马斯克的 SpaceX 要去收购 Cursor，这就是一对难兄难弟的双向奔赴。

2026 年 4 月 21 日，SpaceX 在 X 平台上发了一条声明，要用 600 亿美金买一家叫 Cursor 的公司。如果最后不买了，也给人家 100 亿美金的分手费。

这里有一点要特别强调，这个 600 亿美金其实不是直接收购，而是一个收购承诺，或者叫收购锁定。不是说我现在就花钱买，而是说到 2026 年年底，如果大家合作得比较开心，就相当于一个“试婚”过程，先住在一起看看。同居如果合适了，我就花钱把你娶回来；如果不合适，那就好说好散，我也给你一个青春损失费，大概就是这样的故事。

什么是“收购锁定”

什么叫锁定？就是我们约定一个时间、约定一个价格，在这段时间里你得忠诚，不能一边跟我谈，一边又跟别人谈，或者谁给你钱更多你就跟谁跑了，这不行，也算“出轨”。今年年底之前，600 亿美金我给你承诺好了，你不要乱跑，就安安心心在我这待着，咱们来试起来。如果试婚失败了，到 2026 年年底没做成，你就拿着 100 亿美金走。

以前做投资的时候，也会有这样的承诺。跟人签投资意向书，后面通常都会有签字费。如果这个案子最后签完了，我去投资你或者去收购你，交易就做了。但是我们会有锁定期，在多长时间内你只能跟我谈，不能跟别人谈，不能同时脚踩两条船，不能这边说“他给我这么多钱，你是不是愿意多给一点”，再跑到那边说同样的话。这是不行的。

一旦最后我不要你了，就要给人损失费，不能白占人便宜。所以大概就是这么回事。

很多人的理解，其实都错了

但在这件事上，很多人的理解其实是不对的。有些人觉得马斯克又高瞻远瞩了，又要增强自己的编程能力了，要继续跟 OpenAI、Anthropic 竞争了；Grok 要成为 Cursor 的主模型了；SpaceX 要做估值管理了，马上要上市了，要把这个价格好好算一算。

实际上，这些理解都不对。

今天咱们讲一讲，什么叫难兄难弟的双向奔赴。

本质上，这是两个“孤儿”在互相找补

首先，这里其实是两个“孤儿”。

SpaceX 一侧的问题：真正参与交易的是 xAI

先说 SpaceX。实际上，真正参与交易的是 xAI，就是前面 2500 亿美金估值的那家公司。当时很多人说，这值还是不值？你就挣这么点钱，一年营收就几十亿美金，还亏个几十亿美金。也就是说，你营收是有的，但是利润是负的。这样一家公司，凭什么值 2500 亿美金？

大家要注意，这 2500 亿美金里头有一个非常重要、能够支撑它价值的东西，就是算力中心。原来大家都说，我花钱买显卡了，我有 100 万块 H100 显卡，这个东西是值钱的。原来这个逻辑是通的，没有任何问题。

包括谷歌说我要花钱去买显卡、建 TPU 算力中心，市值涨、股票涨；微软、Oracle、亚马逊说我们裁员、省下钱来买显卡、建算力中心，也行，股票也涨。逻辑就是这样的。

现在 xAI 这个 2500 亿美金的估值里，也有这部分逻辑。但这个逻辑有一个问题：你买了这些显卡以后，得让它产生价值。你不能说我光把它买回来，囤在仓库里，这东西就值 2500 亿美金，这肯定不行。

xAI 的核心麻烦：算力利用率太低

原来大家看着马斯克的光环，而且它不是上市公司，也没有财报出来。所以你说我有 100 万块显卡的算力中心，大家也愿意认这个数。

但你一旦要上市了，就要公开财报。作为这么大一块支撑市值的资产，你必须向大家汇报。就算你不主动汇报，开财报会的时候也会有人来问，而且会问一个很关键、很扎心的问题：你这些显卡的利用率是多少？到底开机了多少，多少没开机？

马斯克这 100 万块显卡的开机率是多少？11%。这是非常低的。整个行业里也不可能做到 100%，正常数字大概是 45%。你只有 11%，这肯定是不对的。你说你买回来了、快速搭起来了，说明你工程能力很强，但你搭起来以后没人用，这就有问题。

马斯克现在要干的事情，就是找一拨人把它用起来。找谁呢？找 Cursor。你们还有些用户还在使用，你跑到我这来用，把这些东西用起来。

为什么 xAI 的算力中心会“没人用”

那为什么马斯克的算力中心，100 万块 H100 这么稀缺的资源，会没人用？原因很简单：它的 Grok 到目前为止压根没有形成生态。

现在谁去花钱买 Grok 的 API？基本没有。现在使用 Grok 的，大部分还是在 X 平台上。你去问问“这个姑娘很漂亮，给我把衣服脱了”，或者“给我做一个很下流的姿势”，或者去问“这个新闻是真的假的”，大家现在主要通过这种方式在使用 Grok，并没有大规模进入下一个阶段，比如用它去编程、去做 Hardware agent、去跑各种 AI agent 模型，都没有。所以它根本没有被充分使用起来。

它整个模型的能力其实也不是特别强。很多人愿意用 Grok，第一个是因为它说话百无禁忌；第二个是它画图也相对百无禁忌；第三个是因为它结合在 X 上，确实用起来方便。你随时 @Grok，说这事是真的吗，帮我核实一下，它马上就给你回复，这确实方便。除此之外，基本没有外溢到 X 平台外面去。

所以它整个算力中心基本是停摆状态，或者说只有 11% 的利用率。原来没事，但你一旦上市，财报出来、电话会议开了，别人开始问问题，这个就藏不住了。所以这个时候必须找人来把算力中心的卡用起来，这就是 xAI 现在遇到的问题。

另一个难兄难弟，是 Cursor

另外一个倒霉蛋是谁？一定是 Cursor。

Cursor 真的是起了个大早，现在看着有点要赶晚集了。它是最早的 AI IDE 之一，四个 MIT 的辍学生，从零开始，三年时间，现在做到年化收入 20 亿美金的状态。

600 亿美元估值，贵不贵？

这里也要注意，600 亿美金估值去收购它，而它的年化收入只有 20 亿美金。什么叫年化收入？就是在 2026 年 3 月份，它收到了不到 2 亿美金的收入。这个为什么叫年化收入？因为你一个月收了比如 1.8 亿，乘以 12，不就一年差不多 20 亿美金了吗？大概是这么算。

前面的月份不算，只按最后一个月年化。现在不管是 OpenAI 还是 Anthropic，都是这么算收入的。所以你千万不要以为 OpenAI 2025 年挣了 250 亿美金，不是这样的。它只是年化收入 250 亿美金，意思是最后一个月可能挣到了 250 除以 12 这样的数字。Anthropic 年化收入到 300 亿美金，也是一样的算法。

一个年化收入 20 亿美金的公司，收入乘 30 倍，也就是 PS 30，才能到 600 亿美金。这值吗？这肯定不对。谁会允许这样的交易执行？别着急，咱们往后说。

Cursor 的第一个问题：没有自己的模型

Cursor 现在用户还是有的，因为有一段时间它确实是最好用的。但它遇到了一个很大的问题：它没有自己的模型。没有自己的模型，它就只能被模型公司收割。

一直有人质疑 Cursor 的价值到底在哪。一头是 Anthropic 的 Claude 模型，虽然里面也有 OpenAI、Gemini、Grok 这些模型，但大家主要用的还是 Claude。另一头，它是在 VS Code 基础上套壳的。也就是说，IDE 是微软的 IDE，它在这个基础上做一层外壳，再把 Anthropic 的 Claude 模型接进来。它实际上是做了中间这一层，两头都不是它的。

被 Anthropic 收割：Token 成本压垮毛利

先说模型这头，它就只能老老实实被 Anthropic 收割。现在这些模型公司还特别坏。怎么个坏法？它们一开始定一个价格，比如 100 万 Token 多少钱，这个价格永远不降。后面它通过套餐或者其他方式推出更便宜的方案，让用户直接绑定在它的平台上使用；但如果你继续买它的 Token，价格还是原来那个价，不降。

就像我们现在如果使用 Anthropic 的套餐，比如 100 美金一个月，基本上是够用的；但如果你没有套餐，直接买 Token，你可能一天几百美金就没了，这是非常吓人的。所以，成本下降这件事，大模型公司并没有释放给它的用户。你原来按这个价格买，你就永远是这个价格，下降的成本都被它自己在套餐里消化掉了。

这是 Cursor 遇到的最严峻的问题：它必须按 Token 向 Anthropic 付钱，最后导致什么结果？它的毛利率是负的。它从用户那里收到 1 美金，要向 Anthropic 付 1.23 美金。收的钱越多，亏的钱越多，变成了这样一个状态。

自己做模型，也做得很狼狈

后面 Cursor 也是痛定思痛，说干脆自己做模型吧。自己做完以后自己托管，成本下降了，我就能享受到这个福利。它准备走这条路，结果尝试了两次。

可这帮人太年轻，有点好面子，有些事情拎不太清。因为刚才讲了，他们是辍学生嘛。两次做模型，实际上都是拿中国模型去改的。第一次好像是用千问还是别的模型改的，第二次是用 Kimi 2.5 改的。做完以后还要面子，说我是 AI IDE 的老大，这个行业的龙头，我不能承认自己是在套壳。

但这个圈子里的人多精啊，你把模型拿出来，马上就被人发现了，搞得非常被动。

现在 Kimi 2.5 这个模型，你拿它套壳、重新训练一下，其实是可以用的，并不是完全不能用，应该比 Grok 还要好一些。但是跟 Claude 肯定有差距。如果你一开始就跟人说，我们就是这样的情况，价格也不贵，其实大家是愿意用的。

OpenCode 就是这么干的，一个月 10 美金的套餐，里面给 Kimi 之类的模型，其实大家是愿意走这条路的，没有问题。但你一上来不说，程序员多少有点小洁癖，那我干脆就不用你了，我就要狠狠地用 Claude，于是就变成了这样的状态。

所以它在模型这一头，等于被堵死了。

Cursor 的第二个问题：押错了 IDE 形态

另外一头，它又选错了路。一开始大家都觉得，编程一定要有 IDE，我们要去看代码。结果现在大家不看代码了。像我现在写程序，根本不看代码，包括卡帕西这些人写程序，也不看代码。那不看代码，我就不需要 IDE 了，直接用命令行工具就可以。

而且命令行工具像 Claude Code、Codex 这些，它不光可以写代码，还可以作为 AI agent 平台来使用，可以去控制你的电脑，做各种各样的事情。它已经超越了编程工具的范畴，直接向下一个阶段前进了。

