浪费Token省时间
- 一工程师的衡量标准正从「亲手交付成果」转向「有没有造出那座把产出成倍放大（B→Z）的工厂」——Guillermo 原话："以前公司内部衡量的是『A 这个人产出 B 这个成果做得有多好』；现在我评判你这个工程师的方式变成了：你有没有在打造那个能产出 B 到 Z、能成倍放大产出的工厂？"在想法 / 智力 / 虚拟数字领域里，差距"根本不止 10 倍，而是 100 倍、1000 倍。一直都是这样"。 → 详细
- 二核心心法是「浪费 token，省时间」（token：模型处理文字的计费最小单位）：别盯着 token 当输入或输出，只看你的时间和最终产出。"不管这些模型看起来多贵，它们还是比人便宜得多"——先用蛮力（Codex+Claude+Gemini 同时怼一个问题）做出来，"等我真要上生产的时候，再砸更多 token……从头过一遍、重写它"。 → 详细
- 三模型已从 junior（初级）「毕业」成 principal（资深首席）——会主动回来给你"三条路 + 各自取舍"——但人仍在「补全模型」：靠的是品味、判断力、对系统怎么拼接的理解，而非手写代码。Max 已"相当长一段时间没写过哪怕一行代码"，却"搭出了海量软件，现在每天都在用"。 → 详细
嘉宾阵容：三位「自建工厂」的前沿创业者
- Naval 开场请来三位 frontier founders（前沿创业者）加自己，共同点是都不用现成零件拼凑产品，而是自己建造工厂。取数口径很明确：不关心他们造什么，关心他们的 alpha（独到优势）、能被别的创业者借鉴的原则、以及"还没对外讲过、还在成形阶段"的疯狂想法——定调"咱们就放开了玩吧"。 → 详细
- 三人介绍：Guillermo Rauch（Vercel CEO，部署网站/应用的云服务商）；Blake Scholl（Boom Supersonic，自有工厂造超音速飞机连喷气发动机）；Max Hodak（Science，做生物混合脑机接口，硅片上培养活神经元先恢复视觉、最终探索大脑新区域和全新感官）。 → 详细
「软件工厂」：工程师的评判标准变了（Holdwell PRD 工厂的母题）
- Guillermo 说自己最近"彻底被一个想法洗脑了"——software factories（软件工厂）。他先描述旧世界："以前你来上班，直接交付成果（output），公司内部衡量的就是『A 这个人产出 B 这个成果做得有多好』。"新世界的评判标准变了，他原话："我评判你这个工程师的方式变成了：你有没有在打造那个能产出 B 到 Z、能成倍放大产出（multiplicative outputs）的『工厂』？"换成大白话：以前看你能不能交出一件活，现在看你能不能搭出一套"能自动批量产活"的系统。他强调"这是个相当重大的转变"。 → 详细
- 他用自己的"挨喷史"佐证转变之深："我以前在 Twitter 上说有 10x 工程师，都会被人喷，因为这跟『人人平等』那套哲学太冲突了。"（10x 工程师：产出是普通人 10 倍的程序员。）而现在"显然已经有 100x 甚至 1000x 的工程师了，世界还没完全适应这一点"——AI 这个杠杆把原本有争议的话变成了常识。在想法 / 智力 / 虚拟数字领域里，"差距根本不止 10 倍，而是 100 倍、1000 倍。一直都是这样"。 → 详细
在智力领域，差距一直是百倍千倍
- Guillermo 点名一串"1000x 程序员"：Notch（Minecraft 作者）、Brendan Eich（发明 JavaScript）、John Carmack（id Software 传奇引擎程序员）。但他话锋一转，更狠的是选对方向："如果你选对了要做的事、而不是做错了方向，那差距简直是无穷大（infinity difference）。而且做出这个差距的人甚至不一定是更厉害的程序员，可能只是一开始在『该做什么』上判断力更好的那个人。"AI 把"动手实现"变便宜后，"选对方向"的权重被进一步放大。 → 详细
Token 排行榜与 ROI：不靠谱的衡量范式
模型水平 ≈ 你的水平，「重新 prompt 的质量」极重要（你怎么用 AI 的元约束）
- Max 的核心观察是一句很重的话："Claude、ChatGPT 或者说 GPT，在某个领域里的水平，基本上跟你自己的水平差不多。所以如果你本身是个很厉害的开发者，这些工具就会非常强大；如果你是个 junior 开发者，那你会发现它们用起来也更像个 junior 开发者。"他指出一个矛盾："一方面，这些模型的能力强得惊人；另一方面，你时不时给它们的反馈又显得极其重要，就这些小小的修正，似乎完全决定了你能从中得到什么样的表现。"模型的天花板很高，但你能不能够到，取决于你喂给它的那几句"小反馈"够不够准。 → 详细
