repodefibro是干什么的

coco 这次原码泄露，真正泄露出来的不是 snoop 最核心的模型秘密，而是 ai agent 最值钱的产品工程和设计方法。对同样大厂来说，这可能只是少了一点信息差，但对做 agent 产品的人来说，这几乎就是一次近距离拆解顶级产品的机会。 所以这期视频我们不仅会聊这个事故本身，以及 coco 接下来会往哪走。我觉得更重要的是，对于我们这些做 agent 产品的人来讲，这次事件到底有什么真正的启发？ coco 这次其实是发布时出了问题，于是外界顺着这个文件把大量原码还原了出来。 所以这次被大家看到的不只是 coco 这款最先进的 coding agent 是 怎么做的，也包括它接下来可能会往哪走。我们能看到一堆零散的功能，比如主动模式、后台任务、远程规划、多 agent 协助以及跨设备任务续接。但这些看起来零散的功能，其实背后都在说明一件事， coco 正在从一个聊天室变成助手，变成一个真正的 agent operating system。 它未来不再只是你问一句，它答一句，而是要变成一个能接任务、推任务、跑任务，甚至跨平台把任务续上的系统。 而它真正关键的地方，也不在于单个 agent 有 多聪明，而在于工具、权限、记忆、任务和多 agent 的 分工都被自动化工程化了。也正是因为这样，我觉得这次 leak 最值得看的地方不只是它暴露了哪些功能，而是它背后的那套系统设计。所以我们再来聊聊这件事情，对我们做 agent 产品到底有什么借鉴。我觉得至少有三点。第一， 真正拉开 agent 差距的不是模型，而是 operating model。 所以 我们这次要学的不只是他们的内存 prompt， 外面的整套系统 pl 和产品体验统一成了一整套运行系统， 很多时候差的不是模型，而是这套产品工程。那第二呢，就是成熟的 agent， 不是 更自动，而是更可治理。那 cloud code 这套东西里，最成熟的恰恰不是放权，而是治理。 他们有 permission mode， 有 hacks， 有 ask deny， 这些 mode 有 风险动作边界，甚至连工具调用前后都能被拦截和修正。它追求的不是舞蹈自动，而是可控自动。第三，就是下一代 agent 产品拼的是任务连续型，因为用户真实的工作流不是一次性完成的， 而是会被打断，会切后台，会跨设备，会从本地切到远程继续。所以 coco 暴露出来另一个很强的方向是，它已经按照任务系统来设计，有 a sync background remote 的 life cycle， 有 task system， 也有 transcript resume clean up 续接这些任务的痕 迹。所以未来 agent 产品比拼的不只是一次回答到底多聪明，而是谁能把任务接住，持续推进，最后交付结果。那这次事件让大家更清楚地看到，下一代 agent 产品真正拉开差距的，很多时候已经不是模型本身，而是系统设计和产品共存。

二零二六年五月八日，全球创新药交易信息， m r n a。 赛道又杀出一匹黑马。一千三百万美元种字轮要做的是可能改写整个细胞治疗的游戏规则。美国初创公司 passohio 宣布完成一千三百万美元种字轮融资， leo bryer capital 领头， general catalyst、 y combination 等跟头。这家公司不做普通的 mrna， 它们的核心技术叫 apexam， 通过工程化改造 rna， 让它主动招募细胞自身的 rna 稳定机制，从而实现更高、更持久的蛋白表达。 关键是它保持了简单的腺性 rna 结构，不搞环状 rna 那 套复杂的制造工艺。管线方面，核心项目适用体内 cart 靶向致病性 b 细胞，主攻自身免疫疾病，目标是实现深度 b 细胞清除，停药后长期缓解。 此外还在布局肿瘤和编码蛋白治疗。公司将在五月十一号波士顿 esk 的 年会上首次公布临床前数据， 声称相比现有临床级 m r n a 设计，蛋白表达量和持续时间都有显著提升。如果 apexam 的 数据能在临床上兑现， m r n a 不 仅能做疫苗，还可能真正攻克此前难以触及的免疫和肿瘤适应症。这意味着 m r n a。 平台的边界正在被重新定义。关注我，毒药、解药、洞察，守望生物医药技术与产业的未来，欣赏技术之美。