那么这些做 IDE 的人就亏了，这是它遇到的第二个问题。

Cursor 的第三个问题：夹在 Anthropic 和微软中间

第三个问题，就是刚才说的，它在中间，一头是 Claude 大模型，另一头是微软的 VS Code IDE。

前面微软其实也跟它商量过，说算了你卖给我吧。现在 VS Code 就是世界老大，所有人都在我这上做，包括前面讲的 Windsurf、Anthropic，还有现在 Cursor，都是在 VS Code 这个开源项目上套壳，后台是微软在维护。微软说，你干脆卖给我就完事了，咱们接着往前走。

但是价格没谈拢。Cursor 觉得前面融资都融了这么多，后边还有机会。原来也经常遇到这样的创始人，一般怎么形容？叫心比天高，命比纸薄。

没谈拢怎么办？微软说那就算了，我限制你。以后你在 VS Code 上，我不给你新版本了；你想使用我自己闭源的一些东西，我也不给你。你现在只能使用旧版本的 VS Code，我不允许你升级。结果搞得它里外不是人，Anthropic 也收拾它，微软也收拾它。

Anthropic 还会直接封号

而且 Anthropic 还干了一个特别绝的事：直接把它的一些用户给封了。比如 xAI 当时就买了 Cursor 的服务，然后在里边使用 Claude 模型去编程。Anthropic 说，我认为你是我竞争对手，我直接把你封掉，不让你用了。这就非常过分了。

Anthropic 说，我随时可以认定你是我的竞争对手，就把你的账号封掉，它认为自己有这个权利。

这里也稍微提醒一下，正在被 Anthropic 的 Claude Code 竞争的这些行业公司，很多会因为被 Anthropic 打压，就拼命去使用 Anthropic 的模型来改进自己的业务。千万不要干这个事。你干得小无所谓，你一旦干大了，Anthropic 认为我也要做这件事，认为你在跟我竞争，咔嚓就把你账号封了。前面那段时间它在蒸馏你的数据，后边直接封你账号。所以如果你是因为 Anthropic 的竞争导致业务困难，请去使用 OpenAI 的模型，千万不要去使用 Anthropic 的模型。

其实 Cursor 早期也是 Anthropic 的好客户，用量最大的就是它。后来就是各种刁难，因为 Claude Code 出来了以后，Anthropic 认为你在跟它竞争，直接就收拾你了。

这就是 Cursor 现在遇到的问题：我需要算力，没有；我需要模型，没有；想做 IDE，另一头还被收拾；而且路也走错了。后面怎么办？搞不定了，马上就要挂掉了。

它是老大，那老二呢？老二叫 Windsurf，前面已经把核心团队卖给谷歌了，剩下那块就苟延残喘。现在这个老大也在孤军奋战。

为什么说这是“双向奔赴”

于是，两个难兄难弟就只能双向奔赴了。

所以这笔交易的本质，是 Cursor 可以在 SpaceX 的空闲机房上部署自己的模型。比如它前面用 Kimi 2.5 训练的模型，甚至因为机器够多，你还可以用 Cursor 自己积累下来的这些编程数据，再去用 Grok、Kimi、GRM 这些开源模型训练新模型出来，基本上是可以接近 Claude 这个水平的。

这对 Cursor 来说，才是真正有价值的地方。你也不需要再向 Anthropic 交那么多 Token 钱了，咱们就在 SpaceX 的机房里可劲造就可以了。

对于 SpaceX 来说，我现在也可以跟大家解释清楚了：我这个 100 万块 H100 的机房里到底在干嘛。天天在那落灰、跑老鼠，这肯定不行。我这儿有活干着呢，有矿车在里面把显卡都烧着呢，我也能够达到 45% 甚至更高的使用率。这不就可以了吗？

所以他们相互之间是在打一个掩护。

这笔并购，最后真的会完成吗？

那最后会不会真的实现并购？600 亿美金去买一个年化收入 20 亿或者 25 亿美金的公司，它的股东就乐意吗？

重合股东，是交易成立的基础之一

大家要注意，SpaceX 的股东和 Cursor 的股东里面是有一定重合度的。对于这些重合股东来说，我又投了 Cursor，又投了 SpaceX，我希望的是什么？就是两边都别亏。

这个里头重合的是谁？谷歌。谷歌是两边的大股东。其他一些机构股东，也有一部分在两边都占股。对他们来说，这样的交易是可以接受的。

真正完成 600 亿美元并购的概率，几乎为零

那最后的结局会是什么样？会不会到了 2026 年年底皆大欢喜，花 600 亿把这公司买回来？这个可能性基本等于零。

为什么这么判断？就跟刚才说试婚一样，试了以后，最后真的能结婚的其实不多。现在这笔交易，马斯克压根也没有惦记要真的把这家公司完整买回来。

原因一：SpaceX 已经在准备上市

第一，现在 SpaceX 已经向 SEC 交表，要上市了。你在这个时间点再想收购一个 600 亿的公司回来，肯定不行。表交上去以后也不能乱动，必须等你上市以后再说。

可你一旦上市以后，再想收购 600 亿的公司，就不是你们几个投资人加股东坐在那拍脑袋能搞定的了。到那个时候要开股东大会，所有买你股票的人都要投票，所以这件事基本不太可能通过。

原因二：SpaceX 真正想要的是团队，不是整个公司

第二，现在 Cursor 的核心成员已经开始从 Cursor 离职，直接到 SpaceX 去入职了。所以最后马斯克要的是 Cursor 这帮人，至于 Cursor 这家公司，就算了。

这笔交易还有一个现实作用：帮助 Cursor 继续融资

Cursor 现在也快混不下去了，手里钱烧得差不多了。他们现在想再融一笔钱，再融 20 亿美金，以 500 亿美金估值去融。

这个时候，因为有 SpaceX 兜底，因为最后说要用 600 亿美金买，你们还是可以投进来的。即使最后没买，这 100 亿美金的分手费也可以赔你们的钱。所以现在请把这 20 亿美金交给 Cursor，让它再烧一段时间，这件事情也就解决了。

剩下这些投资人，不管是 Cursor 早期的投资人，还是最后这 20 亿美金的新投资人，对于他们来说，这 100 亿美金的分手费就是重点，盯着这个分就完了。

SpaceX 为什么愿意掏这 100 亿美元？

对于 SpaceX 来说，为了让自己的业绩好看一点，掏这 100 亿美金值吗？这个事可以这么分析。

1. 
   Cursor 有真实价值。它的价值不是 20 亿美金的年化收入，而是它有这么多用户编程数据。这个东西才是真正有价值的。拿着这样的编程数据去训练编程模型，非常有价值。
2. 
   Cursor 能帮 SpaceX 消化算力。刚才讲过，Cursor 进入到 SpaceX 以后，会拿着这 100 万张显卡的算力中心可劲造，训练新模型，或者让用户大量使用，再推出各种廉价套餐。在这个过程中，它就可以把这些算力成本直接摊进去。你这 100 亿美金，我确实要给，但其中可能有 50 亿美金，已经当作算力消耗掉了，那我就不用再额外给你了。

所以这个事也算是一种小小的关联交易。只要最后的价格是公允的，就是左手倒右手，一个愿打一个愿挨，也就过去了。

剩下的几十亿美金，就跟这些早期投资人分一分。你说这几十亿也是钱啊，但到那个时候 SpaceX 已经上市了，它可以拿什么来分？可以拿 SpaceX 的流通股票来分。我直接增发一笔股票，把股票分给这些投资人不就完了吗？

比如谷歌，你是 SpaceX 的股东，我这个 Cursor 没买，你那边受损失了，我就多增发一点 SpaceX 股票给你，行不行？谷歌也是乐意的。SpaceX 的股票肯定是香的，大家愿意接受。就算有些人不愿意接受，我给你一点点现金，剩下的人还是愿意接受 SpaceX 股票的。

结论：这是一笔各取所需的交易

所以这个生意对 SpaceX 来说绝对不亏：

• 重新得到团队；
• 得到大量编程数据；
• 把自己空空荡荡的机房跑起来；
• 让报表更好看；
• 还可以把这个机房按几十亿美金的算力消耗掉。

投资人也可以收回自己的投资，甚至还可以拿到 SpaceX 股票。

所以，这是一个皆大欢喜的交易。

最后的悬念

至于说最后 SpaceX 到底能不能做出一个特别好用的开发工具，或者能不能做出新的、能够战胜 OpenAI、战胜 Anthropic 的模型，这件事我觉得算是一个美好的愿景。

我们可以继续期待，但稍微有一点难，它起步还是晚了一些。我们希望马斯克能够把它做出来。

背景图片

OpenAI 和 Anthropic 的新模型将走向何方？

大家好，欢迎收听老范讲故事的 YouTube 频道。

OpenAI 的新模型有消息了。有媒体披露，一些内部信息泄露出来了。The Information 在 3 月 24 日发了报道，说 OpenAI 已经完成了下一代大模型的预训练，内部代号叫 Spud。山姆·奥特曼在内部对员工说，这是一个非常强的模型，并且可能切实推动经济加速发展。

随后，路透社、连线杂志、Bloomberg 都围绕着新一轮的组织调整，以及 Sora 关停等信息，对这个新模型进行了报道。OpenAI 正在把资源从视频等边缘业务抽回来，集中押注在代理、编码、企业产品和统一的超级 App 上面。

这里边，Spud 不是官宣名称，而是一个内部项目代号。所以我们通过这个词去猜它到底是什么意思，其实很难。OpenAI 的习惯是先随便起个名字，等到发布的时候，可能给它一个版本号。最后也许是 GPT-5.5、GPT-6，都是有可能的。

这次泄露出来的信息很少。OpenAI 内部把它描述为即将发布的新模型，内部预期是未来几周内，也有媒体描述为 coming weeks，就是几周后会发布。后面咱们也拍脑袋猜一下，这个模型到底会有什么新特色。

Anthropic 这边也泄露了一个新模型，叫 Mythos，也有人管它叫卡皮巴拉。这是因为人为错误泄露出来的模型。Anthropic 刚吹了牛，说自己的 code review 功能非常强，结果就出了这种 bug，实在不应该。

什么是 Code Review？

什么叫 code review？就是写完代码以后，我要去提交回去。不是说我从头到尾写一套新代码，而是说我要在原来的系统里稍微改点东西。

在这个时候，我们需要把所有代码都看一遍，看看你有没有改了一个错误，却带来十个新错误。这个过程就叫 code review。

它非常考验程序员对代码的理解能力，以及对大规模代码的处理能力。因为代码很多，把这段新代码放进去以后，你得知道它有没有牵一发动全身，是不是对其他地方有影响。所以真正的老程序员、资深程序员，是要去干这个活的。

Anthropic 说，自己出了一个新的 code review 功能，这个能力非常强。code review 完以后，再让程序员去看，99% 都是满意的，只有 1% 可能会有一点点小偏差。结果自己刚吹完这个牛，就出了这样的信息泄露 bug。

