课代表立正
大模型算力成本正遵循摩尔定律指数级下降,独立开发者应在巨头大打价格战与无痛补贴的红利期内,放弃死记硬背工具教程,转以个人真实需求为导向进行边做边学的实战开发。
AI-assisted summary of 麻省理工长毛兔:技术小白如何跟上AI时代?小红书如何起号? — original source. Check the original for full context.
Source published:
Detailed notes
## Background 该内容由 YouTube 频道的“课代表立正”于 2026 年 6 月 14 日发布。视频为一场专属的直播录播,节目简介中欢迎观众加入这场独家直播,并鼓励大家在聊天框中分享问题与参与互动。
## TL;DR 本期节目是主播柯代表与麻省理工毕业的独立开发者长毛兔(Jenny)的深度对谈。长毛兔分享了自己作为零基础技术小白,如何通过 Ready AI、N8N 和 Lovable 等工具跨越技术恐惧,成功在小红书打造出除夕贺卡爆款独立产品的经历。同时,她还毫无保留地公开了自己如何将小红书做到 10 万粉丝的无痛运营法则,并与柯代表共同探讨了 AI 时代的商业模式变革、跨模型自动化工作流、以及如何用真实需求倒逼行动、破除“工具迷恋”的核心破局思维。
## Atmosphere & style 直播开场带有一种新手上线特有的手忙脚乱与真实、逗趣的调试氛围,随后迅速转入一种既硬核干货又轻松畅快的对谈状态。两位讲者之间互动频繁、默契十足,柯代表的批判性、结构化思维与长毛兔的温柔、坦诚与豁达形成了完美的互补。整场节目听起来就像是两个技术圈挚友在深夜进行的围炉长谈,既有对抗黑粉与线上救火时的情绪共鸣,又有拆解底层认知科学与前沿 AI 协议时的思维激荡,充满了真诚的实验精神与消解技术焦虑的治愈感。
## Key takeaways - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 直播初期两位主播在多平台串流调试中手忙脚乱,长毛兔卡在投票环节,最终成功稳定上线小红书和YouTube直播间,并通过老粉的互动热烈了氛围。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 长毛兔具有工业工程本科及MBA、土木环境工程双硕士学位,曾任产品经理、数据分析和管理咨询,目前在无传统开发背景下利用业余时间自学Web Coding。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 长毛兔在Web Coding上的总投入约两三千美金(含一台用于iOS开发及跑OpenHands服务器的Mac),常规月度订阅开销(Cody、Lovable等)固定在五六十美金。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 柯代表指出社群硬核玩家会混用多个Pro或MAX账号以薅取大模型API的高额算力补贴;两人均批评公司管理层统计“Token排行榜”是愚蠢的投入指标,目前行业已转向考虑成本和效率。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 长毛兔在2025年春天因参加湾区Ready AI线下会,看到纯自然语言生成网页的Demo而受到启发,从此打破对HTML/CSS的代码恐惧,迈入网页开发大门。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 在全自动网页开发前,长毛兔曾利用早年RPA经验探索过N8N低代码自动化流程,搭建过Reddit舆情监控及邮件自动回复,但因仍需编写JSON和处理字符串而感受到局限性。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 长毛兔利用Lovable开发了天使恶魔聊天应用、Nerdy猜数字游戏以及除夕卡通卡片生成器,其中除夕贺卡成为其首款面向公众的独立爆款产品,吸引数千人使用并导致Resend账户一度被冻结。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 爆款卡片项目虽耗费几千人实时作图,但因设置了手动确认,长毛兔最后的自费API账单仅为几百美金,用实例打破了新手的“Token焦虑”。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 柯代表和长毛兔探讨AI商业模式的转变:传统SaaS属于一次编写无限服务,而AI产品像制造业一样实打实消耗Token原料;目前独立开发者正处于大公司打价格战、疯狂卷补贴的红利期。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 独立开发上线的真正挑战在于应对本地测试无法预料的线上Bug。长毛兔非常享受“用户反馈-立马Hotfix”的超短闭环,并高度赞赏硅谷大佬们将每一步视作微小科学实验的实验思维。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 柯代表分享了创业中“PMF(产品市场匹配)两难困境”,即复杂痛点的解决方案难做到完美,而完美实现的产品又常找不到ICP买单,强调产品真正Fit时会被市场推着走。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 长毛兔的小红书账号在毕业前靠“麻省理工学霸生活”光环积累了1.8万粉丝,但也因此在转型代码小白时遭遇舆论反噬,她坦然接受这是建立个人品牌的代价。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 长毛兔在2025年10月开始Build独立产品后实现暴涨7万粉。她的高产诀窍在于周日“批量生产”,集中写大纲并一口气录完三期视频,工作日再抽空剪辑,从而降低心理建设成本。 - 长毛兔坚持“兴趣驱动”和“主线任务法则”,不刻意选题或设计Hook,拒绝搬运无增量的Step-by-step安装教程,靠真诚表达和“佛相”建立独特的观众缘与信任感。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 柯代表从认知科学角度解释了海外党“中英夹杂”的痛点:大脑思考首先产生无语言属性的“概念”,本能会选择最近的英文词映射,若强行在短时间内翻译成中文会严重占用CPU算力。 - [00:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=0s) 长毛兔和柯代表认为AI本质是让懒人更懒。柯代表安利了团队研发的免费开源语音输入应用V;长毛兔则现场Demo了其团队秘密内测的AMBI,展示了其通过MCP协议将语音环境流直接操控电脑底层工具的终极工作流。 - [01:05:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=3900s) 在工具迷恋的误区上,讲者提倡“边用边淘汰”的流派,所有工具选择必须服务于当下的“主线任务”,并推荐了one-liner收集法与渐进展示(Progressive Disclosure)原则,拒绝盲目试新。 - [01:10:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=4200s) 长毛兔分享了她从Low friction的Cloud Chat聊产品规格、再将Markdown导入Cloud Code写代码的闭环,并指出对技术小白而言,Terminal和Code界面在心理上具有天然的摩擦力。 - [01:25:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=5100s) 讲者坚决反对“学完再做”的传统执念,认为大模型与前端领域过于宏大且更新太快,应当用个人的碎片化真实需求(如健身与奶茶管理小应用)来倒逼动手能力与Build行动。
## Detailed walkthrough 以下是根据直播录音前 1 小时内容整理的详细、忠实的文本实录与漫游指南:
直播新手“避坑”现场与观众实时互动
直播刚开始时,两位主播正处于一种略带慌乱但气氛轻松的调试阶段。柯代表作为“老手”在教第一次开播的长毛兔(Jenny)如何操作。期间两人遭遇了各种意想不到的“初体验”——长毛兔被卡在了一个互动投票的题目上,系统提示“很遗憾未通过”,她有些委屈又好笑地念叨着:“如果是可以重答的,但是它不让我提交,是什么意思呢?居然卡在了这里,真的是,也是没想到。”
随后,他们开始查看各个平台的在线人数。由于第一次多平台串流,看到 YouTube 上显示“0人”时,长毛兔惊呼:“哇,通过 YouTube 现在是零人,我还要提交什么名字、身份证号码,这是什么呀,主播出镜头我的天,我在找我的……等一下啊,真的是新奇了。” 经过一番手忙脚乱的设置,小红书和 YouTube 的直播间终于双双稳定上线。柯代表耐心地向她演示 Riverside 的 Public Chat 功能,告诉她在这里就能实时看到 YouTube 观众的评论,比如有人在问“Fibo 是否我当地都不能用嘛”。长毛兔也兴奋地确认自己能在手机上看到小红书的提问,并开心地向大家打招呼:“嗨,大家好,第一次直播有点手忙脚乱,感谢柯代表教我怎么直播!”
