为什么服务型企业将赢得下一个十年
作者认为AI正在模糊软件与服务业的边界：软件变得越来越像服务（产品主动适配用户），而服务业借助AI代理实现产品化，形成'产品化服务'的混合模式。这类业务对外像服务（客户获得定制化结果），内部却像产品一样高效运转，既保留服务关系又获得软件级利润率。作者以自己21岁创办的Hourglass AI为例（自筹资金、持续盈利、单月收入破10万美元），认为这是年轻人低风险创业的最佳路径：从第一天就盈利、无需融资、拥有全部股权，并建议先亲自交付服务，再用AI代理规模化。
全部文档 / 作者: fin
23 篇
大肥鱼 1017 真是越用越顺手：用 DeepSeek-V4.1-Flash + OpenPencil 打造 UI 设计
作者分享使用 DeepSeek-V4.1-Flash 1017 模型配合开源 AI 原生设计工具 OpenPencil 和生图模型 Qwen-Image-2.1 Turbo 制作电商落地页与模特图的实战体验。文章包含完整的落地页设计提示词和模特生成提示词，展示了生成结果的高审美水准，并提到 OpenPencil 是一款开源免费的 AI Native 设计工具，核心能力是通过 Agent 输出高质量 UI 设计稿、卡片、轮播图、PPT 等，适用于电商页面和海报制作，评论区多人交作业复刻效果。
AI Semiconductor Endgame (IV)：开源模型对半导体的影响
文章探讨开源模型的崛起是否冲击半导体需求这一热门问题。作者指出市场担忧的核心在于开源是否会压低毛利，进而削弱模型公司购买GPU的能力。但通过动态均衡框架分析，token价格下降的同时，硬件与软件的效率提升（每十年各贡献千倍优化）使成本同步快速下降，毛利得以维持。以每GW算力测算，旗舰模型推理毛利率仍达75%-80%以上，开源模型约60%-70%，token收入是硬件摊销成本的十倍。结论是开源不会伤害半导体行业，动态均衡将持续推动AI基础设施扩张。
Codex-OpenPencil 快速上手篇
本文是 Codex-OpenPencil 插件的快速上手教程，以设计一个服装购物 APP 为例，完整演示从安装、打开画布、确认风格、扩展页面、选中元素口喷修改，到图片生成与搜索、保存设计资产，再到设计稿转代码的全流程。插件免费开源，提供支持平移缩放的无限画布，Codex 负责理解需求并调用工具，OpenPencil 负责设计展示与编辑，可 100% 还原生成 HTML、Vue、React、SwiftUI 等框架代码。文章还介绍了看板、教程图、对比图、PPT 等其他应用场景及常见问题处理方法。
把硅谷和北上杭深的机器人公司放到 5 张地图上，城市之间的差异一下就出来了
作者用 5 张地图对比了硅谷与北上杭深的机器人产业格局：硅谷 67 家、深圳 36 家、北京 32 家、上海 25 家、杭州 25 家。各城市产业结构差异明显：北京依托高校与 AI 公司，具身智能和人形机器人集中；上海偏工业与制造，国际厂商与本土公司并存；杭州生态集中、产品化速度快；深圳覆盖从零部件到整机的完整链条，人形机器人公司数量国内最高。硅谷擅长定义未来，中国城市正以不同方式把未来造出来。
Everything I Consume to Build an AI-Native Company
作者分享了打造七位数营收 AI 原生公司 Hourglass 过程中消费的所有媒体资源与内容管理系统。文章引用 Paul Graham 的知识分形边缘理论，指出 AI 前沿充满机会缺口，并按主题推荐内容：创业（Paul Graham、Tim Ferriss）、经营 AI 原生公司（Maister、红杉、Every）、跟进 AI 动态（Twitter、All-In Podcast、AI 2027）以及保持人性的虚构文学阅读。作者还介绍了名为 Consume 的系统：用 Apple Shortcut 收集内容存入数据库，每周由 Claude 自动分类处理，将 Karpathy 的 LLM Wiki、Hamel Husain 的 Eval 思想等素材转化为公司实践与产品。
AI Agent 现在几乎可以从整个互联网抓取数据了
文章介绍了三个 GitHub 开源工具，让 AI Agent 几乎可以从整个互联网抓取数据。Agent-Reach 将 X、YouTube、Reddit、GitHub 等平台整合到一个入口；Patchright Enhanced 基于 Playwright 监听网站请求，即使网站没有 API 也能通过脚本提取数据；Scrapling 是面向任意网页的通用自适应抓取框架。用户只需告诉 Agent 想要什么数据，Agent 会自动编写代码、完成采集并返回结果，例如分析 X 账号帖子话题表现、收集 Reddit 和 YouTube 上的产品评价等，相当于给 Agent 装上了读取整个互联网的眼睛。