- 由此团队里冒出一种新型支援角色，Max 原话："现在我们团队里出现了一种新的支援方式：你跑来找我说，你没从模型那儿得到好的输出，然后我告诉你应该怎么去 prompt 这个模型。"他的结论是"『重新 prompt 的质量（quality of the reprompting）』是极其重要的"——会不会"重新提问"本身成了一项关键技能。 → 详细
核心心法：浪费 token，节省时间（命中最重——你的元约束 + 投资单位经济学）
- Guillermo 先说这件事会"随着时间推移越来越不重要"："等模型变得聪明得多以后，你就能输入更少、得到更多。但至少在现阶段，它真的很像是把用户带进来的判断力反射回来。" → 详细
- 他坦白自己刻意抗拒学各种技巧，原话把那些花活一口气列了出来："我个人一直有点抗拒去学那些小窍门、小技巧、小贴士……什么『用 Ralph Wiggum』、『用 Open Claw』、『用 Hermes』、『用这个 prompt 引擎』、『用这套脚手架』、『插上这个组件』、『永远开 plan mode』之类的。我把这些全都无视了。"（这些都是社区里流传的提效套路/工具名。）理由很反直觉："我就假设，模型自己变好的速度，会比我搞清楚怎么用它的速度更快；它搞清楚怎么用『我』的速度，会比我搞清楚怎么用『它』更快。"——既然工具一天一个样，与其钻研当下用法，不如赌它自己进化。 → 详细
- 具体做法是蛮力（brute force）硬怼："我对它们一直特别简单粗暴，被它们搞烦了就直接发火……我会把 Codex、Claw（Claude）和 Gemini 全都扔到同一个问题上，反复地试，纯粹是『浪费 token 来节省时间』。"（三者分别是 OpenAI、Anthropic、Google 的编码模型/工具——同一题让三个模型抢答。）副作用："随着时间过去，我发现自己输入的信息越来越少、做的活儿越来越少，因为我就假设我可以靠蛮力硬怼过去。" → 详细
- 最锋利的一句心法："不管这些模型看起来多贵，它们还是比人便宜得多。所以我的建议就是：浪费 token，节省时间。别去盯着 token，不管是输入还是输出，只看你自己的时间，只看最终的成果。"他甚至不在意中间产物的质量："哪怕它们写出来的是低质量代码——我知道很多时候确实是，不一定是生产级的、可扩展的代码——等到我真要上生产的时候，我就再砸更多 token 进去，我会说『好，现在从头过一遍、重写它』，而且它们每一代都在变好。"先求有，再求好，最后再砸算力把它打磨到能上线。 → 详细
可验证领域 vs 未解问题的前沿（一把分诊刀）
- Guillermo 给"模型能不能搞定"划了一条界线：只要处在可验证（verifiable）、能解出来的问题领域，模型就能搞定。原话："只要我们处在可验证的领域、能解出来的问题上，它们就能把这些问题解掉。"（可验证：有明确对错、能立刻判断答案成不成立——比如代码能不能跑通、测试过没过。）真正还需要人深度参与的，是尚未解决的问题（unsolved problems）领域。他举的极端例子是 Terence Tao（陶哲轩，菲尔兹奖得主）："也许你是 Terence Tao，站在创造力的最前沿，那你确实需要跟模型非常协作、非常小心、非常紧密地一起干。但我不在那个层级，至少在软件工程上我没到那个程度。"绝大多数日常软件活儿都落在"可验证"这一侧，能交给模型蛮力解决；只有极少数开拓人类知识边界的工作才需要人机贴身共创。 → 详细
模型「毕业」了：从 junior 到 principal
- 模型从"典型的下一个 token 预测（next token prediction，一个字一个字往下猜）、顺着你的想法一路狂奔"，进化到会主动停下来给"三条路 + 各自取舍（tradeoffs）"。这就是 X 上"我们现在有 PhD 级别工程师模型了"那种狂欢——"模型在某个节点上『毕业（graduated）』了：以前是 junior 工程师，现在是 principal（资深首席）"。它仍会犯傻（"告诉你『这条要花三周』，预测离谱"），但 Guillermo 已把它当"可以来回切磋的同行（peer）"。顺势抛出一个还没答案的猜想："junior 能拿到自己根本写不出来的代码知识；但经验丰富的架构师是不是拿到 10x，而 junior 只拿到 2x？这是我还在琢磨的。" → 详细
架构决策与「品味判断」