随着直播热度慢慢上来,观众们开始送礼物和投人气票。柯代表向长毛兔解释这些互动的作用:“小红书上大家给我们直播间送礼物、投人气票的话,就会有更多的人看到,然后就可以有热度,以后就会有更多的人来。” 看到阿蒸蒸、阿欧、阿珠、阿耶等老粉纷纷投出人气票,阿珍珍还送了小花,长毛兔连连感谢,直播间里的氛围逐渐热烈和融洽起来。
---
“普通人”长毛兔的综合背景与 Web Coding 的真金白银投入
柯代表引导长毛兔向第一次来看直播的观众做自我介绍,并好奇她现在给自己的定位是“Web Coding 博主”还是“学习博主”。长毛兔谦虚地表示,自己可能更像一个“愿意学习、然后分享学习过程和成果的普通人”。她特意强调自己“普通”是因为她现在有本职工作,只是利用周末和下班后的时间去自学 AI 和 Web Coding,并且她**完全没有传统的开发背景(Software Engineering / Development)**。
聊到教育和职业背景时,长毛兔透露了一个非常有趣且跨度极大的履历:她本科读的是**工业工程**,研究生则拿了 **MBA 和土木环境工程**的双学位。她笑着调侃自己当年的雄心壮志:“一开始是想做环境工程这种解救地球的这种大工程的,但是美国这边最近一直在这个政策也变了嘛,所以以后当做一个白月光先留着。” 毕业后,她虽然没做过写代码的开发,但做过产品经理(PM)、数据分析、数据工程,并在管理咨询行业做了很多年,积累了非常综合的思维方式。直到最近半年到一年,她彻底对 Web Coding “上头”了,觉得非常好玩。
柯代表打趣说,长毛兔的视频有一个专属且非常吸睛的开头,那就是计算“在 Web Coding 上又花了多少钱”。长毛兔坦言,自己有段时间每周都会总结和计算投入。数到后来大概花了**两三千美金**,不过其中有一半(约一千多刀)是换了一台 Mac 电脑。当时很多网友杠她“买电脑不算开发投入”,但她解释说换 Mac 纯粹是为了做 iOS 手机端开发,而且后来这台电脑还被她用来24小时不间断跑 OpenCloud(OpenHands)当独立服务器,所以理应算作投入。如果不算电脑这种大件,她现在的常规月度订阅开销其实非常固定: * **Cloud Code**(Cody):24美元/月 * **Lovable**:20美元/月 * **域名与托管(Domain & Hosting)**:若干 * **总计**:每月大约五六十美金杂七杂八的费用。
长毛兔承认自己一直在拖延、舍不得上 **Cloud Code MAX**。因为她一周可能只有一两天会遇到额度不够用的情况,“等一等就还好,所以还在拖延”。柯代表听完大笑:“那你现在是不是已经上 MAX 了?那肯定(我都上了)。” 柯代表还分享了他们社群里硬核玩家的现状:很多人为了过渡,一个人搞两三个 Pro 账号,甚至有人是“好几个 MAX 加好几个 GPT Pro 混着用”。因为在目前的订阅制下,一个200美元的订阅往往能对应 API 里两三千美元的算力消耗,对于高频开发者来说非常划算。听到群友平均一天要烧掉半个到一个 Billion(十亿)的 Token,长毛兔震惊地惊呼:“哇,但他也是会……很夸张哇!”
柯代表随后提到一个职场怪现象:之前很多公司的管理层喜欢搞“Token Leaderboard(Token 使用率排行榜)”,看谁全公司用得最多。长毛兔和柯代表都赞同这是一个非常愚蠢的“投入指标(Input Metrics)”。长毛兔吐槽道:“谁用电多,是吧?谁花钱多谁就牛逼吗?肯定不是这样。” 柯代表透露最近身边的公司基本全把这个排行榜撤了,但在早期全员不怎么用 AI 的阶段,这种简单粗暴的激励也算是一种让大家把工具“用起来”的过渡手段,而现在大家已经开始从“堆量”转向考虑“怎么控制成本、怎么用好”的阶段。
---
破局之路:从 Ready AI 的湾区线下会到 N8N 自动化流程
柯代表指出,今天邀请长毛兔来直播的核心原因,正是因为她代表了那批“成功跨越了技术恐惧门槛的非科班普通人”。很多人对 AI 的使用还停留在简单的“跟 AI 聊聊天、做 Prompt 调教”,但一旦你用 AI 真正做过东西、用过 Agentic 工具体验过 Web Coding,能做的事情就会瞬间呈指数级放大。
长毛兔回忆起自己命运齿轮转动的时刻——那是 **2025年春天(大约24年2月或3月左右)**,她在湾区偶然参加了一个非常小众的线下分享会。那场分享会展示了一款名为 **Ready AI** 交互产品的 Demo,主打用纯自然语言直接生成网页。长毛兔从小就有做网页的梦想,但每次看到 HTML 和 CSS 那一堆密密麻麻的代码时,作为一个“比较懒的人”立刻就被劝退了。但在看到 Ready AI 的演示后,她整个人被击中了,觉得太有意思了。活动结束后,她立刻加了当时演示者(CEO或产品负责人王老师)的微信,要了几个测试 Credit(点数)回去试用。
在 Lovable 和 Bolt.new(原文提及的clad等类似工具)还没彻底火起来的空窗期,长毛兔靠着这几个点数做了几个简易网站,第一次尝到了自然语言编程的甜头,从此一发不可收拾。
在正式进入全自动网页开发前,长毛兔还经历过一段 **N8N**(开源工作流自动化工具)的探索期。这得益于她早年在管理咨询时期为客户做 **RPA**(机器人流程自动化)的经验。当时她接触过 OCR(光学字符识别)等早期的 AI 模块,因此非常习惯 N8N 这种“一拉、一点就可以连出来”的 Low-code / No-code(低代码/无代码)界面。在 N8N 上,她做过不少早期的自动化尝试: * **Reddit 舆情监控**:自动抓取特定品牌过去 24 小时内的热烈讨论,并每天定时发一份汇总邮件给自己。 * **邮件自动托管回复**:自动识别来信意图并回复,直到对话卡住或信息满了,她再切换成手动接管。
