机器人的流量已经超过了人类的流量。Cloudflare给很多网站做CDN跟安全相关的东西,所以它非常容易区分一个流量究竟是从机器人来的,还是这个真实人类的。
如果这么大一个变量的话,比如说你现在要买一个东西,你可能会去浏览五个网站。但是如果你让agent帮你买一个东西的话,可能它可以帮你迅速在几秒钟之内浏览一千个网站。
那问题来了,其实是GPU算力,内存这些,这些都是需要花钱的。但是机器人其实到一个网站去浏览内容,它不会看广告。那最终谁来买单,就是一个很严峻的问题。
然后整个美国B端的 SaaS市场一年是三千五百亿美金,还不如Google一年的收入。所以未来这个AI如果渗透到大众的生活层面上的话,一定会需要一个全新的商业模式
AI现在无限量地免费去抓取网站内容,就是有一些内容就是需要付费,爬虫才能抓取。然后这个钱我自己的理解,我觉得大概率不会用户来出这个钱,大概率是广告主或者是中间的一些服务商来出这个钱。
我们先说内容创作这一端。首先它有可能不需要依赖某一个平台来发布自己的作品跟内容。因为抓取流量是可以非常分散的。我觉得唯一要做的可能是需要把这个内容怎么把它让AI更容易读懂,比如说把它变成JSON文档或是MD文档之类的。而且现在很多内容是平台的资产
比如说我想订一家酒店,我比较喜欢睡懒觉,那我不希望这个太阳早上的时候会照到我的房间,那我应该选哪一间房?这些有价值的信息发到各个平台是不会有流量的,因为它太小众了，算法都分发不出去。
但我觉得未来这种高度具体化、本地化独特的信息才是AI时代最稀缺的信息来源。企业做品牌的思路也会发生非常大的变化。因为以往品牌其实是帮助人类去快速做判断的一个捷径。
因为人类的注意力是有限的,他不可能去无限量地去做各种选择,所以为了降低他们的决策成本,大家就会把品牌这个东西拎出来。
但AI agent不一样,它的注意力跟时间都是无限的,所以就不存在品牌这个东西,它可以对比所有的几千家酒店,然后帮你选一家最好的。
未来这种信息肯定是需要付费的。http402是专门留给付费的,就是需要付费才能访问这个页面或者内容。所以这个已经在范式里面,这个已经有了。但是难点就是每一次访问它可能charge非常小的金额,比如说0.00001美金,所以这种AI微支付我觉得是后面一个也是比较重要的一个技术设施。而且这个网站一上线,因为AI的机器人流量非常大,你可能上线的第一天就要支持每一秒钟处理一千万笔金融交付的transaction。
被人催更啦
最近刷卡帕西的推，发现他说的LLM写代码会遇到问题，我自己也经常遇到：
他的原话：“模型们替你做出错误的假设，然后就跟着他们走，根本不经过核实。他们不管理自己的困惑，不寻求澄清，不提出矛盾，不提出权衡，应该反驳时也不反驳。”
“他们真的喜欢把代码和API搞得太复杂，膨胀抽象，不清理死代码......在1000条线路上实施膨胀的建筑，而100条线就足够了。”
“他们有时仍然会更改或删除一些他们不够理解的注释和代码，作为副作用，即使这些内容与任务本身有直接关系。
我自己会让LLM写进.md 的四条原则
1. 在编码前三思
别妄下定论。不要掩饰困惑。表面权衡。
大型语言模型通常默默选择一种解释并执行。这一原则强制要求显式推理：
明确陈述假设——如果不确定，请询问而非猜测呈现多种解读——当存在歧义时，不要默默选择必要时反驳——如果有更简单的方法，就直言不讳困惑时停止——指出不清楚的地方并寻求澄清
2. 简洁优先
只需最小限度的代码来解决问题。没有任何猜测性内容。
遏制过度工程的倾向：
除了被要求的内容之外，没有其他功能
一次性代码无抽象
没有“灵活性”或“可配置性”，只要是没被要求的对于不可能的情景，没有错误处理
如果200行可以变成50行，那就重写它
测试内容：高级工程师会说这太复杂了吗？如果是，那就简化。
3. 手术变更
只触碰你必须触碰的部分。只收拾你自己的烂摊子。
编辑现有代码时：
不要“改进”相邻的代码、注释或格式不要重构那些没坏掉的东西
即使你会用不同的方式，也要匹配现有的风格如果你发现了无关的死代码，要提及——不要删除当你的更改产生孤儿时：
移除那些是你自己更改导致没用到的导入/变量/函数除非被要求，否则不要删除已有的死代码测试内容：每一行更改都应直接追溯到用户的请求。
4. 目标驱动执行
定义成功标准。循环直到确认。
将关键任务转化为可验证的目标：
而不是...... 变身为......
“添加验证” 改为 写无效输入的测试，然后让它们通过”
“修复漏洞”改为 “写一个复现它的测试，然后让它通过”
“重构X” 改为 “确保考试前后通过”
对于多步骤任务，请提出简要计划：
1. [Step] → verify: [check]
2. [Step] → verify: [check]
3. [Step] → verify: [check]
强有力的成功标准让LLM能够独立循环。薄弱的标准（“让它奏效”）需要不断澄清
看完claude code 开源代码后的感受：
Claude Code不是一个编程助手，它是一个AI操作系统的雏形。 10种运行模式、44个工具、三条多Agent技术路线、四层记忆系统、七层安全防护、平台级插件架构——这个复杂度远超一个"辅助写代码"的终端工具。
你用的版本只是冰山一角。 16个特性标志门控了大量内部功能。KAIROS、Coordinator、Swarm、UltraPlan、Voice——这些都不在你的安装包里。
公开版大约只展现了完整能力的60%。
"AI做梦"是一个值得关注的范式。 DreamTask/AutoDream代表的不仅是一个功能特性，而是一种产品哲学的转变——从"你用时它才工作"到"你不用时它也在学习"。这是从工具到伙伴的临界点。
安全投入是真实的。 Bash沙箱的25项检查、迭代固定点算法、秘密扫描、故障关闭设计——这种程度的安全工程在同类产品中找不到第二家。
Anthropic的"安全优先"至少在代码层面是言行一致的。插件生态在爆发前夜。 7种MCP传输方式、7层配置作用域、多市场源支持——基础设施投入的规模意味着Anthropic对生态是非常认真的