- Max 把"缺口在哪"具体化到架构决策：junior 进阶的下一步是"从『为某个功能写实现』，进阶到『选技术』——在 Postgres 和别的数据库之间选，在 ZMQ（消息队列）和别的排队系统之间选"。关键在人那一下"否决"："模型当然可以给建议，但关键就在这儿：你一看就会说『不不不，我要用另外那个东西』。"——这就是品味和判断力（taste and judgment）。但他补了平衡："你也可以问它们『我该用哪个、为什么』，它们什么都知道，会给你非常好的取舍分析。"模型能当顾问，拍板那一下仍是人的品味。 → 详细
人补全模型 → 何时反过来？（app_incubator 的"把该做什么前移到 agent"）
- Guillermo 接住，先给了一个让人惊艳的反例——模型不仅会建议，还会反过来纠正你：你让它"去把这份基数超高（super high cardinality）的遥测数据塞进 Postgres"，它会反怼"哥们儿，这种数据我们不往 Postgres 里塞的，你应该考虑 ClickHouse 或者 Athena 之类的"。（high cardinality 遥测数据：字段取值种类极多的监控日志，更适合列式分析数据库。）"这种事我遇到过很多次，真的挺让人惊艳。" → 详细
- 但他还"有点纠结"：现在明显还是人在补全模型（the human is still completing the model）。他设想角色调换的那天："到哪个时间点会反过来，变成『人』才是那个收到指令的一方——比如『去帮我搞到这个 API key，因为这事只有你能干』，或者『去帮我筹到这笔钱，我下一轮投资要用』？"他认为现在的"人在上面"只是"暂时的反常现象（temporary aberration）"，并预判两个解锁路径：其一是接口——"很快，每一家像样的 SaaS 公司或托管服务商都会提供 CLI 和 API 接口让模型直接对接。它们甚至不一定需要 API——只要是基于文本、基于 Unix 的，agent 就能自己把 API『黑』出来（hack its own API）。"其二是钱——"你插入加密 token，放点 Bitcoin、放点什么都行，模型就自己去为它需要的东西付钱。"他顺口确认"已经有人在做这个了"。 → 详细
「纯软件是否已死？」护城河在哪（价投·StockHelp 的资本配置暗线）
- Guillermo 的大哉问，连环发问："纯软件是不是已经死了？纯软件工程是不是已经成了一件过时的事？"他给的类比一针见血："这就好比说『讲英语』——模型现在会讲英语了。我们当初得学写代码才能跟模型沟通，而现在模型会讲那种模糊、随意、跟人一样的英语（fuzzy, sloppy English），还能听懂意思。那护城河（moat）在哪儿呢？"既然编程语言这层"翻译"被自然语言取代，单靠"会写代码"还剩多少壁垒？ → 详细
- 他指出这对硬件创业者反而是利好（a boon），引 Patrick Collison（Stripe CEO）作论据："Patrick Collison 说过，软件是一门艺术，而招艺术家很难（software is art and it's hard to hire artists）。所以现在作为一个硬件创业者，太好了，你可以相当快地把很好的软件开发出来。"——以前硬件公司还得费劲再搭软件团队，现在 AI 把这块门槛压下来了。他还给"新软件工程"留了个出口，再把问题钉死："如果你是在训练模型，那也许『训练模型、调模型、做 post-training、做 fine-tuning』就是新的软件工程。但传统的软件工程，是不是死了？纯软件还值得投吗？还值不值得你围绕它去组织一家公司、一个团队，去争取某种杠杆？" → 详细
Building Block 经济：给 agents 的「库与依赖」（护城河的答案）
- Guillermo 用 Mitchell Hashimoto（HashiCorp 创始人）在 X 上的文章《building block economy（构建块经济）》回应自己的"护城河"之问。文章论点："现在对 agents 最有用的东西，是真正强大、可复用的『构建块（building blocks）』。"（构建块：现成、可拼装的标准化软件组件。） → 详细
