49
- FDE 和咨询加外包到底有什么区别08:55
- 信息差比你想象的大：上门帮老板装 Codex 的生意11:47
- 小团队成立：交接是效率损耗，从飞书模式到 GitHub 模式15:56
- FDE 的宿命与 AI 转型的政治问题18:15
- 国产模型井喷：谁还在基础模型的牌桌上21:41
- 实测体感：日常 80% 开发工作已无差别，快也很重要25:09
- 蒸馏之争与字节做不出 SOTA 之谜26:27
- 模型会不会变成水电煤；买 AI 股票像买保险31:05
- DeepSeek 的 DSH：不是好 harness，但是好内核35:51
- 可塑软件：为什么人人都在重做 agent 客户端41:17
- 企业渗透路径：ERP 里加 agent 的 hybrid 形态48:55
- AI 原生组织实操：飞书 bug 机器人、每周自动重构、设计师提 PR54:08
- 彩蛋：12 亿人的 AI、DHH 的 Omarchy、家里那台 Jarvis58:31
文稿
共 853 句 · 点段首时间或句子从该处收听，双下划线是重点词条，其他词条悬停可见
00:30所以你大量的工作就就会被盖掉，除非是那种竞争性工作和无尽的边疆那种探索性工作，只有这两种工作需要用到最前沿智能，其他好像都不需要了。
00:42现在接下来的软件是可以非常个性化的，但是这个个性化不是说每个人从零做，而是每个人基于某一个软件或者一些内核，再去改改成自己需要的东西。
00:58欢迎大家来到AI炼金术。因为现在是暑假，我这个月基本上都在带娃，啥都没干。难得徐文浩同学说我们来录期播客吧。来，徐文浩同学，最近有什么好玩的可以聊的吗？
01:13最近有很多新闻呀，你肯定也关注
01:20有好几个事儿吧。第一个事儿是过去一段时间有两个词儿很火嘛，第一个叫OPC，第二个叫FDE。OPC这个词感觉温度在慢慢下降，FDE这个词温度在慢慢上升，我就感觉快要到顶点了。第二个是WorkBuddy，国内的这些厂商开始去做一个这种客户端类型的Agent，以腾讯的WorkBuddy为首嘛，
01:47开始做大量的推广嘛。所以你看到腾讯做了WorkBuddy，字节把那个豆包跟飞书合并了，然后也在花很多力气推它那个TraeWork，最大的问题就是这个名字大家念不出来。你知道就那个。第三个就是反正DeepSeek的Pro发了，评价很拉嘛。
02:07然后DeepSeek发了他们自己的叫Harness，叫DSH。我觉得有非常多的不同意见，这个事情有一个非常多的争论。有很多人觉得这东西巨傻逼，有很多人觉得这个东西哎很好什么。这个其实我觉得我们可以深入聊一下，因为对这个事我其实还是有比较多不同的想法和看法，跟骂的人跟夸的人的想法可能都不太一样。
02:30最近那个OpenRouter上有个模型叫那个Ox，Ox Alpha，Ox什么来着。Ox Alpha，对。大家都猜是那个GPT的后续版本吧，有人说是5.3V，有人说是5.5，而且我觉得基本上大家给的论据是比较实锤的嘛，相当于猜它的tokenize嘛，tokenize嘛，然后来猜它的指纹嘛。
02:51国内就很多这个事嘛，海外就是Anthropic跟OpenAI都在说要可能IPO嘛，但是都有两个反馈嘛，第一个是Anthropic的收入大概是OpenAI的一倍嘛，但是第二个大家普遍就是说目前的数据是Anthropic的增长率已经下来了，它的这个
03:13增长到个位数了。那也就意味着，呃，这这一轮AI到了一个阶段性的可能很难往上冲了，而且特别是随着Codex跟Anthropic花了很多很多钱去去推他们的业务，他们渗透其实是影响了很多的三方的应用。就是两个都是国内团队做的嘛，一个是Manus，一个是Genspark。
03:36大家的判断都是活跃数比巅峰可能要跌了三分之一吧。具体数值我不知道，应该也都是通过一些第三方数据监测去推测的嘛。其实也很容易理解，就是你今天不管是一个什么样的三方提供的Agent的产品。呃，就他的能力好像，比如Codex也好，Claude也好，或者像国内的WorkBuddy也好，
03:57可能都能覆盖，对吧？如果你是模型厂商，其实是有能力，因为它的token毛利很高，它可以用很低的成本去提供token。而你是问他买token的，你是没法跟他打价格战的，对不对？那你没法打价格战，就是大家也很实际嘛，因为今天的模型之所以能干很多活，是因为模型本身能力很强。
04:19其实Harness好一点坏一点，在大部分普通人的应用上可能没有那么大差别。我写个PPT啊，写个文档啊什么，做个调研啊，可能差别没有那么大，对
04:30吧？而且模型越强的时候，其实Harness就越没有那么，就是之前可能比如说Manus在上面打很多加手价让它变得更厉害了，但是模型一升级，它的加手价80%就废了嘛，就不需要了嘛，那这个时候差别也不大。然后另外一个就是你刚刚说的那个价格的问题，我用Manus的话，用的就是几次体验还蛮好的，但是每次价格也是把我吓到，
04:53就是基本上我跑一个任务20美金就没了。但我现在Claude Code是200美金嘛，那个就感觉就是执行那一类的任务，一个月起码执行100次。对，我觉得这种形式很好啊，以后我们要不要干脆你有空定期的我们来过一过嘛。就相当于比如说每周我们来把一周的新闻过一下，然后说到底哪件事重要，它的影响到底是什么。
05:15我觉得这这是一个蛮好的专题的形态，因为我们每次都是我们直接连麦，然后就说我也不知道我们要聊什么，然后就我们就瞎扯嘛。要不要每周开一个专题啊？你有空吗？大哥。
05:38好的。那我待会儿再问你这个Harness的事情，我过两天要去混沌讲课，我从你这里偷点案例出去，帮你们吆喝一下也行。我们先聊哪个话题呢？你比较感兴趣的。
05:55吗？对。最近看FDE确实比较比较火，传统企业都在转型嘛。然后OPC的话，这个概念我觉得不火是应该的。对。
06:04因为他其实就是很多人失业了就管自己叫OPC嘛，经常有人问我一些关于OPC的话题，什么最重要的是什么。然后我记得我上次回答他说最重要的是人找到谁给你付钱。他们就会说说OPC我们最重要是搭这个Harness还是干嘛干嘛。我说不重要。
06:19重要是给钱。大部分OPC其实是很难找到有谁给你钱的，都会在那边自嗨，我提效了这个我提效了那个，我又做出了一个啥啥啥，然后去哄骗一批也想做OPC的人来给他钱对吧。但是实际上大家都没钱了嘛，所以我觉得这个东西它无源之水，它是撑不下去的。