Mythos 是如何泄露出来的？

这个事情是 3 月 26 日《财富》杂志发现并进行了报道，3 月 27 日 Anthropic 就承认了，说确实有这么个事。这应该就是前面大家普遍猜测的卡皮巴拉模型。

大家注意，卡皮巴拉是内部代号，而 Mythos 是对外名字。因为如果不是对外名字，它也不会进到 CMS 系统里去。这次泄露，就是从 CMS 系统里泄露出来的。

CMS 是什么？

CMS 是什么？叫内容管理系统。名字听着很文绉绉，实际上就是官网后台。所有公司都会有官网，官网上有博客、有各种产品介绍、有成功案例。作为一个公司的官网来说，它就叫内容管理系统。

大家注意，这种管理系统上的东西会在什么时候写？比如说我今天发新模型，我会今天才写吗？肯定不会。一定会提前写，但也不会提前太多。比如提前一周、两周，把物料都准备好。准备完以后，先让它不可见，等新模型发布的时候，再统一拿出来，改一个参数说现在变成可见了。通常一定是这样的过程。

所以 Mythos 这个名字，一定是对外用的名字。因为对内用的名字，没必要写到信息管理系统里去。

为什么会被爬虫发现？

那它有可能发生什么样的配置错误，才会直接被人发现呢？这个以前我们也干过。当时盛大做电子书的时候，也是先写好文章，把网站都做好，但不能让别人发现，要等开完发布会以后才能拿出来。

如果后边我配错了什么东西，这些信息就会被爬虫拿走。虽然你可能没有一个公开链接，或者链接藏得很深，但爬虫不管这些，它会进来一顿爬，然后告诉大家有什么什么新东西了。

现在 Anthropic 的网站一定是大家每天都盯着的网站，一堆爬虫在那爬。所以它 CMS 系统里即将公开的信息被爬虫爬走了，然后就被像连线杂志、《财富》杂志这些媒体通通报道掉了。Anthropic 也只能自己承认，说确实有这个事。

猜测 OpenAI 的 Spud 会走向哪里？

首先我们先来猜测一下 OpenAI 的 Spud 模型可能有什么能力。大家注意，这是猜测，猜错了就当听个笑话。

OpenAI 现在手里的真正大杀器是什么？是 OpenAI Codex。它把 OpenAI Codex 的创始人又拎回到自己公司里来上班了。真正需要做的事情是什么？就是要打造一款适合 OpenAI Codex 的模型。

一个“傻瓜型”统一入口模型

它需要一个什么样的模型？一个“傻瓜型”模型。不是说这模型本身笨，笨肯定没法用。怎么个“傻瓜法”呢？就是可以自动根据 agent 任务的复杂度，直接上不同算力和推理强度的模型。

比如说现在有 GPT-5.4、GPT-5.4 Pro、GPT-5.4 Mini、GPT-5.4 Nano 这些模型，那我到底什么时候该上 Nano，什么时候该上 Mini，什么时候该上 5.4，什么时候该上 5.4 Pro？这个东西如果用错了，不光浪费算力，它还慢。而且 OpenAI 去卖算力、卖套餐的时候，你的额度也是按模型分开的。

比如我使用 5.4 模型，第一个是很慢，第二个是我这 20 美金的套餐可能两三天就跑没了，然后就得等下个礼拜再回来，这谁也受不了。那你说我都挂 Mini 行不行？挂 Mini 的话，可能够它跑一个礼拜，但它又不够聪明，很多事情跑不对。

那怎么办？对于 OpenAI 来说，最简单的方式就是做一个统一入口。在这个入口里，它自己来分配：

• 复杂的任务，比如任务规划，上 5.4；
• 调用各种工具、跑一些简单任务，就上 5.4 Mini；
• 再简单一点的上 Nano；
• 最后把大量信息放在一起，需要总结归纳了，可能再上一次 5.4 Pro。

这样等于在需要聪明的时候就非常聪明，不需要聪明的时候又很省算力，反应也很快。

这应该就是 OpenAI 在干的事情。这种东西出来以后，OpenAI 就可以给出一个非常高使用额度的套餐。因为你大部分任务实际上都是简单任务，真正需要很大算力、很长推理的任务并没有那么多。

“自助餐”式套餐的类比

这相当于它出一个自助餐。我们现在使用套餐，其实就有点像自助餐，给你多少额度，至于你具体干什么，它其实不管你。

在自助餐里，比如我去吃日料，我就专盯着海胆或者鱼子这种比较贵的东西去吃，那任何日料店都受不了。

那他们怎么办？有的日料店就说，我给你限制一下，你只能吃两份海胆，只能吃几份鱼子。还有一些日料店是怎么处理的？我把品类变多。我这有海胆、有鱼子、有三文鱼、有北极贝，也有寿司、加州卷。寿司里头有米，加州卷里头米更多。

当我把这么一大堆东西都拿出来的时候，你东吃一口、西吃一口，最贵的食材，或者总体的食材消耗量，就下降了。

这个例子举出来，大家应该就理解了。OpenAI 想干的活，就是我给你准备非常非常多的东西。你想吃到什么的时候，我就给你相应的东西。

我给你准备一个非常齐全的菜单，大家根据各自需要，吃了些米饭、吃了些面条、吃了点三文鱼、吃了点鱼子、吃了点海胆，整顿吃下来，我还可以给你很便宜，因为你最后可能也就吃了一份海胆。这应该就是 OpenAI 的 Spud 可能努力的方向，当然这是我猜的。

Anthropic 的 Mythos 可能意味着什么？

下一个咱们讲一讲 Anthropic 这个叫 Mythos 的东西。我们从这个名字上，可以猜出来他们想干什么。原因很简单，因为这个名字是对外名字，就可以来猜了。

从 Haiku、Sonnet、Opus 到 Mythos

Anthropic 的这几个模型，第一个叫 Haiku，意思是俳句，是日本的一种极短诗体，传统上只有 17 个音节，通常分为 5-7-5 三段。

稍微大一点的模型，或者叫中等模型，叫 Sonnet，也就是十四行诗，也还不是很长。再往长一点的，叫 Opus。像我们现在用得最好的、跑“龙虾”的模型就是 Opus。它的意思是作品、剧作、篇章作品，是这样的一个名字，这个就可以写一本小说了。

最新这个即将发布的叫 Mythos，是什么意思？叫神话体系、神话叙事，一个文明的核心故事。大家就想明白这是个什么东西了吧。它不是 Opus 4.8 或者 Opus 5.0，它是在 Opus 的基础上再往前推进一档。这是比 Opus 更强一级的模型。

为什么 Anthropic 要做更强的模型？

Anthropic 为什么要做这样一个模型？首先我们要想，Anthropic 遇到了什么样的问题。现在的问题是 harness 太强，导致模型之间的差异被缩小了。

Harness 是现在比较新的一个概念，直接翻译过来可以理解为驾驭系统。Claude Code、Claude Copilot、OpenAI Codex，以及我们现在正在热炒的“小龙虾”、OpenClaw，实际上都属于这种驾驭系统。

这个词好像还有一个翻译叫马的缰绳。其实我觉得用“马的缰绳”来讲这个事，大家更容易理解。

我们现在有匹马，就是这个模型。你给它套上缰绳了，哪怕这个模型差一点，只要我这个缰绳控制得好，它也能够走直线，能把车拉走。一堆中国模型，在强力的“马缰绳”驱动下，也可以进到 Claude Code 或者 OpenAI Codex 这种 agent 系统里去，某种意义上滥竽充数。这就是 Anthropic 遇到的问题。

那么从 Opus 进化到 Mythos，从“作品”进化到“神话体系”，会有什么样的变化？就是把很多原来 harness 的能力内化到模型里边去。这就是他们要干的活。让新一代的 harness 只能适配新的、能力更强的模型，别人再想滥竽充数就充不了了。

Anthropic 不会弱化他们现在已经有的 harness，比如说 Claude Code，把它做得简单一些，它不会干这个活。但是它会让模型有更强的自主能力。

像原来说，这匹马是烈马，经常瞎跑，怎么办？我就把缰绳拉紧一点。以后 Anthropic 可能说，我给你更强的自主能力，你可以自己决定往哪走。这样的话，如果模型强，就可以更好地完成任务；如果模型差，那就没法看了。

咱们原来有两个成语，一个叫老马识途，一个叫信马由缰。你说我把缰绳松开了，你自己走吧。走的过程中，老马又认识路，它可能就把你带回家去了。Anthropic 如果把这个方向搞定，那些滥竽充数的中国模型大概率就会掉链子。

中国模型是如何“冒充” Claude 的？

中国模型到底是怎么冒充 Anthropic 的 Claude 模型的？

1. 第一步最简单，就是 API 格式直接去模仿，这最容易。调用什么模型，命令以什么格式进去、什么格式出来，这块国内模型早就干了。所以现在我们使用比如 Kimi、MiniMax、豆包这些模型时，调 API 的时候，里头往往有两个接口：一个模拟 OpenAI，一个模拟 Anthropic。你在不同地方有不同接口可以调用。
2. 第二件事就是蒸馏，这肯定少不了。现在国内的大模型都喜欢去蒸馏 Anthropic 的模型，一般不会去蒸馏 OpenAI 的模型。

AI 系统一般分哪三层？

除了最简单的这两点之外，后边稍微讲一点点技术，尽量按简单方式讲。现在的 AI 系统一般分三层。

第一层：模型层

第一层是模型层，就是咱们讲的大模型。它负责什么？

• 长任务规划；
• 代码理解和生成；
• 工具选择；
• 多步推理；
• 目标保持；
• 自我修正；
• 在不完整信息下继续推进。

比如你说我要干一件什么事，它先想好第一步干什么、第二步干什么、第三步干什么，最后如何确认这个事情。

目标保持这个能力很难，也比较靠功夫。国内很多模型跑着跑着就跑偏了。然后是自我修正，跑偏了以后你能不能回来，这也靠模型能力。

还有一个很考验模型的，就是在不完整信息下继续推进。其实我们让模型去干活，给它的信息经常是不完整的。有的时候，我一个眼神你就领会了，这就叫不完整信息下的继续推进。有些模型则必须把话说得很透，它才能按要求往前走，这就是模型差异。