- 他接着 Max 的发邮件例子把道理讲透："你不会指望你的 **clanker（口语戏称 agent/机器人）**每次需要发封邮件时，都从头重新发明一套队列基础设施。它需要的是把那个对你要做的任务来说『大小正合适』的构建块拿进来，然后你说『好，这个场景用 RabbitMQ』。"他从更高层面反对"让 agent 重造一切"："我不认同那种『我希望 agent 用一种跟整个社会、整个文明都不兼容的方式，从头重新发明全部第一性原理』的想法。那几乎就像专门为你一个人重新发明高速公路、法律、政策。"理由是协作价值——"哪怕这样确实有可能榨出额外的优化，但『我们俩都同样依赖 Postgres 13.2』这种大规模协作的价值仍然在，而且非常非常有价值。" → 详细
- 他给这类构建块又起了个比喻——token cache（token 缓存）："这些东西就像一个『token 缓存』——因为你不会想为了重新造出已经存在的东西，去烧掉一万亿个 token。所以总有一些现成的起点，模型可以从那儿 fork（分叉/拷贝一份接着改）出去往下做。"他承认自己屁股决定脑袋（"这正是我们在做的事"，指 Vercel）。Max 一句话点题收尾："所以这些东西就像是库（libraries）和依赖（dependencies），只不过是给模型用的"，Guillermo 补正"对，具体说是给 agents 用的"。 → 详细
Max 的亲身转变：很久没写一行代码，却建了海量软件
- Max 曾是个不折不扣的代码迷："我是很小的时候就学了编程……整个青少年时期、二十多岁那会儿，编程一直是那种能把我整个吸进去的事，我能一口气写 20 个小时代码，关于编程语言我什么都懂。"转折是"现在已经有相当长一段时间没写过哪怕一行代码了"——给出时间点和成果："从去年 12 月以来，我自己搭出了海量的软件，现在每天都在用。有一堆我幻想了好多年的项目，现在我居然真的在用了，可那些代码我一行都没写。"态度决绝："我实在没法想象自己以后还会回去手写代码……我很难把『手写代码』看成是未来的一部分。" → 详细
真正的能力是「理解零件如何拼接」，本质是对人 vibe coding（你这身 PM 肌肉就是带 agent 的肌肉）
- Guillermo 顺着 Max 的转变，点出真正值钱的底层能力不是写代码、而是理解系统怎么拼："任何一个懂『API 是什么』、懂数据怎么流动、懂输入输出、懂性能的人——因为你得给模型定个方向，告诉它『我对这个操作有这样一个层次的预期』——这种能力，一直都比单纯会写代码有用无穷倍。" → 详细
- 他给出一个很妙的重新定义：好的工程负责人其实一直在对「人」做 vibe coding（vibe coding：原指"凭感觉用自然语言指挥 AI 写代码"，这里被借来形容"用一句话把意图甩给别人去落地"）。原话："一个真正出色、熟练的工程负责人，其实早就一直在通过 Slack、通过一对一沟通对着『人』做 vibe coding 了，因为你是在传递你的意志、你的意图、你的经验，然后让别人拿着去跑。只不过现在我们对 agents 做的是同一件事。"所以会带团队的人，天然就会带 agent。他用自己现身说法收口："我自己也是，从 20 年没写过代码，到现在天天在写——但都是通过 agents——而且我在搭海量的软件。结果发现，只要理解软件工程和算法的那些基本原理，其实就能让你走得很远。"他还顺带解释了当年弃码的原因："我没时间去搞清楚最新的语言、最新的架构、最新的、要插进来的基础设施组件。Vercel 让这件事简单多了，但即便如此，光是『起步』就够呛——光是把各种零件拼起来、把基础设施组装起来，就烦死人了。" → 详细
最大的改变：再也不会「卡住」（Personal Thinking 的解放信号）
Max 总结 agents 带来的最大体感变化——不再卡死。旧痛点："以前你能搭出来很多东西，有很多部分都挺直接顺畅的，但接着你会撞上某个莫名其妙的问题，然后你可能就得花上一段不知道多久的时间，去调试某个很窄的小问题（debugging some narrow thing）。"现在的变化："有了 agents，结果就是你再也不会卡住了，这相当神奇……它们能相对快地找到正确的做法。"Guillermo 在旁补了句冷幽默"或者是它们卡住了（Or they get stuck.）"——agent 也会卡，只是把"卡"这件事从人身上转移走了。Max 最后推翻一句流传已久的编程信条："我那些朋友刚学编程时会说『没办法，这本来就是内在让人抓狂的事，这就是这门活儿的一部分，你就是这么学会的』。可这话现在已经不成立了。"——"受苦才能学会"的旧叙事，被 agents 打破了。 → 详细
"我评判你这个工程师的方式是：你有没有在打造那个能产出 B 到 Z、能成倍放大产出的工厂？" —— Guillermo → 详细
