Luke Long

不要着急

[Luke Long @longgge35]

Great Talk，Thanks Gavin。当基础大模型越来越便宜、越来越相似时，只提供一个“调用大模型的聊天界面”很难建立长期优势。应用公司必须真正融入用户的工作过程，替用户完成任务，未来在各个领域和行业都会产生Cursor、Harvey这样的垂直应用

[Gavin Baker @GavinSBaker]

Here is the podcast with timestamps.

[Luke Long @longgge35]

接下来的争夺将会在“智能抽象层”，这是企业软件的关键战场。 Microsoft、模型实验室、Databricks、Palantir、推理平台和垂直应用都希望成为组织访问模型、数据与工作流的统一入口

[Gavin Baker @GavinSBaker]

Here is the podcast with timestamps.

[Gavin Baker @GavinSBaker]

Here is the podcast with timestamps.

[Luke Long @longgge35]

1个人在市场里能把以下7点都做到60分就已经秒杀99%的人了：
1、收集足够的信息
2、深入思考
3、洞察场景和需求
4、提出好的假设
5、制定有效的策略
6、高效执行
7、从1开始循环

[Luke Long @longgge35]

@MindiAgent 我是第一个

[Luke Long @longgge35]

https://t.co/flavbnVMyQ

[Peter H. Diamandis, MD @PeterDiamandis]

Learn what's in store for 2026: https://t.co/UGertnuIkM

[Luke Long @longgge35]

48分钟这一段对创业公司很有价值

“创业公司的真正担忧
不是模型能力溢出会威胁自己，而是模型没有溢出能力——那才意味着什么都做不了。模型持续进化反而是机会。

创业公司的壁垒与机会
关键在于创造新的交互方式，而非模仿ChatGPT的对话式交互。以Cursor为例：

不是"像人一样对话"的助手
而是代码编写时的copilot式提示和辅助
这种交互方式本身就是护城河
成功的两个必要条件

新的交互界面（interface）——与数字世界互动的新方式
模型持续溢出能力——赋能新交互方式
缺一不可：

1、旧交互方式+新模型 → 容易被ChatGPT取代
2、新交互方式+模型不进化 难以成功
3、大厂的路径依赖困境，拥有Super App是双刃剑：

Google有transformer和资源，但自然想法是"提升搜索"
OpenAI/ChatGPT的研发会围绕现有的对话式交互
大部分资源会锁定在Super App上，难以探索全新交互”

[张小珺 Xiaojun Zhang @zhang_benita]

大家听这期有什么新的收获和感受？https://t.co/9kOJbzXqmb

[Luke Long @longgge35]

19世纪起，科学和知识开始爆炸式分化，树桩的知识结构已经开始出现明显的瓶颈，新的智慧必然伴随着新的信息结构开始产生，未���的混合形态更可能是主流：
1、底层保留树状结构
2、上层叠加网络结构

[Luke Long @longgge35]

AI时代，信息会进行全新重组，信息的关系价值会越来越高：

1、层级关系
2、关联关系
3、因果关系
4 、时序关系
5、转换关系

[Luke Long @longgge35]

整理了X上讨论比较多的Clawdbot案例：

1. 处理邮件和消息：自动分类，生成回复草稿，只需确认发送
比如早上打开手机，看到几十封新邮件和微信，它已经分好“紧急/待办/垃圾”，常见问答的回复都写好了，你扫一眼点发送就行。“以前回邮件要1小时，现在10分钟搞定”

2. 每日信息汇总：早上推送天气、日程、健康数据、当天热点摘要
比如7点准时在Telegram发来：今天下雨记得带伞、日历里有2个会议、Garmin显示你昨晚睡得少、X上AI圈在聊Claude新模型。用它当闹钟+日报，拿来快速抓重点不刷屏浪费时间

3. 购物和订餐：根据描述或照片，比价、下单或推荐并直接操作
比如饿了发句“想吃火锅”或拍冰箱照片，它查附近店、比价、看评价，直接在DoorDash/美团下单付钱；或者“帮买个便宜的无线耳机”，它搜Amazon/eBay比完价加车下单

4. 日历管理：自动安排时间块，处理冲突并提醒调整
比如你说“下周加健身课”，它看日历找空档、避开重要会议、自动加进去；如果撞车了，它挪动低优先级的事或发消息问你“要挪周三的吗”

5. 发票整理：拍照识别，记录账目，生成月度报销表
比如吃饭拍张小票发它，它认出金额、商家、类别，自动加到Google Sheets或Excel；月底一键吐出分类表和报销邮件草稿。创业者报销/记账省事，普通人管家用开支不乱

6. 家庭提醒：定时发送问候消息，并总结回复内容
比如每天中午自动给爸妈发“今天冷，多穿点”，爸妈回消息后晚上汇总给你“爸说腰有点疼，妈在问你周末回不回家”

7. 信息筛选：监控关键词，提取重点并保存到笔记工具
比如设好“AI工具”“比特币”“竞品名字”，它每天从X/新闻抓相关帖，挑重点摘要存Notion或Evernote。创跟踪行业动态不刷屏

8. 健康触发：根据手环数据提醒活动或休息
比如Garmin/WHOOP显示你坐了2小时不动，它Telegram发“起来走走吧，别久坐”；晚上11点看你还没睡，就提醒“明天早会，早点休息”