06:38但是FDE你好歹可以去相当于你去做外包嘛，对吧？那这事儿其实它的商业转化是比较通的。OPC它只是讲说你一个人可以干活了，这不废话吗？一个人个体户也是能干活的。但是干活和你能把活儿转变成钱，难的其实是后面那件事儿。
06:55但大部分人是没有经过后面这件事训练的。
07:20以就会不停地逃避现实嘛，就会不停地做东西嘛。有好几个人问过我一些这方面的东西的话，他们都是说我要做这个还是做那个，我要积累这个经验，不要积累你赶紧卖。
08:11已经很好了，我也去搞一下。插播一个广告，AI炼金术的各个视频号啥啥的，反正也更起来了。我就在，反正大家也可以去各大视频平台关注一下，有一些会带PPT，有一些会打地，反正都会有一些东西。好好，你回来。我们升级设备了，大家可以更高清的看到这两张不酷不帅的脸了。
08:30我们还是会尽量把这个节目做得质量好一点，可能未来会有更多的PPT啊，或者投屏啊，或者真实的场景啊，就脸是没什么好看的，我们又不是
08:56跟原来的咨询加外包的区别是什么呢？没有什么太大的区别。大部分今天号称是FDE的人，或者说我是以FDE形式去交付服务的公司，似乎跟外包没有什么区别。
09:11嗯，没有区别。所以你的
09:13结论就是没有区别吧？
09:58但我觉得这有另外一个问题啊，之所以大家觉得FDE跟，其实我觉得有一个核心原因是，原来其实咨询也很麻烦，写代码也很麻烦。我一个咨询公司跟你咨询完，我如果这个事情要落地，要变成形成你公司里的系统流程，其实咨询我可能已经花了两个月了，
10:15但是我发现写代码要再花十个月，这个事情，所以才出现了另一类咨询公司，就是埃森哲这样的咨询公司，什么IBM这样的咨询公司。他们跟所谓的传统的麦肯锡是不太一样的，麦肯锡是肯定不管那个说再给你找一百个外包帮你把这个项目交付了，
10:31但是所谓的IT咨询公司其实是还要把这个事情交付了，原来是这个逻辑。而且原来的逻辑是，虽然咨询很贵。但是后面的交付也很贵，因为你投入的研发成本非常高。但是今天FDE说能用贵的人做，把外包也做了，是因为研发成本极低，对吧？就是我跟你聊完了，然后我对着Codex或者Claude Code在美国说，我帮他喷了一堆话，然后啪，
10:53这事情就做完了。所以它就显得这个东西特别厉害，所以就有了FDE，对吧？但这个当中就有这样一个问题，那为什么公司还需要外部的FDE呢？为什么公司内部的业务团队或者IT，他自己不把说咨询类全巴巴巴把这个事情喷完做了呢？我想讨论的第一个问题，FDE它到底就在你看来，因为你可能聊的公司啊团队也比较多，它今天到底交付的，
11:17它和外包能交付不同的价值吗？还是甚至这个外包还有必要吗？你也会说很多AI native的公司说我们要减少交接环节。我刚才说我一个人把这个东西写了，并不是说我特别厉害，而是说我写到一半，我想要让其他同事加入的时候，我发现还算了，还不如我写，因为我和他沟通半天，还不如我自己写多一个人。
11:37其实占用不了多少时间，这交接环节你甚至可能是降速的。那既然是这个逻辑，那我为什么还要在外部找FDE呢？那不就多了一个交接环节吧？我
11:47先讲一下，我觉得有两个大的原因啊，一个是这个信息差可能比你想象当中更大。就传统企业，因为我们比如说你刚刚随口讲都可以讲出这么多新闻，我最近全职在带娃，根本没看你说的这些东西，我居然也知道，其实是因为我们泡在这个圈子了。世界上绝大部分人是不知道这些事情的。
12:08世界上绝大部分人的卡点卡在哪里呢？我最近机缘巧合反正有一群企业家一起混一些事情，他们觉得你是AI专家嘛，但是他们问我的问题都是类似于Codex怎么安装以及信用卡怎么付。我帮他们一对一的安装，专门找了一个英国回来的小朋友。
12:26这个英国回来的小朋友最近正在帮他们一个一个上门，上海地区负责上门，其他地方负责远程视频，帮他们刷卡，帮他们下载软件，在做这个。
12:39告诉你真的，很多甚至于，一方面是传统的企业这些已经很拥抱AI的老板们，他们还会卡在这种你想都想不到的地方。你会想说你们公司三百亿的话，就是你随便找个助理帮你搞一下不就搞完了嘛，居然没有，你就会很匪夷的一件事情。但是
13:29作，我稍微有点没太理解，这个跟我们传统定义的是AI高科技公司类似吗？如果是一个拿到funding的AI。
13:37我回头告诉你，名字一定是类似的。就是你认为的那些你知道名字的高科技公司。所以其实并没有你想象当中人人都已经在用Claude Code、Codex、WorkBuddy，不是这样的。大部分的公司的像我们这样的老登们转转型其实还挺慢的，这一个。
13:53另外一件事情就是其实他们要转就公司里面找个小朋友也就好了嘛，但是其实很多的企业是真的没有这个人。尤其是传统企业，因为很多传统企业真的利润很薄。其实他们请来的人，我们先不说能力水平，至少工资肯定不是特别高。哪怕他的副总可能，比如说我们在互联网公司，你请一个好一点的小朋友，经常也会年薪百万嘛，但是他们的副总可能才五十万。
14:16那这个时候就很多的他们负责IT的什么负责人什么的可能才比如说整个研发的负责人，一家不小的公司可能才八十万。那这样子他其实确实也不太懂。因为懂有几层意思嘛，一个是他真懂嘛，还要乘以他的表达能力，像我们这样子，我们懂也不算最顶级的懂，
14:33但是我们挺能白话的，就是懂乘以白话这个能力，他们肯定是不行的。那这个时候他们老板也不信他的，就觉得他不懂。那这个时候像我们这种外来的和尚，听起来就是哇，你还有个不，哇，你还那个在哪个上面，他们就比较容易被信。那外面这些人他哪怕是原本不懂，但是他比如说他原本麦肯锡的，他正好会说，他又有一个光环在那里，
14:55他就告诉你说，哎。美迪，我们上周刚刚帮他转型，老板就比较容易信，信了之后帮他在现场装一个Codex，演示一下他效果有多好，这个人不仅高屋建瓴，还能够马上落地，这不就形象就出来了吗？现场给你直接上线，一边开会一边上线八个demo。
15:13然后就王总你要的是这个第三个嘛，人家就觉得哇，你们太落地了，还能这么弄。但是实际上就是一些常规操作嘛，所以我觉得可能你身边接触的那帮科学家太多了，你就会以为世界上都这样的。我经常会被震惊到，你们还在这里，对。所以信息差还很大，我觉得这里面机会真的很多，甚至于我都想过说是不是我们两个应该转型，就号称我们在规模化的帮公司培养FDE什么的，