"在虚拟数字领域里，差距根本不止 10 倍，而是 100 倍、1000 倍。一直都是这样。" —— Guillermo → 详细
"Waste tokens, save time. 别去盯着 token，不管是输入还是输出，只看你自己的时间，只看最终的成果。" —— Guillermo → 详细
"不管这些模型看起来多贵，它们还是比人便宜得多。" —— Guillermo → 详细
"模型在某个节点上毕业了——以前是 junior 工程师，现在是 principal（资深首席）。" —— Guillermo → 详细
"好的工程负责人其实早就一直在通过 Slack、一对一对着『人』做 vibe coding，只不过现在我们对 agents 做同一件事。" —— Guillermo → 详细
"这些（building blocks）就像库和依赖，只不过是给 agents 用的。" —— Max → 详细
"（用 agents）你再也不会卡住了，这相当神奇。" —— Max → 详细
"『卡住、抓狂本来就是学编程的一部分』——这话现在已经不成立了。" —— Max → 详细
本片无 lightning round / 收尾问答环节，亦无嘉宾联系方式。Blake Scholl 虽在场被介绍，但本片几乎未发言；本片是这场四人对话的软件视角切片。
姊妹篇（同一场对话的硬件视角）：
../18_Naval_氛围编程硬件/Vibe Coding Hardware_总结报告.md
这期对你是正中靶心的——它讲的不是"AI 能干什么"，而是三个一线创业者亲手在改自己怎么干活：怎么用 token、怎么用 agent、人还剩下什么、什么才是新护城河。你正好同时扛着两条多-Agent 流水线（Holdwell 的 PRD 工厂、app_incubator 的 7-Agent 链路）、一个人推多线、还在做价值投资——他们每一句都能对到你某件正在做的事上。下面按项目拆。
一、本人精力 / 怎么用 AI（命中最重，这是你的元约束）
你最稀缺的是精力和聚焦，所以"怎么用 AI 才省自己的时间"对你不是技巧、是续命。这期给了三条可直接装进你日常的心法。
怎么做的：Guillermo 的核心心法是「浪费 token，省时间」——"不管这些模型看起来多贵，它们还是比人便宜得多……别去盯着 token，不管是输入还是输出，只看你自己的时间，只看最终的成果。"他的做法简单粗暴：把 Codex、Claude、Gemini 三个模型同时扔到一个问题上反复怼，先做出来；哪怕中间是低质量代码也不管，"等我真要上生产的时候，我就再砸更多 token 进去，从头过一遍、重写它"。先求有、再求好、最后砸算力打磨。 你可以怎么做：你现在大概率还在"心疼额度"——一条 prompt 反复斟酌、舍不得让模型重跑。反过来：拆书、写原子笔记、给 PRD 起草、给 StockHelp 写脚本时，默认"重跑比想清楚便宜"。卡壳的活别自己硬磕，直接让模型出三版，挑一版接着改。你的时间一小时值多少，token 一块钱能买多少——这笔账永远是 token 划算。把"省 token"从你的心智里删掉。
怎么做的：Guillermo 刻意不学各种花活——"用 Ralph Wiggum、用这个 prompt 引擎、用那套脚手架、永远开 plan mode……我把这些全都无视了。"理由很反直觉："我假设模型自己变好的速度，会比我搞清楚怎么用它的速度更快。"工具一天一个样，与其钻研当下用法，不如赌它进化。 你可以怎么做：你是个爱把工作流做精的人（看你那套三驾马车碰撞协议的讲究就知道），很容易掉进"再研究个新提效套路"的兔子洞。这条是给你踩刹车的：别把精力花在追当月最热的 prompt 技巧上，那是会过期的知识。把省下的精力压到"选对要做的事"和"把判断力喂给模型"这两件不过期的事上。
怎么做的：Max 说"模型在某个领域的水平，基本上跟你自己的水平差不多"——你是高手它就强，你是 junior 它就 junior；而决定你够不够到它天花板的，是你那几句"小反馈"准不准。于是他们团队冒出一个新支援角色："你跑来说没从模型拿到好输出，我告诉你该怎么 prompt"——"重新 prompt 的质量极其重要"。 你可以怎么做：当你觉得"这模型不行"时，先怀疑是自己的反馈不够准，而不是模型不够强。建一个你自己的「重提问句库」：把那些让模型从平庸跳到惊艳的追问（"给我三条路 + 各自取舍""这个我们一般不这么做，你换个方案"）记进 Personal Thinking，当成可复用资产攒着——这比攒任何 prompt 模板都值钱。