柯代表很好奇在 N8N 上搭这样一个链条需要耗费多少精力。长毛兔回忆说,当时如果分散在两三天里,每天大概花个两三个小时,而且她刚开始摸索,链条故意拉得不是很长。但很快她就发现了 N8N 的局限性:“做完了以后我就发现还是有点麻烦的,然后再往后……而且这里我感觉还是需要 Code。有的时候他让你去 Parse 什么 String 啊,去写 JSON 的,我觉得还是需要 Code。” 这种对传统编码基础的隐形门槛,促使她继续寻找更彻底的颠覆性工具。
---
Lovable 开启新世界大门:从“神经质”游戏到除夕爆款卡通卡片
“Lovable 就是一个打开新世界大门的东西,因为它就是立刻就可以看到你想要做的事情。” 长毛兔的语气里充满了赞赏。在这个阶段,她每天拿着大量的 Credit 疯狂折腾,帮自己、帮朋友、帮各类人群做了大把“有的没的”网站。
柯代表追问她都做了些什么。长毛兔如数家珍地分享了几个非常具有“咨询师/工程师”底色(Nerdy)的产品: 1. **天使与恶魔的 Wrapper 聊天应用**:本质上是一个套了 ChatGPT API 的情绪调节器。当你心情不好时,切换到“天使模式”来安慰和鼓励你(Cheer you up);当你顺风顺水、整个人特别飘的时候,切换到“恶魔模式”来狠狠吐槽你,让你保持清醒(More grounded)。 2. **个人网站与在线猜数字游戏**:一个基于线下聚会玩法的线上游戏。比如大家一起猜“世界上有多少个机场”,在所有人对这个数字都毫无概念时,大家轮流猜几万个还是几十万个,看谁的数字最接近谜底。长毛兔笑着解释:“主要就是大家都没有什么概念,但是这个题最后揭谜底的时候大家都有多一点信息,比较有教育意义吧。我们现在还是玩比较 Nerdy 的游戏。” 3. **圣诞/除夕卡通卡片生成器**(25年12月上线):用户上传一张照片,系统通过她精心调校的一套 Prompt,将照片实时渲染成一张非常精致好看的卡通卡片,可以一键转发给第三人。
这第三个产品成为了长毛兔**第一个真正意义上面向公众的、上线的(Production)独立独立开发产品**。产品在小红书发布后,在粉丝们的捧场下彻底引爆,吸引了**几千人**涌入使用。长毛兔完全没想到会这么火,甚至因为瞬间调用 Resend 批量发送邮件的请求量过大,她的 Resend 账户一度被系统判定异常并冻结(Freeze),急得她不得不赶紧找官方写申诉信解释。
聊到这个项目的成本时,长毛兔坦言,开发本身的工具费几乎为零,最大的开销反而是她自己“自费请全网网友喝咖啡”——由于前期没做任何收费设限,几千人实时作图耗费的都是她自己绑定的私人 API Key。那几天她看着后台额度像流水一样哗哗地掉,心里一惊,只能疯狂地在后台手动续费补钱。柯代表帮她算了一笔账,惊奇地发现即便是几千人高频使用这种复杂的图像生成,长毛兔最后付出的 API 账单也只是**三位数(几百美金)**。
柯代表敏锐地指出,这个细节非常关键,能打破很多新手的“Token 焦虑”。很多人总担心自己写个网页、跑个应用会刷出天文数字的账单,但实际上在受控状态下,几百块人民币就能支撑一个爆款小产品的冷启动。长毛兔也点头赞同,称只要不让系统自动无限盲目加载(Load),而是设置成手动确认,成本完全在可控范围内。直播间里的粉丝“一碟羊”此时发弹幕互动,直呼当年除夕用过长毛兔做的贺卡,效果非常惊艳,长毛兔开心地连声道谢。
柯代表由此延伸出一个更深层的商业模式讨论:AI 时代的产品和传统 SaaS 的 Playbook(游戏规则)完全不同了。像 Uber、Airbnb 等传统软件公司,属于“一次编写,服务无限用户”,第 10 个用户和第 100 个用户对于算力(Computation)的边际成本几乎是免费的,因此能实现完美的指数级暴利增长。但 AI 产品更像是**制造业(Manufacturer)**,每一个涌入的用户都在实打实地消耗原材料(Token 算力)。
长毛兔补充说,她记得 25 年初看过一些行业大佬的博客(包括 Anthropic 的 CEO Dario 在播客上的访谈),他们提到 AI 巨头们当前最大的痛点就是必须精准规划 Token 算力的未来供需(Demand & Supply)。估高了就是泡沫破裂、产能闲置;估低了就会在竞争中瞬间落后。所以现在很多独立开发者都在心照不宣地干一件事:“趁着这些大公司在打价格战、互相疯狂卷补贴(Subsidize)的时候,赶紧用 20 块钱的 Pro 价格去薅他们烧了成百上千美金才推出来的算力,这绝对是前所未有的红利期。”
柯代表则从商业角度提出了不同看法:他认为 OpenAI 曾透露其毛利率(Gross Margin)高达 **75%**。虽然对于少数奔着“用满、用爆”去的高频用户来说大公司确实在贴钱,但大多数散客用户订阅了 20 美元后根本用不完。这就和健身房的逻辑一样,大公司整体上非但没有亏本,反而通过规模效应保持着极高的利润率。不过两人达成共识:无论如何,AI 算力成本遵循着类似摩尔定律的指数级下降趋势,未来一定会越来越便宜。
长毛兔还分享了她当天上午跟一位在纽约大学(NYU)读博的朋友的聊天趣闻。朋友提到 NYU 目前正在攻克一个极具社会学与经济学意义的课题——**如何让 AI 计算某一特定问题时所消耗的能量,等于甚至低于人类大脑思考该问题时的能量。** 柯代表听到这里展现出了他一贯的 Critical(批判性)思维。他直言不讳地反驳道:“我觉得这好像你说让汽车的功耗小于人的功耗一样,没什么意义,小于马的功耗就还好吧。因为这是两件事,那个模型它是用电的、用硅的,然后我们是吃饭的。你再多钱也买不来一个小鸡,你生产再多的电你也不能换成一头牛,所以是两个东西,非要去计算把它全 Reduce 成能源消耗,我觉得没必要。”
长毛兔则温柔地打了个圆场,认为虽然不能简单做绝对值的对比,但从产能优化和让更多低收入人群用上 AI 的角度来看,这依然是一个非常有趣的科学课题。
---
独立开发的“线上救火”体验与湾区大佬的实验思维
回到那场花了几百美金的“除夕贺卡”爆款事件,柯代表询问长毛兔,当时看到账单和被冻结的账户时,内心有没有害怕和退缩,这次冷启动带来了怎样的底层 Learning(认知提升)?
