一个写了一个月 harness,一个带了一个月娃,两个主理人过一遍这段时间的新闻:OPC 为什么降温、FDE 和外包有没有区别、300 亿公司的老板卡在装 Codex、蒸馏值不值。
关键要点
OPC 降温,因为找不到谁给你付钱
别积累技能,赶紧卖
FDE 和外包没区别,这个词已经用烂了
老板卡在装 Codex,信息差比想象大
AI 转型是政治问题,要借刀杀人
FDE 是填缝的,缝填完职能就消亡
国产模型日常 80% 的活分不出差别
蒸馏不违法不违德,ROI 极高
万事万物皆插件,万能即万万不能
AI 是组织的竞品,不是组织的工具
猜猜企业家用 AI 卡在哪里?
这个月我基本都在带娃,啥都没干。机缘巧合混进了一群企业家的局,他们觉得我是 AI 专家,找我请教。我以为要聊战略,结果问的问题是:Codex 怎么安装,信用卡怎么绑。
我只好专门找了一个英国回来的小朋友,上海地区上门,外地远程视频,一个一个帮他们刷卡、下载软件。你会想说,一家 300 亿的公司,随便找个助理不就搞定了吗?居然没有。
带着这个观察,我拉着徐文浩录了这期。他刚一个人写了一个多月公司新一代的 harness,累得够呛,正好也攒了一堆新闻要过。我们商量好以后干脆每周开一期,把一周的新闻过一遍,说清楚到底哪件事重要、影响到底是什么。这期算是试水。
顺便插播一句:我们升级设备了,其实就是徐文浩把老相机拿出来、买了个灯。大家可以更高清地看到这两张不酷不帅的脸了。他说我们又不是颜值主播,那就多做 PPT,把脸放小。
OPC 降温了,因为它是无源之水
“大部分 OPC 其实是很难找到有谁给你钱的,都会在那边自嗨。”——任鑫
徐文浩先挑了一个“要逝去的东西”开聊:OPC(一人公司)这个词最近温度在往下掉,FDE(Forward Deployed Engineer,前置部署工程师)的温度在往上走,他觉得快到顶了。
OPC 不火,我觉得是应该的。很多人其实就是失业了,然后管自己叫 OPC。经常有人问我 OPC 最重要的是什么,是搭 harness 还是干嘛。我说都不重要,重要的是找到谁给你付钱。大部分 OPC 都在自嗨,我提效了这个、我提效了那个、我又做出了个啥,然后去哄骗另一批也想做 OPC 的人来给他钱。但实际上大家都没钱了,所以这个东西是无源之水,撑不下去。
OPC 只是讲一个人可以干活了,这不是废话吗?一个个体户也能干活。难的是把活儿变成钱,而大部分人没有经过后面这件事的训练。
徐文浩补了一刀:出来做 OPC 的人,大部分原来不是做销售出身,绝大部分人没有在市场上直接卖过东西。不管是卖自己的外包劳动力、卖课、卖咨询,还是卖个 whatever,都没有。
所以就会不停逃避现实,不停地做东西。好几个人问我,我要做这个还是做那个、要积累什么技能。我的回答是:不要积累,你赶紧卖。
“周围总有人说我也要做个播客,我说那你就录。”——徐文浩
我们自己就是例子。最早两个人靠两个 iPhone 录,没有任何设备,后来听众一直反馈声音差,才换了个麦克风。先干起来,比准备重要。
FDE 和外包有区别吗?没有
“今天 FDE 能用贵的人做,把外包也做了,是因为研发成本极低。”——徐文浩
FDE 比 OPC 强在哪?它把闭环的模式给定了:这帮人号称自己懂 AI,跟传统企业要钱。商业转化是通的。
徐文浩有个困惑:FDE 跟原来的咨询加外包,区别到底是什么?他看下来,大部分今天号称自己是 FDE 的人或公司,跟外包几乎没区别。
我的回答是:没有区别。早期是有的。早期的 FDE 是用咨询公司那么贵的人去做前台外包,你用那么贵的人,他就还能思考、帮你理业务,理完还会沉淀下来打回总部。所以最开始的区别就一条:你那个人是 3 万美金的人,还是 30 万美金的人。之前是用 30 万美金的人去做以前 3 万美金的活。但在中国没有区别,现在所有人都管自己叫 FDE,这个词已经用烂了。