二、Holdwell ERP 的多-Agent PRD 工厂（你这套系统正是「软件工厂」的活样本）
怎么做的：Guillermo 说工程师的评判标准变了——"以前看你产出 B 这个成果做得多好；现在看你有没有打造那个能产出 B 到 Z、能成倍放大产出的工厂。"他直言"已经有 100x 甚至 1000x 的工程师了"，杠杆来自系统而非手速。 你可以怎么做：你的三驾马车 + 碰撞协议 PRD 工厂，本质就是他说的这个"工厂"——你早就站在对的范式上了。但要警惕一个错位：你现在还在拿"产出了几份 PRD"衡量这套系统，而真正该问的是"这套工厂本身的产出倍率有没有在涨"。把你档案里那几个老大难——碰撞协议纪律是否真执行、跨线对齐、agent 产出的可观测/可验证——重新框成"工厂的产能瓶颈"：跨线对不齐就是缺标准件，纪律不强制就是流水线没有质检卡口。修工厂，而不是修单件产物。
怎么做的：Max 把"模型能不能搞定"的界线划在可验证 vs 未解问题上——"只要处在可验证的、能解出来的问题领域，模型就能解掉"；只有极少数像陶哲轩那样开拓人类知识边界的活，才需要人机贴身共创。 你可以怎么做：这给你一把分诊刀。你 PRD 工厂里的活，能不能跑通、字段对不对、实体定义一致不一致——这些都是可验证的，就该放手让 agent 蛮力收口、用测试/校验把关。真正留给人和真人评审的，是"该不该做这个需求""跨线怎么对齐"这类没有标准答案的判断。别让人的精力浪费在机器能自检的环节上。
三、app_incubator 的 7-Agent 造 App 链路
怎么做的：Guillermo 抛出"现在还是人在补全模型"，并预判角色调换的路径：很快每家 SaaS 都会出 CLI / API 让 agent 直接对接，"只要是基于文本、基于 Unix 的，agent 就能自己把 API 黑出来"；甚至插上加密 token，"模型就自己去为它需要的东西付钱"。还补一句"已经有人在做这个了"。 你可以怎么做：你档案里写着 app_incubator 要"把『该做什么』前移到 agent"——这条正好给你抓手：让链路里的 agent 更靠近能自己动手的边界。优先给它接 CLI/API 友好的工具（命令行、纯文本协议），而不是只能点界面的；凡是"只有人能做"的卡点（拿密钥、付费、授权），单独列出来当成"暂时的人类工位"，盯着哪天能交还给 agent。你越早按"agent 自己跑通全程"来设计，激活/首屏那块就越不靠人肉补位。
怎么做的：Guillermo 说真正值钱的底层能力不是写代码、而是理解零件怎么拼——"懂 API 是什么、懂数据怎么流、懂输入输出、懂性能"，"比单纯会写代码有用无穷倍"；而且好的工程负责人"早就一直在对『人』做 vibe coding"（用一句话把意图甩给别人去落地），"现在我们对 agents 做的是同一件事"。 你可以怎么做：你是 PM，本来就靠"把意图讲清楚让别人落地"吃饭——Guillermo 等于在说你这身 PM 肌肉就是带 agent 的肌肉，你天然有优势。把 app_incubator 的 agent 当成你带的"新同事"：你不需要会写它写的代码，但你得能给它定方向、设预期（"这个操作我要这个量级的性能""数据应该这么流"）。你的 PM 表达力，就是这条链路的上限。
四、Personal Thinking（这本第二大脑）
怎么做的：Max 谈到 agent 带来的最大体感是再也不会卡住——以前会为某个犄角旮旯的 bug "花上不知道多久去调一个很窄的小问题"，现在"agent 能相对快找到正确做法，你再也不会卡住"。他顺手推翻了"受苦才能学会"的旧信条："『卡住、抓狂本来就是学编程的一部分』——这话现在已经不成立了。" 你可以怎么做：这对你的 ingestion / 拆书流水线是个解放信号。以前你大概会觉得"摄入 SOP、跨主题串联得我亲自一点点磨才算数"——但凡是机械的、会卡人的环节（格式化、提取、找关联、生成索引），交给 agent 蛮力跑，不必为"亲手做"赋予额外意义。把你省下的注意力留给只有你能做的事：判断哪条笔记值得入库、哪个主题真正成立。
五、投资视角 / StockHelp（这期有真投资母题，不是硬掰）
这期表面讲工程，底下藏着一条资本配置 + 护城河的暗线，你作为价值投资者该顺手薅一把。