长毛兔总结道,一个产品真正面向公众上线(Live)的那一刻,才是学习的真正开始。因为会涌现出海量你在本地测试时完全无法预料的 Bug:数据库崩了、API 限制了、安全漏洞触发了。对于一个完全没有大厂运维经验的独立 Vivecoder 来说,那种“线上救火”的紧迫感是极强的。
“那段时间我可能都是每天都在凌晨三四点才睡觉吧,因为这东西不改,然后可能下一秒又有人登陆网站的话,我可能就觉得有点对不起大家。” 长毛兔动情地说道。但也正是这种沉甸甸的责任感伴随着巨大的成就感。她非常享受这种极速的**用户反馈闭环(Quick Feedback Loop)**:用户在小红书评论区提一个 Bug 或用户体验(UX)的痛点,她立马用 Lovable 重新生成代码并在一分钟内完成 Hotfix(热修复)上线。这远比在公司里写一堆没人看的 PPT 幸福得多。
柯代表深有同感,并提到了自己之前在公司做 A/B 测试(A/B Test)的体悟:“所有大家脑子里想的东西都没什么意义,你上线了以后就会感觉你全都是……你想的都是错的。” 长毛兔疯狂点头赞同,并高度赞赏了硅谷/湾区科技圈、投资圈大佬们的一种极为朴素的特质——**实验思维(Experiment Mindset)**。真正的牛人从来不去傲慢地预判未来、或者言之凿凿地断定哪个产品能成,他们把每一步都当成一个微小的科学实验,带着谦卑的姿态去迎接市场的真实反馈。
柯代表继续追问:“你在上线前,看起来自我要求那么高,难道就不会担心安全漏洞、或者别人觉得你做得很烂吗?”
长毛兔的回答极为豁达:“我觉得如果有些东西是我能做的,我就提前把它弥补了;如果是做不了的话,担心也没有用。而且比起安全性的问题,或者是上线了出小的 Bug,我其实更担心的是‘没有水花’——就是发出去之后,根本没有人用,冷冷清清,这个才最让人伤心。”
柯代表叹了口气,坦言这戳中了技术社区里很多硬核技术同学的通病:“啊,我发了这样一个东西,才发现原来想让别人关注到我这个东西有这么难啊!” 柯代表接着分享了自己最近带创业团队做产品时遭遇的**“ Product Market Fit(PMF,产品市场匹配)两难困境”**: * 凡是他能深刻洞察、且技术上很难攻克的复杂痛点,做出来的 Solution(解决方案)往往很难做到100%完美解决; * 凡是团队能完美实现、做得非常漂亮的产品,又常常根本找不到精准的理想客户群(ICP,Ideal Customer Profile)去买单。
柯代表感叹,在创业的九死一生里,“大家以为是不懂 Marketing,不懂 Sales,不懂 Go-to-market,其实全是因为产品压根没有达到 Product Market Fit。一旦真正 Fit 了,你就会发现你是在被市场和用户推着走,那些营销手段迟早自己都会长出来。”
在这段深度对谈期间,两位主播还顺便解答了弹幕区几个闪现的硬核问题: * **阿世刀元小白文文** 问:“如果算成本的话建议买一块显卡本地用吗?还是直接调 API?” 柯代表直接秒回,给出了非常大白话的建议:“直接掉 API!显卡的钱你掉十年都赚不回来。” * **子墨** 问:“想咨询一下上线以后怎么做 Marketing?” 柯代表和长毛兔表示这个话题太大了,稍微往后放一放,接着继续深挖长毛兔从小红书 0 粉丝到 10 万粉的“逆袭”路径。
---
小红书 10 万粉的“无痛”运营大法与“借力”名校光环的代价
长毛兔梳理了自己的博主成长时间线。她其实在 **2022 年刚入学麻省理工(MIT)** 的时候就注册了小红书,当时的初衷非常单纯,就是想拍一排日常的 Vlog。每天上学路上遇到好玩的、好看的风景或奇闻轶事,就随手用手机拍一下。到了周末,再把这些零碎的素材拼凑在一起,以“每周一更”的频率雷打不动地维持了一个学期(大约半年)。但后来因为要写毕业论文、找实习、应付繁重的专业课,这个号就基本荒废了。直到 2024 年她硕士毕业时,这个纯记录生活日常的 Vlog 号一共积攒了 **1.8 万**的粉丝。
柯代表直呼:“那很酷!很多了!这 Vlog 做到 1.8 万还是很厉害的。” 长毛兔非常坦诚地解密,这里面百分之九十是沾了“麻省理工学霸生活”这个巨大光环的便宜。
然而,名校光环也是一把残酷的双刃剑。当 2025 年长毛兔开始转型做 AI 和 Web Coding 这种硬核内容、且自嘲是个“代码小白”时,评论区立刻涌入了大批充满戾气的攻击。黑粉们冷嘲热讽:“你都是麻省理工出来的了,你竟然还不会写代码?”、“麻省理工的也就做到这个程度?”、“麻省理工的还得去学什么所谓的 Web Coding?”。
面对这些刺耳的声音,长毛兔经历了一段心态的蜕变。她坦言,刚开始自己也会委屈,忍不住在评论区小作文式地去解释。但时间久了,她彻底想通了:“我肯定是‘借力’了。我是借着 MIT 这个顶级品牌来建立我自己的个人品牌的。那既然我享受了它带来的巨大流量和天然信任感,我就必须要承担它所带来的舆论反噬(Repercussion)和代价。这就像交税一样,是必须面对的客观现实。想通了这一点,有利有弊,但肯定是利大于弊的。”
硕士毕业后,长毛兔入职新工作,中间停更了整整半年。直到 **2025 年初(春天)**,随着大模型技术的井喷,她敏锐地察觉到了风向,开始重新有规律地发帖。最开始,她也写不出什么硬核的代码实战,就从最基础的泛科技科普和行业认知分享开始:今天分享一些读后感,明天去拆解 Mary Meeker 最新的 AI 行业报告,或者精选一些国外科技大佬的深度采访进行解读。此时她的粉丝量在 **3 万**左右徘徊。
真正的转折点发生在 **2025 年 9 月至 10 月**。长毛兔自己真正开始动手 Build(构建)属于自己的 Web 独立产品了。因为有了实战,她的灵感开始枯竭爆发,更新频率陡然上升。她创造了在半年内(实际高频更新阶段约3-4个月)快速暴涨 7 万粉、一举突破 10 万大关的奇迹。
柯代表追问她的高产诀窍。长毛兔毫无保留地分享了一个她从未跟粉丝说过的**“批量生产秘密芯片(Chip)”**:由于平时有全职工作,她绝对不会在周一到周五分次去化妆、搭灯光、录制。她把每周日定为雷打不动的“集中录制日”。在周日这一天,她会提前在记事本上写好这周要讲的三个 Topic(大纲),然后一口气把三个视频全部录完。 “因为女孩子每次录视频又要洗头发、又要精心化妆,这个过程非常折琐和麻烦,我不想把这个心理建设成本分散到平时。” 长毛兔笑着说。录完后,她把素材存在电脑里,等到周二、周四或特定的发布日当天,再花时间去剪辑,从而完美地把自媒体运营无缝嵌入到了高压的日常生活中。
---
撕掉选题与 Hook 的套路:纯真诚表达与海外党中英夹杂的脑机映射