第二层：Harness 层

第二层就是 harness 层，叫驾驭系统层，或者叫“马缰绳层”。这里边它干的活包括：

• 代理循环；
• 上下文剪裁和注入；
• 子代理分工；
• 权限审查；
• 工具路由；
• 检查点、工作树、回滚；
• 记忆系统；
• 任务调度。

代理循环就是看看还有什么任务没做完，接着做；还没做完，再接着做，它会干这样的事情。

上下文剪裁和注入，就是把大量上下文保存起来、管理起来，在需要的时候，把正确的上下文剪裁好、压缩好，再塞到 agent 里去，让大模型去处理。

比较复杂的功能，比如检查点、工作树、回滚，这些也都是由 harness 控制。这些都属于编程里常用的东西。

检查点是什么？就是我在这设置一个点，如果出问题了，可以从这退回去。至于工作树，就是我们在同一个地方分叉，按不同方式去做，做完以后再合并回来。回滚就是哪做错了以后，可以 rollback 回到上一个状态，保证从那个地方继续往前走。

我们现在使用“小龙虾”，其实天天都在跟这些功能打交道。

第三层：环境层

最后一层叫环境层，包括文件系统、脚本执行、浏览器、图形界面、虚拟机沙箱，或者 GitHub、Slack、Discord、Telegram、QQ 这些外部系统。整个 AI 系统，基本上就是这三层在工作。

哪些能力可以靠 Harness 补齐？

有些模型能力差一些，是可以靠 harness 来补齐的。比如我现在“龙虾”里用的是 MiniMax 2.7，因为“龙虾”自己能力还是比较强的，所以基本上能干活。

哪些能力可以补齐？

• 明确任务解析；
• 代码库检索；
• 文件修改；
• 各种脚本执行；
• 固定格式输出；
• 规则驱动审批；
• 记忆回填；
• 向量搜索。

相当于什么呢？一个眼神过去它搞不定，但我掰开了揉碎了，把事情讲清楚，那么 MiniMax 也能干活。

为什么这些就可以搞定？因为它们是通过子代理模板、预设工具链、各种 agent 描述文件、权限模式、沙箱这些东西，等于“龙虾”限制了模型跑偏。这些模型相当于是烈马，有一个很强的缰绳，就可以把事情往前推。

哪些能力不容易靠 Harness 补齐？

(img: 一匹烈马与一匹老马并列前行，前者被紧紧拉住缰绳仍试图偏离道路，后者在雾气、岔路和噪声中依旧稳稳朝目标前进，象征难以外部补齐的模型本体能力，羊皮纸，钢笔彩色手绘的统一风格。3:2 )

还有一些能力，是不太容易被 harness 补齐的。这些能力，是真正吃模型本体的。

• 目标在很长上下文里不漂移；
• 面对噪声和歧义的时候继续推进；
• 知道什么时候该停，什么时候该问，什么时候该反思；
• 工具选择是否正确合理；
• 信息不完整的情况下，如何高质量地自我纠偏。

比如我给你讲半天，你一定要记住你到底要干什么，不能讲了半天以后你忘了，这不行。这个中国模型就比较容易出问题。

第二个，是面对噪声和歧义的时候继续推进。比如我给你开个玩笑，我给你阴阳怪气一下，你要继续沿着正确路径往前走，不要被我带偏了。

还有什么时候该停，什么时候该问，什么时候该反思，这也非常考验模型能力。像我现在使用 MiniMax，就必须告诉它：这个事该停下来了，这个事你别问我，你自己去搞定，那个事你现在要做一次完整的自我反思。我只能手动做这件事，没法让它自动做。

以及工具选择是否正确合理。你使用 Opus、使用 Claude 的模型，它就会比较合理地去使用工具。包括我用 GPT-5.4，在这块也没什么问题。但你使用中国模型的话，就会出现一些跑偏的情况。你要不停地去校正它，校正完了以后还要告诉它，记住，这个东西下次不能再错了。当然有时候它还会再错一两次，但你多让它记几次以后，它还是能记住的。

还有就是信息不完整的情况下，如何高质量地自我纠偏，这也非常非常考验模型能力。

Mythos 的升级重点可能在哪里？

这一次 Mythos 的升级，主要就是照着刚才我们讲的这些 harness 比较难补齐的部分去升级。Anthropic 讲了，说他们主要会在网络安全能力、计划能力以及错误修复能力上进行升级。这是在媒体报道了 Mythos 这个名字以后，Anthropic 自己承认的。

同一个 harness 使用 Mythos，可能会比今天的 Opus 4.6 更进一步。比如更少跑偏，更少问一些错误的问题，更少在多步链路里丢失目标，更会使用计算机，更能够在复杂系统里自我修正。这就是他们想去做的事情。

中国模型可能就要抓瞎了，可能会在高噪声环境下没法稳定地完成完整任务。

遇到这种比较差的马，你就一定要把缰绳拉紧。在低监督环境下，它自我推进的能力肯定也会变得很差。特别是像网络安全，因为网络安全里一定是信息不完整的，而且很多人惦记骗你。你怎么能够在这个时候把事情做对，这非常考验模型。它如何进行比较长距离的规划，如何进行错误修复，这些都会很考验模型。

未来会如何发展？

第一个，几周之内，咱们应该会看到两个新模型。不管是 OpenAI 还是 Anthropic，都会推出新模型。我个人会更期待 OpenAI 的模型，因为我订阅了，我花钱了。

Anthropic 我一直没舍得。正确使用 Anthropic 模型的方式，应该是这样：

1. 先花 20 美金订阅；
2. 老老实实在稳定的 IP 环境下使用；
3. 尽量在 Claude Code、在 Anthropic 自家的工具里用；
4. 用一段时间以后，再逐渐地到“龙虾”里去用；
5. 养一段时间号以后，再看看是不是让它在这种比较复杂的 IP 环境下工作，才能避免封号。

否则的话，它封你没商量。

像我现在其实可以基本保证稳定 IP，因为基本都在家，也不怎么出门，不会遇到 IP 经常跳来跳去的情况。但是养号这段时间，我肯定还是要花美金去订它的账号，而且在这段时间里，我是没法高强度使用它的，所以我一直没舍得。

那么 OpenAI 推出新模型以后，我大概率可以在 OpenAI Codex 里靠 20 美金套餐，就基本让它跑完，而不会像现在这样，跑个两三天就把一周额度跑光。如果真能做到这一步的话，我应该还是比较开心的。

OpenAI Codex 其实是一个设想非常宏大的产品，就是它功能未必都实现得那么好，但它设想的功能很宏大，而且对于各种模型还是相对比较友好的。

至于 Anthropic 的 Mythos，反正我现在准备等中国模型去蒸馏它。我相信这些公司应该不会放过它。等这些模型把 Mythos 的能力蒸馏回来以后，我应该也能够使用部分 Anthropic 的能力。

好，今天的故事讲到这里。感谢大家收听。请帮忙点赞、点小铃铛，参加 Discord 讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

背景图片

Prompt：in the style of modern editorial watercolor, ink wash edges, soft bloom, textured paper feel, restrained palette, clean hierarchy, hyper-detailed Silicon Valley startup office interior, floor-to-ceiling glass walls revealing a garden of blooming cherry blossom trees, employees working at sleek standing desks with curved monitors, soft golden hour light casting gentle shadows, blush pink and warm ivory tones, indoor plants mixed with the view of outdoor樱花, depth of field with foreground cherry petals, warm and orderly atmosphere –no cluttered, –ar 16:9 –stylize 600 –chaos 15 –v 7.0 –p qaczhqj

白领真的会被取代吗？Anthropic 的黑客马拉松给出了不同的答案。

大家好，欢迎收听老范讲故事的 YouTube 频道。

Anthropic 举办了一次黑客马拉松，赛事的名字叫“使用 Opus4.6 来构建一个 Claude code 黑客松”。主办方是 Anthropic 和当地的一个孵化器，时间是 2026 年 2 月 10 日到 2026 年 2 月 17 日，一周的时间。形式是线上先报名，经过核准以后，用一周的时间在线上做作品，然后在旧金山线下进行演示。

绝大部分的获奖者都不是职业程序员，没有任何一个聊天工具获奖。这就是 Anthropic 想要给大家指明的方向。

今天这个故事咱们分几块来讲：

1. 赛事的细节
2. 获奖作品的介绍
3. 领域专家才是未来的方向
4. 到底有哪些白领会被取代
5. 都变领域专家了，程序员该怎么办
6. 行动起来，大家一起来成为领域专家

一、赛事的细节

先跟大家介绍一下赛事的细节。

线上报名，据说有 13,000 多人去报名了，选出了 500 组参赛。一组是 1 到 2 个人，每组可以获得 500 美金的 Claude API 额度，就直接给你们这个额度，大家拿这玩意去做产品。总奖池是 10 万美金的 Claude API 额度。你说算真金白银吗？也算，但是给出来的都是 token。

通常是一个人参赛，最多是两人成组。你说“我这有 50 多人，我们组成一个团队来参赛”，这不允许。

最终提交的是 227 个项目，分成三个赛道：

• 第一个赛道叫“打造本该存在的工具”，待会咱们解释为什么叫这个名字；
• 第二个赛道叫“打破专业成本、语言、基础设施门槛”；
• 第三个赛道叫“增强人类判断，而不是取代人类”。

还有两个特别奖：

• 第一个特别奖叫“Opus4.6 的创意探索”；
• 第二个特别奖叫“持续思考奖”。

一共是五个奖项。

评委主要是 Anthropic 的团队成员。评奖的时候，并不是看你的代码写得有多好，更多是看你的演示和视频，你是要拍视频的。

我以前也办过类似的比赛，所以可以跟大家介绍一下，为什么这种比赛会设置成这样。

通常比赛开始的时候会有很多人报名，特别是热门比赛。像 Anthropic，它现在的 Claude code 绝对是 vibe coding 这个领域最强的工具了，他去办比赛，而且给出真金白银的 token，报名的人一定非常多。

13,000 人报名，你说都去提交作品，大家看得过来吗？肯定看不过来。那怎么办？先设置一个门槛：你要先介绍一下你想干什么，先做个视频，大家觉得这个事有意思，才能允许你参加。

要不然 13,000 多人都来，每个人都给 500 美金，如果他真的给，绝对不是 13,000 人报名，可能几十万几百万人都来了，很多中国人可能都会跑去报名薅羊毛。所以一定要设置门槛，先提交计划，选出 500 组参赛的人。这 500 组一定是有一定诚意的，他们能投入精力，认认真真完成项目简介，才可以真正领到这 500 美金。

领到以后也不是所有人都能提交作品。有很多人说我想干，等领到钱以后干不出来了，这个可能性很大。但好在现在 Claude code 的 vibe coding 很强大，接近一半的人还是做出来了，所以最后有 227 个项目真正提交。当然也可能是一组提交两个作品或者两个以上。

做比赛的目的就是告诉大家未来方向是什么，请往这个方向努力，所以会按照主办方所期望的方向去评奖。我以前办过的最大的一个比赛，是猎豹移动当时上市以后整了一次“傅盛战队”的比赛，也希望有很多小伙伴顺着我们这条路继续往前走。当时比赛里获奖作品叫 musically，也就是现在大家使用的 TikTok。所以这种比赛会有一些很神奇的东西产出。