15:37不管是卖课也好，做个咨询公司也好，应该也是挺好的，这个是可规模化的。
15:42对，我觉得这个业务一直存在吧，就就AI时代有一个做AI时代的埃森哲的机会。对对对对。对，
15:56第一个是我觉得OPC本身不成立啊，但是我觉得团队规模小是成立的。我其实一直是这个观点嘛。就是OPC不成立的原因还是说，你总要参与市场竞争吧。现代社会做一个公司要做的事情其实复杂度还是挺高的，从我要做产品，我要去销售，我要去交付。
16:14而且假设一个人能搞定，那多一个人能不能double吧，对不对？那是不是我能挣更多的钱嘛，所以我是觉得OPC是不太成立，但是我觉得小团队是成立。我自己在我们公司的体感，其实在我们其实已经不算一个大的团队了，你都觉得说好像一个人干活的效率更高。
16:31一个人已经能干非常多的事情了，而且他的效率往往可以做到非常高。任何一个环节的交接，往往都是对效率的损耗。但是我觉得其实一直有一个问题，我觉得我自己也没有回答好，包括我觉得市场上我不知道有没有像我们的这样公司，你遇到一个问题，大家现在互相之间不太说话了。
16:50话说得越来越少了。就是很多时候他问我一个事，我就给他一个link。这个link可能是个代码库或者是什么，你问他，互相之间也没有耐心去问，或者说这个代码库整个架构的设计是怎么样的。一般就说，我把整个代码库交给你，你自己去问吧。
17:07我跟你讲我觉得也很麻烦，这个事情一两句话也讲不清楚，不如你直接拿着我的代码库对着AI问。
17:14我最近啊聊过一批这种公司嘛，正在了解大家，基本上跟你的状态一样，大家基本上也是协调越来越少，基本上原来比如说有六步流程的，现在都缩到一步两步。哎，你这个比较简单，你这个是一个人搞定嘛。而且有一个新的方式的管这个合作方式的一种叫法叫做所有的人从飞书合作模式转向GitHub合作模式。
17:39就是不是飞书，就是人跟人说说话，聊聊聊聊聊。GitHub相当于所有人都对着同一个GitHub在协作。所以确实就是这么个情况，因为人和人之间的不管是交接也好，沟通也好，对齐也好，推进也好。就效率太低了。我最近录了一期播客讲那个AI原生组织转型嘛，然后录了一期单口在讲这些活基本上现在都应该把AI当做一个中央枢纽，
18:04当做一个总线，让AI来做这些事情，让人类来做这件事情，人类就会成为瓶颈嘛。但是这样子为什么还要一家公司，然后人与人之间是不是这些问题就解决不了呢？
18:15FDE可能它不是一个长久的业务，它更像在这个阶段去填补企业渗透AI缝隙的过程。随着慢慢填补了，这个FDE这个职能就消亡了。因为AI按道理来说，模型能力越强，产品越完善，就应该是公司自己内部的员工，对吧？拿着一个agent，自己对他口喷一下这个问题，对着他说话或者打字或者怎么样。
18:39所有的公司要解决的并不是AI问题，还是业务问题嘛。我今天是个零售商也好，我今天是一个餐馆也好，我今天是一个制造业企业也好，我要解决的问题并不是我的AI多有效率，而是我这个餐馆得有客人来花钱吃我的饭，对吧？我们这些外行AI的人其实不知道一个餐馆怎么运营的，餐馆里非常细节的弯弯绕绕，他不了解AI，你不了解餐馆，
19:03但是你想挣钱，所以你就拼命去了解餐馆，慢慢帮他把这个缝隙填补完。但随着这个过程中，我会有一个感觉说，那慢慢这个FDE应该变成他内部的员工，他的沟通成本也更低，你就去下一个公司吧，但慢慢最终FDE这个职能就消亡了嘛。
19:19我首先回答一下你关于OPC那边，我也觉得说一个人搞不定，还是现实世界有很多摩擦，还是需要有人合作。我举个最简单的例子，不是也有人请我讲课嘛，对合同，以及你要在各个什么五百强什么大厂，你要什么耗进去小半个人，你要不耗我的时间，我就我我会疯掉。
19:38那种流程会长到你或者复杂到你难以想象。对。所以你光是为了收钱，其实你可能都要耗进去半个人。就这些事情非常莫名其妙的，所以大厂那么简单。哦，这是一个。
19:50FDE这边我另外一个观点就是有点像麦肯锡，那你想公司里面的人也熟悉公司嘛，那为什么要请个麦肯锡去讲道理嘛。所以很多时候我觉得这是一个政治问题。因为AI它其实革命的是自己，自己对员工来讲，其实多少有一点事儿是来抢饭碗的。对于管理层多多少少它有一点是来抢权的，让自己开刀自己这事儿。
20:14当然像安克啊什么的，我最近在看听他们的课，听了两遍了，讲得太好了，他在分享他们做的。我觉得像这种公司它能做下来，因为老板确实够狠，但是很少有老板真的又够狠，又又能够管得下来业务的。我认识的大部分的，就是他们的老板虽然看起来很有权威，就就把狗下属喷得像狗一样，但是他们已经干涉不了业务了，
20:36甚至于他都不敢把他喷得像狗一样的那个高管开掉。因为他太不懂了，已经。所以这个时候他那个高管跟他讲说他这边改不动，因为高管就非常直接地跟推AI转型的那个HR的负责人讲说，这件事情对我的好处，两个人都很熟，说不出来，没有。对。
20:53所以这件事情我觉得从政治上来讲，他是要在外面的话，他来借刀杀人的。对，不是在于说内部做不到，而是内部这件事儿，他在心态上他的位置让他做不到，不是说能力上做不到。他位置上做这事儿真的对他没什么好处，所以要借刀杀人。
21:10但我觉得这个时候这个职位就回到了一个传统咨询的职位了嘛，它其实跟FD也没有啥关系了。
21:16我觉得是这样。那传统咨询，你说埃森哲，它不也是当时号称拿着自己的高科技来帮你改造啥啥的，那现在就拿着AI号称帮你改造，但最终其实对影响不大。我觉得，如
21:48阵口碑很好。
21:50差不多一个半月以前吧，先是Kimi 3，后来是DeepSeek Flash V4，开了Flash，开了一个7月31号的版本，反馈也非常好。时间线我记不清楚，GLM 5.0是谁先出来谁后出来的。后来也发了3.8，千问它那个27B的小模型的反馈非常好。
22:09X在市场上好像我看没有太多声音，就这四个国内的模型嘛。那个Google发了Flash 3.7，啊，还有个重大的新闻刚才漏了，就Google的巨大的，Google巨大的，这不止GPT，感觉就是DeepMind的，大家不知道发生了什么事情。