你绝对想不到， colode code 的 项目创始人在访谈里说，他这两个月的代码几乎全部是在手机上完成的， mac 都已经吃灰了，并且这种方式已经变成了奥斯洛克团队内部的常态， 你是不是感到非常吃惊？听完这个访谈之后，我立马去把 colode code 也接入了飞书，实现了随时让 cc 帮我做项目。 今天把接入方式分享给大家。它的实现方式非常简单，就是通过 github 上一个开源项目叫 cc connect 这个项目，它的作用是将本地的编程智能体，比如 codex、 cloud code， 还有 jimmy 的 c r i。 这些智能体与飞书、钉钉、微信的聊天软件进行连接。 它的主要优势有以下几点，第一个，它支持超过十种 ai agent 代理，比如 cloud code、 context 和各种 c r i。 第二， 支持十一个聊天软件，像什么飞书、钉钉、微信等等， q q 都可以支持。第三，支持多智能体编排，将多个机器人拉到一个群聊里，让它们彼此交流。 第四，可以通过聊天控制，就是非常方便。第五，持久记忆非常重要。第六，智能调度，可以用自然语言设置定时任务。第七，支持多模态，语音和图像都能够识别，是不是非常强大，是不是特别像龙虾？

casa 这个开播工具啊，他最近不知道吃错了什么药，他终于开窍了。你看 casa 他 最近做了几件非常牛逼的事情。第一件事情就是他把 casa 这个开播工具啊， 从传统的 ide 开播工具改造成了适合于 ai 时代进行 web 扩展的基于 app 的 开播工具，也就是跟当下的 cloud code， open code 或者叉这些 web 扩展开播工具啊进行对齐了。 然后第二件事情，他给现在那些比较出名的推特博主发放了一年的免费托管使用权。哇，这个我真的是太羡慕了，我真的是羡慕那些 被卡萨翻了牌子的中文推特博主有一年的免费托管使用权，太羡慕了。然后第三件事情啊，卡萨他最近发布了他自己的卡萨 sdk， 也就是我们在不久的将来，任何一个外部扩点开发者，他都可以把卡萨这个开工具啊 集成到自己的产品里面去，也就是到未来，我们都可以随时随地的使用卡索 s d k 进入到我们任何一个产品里面去，进行随时随地的跟 ai 进行 webcoding。 这个事情啊，我觉得具有非常生猛的战略的意义。 但是呢，卡索 s d k 啊，还是有点小夹子气，有一点点非常让我们失望，也就是卡索 s d k 它目前还是只能使用它自家的 api k， 如果它的未来啊，能够让其他家第三方的 开发工具的 api k， 或者是大模型的 api k 能够集成到卡士的这个 sdk 里面的话，那我觉得卡士的格局啊，那就真的是打开了，那么在未来呀，就非常值得期待。 当然最后还有一件值得提一下的事情，就是卡士这个开发工具啊，已经被马斯克 a 龙，马斯克，也就是马斯克的是贝斯这个公司啊，给收购了几百亿美金。 哇，真的是太羡慕了，我真的是非常期待 carson 这个 s t k 在 未来会越来越牛逼，大家一起期待一下吧。

一个 agent 干不完的活，五种模式来接先讲背景，单个 agent 看起来很强，但一旦任务变复杂，它就会出问题，上下文窗口不够用，推理链越长越容易出错。遇到需要多角度分析的任务，一个 agent 根本顾不过来。 anthropic 的 研究数据显示，多 a 键的系统在复杂任务上表现比单 a 键高出百分之九十。 anthropic 官方总结了五种经过生产验证的协助模式，生成验证者、调度子、智能体、智能体、团队消息总线、共享状态， 每种模式解决不同类型的写作问题。第一种生成验证者逻辑很简单，一个 agent 负责生成，另一个 agent 负责检查，生成的不行就打回去重做，直到通过验证。适合对质量要求极高的任务，比如代码审查、报告拷写、数据校验。 第二种，调度子智能体，这是 code code 用的主要模式，一个调度器负责拆解任务分配工作，多个子 a 键的并行执行，调度器不干活，只管分工和汇总，适合任务可以拆成独立子任务的场景，比如多模块并行开发，大规模研究。 第三种，智能体团队跟调度模式的区别在哪？团队成员之间可以直接沟通， a 发现了 b 需要的信息，可以直接告诉 b， 不 用绕回调度器，而且团队成员有持久状态，任务之间保留上下文，适合需要频繁协调的复杂任务。 第四种，消息总线，这是事件驱动的架构，没有中央调度器， agent 之间通过事件通信，有新事件触发，对应的 agent 自动响应。最大的优势是可以动态接入新能力，不用改架构，安全运营、监控告警。这类场景特别适合 第五种共享状态，完全去中心化，所有 agent 直接读写一块共享存储，基于彼此的发现实时协助。没有老大，没有调度器，大家看同一块黑板干活，适合需要多方信息实时同步的任务。比如多元研究，综合五种模式怎么选？ as ropic 给了一条核心原则，从最简单的开始，大多数场景调度子智能体就够了。只有当子 agent 之间需要直接通信时，才升级到团队模式。选型溯查表，对质量要求高，用深沉验证者，任务可拆解。用调度子智能体， 成员要互相沟通，用智能体团队事件驱动，扩展性强。用消息总线多元实时协作。用共享状态 c l d code 就是 最好的实战案例。它用调度子智能体模式处理，日常开发，遇到复杂重构场景时，自动升级为 agent teams 模式，让多个 agent 并行协作并互相交流。 