二、获奖作品的介绍

那这一次 Anthropic 的黑客马拉松，产出了一些什么样的作品？

第一名：加州建筑许可纠错和合规流程加速

第一名叫“加州建筑许可纠错和合规流程加速”。大家听名字就知道干什么：你想在加州做一个建筑许可，需要有大量的文件去对齐，这个东西允许不允许、那个东西允许不允许，有哪些规章制度、有哪些地方性法规。这些法规可能还是在不同时间点下来的。

你要做建筑许可，就得把大量文件放在一起核对，而且这些文件还不是结构化文件，是一份一份的法律文件。最后要保证申请的建筑许可符合所有规章制度，不符合可能被打回来，或者引起诉讼。

建筑还不仅仅是文档条款，它还有图纸。有些要求说必须要有尖顶，或者要什么颜色、什么窗户，有很多要求在里头。这个项目能够通过图纸理解、法规检索、初始文案草拟，提升审批效率，做的是这样的事情。作者只有一个，是个律师，不是程序员。

这是一个高度刚需的场景：审批退件成本很高，而且周期很长。为什么咱们老说西方不管是美国还是欧洲，处理很多事情非常慢，就是你需要把大量东西核对、对齐以后才能往前走，它必然很慢。中国很多东西变快，是很多时候“萝卜急了不洗泥”，过一段时间发现这也不对那也不对。他们就尽量避免这件事情，所以原来很慢。

现在有个律师用 Claude code 参加 hackathon，用一周时间把这个东西用 AI 自动化了，用 AI 把法律检索、图纸理解和回函草拟打通成为单流程工具，极大提升效率。

第二名：儿童的可视化编程 IDE

第二名是“儿童的可视化编程 IDE”。用户拼装规格，代理自动生成真实可执行的代码。

儿童可视化 IDE 原来一直就有，有一个语言叫 scale。像我那时候做傅盛战队比赛的时候，有一个项目叫编程猫，这个项目现在大概已经快上市了，他们就是用这个 scale 去做搭积木编程培训。这次也有一个类似项目获奖。

这次的项目是通过代理协作进行规划、构建、测试和审阅。以前你通过小模块搭建的东西比较简单，现在因为有 vibe coding，它可以做更复杂的规划和审核。这个项目强调“规格与测试成为主产物，而不是手写代码”。原来我们可能教孩子写 Python、写 JavaScript，现在干脆就 vibe coding，直接教大家怎么通过 vibe coding 实现更复杂项目，怎么让产品做出来以后还可以有测试。

第三名：就诊对话与病历转成持续的个性化医疗指导

第三名是“把就诊对话与病历直接转成持续的个性化医疗指导，提升患者离开诊室后的理解与执行”。作者也是一个人，是一个在布鲁塞尔的心内科医生。他解决患者离开诊室后记不住、看不懂的问题，能够连接病历信息与持续问答，提升医患沟通质量。

我以前见过一个类似案子，那是程序员做的项目。他们解决的问题是：很多患者看完病回去忘了吃药，然后去起诉大夫说你没给我看好；大夫说我这有医嘱，什么药都给你开了，最后是你自己忘了吃。这事怎么弄？国外对医生要求挺严格的。

特别奖一：Opus4.6 创意探索特别奖

第一个是 “Opus4.6 创意探索特别奖”，是一个实时生成乐队指挥系统的项目。既然做创意，总要做一点不一样的。作者是一位音乐人，使用一个音乐引擎来保持低延迟，在 15 毫秒以内的乐队指挥系统。Opus 大模型用于高层编排和风格控制，并且避免阻塞实时音频，也就是音乐会实时演奏出来，这块确实比较考技术。

特别奖二：持续思考特别奖

最后一个是“持续思考特别奖”，给了一个交通评估与风险分析项目：输入道路影像，进行基建投资评估，包含成本收益与公平性维度。是跑到非洲去看看周围有什么村子、有什么资源，我们应该如何修建道路，让大家能够公平享受交通基础设施。

它用于资源有限地区的基建评估提效，否则这条路应该从我们村过还是从他们镇子过，大家会吵架。现在把信息输进去，让 AI 来评评理，这是从单纯经济性扩展到社会受益分布的新型项目。

三、Anthropic 想指明的方向：领域专家上位

Anthropic 评的奖，奖项一定代表 Anthropic 期望的未来方向：他希望大家怎么去使用 Claude code、怎么去使用他们家的大模型，他就会怎么评奖。

• 更多的是跨行业非传统开发者上位：有律师、有医生、有音乐人，还有基础设施从业者，都冲到头部拿奖去了。真正的程序员可能也就是做少儿编程 IDE 的那位，其他都不是。获奖的是律师、是医生。
• 团队形式更轻：公开头部奖项多数为一人完成，说明个体加 AI 生产力显著增强。
• 选题更偏向高摩擦工作流：政务审批、医疗解释、基建评估，不是纯娱乐的 demo，你真的得解决一些问题。
• 共同方法论：把 Opus4.6 当做推理与编排层，把 Claude code 当做执行与交付层。

大家注意，Claude code 在这里头并不是帮大家写代码的，而是要在里边做执行。像我们现在使用 co work 这些办公软件，就是在 Claude code 这样的开发工具基础上做的一些改变。他现在说，你们接着在这上头给我做各种各样的插件，去适应不同的行业，这就是 Anthropic 对未来指出的方向。

总结出来就是：领域专家才是未来的方向。

四、为什么“原本应该存在的工具”现在才出现

每个领域中都有自己的专家，掌握很多领域知识。太多老师傅脑子里的知识是很难被 AI 获取的。AI 现在只能把网络上或者公开文档去训练成知识，但很多老师傅说“我知道这东西应该这么做，我一看就知道这里头哪有问题”，这些东西 AI 没法获取。

很多职位都有自己的知识储备，这些就是行业潜规则。有人问：这些潜规则为什么不能写下来，成为明确的规范传承下去？是不是老师傅敝帚自珍？有这方面原因，但更主要的是规则太细，而且很多规则执行时必须具体事物具体分析，你没办法把所有规则都写死下来，所以这些规则很难学习，太多需要长期训练。

就跟我们以前说培养一个中医怎么培养：先跟着师傅抄方子，抄完方子跟着师傅抓药，再在师傅旁边学习怎么给人看病，多少年以后才能出师；逐渐自己看病，自己看病时师傅还得在旁边看着，然后才算出师，自己出去给人看病。它是这样的过程，这种东西 AI 很难学会。

我很喜欢看的一个美剧叫《ROOKIE 菜鸟老警》，讲警察局里怎么培养新警察，也是这个过程：先上警察学校，上完以后到警察局里边，由师傅带这个菜鸟警察，带一年算正式毕业。这一年里教什么？上街以后哪个人可能是小偷、哪个人可能在贩毒，怎么盘问、怎么追捕、怎么填报表，这些只能手把手教。

教完了虽然有考试，但不是考完一次就能过，最后还是要师傅或者老警察给他写报告，才能说你现在没问题了，可以独自上街执行。那个美剧里还讲，每培养一个合格警察要花好几十万美金，非常亏。这也是为什么现在川大爷把 ICE 派下去执法经常闹出问题来，因为这些人没有经历过这么复杂、这么长时间的培训。

这就是领域专家。原来这些东西必须手把手教下来，现在有 AI 了，原来没办法工具化的东西就可以被做出来。所以他比赛的题目叫“原本应该存在的工具”。为什么以前没法做出来？因为你必须具体事例具体分析。现在有 AI 了，由 AI 来做具体事例具体分析，所以像大量信息比对、人工对齐、各种 paperwork，现在你就可以丢给 AI 去搞定。这就是这一次 Opus 给大家展示的 AI 能力。

五、哪些白领会被取代？

那么，哪些白领会被取代？这可能是大家关心的事情。

很多人都在讲：不会用 AI 的人会被 AI 取代，没毛病。现在引申一下：能够用 AI 将行业知识工具化的人，会取代那些抱残守缺、不思进取的人。

当 AI 工具被应用之后，效率会极大提升，很多原来的效率和成本瓶颈会被突破，社会形态也会重新去寻找新的平衡点。什么意思？就像黄仁勋讲的一样，说放射科医生在能够用 AI 读片之后反而变多了。当成本结构被重塑之后，流水线上的每一个工位所分配的人工数字也会发生变化。

原来比如包饺子：我一个人擀皮，两个人包，就是一个擀皮的配两个包的。以后包饺子的变快了，可能有一个包饺子机，让它非常非常快，我们就需要三个擀皮的，让那一个包饺子机吭哧吭哧在那包，它会发生这样的变化。但最终饺子会变多。

害怕 AI 会取代人类的两大前提里头，其实有一个是错的：用户总量和用户使用时长已经无法增长了，这就是 AI 革命面临的一个巨大瓶颈。以前互联网时代能上网的人快速上升，移动互联网时代能用手机的人快速上升；AI 时代我们还是用手机，还是用互联网，总的用户量和每个用户使用时间不会变多，这也是 AI 到来的时候所有人都觉得很痛苦的一件事情。用户总量和用户使用时长无法增加，所以社会所能消耗的总的产品和服务总量也是不变的——这个推论是错的。

用户总量和用户总数确实已经到天花板了，但用户可以消费的服务和产品价值必须不断上升，这样社会才能发展。所以要注意：AI 会取代人类这个前提是错的。并不是说我们生产更多东西、效率提升了，就一定会有人被淘汰，而是大家可以享受到更好的服务了，这个服务会变得更贵，这样才有意义。

就像刚才包饺子：三个人擀皮，由一个机器吭哧吭哧把饺子包出来，我们会得到更多饺子。即使我们吃不掉更多饺子，也可以包更好、更贵的饺子出来，这才是未来方向。我们可以用更多时间去调馅，用更多时间做各种不一样的饺子皮。饭量有限，就吃这么多饺子，但饺子种类变多了，里边包含的故事和意义变多了，会变得更贵一些。

刚才我们讲到，害怕 AI 取代人类有两大前提，有一个是错的，另外一个是对的。对的前提是什么？AI 发展太快，没有给大多数人留下适应的时间。所以 AI 最终未必会取代人类，但在中间快速变化过程中，很多人会感觉不舒服，他们可能会下岗、会被取代，但需要快速寻找新的定位，重新上岗。

六、程序员该怎么办？四条路

那程序员们怎么办呢？刚才我们讲了是城市规划者，那程序员咋办？四条路，就像职业司机一样：

1. 写底层代码或者追求算法极限，相当于造车或者开赛车，这就成为职业程序员了。
2. 进行系统维护，相当于修车师傅。
3. 成为教练，培养更多的人使用 AI 编程工具，因为以后所有人都需要使用 AI 编程工具，他们需要教练来教他们，相当于驾校教练。
4. 在特定需求的领域里头发展，比如有一些程序对安全性要求非常非常高，这还是需要特殊的程序员，相当于开卡车、开公交车，这些普通驾照开不了，你需要特定培训，这也相当于成为一种新的领域专家。