22:25Google发了Gemini 3.7 Flash，基本上目前是Kimi 3的反馈很好。Gemini的反馈也很好，千问的27B的小模型反馈也很好，DeepSeek的V4 Flash的反馈很好，然后Pro的反馈非常一般，就甚至刚上线的时候大家觉得是不是发错了。
22:43还有Grok发了4.6，发了4.5和4.6，然后Facebook发了那个Muse Spark 1.1和1.2。基本上可以认为这一轮发出来的模型，市场上如果觉得还不错、我愿意用的，可以称之为还在基模的基础模型和大模型的这个牌桌上嘛。
23:01我们不谈AI的harness，我们就只讲模型。腾讯之前也发了一个小的混元3，但是从智能角度来讲。其实基本上认为还是就有很多模型，大家觉得都到了Opus级别的能力嘛，都到了Opus跟Codex那
23:17那个4.6 Solo的这个能力。这一堆模型从打分上来，我自己也用了其中几个模型。因为我订了那个X的Premium+，自带了差不多30美金的Grok订阅，所以Grok我用了一下。Kimi上线的时候，因为反馈很好，我花钱订了Kimi，当时订了199人民币的Kimi。
23:37我也写了一些技术专栏，然后正好有一个Kimi的开发者关系的朋友，又送了我两个199人民币的Kimi的订阅，都是一个月。我反正Faker我也用了一下。就基本上我都把一两周的额度都用完了，但是Kimi后来就Kimi中间有一段时间基本没法用，就是它的算力太慢了。
23:57基本上我在我朋友圈也发过一个截屏，去Kimi的后台，全部都是报错误的请求。之前因为刚上的那一两天我其实重度用了一下，我基本上的体感是Muse Spark我没有用，我用了Grok，呃，GLM我也还没有用。我其实重度用了一下Kimi 3跟Grok，我基本上的结论是说，如果只是让它给它一个明确的代码任务，
24:20然后它们去做，我其实体感上已经分不出和GPT和Claude有什么明显的，从模型的角度。反正我给它一个相对细节没有那么明确，但是大的方向明确的一个任务，我扔给它，它基本上都能正常完成。大家如果往回听或者去看视频，我演示过我内部的Harness，就是带进我内部的Harness去走code review，
24:43根据反馈再修复啊什么的，最终上线看起来也没有什么问题。这些一线的模型基本上对我日常的80%的开发工作可能已经没有差别了，就都可用。
25:09第一个我觉得普通任务都没有啥，但是长城大任务，我觉得所有人都没有办法跟Fable比。我经常在朋友圈会喷，你会觉得除了Fable之外，真的要做长城大任务，不管是GPT 5.6的So，你甚至开UltraMax也好，还是Opus你开到UltraMax也好，真正的长城复杂的大任务都做得不好，
25:30只有Fable能做好。但是日常开发工作，我已经大致，我就要说个bug，Kimi它后来很慢，但Grok有一段时间非常快。所以有一段时间其实我也会一直开着一个Grok在那里，比如说这个代码会有什么问题，我想问，我一般不会去开Codex，
25:45特别不会开Claude，因为Claude特别慢。Claude虽然额度很长很大，但它特别慢，所以我问问题就是看问代码或者问题都是用Grok。这个是我大概自己使用模型的体感。那个V4 Flash我没有重度用过，但是反正我们有一些同事啊，有些朋友用下来体感觉得也很不错。
26:04我自己感觉是说快，今天其实也很重要，因为往往会并行开很多个窗口，但你的确也是想快速在一个很大的代码仓库里去确认一些事情。这个时候那个模型如果非常powerful，但是很慢，其实你也受不了。而且现
26:57不过也做得不好也在。你想，你觉得字节做得不好离谱。对，
27:11说Google
27:13来，对，说就以前是嘲笑Google说它是美国豆包，现在的说法是请不要侮辱豆包。豆包在
27:44第一个我觉得蒸馏肯定是很有作用的。蒸馏是ROI非常高的一个。你去想嘛，这个不就是跟你现在让AI写code跟人写code，你觉得效率高多少倍？这就是纯粹数据的效率差别，对不对？蒸馏是为了获取训练样本吧，或者用各种各样的方式获取别人更好模型的训练样本。
28:03而这个获取训练样本的方式是自动的，而且你只要有足够多的账号跟足够多的钱，它是横向可扩展的。但是你让人去写这个数据，它是手动的，且不一定能横向扩展。所以从后训练的角度，你获取一些bootstrap的数据的角度来讲，两边的效率差别肯定是非常大的。
28:21第二个，我不知道它有没有蒸馏，人家也没有承认也没有否认，我只是推测，我觉得大家肯定都做了蒸馏。而且我推测，字节如果明确说没有，那可能他真的没有。你也会看到，其实Claude、GPT有时候也会说我是什么DeepSeek或者我是千问之类的。
28:36在一些特定的场景下，所以很多人觉得他们也可能会去蒸馏这些开源模型或的数据。我既不觉得蒸馏违背法律，我也不觉得蒸馏违背道德，我也不觉得比如说你写个license说不准蒸馏，我觉得一点都不合理。我花了钱买了你的API，凭啥我爱干啥干啥。
28:53这有点像呃Claude把那些书买过去，把它们给录进去，把书给
28:58烧了。我一直觉得这叫爱干啥就干啥。你不让蒸馏，按照我们互联网法律很多东西就是你叫霸王条款，你写了也没用。
29:05这个倒不是说道德不道德，我是总觉得好像应该，总觉得以前我们在讨论的时候，总觉得字节是中国最大的希望嘛，但是总觉得好像它没出来。
29:14我觉得它出来不出来，是不是一定是跟蒸馏，我觉得也不一定啊。
29:22对吧？就是我没有那么了解字节的情况，因为我觉得字节跟Google还有一个特点呢，就是他们所有事情都做，而且呢，分号他们是不是期望去做一个全模态统一的模型。因为在多模态的训练当中，你有很多决策要做，一种决策是我先训纯文本的，最后才把视觉的能力加入进来，
29:44和我在很训练的很早期，我们叫early fusion跟late fusion，早期融合还是晚期融合来增加多模态能力。因为Google跟Google的多模态能力非常强。呃，包括字节的多模态能力强，大家都会怀疑或者担心说，会不会它采用的是一个，比如说就早期就要把多模态能力融合进来，
30:06那么这个事情就会更复杂，更早要回答一个更困难的问
30:09题。直接就赌个大的。
30:59而且我觉得不止中国的，包括Grok、Muse Spark虽然没有用过，但是从Benchmark的数据来看也很不错。其实又回答了另外一个问题，就是回答到OpenAI跟Claude要上市，但是大家都会回答这个可能三年前一开始做基础模型的问题，就是模型最后会不会成为水电煤，它变成一个基础设施，变成一个其实没有议价能力嘛。