ascorpic 还给了一个关键建议，叫意图工程。多 agent 系统会放大模糊性的代价，你的提示词越含糊， agent 之间的协调就越混乱。所以要用结构化的意图规范替代简单的提示词，明确目标边界和成功标准。评估方法也不一样，多 agent 的 路径是不确定的，不能逐步检查。 astropic 的 做法是只看最终结果，用另一个 l l m 当裁判，评估输出质量。过程怎么走不重要，结果对就行。但要注意， agint 越多不代表越好。 agint 的 建议是团队规模控制在三到五个，超过这个数，协调成本会吃掉并行带来的收益， 这叫协调税。 agint 越多税越重。多 agint 不是 终点，而是一群各有所长的专家在协助掌握这五种模式的人，就是这个新时代的架构师。

最近有一条视频在海外爆火，美国议员 bernie sanders 和 ai cloud 的 对话，他们聊出一个结论，当 ai 越来越会整理信息，替你做判断，你以为你在做决定，但其实你只是被信息推着走。我 看完深有体会啊，因为说的就是我这个艺人公司老板的日常啊。其实很多看似普通的信息输入都撑起了我每次的决策。像我平时最多的信息来源就是对话， 不少采访或者是对谈里都能够挖到有大量价值的信息。这时我会用 pro 的 记录，它既能完整的留存内容，还能够随时标记重点，算是我用过的 ai 硬件里面最好上手的产品。但用下来我发现记录只是基本操作，更强的是它能把每一场的对话掰开了，揉碎了给你重新解读。 比如一场复杂的合作，聊完，我就可以直接打开 pro 的 网页端，选择这个模板，然后点击生成，你看几分钟的时间，这场沟通的核心要素全部都清晰的罗列出来了。 整个过程你不需要懂复杂的提示词， pro 的 已经把提示词都帮你写好了，你只需要根据需求在这么多的模板里面去选择对应的模板就行。分析洞察只是第一步，但真正高效的是要把这些洞察都变成直接可用的内容。这个时候就打开 spro 的 对话框，它会自动根据总结生成三个问题，让我充分的理解这一次沟通的信息。 而且我可以用下面的 skills， 例如这个获取洞察，它就能够再一次的帮我今年总结这次合作的要点，然后再点这个，就可以快速的知道下一步要做什么，整个过程都非常的丝滑，这些判断和结论最终都沉淀在我自己的账号里，手机电脑随时打通，工作项目会变， 这些高质量的对话和认知会一直跟着我，所以我现在会把所有重要的对话和信息输入都尽量的留在 pro 的 里。对一人公司来说最值钱的就是时间，你需要把原本会留走的高质量的输入，真正变成你自己的思考、判断和生产力。

在近期的 abundance summit 上，马斯克接受了 peterdemands 的 深度专访。这并非一场普通的愿景宣讲。马斯克在现场明确证实了一个令整个科技界秉持的关键判断， ai 的 硬起飞已经到来。 过去，人们普遍认为大模型的进化离不开人类工程师持续的微调与干预，但在本次访谈中，马斯克批露了 xai 的 底层运行逻辑，人类在 ai 递归、自我改进循环中的参与度正在急剧下降， 未来的每一代新模型都将由上一代模型自主直接构建。他还给出了明确的时间节点，最晚到二零二七年， ai 构建 ai 的 全过程将实现完全自动化。 正如他所言，我睡前刚迎来一项重大 ai 突破，醒来又出现了另一个。这意味着由人类主导技术迭代的时代正在快速落幕。既然技术迭代的底层逻辑已经改变，决定这场 ai 军备竞赛终局的就不再是阶段单纯的模型跑分。 那么，在 openai 与 google 已占据先发优势的当下， grok 究竟平和破局？马斯克并未回避 xai 当前的短板，他坦言 grok 的 代码生成能力目前仍有差距，而他本人已亲自牵头一场全员代码攻坚战，目标是在今年年初实现反超。 但他同时提出了一个比单纯模型跑分更底层的智能评判标准，预测能力。在他看来，这才是智能的核心。而最新的 grok 四点二已在这一维度上登顶。为了让人们真正理解未来超级智能的恐怖规模，马斯克给出了一段较为硬核的推导， 用物理学的能量尺度来衡量算力的理论上限，他认为智能的本质就是对能量的高效利用与消耗。 他进而提出一个思想实验，假设未来 ai 所调动的电力达到当前全人类总耗电量的一百万倍，这听上去极度疯狂，但从物理尺度看，这一能量竟仅相当于太阳总输出能量的百万分之一。这意味着什么？ 意味着在宇宙尺度下， ai 算力的增长空间依然深不见底。顺着这一逻辑推演，一个耗电量远超当今人类文明百万倍的超级大脑，究竟能思考到什么程度，又能做到什么？马斯克的答案是，这种量级的智能不仅能轻松攻克疾病与寿命难题，更将彻底击穿人类现有的认知框架。 如果这种量级的超级智能降临，宏观经济会发生什么？马斯克给出了一个明确判断，在不发生第三次世界大战的前提下，未来十年全球经济规模将增长十倍。 这种底气来自于他对技术眼镜底层逻辑的认知。