徐文浩从另一个角度解释了 FDE 为什么会火。原来咨询很麻烦,写代码也很麻烦。一家咨询公司跟你聊完,要落地成公司里的系统流程,咨询花了两个月,写代码还要再花十个月,所以才出现了埃森哲、IBM 这类 IT 咨询公司:麦肯锡不管交付,IT 咨询要把事情交付了,而且交付也很贵。今天 FDE 能用贵的人把外包一起做了,是因为研发成本极低。跟你聊完,对着 Codex 或者 Claude Code 喷一堆话,啪,事情就做完了。所以它显得特别厉害。
但他接着问了一个更狠的问题:那公司为什么还需要外部的 FDE?为什么公司内部的业务团队或者 IT 不自己把这事干了?他自己写这套 harness 的时候,写到一半想让其他同事加入,发现算了,还不如自己写,因为沟通半天不如自己写得多。
信息差比你想象的大得多
“他们觉得你是 AI 专家,但是他们问我的问题都是类似于 Codex 怎么安装。”——任鑫
我给了两个原因,第一个就是开头那个场景:信息差可能比你想象中大得多。
徐文浩随口就能讲出一堆新闻,我全职带娃根本没看,居然也知道,这是因为我们泡在这个圈子里。世界上绝大部分人是不知道这些事情的。那些已经很拥抱 AI 的老板,还会卡在你想都想不到的地方。
徐文浩反问:他可以不装 Codex 啊,Codex 有信用卡门槛,装个国产客户端不行吗?我说,大部分人只知道豆包。更让我震撼的是,我最近近距离接触了很多看起来非常高科技的、你知道名字的 AI 公司,他们的创始人平时在用豆包,工作中很多也在问豆包。并不是人人都已经在用 Claude Code、Codex,像我们这样的老登,转身其实还挺慢的。
第二个原因是人。你说公司里找个小朋友搞一下就好了,但很多传统企业真的没有这个人。传统企业利润薄,副总可能才 50 万年薪,一家不小的公司整个研发负责人可能才 80 万,而互联网公司请个好一点的小朋友经常年薪百万。
而且懂有几层意思,一个是他真懂,还要乘以他的表达能力。我们懂也不算最顶级的懂,但挺能白活。内部那个 IT 负责人,老板也不信他,觉得他不懂。这个时候外来的和尚就比较容易被信,尤其是原本麦肯锡出身、有光环的,告诉你说美的我们刚刚帮他转型,老板就信了。信了之后现场装一个、演示一下,一个人既高屋建瓴又能马上落地,形象就出来了。
我们孵化的团队也在这么干,一边开会一边上线八个 demo,“王总你要的是这个”,对方就觉得你们太落地了。实际上都是常规操作。
所以我觉得这里面机会真的很多,甚至想过我们两个是不是应该转型,规模化地帮公司培养 FDE。徐文浩说这个业务一直存在,我们之前聊过,AI 时代有一个做 AI 时代的埃森哲的机会。
AI 转型是个政治问题,要借刀杀人
“不是说能力上做不到,他位置上做这些真的对他没什么好处,所以要借刀杀人。”——任鑫
我的第二个观点有点像麦肯锡。公司里的人也熟悉公司,那为什么要请麦肯锡来讲道理?因为很多时候这是一个政治问题。
AI 革命的是自己。对员工来讲,它多少是来抢饭碗的;对管理层来讲,它多少是来抢权的。让自己给自己开刀,很难。我最近在听安克的课,听了两遍,讲得太好了。像这种公司能做下来,是因为老板确实够狠。但很少有老板又够狠,又能管得下来业务。
我认识的大部分老板,看起来很有权威,能把下属喷得像狗一样,但他们已经干涉不了业务了,甚至不敢把那个被喷的高管开掉,因为他自己已经不懂了。这个时候高管跟他讲“我这边改不动”,他也没办法。我最近就见到一个高管非常直接地问推 AI 转型的 HR 负责人:你给我讲讲这件事对我的好处是什么?两个人很熟,HR 说不出来。
所以从政治上讲,得从外面借刀杀人。不是内部做不到,是他的位置让他做不到。
徐文浩接得很快:那这个时候这个职位就回到传统咨询了,跟 FDE 没啥关系了。我同意,埃森哲当年也是号称拿着自己的高科技帮你改造,现在换成拿着 AI 号称帮你改造。
