Gary Zhang

在学 AI、用 AI。这里只放认知、实践，和一点点心得。

[Gary Zhang @GaryZhang124]

@indie_maker_fox 回头搞一个试试

[Gary Zhang @GaryZhang124]

我站老黄。

33年把英伟达从显卡公司做成AI的底座，董事会一纸公告说走就走，调查还没结论，也没给他辩解的机会。

不是说谁都不能被问责，但问责得有证据、有程序。

马斯克都签了，我也签了👇
https://t.co/JyI67xd5K8

[Gary Zhang @GaryZhang124]

这篇调研分工写得很透。用 AI 摸行业最怕信以为真，查是一回事，真要下判断，还是得拿关键结论去追原文核出处。没有一手核验和动手跑一遍，AI 查回来的东西根本不敢直接拿来做决定。 https://t.co/Xuw82s6hyl

[司徒K @situking]

我跟一些从业者交流的时候发现，有些人其实并不了解整个行业。

所以这篇文章，我会用波特五力模型、客户开发、效果逻辑这三套经典方法作为理论基础，配上 9 个 AI 提示词，以企业 AI 落地为例，给大家讲透我进一个陌生行业时是怎么调研、怎么迈出第一步的。 https://t.co/fn3WS2J6No

[Gary Zhang @GaryZhang124]

@liyue_ai 我也常用 Grok Bot 跑内容，之前做音频最花时间的就是人肉校对多音字。它在 ChatCut 里自动修字幕错别字的准确率高吗？

[Gary Zhang @GaryZhang124]

@vikingmute 这个思路好。让 Agent 直接吐组件代码太容易出幻觉了，拆成原子行为就像把底层逻辑和规范定死，比调一堆 prompt 管用得多。

[Gary Zhang @GaryZhang124]

前端和外壳把门槛磨平之后，真正的战场确实全在底层 token 消耗上。不过对个人和开发者来说，落地全看账单，不把免费层顶在最前面、设好月度限额真不敢放开跑。 https://t.co/uL2rV1XCfF

[实践哥 Li @MinLiBuilds]

🚨 我有点看懂梁文锋这步棋了，是赚钱，可持续地赚钱。

DeepSeek 把官方 Chat 的网页前端也开源了。

现在做一个AI聊天网站，或者在自己的网站上加AI功能，只要配个Key就可以了，搭配了搜索、PDF、OCR、ASR、TTS底层能力。不需要前端、接模型、做联网搜索、文件解析、语音交互。

这背后的商业逻辑其实很清楚：

开发者负责构建产品、获取用户，DeepSeek 提供模型和底层能力，通过 API 调用获得持续收入。

前端代码免费、Harness免费，模型推理和相关服务按量收费。

开源降低了进入门槛，也扩大了token消耗。

一切为了Token消耗，没有补贴。

你花掉一块钱，我赚你8毛钱，就这么简单粗暴

[Gary Zhang @GaryZhang124]

刚好这个月在集中研究各种Harness工具。落地全看账单，模型能力拉不开差距时，框架在Context管理和调用调度上的差距直接决定了钱包厚度。 https://t.co/jDA3SN039r

[lifcc @mylifcc]