他指出， ai 的 突破从来不是现行的，而是由一系列重叠的 s 曲线构成， 我们在经历缓慢的起步后，会迅速进入指数级增长，然后是对数回报，直到下一个技术突破再次拉升整条曲线。在这种生产力大爆炸的推动下，他预测十年内人类不仅将实现经济跨越，甚至将在月球上建立具备质量投射器的实体基地。 但是，如果 ai 缺乏物理实体，其应用场景将始终局限于数字世界。访谈的第四个重点是具生智能的落地。马斯克确认了特斯拉、 optimus 三机器人的进度目前处于最终完善阶段，他给出了明确的硬件量产时间线， 今年夏天开始小批量试产，经历制造业标准的 s 曲线产量爬坡后，预计明年夏天进入大批量制造阶段。这会带来什么实际的业务影响？马斯克提到，特斯拉目前拥有约十五万名直属员工及上百万的供应链人员。 optimus 大 规模投的短期目标并不是直接裁员，而是通过人机携手重塑企业的人效指标。随着机器人承担制造环节中的重复劳动，特斯拉每位人类员工的单位产出将获得极大幅度的提升。从产业竞争视角来看，这揭示了马斯克跨公司布局的核心壁垒。 当绝大多数 ai 公司在纯软件模型上厮杀时，他手中的特斯拉具备全球顶级的重资产制造能力。通过将 ai 软件能力注入特斯拉的 optimus 硬件生态并实现量产， 马斯克在更高维度上打通了从数字算力到物理执行力的商业闭环，使 ai 直接转化为有形的工业生产力。当机器接管绝大多数脑力与体力劳动，普通人的生存逻辑将发生怎样的改变？ 与当前业界普遍讨论的通用基本收入不同，马斯克提出了通用高收入概念。他认为，随着 ai 与机器人实现极高效率的产出，未来商品与服务的增长速度将远超货币供应的增速，进而引发显著的通货紧缩。 当机器能够满足人类所有需求，才能足以覆盖全部消费欲望时，传统意义上的资本与货币将逐步失去原有价值。他预测，在未来的后资本主义时代，超级智能将不再使用人类货币，其唯一的衡量标准将是系统能耗与物质总量。 在访谈的最后，话题回归到了人类自身的中局。马斯克提到， rock 的 logo 设计灵感来源于黑洞边缘的吸积盘，这正象征着科技的最终归宿基点。面对这个完全无法预测内部运作基底的基点，马斯克展现出了绝对理性的技术乐观主义。 他不谈抽象的哲学，而是落到了最具体的痛点上，比如利用 ai 解决困扰他本人的背痛问题，或者通过彻底攻克衰老延长人类的健康寿命，让地球上的每一个人都能享受到比现在顶级富豪还要好的医疗服务。 对于马斯克而言，无论是研发大模型还是量产机器人，本质都是为了在基点到来时，让人类具备跨入那个指数级富饶时代的入场券。在这二十四分钟的深度访谈里，马斯克展现了一以贯之的低信原理思考， 但如果跳出纯算力视角，回归现实的商业周期与社会系统，会发现他描绘的基点蓝图仍需跨越四重客观风险。 风险一，聚焦智能激进的量产时间表马斯克提出 optimus 三将于明年夏季进入大批量制造，延续了其较为激进的工程预期。 然而，硬件制造的 s 曲线远比软件迭代严苛，人型机器人量产涉及新型机电执行器的良品率提升，以及在开放物理环境下的高可信要求。大模型可通过云端快速更新，但大型工厂的才能爬坡与供应链成熟，存在无法被算力压缩的物理周期。风险二，有权与分配机制的底层矛盾 马斯克的推演前提是潜能极大丰富，即可自动实现全民富足。但在现实经济逻辑中，这一假设并不成立。现代社会的基础是产权制度，即便 ai 与机器人创造出海量物质相关算力，工厂与产品的所有权仍将集中于少数科技巨头。 当机器承担绝大部分劳动，普通人若失去劳动价值，也就失去了参与分配的基础。没有国家机器的强制介入资本，没有任何天然的动力将赋予才能免费下放给大众。风险三，算力扩张面临的能源与资源应约束马斯克将智能的上限归结为能源与物质，但可能低估了获取这两者的现实阻力。 物理世界的资源扩张相对缓慢，要支撑海量算力与大规模机器人生产，需要重构全球电力系统，推动核聚变商业化并开采巨量矿产。数字世界的指数级狂奔，最终必然会先撞上能源和原材料的物理上限，经历一个漫长且剧烈的资源紧缺期。 风险四，货币体系与社会结构的路径依赖马斯克对无货币的后资本主义时代的判断，低估了现有社会制度的惯性。货币不仅是交易工具，更是社会权力与秩序的体现。 现有的既得利益阶层，其生存根基是资产的稀缺性。即便未来物质极大丰富，掌握核心资源的一方仍可能通过限定算力、数据等新型稀缺要素维持既有权力格局，而非放弃定价与分配权 归机算力的爆发已是大势所趋，但通往基点的路径必然与物理规律及现有社会气约产生激烈碰撞。你认为马斯克所描述的 u h i 在 我们的有生之年有可能实现吗？欢迎在评论区留下你的判断与推演。