31:23你很明确地讲，今天如果说有很多人在用重度用DeepSeek，很多人觉得不用Kimi的原因并不是因为Kimi不好，而是他们按订阅来算下来，发现Kimi不如Codex划算。如果Kimi比Codex划算十倍。可能别人就不用Codex了。
31:39另外一个有趣的问题，我觉得，虽然三年前大家是用思想实验的方法在讨论这个问题，就是它会不会跟移动运营商或者铺光缆线路一样，它变成个基建，但其实没有什么毛利，因为大家都是通过一个API提供一个智能，API长得也差不多。主要
32:44好吧。不知道。
33:11以结论就是他们上了之后买他们股票也不是很安全。我不
33:42一。你是赌他不会杀股东吗？不是，
34:18你的属于那种不对称的风险嘛，你一定要upside很大嘛，那就可以拿有限的钱去赌一下。因为我刚刚讲的，其实其实就有这种情况，比如说我们现在想象的那种，比如说无尽边疆探索的这种事情，其实在当前的人类社会当中是少数的事情嘛，大部分是打杂的行政类工作嘛。
34:37但是如果说智能无限分配之后，比如说他们就去小行星采矿，去开太阳系，这边全部都一定是要用到最好的东西，或者说要去跟外星人作战，要去打开平行宇宙，我随便讲啊，那或者要人类长生不老，意识上传，全是，就有没有可能人类当前的经济只占未来的经济的万分之一。
34:59其他的万分之九千九百九十九全是这种，全是科幻，全是打开无尽边疆的事情。那那个时候你其实对于这种神级别的智能的话就会有无限的需求，它在自己推动自己。那这个时候确实就像你讲的，有可能未来就只剩下两家公司，只要还有公司存在，OpenAI和Anthropic。
35:17假设有两家最强的公司，就没有别的公司了，就是因为全部被吃进去了，就有点像Anthropic发一篇blog就可以让美股掉三百亿美金，是吧？是有可能，因为那边是无限的呀。只是我们现在，我们现在看到的就有点像是一个古代的农民，他会想象不出来除了挑个担子卖货以及种地之外。
35:38还有什么可能赚钱的事情？
35:40对。所以从我的视角就是这个东西，就对我来讲，因为我说我们可以买的原因是像买保险一样的买，而不是就是炒股一样的买。炒股我真的不了
35:58我其实也没有怎么用，大概粗看了一下Codebase跟他们发的网上大家的这种tech report的解读啊什么的。第一个我觉得它不是一个，至少很多人一开始预期的一个好的harness或者好的agent。因为今天我们在讲harness的时候，往往就讲的是像Codex这样的客户端呀，或者Claude这样的客户端呀，
36:20或者像Pi这样的一个核心的一个DSH，它的做法就是万事万物皆插件嘛，什么都可以变。那我的视角就是，那它肯定不是一个好的agent或者一个好的传统意义上的harness。我觉得这个事情是这样的，做engineer出身的人，你知道这个世界是非常dirty，这个世界是很脏的。
36:37一直跟团队说一个优雅的接口，对吧，就是上面包装了一个握手线。你要把这个活干了，其实它你是很难是一个理想化的世界，所以大部分好的harness或者agent其实都是做了非常多的取舍。就这个取舍往往是说，我想明白哪些是我这个agent包含的，是一个有一个很强的opinion，
37:00它必须是这样。哪些是我可以改变的，提供了扩展点，让未来你可以去扩展或者定制的。比如Codex跟Claude都有插件机制，对吧？但是它的自己的agent loop你是改不了的，尽管一个是开源的一个是闭源的。那像Pi它有一个很强的opinion，它认为不需要有很多tool，很流行的一个叫Pi Pi的一个库。
37:20OpenClaw的逻辑它其实非常重视通过所有各种IM接入，各种设备都会通过Node能够映射上去。你会看到这些agent它都有自己很强的opinion，就有很强的观点或者观念。包括我们做的我们接下来发的产品agent也有很强的它的opinion。
37:39但是DeepSeek的agent的感觉就是所有东西都可以改。我我我觉得一个万能的东西万万不能乱。就是它一定它面临这个问题。这东西到底干啥用的，对不对？
37:52是不是像OpenClaw那种是给这些想要倒腾的人去倒腾的？
37:57我觉得还不太一样，不靠有点像瑞士军刀，或者说有点像这种一个工具箱，反正他给你乱七八糟什么东西都塞给你了，哎。你会发现你想要定，但是他也有他觉得很重要的部分，他代码可能写得很dirty，但是功能是做了的。他也有扩展点，但是他并没有说万事万物。
38:14所以第一，从这个视角上来讲，反正我觉得他做得很怪异。同意喷他的那群人，有很多人喷他，觉得他这个做太烂了，这什么破玩意儿。这个我是完全同意的。如果你正经想要他来做生产力工具，我是完全同意的。因为今天你做一个agent loop，其实你基本上考虑几个嘛，第一个是长程任务能不能做得好，
38:34这是一个核心考察点。第二个是cache hit rate，对不对？那cache那命中是不是能够高。第三个我觉得大家现在比较重视的就是sub-agent去编排sub-agent的能力。其他的其实都有各种各样的方式，其他的功能基本上大家都有，大家通过提供一些扩展点呀，它可能非常technical。
39:19我觉得它其实又非常有价值，但是它的路径跟我设想的一些路径可能有比较大的差别。OK。当然了，我觉得也很容易理解，因为他们的目标比较远大，资金比较雄厚。第二拨人呢觉得，哎，万事万物都可以改变，这是说明DeepSeek是奔着AGI去的，它可以让模型在运行的过程中改自己的harness，
39:42这样能形成RSI，就自我迭代。我觉得这帮人属于这个自媒体看多了脑抽，我觉得肯定没有关系。这是我的判断，一毛钱关系也没有。我觉得至少它现在交付出来这个东西的。从你做个coding agent的效率就已经不够高了。
39:59所以包括你会去看他的code，就是DSH的code，不是用DSH写的。DSH的code大概率是用Codex跟Cloud写的，也有人去扒过嘛，去扒它的commit history，包括里面有哪些是什么Codex写的或者怎么样。