Y Combinator 总裁 Garry Tan 开源 Agent 外壳评测库 g-harness-evals，实测同一大模型换不同框架通过率差不多，但单次成本差了 2.5 倍以上
Y Combinator 总裁兼 CEO Garry Tan 在 GitHub 上开源了一个名为 g-harness-evals 的评测项目。大家平时选编程 Agent 时往往只盯着底层大模型，但真正把聊天模型变成干活 Agent 的，其实是模型外面的那层“外壳”（Harness）——也就是系统提示词、工具调用、记忆机制和权限控制。
Garry Tan 搞这个项目的逻辑很直接：把底层大模型（如 Claude Opus 5.5、GPT-6.1 Sol）和测试任务完全固定死，只换外面的 Agent 框架，看看到底哪家干活最好、花钱最少。目前被拉上实验台对比的主流框架有五个：Claude Code、Codex、OpenClaw、Hermes Agent 和 QM，同时还顺带测试了他自己做的两个外挂组件：知识库 gbrain 和技能包 gstack。
【首轮实测：成功率拉不开差距，账单差距巨大】
第一批公开任务跑下来，有几个非常反直觉的发现：
在 20 个开发测试任务上，7 组“模型+外壳”搭配的任务通过率全都挤在 71% 到 79% 之间。比如同样搭载 Opus 模型，Hermes 通过率是 78.8%，Claude Code 和 OpenClaw 都是 76.3%，QM 是 72.5%。Garry Tan 在报告里直接写明，这些分数的 95% 置信区间高度重叠，统计上根本分不出高下。
真正拉开差距的是钱。每成功解决一个任务，OpenClaw 平均要花 0.44 美元，Claude Code 是 0.22 美元，而 Codex 只要 0.17 美元。
为了搞清楚钱到底花在哪了，团队把各个框架连到一个虚假的模型接口上，一分钱不花地抓包了它们发出的第一个请求。结果发现，面对一模一样的任务，不同框架塞给模型的初始上下文体量天差地别：Codex 大约发了 12,900 个 Token，Claude Code 发了 18,416 个，而 Hermes 直接飙到了 20,613 个。而且在一次 Sonnet 模型的测试里，OpenClaw 账单里 87% 的钱都花在了提示词缓存（Prompt Caching）的读写上，真正模型输出只占 13%。
【塞进上下文的技能包，模型一次都没执行】
Garry Tan 还拿自己写的两个热门开源组件开刀，结果一点面子都没给自己留。
第一个是 gstack（一套模拟工程团队角色的技能文件）。测试发现，虽然 gstack 的技能说明文本在每次会话里都成功加载进了 Opus 5.5，但在 46 次测试里，模型实际执行技能步骤的次数是 0 次，反而让单次测试成本直接翻倍。团队试着加了一个拦截钩子（Hook），强制要求先跑失败复现才准改代码，结果 Opus 直接通过 Bash 命令写源码，绕过了钩子整整 40 次。只有在加上专门的启动钩子（Start Hook）后，Agent 才会乖乖调用启动命令。
第二个是 gbrain（团队共享知识库）。如果不专门按提问者的身份做权限隔离（Scoping），直接给机器人一个全公司通用的 Token，在检索时 OpenClaw 和 Hermes 分别吐出了 123 条和 121 条提问者根本无权查看的跨权限私密记录。只有把知识库严格限制在提问者自己的权限范围内，越权读取才会降到 0。此外，挂载 gbrain 时，只有 Claude Code 会把知识库自带的操作说明传给模型，其他几个框架全都直接丢弃了。
整个仓库目前做成了“无密钥可验证”的模式。每一项跑分、置信区间和账单明细都附带了完整的原始记录（Receipts），任何人都可以在本地用 Bun 和 Python 3 跑脚本复算核对，不需要消耗自己的 API Key。Garry Tan 也在文档开头坦诚披露了利益相关：QM 是 YC 孵化的项目，YC 投资了 Hermes，而 gstack 和 gbrain 是他自己的个人项目。

[Gary Zhang @GaryZhang124]

@dotey 我自己现在用grok是一个当总管带一堆垂直bot，最麻烦的确实是人在什么时候介入、怎么越过层级看子任务细节。
打算体验一下Gemini新出的那个模式看看效果

[Gary Zhang @GaryZhang124]

Codex 最近表现的就像 喝了假酒一样。虽然最近修了一下额度下的没有那么快了，但是。。。。 🤪 就是不好用。

[Gary Zhang @GaryZhang124]

借着A社封号 重新更新一下自己的订阅
把Claude code退订了
把Codex降到20美金
两个grok 一个30一个200，等下个订阅周期合并一下，留一个200或者降到100，主要是还得看Gemini 的Ultra够不够打
两个Gemini，一个pro一个Ultra。

[Gary Zhang @GaryZhang124]

@cgnot996 @HaibaraCrypto 那还是别了。。。。 有一个已经够受的了。

[Gary Zhang @GaryZhang124]

@berryxia 我也自己搞了一个，不过你打通MCP在对话框里直接调某段录音看起来挺实用。本地转写出来的文本遇到同音字或者口语杂音多的时候，Agent语义检索能准确定位到时间戳吗？

[Gary Zhang @GaryZhang124]

组织效率被AI放大后，技术部门最大的变化就是不再只是接需求的后方，而是得懂业务、去一线做交付。能把代码写出来和能把非标业务交付明白，中间隔着一整套业务闭环。 https://t.co/7Dbc0jslty

[姚金刚 @yaojingang]

和一位CTO朋友吃饭
他现在管理的团队，有一百多名技术，公司年营收在百亿级别
过去一年来，在AI实践上又取得了一些不错的进展
一个核心的成果就是，整个研发团队的生产力，至少提升了一倍，以前是业务部门的需求总是不能按期交付，今年就变成了，技术去帮助业务部门构思需求，探索各种新的测试
AI在研发里的渗透，也几乎达到了无处不在的程度

我问他具体是如何做的
他分享了一些有意思的策略
1、对他来说，最重要的，就是如果通过机制并借助AI，能调动团队所有人的积极性，正确拥抱AI，提升整体组织效率
2、基本的原则，就是确保每一个技术的工作产出，能够被进一步的量化，以及相对客观的价值评价
3、量化的逻辑，就是看任务数及每个任务的价值打分，最后形成每个人的任务及产出价值评价看板，价值评价的标准也是透明的，通过这种方式，实现了全员的目标、任务、产出价值等指标的透明，消除了大量的内部隔阂及一些沟通和管理上的内耗，大家就只需要专注去领任务、挖掘有价值的任务即可
4、但带来的负面影响就是，一些技术员工就评价，自己被“螺丝钉”或“工厂流水线”化了
5、不过组织效率的提升，确实是很显著的
6、在这个机制下，再继续对研发流程线上的每一个节点，让AI全面参与进来，持续打磨和完善，包括AI测试
7、当然，对团队成员晋升和绩效评价，除了能被量化的一部分，也有一部分非量化的部分，比如团队内部的分享、工作之外的一些贡献等等，也会作为重要参考
8、组织效率大幅提升后，他们就有更多的精力，去真正了解业务，包括成立FDE团队，做各种内部的业务试验，拿到了不少有意思的结果
9、对他们而言，经过这样的发展之后，明年的团队定位，就不再是纯后端支持部门，也会借助FDE，慢慢渗透到业务，成为更接近业务一线的半自动实施团队，对业务的赋能也会更加的直接