“你如果一个万亿的大厂都是万众一心的,那你创业公司你有什么机会?你没有什么机会。”——徐文浩
他说这种问题在所有组织里都会存在,而这恰恰是创业公司的机会。
徐文浩:FDE 是填缝的,缝填完就消亡
“FDE 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。”——徐文浩
轮到徐文浩讲他的看法。先说 OPC:他一直的观点是OPC 本身不成立,但团队规模小是成立的。不成立的原因是你总要参与市场竞争,现代社会做一家公司,从做产品到销售到交付,复杂度还是挺高的。而且假设一个人能搞定,多一个人能不能 double?是不是能挣更多钱?
小团队成立,是他在自己公司的体感:一个人干活效率往往可以做到非常高,任何一个环节的交接都是对效率的损耗。
但他也承认有一个问题自己没回答好:大家现在互相之间不太说话了。别人问他一个事儿,他就给一个 link,可能是个代码库。对方没耐心看整个架构怎么设计的,他也觉得两句话讲不清楚。
“不如你直接拿着我的代码库,对着 AI 问。”——徐文浩
我说就应该这样。我最近聊了一批这种公司,基本都是协调越来越少,原来四五六步的流程缩到一两步。有个说法叫所有人从飞书合作模式转向 GitHub 合作模式:不是人跟人聊聊聊,而是所有人对着同一个 repo 写作。人和人之间的交接、沟通、对齐、推进,效率太低了。
我在上一期讲 AI 原生组织转型的单口里也说过,应该把 AI 当中央枢纽、当总线,让 AI 来做这些事,人来做这些事人就会成为瓶颈。
然后他把话题拉回 FDE,给出了和我不一样的判断:FDE 不是一个长久的业务,它是这个阶段填补企业渗透 AI 缝隙的过程。按道理模型能力越强、产品越完善,就应该是公司内部员工自己拿着一个 agent 对着它说话。所有公司要解决的都不是 AI 问题。
“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。”——徐文浩
我们这些搞 AI 的外行不知道一个餐馆怎么运营,餐馆里非常细节的弯弯绕绕。他不了解 AI,你不了解餐馆,但你想挣钱,所以拼命去了解餐馆,慢慢帮他把缝隙填完。填完之后,FDE 应该变成他内部的员工,沟通成本更低,你就去下一家公司。最终这个职能就消亡了。
我也承认一个人搞不定,现实世界有很多摩擦。有人请我讲课,光是合同、进五百强和大厂的供应商流程,就要耗进去小半个人。你光是为了收钱,可能都要耗三个人。大家把 FDE 想得太简单了。
所以这一段我们的分歧其实很清楚:他看的是终局,缝填完 FDE 就没了;我看的是窗口,信息差和政治问题还在,窗口期里机会真的很多。两个都对,取决于你打算在哪个时间尺度上赚钱。
国产模型上桌了:80% 的活分不出差别
“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。”——徐文浩
徐文浩盘了一遍最近的模型发布。国内至少四个大发布:Kimi 3 口碑很好,DeepSeek V4 Flash 7 月 31 号的版本反馈非常好,千问的 27B 小模型反馈很好,MiniMax 反馈也好 [待核],而 DeepSeek V4 Pro 的反馈非常一般,甚至有人上纲上线说是不是发错了。海外这边 Google 发了 Gemini 3.7 Flash,Grok 发了 4.5 和 4.6,Meta 发了 Muse Spark 1.1 和 1.2 [待核],腾讯发了一个小的混元 3。
他的判断是:这一轮发出来的模型,市场上觉得还不错、愿意用的,都可以算还在基础模型的牌桌上,大家都到了 Opus 4.6 和 Codex 那一档的能力。