这就是给程序员未来的四条出路。因为程序会成为整个社会运转的基石，所以程序员需求总量可能比现在还要再高一些，但未来社会对程序员的素质要求肯定比现在高很多。现在的程序员未必能成为未来的程序员，素质要求上升了。

七、行动起来：成为领域专家

最后，听节目的朋友们，大家赶快行动起来，成为领域专家吧。工具很强大，千万不要持剑四顾心盲人。

前面也有人找到我说：老范，你来教我用这个东西吧，用这些 AI 工具吧。我说那你想用 AI 工具干什么？他说我不知道。所有你不知道想用 AI 工具干什么的人，你就不要来找老范了，自己先想清楚要做什么。

不要去做那些大而全的东西，说我要去做个 YouTube、我要去做个 TikTok，不需要。要从身边、从工作中的细节痛点难点开始。不成为领域专家，就有可能被淘汰。

好，这就是今天的故事。感谢大家收听，请帮忙点赞、点小铃铛，参加 DISCORD 讨论群，也欢迎有兴趣有能力的朋友加入我们的付费频道。再见。

背景图片

Prompt：American Marvel-inspired comic hand-drawn style, bold ink linework, dynamic crosshatching, cinematic concept illustration, interior of a California architectural review and planning office, room densely filled with zoning maps, blueprints, rolled plans, scale building models and drafting materials, rows of computers running vibe coding with glowing code editors and AI assistant panels, flickering monitor light as key visual rhythm, organized creative chaos, no people anywhere, eye-level 24mm wide establishing shot, balanced depth layers, soft overhead office light plus cool screen glow, steel gray, blueprint cyan, warm paper beige accents, high-detail technical clutter –no humans, no silhouettes, no empty room, no text watermark, no logo –ar 16:9 –stylize 180 –chaos 7 –v 7.0 –p qaczhqj

山姆·奥特曼突然官宣 OpenClawd，创始人 Peter Steinberg加入了 OpenAI。是不是 OpenAI 收购了 OpenClawd？甚至有些人出来哀嚎说，OpenClawd 现在变成 CloseClawd 了。事情并没有大家想象的那么简单。

大家好，欢迎收听“老范讲故事”的 YouTube 频道。

OpenClawd 应该算是 2026 年年初的一个现象级产品，甚至有很多人说，这又是一次 ChatGPT 3.5 时刻了，确实是引起了整个社会的关注。这位 OpenClawd 的创始人 Peter Thielberg 就同时收到了山姆·奥特曼和扎克伯格两个人的电话，这两个人都说：“我们聊一聊吧。”

他还回顾了说，扎克伯格给他打电话的时候是这样的。突然打个电话来说：“你好，我是扎克伯格，咱们能不能约个时间聊一下？”这位老哥，因为是个退休程序员嘛，说：“我不习惯跟人家去约时间，要么就现在聊，要么就拉倒。”扎克伯格说：“你等我 10 分钟，我要写一段代码，把这段代码写完了以后我来找你。”这老哥特别感动，说这么大 CEO、Meta 的老大创始人，自己还在这写代码。写了 10 分钟代码以后打电话回来聊，说：“我真的在用，有什么样的想法，我觉得应该怎么改，哪个地方我喜欢，哪地方不喜欢。”跟他聊了半天。

当时大家就认为，OpenClawd 大概就是会被这两家中的一家所收购。但是最后其实并没有走收购这条路，而是创始人加入团队的这条路。这个到底有什么样的区别？咱们后面再去讲。

今天这故事咱们分三段来讲：第一段叫 OpenClawd 并没有被收购；第二段，大型的开源项目和大厂之间的几种合作方式，咱们要稍微掰一掰；第三段，OpenAI 为什么不直接收购 OpenClawd。

首先咱们来讲，OpenClawd 并没有被收购

OpenAI 到底出了多少钱？应该没多少钱，可能也就是几百万美金。这个对于一个像 OpenClawd 这样的、引起整个社会关注的项目来说的话，相当于是白捡了。他这个钱是怎么给的？就是我们直接把人招回来，有可能会有一个入职奖金，甚至这种奖金还是以股票的形式来发放的。就是真正出的现金应该没多少。这位 Peter Stinebrink 就成为 OpenAI 的一个员工。

那你说那 OpenClawd 怎么办？这开源项目你还做不做？这个项目会继续留在一个叫 OpenClawd 基金会的管理下，由他们来去管理，这是一个开源项目。OpenClawd 的商标、OpenClawd 的域名、里头所有的代码，依然是属于 OpenClawd 基金会的。只是它的创始人、这个最核心的贡献者，上 OpenAI 上班去了。上班了以后，他其实依然是在管理 OpenClawd 这个项目，但是他要分清楚，哪些是 OpenAI 的指令，哪些是 OpenClawd 基金会的指令。

而加入到 OpenAI 里边的，只有 Peter Stinebarger 一个人。其实现在去维护这个项目的人已经有很多了，核心的大概也有快 10 个人了，但是真正加进去的就他一个，其他人都没有加进去。而 OpenClawd 自己的话，主要是由这个基金会来运作。这个基金会需要什么？付服务器的钱，或者组织各种活动，制定各种的标准。说我们这个项目以后要向什么样的方向前进，跟谁兼容跟谁不兼容，这都是由基金会来定的。

OpenAI 原来就是 OpenClawd 基金会的一个赞助者。只是你赞助了多少钱不知道，因为你要成为他的赞助者，最少赞助 5 美元就行了，一个月 5 美元就可以。当然以 OpenAI 这样的一个体量来说，应该还是给了不少钱的。而且现在 OpenAI 已经告诉大家了，说以后 OpenClawd 就不用再担心了，你们再用服务器、再用算力、再用这些东西，我包圆了，你们就不用管了。因为原来 Peter Thielberg 也讲过，每个月还要赔进去一两万美金，因为需要付服务器成本，收到的捐款根本就不够。以后这个钱就通通归 OpenAI 来付了。

但是这点钱对于 OpenAI 来说算个什么？一个月一两万美金，这都不是什么事。当然 OpenAI 肯定还会出很多其他的钱，比如说组织各种的研讨会，组织各种线下活动，或者做各种的标准的修订，这个是 OpenAI 会去做的事情。当然 OpenAI 也不可能直接做，还是会把钱给到基金会，让基金会去做这个事情。只是坐在那领导基金会、去做所有工作的人，是从 OpenAI 领薪水的。

开源软件跟这些大厂有几种合作方式？

这里要注意，大型开源软件咱们可以去讨论这个事，那些小型开源软件其实跟这个没有特别大的关系。

第一种方式：人员加入，继续做开源社区的事情

就像这一次 Peter Steinberger 加入 OpenAI 这个事情是一样的。这个里头有一个很典型的案例，就是 Python。Python 是现在最火热的编程语言，因为现在大模型都是使用 Python 语言再去做各种的编程。那么 Python 的创始人其实很长一段时间是在谷歌上班的，后来被谷歌开了。这个很有意思，当时他从谷歌就直接被优化掉了。很多人还很奇怪，说你怎么就被优化掉了？这个兄弟后来好像又跑到微软继续去上班去了。他们这些人到公司里头只是领薪水，具体的事情还是干原来的基金会的事情，或者是干原来这种开源项目的事情。谷歌除了发薪水之外，其他啥也不管。

包括一些开源的编辑器，他们的这些创始人实际上都是谷歌在发薪水。就是这些人在谷歌有时候会也参与一些谷歌的项目，但是他的主要工作就是领了谷歌的薪水去维护自己的项目。谷歌属于确实有钱，他们也特别喜欢干这个事情。你说谷歌给他们发薪水了，到底从他们身上挣到什么？其实也没挣到什么。你说我把 Python 项目的老大搁在这，那我能不让别人使吗？谁使谁给我交钱？他也不能干这个活。或者说我把这个标准改到你离开谷歌的环境你就跑不了？他也不能干。所以除了发钱，他们啥也干不了。这是谷歌的一个比较有意思的玩法。

第二种方式：开源之后再成立基金会，控制权外移

就是一开始这个项目是公司里边的项目，做一段时间我们把它开源了，然后拿出去。这个里头最典型的一个案例叫 PyTorch，就是现在最火热的运营大模型用的这个工具。这是谁做的？是 Meta 做的。做完了以后就成立了一个基金会，说我们以后把 PyTorch 这个项目就放在这基金会里头运营了，Meta 跟它就没有特别直接的关系了。它的创始人依然在 Meta 上班，上了很多年的班，大概是在去年才从 Meta 离职。现在是加入到了叫 Thinking Machine Lab，就是那个从 OpenAI 离职的那美女 CTO，她创建那公司，加到那去了。

就这种项目，你说为什么？明明我把它做出来了，干嘛要把它交到基金会里去管理？原因也很简单，就是你要去跟其他人竞争。竞争的时候靠你一家又搞不定，你需要大家凑在一块来竞争。谁会愿意说我们出人出力去使用一个 Meta 控制的项目？没有人会愿意干这个事。那他说我们放基金会里，这东西是中立的。PyTorch 最后战胜了谷歌的 TensorFlow，成为现在最流行的、大模型支援的这种架构，就是通过这种开放的方式来搞定的。其他人你说，我们使 TensorFlow 不就完了吗？但是 TensorFlow 是完全谷歌控制的，别人就不愿意用，所以最后 PyTorch 赢了。

第三种方式：直接收购型

就是人家原来是开源的，我把它买下来，我自己来去运营这个项目。但是这种它分两种情况。

• 第一种：买完后闭源或限制。 我就找人收钱，或者我就想办法让他跟别人不兼容。这种就会翻车。一旦被收购了以后说：“我现在闭源了，或者我现在要收钱了，我对你进行限制了。”原来的开源项目就会进行分叉，我再做一个别的项目，跟你做同样的功能。这样的话其实最终两个项目都不会发展起来，全都做的很惨。
  
  
  