柯代表继续深挖长毛兔的爆款秘密。他观察到,在 25 年底那段时间,长毛兔只要发 Web Coding 相关的视频,几乎个个都是“千赞”起跳的超级爆款。长毛兔回想起那段日子依然觉得不可思议:“有段时间每天打开小红书,系统通知全都是‘999+’,我就哇塞,发生了什么东西!” 但她依然把这归结为“踩中了风口的时势造英雄”,当时国内系统性分享前端自然语言开发的博主凤毛麟角,而她恰好入局得早。
最让柯代表惊叹的是长毛兔的视频风格。与市面上那些工业化痕迹极重、充满各种抓人眼球的“前三秒黄金 Hook(钩子)”、精心设计反转选题的博主截然不同,长毛兔自嘲自己是一个**“反正常人的非典型账号”**: > “首先我不专门选题,其次我拍视频从来没有开头和 Hook,第三我至今没有做任何商业变现。”
长毛兔进一步阐述了她的哲学:市面上那些选题工具和方法论确实有用,但如果把“让观众喜欢”作为做视频的第一乃至唯一目标,博主的心理压力会变得极其巨大,一旦数据不好就会陷入虚无和失败感。她始终坚持“兴趣驱动”和“主线任务法则”——她每周都有一个自己真正想做出来的独立产品作为主线任务;为了完成这个任务,她必须去啃下某些新的工具、踩过某些奇葩的坑。在这个过程中,她把自己的真实所学和阶段性成果顺便拍成视频分享出来。“这周我学了什么,我就分享什么。” 这种无心插柳的真诚,反而成为了最无法复制的个人壁垒。
柯代表非常赞同,并补充说自己教课时最反对博主去录那种纯粹的“Step-by-step Tutorial(手把手安装教程视频)”。那种视频虽然在特定的流量节点(比如某款开源工具刚火的时候)非常容易爆,但它对用户和博主本人的长期认知成长几乎没有信息增量。它容易让新手产生一种“看了就等于学会了”的虚假安全感,一旦脱离了教程,面对稍微变动一点的真实开发环境依然不敢动手。
长毛兔以自己部署 OpenCloud 的视频为例:当时全网都在催她出一个“小白一键安装教程”,但她坚决没出。因为她自己去跑通和调研完所有的 Security Risk(安全风险)后,发现这玩意儿有一堆极度硬核的技术名词,对纯新手而言是一场灾难。于是她果断放弃了喂饭式的教程,转而录了一期《想要安全部署 OpenCloud 必须注意的 12 件事》,从更高的策略维度去告诉大家不同的部署方式(云端、Mac mini 还是 MacBook Air 隔离环境)的优缺点。她直言:“如果网上已经有几百个一模一样的安装步骤了,我再去复制一遍,无法提供人类信息的增量,那就是在浪费生命。”
随着话题的深入,柯代表盛赞长毛兔拥有极为罕见的“观众缘”和极高的“信息功耗比(ROI)”。长毛兔的视频制作成本并不高,没有炫目的特效、复杂的运镜和刻意的BGM,但她总是能靠着恰到好处的节奏、真诚的面相、以及极其清晰有逻辑的表达,让观众不知不觉中极其舒服地把一条干货视频看完。
听到这里,长毛兔有些羞涩地把这归功于玄学:“我觉得这可能是性格和面相吧。以前我小红书评论区里经常有人说我有‘佛相’,说我长得像观音还是什么的。我还专门跑去问了 Claude 3.5 Sonnet,AI 帮我分析说,这种面相和声音特质会天然让人产生极强的平易近人感、信任感和陪伴感,像一个坐在屏幕对面和老朋友聊天的状态。”
至于看似“清晰流畅”的表达,长毛兔则大方地揭了自己后期的底:全靠剪辑! “我其实是一个在镜头前经常卡壳和说错话的人。你们看我最后发出来的 3 分钟精简干货,后台原始素材往往录了 15 到 20 分钟。一句话我可能会正反、换不同的词连讲四五遍,最后在剪辑软件里把所有的吃螺丝、语气词(呃、啊)、重复组织语言的废话全部剪掉。” 长毛兔说道。柯代表一听,一拍大腿大喊:“我也是这样!我也是这样!但这就是我们这种高自我要求选手的通病。”
长毛兔还提到一个在海外生活久了、或者在跨国大厂/外企工作的职场人极为共鸣的痛点——**中英文夹杂**。 国内很多观众非常反感博主说话时时不时蹦出几个英文单词,长毛兔坦言自己平时录视频时,会刻意在脑子里插入一个强烈的“纯中文约束任务”。但这个强制翻译的过程会极其严重地卡住她的思维流畅度。
柯代表作为资深访谈主持,从认知科学的角度给出了一个极其精辟的底层解释: > “我们的脑子在思考时,最先蹦出来的是一个纯粹的‘概念(Concept)’,这个概念本身是没有任何语言属性的。接着,脑子会调动语言中枢把这个概念映射到具体的词汇上。因为我们平时在硅谷、在技术圈接触这些硬核 AI 概念(如 RAG、Agentic、Token、Hosting)时,第一输入源就是英文,所以脑子本能地会挑选距离手边最近、最精准的英文词去映射。如果这个时候硬性要求你必须在零点几秒内把它翻译成对应的中文,就会在后台强行占用大量的 CPU 算力去跑这个翻译任务,从而导致你原本要表达的核心逻辑和思维深度瞬间慢了一半,甚至直接断掉。所以人脑本质上还是懒的,怎么快怎么来。”
长毛兔点头如捣蒜,表示这就是为什么她死活不肯写“逐字稿”的原因。写了逐字稿去背、去读提词器,虽然可以做到纯中文且不吃螺丝,但整个人会变得像一具冰冷的“AI 机器人口播”,彻底丧失了那种人与人之间灵动、好玩、带着正常呼吸和情绪起伏的“朋友聊天感”。她唯一的妥协,就是在备忘录里用 Bullet Points(粗体点号)写一个大概的框架大纲,录制时时不时瞥一眼,确保核心故事线和关键数据没有遗漏,剩下的全靠临场发挥。
---
懒人科技大爆发:从 Type-X 到 Voice AI 实时连接 MCP 构建终极全自动工作流
谈到“人脑本质上都是懒的”这一真理时,长毛兔和柯代表相视一笑,并一致认为:**Web Coding 和 AI 的诞生,本质上就是为了让世界上这群绝顶聪明又极度缺觉的懒人变得越来越懒。** 长毛兔笑称,自己现在在日常生活中已经懒到连键盘都不想敲了。在过去的一段时间里,她是智能语音输入软件 **Type-X** 的重度依赖者,用嘴巴代替双手去写所有的设计文档和日常沟通。
柯代表听闻,立刻安利了他们超线性学院(Superlinear Academy)团队自主研发的爆款开源网页端应用 —— **V**(访问地址:`v.superlinear.academy`)。柯代表自豪地演示道:“如果你已经是超线性学院的用户,直接用邮件登录就行。它比 Type-X 更干净、更极简。它的背后是基于苹果生态的剪贴板打通。你只需要在电脑网页上点一下,或者在手机上按一下 Action Button(动作键),它就会以极快的速度、极高的准确率开始录音并实时纠错(Autocorrect)转文字。更绝的是,由于 Apple 统一剪贴板的存在,你对着手机说完,文字已经自然躺在电脑的剪贴板里了,直接黏贴进你的 Web Coding 界面就能跑,而且全功能完全免费、极度尊重隐私、彻底开源!”