他自己重度用了 Kimi 3 和 Grok。Kimi 上线时他花 199 人民币订了,正好一个 Kimi 开发者关系的朋友又送了两个月,一两周额度全用完了。Grok 是因为他订了 X 的 Premium,自带差不多 30 美金的 Grok 订阅。
结论是:只要给一个明确的代码任务,或者大方向明确、细节没那么明确的任务,他在体感上已经分不出跟 GPT 和 Claude 有什么明显差别,带进他内部的 harness 走 code review、根据反馈修复、最终上线,看起来也没什么问题。
但有两个例外。第一个是长程大任务。我这边孵化器有反馈,说长程大任务还是没办法比,所以又切回去了。徐文浩说这一点所有人都没办法,他经常在朋友圈喷这个:
“不管是 GPT 5.6 也好,你甚至看 Opus 开到 ultra max 也好,真正的长程复杂的大任务,只有 Fable 能做好。”——徐文浩 [待核]
第二个例外是快。日常排查工作,问个 bug、看看代码有什么问题,他一般不开 Codex,特别不开 Claude,因为 Claude 特别慢,额度大但特别慢。Grok 有一段时间非常快,他就一直开着一个 Grok 在那里问。Kimi 后来算力太慢基本没法用,后台全是报错的请求。今天快其实很重要,因为往往会并行开很多窗口,想在一个很大的代码仓库里快速确认一些事情,模型非常 powerful 但很慢,你也受不了。
我也是,现在都是同时要做很多事情,否则会被它们急死。
蒸馏:ROI 最高的事,不违法也不违德
“我既不觉得蒸馏违背法律,我也不觉得蒸馏违背道德。我花了钱买了你的 API,凭啥我爱干啥。”——徐文浩
这一轮有很多关于蒸馏的争议。我问了两个问题:做到 SOTA 跟蒸馏关系大不大?还有,我们聊下来一直觉得字节是全村的希望,为什么好像一直没做出来?一种说法是因为他们死活不蒸馏。
徐文浩先反问:Google 做得也不好,你觉得离谱吗?我说也很离谱。他说以前是嘲笑谷歌,说它是美国豆包,现在的说法是请不要侮辱豆包。豆包在中国太方便了,但脑子真的不行。Kimi、MiniMax 都出过 SOTA,字节一直没出来,不可能是能力问题。
关于蒸馏,徐文浩的态度很实在。第一,蒸馏肯定很有作用,它是 ROI 非常高的一件事,就像让 AI 写代码和让人写代码的效率差。蒸馏是为了获取训练样本,从更好的模型那里拿,而且这个获取方式是自动的,只要有足够多的账号和钱就横向可扩展;让人去写数据是手动的,且不一定能横向扩展。所以从后训练拿 bootstrap 数据的角度,两边效率差别非常大。
第二,他推测大家肯定都做了蒸馏,谁也没承认没否认。但如果字节明确说没有,那可能真的没有。我记得张一鸣明确说过 [待核]。他还提到 Claude 有时候也会说自己是 DeepSeek 或者千问,所以很多人觉得他们也可能蒸馏了开源模型的数据。
他的立场是:写个 license 说不准蒸馏,一点都不合理,按我们国家的法律很多东西就是霸王条款,写了也没用。我说这有点像 Anthropic 把书买过去扫进去,然后把书烧了。
至于字节为什么没出来,徐文浩说不一定跟蒸馏有关,他给了两个瞎猜。一是字节和 Google 都是所有事情都做,可能在追求一个全模态统一的模型,多模态训练里有个决策叫 early fusion 还是 late fusion,早期就把多模态融进来会更复杂更难,等于更早要回答一个更困难的问题。用我的话说就是赌了个大的。二是股份:在 MiniMax 或 Kimi 做一个模型拿多少股份,在字节做拿多少?字节出来的人立刻能融资,钱虽然掏不进兜里,心理感受不一样。他自己说这些都可以当他瞎编的,没有任何证据。
模型会不会变成水电煤
“你要教高中物理,你用一个诺贝尔奖获得者和用一个大学生其实差不多。”——任鑫
国产模型上桌,回答了三年前一开始做基础模型时的老问题:模型最后会不会成为水电煤,变成一个没有议价能力的基础设施?
