Alex

2023 年到 2030 年的 AI 狂野阶段，可能会给我们这一代人留下两个东西： 1. 邮箱的使用习惯 2. 付费的习惯 这两个习惯又可能导向两个结果： 1. 个人邮箱生态在国内兴起 2. 订阅制和按调用次数付费逐渐普及 但在展开这两个判断之前，我们需要先理解一件事：技术的变化往往很快，而且会以越来越无感的形式出现；人的习惯一旦形成，却可能持续十年甚至二十年。 我先从技术如何变得“无感”开始讲。 技术的进步，通常会以越来越无感的形式出现。 比如“龙虾”，从最早需要在 Windows 电脑上配置的话，需要先搞Linux，到后来有人提供线下付费安装，再到现在的一键安装。技术能力没有消失，只是逐渐被封装到了用户感知不到的地方。 Vibe coding 也经历了类似的过程。 早期做 vibe coding，除了标准的 PRD，通常还需要准备"技术文档"和"任务清单"。 以任务清单为例，一份完整的任务至少需要包含： 目标：定义完整数据模型并完成首次迁移 依赖：Task X 完成 涉及文件： - prisma/schema.prisma - prisma/migrations/ 验收标准： - 所有表按 docs/tech-design.md 中的数据模型创建完毕 - npx prisma migrate dev 执行无报错 - 字段类型、索引、外键与设计文档一致 所以，早期的 vibe coding 本质上还是一个技术活，或者说是一件有比较厚壁垒的事情。 你要知道怎么拿出一份好的 PRD，怎么写一份好的 tech 文档。这份 tech 文档需要包含什么、不需要包含什么，有哪些边缘条件。你不可能完全依赖 AI 去写，也不可能完全看不懂 AI 产出的技术文档。 这是整体发展的第一个阶段：你仍然需要进行大量“有感”的交互和输入，来保证 AI 执行过程的连贯性、可验收性和可证伪性。 从我个人的体感来看，大概是到了6月中旬，可能是 Claude Code 接入了某次模型升级，vibe coding 开始发生变化。很多情况下，我们已经不再需要准备那么完整的一套材料。 原因不只是模型变强了。 一方面，由于模型本身和整体 harness 架构的限制，过去经常会出现一种情况：你已经替它做好了整体规划，但它还是会在某些局部问题上犯错。这个时候，你不得不针对这些错误不断进行局部调优。 也就是说，完整的前期规划并不能保证正确执行。你写了很厚的 tech 文档和任务清单，最后仍然需要在执行过程中逐个纠错。 到了第二阶段，大概是 7 月末或 8 月初，随着 Codex 和 Context 能力的大幅升级，体验进一步从“有感”走向了“无感”。 很多情况下，除了 PRD 以外，tech 文档和任务清单已经不需要写得那么清楚。因为 Agent 自己对技术细节有了更多把握，也会主动建立验收标准，比如在推送前进行检查和相关测试。 这不是说 PRD、tech 文档或者任务清单失去了价值，而是这些原来需要人显式完成的工作，正在逐渐变成 Agent 内部的一部分。 人感知到的操作越来越少，技术却在背后完成了更多事情。 比如我现在在“写”这份稿子——这里的“写”需要打引号，因为我其实是在用 Typeless 口播输出。过去我要先想、再写、再修改；现在我更多是在表达，技术负责把表达转换成文稿。 这就是技术对写稿方式的一次重构。真正有效的技术进步，往往不是要求人学习更多东西，而是让人用更简单、甚至更“傻瓜”的方式完成原来的事情。 但从技术进步与习惯养成的关系来看，我认为习惯养成可能是一件比技术进步更长期的事情。 技术可以在几个月内从“有感”变成“无感”，人的习惯却可能维持十年甚至二十年。 比如类似“龙虾”或 LangChain 这样的底层工具，现在很多办公 Agent 本质上都在使用，但普通用户已经感知不到它们了。技术退到了幕后，人却不会立刻放弃已经形成的工作习惯。 Sam Altman 曾经说，他现在仍然维持着二十年前的工作方式：每天早上起床，先打开邮箱看一眼。 但如果对 Vibe coding稍微有一些兴趣，我们很容易提出另一种方案：直接用 Agent 做一个自动邮件检录器，每天早上看一眼汇总就好，根本不需要再打开 Gmail。 但他作为一家站在全球科技前沿的公司 CEO，依然保留着这种工作方式。这恰恰说明，工作方式对人的塑造是非常长期的。 技术的变化是无感的，但习惯一旦形成，就可能持续很久。 