40:14所以我觉得这个事情跟那些人为了写自媒体歪歪出来说这个是通向AGI的道路，我是坚决不相信的。即使DeepSeek过两天有人出来说，我觉得也是因为他们看了这个媒体，觉得这个故事是个好故事。但是呢，我觉得它其实提供了另外一个，对我来讲提供了一个比较有价值的思考，就包括我们自己在做agent。
40:35我觉得最近大家因为随着国内agent的火了，像什么WorkBuddy、什么豆包合并，大家都陷入了另外一个怪圈，就是人人都要做一个客户端。OpenClaw这个东西又不火了，所以云端的cloud这个事情最近温度下降了。好像大家都得做，我做个客户端得装在我的电脑上，能帮我写PPT，我们要做harness，都是大家都做都一样。
40:57左边是一堆列表的聊天的session的任务，中间是个对话框，右边是个preview，看这个PPT长什么样。这个路子其实稍微有点走偏了或者走歪了。现在今天的模型的能力，以及随着这个三栏式的agent逐步完善之后，其实应该要往下一步走了。
41:17下一步走的这个概念，这个词儿也不是我发明的，或者说是我先提出来的。当然，这个想法其实我也挺早有了。海外现在有他们把这个词儿叫做可塑性软件，叫malleable software。就是说DSH其实是一个很有意思的可塑性软件的内核。
41:36可塑性软件其实大家会发现，你用Codex、用Cloud，为什么大家会有很多agent出现，甚至在Cloud跟Codex出现、OpenAI出现以后，你会发现有很多小的团队或者开发者都自己又做了一个agent客户端，就是有Codex了，有Cloud了。国内有很多人做，就比方说橘子他们做了Cola，比如腾讯做了WorkBuddy。
41:59我知道有很多各种各样的团队做了这样的客户端，这个客户端基本上长相都很类似，都是三栏式的。为什么要再做一遍？为什么大家要去挤机会？是因为每个人心目中想要的软件其实都是有差别的。包括我也想再做一个，甚至我们公司在做这样的产品的时候，我自己还想做一个给我自己用，可能跟给公司里做给别人用的还不一样。
42:22GDP就是这样出来的。
42:24这个就是因为可塑性软件，它其实是真实是有需求的。大家可以去搜啊，就malleable software去搜，它们里面有两张图片，我觉得很有意思。第一张图片，要不然我就投个屏，你应该能看到我的网页的窗口。我觉得它有两张图很有意思。
42:39那这张图你看到了，它是一个吉他制作室，对不对？对。下面是一个厨房，对不对？你去想象一个厨子或者一个电工，他是不是都有一个工作间？每个人的工作间是不是长得都不完全一样？
42:56对，装备其实、设备其实都不太一样，布局也都不太一样。每个人习惯的，他们可能有一些业界有一些最佳实践，有一些小的步骤大家会是一样的。但是每个人的日常步骤，随着因为这个东西的布局不一样，我习惯用的锅，我习惯用的铲，我习惯用的调料不一样，
43:13所以它的布局也不一样。其实每个人用agent，或者每个人去用AI也是这样的，或者每个人的工作也是这样的，或者我们讲数字世界的工作也是这样的。每个人的软件工作一样，大家都用Mac，每个人你喜欢用剪映去剪，有人喜欢用那个Premiere去剪，
43:29有些人喜欢用什么Final Cut Pro去剪。这个就是为什么每个人都会说，虽然有agent，Codex也挺好用的呀。为什么很多人还要做一个东西不满足他的需求？有些东西他觉得不满足需求。就比方说你看我用cmux，其实我很少用Codex的客户端。
43:47我们有些同事用Codex客户端，我们有些同事在用另外一个叫Herdr。我最近还在尝试，反正这东西多了去了。为什么呢？就是因为每个人觉得他最有效率，每个人要做的事情也不一样，最有效率的东西也是不一样的，甚至每个公司也是不一样的。
44:03所以公司去买一个软件，原来买传统的软件，买一个ERP，不只有ERP，还要做实施，对不对？你会发现所有复杂的软件基本上都是提供了API啊，或者二次接口啊，或者接口啊，或者要做二次开发，或者要做实施，或者要去做配置。我觉得今天其实大家用agent也是一样的。
44:22为什么agent必须是聊天窗口呢？你会发现其实有很多agent的产品的核心不是聊天窗口。比如说今天很多做视频的，它的agent的核心不是聊天窗口，它其实是比如说像Typeform有一些这种，像workflow一样的，因为它用agent去解决问题的场景不太一样。
44:43今天你如果是一个人去设计芯片，它的窗口也不应该是个聊天窗口，甚至聊天窗口对程序员来讲其实也不是很舒服。其实我更希望我有个宽屏，上面是code diff，下面是几个聊天窗口，我在上面切下面，每个人需要不一样。就意味着，但是今天原来这个需求其实很难满足。
45:02原来其实大家是捏着鼻子去用不同的软件组合出来，在非常小的地方其实很难定制的。但今天其实软件有了，因为临时写code的，或者不是临时，根据我的需求写code的，定制我的需求其实变得没有那么困难了。但是呢你又不应该从零开始，也其实也是不合理的。
45:23你不可能说比如我为了剪辑，剪映的所有的东西我都觉得很好，但是就这个布局我不舒服。或者我是做站群的，我希望很多个账号平铺开。或者我是做这种长视频的，我有一个什么样的需求，我是三个人录。那合理的逻辑是我应该能够在原来的软件上，因为通过AI的能力写一些code，去把这个软件定制成我需要的东西。
45:55比如说我现在尝试了剪视频，我用那个Hyperframes，但是其实我没有用它完整的。我其实让我的AI过去学了一下，砍了一半，根据我的偏好改了。这不是更原生的一种方式吗？相当于我其实是抄了一段代码，但是我又改了。
46:09我觉得还是会有一些差距，就Hyperframes离你真正要做复杂剪辑还差非常远。
46:14但是它这个方向其实它只需要把思想和它的工具集什么摆出来，就我这边再自己组装。我
46:31那只是能力上的差距嘛。它
46:33能干的事儿差距是巨大的。先回答第一个，我觉得这个问题为什么我觉得要指出，就是说大家不能因为有Hyperframes这种东西存在，就觉得因为你不可能说从零去根据Hyperframes去写一个剪映来满足我的需求。我觉得这件事情是不成立的。
46:49剪映的代码量足够大到用一十个订阅，你写一个月也写不完。打个比方来讲。