徐文浩说,今天很多人不用 Kimi 不是因为 Kimi 不好,而是按价格算下来不如 Codex 划算。如果 Kimi 比 Codex 划算十倍,别人可能就不用 Codex 了。三年前大家是用思想实验讨论这个问题,说它会不会像移动运营商、铺光缆一样变成基建但没有毛利。今天大家都是通过一个 API 提供智能,API 长得也差不多。
我的看法是分两类。最前沿的实验室会花 20 万美金订一个账号,每个月花 1000 万美金,但只有他们需要那种顶级智能。大部分任务,用一个诺贝尔奖获得者和用一个大学生其实差不多。大量的工作就会被盖掉,除非是竞争性工作和无尽边疆那种探索性工作,只有这两种需要用到最前沿的智能。
这也连着另一条新闻:Anthropic 和 OpenAI 都在说要 IPO,目标是一万亿、两万亿美元,但市面上有说法是 Anthropic 的增长率已经降到个位数 [待核]。徐文浩觉得上不了市不太可能,估值也不会低,问题是长期价值会不会遭遇一次毁灭性打击。
“假设今天你不让我用 Claude 了,我虽然会有点难受,但是这活也不是干不了了。但是去年 11 月份可能你不让我用 Claude,我觉得这活没法干了。”——徐文浩
那时候有很多梗,“再吸一口 Claude”。现在不至于了,换一个模型也能干。
我说那结论就是他们上市之后买股票也不安全。徐文浩说他基本不炒股,这也不是金融频道,但他有一套“买保险”的逻辑:未来可能别的公司都不值钱,只有这家公司特别值钱,那我拥有它 1000 万分之一,在整个世界的经济地位里就不会过得太差。他几千美金的时候买一个比特币也是这个逻辑,5000 美金掏得起,就当买一份保险,万一全世界人民都有比特币了,他占了 4000 万分之一,全世界 50 亿人,他不是过得最惨的。
我把这叫不对称风险:upside 必须很大,那就可以拿有限的钱赌一下。而 upside 大的场景确实存在。现在人类社会里“无尽边疆”类的事情是少数,大部分是打杂的行政类工作。但如果智能可以无限分配,去小行星采矿、开发太阳系、意识上传,全都要用最好的智能。有没有可能人类当前的经济只占未来经济的 1%,其他全是打开无尽边疆的事?那时对神级智能的需求就是无限的,它在自己推动自己。就有可能只剩两家公司,因为全被吃进去了。
“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,还有什么可能赚钱的事情。”——任鑫
DeepSeek 的 harness:当 agent 用很烂,当内核看很有意思
“它的做法就是万事万物皆插件,什么都可以变。……我觉得一个万能的东西万万不能。”——徐文浩
终于问到 DeepSeek 发的那个 harness,DSH。争论很大,有人觉得巨傻,有人觉得很好。徐文浩说他的想法跟骂的人、夸的人都不太一样。
他没怎么用,粗看了 code base 和网上对 tech report 的解读。第一个判断:它不是很多人一开始预期的那种好的 harness 或好的 agent。今天讲 harness,讲的是 Codex、Claude Code 这样的客户端,或者 Pi 这样的核心。而 DSH 的做法是万事万物皆插件,什么都可以变。
他的世界观是:这个世界非常 dirty。你想要一个优雅的接口,下面一定包着一坨东西,才能把活干了。所以好的 harness 或 agent 都做了非常多的取舍:想明白哪些是很强的固定配置,必须这样;哪些是可以改变的扩展点。Codex 和 Claude 都有插件机制,但它们的 agent loop 你是改不了的。Pi 有很强的 opinion。OpenClaw 很重视通过各种 IM 和设备接入。所有这些 agent 都有很强的观念,包括他们接下来要发的产品也有。一个万能的东西万万不能,它面临的问题就是这东西到底干啥用的。