这种习惯养成，我认为会带来两个比较重要的变化。 第一个变化，是个人邮箱生态可能在国内重新兴起。 如果你长期使用 Agent，不管是 Claude Code 还是 Codex，只要通过稍微正规一点的途径，就很可能会大量使用 Gmail。 原因很简单：Gmail 确实好用。市面上创业公司做的小产品，大部分都会默认接入 Gmail；国内常见的手机号验证反而不一定支持。哪怕是国内团队做的全球化产品，也经常会优先支持 Gmail。 这可能带来两点变化。 第一，持续跟踪前沿产品的人，会逐渐习惯使用 Gmail 接收验证码、产品通知和推广邮件。即使平时不看，甚至收到后直接退订，邮箱也已经进入了他的日常使用路径。 第二，越来越多的人会发现，很多情况下邮箱其实比手机号更好用。 过去二十年，国内没有形成深度使用个人邮箱的习惯。我们长期使用手机号或平台账号替代邮箱，只有学术、商务等少数领域仍然把邮箱当作重要身份标识。 欧美的情况不同。因为工业化和中产阶层生活发展得更早，他们在上世纪 70 到 90 年代就形成了寄信以及后来使用互联网邮箱的习惯。很多海外服务会默认接入 Gmail，一些老邮箱甚至不需要手机号验证。 因此，我的第一个具体判断是：随着国内长期使用 Agent 的人群不断扩大，包括创作者、builder 和行业从业者，个人邮箱可能会重新被广泛使用。 这会形成一个新的生态补充，甚至可能诞生一两家本土邮箱巨头。 比较有可能承接这个生态位的，也许是腾讯或字节。 腾讯拥有最深厚的社交关系链，但 QQ 邮箱长期被贴上了“不够高端”的标签。如果腾讯承接这部分业务，会面临比较明显的用户心智挑战。 字节则掌握了抖音这个超级流量入口。它如果开启这项业务，在用户心智上没有太多历史包袱，但需要很大的转型魄力。 如果有人能够占住这个生态位，它可能会成为一个 Mini 版的“中国 Google”。 因为邮箱不只是一个收信工具。它可以衍生出很多其他业务，也可以成为类似手机号的基础登录方式。 现在国内对“一个人是谁”的理解，很大程度上来自手机号和微信。如果未来邮箱衍生出新的身份与服务生态，它甚至可能对微信产生一定冲击。 完全取代微信的概率当然不大，但邮箱至少可能重新成为定义“这个人是谁”的一部分。这背后真正涉及的，是一个更大的如何定义一个人，以及TA与TA的社会关系到问题。 第二个变化，是付费习惯的养成。 以“百度搭子”为例。过去我们对百度的印象，是典型的流量和广告变现：网站和搜索本身不收费，而是通过插入广告盈利。 但到了现在，连百度搭子都开始直接收费了，而不是采用“先免费使用 Agent，再通过广告变现”的模式。 这说明国内用户的消费习惯，正在被海外 Agent 产品潜移默化地改变。大家开始接受欧美式的订阅制服务，甚至能够接受按照 API 调用次数付费。 我拿自己举个例子。 我第一次为 AI 产品付费，应该是在使用 Claude Code 的时候。当时必须支付 20 美元才能开始使用，否则就没有办法用。它确实很有吸引力，所以我第一次就直接开通了。 再往后是 Manus。我印象中，Manus 是我付费最狠的一次。4 月份的时候，我给它付了 300 美元。到现在为止，我都没有打破这个纪录，不过现在看来，这 300 美元花得可能不太值。 最近另一个比较明显的标志，是我已经开始习惯为 Codex 支付每月 100 美元。最新消息是，Codex 可能直接把 200 美元档的服务关掉了。只能说是时代的东风，或者西风吧。 这种付费习惯会成为塑造未来的关键信号。 因为消费习惯一旦形成，用户在使用其他产品时，即使它不一定是 AI 或 Agent 产品，也可能愿意按照类似的方式付费。他会开始觉得，一个月十几块或者二三十块人民币，并不是一项难以承担的支出。 这可能会对国内整个软件和互联网付费生态带来一次重塑。 说个题外话。 这里所说的“我们这一代人”，更偏向 00 后，也包括现在十五六岁的 10 后。我自己是 00 后。 这一代人在青少年、大学或研究生阶段，就已经开始接触并大量使用 AI。Claude Code、Codex 以及其他 Agent 产品，不只是在改变我们的工具，也在训练我们的工作方式和消费习惯。 但我始终认为，从严格定义上讲，我们还不算真正的 AI 原生代。 因为我们其实经历了几个不同的时代：小时候没有 AI，主要看电视；后来从电视到电脑，从电脑到手机，再从手机进入现在的 AI 时代。