长毛兔听完惊叹不已,随后不甘示弱地掏出手机和手腕上的 Apple Watch,现场给大家反向 Demo 了她们团队正在秘密内测的终极杀手级 AI 产品 —— **AMBI**(官方网址:`ambi.io`)。
长毛兔向直播间成千上万的观众展示了 AMBI 那近乎科幻的**“全天候环境音自主 Agent 工作流”**: 长毛兔戴着 Apple Watch,手表在完全不打扰她的情况下,可以静默且安全地录下她一整天的工作讨论和语音备忘录。通过苹果原生的 Voice Memos 自动同步机制,这段音频流会被实时无缝 sync(同步)到她的 Mac 电脑后台。
“关键来了,”长毛兔眼里闪着光,极度兴奋地解释道,“我们的 AMBI 不是一个简单的转文字工具,它是真正**原生连接了 MCP(Model Context Protocol,模型上下文协议)**的智能体网络!当我的电脑检测到这一段录音结束并完成 Process(处理)后,我甚至不需要打开任何前端界面去复制黏贴。我直接在我的 Cloud Code(或者 Cursor Agent、Codex)里对 AI 说:‘按照我刚刚和团队讨论的最新口头结论,去把那几行 Bug 代码给改了、把那封催款的 Email 帮我用意大利语写了、顺便把对应的系统架构图给我画出来!’ 它是直接在底层把语音流作为 Prompt,通过 MCP 协议去操控和调度你电脑里的各种 CLI 工具、代码库和应用生态!”
柯代表听得大开眼界,两人就 AMBI 的底层加密机制(End-to-End Encrypted,端到端加密)展开了深入探讨。长毛兔保证,虽然数据会为了让 Agent 随时随地调用历史记忆(比如你上个月开会讲过的某句话)而短暂存储在云端,但整个过程经过了极其硬核的底层加密保护,连开发者和底层大模型都绝对看不到任何明文隐私,更绝对不会被用来做任何模型的二次 Training(训练),用户拥有随时一键物理删除的最高权限。
直播进行到 1 小时左右,由于聊到了诸多极其前沿的工具,YouTube 的弹幕区彻底炸锅,纷纷跪求两位大神的频道和软件链接。长毛兔有些不好意思地坦言,自己目前把 99% 的精力都放在了小红书和抖音上,YouTube 频道虽然建了但基本处于荒废状态。她有些敬畏地感慨:“YouTube 的门槛真的挺高的。我想尝试录一个中长视频,你就发现它的剪辑工作量和脚本准备工作量,完全不是一个 Linear(线性)的关系,它是类似数学上的‘指数级生长’(Superlinear)!”
柯代表则用过来人的经验极力劝她“不要内耗,先发了再说”: “YouTube 的 Shorts 规则非常简单:3分钟之内的竖屏视频系统自动判定为 Shorts 短视频,横屏或者 3 分钟以上的走长视频赛道。你完全可以把你小红书上那些以最快速度、最高效、最真诚的 MVP(最小可行性产品)方式制作出来的 3 分钟干货视频,不做任何二次加工直接同步过去!自媒体的核心是建立一套成本受控、能持续输出、能稳定获取市场 Feedback(反馈)的自动化系统,而不是在某一个视频的过度精致(Polish)和音效、背景音乐上无谓地自我内耗。”
在第一部分的尾声,柯代表在小红书直播间发起了一项实时官方投票:**“阻碍大家学习 AI 和独立开发的最大问题是什么?”** 在给出的四个选项(不知道从哪开始、工具太多看花了眼、不会写代码、完全用不起来)中,**“工具太多看花了眼”** 以 **46%** 的超高得票率斩获第一。
柯代表看着投票结果,露出了意味深长的笑容,总结道:“大家看,这恰恰证明了我们今晚直播的价值。在这个时代,工具是最不重要的东西。我向你们保证,你只需要花 3 分钟就能完美学会怎么使用 Codex、Cloud Code 或者 Cursor 的 Agent 模式。它比 Excel 还要简单十倍!一旦你掌握了工具,剩下的九成九全是方法论和习惯。不要去当‘工具收藏家’,拥有破局的 Mindset(心态),今晚就动手去 Build 你的第一个小玩具!”