怎么做的：整场对话其实在重估"软件这门生意值不值得投"。Guillermo 直接问"纯软件是不是已经死了？护城河在哪？"——"模型现在会讲英语了，我们当初得学写代码才能跟它沟通"，那"只会写代码"还剩多少壁垒？他给的答案是 Mitchell Hashimoto 的「building block economy（构建块经济）」：真正的护城河，是别人离不开的、可复用的标准件（他类比成"给 agents 用的库和依赖"、"token 缓存"——别人不会为重造你这块而烧一万亿 token）。 你可以怎么做：把这条装进你 StockHelp 的"找卓越生意"镜头。AI 时代，软件公司的护城河正在从"产品做得好"迁移到"成了别人的基础依赖"——问你 watchlist 里每只票：它是会被自然语言+模型抹平的"纯应用"，还是别人的工作流离不开的"构建块"（标准、网络、数据底座、被嵌进无数 agent 流程的依赖）？前者护城河在变浅，后者在变深。这是一条能帮你重排"软件质量分"的新标尺。
怎么做的：Guillermo 那句"不管模型多贵，它们还是比人便宜得多"，是一句赤裸裸的单位经济学判断——他在拿"机器算力 vs 人力"做资本配置，结论是算力这边的边际成本在塌方式下降。 你可以怎么做：投资上，这是个成本曲线拐点的信号。当一项关键投入（这里是软件研发）的边际成本急速下降，受益的往往不是卖这项投入的人，而是大量消费它的人——硬件公司、有分发/品牌/数据但软件弱的传统玩家（片里 Guillermo 明说这对硬件创业者"是利好 a boon"，还引 Patrick Collison"软件是艺术、招艺术家很难"）。盯一盯你能力圈里"被高质量软件卡过脖子、如今能低成本补齐"的非软件公司。
更深三角度
该反着用：这仨都是 Vercel / Science / Boom 的掌门，资源管够、可以烧 token 蛮力硬怼。你是一个人扛多线、精力是死线——"把三个模型同时扔上去反复试"对你不一定划算，因为你连"看三版输出再决策"的注意力都得省。对你，"浪费 token 省时间"的正确读法不是无脑多跑，而是：把省下的精力 100% 投到"选对要做的事"上——他们自己也说了，选对方向带来的是"无穷大的差距"，而那"甚至不一定是更厉害的程序员，可能只是判断力更好的那个人"。你的杠杆点是判断，不是算力堆量。
和你现在做法冲突：你的 Holdwell 工厂讲究三驾马车、独立初稿、碰撞、合成定稿的精密编排——很重、很讲规矩。Guillermo 却刻意不学任何脚手架/技巧、赌模型自己进化。这两种姿态正面顶牛：你在"把流程工程化做深"，他在"少搭脚手架、让模型裸奔着变强"。张力在于——你那套精密编排，有多少是在补今天模型的短板（明年就没用了），有多少是沉淀不过期的领域判断？这个不替你下结论，但值得你对着碰撞协议逐环节问一遍。
对你的镜子：你一直把自己定位成"产品经理 + 第二大脑的主人"，潜台词里"动手能力"是别人的事。这期在告诉你：你那身"把模糊意图讲清楚、让别人/agent 去落地"的 PM 本事，恰好是 AI 时代最值钱、最难被替代的能力——Guillermo 说带团队的人天然会带 agent，Max 说很久没写一行代码却建了海量软件。你不是"不会写代码的 PM"，你是"早就在对人做 vibe coding、现在顺势就能指挥一支 agent 军团"的人。这不是安慰，是你该据此重新下注的事实。
One Human Company 新号（2026-07 回填）
这期三个一线创业者亲手讲"怎么用 token、怎么用 agent、人还剩什么"，对你新立的「一人公司 build-in-public」号是满仓弹药——因为你号的真实底牌 drizzle tech 就是他们说的那种"软件工厂"，而 B 支柱（AI 员工成本账/API 账单）最独占的内容，这期直接给你递了三条选题。
1. "浪费 token 省时间"——这条能变成你 B 支柱最独占的一篇：把 drizzle tech 的 API 账单摊开
- 怎么做的：Guillermo 的心法是"浪费 token，省时间"——"不管这些模型看起来多贵，它们还是比人便宜得多……别去盯着 token，不管输入还是输出，只看你自己的时间和最终成果。"做法很粗暴：把 Codex、Claude、Gemini 三个模型同时扔到一个问题上反复怼，先做出来，哪怕中间是低质量代码，"等真要上生产时再砸更多 token，从头重写"。
- 你可以怎么做：这是一条几乎必爆的 C 类「大佬说 X 我试了」。候选标题：「'浪费 token 省时间'是不是真的？我把一人公司这个月的 API 账单摊开算了一笔」。你拿 drizzle tech 验的是这句心法在"一个人、精力和现金都紧"的语境里成不成立——把真实的 API 月账单、三模型并跑的实际花费、以及"哪些活重跑真比想清楚划算/哪些是纯烧钱"诚实拆开。这同时是你 B 支柱（成本账）最独占的料，别人抄不走，因为那是你自己的账单。弹药库闸门稳过：删掉你的账单和判断这篇什么都不剩。可抄物就放你的"该不该让模型重跑"决策清单（一小时的活值多少 vs 一块钱 token 买多少）。
