过去只有富人和大公司买得起的服务,正在变成默认配置

Services Only the Rich and Big Companies Could Buy Are Becoming the Default

曾鸣第三次「看十年」公开课的整理稿今天上午刚发出来——笔记侠整理,两万多字,讲的是他在杭州湖畔创研中心那场演讲。他开场第一句不是讲趋势,是讲自己的状态:

我这两个月越来越不焦虑了,因为很多东西越看越清楚。

这句话让我停了一下。过去两年 AI 圈的主流情绪恰恰相反——所有人都在焦虑:模型会不会又换代、投入那么大为什么效果不好、拐点到底在哪。而曾鸣是阿里巴巴集团前总参谋长、两次被 Thinkers50 评为全球最具影响力的战略思想家,他的「不焦虑」不是安慰,是一个判断:AI 刚进入第二阶段的开场,应用大爆发还没真正开始,浏览器还没有出现,所有人都在同一条起跑线上。

这场演讲被拆成六个命题(智能商业、AI 原生、产业化阶段、价值创造、创智组织、智能战略),两万多字。但对我最有冲击的只有一个论断,它藏在第一节,篇幅不长,却把我这两年一直在做、却说不清的事一句话说穿了:

真正创造巨大价值的是打开新的供给。好的私人医生、好的老师、好的理财顾问,旅游时能给你真正建议的可信的信息专家,任何一个方面我们都觉得好的供给太少、太稀缺。

不是把现有服务做得更快更便宜,是 让一批过去根本不存在的市场出现。而它之所以现在可能,是因为 AI 把满足每个人具体需求的交付成本打到了极低——低到过去只有富人和大公司买得起的东西,正在变成默认配置。

Services Only the Rich and Big Companies Could Buy Are Becoming the Default

[Read More]

权限跟着人走,还是跟着工号走

Do Permissions Follow the Person or the Position? What Claude Tag Confirms

9 月 8 日,Meta 发布 personal agent「Muse」,公开了一套「智能提案、权威拍板」的安全架构(上一篇写过)。

9 月 24 日,Anthropic 给 Slack 里的 Claude Tag 加了一个看似不起眼的小功能:personal connector——你在 channel 里 @Claude,它可以调用你自己的日历、你自己的云盘、你名下的 CRM 账户。

两家公司,相隔两周,产品形态完全不同(一个是个人 agent,一个是群聊机器人),却做了同一个架构决定:agent 的智能可以共享,但权限必须有个明确的主人。

一家是巧合,两家就是趋势。今天把这个趋势讲清楚——顺便回答一个所有要落数字员工的组织都绕不开的问题:权限到底该跟着人走,还是跟着工号走?

Do Permissions Follow the Person or the Position?

[Read More]

智能提案,权威拍板

Intelligence Proposes, Authority Decides: What Meta's Muse Says About Agent Power

Meta 本月发布 personal agent「Muse」时,同时公开了一份赏金价目表:有效漏洞报告最高 30 万美元,其中单独一档——「成功影响一个用户的 prompt injection」——最高 13 万美元。

看清楚这一档在买什么:不是买「别进来」,是买「进来给我看」。一家把 agent 接到用户邮箱、日历、浏览器、Shell 和银行卡的公司,公开为「攻破我的 agent」付钱。这不是自信,这是承认:注入不可根除。

承认之后呢?Meta 同一篇文章里给出了整个行业目前最完整的答案,题眼是一句话:

一台机器上的两个相互隔离的安全域,而不是一个有 root 权限的 LLM agent。 (two isolated security domains on one box, not an LLM powered agent with root)

Intelligence Proposes, Authority Decides

[Read More]

IM 在 AI 时代的沟通即协同:从 Chatbot 到 Agent 的两层跃迁

When chat becomes task dispatch: Chatbot vs Agent in modern IM

上周在钉钉里看到一条消息,让我意识到一个根本性的转变正在发生。

一位产品经理在群里 @AI 助理:「帮我总结一下今天会议的要点。」AI 很快给出了回复。几分钟后,她又 @采购 Agent:「根据这份 PRD,生成采购计划并提交审批。」