我问那是不是像 OpenClaw,给想倒腾的人倒腾的。他说不一样,OpenClaw 像瑞士军刀、像工具箱,乱七八糟都塞给你,代码可能写得很 dirty,但功能是做了的,也有扩展点,并没有说万事万物皆可改。
做一个 agent loop 要考察什么?他给了三条:长程任务能不能做好,这是核心;cache 命中率能不能高;sub agent 的编排能力。其他功能大家都有,靠扩展点解决。从这个角度,如果你正经想拿 DSH 当生产力工具,他完全同意喷它的那群人。
至于第二波人说 DeepSeek 是奔着 AGI 去的,让模型在运行中改自己的 harness,形成 RSI 自我迭代,徐文浩的原话是:
“我觉得这帮人属于自媒体看多了脑抽,我觉得肯定没有关系,这个是我的判断,一毛钱关系也没有。”——徐文浩
理由很硬:它现在交付出来的东西,拿来写 code 的效率就已经不够高了。而且 DSH 的代码不是用 DSH 写的,有人扒过 commit history,大概率是用 Codex 和 Claude 写的。即使 DeepSeek 过两天有人出来说是这么想的,他也觉得是看了媒体觉得这个故事好。
这里我插了一句不同意见。他说怪异,可如果这是一家创业公司,怪异是一个很大的加分项。现在最头疼的事就是大部分项目太不怪异了,我看到名字都能帮他把 PPT 讲得更好,太无聊了。一看到怪异就眼睛一亮。
可塑性软件:每个人的厨房都不一样
“为什么 agent 必须是聊天窗口呢?”——徐文浩
徐文浩说 DSH 对他真正的价值,是提供了另一个思考。随着国内 agent 火了,大家陷入了一个怪圈:人人都要做一个客户端。云端 agent 温度下降,大家都做装在电脑上、能帮我写 PPT 的东西。左边一堆任务列表,中间一个对话框,右边一个 preview。都一样。他觉得这个路子稍微走偏了,模型能力到今天,三栏式 agent 完善之后,应该往下一步走。
下一步这个词不是他发明的,海外叫可塑性软件(malleable software)[待核]。他觉得 DSH 是一个很有意思的可塑性软件内核。
为什么有了 Codex 和 Claude Code,还有那么多小团队和开发者自己再做一个 agent 客户端,长相都差不多?因为每个人心目中想要的软件是有差别的。他自己也想再做一个给自己用,跟给公司做的还不一样。
他投屏了一篇文章里的两张图:一个吉他制作室,一个厨房。一个厨子或者一个电工,都有自己的工作间,每个人的工作间长得都不一样,设备不一样,布局不一样。业界有最佳实践,有些步骤大家一样,但我习惯用的锅、铲、调料不一样,布局就不一样。用 agent 也是这样,剪视频有人用剪映,有人用 Premiere,有人用 Final Cut。他自己很少用 Codex 的客户端,同事有用别的客户端的,还有在试新的。公司也一样,原来买一个 ERP,不只买软件,还要做实施、二次开发、配置。
为什么 agent 必须是聊天窗口?很多 agent 产品的核心不是聊天窗口,做视频的是 workflow,设计芯片的也不该是聊天窗口,甚至聊天窗口对程序员也不舒服。他更希望有个宽屏,上面是 code diff,下面几个聊天窗口。原来这种需求很难满足,大家捏着鼻子用不同软件组合出来。今天因为可以临时写代码,按我的需求定制没那么困难了。
但也不应该从零开始。剪映的东西都好,就这个布局不舒服,你不可能从零写一个剪映。合理的逻辑是在原来的软件上,用 AI 写一些 code,把它定制成我需要的东西。从这个视角 DSH 就有用了:什么都可以改。
我拿自己举例:我剪视频用 HyperFrames,但没用它完整的,让 AI 过去学了一下,砍了一半,按我的偏好改了,变成了一个叫 Mars frames 的东西,这不是更原生的方式吗?