我们小时候甚至还看过 3G 时代的广告，比如葛优代言神州行之类的广告。 真正完全意义上的 AI 原生代，可能是 20 后、30 后以及更往后的一代。他们从出生开始，AI 就已经是环境的一部分，而不是后来才出现的一种新工具。 我们这一代人的消费习惯，不一定会原封不动地延续到下一代。但至少现在，我们的付费习惯正在被 Claude Code、Codex 以及其他 Agent 产品重新训练。 同样，我们在二十多岁时被 AI 塑造的工作方式，到了二十年后可能依然存在。 就像 Sam Altman 一样，即使站在 AI 时代的最前沿，依然受到二十年前互联网时代工作方式的影响。 这既是我们的优势，也是一种限制。 当后 AI 时代，或者真正的 AI 原生时代，在十五到二十年后完全到来时，我们可能已经成为那个时代的建设者和塑造者。 但我们自身，或许仍然保留着此前十五到二十年形成的工作习惯，并因此面对新的挑战。 所以，我最终有两个层次的判断。 第一个判断是：技术的演进会从有感走向无感，而习惯的形成和消失都比技术变化更加漫长。 第二个判断是：今天的 Agent 不只是在改变我们如何完成工作，也在训练一代人的基础习惯。它可能带来个人邮箱生态在国内的重新兴起，也可能推动订阅制和软件付费习惯进一步普及。 技术最终会退到幕后，但由技术塑造的习惯，可能会比技术本身存在得更久。

很多人说，从长远来看，AI 应用公司仍然拥有巨大的机会，但更长期来看，我们都会死，所以，我们需要在一个不短也不长的时间维度中做有效的推演。这个推演必然不可能基于幻想，而是基于历史经验和现实的理解。 下面是我的理解，结论是AI 应用会活下来，但不是以现在的方式。 短期来看，AI 应用很难活下来。大部分甚至 95% 的 AI 应用，最后都会被模型吞噬。 但是我们仍然应该做 AI 应用，并且持续投资。 为什么呢？道理很简单：从人类历史的经验来看，基础设施跟最后的应用产品是两回事。 现在大家可能更关注基础设施，比如 Google 和 Amazon 有 Cloud和算力，而 OpenAI 则有最好的模型（国内可能就是 Kimi 之类的）。不管从哪个方面来看，大家都会觉得这些公司在疯狂地向上下游延伸。 如果从产业链的位置来看，我们可以把 Cloud 和算力看作油田和电网，模型公司就像炼油厂和发电设备。那 AI 应用是什么？能够被炼油厂和油田吞噬的，本质上根本不是 AI 应用。 类比来讲，真正的 AI 应用应该像汽车、空调、电脑和手机。过去几年最大的进步都在前两层：模型变得非常强，推理成本在下降，智能也可以被大规模调用。我们现在常说要接入 API，接入 API 就如同当年接入电力的工厂，或是把汽油用于内燃机汽车一样的感觉。 但从投资角度来看，应用公司现在基本上处于非常严峻的寒冬阶段。虽然有消息说未来几个月可能会回暖一段时间，但目前很多应用给人的感觉，就是底层模型只要一更新就会被取代。比如一年前还比较火的 AI 搜索 Perplexity，很快就被 OpenAI 整合进去了。 但是，掌握基础设施的公司，并不一定能定义、发现和创造出基础设施之上的产品。 有油田和炼油业务的石油公司很多，但宝马和奔驰并不来自它们。像宝马、奔驰这样的公司，自己既没有油田、炼油厂，但它们依然是汽车时代最重要的产品之一。决定汽车能否成立的，当然包含石油，轮胎，但更多的是驾驶体验、一整套制造体系、产品设计、品牌以及对用户的理解。 电也是一样的。电网建成、电路接入，并不意味着冰箱、空调、洗衣机、电视的形态就会直接产生或出现。电力只是让这类产品的出现成为可能；至于用电来做什么、哪些产品能走进每个家庭，依然需要应用层面的公司去一点点发现。 AI 也会进入类似的阶段： 1. 基础设施阶段：市场关心谁能训出更好的模型、拥有更多的算力，以及谁能把推理成本压得更低。在这个阶段，大家关注的核心是 AI 这种新型能源的能力边界。 2. 应用爆发阶段（AI+）：大量公司把 AI 接入现有的软件、岗位和流程。给原有产品加上 AI 能力，把任务交给 agent，用自然语言代替 UI 或 GUI。这确实会产生一部分真实价值，但很大程度上，它类似于给蒸汽工厂接上电灯泡，并未改变蒸汽工厂的本质，也没有改变其管理组织与生产形态。 3. AI Native Applications 阶段：类似移动互联网时代的原生应用（如抖音、淘宝）。