2. "软件工厂：评判你看你有没有造出成倍放大产出的工厂"——drizzle tech 就是这座工厂，A 类复盘现成
- 怎么做的：Guillermo 说工程师的评判标准变了——"以前看你产出 B 这件成果做得多好；现在看你有没有打造那个能产出 B 到 Z、成倍放大产出的工厂。"他直言"已经有 100x 甚至 1000x 的工程师了"，杠杆来自系统而非手速；而且"选对方向"比"更会写代码"重要——选错方向"差距是无穷大，而做出差距的人甚至不一定更厉害，只是判断力更好的那个"。
- 你可以怎么做：这条落到 A 支柱（造 App 决策复盘）。你的 drizzle tech 9+1 Agent 流水线本身就是他说的"软件工厂"，写一篇：「我不再关心 drizzle tech 这个月产出了几个功能，我改看这座工厂的产出倍率——一次踩坑复盘」。触发→你怎么发现自己在拿"产出了几个功能"衡量、而非"工厂本身的产能"→方案取舍→落地反馈。它顺手坐实你号的独占词"想清楚/决策"：Guillermo 那句"选对方向比会写代码值钱"正是你想反复讲的主题——一人公司最大的杠杆是判断，不是手速。
3. "模型毕业成 principal，人靠品味补全 + 重新 prompt 的质量极重要"——你 B 支柱的岗位说明书依据 + 可抄物
- 怎么做的：Max 说"模型在某个领域的水平基本跟你自己差不多"——你是高手它就强，你是 junior 它就 junior；决定你够不够到它天花板的，是你那几句"小反馈"准不准。Guillermo 补充模型已"毕业"——从 junior 变成会主动给"三条路+各自取舍"的 principal（资深首席），但拍板那一下的品味仍是人的。于是团队冒出一个新支援角色："你没从模型拿到好输出，我告诉你该怎么 prompt"——"重新 prompt 的质量极其重要"。
- 你可以怎么做：这条直供 B 支柱（AI 员工管理：岗位说明书/绩效）。候选标题：「我给 drizzle tech 的 AI 员工写'绩效标准'时，发现问题从来不在它、在我的返工提问」。你拿 drizzle tech 验 Max 那句"模型水平≈你的水平"——把你某个 Agent 从"平庸产出"救到"惊艳产出"的那几句追问（"给我三条路+取舍""这个我们一般不这么做，换个方案"）攒成一份"重提问句库"，这本身就是标题和封面要承诺的"可抄物"（可复制提示词）。诚实反驳留一句：哪些活不是"重新 prompt"能救的、是模型真到天花板了——这正是弹药库闸门要的判断含量。
所以呢
可迁移思维模型：
- 【耐用】浪费便宜的、省稀缺的：当一种投入（token/算力）相对你的稀缺资源（精力/时间）便宜到一个量级，就该故意挥霍前者来换后者——别让"节约直觉"反向优化错对象。这个模型超出 AI，适用于你所有"该花钱省时间还是省钱花时间"的取舍。
- 【耐用】判断力 > 手速：选对要做的事带来"无穷大的差距"，而做出这差距的"不一定是更厉害的人，只是判断力更好的那个"。这条和你 2021 年写的"判断力 > 努力"是同一句话，被 AI 又焊死了一遍。
- 【会过期】当下的 prompt 技巧 / 脚手架：模型变好的速度快过你掌握用法的速度，今天的花活明年作废。别把它当资产攒。
- 【可能会过期】"人在补全模型"：Guillermo 自己说这是"暂时的反常现象"，角色随时会调换。你今天围绕"人监督 agent"设计的流程，要留好"agent 自己跑通"的升级口。
判断更新：如果你之前默认"AI 是给我打下手的工具、我得盯着省着用"——这期该把它更新成"AI 是我带的一支按我判断力等比放大的团队，我的活是定方向、给反馈、拍板，不是省额度也不是亲手做"。你的瓶颈从来不在模型，在你喂给它的判断。
这周一个赌注：挑你手上一件你一直想做、但因为"得搞清楚怎么实现"而搁置的事（Max 说他"幻想了好多年的项目，现在亲手建出来了，可一行代码没写"）——比如 StockHelp 的某个一直没空写的信号、或 app_incubator 里某段卡住的链路。这周只用自然语言指挥 agent、故意不心疼 token、允许它跑出三版烂的再重写，把它从 0 推到能用。赌注是：验证一次"浪费 token、省时间"在你身上到底成不成立——一次亲历，胜过你再读十篇这样的总结。