How to Make an AI Native Company
作者基于一年运营 AI 原生公司并帮助客户转型的经验，提出打造 AI 原生公司的七步方法论：先清理数据与上下文（建立 Company AI Brain），再构建共享基础设施而非零散自动化；让全员在 Harness（如 Claude Cowork、Codex）中工作；用技能、上下文和新模型解决大部分工作；全员教育并培养 Champion 推动进化；自定义 Agent 最后才建；并保持持续尝试。作者还破除 Agent 神话，指出'人机三明治'模式依然存在，人的角色随信任与上下文积累而变薄。
Qwen-Image 2.1 本地部署实战：从此生图自由
本文详细介绍了 Qwen-Image 2.1 图像生成模型的三种本地部署路线：ComfyUI、Unsloth Desktop 和官方 Diffusers。作者首先解释了不同后端权重的差异，指出 DiT、文字编码器和 VAE 三件套需分别下载且不能混用。文章给出了 Windows RTX 5080 与 MacBook Pro M2 Max 两套平台的实测数据：5080 上 1MP 文生图约13秒，M2 Max 单张约10分钟。同时涵盖模型目录结构、extra_model_paths 配置、图像编辑模板用法、常见问题排查及 Qwen Research License 商用限制提醒，是一份可复现的完整部署教程。
Zuckerberg 在 Meta Connect 发布 8 项新品和功能
Meta Connect 2026 上，扎克伯格一口气发布了 8 项新品和功能，涵盖 AI 助手与硬件生态：Muse 支持语音和实时视频并可进入 Meta 眼镜实现全天免手持操作；Meta Glasses 获得 FDA 助听器许可，价格远低于普通助听器；推出注重隐私的 Private Processing；发布首款无摄像头、全天续航的音频眼镜；Ray-Ban Meta Gen 3 升级续航与麦克风；款式年底将超 100 种；VR 眼镜首次以眼镜形态集成私人影院、多显示器和游戏；还推出可挂钥匙扣的 Muse Charm，预计 12 月发货。
拆解 Qwen-Image 官方「智能改写」：我把生图和改图经验总结成了一个 Skill
作者在测试 Qwen-Image 2.1 时发现，生图和改图效果不佳的主要原因是创作意图未被准确传递给模型，如负面文字被印进海报、改姿势只换了衣服等。作者将经验整理成 qwen-image-gen Skill 并提交开源：区分文生图、局部编辑和参考人物创作；将人物动作、接触关系、镜头和画面文字写成模型可执行的描述；落实比例决策并检查返回图片真实像素；将质量反馈带回下一版。四组对照实验显示三组改善、一组失败，证明提示词改写有价值但非几何纠错器。
How to build a signal-based outbound bot with Jev
作者介绍了基于 TypeSafe 发布的 Jev 模型构建信号驱动外呼机器人的方法。Jev 比通用模型快约百倍且成本极低，可为每个销售线索快速打分。作者团队曾用 Claude 做信号驱动 SDR，两周内约到 19 次会议，回复率 12%。文章详细拆解了开源项目 signal-ranker 的架构：watch.py 通过日期文件对比追踪招聘重发、融资等信号，judge.py 负责调用 Jev 评分，policy.py 用纯代码实现门槛与权重，两者分离以便复用已付费的判断结果。支持用 Claude Code 自行拉取线索或使用 yourmax.ai，可放入 Claude Code 或 Codex 终端复现。
别再用 GPT-Astra 从零捏人物了，这套 3D 流程更靠谱
作者分享了从角色参考图制作 3D 手办模型的完整流程。先用 GPT 生成手办效果图，再选择转模工具（对比 TRELLIS.2、Tripo 3.1、Tripo 2.5 三条路线，涉及免费配额与导出权限差异），下载带贴图的 GLB 后导入 Blender，让 AI 助手检查并修整面部、贴图等细节，最终输出高清 PNG 和 8 秒转台 MP4 视频。作者强调直接让 AI 从零建模效果不佳，正确的流程顺序、事先确认导出权限、区分白模/分部件/纹理等概念是成功的关键。
如何在 GPT-6 Astra 上构建基于信号的外呼系统