它不是给某个产品加一层 AI 功能，也不是给大模型套一层 UI 的皮在某个小场景做简单应用，而是以“AI 存在”为前提，重新设计用户的行为、工作流与生活方式。 现在的整体发展大概处于第一阶段到第二阶段的过渡期。但社会发展往往不是线性递增或线性递推的过程，完全可能出现跳步式的跨越发展。 如果用石油和电力来类比，现在非常重要的 AI 应用（例如 coding agent）已经切入了生产流程，改变了我们与代码与软件的交互方式。但它更像工厂里的电动机或电灯泡，绝对不是应用的终点。 未来的机会大致会沿着两个方向展开： To B 方向： 历史上工厂刚接入电力时，并没有立刻变成现代工厂。早期的做法只是把蒸汽机换成电动机，但工厂里的转动轴、整体布局、生产流程以及工人的作息，依然沿袭着蒸汽时代的运转逻辑。 真正的变革发生在后面：当每台机器都拥有独立电机，不再依赖中央动力轴来排列厂房生产线时，整个协作与生产方式才真正以电力时代的方式被重构。 显然，这已经被一部分人发现了，所以不在这里展开。 To C 方向： To C 更加神奇，因为任何的技术，只要不 To C，它就本质上没有意义，给岁月以文明。这类似于电力接入家庭，普通人开始使用 AI。但目前大多数场景依然停留在聊天框里，其角色更像是一个电灯泡。它很神奇、很重要，也会成为日常，但电灯绝不是电力时代的全部。 真正塑造电力时代并对人类生活产生深远影响的，是后面衍生出的冰箱、空调、洗衣机、电视和电脑，而不是更好的电灯。它们共同依托电网这些基础设施，却创造并解决了全新的需求，形成了一种新的生活方式。 我们无法想象没有电灯的生活，但更难想象没有空调、电视、电脑和手机的生活。一百年前的人不会觉得自己有使用手机或空调的需求。 AI 的消费级应用也会出现类似的情况。未来更突出的 To C 产品，形态很可能与现在的 Context 或 Claude Code 完全不同，甚至不一定会以聊天框的形式存在。它应当深入到人的创造、表达、沟通、记忆与决策之中，与人建立起一种恒久的关系，而不仅局限于单次完成或单次生成的交互。 OpenAI 和 Anthropic 或许能做出很棒的应用，例如codex，甚至占据很大的品类，但这并不意味着他们能给出属于 AI 时代的“空调”、“手机”或“电脑”的答案。 当然，现在的整体 AI 应用还只是模型的包装，也不太可能会变成电视机、电脑和手机这样的公司。但我觉得这只能说明第一批应用不够成熟，并不能说应用没有价值，或者说模型要通洗一切。我们已经拥有了 AI 时代电力的概念，但还没有发明出冰箱、空调和电脑。 所以我认为下一批可能会超过 Manus Cursor 的应用公司，它可能不拥有最强的模型，但一定发现并塑造了一件事情： 当智能、Agent、Coding Agent 变成了基础设施，当 Token 变成了一个基本的消费单元的时候，我们到底以什么样的方式工作、生活和创造？ 谁能塑造这种创造和工作方式，即使是影响这种范式，都可能拥有的不是一家万亿美元的公司，而是一家十万亿美元的公司。

便宜的第二大脑😎（v4Pro的价格） 具体搜：obsidian-ai-starter（github） 😎找到工作的主播决定继续投身开源事业。 这是我刚做的一个基于pi的小项目 相信大家也经常能听到打造第二大脑的说法，最多的实现方式都是用claudian（基本市面上搜到的95%以上的视频都是教你怎么用Claudian） 今天我在看油管的时候，刷到了一个pi加obsidian的视频 根据那个视频给我的启发，我就做了这个开源项目 主要特点有五个 1.接入任意的llm，推荐小鲸鱼的v4pro（🙏感谢梁叔开源） 2.读写obsidian vault，可以理解和操作你的知识库 3.对话自动存档：你每次跟pi的对话会自动保存为一个md文件，存入pi section目录（这个也是受到了一点启发，context本身就有意义，而不只是ai最后的输出结果，而是你跟ai整个的交互过程都是有意义的） 4.可以直接使用pi自带的agent指令，例如/plan，/loop（自动迭代） 5.自动化安装（无论是pi还是一些插件，而且还能够把你的Obsidian vault推送到github上，相当于一个免费的云服务备份）-btw，有一些需要在手动，但3-5分钟就能做完 一些需要安装的前置都在图里面了，希望大家用的开心，如果觉得还不错的话，麻烦在github给我点个star 谢谢大家