用 hyperframe 可以 做一切科普类的视频，比如这个什么是 bug coding？ 最近全网都在聊的新词，以前写代码是这样，打开 id 对 着报错信息写三天，还在配环境， bug 满屏飞。 现在 mark 定制是这样，不用懂语法，不用记 api， 不 用查 stack overflow， 跟着感觉走门槛被一刀砍平。 hyperframe 是 hainan 最新的开源项目，它的主要思路就是用写代码的方式去做动效视频，相比于 ai 视频生成模型来讲，真的会便宜很多，而且由于它都是用代码来控制各种位置和动作的，其实也会更加的精准。 虽然它没有 ai 生成视频那么样的像人类那么逼真，但是它真的很适合去做一些抽象的概念类的科普讲解视频，或者是一些产品的宣传视频，或者课堂上的各种学习素材。那整个制作的方式也非常简单，咱们用任何 colin agent 都能够直接完成。 今天这条视频，咱们先直接用 kylou 的 来演示一下。首先第一步，先把这个 get tab 的 项目地址输入给对话框，它就能直接把这个项目下载下来了。 下载完成之后，咱们来去策划一下今天要做的这个视频。策划视频包括这么几部，首先咱们让他先写一个文案啊，这个文案呢就是关于 web coding 这个概念，大概一分钟写完之后，我们再去让他生成一个人物的图片，这里我选的是葫芦娃，有卡通人物形象，让你的视频能够更加的吸引人。 我在生成图片的时候，直接用的是 live tv 的 skill， 大家也可以直接用其他的模型或者直接把图片上传过来都是可以的。那最后让它再去规划一个分镜表，把文案对应什么样的素材，把它稍微规划写一下，你觉得 ok， 咱们就直接进入到深层的部分了， 这一步基本上全都是你让 hyperframe 去干活就好了。 hyperframe 会先写 html 的 文件，再把它渲染成视频，后续如果你需要配音的话，还能直接用 tgs 配音，再把配好的声音直接合成到视频里面，也是非常的方便。 虽然这类视频它不像 ai 深层视频那样逼真，那样真实，但是真的非常适合做科普和教程，也很适合老师们直接做一些课堂上可以用的素材，所以推荐有需要的宝宝们直接上手尝试一下。 ok， 今天就分享到这了，记得一键三连，下期见！

这里是岁育集，今天用两分钟讲清 gemini for 这条线，真正的看点不是参数更大，也不是聊天更像人，而是 google 想把大模型推进到能替你办事的 agnico ai 阶段。过去的 ai 向回答窗口，你问他答， 智能体不一样，你给目标，他会拆步骤、调工具、搜信息比，选择填表单，再把结果放回日程邮箱或浏览器里，换一个更贴近中文用户的例子。 你说下周末去三亚，两个人预算六千以内，安排轻松的三天两晚。理想中的 gemini four， 不 只是推荐景点，而是先查机票和酒店，避开太赶的路线， 再比较海棠湾、亚龙湾。三亚湾的交通成本。它还要把吃饭、打车、退改规则和天气风险一起算进去，重点不是生成攻略，而是把复杂目标拆成一串可执行动作。这条路线早就有线索， 贾迷妮 two 强调阳性， ai， astra 展示实时多模态理解， manneel 展示浏览器自动操作。贾迷妮 three 的 deep sink 指向更长链路的推理和纠错。到 gemini four 升级，会集中在四件事， 更强、多模态、更长、上下文、更稳、推理纠错，以及更深的 google 生态连接。 chrome、 gmail、 cardiner、 android 和 cloud 都是智能体落地的入口。 google 的 优势是模型之外，还有账号设备和真实任务场景，风险也在这里。只会回答的 ai 说错了，最多让你重问会代办的 ai 理解错了，可能订错房、填错表、泄露信息，甚至影响真实消费。 所以真正关键不是十万亿参数，也不是一百万上下文，而是行动前能不能确认，出错后能不能回滚，整个过程用户能不能看懂？ 我认为下一代 ai 竞争会从谁回答更聪明走向谁能可靠地把事情办完？我是岁玉集，我们下期继续拆。

读书品茶聊善商之一百七十，当下创业公司如何与商业巨头竞争呢？二、大家好，我是善商哲学理论的创建人， 专注中小企业品牌核心竞争力打造的蒙皮果品牌战略咨询公司的果叔。今天我想跟大家分享的主题是，当下创业公司如何与商业巨头竞争呢？ 上一期我跟大家分享了前半部分的内容，这一期我跟大家继续分享后半部分的内容。典型案例二， 光滑创新，不想做可复制的 ai 穿戴，只做个性化的 ai 健康奢侈。如果说望远智能的重是重技术公关，那么光滑创新的重 就是重硬件壁垒和美学门槛的深层融合。当智能穿戴早已疯狂陷入功能叠加的参数内卷时， 这家仅成立不足一年的杭州创业公司却选择了完全不同的一条路，将临床机精准传感技术与高定珠宝工艺深度融合，开创了 ai 健康奢品的全新赛道。你不得不承认， 这种 ai 加高定珠宝的玩法，让任何想要模仿的巨头都会面临两方面的极大不适， 一是传统高定珠宝行业极其讲究的飞镖手工艺术和大厂流水线思维之间的巨大水土不服。二是源自临床硬科技的精准传感技术，以及在精密仪器领域全球第一的原创科技专利积累， 更让试图模仿的 ai 大 企业难以超越。