以下是根据录音文本第 至 阶段内容整理的详细 walkthrough 笔记:
### [01:05:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=3900s) 破除“工具迷恋”的误区与个人的工具“边用边淘汰”流 讲者指出,如果学习方法不对,那就完全是白学。要培养一个全新的习惯或改变整个 mindset 是极难且“越往上的东西越不可见”的,这就导致大众很容易陷入学习的误区,将目光全部锁死在工具上。讲者直言在自己的社区里看到这种现象都会不留情面地批评:“不要去强调你的工具你今天用小龙虾怎么样了,明天用了那个。”大家都太容易被工具绑架了。另一位讲者也非常赞同,并大方分享了自己的工具迭代逻辑:她的工具全部是“边用边淘汰”的。她始终有一条“主线任务”,那就是做出一款真正好用、大家都能用的产品。无论是买电脑还是选择各种新工具,全部都是为了这个主线服务的。
正因为有着明确的最终目的,她的工具库精简而高效:她现在已经不再使用 Google Stitch,而是换成了 Cloud Design 作为主力设计工具,且设计工具只留一个;写 Coding 的工具保留一到两个;至于一度很火的 Lovable,现在她也只在需要做网页的时候才掏出来用,平时根本不会没事找事去用它编程。她强调,工具大概看看它能做什么、是否能服务于当下的需求就行了,完全不需要花大量时间去深度横向对比。
对于大家普遍焦虑的“市面上这么多新工具,到底该怎么去 follow,哪有时间一个一个试”的时间成本问题,讲者引荐了 Cloud 里经常用到的一个概念——“渐进展示”(Progressive Disclosure)。 - **one-liner 收集法**:讲者刷到新工具时,只会花两三分钟看它是干嘛的,在脑子里或纸上写下一句简短的介绍(one liner)作为收集。 - **按需调用原则**:除非当下的 workflow 确实需要提速,或者现有工具明显不够用了,否则绝不盲目上手。 - **渐进淘汰与迭代**:只有当新工具能“incremental(增量式)”地推着自己往前走一步时,才会花时间去学、去采用,不好用就立刻退回原工具,绝不在工具本身上浪费无谓的时间。 - **大浪淘沙**:工具淘汰速度极快(例如讲者现在也已经不再使用 N8N 了),务实优先,跟自己无关的直接选择不关注。
---
### [01:10:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=4200s) 从 Chat 到 Code 的工作流碰撞,与小白的“心理摩擦力” 讲者详细介绍了她目前最常用的“Cloud 全家桶”工作流。当她有了一个新想法时,第一步通常是打开手机版或电脑版的 Cloud Chat 开始聊天。因为 Chat 是“low friction(低摩擦)”的,无论在手机、网页还是桌面端都能随时开启。聊到方向比较清晰、主意觉得行得通之后,她会要求 Cloud 帮她产出一整套产品文档,包括项目规格(Project Spec MD)、商业化方案(Monetization MD)以及进入市场策略(Go-to-market MD)。最后,她将这些总结好的 Markdown 文件全部导入到某一个 Cloud Code 文档中,并从这里正式开始写代码。
另一位讲者对此感到非常好奇,追问她“为什么不直接跟 Code 聊,而是要先跟 Chat 聊?”并指出其实现在 Cloud Code 默认开启 Remote Control(远程控制设置)后,手机端已经可以直接 access 任何一个 section 了。他赞叹对方虽然嘴上谦虚说自己懒,但实际上一条龙的文档化习惯“一点都不懒”,已经完成了 90% 最核心的工作。相反,他自己才是真正“懒到了极致”:直接在 Code 里让 AI 把该给的文件、该想的步骤全部一次性给好,自己只需要像对账一样对着 Code “啪啦啪啦喷十个意见”,让 AI 自动在对应文件夹里改好并直接开始,这样在实际操作中会更快。
不过,讲者从技术小白的角度提出了一个非常真实的心理洞察:对于没有习惯使用 Terminal(终端)或写代码的人来说,打开 Cloud Code 或者是它的 Terminal,心理上的摩擦力和门槛就是比 Chat 要大得多。 - **心理障碍的转变**:讲者坦言,即便界面长得很像,但在她的潜意识里,进入 Chat 模式可以一天跟 AI 瞎聊十个商业 idea 也不心疼;而一旦要“进入 Code 模式,就得有一点点认真了”。 - **界面的演变趋势**:另一位讲者提到,目前类似 OpenAI 的 Codex 或者是 Cursor 都在往“全面整合”的界面发展,甚至连 ChatGPT 也在向 Cloud Code 的三 Tab 模式学习。 - **从 Terminal 逆流回 UI App**:讲者分享说,她之前因为要处理复杂事情,曾下定决心每天开 10 个 Terminal,硬生生把 Terminal 熬习惯了。但另一位讲者极力推荐她回溯到 Code 的图形界面 App 中,因为在 UI 界面里复制粘贴、修改、查看绘画以及链接各种数据库都更加方便和直观。
---
### [01:20:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=4800s) AI 自动化工作流展示与不同技术赛道的“视角盲区” 讲者进一步拆解了她从代码到设计的完整闭环:在 Cloud Code 里,她会要求 AI 产出一个开发计划(Dev Plan),每天让 AI 在每个 session 里去 update 所有的 MD 文件,自己则按部就班地推进功能开发。等核心功能全部做完后,她才会反过来让 Cloud Code 写一份设计简报(Design Brief),然后把这份 MD 文件发给 Cloud Design 去画页面,最后再把设计倒回项目中。此外,她最近也在尝试用 Codex 去 review Cloud 写的东西或者做做 testing。另一位讲者听后,慷慨地分享了一个可以让 Cloud、Cursor 和 Codex 跨模型“协同作战”的独家技巧。
为了证明跨模型合作的高效,另一位讲者现场展示了他当天早上通过直播做的一套自动化视频后期工作流(Post-production Skill)。他将视频原文件丢给系统后,AI 会自动跑完一整套流程:切字幕、精校、出文章、提标题、抓高光、做封面,甚至自动同步到 Google Doc 中。在这个过程中,Codex 和 Cloud Code 紧密配合,甚至能跨机制调用命令行工具。尽管讲者觉得这套系统还不够完美、一直在打磨,但在技术小白看来,这已经是极其硬核且让人羡慕的基本功了。
两位讲者由此聊到了由于技术“赛道不同”而产生的社交和教学视角差。 - **跨模型协同配置**:只要修改 `agents.md` 和 `cloud.md` 两个文件并做好互相映射,把所有 Skill 统一复制到一个文件夹里,就可以实现 Codex(用 GPT 5.5)与 Cloud(用 Fable 5)的完全跨制用。 - **小白的必经之路 vs 专家的基本操作**:讲者提到,她分享如何用 Git、如何写个网页时,常会遇到有经验的人留言冷嘲热讽觉得“这不是基本操作吗”,但她认为这些对普通人来说就是必须突破的小挑战。 - **专家的Perspective迷失**:另一位讲者深刻自我反思道,因为自己早就失去了大众的零基础视角(perspective),导致他在讲课或分享时,常常不知道大家“原来连大模型的历史演化或者 Git 怎么用都不知道”,导致教学产生断层。