作者介绍了一个基于 GPT-6 Astra 与 Codex 构建的销售线索外呼机器人系统。该系统通过 profile.json 定义产品offer与理想客户画像（ICP），利用 AGENTS.md 约束 Agent 行为，自动搜索近期商业事件作为购买信号，验证公司与买家信息，并起草待人工审核的外联消息。文章详细讲解了四个实施步骤：为模型设定具体任务、将 offer 与 ICP 结合、选择能改变工作方式的信号、寻找能解释时机的信号组合。仓库包含信号目录、验证规则和示例，所有产出均附带来源链接与联系理由，代码免费开源。
Trace Engineering: 自主 AI Agent 的可观测性架构
文章指出生产环境中多 Agent 系统的故障调试不是提示词问题，而是分布式系统可观测性问题。作者提出 Trace Engineering 架构，区分了日志、轨迹与分布式执行追踪三种对象：日志记录文本输出，轨迹记录顺序对话轮次，而追踪以 DAG 形式刻画因果图，支持并行分叉与子 Agent 委托。文章进一步阐述确定性重放与因果状态重建，通过事件溯源（append-only 事件账本）记录工具载荷、随机种子与采样参数，实现 Mocked Replay（离线零成本验证）与 Live State Resumption（从快照恢复现场）两种调试模式，避免不可控的递归重试烧毁大量 Token 成本。
AI 半导体终局 2026（三）
文章探讨 AI 基础设施建设的长期逻辑：与互联网时代单一维度的用户渗透不同，AI 硬件需求由用户渗透率与人均 token 用量两个指数增长维度相乘驱动，形成历史上罕见的「双 S 曲线接力」，支撑更长的半导体超级周期。同时指出，由于推理的高边际成本，AI 时代商业模式已从「流量×转化率」转向「每 token 毛利」。文章还分析编码（广义）作为下一个 ARR 增长引擎的潜力：大量非编码任务（财务、法务、销售等）正被转化为编码代理执行结构，OpenAI Codex 在非工程岗位的周活用户暴涨即为例证。
让 Agent 整页续画个人 IP 漫画：recurring-character-diary-comic 工作流
本文介绍了开源 Craft Skill「recurring-character-diary-comic」，一套让 Agent 持续生成同一固定角色个人 IP 漫画的工作流。它不依赖长 Prompt 或逐格拼图，而是通过故事合同（S0 故事真相、S1 身体真相、S2 表现选择）、page-native 整页生成、方向物体逐对象证明、有边界的局部修复和双轴像素验收，保证角色一致性、故事准确、中文对白无误，且整页作品自然统一。文字生成失败时才启用 compositor 做确定性排字兜底。
Test-Time Compute Engineering: 构建推理引擎
本文探讨了 Test-Time Compute Engineering，即通过将算力从预训练转移到推理阶段，利用动态预算分配、搜索树拓扑、过程奖励模型验证和剪枝策略，构建在回复前进行自主推理的 AI 引擎，以突破预训练规模定律的限制并提高复杂任务的准确性。
如何基于 Codex 构建自我改进的外联系统
本文介绍了如何利用 Codex 构建一个自我改进的外联系统。通过将市场反馈记录为内存文件，Codex 自动评估并修改评分规则和话术配置，提交优化建议供人工审核，从而实现 GTM 策略的持续迭代与优化。
Tom Blomfield 谈如何用 AI 打造一家自我改进型公司
文章介绍了 Tom Blomfield 关于利用 AI 构建自我改进型公司的观点，包含相关视频和引用的原始内容，探讨 AI 在公司发展中的应用。
Context Engineering for Outbound
文章探讨了上下文工程在外拓代理中的应用，强调通过精心设计上下文窗口（包含角色、案例、证据和规则四层），解决模型幻觉和生成内容泛化的问题。文章介绍了组装、撰写和优化三个核心技能，以提升个性化消息的质量和响应率。
五一假期爽玩 Vibe Coding 指南
本文介绍如何利用名为 Mexus 的工具在五一假期实现随时随地（特别是 iPad）进行 Vibe Coding。文章详细说明了在云服务器上配置 Node.js 环境及 CLI Coding Agent（如 ClaudeCode）的三步流程，并重点展示了 Mexus 针对 iPad 优化的多 Agent 并行编程界面，适合假期不想携带电脑的开发者快速落地产品创意。
Anthropic Claude Code 实战指南：全团队场景应用拆解
本文转发了 Anthropic 发布的一份 23 页指南，详细拆解了如何利用 Claude Code 覆盖公司 10 个核心部门的工作流。案例涵盖了从增长营销、数据基础设施、产品开发到安全工程、法务合规等全方位场景，展示了 Claude Code 在不同专业领域的强大辅助能力与实际落地应用。