光华创新如今估值达六亿美元，累计产业投资已达五千七百万元。一个如此又贵又硬的飞镖商业模式成就了它，看懂了它，你就看懂了做众做飞镖的真正力量。 三点二，做飞镖以定制化能力破解标准化复制除了物理门槛，创业公司还有个重要路径是完全跳出标准化复制的既定框架，通过探索和实践大型标准化模板 无法匹配的飞镖服务，帮助自己打开巨头难以到来的新蓝海。典型案例一， x two 让设备做飞镖定制才能抢的买卖创造全球消费级激光雕刻机的中国黑马 x two， 其做飞镖路径堪称教科书级别。配合日渐增长的个性化消费， x 二让大型笨重工业级的昂贵激光雕刻机走入商业端的小型零售门店，成为门店内低成本、高效益的即时定制服务设备，店员一小时上手， 三分钟就能为用户交付独一无二的专属定制礼品。通过飞镖服务，从低端收入再向多元盈利结构延伸。 x two 在 全球市场仅有三年的时间内，按 gmv 计便占据了百分之四十七的全球消费级激光雕刻机全球市场份额，而市值已经能稳稳超越全球第二大品牌六倍之多。更重要的是， x two 对 飞标计时定制服务的深度深挖，让它不再从卖硬件上一次性赚小钱， 而是从合作解决方案、原料、耗材、特许用户数据增值中获得长期收益。飞镖不仅让 x two 活了下来， 还让他活得比巨头更自由。典型案例二，科星金工在标准化无法触及的缝隙里长出果实如果说上面介绍的 x two 面向的是 c 端飞镖服务赛道，那么科星金工就是面向 b 端的飞镖攻坚者。平均年龄不足二十五岁的六个零零后组成的科星金工团队， 打破了美国 m p、 p 等公司在半导体封测、核心耗材、先行批刀领域的长达数十年的高度标准化垄断。 但对于这些创业团队来说，想打破垄断，光靠标准化价格战根本不可能。科星进攻的核心优势，是需要大量飞标贴心力才能做到的一站式深度定制化服务，与客户共同研发 针对其特殊封装需求，反复优化出具具体参数的劈刀产品方案，并通过粉末冶金、核心技术攻关、皮秒、激光共行等特定工艺，最终定制化开发出的每一个细微参数均达到五十微米精度级别， 完全不逊于国外先进产品。而代价国外大厂在这个标准高度固化的细分领域里，没有任何动力如此费尽心力去做飞镖服务。最终，科兴精工以市场价格比为国外品牌产品八分之一的核心优势，全面替代了进口 三点三五二信，以差异化定位构建进队不可复制的价值。但市场从不缺复制者，如果有天某个快速跟进者把你这三年积攒的飞镖用标准化手法全盘抄袭，你该怎么办？ 这时，创业公司不可被抄袭的更高门槛是第三条路，把自己打造成不可复制、独一无二的工业孤品。典型案例一， 浙江华酒新材料用技术焦点彻底打造独门壁垒位于浙江长兴的浙江华酒新材料绝不是一个典型的大厂形象， 全公司员工居然只有二十人，但他们却做了一件令多个石墨业巨头望尘莫及的事情，在短短两年内突破新能源和半导体工业特种石墨领域必须的重资产魔咒，依靠轻资产运营、聚焦硬核技术的双打法， 抢先占据了高端特种石墨纳米领域的技术制高点。华酒新材做到了什么？在整条生产线里，前端的磨粉混捏成型环节直接决定了百分之九十的产品性能。 而华酒通过将所有研发力量压铸在前端工序，确保了产品纯度、体积密度、核心良品率超出行业均值百分之十以上。 如此不可复制，是因为华九新材所积累的前端核心工艺技术已经构建了跨行业的综合护城河。而此时的华九新材不仅成为新能源汽车和第三代半导体行业的基础材料供应商，还做到头产，当年就实现上规， 并通过目前的滚雪球效应继续在清能源新材料等南海拓荒。典型案例二， olly 成为品类赛道的定义者和价值的不可复制者， 但最值得参考的让巨头们只能干瞪眼的独特无二性案例必须提到，来自瑞典的燕麦奶巨头 oatly。 和上面许多国内科技创业企业略显不同的是， o a t i 走入的是一个比巨头行业更危险的竞争场景。燕麦奶赛道并不缺少强大的现金和巨头，可口可乐、蒙牛、伊利等世界级巨头都纷纷下场， 数以百计中小竞争对手竞相仿制。面对如此强大的围攻之势，一家起初只有百把人的创业系品牌是如何活下来的？ 答案是，欧力从一开始就不和巨头玩同样的零售渠道的生存游戏，通过先与头部连锁咖啡馆打透弊端，在他们的高级复合酶技术支撑下，燕麦奶拉花的丝滑浓郁体验让专业咖啡师们争相推荐， 从而让燕麦奶的品类价值完全等于奥利。这一深刻逻辑在中国，弊端咖啡场景愈发深入人心。 如今， o a t l y。 在 中国市场卖出的燕麦奶已可以制作将近十四亿杯燕麦拿铁。 当越来越多的中国消费者走向 c 端货架自主购买 o t i 时，蒙牛伊利才发现自己在零售货架端已经无法单方面的把 o t i 的 品类红利给抢走 这种先天善的属性，做好品类，共建友好生态环境，呵护整个燕麦奶联盟，也是欧克莱最不可被复制的生存策略之一。欧瑞中国团队是善商哲学中与行业整体共享成果的生动写照。四、 善商哲学的竞争之道，一种更高维度的生存智慧写到这里，有必要梳理一下这条以善商哲学为指引的竞争之道。 