  这个里头比较典型的案例，一个是 Sun 收购了 OpenOffice。Sun 当时收购了很多的这种开源项目，收完了以后说这东西只有我能使，别人不能使了。后来他们就去分叉了，分叉成叫 LibreOffice，但是这两个项目发展的也都不怎么样。还有一个特别典型的案例叫 MySQL，它是被 Oracle 收购了。收购完了以后说：“我们对它进行各种限制，你们以后就少用这玩意，都上我这来买 Oracle 数据库来。”他们后来也是分叉的，一个 m 开头的一个数据库的名字，跟 MySQL 完全兼容的，但是后面我觉得发展的也都不是很好吧。就是你一旦收购回来以后说我要管你了，这就翻车了。
• 第二种：买完后投入巨资快速迭代。 虽然要管，但是我还是开放的，你们还是可以随便用，而且我投入巨大量的经费，让整个的项目极快的迭代起来。一旦说这个项目快速迭代起来以后，大家就顾不上说你这东西到底是谁家的了，跟都跟不上了。这里头有两个典型的案例：一个叫 安卓，一个叫 Chromium。都是谷歌花钱买回来的，买完了以后就投入巨大的资金，开始快速的迭代。谷歌现在这两个当家的软件，都是这么来的。现在安卓也是开源的，Chromium 这个是开源的，Chrome 是谷歌自己的产品，咱们要分清楚。

大家看到这几家，Meta 其实有点浑浑噩噩的。它其实站在了一个非常非常强的生态位上，它是 PyTorch 开始的这个公司，创始人也一直在 Meta 上班，但是 PyTorch 实际上没有给 Meta 带来任何的帮助，最后人还离职了。就是在前面把这个亚历山大·汪招回来以后，这哥们就走了。Sun 和 Oracle 就属于格局小了，我把这个开源软件买回来以后说，我要把它管起来，不许跟别人兼容了，你们通通都得上我这来交钱来，这就属于格局小了。

而这个谷歌是真正财大气粗的，他支持了非常非常多的项目。在这些项目对于谷歌本身的发展不是那么重要的时候，他就发钱，我也不管你，你就自己玩去，什么时候需要钱，你什么时候来找我要就可以了。我到时候给你发薪水，给你发各种各样的社区活动的钱。就社区里头真正花钱是底下各种的线下活动，包括各种标准制定。谷歌说我就愿意花钱养着你，你们也不用给我回报任何东西。一旦发现里头有这种跟他们的未来发展方向特别息息相关的东西，那马上冲出来，全情投入买下来，快速迭代更新。他是来走这样的一个方式的。一定要广种薄收，就是非常非常多的种子选手在那培养，有那么一两个特别核心的，砸重金进去发展，就有了谷歌的安卓和 Chromium。

OpenAI 这次肯定是赚到了，这样的一个核心产品直接被他也算是收入囊下吧。但是最终的结果还是需要时间检验的。所有跟开源相关的项目，没有说我今天花钱把它买下来，明天就有结果的，除非是像 Oracle 和 Sun 那么干活，就是我一花完钱以后，我马上就去改各种的开源协议，我就限制着别人使用，这种会马上翻车。只要不做这种杀鸡取卵的事情，它未来的效果都是需要很漫长的时间积累，叫日久见人心才能看出来。

OpenAI 为什么不直接收购 OpenClawd？

那下一个问题是，OpenAI 为什么不直接收购 OpenClawd，而是要选择这样的一种很难以控制的方式？

1. 保持中立标准

第一个最重要的原因叫保持中立标准。就跟当时 PyTorch 去战胜 TensorFlow 这个过程是一样的，我是开放的，我是中立的，任何人都可以在这个平台上去干活。比如谷歌说，我也愿意在这个平台上去干活，这个没有任何问题，它不是属于 OpenAI 的，它是属于 OpenClawd 基金会的。再加上中国的一大堆的模型厂商说，我们也愿意上去弄去，给他提供各种支持和服务，提供代码，我们也愿意给钱。这个是 OpenAI 所乐于见到的。

你要想，一旦他把它收购下来了，你后边跟不跟这些中国厂商合作？比如说像 MiniMax，比如说像 GLM 这种。GLM 专门有 OpenClawd 套餐，GLM 智谱是美国实体清单上的公司；MiniMax 现在还在被一堆的美国的电影公司在那告。那你说干还是不干？包括字节跳动也是专门提供了 OpenClawd 套餐。那你说我现在属于是 OpenAI 的一个项目了，那 OpenClawd 以后还跟不跟这些中国团队合作了？你要想跑得快的话，还是要留着这口子，你要继续跟中国团队合作。那你要收进去了以后，OpenAI 的原则是我不跟中国人做生意，特别是不能跟这种在实体清单里的公司做生意，那这事就没法整了。所以他必须要保持开放和中立这样的一个位置。

2. 架构与责任归属

第二个原因是 OpenClawd 本身的架构还有很多问题，也有很多的这种不完善的地方。你一旦把它收进来，那么所有这些问题的话，你就要承担责任。你比如说过两天谁用了 OpenClawd 说：“我这个数据丢了，我这造成什么经济损失了。”你 OpenAI 赔不赔？这个跟我没关系，它是 OpenClawd 基金会的，我们只是把人拎回来发工资了，它不用赔。这个是很重要的一点。

3. 安全性与合规风险

第三点是什么？OpenClawd 本身的安全性有待提升，而且很多的黑灰产的用户在使用 OpenClawd 做事情，就是做一些不是那么正规的事情，不是那么好的事情，或者拿出去做诈骗了，都是有的。OpenAI 肯定也是不愿意承担相应的法律责任的。你们接着该干嘛干嘛去，跟我没关系。

OpenAI 未来也并不一定会推出基于 OpenClawd 的产品。一旦说我们准备推出 OpenClawd 产品了，那他可能就会选择像谷歌处理安卓和 Chrome 那样的方式，我直接把它买下来，然后完全控制。这是 OpenAI 的一个选择。但是如果说我以后的产品形态可能是把一个类似功能的服务放到 ChatGPT 的客户端或者是 Codex 客户端里头，那就没有必要说再去跟 OpenClawd 这个东西较真了，没必要费这个劲了。他只需要说我们把这个 Peter Thielberg 拎回来说，你就给我们做这个个人代理的负责人，你来去指挥说我们以后要往哪个方向走就可以了。这不就是挺好的事情吗？

OpenAI 的实际收益

但即使如此，OpenAI 拥有了 Peter Stinebrink 之后，他依然是可以做很多事情的。比如说各种的联盟的建立，我们要去组织各种各样的这种 OpenClawd 联盟，或者 OpenClawd 的这种线下会议。现在各个地方都在开 OpenClawd 线下会，就是我们拿这东西到底干什么了。

然后主导 OpenClawd 标准。我们以后是不是只支持 OpenAI 标准的大模型？中国的所有这些开源模型都是走 OpenAI 标准接口的。在 Claude Code 火起来之前，咱们都从来不去兼容 Anthropic 接口。但是现在我们很多的模型公司都跑去兼容 Anthropic 接口去了。那么以后 OpenAI 说我要出一些什么新的标准、什么样新的接口，可能 OpenClawd 就会第一个站出来支持。其他人说我想去内卷一下，我想去比赛谁兼容最新的标准，就都会去跟着 OpenAI 的路子去走。这是 OpenAI 真正想要得到的东西。

还有一个 OpenAI 想得到的东西，他们现在在各种新闻报道里没有写，但是是必然可以得到的是什么？就是在极限的这种 AI 编程之中，Codex 要去战胜 Claude Code。原来 OpenClawd 里边大量的代码是使用 Claude Code 去写的，但是现在它的最核心的创始人 Peter Steinberg 上 OpenAI 上班去了。那你说我不能继续使用 Claude Code 吗？不行，因为把 OpenAI 员工的账号都给封了，你不能用了。所以你想以后再继续去维护 OpenClawd 代码，你就只能用 Codex 了，你就不能再去用 Claude Code 了。以后其他人说我们想继续去在这个 OpenClawd 代码库上再去做各种各样的工作的话，对不起，你们也要用 Codex。在这一点上 Codex 又胜出一局。这就是 OpenAI 为什么不去直接收购 OpenClawd，以及 OpenAI 从这一次交易里头到底能够得到什么。

最后总结一下吧

Peter Stinebrg 加入了 OpenAI，也算是尘埃落定了。他最后没有选择 Meta，而是加入了 OpenAI。这是一种更先进的开源协作方式，更有利于不同的公司之间，甚至是不同的地缘政治与法律架构之间，在统一的标准下进行协作，推进技术和推进技术的发展。

OpenAI 这一次肯定是赚大了，花了很少的钱就得到了未来的一个制定标准的机会。但是这一次交易的结果还是需要时间检验的。这种开源策略很难在短时间内看到成效。

好，这就是咱们今天讲的故事。不要再出去说 OpenAI 收购了 OpenClawd，OpenClawd 变成 CloseClawd 了，这个属于外行说的话，开源圈里内行会告诉你事不是这样的。

这个故事今天就讲到这里，感谢大家收听，请帮忙点赞、点小铃铛，参加 DISCORD 讨论群，也欢迎有兴趣有能力的朋友加入我们的付费频道。再见。

背景图片

Prompt：in the style of Moebius (Jean Giraud), Franco-Belgian ligne claire illustration, hand-drawn ink linework with watercolor gouache textures, ultra-maximalist interior storytelling, an unoccupied high-rise family computer studio in Beijing’s bustling metropolis, modern Chinese home aesthetics with wood lattice shelving, ink-scroll accents, porcelain decor, dual-monitor desk setup, gaming console dock, retro game devices, hi-fi speakers, mechanical keyboard, headphones, layered cables and gadgets, Lunar New Year decorations in every corner with red lanterns spring couplets paper-cuts Chinese knots and festive ornaments, floor-to-ceiling window with glowing city skyline, 24mm wide environmental interior shot, eye-level, dense yet readable composition, warm tungsten ambient light mixed with subtle RGB tech glow, cozy lived-in atmosphere with strong futuristic vibe –no people, person, human, face, body, text, watermark, logo, sterile showroom, lowres blur, photoreal CGI texture –ar 16:9 –stylize 180 –chaos 8 –v 7.0 –p lh4so59

移动应用网站开源仓库的数量激增，AI真的开始改变世界了。大家好，欢迎收听老范讲故事的YouTube频道。

网上流传着一张图片，四条长得非常像的曲线。第一条是域名工业简报，他们提供的2025年新注册域名的数量；第二条是iOS APP的数据，来自于Sensor Tower；第三个是GitHub美国的有质量推送数据；第四个是GitHub英国的有质量推送数据。他们的数据基本上都是这样：先向下，然后突然就开始陡峭的上升。这个时间点，是在2025年第三季度开始，所有数据开始往上涨了，平均上涨了30%到40%的涨幅。

这个图片来自于英国的《金融时报》，2026年2月5号发的一篇文章里边画的这个图片。这个文章是来自于人工智能专栏，标题是《这会是AI代理智能体的起飞时刻吗？》。你看，所有的数据都涨上去了。很多人在讲说2025年就是AI智能体，或者叫AI Agent元年，结果到2026年好像没什么变化。现在给你看看，变化在这里。