徐文浩不同意,这里分两层。第一,HyperFrames 能做的事跟 Final Cut Pro、跟剪映比差得非常远,剪映的代码量大到你用 10 个订阅写一个月也写不完,不能因为有这种东西存在就觉得能从零写一个剪映。我说我不是说它替代剪映,是说它在形态上已经做到了你描述的那种:一个东西,我可以按需求把它融化掉,一部分进到我的环境里变成我的。
第二层是他真正的点:HyperFrames 只是剪辑中的小功能,靠一个 agent loop 组装起来。但不管你用哪个 agent,这个 agent 是改不了自己的 agent loop 的。写什么 prompt、怎么拼装、哪些环节拦截、哪些环节找人确认,代码都是写死的。DSH 想解决的是:为什么整个 coding harness 是静态的?为什么不能这轮对话这样拼,那轮对话那样拼?用户这一轮输入是打断,下一轮是等上一轮结束再插入,整个 agent 运行时是不是也在动态变化?
我说听起来很有道理。他说所以换个视角这件事有价值,但今天直接当 harness 用,做得非常不好,跟 RSI 更是一毛钱关系没有。
他最后把这套想法接到了自己的生意上。面向企业做 agent,你不可能让企业都用你的一个客户端,而是要提供一个厨房,能根据需求快速组装。企业原来就是一个 ERP,不是对话窗口,也能快速把 agent 能力接进来,在特定环节或流程里加 agent,而不是重新用聊天窗口把系统做一遍。未来一定是 hybrid:传统软件加 agent 加胶水。他们内部已经在 alpha 一个产品,一句话帮你做一个 agent,接入任何产品,部署到任何云端。
“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。”——徐文浩
软件是伟大的发明,买台电脑回来装一个软件多个游戏,再装一个多个电子表格。原来的软件得一帮人花很多力气做出来分发给所有人,制作太贵,每个人只能用一样的。接下来的软件可以非常个性化,但不是每个人从零做,而是每个人基于某个软件或内核再改成自己需要的东西。
我补了一个市场角度:剪映如果真有那么多不可替代的东西,但它面临竞争压力,市场上的第二名一定会把自己原子化打出来,只有它 60% 的能力,但全原子化了,你再把功能取回来拼。
一家小公司怎么让 AI 当总线
“把很多原来需要综合信息的事……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。”——徐文浩
我后天要去混沌录 AI 原生组织转型的课,顺手从徐文浩这里偷案例。我聊了一圈看到的比较重要的一点是:不是改组织让你更好地用 AI,而是用 AI 来完成组织的职能。AI 是组织的竞品。比较有效的是用 AI 来做对齐,所有人在同一个唯一事实来源上工作;用 AI 来发现工作、分配工作、传导工作、检查工作,让 AI 闭环,把做得好的沉淀下来。
徐文浩公司的实际做法是这样的。他们有一个 agent 在飞书里,你报 bug,它直接去看线上日志、看当前代码库,回答你的时候知道你是谁、你的邮箱、你账户线上实际的运行情况。还有 agent 每天扫报警,发到不同的群里。这些事原来很吃人的责任心,但又不是每天有创新性的开放性的事,全让 AI 做了。
第二条原则是尽量让别人不改习惯。他们试过让人去问 Claude、做个 skill,试过让大家把 bug 报到 Linear 里 [待核],但大家习惯用飞书,最后就建了一个飞书主题群,你往哪里报都行,机器人把它放进去、去线上查、主动问用户。让这个东西 easy to access,会更快推动大家习惯用它。
代码这边,任何提交都有自动化检查、代码质量测试、AI review、端到端测试。每周自动扫一轮:哪些模块重复了、需要重构、设计不合理、文档没对齐,AI 直接改完发一个 PR 给你看,你决定合不合并,合了就上线。我上次理解错了一件事,以为是每个人画了一堆丑陋的 SVG,他们事后统一用库重画一遍。实际是他们做了一个限制:SVG 不能出现在代码里,除非你明文说我就是要手画,否则自动从选定的开源库里挑一个图。