善商哲学的核心要义在于，竞争不是目的，创造价值才是根本。 善商创业者在与巨头竞争时，最终不是为了打败对手，而是为了做好自己。这正是东方智慧中的上善若水，水不争先，真的是滔滔不绝。善经济思想强调 东方思维不主张无限制追逐欲望和财富，而是强调我与他人的共荣、共用、共荣。基于这一思想，散商创业者在与巨头竞争中应遵循三个基本原则。第一， 以利他之心作为竞争的根本出发点。善商创业者追求的不是对巨头或对手的零和摧毁，而是如何在为消费者和社会创造真正价值的过程中，与企业一同茁壮成长。 奥利进入中国之初，面对的是几乎没有燕麦奶认知、没有饮用场景的市场困境。他选择先帮助咖啡馆提升燕麦奶专业认知， 这正是利他的体现。第二，以利他之法作为竞争的核心手段。擅长创业者选择差异化路径时，不是把心思用在低价杀敌上，而是直接生根自身最擅长的领域，与其他企业通过友善生态共建模式， 在自然有利的条件下壮大自身的生态适应力。例如即视角，通过两套互补的生态共创模式，与四十万加第三方开发者共享知识产权，解决了高研发成本的束缚，最终开发的千余种垂直算法中，将近九成产源于第三方开发者的共创， 也让他从巨头林立的 ai 红海中杀出一条路。第三，以利他之果作为竞争的最终检验标准。 散商创业者与巨头的竞争博弈，最终应该导向对产业、用户、环境和整个生态做出的多赢贡献。欧力的可持续发展理念让燕麦奶生意成为散的源头。 望远智能不仅解决了泳池清洁难题，更以国产替代带动了整个产业链的升级。 总而言之，散商哲学给予创业者的不是一套简单的打法策略，而是一种关于企业生存目的的深度思考。在人工智能加速渗透的二零二六年，能够穿越周期的企业，不是在规模上和巨头拼， 不是靠资本快速渠道复制强行抢占市场，而是能坚定选择那条巨头，看不到、做不来，没精力维护路子的永续型组织，愿更多创业者 走上这条善之竞争之路，以善之道，行不争之争，以专之精成不可替代之业。好了，今天果蔬就跟大家分享到这里，我们下期再会。

为什么我说现在就是你开始 vaping 的 最佳时机？因为现在开始的成本真的很低。 openai 的 创始人 sam ottoman 在 推向上宣布，他家旗下的 codex 能免费用了，而且免费的不是什么渣渣模型，而是 openai 最新的 gpt 五点三。 codex 速度更快，逻辑更强，完全不输隔壁添加了 cloud ops 四点六，那我已经深度使用一个月了，并且已经手搓上线了自己的产品。那么这期视频我们一起来学习一下如何正确使用 codex， 开启你的 web coding 旅程。 给还不了解 codex 的 同学简单介绍一下， codex 是 open ai 旗下的编程智能体，而隔壁 cloud code 是 同一种产品，有了 codex， 再加上 gpt 五点三的模型，就可以愉快的编程了。 一般人看到黑底白字的命令行界面估计就被劝退了。别担心， codex 不是 硬核的即刻工具，它有正儿八经的图形界面，官网下载、安装、登录一气呵成，没有什么要你做的复杂配置， 接下来的内容很关键，你要搞清楚两个概念，工作区和 thread 工作区。你可以理解为你的项目文件夹，比如你想做一个网站， 先建立好文件夹之后，所有的代码文件都会保存在这里。而 thread 就是 一个个的聊天窗，这些聊天窗就是 一个个的任务线。这里有个黄金法则，大家一定要记住，不同的任务要开不同的 thread， 千万别在一个窗口，一会让它改 bug， 一 会让它写新功能。另外你也不用傻，等任务完成，你可以同时开多个 thread， 同时处理多个任务，效率直接起飞。前段时间爆火的 skills 在 codex 里直接格式化了，内置了几十种的 skills， 鼠标点点就能安装了。这些 skills 能让你的 agent 如虎添翼，关键省去了繁琐的搜索和安装过程。 最后分享一点个人使用心得。上一个视频里我推荐了谷歌的 anti gravity， 其实这两个产品你可以一起用，把 codex 的 插件装在了 anti gravity 里面，这样你可以同 同时要用多个模型，比如让 g p t 五点三改 back， 让 jammer 做前端，让 cloud 出方案，不用切屏，不用复制粘贴，一个界面汇集世界上最好的三种模型帮你干活。这套 web coding 的 形态， 你值得拥有。以上就是本期视频的所有内容，欢迎关注艾伦，二零二六年，我会持续创作更多 web coding 和 ai 工作流的相关内容，我们下期再见。

