昨晚做了个实验：不看代码、不改代码、纯靠对话让AI agent帮我build一个在脑子里悬了几个月的app——去不熟悉的餐厅时让AI告诉我该点什么。
我以为产出会是坨屎。结果它真的做出了一个我能用的版本。
以前一直没动手，是因为总觉得要先学技术栈、先设计架构、先验证需求。昨晚索性全放下，只给context不给control。
瓶颈从来不是实现，是我自己想控制一切。
#胡思乱想
Context, not control.
互联网时代的真理在AI时代仍然受用。
体现在Context Harness上，也体现在组织流程上。
未来做一个产品，三个人就够了。
一个 AI 产品全栈，一个 ML Research Engineer 负责 prompt、agent、模型筛选和微调，一个 GTM 负责营销和反馈闭环。
现在的 Claude AI 就像早期自动驾驶——已经能直接控制电脑、读内部文档、帮你干活。能力和速度还达不到人的水平，但已经比外包靠谱了。
下一步的形态：每个组配一台 Mac Mini，跑开源 agent，自己学内部文档、自己解决需求。一个 ML Engineer 维护业务专属的 harness。绩效越好的组，发更多 token 和算力。
人头在缩，算力在涨。这个拐点已经到了。
#胡思乱想 前天听一个YC startup的分享，发现现在有些团队已经在aggresively 运用agent了。面试新人的时候先用公司的agent和面试者的个人agent进行聊天对话，发现性格和技能匹配后再推进进入真人面。传统的OA轮已经要被取代了。
#胡思乱想 这个传统的 5 days RTO 已经不适用于这个 AI Native 时代的工作方式了，因为效率高的还是直接和claude code，和OpenClaw和Claude对话和语音，无论是进行产品讨论、想法讨论、深度调研，还是产品开发，RTO时的作用仅有见面和builder一起讨论就行了。