[Gary Zhang @GaryZhang124]

@Saccc_c 刚好最近在研究各种Harness工具。原生内置能切三方模型确实省了配中转的折腾，不知道切到Kimi或者DeepSeek时网络稳定性和限流严不严？

[Gary Zhang @GaryZhang124]

@Gorden_Sun 在长上下文和工作流里跑起来响应速度怎么样？前两天在agy里试Gemini 4系列感觉响应有点慢，不知道Pro订阅下的并发体验如何。

[Gary Zhang @GaryZhang124]

@xuanwo 官方为了推自己的 Cloud 真是处处埋坑。本地配置不继承、RPC 还特意阉割创建权限，这种人工制造的摩擦太劝退了。

[Gary Zhang @GaryZhang124]

技术门槛被大模型磨平之后，核心壁垒确实就只剩对业务的理解和打动人心的能力了。以前是PM催工程师，现在大家都在学着当AI的PM。 https://t.co/yjXqgeWzL6

[宝玉 @dotey]

好文章👍

转译：《软件工程师现在该怎么办》

我听过有人说，软件工程师（SWE）要想保持竞争力，就得不断学习写代码和各种技术栈。我并不认同。

每发布一个新模型，这些纯技术技能的价值就会缩水一分。每天我都觉得自己越来越像个管理 AI 的产品经理，对深厚技术知识的需求则在不断减少。我原以为牢固的“技术护城河”早已干涸，现在给模型写一段用户故事作为提示词，效果甚至比一份严谨的技术方案还要好。工作所需的技能正在变得越来越不“技术”，而是越来越“人性化”。

有时候，看到 AI 正在解决我过去常做的那些难题，比如开发 SaaS 软件，我心里也挺失落的。过去，我非常享受埋头打磨一款应用、看着它一步步变成现实的成就感。眼睁睁看着自己辛苦学来的技能变得几乎一文不值，确实很打击人。开发 SaaS 应用曾经是个高门槛的难题，这也是我热爱它的原因。但现在它不再是难题了，所以我必须转向那些依然存在真正难题的领域。我需要把格局放得更大。

我最喜欢的书之一是《无穷的开始》（The Beginning of Infinity，注：知名物理学家戴维·多伊奇的科普哲学名著，探讨人类知识与进步的无限潜力），书中有个观点让我印象深刻：人类的创新没有尽头——“只要不违背自然规律，只要掌握了正确的知识，一切皆有可能。”每当我们创造出一项新事物，就会有成千上万种新的可能性随之诞生。计算机的发明淘汰了许多旧工作，但它最终创造出的新岗位要多得多。

AI 是一项了不起的创新，它赋予了我们做更多事情的能力，而这也要求我们换一种新思维。用我的旧思维来看，做一个 SaaS 应用就已经算大事了，但现在完全不是这样。如今开发一套复杂的企业级软件，甚至比五年前搭建一个简单的网站还要容易。所谓的“干大事”，意味着要在更宏大的尺度上去思考——国家级的、全球级的，甚至是宇宙级的。试想一下，如果你手下有一支 100 人的软件工程师团队，你能做出什么？如果是 1000 人呢？现在，我们只需花极低的成本就能拥有这样的生产力，所以我们绝不能再把目光局限于做几个 App 了。

作为工程师，我们还需要拓宽自己的能力边界。我们不能只盯着技术能力，而要跳出技术圈，去理解整个商业闭环：包括产品、市场营销和销售。

为了在当下保持不可替代性，我的做法是去学习那些 AI 帮不上忙的东西：产品定位、创造力、如何打动人心（delighting humans）、心理学、市场营销等等。这些属于“人的问题”，AI 永远无法独立解决，因为它们没有标准答案，也没有现成的测试集可供训练。AI 极擅长模式匹配（pattern matching），但它永远无法真正理解“身而为人”究竟是一种怎样的体验。而这，正是我们人类不可替代的价值所在，也是我正在加倍投入的方向。

[Gary Zhang @GaryZhang124]

@lxfater 动态画辅助线确实比硬看文字解析直观太多。遇到那种步骤特别长或者综合性大题，多智能体规划讲题容易卡壳或者绕晕吗？

[Gary Zhang @GaryZhang124]

上线第一天就帮我抓到一个撞车：17 点的面试和 17 点的一节课。做了个常驻在 cmux 右边的待办侧栏，开源了，适合命令行爱好者。 https://t.co/CVnXBX2Dca