---
### [01:25:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=5100s) 破除“学完再做”的执念,用个人需求倒逼行动 讲者犀利地指出了另外两个普遍存在的学习误区。首先是“为了学工具而学工具”,这种做法因为没有最终的产品回馈,不仅没有成就感,还极其容易让人失焦和挫败。其次,她非常反对“先去学完大量的 AI 知识或 Coding 知识再去动手”的传统路径,认为这很 controversial(有争议),但她个人更推崇“边做边学,以结果为导向”。大模型的算法、架构、硬件、软件和前端开发每一个都是能学上好几年的宏大领域,如果从学内容开始,知识永远更新不完,人就会永远停留在“准备中”。
另一位讲者对此表达了极其强烈的认同。他现场展示了自己在 2023 年 2、3 月份(GPT-4 刚发布时)发表在腾讯研究院的一篇引以为傲的深度硬核文章。在这篇文章里,他用了大量篇幅去硬啃大模型的技术历史,从 Transformer 架构、分支演化一直聊到涌现能力,并且做出了极高精度的预言。然而他坦言,了解了这么多理论,“唯一的用处就是写了那篇文章,对提升实际的 AI 动手能力没有任何帮助”。当时他在 Static 工作时用 AI 较少,哪怕理论懂透了,动手能力依然没跟上。这也是为什么他现在的课程设计唯一的目的,就是反向设置阶梯,“motivate 大家去 build”。
针对很多人经常抱怨的“我不知道该 build 什么,因为我没有需求”这一借口,讲者们一致认为这是一个巨大的认知误区,因为每个人在工作、生活或兴趣中都有大把可以被 AI 优化的碎片需求。 - **健身与奶茶管理小应用**:讲者分享了自己做的一个只供自己一个人使用的 Web App,用来记录每年去几次健身房、每周只能喝一杯奶茶等小目标,虽然简单,但包含了登录、登出和连接数据库的完整功能,省去了翻本子的麻烦。 - **社区火热的灵感激活**:另一位讲者的社区里有一个相关的讨论帖,下面有 300 多个人的留言,全都是大家在日常生活中发现的、可以用 AI 解决的真实小需求。只要激活了这种“解决自己问题”的意识,需求根本抓不完。
在节目的最后,讲者试图切入一个小红书上粉丝提问的 Related Question——“怎么看 Agent 的需求远远大于人类的需求?什么产品能满足 Agent?”,并幽默地探讨 Agent 是不是只需要算力和上下文。然而此时 Riverside 录制软件的画面突然发生卡顿,两位讲者开始手忙脚乱地排查是不是 YouTube 挂了或者网络出了问题,在一片因技术故障引发的搞笑与混乱中,本段内容戛然而止。
## Notable quotes > 如果是可以重答的,但是它不让我提交,是什么意思呢?居然卡在了这里,真的是,也是没想到。 — 长毛兔
> 小红书上大家给我们直播间送礼物、投人气票的话,就会有更多的人看到,然后就可以有热度,以后就会有更多的人来。 — 柯代表
> 谁用电多,是吧?谁花钱多谁就牛逼吗?肯定不是这样。 — 长毛兔
> 趁着这些大公司在打价格战、互相疯狂卷补贴的时候,赶紧用 20 块钱的 Pro 价格去薅他们烧了成百上千美金才推出来的算力,这绝对是前所未有的红利期。 — 长毛兔
> 我觉得这好像你说让汽车的功耗小于人的功耗一样,没什么意义,小于马的功耗就还好吧。因为这是两件事,那个模型它是用电的、用硅的,然后我们是吃饭的。你再多钱也买不来一个小鸡,你生产再多的电你也不能换成一头牛,所以是两个东西,非要去计算把它全 Reduce 成能源消耗,我觉得没必要。 — 柯代表
> 那段时间我可能都是每天都在凌晨三四点才睡觉吧,因为这东西不改,然后可能下一秒又有人登陆网站的话,我可能就觉得有点对不起大家。 — 长毛兔
> 所有大家脑子里想的东西都没什么意义,你上线了以后就会感觉你全都是……你想的都是错的。 — 柯代表
> 我觉得如果有些东西是我能做的,我就提前把它弥补了;如果是做不了的话,担心也没有用。而且比起安全性的问题,或者是上线了出小的 Bug,我其实更担心的是‘没有水花’——就是发出去之后,根本没有人用,冷冷清清,这个才最让人伤心。 — 长毛兔
> 大家以为是不懂 Marketing,不懂 Sales,不懂 Go-to-market,其实全是因为产品压根没有达到 Product Market Fit。一旦真正 Fit 了,你就会发现你是在被市场和用户推着走,那些营销手段迟早自己都会长出来。 — 柯代表
> 首先我不专门选题,其次我拍视频从来没有开头和 Hook,第三我至今没有做任何商业变现。 — 长毛兔
> 如果网上已经有几百个一模一样的安装步骤了,我再去复制一遍,无法提供人类信息的增量,那就是在浪费生命。 — 长毛兔
> 我们的脑子在思考时,最先蹦出来的是一个纯粹的‘概念(Concept)’,这个概念本身是没有任何语言属性的。接着,脑子会调动语言中枢把这个概念映射到具体的词汇上。因为我们平时在硅谷、在技术圈接触这些硬核 AI 概念(如 RAG、Agentic、Token、Hosting)时,第一输入源就是英文,所以脑子本能地会挑选距离手边最近、最精准的英文词去映射。如果这个时候硬性要求你必须在零点几秒内把它翻译成对应的中文,就会在后台强行占用大量的 CPU 算力去跑这个翻译任务,从而导致你原本要表达的核心逻辑和思维深度瞬间慢了一半,甚至直接断掉。所以人脑本质上还是懒的,怎么快怎么来。 — 柯代表
> 我们的 AMBI 不是一个简单的转文字工具,它是真正原生连接了 MCP(Model Context Protocol,模型上下文协议)的智能体 network!当我的电脑检测到这一段录音结束并完成 process 后,我甚至不需要打开任何前端界面去复制黏贴。我直接在我的 Cloud Code(或者 Cursor Agent、Codex)里对 AI 说:‘按照我刚刚和团队讨论的最新口头结论,去把那几行 bug 代码给改了、把那封催款的 email 帮我用意大利语写了、顺便把对应的系统架构图给我画出来!’ 它是直接在底层把语音流作为 prompt,通过 MCP 协议去操控和调度你电脑里的各种 CLI 工具、代码库和应用生态! — 长毛兔
> [01:05:00](https://www.youtube.com/watch?v=W4vEix8Ty40&t=3900s) 不要去强调你的工具你今天用小龙虾怎么样了,明天用了那个。 — 柯代表
## Mentioned 长毛兔, Jenny, 柯代表, 课代表立正, YouTube, 小红书, Riverside, Mac, OpenCloud, OpenHands, Cloud Code, Cody, Lovable, Cloud Code MAX, GPT Pro, Ready AI, 王老师, Bolt.new, N8N, Reddit, Resend, Anthropic, Dario, 纽约大学, Claude 3.5 Sonnet, 麻省理工, MIT, Mary Meeker, Type-X, 超线性学院, V, AMBI, Apple Watch, Voice Memos, MCP, Cursor Agent, Codex, 抖音, Google Stitch, Cloud Design, OpenAI, ChatGPT, Cursor, Git, Transformer, 腾讯研究院, Static
[Source](https://www.youtube.com/watch?v=W4vEix8Ty40)