最近市面上有非常多的 ai 工具，比如说 ermus agent， cloud managed agent， cloud code codex cursor， open cloud lanqing lan graph。 那 么对于普通人而言，怎么样去选择对应的工具来做我们的开发助手呢？今天就来和大家聊一聊这个问题。 首先为了让大家更好地去理解如何选择，我想先和大家聊一下我自己总结的 ai 的 七层架构。 首先在最底层呢，有我们的 model， 那 比较出名的也就是 openai 底下的 g p d 五点四和 anthropomorphic 底下的 cloud open 四点六。 model 呢，是所有事情的核心，也是我们的大脑， 那它本质上就是一个推理的工具，你给他一个输入，他就可以通过推理给你一个相对应的输出， 那么工具永远是工具，需要有一个人去调用它，所以与 l 零对应的就有我们的 l e primitive。 最早期的 chart g p t。 作为一个例子，这个时候呢，其实我们和 ai 的 交互方式大多是你问我答的方式，我给他一个输入，他会思考一阵，然后就告诉我一个输出， 那这也就是最早期的这种无状态原子调用的方式。或者说在现在呢，如果说你就是直接给 ai 发一个 api， 那 其实也是这种方式。 但是在这个阶段呢，其实我们还没有到达 agent 的 门槛，因为 agent 是 需要帮我们去完成一个固定的任务的，而不是执行一个单词对话。所以呢，到 l two 这里，我们就有了最早期的这一些 agents。 这些 agents 的 目标呢，并不是解答你当前的问题，而是根据你给他的指示，尝试去帮你完成一个任务， 所以说呢，它可以有一些外在的工具，它可以去调用这些工具执行这些工具，它可以去把一个任务拆分成多部，并且通过串行或者并行的方式去达到它最终想要实现的这个目的。 那可以看到在 l two 这里呢，我其实还分了 a 和 b， a 就是 我们现在熟知的一些 call code， codic， c， o， i， cursor 之类的工具。那么 b 呢，其实是这些工具为自己家的系统做的一些拓展，比如说 cloud md 和 call hooks， 那这些东西其实都会对于我们的 cloud code 有 一定的限制能力和一定的增强效果，但是它们是依附于这个工具而存在的。如果你把 cloud 点 m d 这个东西放到 codex 里面，那其实它就是一个废文件，没有任何的用。同理 cursor rules 呢，其实也是去增强了这个 cursor 这个工具。 那到这里为止呢，其实我们就有了一个初步的 agent， 但是我们依旧有问题，如果 agent 在 执行任务的过程中，在某一步失败了，这个时候我们应该如何去处理呢？ 如果说没有底下的 l 三、 l 四、 l 五，那其实最简单的处理方式就是我们会尝试去重头做一遍，但是第一这个肯定是不高效的， 第二呢，这可能会有一些不好的负面效果。打一个比方，如果在执行任务的过程中，我需要在腾讯云上面去创建一个资源， 然后呢，我发现这次任务调度失败了，我就从头来过，我就又新建了一个资源，那这个时候呢，其实我就有多余的资源被建出来了，我需要同时去为几个资源买单，一定是不合理的，所以解决这个的方式呢，就是我们需要去引入一些状态机的概念， 来记录说我们当前已经做到了哪一步。这样子，当我们发现有任务失败的时候，我们只需要从最新的节点去做就好了，这里呢就会有我们的 l 三和 l 四。 先聊一下这个 l 三， l 三解决这个问题的方式呢，就比较简单，它给了你框架，告诉你说只要你使用我的框架，你就可以非常快的把一些 look 的 概念和一些状态机的概念都加到你自己的 agent 中。 但是前提是你需要自己去写这一部分的代码，且你需要自己去实现你的运行时，那 l 四相比 l 三呢，其实就更加的干脆了。代表人物就是这个 openclaw 和我们的 hermes agent， 你 其实不需要去写任何一行代码， 你只需要去把这个东西安装下来，在本地跑一下就可以了，它自动呢就帮你实现了多一整编排持久化，以及这些状态机的所有东西。 到这一步为止呢，其实 agent 能力已经非常强了，但依旧有一个痛点，就是这个东西需要我们自己部署在我们自己的机子上。 如果大家记得的话，前段时间其实 mac mini 的 价格是疯涨的，原因就是因为当 open cloud 这样子的工具出来之后，大家都想要去有一个可以部署的地方。 那我之前其实也反复地提到过，因为像 open cloud 这样的工具在安全性上不是非常的可靠，所以呢，大家又不想要在自己已有的电脑上去部署，那就会出现这种疯狂去买 mac mini 的 热潮，那么 cloud manage 的 agents 出现呢？其实从某种程度上就解决了这个问题。 你现在也不用自己去部署了，所有的东西呢，都会在 anthropic 的 云端跑，你只需要去告诉这个 agent 它需要去解决什么，任务其实就完成了， 那么最终在所有东西之上呢，其实就是我们的 application。 那 这就是我自己总结出来的七层架构。接下来我会再和大家聊一下，我们怎么去选择最适合我们的层级，以及在这个层级中怎么去选择最适合我们的工具。下期见。