非技术人员怎么用起来的?他的回答只有两个字:强迫。你要改一个界面,研发说把 code base 给你,你自己改。“你跟我讲,你不如跟他讲一遍,你提 PR 我看一下。”设计师直接拿仓库改,线上核心代码不能直接提交,加了检查门禁,只能提分支让工程师检查。工程师要花一些精力帮他把环境设好,之后他本地就能模拟线上服务器,拉出来看网页效果。
我问有没有 AI 在管理人、安排人。他说很少,因为组织很小。反而有一个反过来的问题:人与人的沟通在减少,原来觉得站会有点形式主义,今天几个人的团队,站会形式主义地沟通一圈反而必不可少,不然互相之间完全不讲,也很怪异。
彩蛋:去二线城市看看,和家里那个不绑生态的 Jarvis
“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 1000 万人的,他应该针对 12 亿人的。”——徐文浩
收尾时徐文浩说他挺想做一件事:去中国的二线城市看一看有没有普及 AI 的会议。他的假设是信息非常不普及,就算今天腾讯下手推客户端 agent,先做的也是一线城市那些所谓更先进的公司。在洛阳、开封、绍兴,大家用 AI 吗?有需求吗?用 agent 吗?
我知道两个相关信息。一个 O2O 时代的创始人现在主要在做农村的 AI 推广,比我们下沉得多。另一个是我上期采访的那些人正在卖课,识别到一个已经被验证好多遍的需求:大家都想做副业,而想到的副业都是自媒体,所以 AI 乘以自媒体,是现在需求和供给都配上的东西。二三线城市买这个的人很多,还有人在买算力、买虚拟人,有些其实是传销。我自己老家长沙也可以去看看。
另一条他觉得值得单独聊的:Ruby on Rails 的作者 DHH 做了一个新版 Linux,叫 Omarchy [待核],开出来没几天就成立了基金会,据说自己投了 100 万美金,已经凑了 1000 万美金 [待核],做以 Linux 为内核的 agent OS。
他自己在家已经这么干了:一台 Linux 服务器跑着 OpenClaw 和一套开源智能家居加摄像头软件,24 小时监控摄像头,用 Discord 讲话就能控制家里的灯、看实时监控,还买了个阵列麦克风,在家吼一嗓子就能让它干任何事。不绑死在任何一个小米或者苹果的生态上。我问为什么不用小度音箱,他说小度也是阵列麦克风,但他要的是开放的芯片和程序,可以自己写:我希望它叫 Jarvis 行不行?希望它连我所有的设备行不行?希望它不发给小度,发给我的 OpenClaw,由 OpenClaw 决定用 DeepSeek 还是 GPT 处理不同的任务。
成本不高:可开发的板子三四百块,摄像头一百多,随便找台老电脑装个 Linux 就能开始。
“这一轮的 AI 的能力就是 coding 的,就是快速 coding 出一个你需要的东西的能力,然后把这些东西很快的组合在一起,然后不断在往上叠加,它能做无穷多的事情。”——徐文浩
结语
这期从头到尾其实只有一个问题:钱从哪来。OPC 卡在没人付钱,FDE 靠传统企业付钱但可能只是阶段性的,模型厂商要面对水电煤的定价,DeepSeek 的 harness 被喷是因为拿来干活效率不够高,可塑性软件的商业形态是给企业一个厨房而不是一个聊天框。徐文浩和我在 FDE 上的分歧,说到底也是时间尺度的分歧:终局上缝会被填完,窗口期里缝还很大。
而徐文浩那句话我觉得是这期最值钱的:这一轮 AI 的能力就是 coding 的能力,快速做出你需要的东西,再快速组合叠加。从家里的 Jarvis,到公司里的飞书机器人,到给企业的 ERP 里塞一个 agent,本质上是同一件事。
所以问题回到你这里:你手上的那个软件,是买到手那一刻它有什么用就只能有什么用,还是你已经开始往里面加自己的东西了?