同样是 @AI,但两次操作的性质完全不同。第一次是 问一个问题,第二次是 派一个任务。

这个细微的差别,恰恰是 AI 时代 IM(即时通讯)正在发生的最深刻的范式转移: 沟通正在从「对话」演进为「协同」。

IM 在 AI 时代的沟通即协同:Chatbot vs Agent

[Read More]

SKILL.md 不是文档,是编译器

How a 900-Line Markdown File Turns AI From a Chatbot Into a Content Pipeline

「准备写一个 blog,详细讲解这个 skill。」

我对 Agent 说完这句话后,它在 0.5 秒内完成了三件事:加载 900 行 SKILL.md、扫描过去 127 篇博客的标题做交叉引用、按 Planner 模块输出了文章分类和大纲。没有追问「你想写什么角度」,没有问「用什么语气」,没有忘记中文排版要加空格。

SKILL.md 六阶段流水线——从 Markdown 文件到内容生产系统

[Read More]

一个会自己写博客的系统

From Squeezing Out Posts to Publishing at the Speed of Thought

从「业余时间挤一篇」到「随手一句话就发一篇」——这不是夸张,是我过去 5 个月的真实经历。

2013 年我写了 43 篇博客,之后的 12 年里年均不到 5 篇。2026 年才过了 5 个月,已经发了 127 篇。月产量从 2 篇跳到 25 篇,12 倍。这篇文章不是讲 AI 写作工具多好用,而是讲我如何把 整个写作流程 编码成了一个 Agent 可执行的 Skill——一个会自己写博客的系统。

AI 自动写作系统全景——从手工创作到 Agent 流水线

[Read More]

Context, is Control

From Prompt Engineering to Harness Engineering in Agent Management

Netflix 的「Context, not Control」曾经是最有影响力的管理理念之一。

它的核心假设很简单:给聪明人足够的上下文,他们会用你没想到的方式达成目标。你不需要控制过程,只需要提供信息、方向、约束。人的判断力、创造力、直觉——这些是 context 之外的东西,也是 Control 管不到的东西。

但这个理念套到 Agent 上,假设崩塌了。

Context is Control:从 Prompt Engineering 到 Harness Engineering

[Read More]

悟空使用技巧:让 AI 向你提问,需求越明确执行效果越好

Interactive Prompt Clarification: Why Asking Questions Back Makes AI Agents Smarter

向 AI 提出需求后,不要急着让它立刻执行。一个简单却常被忽略的技巧是:让 AI 先向你提问,把模糊的需求打磨清晰。需求越明确,AI 的执行效果就越好。这不是理论,而是每天和 AI 协作的工程实践中,投入产出比最高的习惯。

[Read More]

AI 原生产品增长打法:你的预算在烧钱,还是在训练产品?

Growth equals how fast your agent gets smarter, not how much you spend on ads

两周前,一个做 AI 写作 Agent 的朋友约我吃饭,他刚拿了 A 轮,准备砸 200 万投放抖音和小红书。

我顺嘴问了一句:你们 Agent 的复杂任务成功率是多少?

他愣了一下,说:“你这问题问得有点怪,我们看的是 DAU 和留存。”

三个月后我们再见面,他融的钱烧了一半,DAU 涨了三倍,月留存从 18% 掉到了 9%。他叹了口气:“用户来了,但 Agent 还是那个 Agent。”

那一刻我意识到一件事:很多 AI 创业团队还在用 SaaS 时代的增长教科书,跑一个根本不是 SaaS 的生意。

[Read More]

LLM 押注在 Coding Agent 上是正确的

当每个人都能写代码,IT 系统的瓶颈不再是技术,而是想象力

三个月前,我用 Claude Code 花了一个下午搭了一套完整的钉钉消息监控系统:自动抓取指定群的消息、按关键词分类、生成每日摘要、定时推送到我的私聊。整套流程从数据采集到定时任务,大约 500 行 TypeScript。

同样的事情,如果走公司正规 IT 流程——提需求、排期、开发、测试、上线——保守估计三个月,还不一定能排上。

这件事让我确信一个判断:LLM 厂商把重注押在 Coding Agent 上,是目前最正确的战略选择。 不是因为 Coding Agent 能替代程序员,而是因为它把"用代码解决问题"这件事的门槛,从"需要一个工程团队"降到了"需要一个能清楚描述问题的人"。

[Read More]