47:17会有一个差别，就是说Hyperframes它其实是只是用来做剪辑中的一些小的功能。你通过一个agent loop把它组装起来，但是你不管你用哪个agent，你的这个agent是改不了自己这个agent loop的，对不对？
47:32它的agent是写什么prompt、调什么，怎么去拼装整个prompt，这整个过程是固定的。它有哪些拦截，什么环节它会去做一下拦截，什么环节它会找人去做确认，这个代码都是写死的。你
47:48的意思就是它其实是类比于比如说Claude Code的Hyperframes，就是我们先不讲把强弱，假设Hyperframes无限强。
47:56对。你可以认为说它其实想解决的一个问题是说，为什么我这个整个Coding Harness是一个静态的东西呢？它为什么本身不能是个动态的东西呢？为什么不能这一轮对话里是这样拼，那一轮对话是那样拼？这一轮你进来的一句话是说，这一轮用户输入是帮你把这一轮的对话打断掉。
48:20那一次输入它就是等待上一轮结束插入到最后。整个的agent的运行时是不是也在动态发生改变？而且我觉得这个是DSH的核心能做到的，一切皆可。听起来很有道理。我我觉得换一个视角，如果要作为，我觉得这件事情是有价值的。
48:39但是我觉得它本身今天直接当成个agent来用，这个东西是做得非常不好的。短期内或者很长一段时间没有任何关系，也帮不上RSI什么忙。就这个思路对我来讲是有借鉴意义的。好的，不知道他们是不是这样想的。但是我最近我觉得我们在做agent，在面向企业，其实我们要解决的问题，你不可能给企业是说你们都用我掌握Cloudbody这样的东西，
49:04而是你需要提供像这样的一个厨房，对不对？然后告诉你，我能根据你的需求快速组装起你的厨房，你可能原来就是一个ERP。它甚至不是一个对话窗口，也能快速把一个agent的能力接入进来。或者说我能有些是接入agent的能力进来，有些是利用agent在你这个能力下，快速给你做一个monobol的software，
49:25能够满足你的需求，或者串接你的流程。这个我觉得是下一步agent会去渗透的路径。因为目前这个路径，每人装一个Codex或者Cloud，能做PPT这件事情，我觉得基本上已经结束了。
49:58们其实就做了一套，我们接下来可能会做的，就类似于我们的infra已经做到了非常方便。你开个Codex，我就帮你做好了，说你只要一句话就能帮你做一个Agent，接入到你的任何一个产品，或者deploy到任何一个云端。我们其实已经基本上在内部alpha了，可能是我们接下来会重点推的一个产品。
50:18还蛮好的，需要这种东西。我在想，而且传统企业他们都不想改变自己的习惯。对。而
51:25所以我对Harness就是这个看法，我觉得接下来Harness其实又会有一个大的变化。第一个就是你得解决我刚才说的这个问题，就是Harness不应该只是一个客户端聊天窗口，或者不只是一个装在某一个机器上的一个，你得让它无处不在的，能够在任何一个你现已经留存的遗留系统产品里，能够接入Agent或者利用Agent能够去改变你的软件。
51:53因为我觉得软件它就是个伟大的发明。在软件发明之前，你买任何一个东西，你买到手的那一刻，这个东西有什么用，它就有什么用。你买个电视机，后来就只能看电视。你买个冰箱回来就是制冷，但是你买一台电脑回来之后，你只要安装一个软件，你就多了个游戏，你再安装了个软件，
52:12它就多了个电子表格，你再安装了个软件，它就可以放视频。原来的软件是得有一帮人花很多力气做出来，分发给所有人，因为制作非常贵，必须每个人都用一样的东西。现在接下来的软件是可以非常个性化的，但是这个个性化不是说每个人从零做，而是每个人基于某一个软件或者一些内核，
52:35再去改改成自己需要的东西。
52:37应该是可以的。一方面你比如说用你刚刚说的那个作为核心去改，另外一方面比如说点硬好了，如果它真的有那么多不可替代的东西，但是它又面临竞争的压力，一定有市场上的第二名会把自己原子化打出来。你到时候再去把第二名，比如说只有它60%的能力，但是它都原子化了，你这边再把烂功能取回来拼呗。
53:14你自己在做这种组织的Harness，我后天去混沌录这个课，我看看从你这边能不能拿一些什么案例啥的。对，我会讲说那个组织你要做AI组织，原生组织转型。我现在聊下来一圈，我觉得看到的比较重要的其实一个点其实就不是改组织让你更好地用AI，而是用AI来完成组织的职能，
53:35就是AI是组织的竞品。其实是我看到比较有效的其实是用AI来做对齐，就有点像你刚刚讲的那个GitHub模式，就相当于所有人都在一个single truth of，就是唯一事实层面上工作，这是一个点。用AI来推进工作，是AI来发现工作，AI来分配工作，AI来传导工作。
53:54AI来检查工作，以及让AI来闭环，做得好的事沉淀一下，比如说我今天要再问你的你那个optimize harness，以及它根据市场反馈来做，所以是AI来做对齐，AI来做工作推进，AI来做闭环。你有什么实际的例子吗？
54:10我们最近没有大的变化，其实就跟上次我也是给你看一样，当然我们现在做得更好一些了，就是我们有一个Agent，呃。就在飞书里边，你报bug，它会直接自动去看线上的日志，看当前的代码库，来回答你的问题。知道你是谁，知道你的邮箱，能够看到线上你的账户实际的运行情况是怎么样的。
54:33我们也会有Agent每天去扫线上有哪些报警，发到不同的群里。我称之为是说把很多原来的需要综合信息，这些信息本身没有那么复杂。原来这件事情其实也很重要，而且很吃人的责任心跟细腻程度，但是它又不是一个说每天创新性的事情，或者是个开拓性的事情。
54:57就这些事情其实都让AI做了，并且我觉得是需要有人花力气把这个东西做了，让其他人不花力气就能access它。就为什么把它做成一个聊天机器人在线上，因为在飞书里你直接at一下它就好了。第二个是尽量让别人不改习惯。原来我们也尝试让人改习惯，我说那你问Cloud不就好了吗？
55:19我给你做个skills或者做一个什么。但是因为大家习惯用飞书。后来我说你报bug我们用Linear，你就报到Linear里行不行？但大家习惯用飞书，后来我们就建了一个飞书的主机群，反正你往那里报。至于他会把它放到Linear里，他会去线上查。
55:35我做好的机器人去把这所有的这些事做了，他也会主动问问用户。这个我觉得让这个东西easy to access会更快地推动大家习惯用这个玩意儿。