9. 简单查询：快速���较产品、搜集评测并总结
比如发“iPhone 16和Pixel 9哪个拍照好”，它搜最新评测、用户反馈、价格对比，总结发你“Pixel夜景强但iPhone生态更好，当前便宜200刀”

10. 小型研究：整理资料或监控特定事件
比如“帮我研究下周地震风险”，它监控新闻/数据、总结概率和建议；或者创业者可以“分析竞品上月更新”，它拉网页/帖子整理成报告，提升市场调研效率

还有其他的，大家可以补充

[Luke Long @longgge35]

最后的话
拆解完这个视频,我最大的感受是:AI工具的门槛正在以惊人的速度降低。

两年前,你需要雇一个全栈工程师才能搭建这样的自动化系统。 一年前,你需要花几千块订阅各种SaaS工具。 现在,一行命令 + 20分钟,任何人都能拥有一个24/7工作的AI助手。

对于创业者和一人公司来说,这不是"锦上添花",而是"降维打击"。

你的竞争对手可能还在手动回复客户消息,而你已经在用AI处理90%的重复工作,把时间花在真正创造价值的事情上。

如果这篇文章对你有帮助,欢迎收藏、点赞、转发给需要的朋友

[Luke Long @longgge35]

成本分析(算笔账)
传统方案:
客服人员:3000-5000元/月
数据分析师:5000-8000元/月
自动化工具订阅:500-2000元/月
总计:8500-15000元/月
Clawdbot方案:
AWS服务器:0元(免费套餐)
Claude API使用费:约100-500元/月(按实际使用量)
总计:100-500元/月
节省:95%以上的成本
而且最重要的是:
✅ 24/7不间断工作
✅ 不会请假、不会离职
✅ 能力持续升级(跟随Claude模型更新)
⚠️ 注意事项和避坑指南
1. 安全性
不要给Clawdbot访问你的银行账户、支付密码等超敏感信息
API Key要妥善保管
定期检查它执行的操作日志
2. AWS免费套餐限制
每月750小时免费(一个月才720小时,完全够)
超出后会按量收费,记得设置预算提醒
12个月免费期过后,t3.micro大约每月10美元
3. Claude API费用控制
设置每月预算上限
优先用Sonnet模型(性价比高)
避免让它处理过长的上下文
🔗 资源链接
Clawdbot官网: https://t.co/M3ecH7wVOD / https://t.co/9k2D13wWet
官方Discord社区: Friends of the Crustaceans(活跃度极高,24/7有人回答问题)
GitHub仓库: 搜索 "clawdbot" 可以找到源码
文档: 持续更新中,越来越完善

[Luke Long @longgge35]

最后说三个最反直觉的认知。
第一,不要急着monetize。等产品好到用户追着要付费,再上线付费。Gamma就是被用户逼着做付费的。
第二,不要追求大influencer。1000个小influencer比10个大V效果好。小的更真诚,性价比更高。
第三,不要快速扩team。30人做1亿ARR远好过300人做1亿ARR。每多一个人都要是10倍的人。
Gamma的故事最震���我的不是增长速度,而是一个被投资人骂"史上最烂idea"的产品,靠着极致打磨用户体验,2年做到1亿ARR,全程盈利。
这证明了AI不是magic,产品体验才是。小团队也能做大事。慢就是快,先做对再做大。
如果你也想通过AI赚钱,别着急追热点。先问自己:我能死磕5到10年的问题是什么?

[Luke Long @longgge35]

团队策略这块特别值得学。30人做1亿ARR,人效极致。他们有四个原则。
第一,招通才不招专才。设计师要会写代码,市场负责人能独立策划无人机show,人人都能跨领域作战。
第二,Player-Coach模型。没有纯管理者,所有leader都要做一线工作。Grant用NFL的例子解释,四分卫可以临场改变战术,不用每个细节都问教练。
第三,设计师占团队的四分之一。AI产品需要新的用户体验,不是技术堆砌,是体验创新。设计密度就是竞争壁垒。
第四,实验文化。早上有idea,下午就跑用户测试。用Voice Panel等工具,20个真实用户快速验证。同时测试20多个AI模型,找最优成本。
关键数字很说明问题:前10个员工,5年后全部还在。人均ARR超过300万美元。保持盈利的同时高速增长。这套打法就是通才加Player-Coach加高设计密度加快速实验。
基于Gamma的完整路径,我总结了一个AI赚钱公式。
第一阶段是找到真问题,大概0到6个月。选你亲身经历过的痛点,AI能提升10倍体验,你愿意死磕5到10年。
第二阶段是死磕PMF,6到18个月。All in前30秒体验,不达到每天自然增长不罢休。标准就是50%以上的增长来自口碑。
第三阶段是验证商业模式,18到24个月。等用户主动要付费,参考行业定价快速上线,立即验证单位经济模型。目标是推出付费几个月内实现盈利。
第四阶段是规模化增长,24个月以后。口碑机器持续运转,规模化微影响者营销,适度付费广告放大,保持小而精的团队。
给几个关键数字节点做参考:6个月找到PMF迹象,12个月日增用户破1000,18个月月收入破10万美元,24个月年收入破1000万美元,36个月冲击1亿ARR。