55:47所以还是要让大家马上可以拿得到。对。那你们工作推进这个事感觉只是交给了AI，你们有没有什么事情其实是AI在管理，说你应该做这个，他应该做那个，AI在安排人。
56:29那你之前上次也讲你们会有很多层门禁检查什么的，系统上线之后会干嘛？系
57:06你上次是说比如说假设每个人都分别用很丑陋的方法画了一堆SVG的图，你们干脆就在后端会帮他统一的调一个库画一遍是吧？我们
57:16就自动做了一个限制说SVG是不能出现在代码里的，除非你明文确定说我就是要手画，不然它会自动用我们选定的开源库里挑一个图出来。
57:29你们直接从那个库里挑一个图，那我上次还理解错了。因为我后来也会讲说其实呃大家带东西都是公司里面把各个人都培养起来，要不然就培养先进，你们公司肯定全是先进了。然后但是你们公司也有很多非技术人员啊，我印象当中你们还做了一些事情，是让他们开始用什么Codex Claude Code，
57:47那过程是你们做了些啥来着？
58:31那这边可以从你这里偷的东西已经偷的差不多了，刚刚还有哪个新闻我们没有cover到？
58:36我们以后专门做一期新闻节目，但是做新闻节目，呃，我比较犹豫。我觉得其实可做的东西很多。因为我挺想做一个事儿的。我们要不要去中国的所有的二线城市看一看，有什么普及AI的conference？我其实有这样一个假设，其实信息不对称，或者说这个信息其实是非常不普及的。
58:59就算是今天像WorkBuddy这样腾讯下手推这个产品，它其实我相信更多的也是先是这些一线城市的所谓的更先进的公司在做这个事情。但是如果我们真的相信AI是整个一个巨大的社会变革，它不应该只是只针对一千万人的。它应该针对12亿人的，我其实很好奇，就在二线城市，我举个例子。
59:21比如说，在洛阳，在开封，在绍兴，这些地方，大家用AI吗？有AI的需求吗？他们对AI的了解是怎么样的？他们用Agent吗？他们用Codex吗？
59:36他们用WorkBuddy吗？
59:38我也不太知道，但是我知道相关的两个信息，一个是之前那个AutoO有一个创始人，现在他主要在做农村的AI推广，做得更下沉。另外还有一个是像我上期采访的像BotLearn他们，其实现在正在卖课。识别到有一个很大的需求，这个需求已经被验证好多遍了。
1:00:00其实AI还是要成立一个大家现在都想做的事情。你不要说做PPT，比如说对于那个公务员可能就写公文了，都已经满足了。要是一个大家现在都想做的事儿，那现在已经被证明了的，大家现在都觉得想要做副业，副业想到的事情都是要做个自媒体。
1:00:19所以你就AI乘以自媒体，这就是相当于现在这需求和供给都配上的一个一个东西。所以二三线城市在买这个的人也有很多，甚至于还有很多的我知道的人，他们在买各种各样的什么算力什么的。甚至于早期在买那个买虚拟人，其实相当于都是传销的那种，有一些这种东西。
1:00:42所以可以去看一下，我自己老家长沙也可以去看一下。好的呀。那我们还有哪个话题没有cover
1:00:50到吗？肯定有一些话题，我觉得我们可以，呃，但我觉得也不太重要。比如说Google发生很大的人事变动，但这个新闻重要吗？既重要也不重要，对不对？和我们其实也没有什么关系，和在座大家也没有什么太大关系，当八卦听听挺好的。
1:01:02最后我觉得就Malleable Software，我觉得最近也有一个case，就是那个原来Ruby on Rails的作者DHH，不是，他开源了一个新版的Linux，叫做Osmo。对。这个最近也很火，很快它其实开源了没几天，而且他们就成立了一个基金会，往里投了一百万美金。
1:01:17好像他们现在已经凑了一千万美金，做了一个基金会，以Arch Linux为内核的一个，其实就是一个Linux的Agent OS。我觉得晚一点，我觉得下周我们可以约一个话题，因为我最近也在做一些实验。就Malleable Software之外，还有一个叫做Malleable Hardware。
1:01:34我在家里其实已经做了，因为我的OpenClaw是跑在我的那个Linux server上，它上面跑的还是Ubuntu。但是我其实在上面跑了Home Assistant，跑了Frigate。它可以干什么？它可以控制我家里所有的智能家居。
1:01:49我买了摄像头。它可以24小时随时监控我的摄像头。大家如果想知道，可以回头看两期我们直播。我一般是用Discord控制我的agent，我在Discord里讲话就能控制我家的灯，可以看我家实时监控的情况。我还买了个阵列麦克风，我在家只要吼一嗓子就能让它操作干任何事情。
1:02:09它不绑死在任何一个小米或者苹果的生态上。这个可以下期我们可以深入聊一下。我觉得其实这一轮的AI的能力，就是coding的，快速coding出一个你需要的东西的能力，然后把这些东西很快地组合在一起，然后不断再往上叠加，它能做无穷多的事情。
1:02:27对公司来讲，你应该去做software也好，或者怎么样去让你的公司的运转变得更高效。从个人来讲，你其实是完全可以打造自己的Jarvis，而且这些东西并不贵。你像阵列麦克风，可能你自己买一个可开发的板子，大概三四百块钱，摄像头可能一百多块钱。
1:02:50呃，对。你本来就随便找一台老电脑，装个Linux，就可以开始干这个事儿了。
1:03:28挺空的时候搞个Jarvis，我们这种聊完之后，怎么把它变成一个稍微好看一点的视频呗，怎么把这个视频剪一剪？关键就是
1:03:38已经点累了很久了，我终于可以有时间开始干这个事情了。因
1:03:42为写一
1:04:09大概讲一下想法，我在想这个事儿，我也观察了一下，我觉得视频得单独做，但是我们连麦的形式可以做成直播。
1:04:17是啊，我也觉得连麦要做成直播。我觉
1:04:47太准备的太不认真了。
1:05:09我觉得我们还是希望尽量把内容做得更丰富一点，因为干讲其实也挺无聊。而且我觉得其实是有挺多东西可以更丰富的展示出来的，也跟我们做播客一样，可以从非常粗糙的逐步来优化。对，
1:05:22一步步来嘛，反正先搞起来，视频我们更新也评起来，搞搞起来。好的。希望大家跟我们一起搞起来哈，先这样。好，谢谢，拜拜。
本期词条
重点词条
本期重点讨论的人、公司、产品和概念，按出现顺序。
人物橘子