本期内容概览

今天的故事咱们分几段来讲：

• 英国《金融时报》的文章到底说了什么；
• iOS的APP审核平台压力暴增，应用多了，那审核的一定是压力上去了；
• 生产力大爆发来了吗？怎么没有感觉到；
• 中国人的数据在哪里。

英国《金融时报》的数据解读：全面爆发

首先，英国《金融时报》给出的图片到底说明了什么？到了2025年末，新增网站的注册，更准确的说是域名注册作为代理指标，同比增长了34%。也就2025年的最后一个季度，突然这个数就涨上去了。大家知道我们访问网站的时候，甭管你打的是Youtube.com还是google.com，这都是域名。你要有一个新网站，你要去申请一个新域名。域名这个数据已经好长时间没涨了，突然就蹭涨上去了。

2026年1月份iOS发布的APP比去年，也就2025年1月份多了55%。这个数是非常非常大的。英国和美国的GitHub有质量的push，为什么要算这样的一个数据？因为GitHub上有很多数：

• Star（星）：就是我喜欢这个仓库，我打一星；
• Commit（提交）：就是我提交了一个信息，我就commit一次；
• Push（推送）：有质量的push，有可能会包含多个commit，就是他确确实实是把这个项目往前推了，才会有push；
• Release（发布）：就是我们push了几次以后说，这个版本我们把它封住了，大家可以用这个版本了。

所以它统计的是push的数字。2025年的三季度已经比2025年之前的趋势也是涨了30%，明显的偏离了此前的趋势，直接就竖着上去了。

爆发的原因：Claude Code与Codex的普及

为什么2025年第三季度所有的这些数据都有这么明显的抬升？第三季度应该是7、8、9三个月嘛，那其一定是4、5、6的时候出事了。Claude Code和Codex发布，并且开始向Plus用户开放。大概4月份这个产品就发布了，但是最早的时候，这两个产品都是给200美金用户使用的。到5月份，这两个产品开始向Plus用户开放，也就是20美金的用户都可以去用了。

我记得在Codex下放到我们这种20美金用户的时候，我还专门录了一条视频，在讲一个话题，叫做“技术平权时代的到来”。看来我当时并没有讲错，现在有宏观数据可以来印证我当时讲的东西了。确实技术平权了，大量的新的应用、大量新的网站、大量新的代码都在爆发出来。

AI变革的质疑与“行为艺术”

这篇文章是针对近期大家对于AI变革的一个质疑，说AI花了很多的资本支出，甚至玩出了很多行为艺术，但是你没挣到钱。什么叫行为艺术？大家知道谷歌要做1,800亿的资本支出，来去建新的机房，但是他手里又没有这么多现金，怎么办？他发债。

那发债怎么就算行为艺术？企业玩不转，企业缺钱都会发债，你只要信誉好，大家就会去买你的债券，这没毛病。但是谷歌的债券是100年的超长期债券。像中国政府也就是20年、30年、50年，人家谷歌直接来100年。估计他是信了马斯克的话了，以后钱就已经没有任何意义了，我现在把这个钱借了，100年以后我压根就没打算还。所以为什么管这玩意叫行为艺术？

花了这么多钱出去以后，并没有看到经济增长，AI企业也没挣着钱。虽然有很多人失业，但是依然有一堆人在那质疑AI到底是不是泡沫。《金融时报》就拿出了数据进行反驳：

说在宏观上生产率统计里头，AI的经济影响一直难以被清晰的量化，但是软件代码的产出可能是最早出现的可见信号的领域之一。他到底挣了多少钱，这事我们没法统计，但是代码量上去了，应用数上去了，网站数上去了，这个数是可以看到的。

三组外部数据源：域名注册、iOS上线、GitHub push。过去一年，编码软件产出指标出现了同步抬升，像是AI辅助开发（也就是Copilot或者是Agent）带来的供给侧变化。以后不玩AI辅助开发的就会被淘汰掉。

iOS APP审核压力：围剿AI套壳应用

另外一个侧面，也反映出了相同的问题，就是iOS的APP审核压力突增，开始围剿AI套壳应用了。有报道说iOS App Store的审核部门工作量急剧上升。大家注意，像我们以前发布的应用，发安卓应用，谷歌审核一般是比较快的。但你要想发iOS的苹果应用，这个事就很费劲，就是iOS的这个审核是相对来说比较慢的，有的时候需要审几周的时间。2026年1月份比2025年1月涨了55%的提交量，这对于他们的审核团队来说是天就塌下来了。

现在提交上去的应用，一定是大量的劣质应用，只是简单的在AI大模型外边套个壳，甚至要求用户自己去支付Token成本。大家要注意，前边我们说的这个iOS应用上升了55%，这个是Sensor Tower的数据。Sensor Tower是一个数据调查平台。你这个产品没有到iOS上面去真正跑起来，没有通过审核的话，它是没法在Sensor Tower上去报数据的。所以到底被刷掉了多少应用，我们不知道。审核通过的应用涨了55%。

苹果的应对措施

审核团队有没有对这些小白用户们友好一些？没有。2025年11月13日，苹果专门修改了审核标准：

• 限制数据共享：限制应用把用户数据共享给第三方的AI。你必须要写清楚我到底把这东西给谁了。如果你没写清楚，你自己把这个数据直接扔给AI去用了，就直接下架。
• 打击仿冒误导：苹果还强调要对这种仿冒误导相关的问题进行严肃处理。我们现在想去做一个仿冒的YouTube或网飞，有了Web coding以后，非常容易搞定。但是我们不可以去做这种仿冒的，你长得越像，被iOS审核平台干掉的机会就越高。
• 整治医疗诱导：现在还出现了大量医疗相关的诱导性APP，这一次苹果还专门出来点名了。比如给你的手拍一张照片，建议你看什么大夫或买什么药。这个确实是有些风险，它里头有一定的欺诈性。

生产力大爆发了吗？背后的逻辑

那么生产力大爆发了吗？怎么没感觉出来？《金融时报》有一些东西它是没说的，就是在2025年三季度之前，其实所有的数据都是在下滑的。它那个数据不是平缓上升，突然陡峭的长起来，而是向下扎，扎完了以后突然陡峭的长起来。

1. 为什么此前数据在下滑？

• 网站流量下滑：因为大量的网站流量在向中心化的平台聚集，再去做网站不划算了。现在大量的人直接在ChatGPT里聊两句就可以了，不需要上你网站上去看了。原来我们还可以通过谷歌搜索把这个流量导回来，现在谷歌让这个流量在自己的AI模式里处理完，不让它跳转了。
• APP数量下降：APP的流量也在被超级APP所掠夺。大家都去看TikTok、YouTube了。做个小APP推广成本不断上涨，且用户留存很差。
• GitHub推送下降：以前很多GitHub仓库是由程序员业余时间在维护的。程序员大量失业，或者是为生计担忧的时候，谁有那闲心思去搞副业？

2. 为什么突然上升了？

因为Claude Code和Codex为封闭的程序员社区带来了很多新鲜的血液。原来一帮产品经理、设计师或者财务、法务，这帮人一拍脑袋说这不难，我也可以上，你行我也行，他们也变成程序员冲进来了。所以这个数据突然开始上升了。原来靠程序员搞定的这个事情，程序员已经都不干了。

3. 新增的代码和应用是什么？

网站和iOS应用多出来这些，很多就是个人开发者、新开发者开发出来的项目。这些项目通常只是完成了基本功能的原型产品，里头大量的适配、兼容性、安全性、并发效率，这些他们都没考虑过。所以像现在甭管是OpenCloud做的那个论坛，还是其他的一些新的网站，上线没几天就被人把数据库拖出来了，因为这些项目压根就没有安全相关的这种设计和架构。

4. Vibe Coding带来的变化

GitHub上提交代码为什么会突然上升？

• 版本控制需求：使用Vibe Coding的人，无论是新人还是老人，都需要做版本控制方便回滚。Vibe Coding经常是一句话改几十个文件，出错只能回滚。
• 开源框架调用：Vibe Coding过程中需要调用大量的开源框架与插件。大量非程序员涌入提出稀奇古怪的问题，促使项目对这些问题进行回应和代码更新迭代。

中国人的数据哪去了？

咱们看了半天，iOS、GitHub、域名数据里有没有中国人的数据？这次中国人的创新能力应该是受到了一定的限制。

实名制的门槛

因为咱们这的APP也好，域名也好，登记都需要实名制。登记实名制这个事，对于程序员来说不是那么复杂，但是对于非程序员来说，或者对于初级程序员来说，这个门槛很高。所以这一次爆发的非程序员，他们面临APP实名制和域名实名制这两件事，应该是一门棍被打回去了。至于GitHub，国内不使用特殊手段登录很费劲，所以数据可能不多，即便有也可能模仿成了美国IP。

OpenCloud的爆发

真正给中国人解绑的东西叫OpenCloud。我们只需要摆一个小主机在家里就可以去赶上AI这班车了。大量的OpenCloud主机都被中国人所创建：

• 成本低：中国的各大云厂商都在推OpenCloud套餐，非常便宜，有的一年才十几块人民币。
• 无须域名与实名：OpenCloud上去以后，它不需要域名，不需要从外边直接访问，它可以自动跟你的聊天机器人沟通。这也算是救了中国的各大云计算厂商了。
• Token成本优势：OpenCloud所燃烧掉的大量的Token也都是在中国燃烧掉的。因为中国的Kimi、GLM、Minimax这些模型，要比美国的GPT、Gemini、Claude便宜很多（大概只是1/10到1/20）。

权威媒体比如路透社报道：OpenCloud在中国尤其受欢迎。再算上中国的人口数和程序员数量，OpenCloud主机数和燃烧Token的数量超过全球一半这个事，是符合逻辑的。

结语与展望：寻找价值与云厂商爆发

最后到底我们该干点什么？AI起来了，代码量已经冲上去了。

首先，这些新增代码里头，真正有价值的是哪部分？不是那些有巨头潜质的（没法挑），也不是骗子APP（没未来）。真正有价值的是那些粗陋的小白原型应用。这些项目虽然技术缺乏创新，但是他们确实解决了原来很多没有人愿意去解决的问题。

程序员跟创业者现在该干点什么？寻找这些粗陋的解决方案，提供帮助、观察和等待。一旦发现某个问题被解决后，某一类的交易数量急剧上升，孵化新的商业巨头的机会就来了。

模型厂商卖Token的生意有望在今年迎来巨大的增长。云服务厂商的增长会有时间的递延，但是应该会在今年的下半年迎来爆发。硅谷那些疯狂到行为艺术程度的基础设施建设，并不是没有依据的。谷歌云、亚马逊云、微软云，包括Oracle云，都会迎来巨大的爆发。

好，这就是咱们今天讲的故事。感谢大家收听，请帮忙点赞、点小铃铛，参加Discord讨论群。也欢迎有兴趣有能力的朋友加入我们的付费频道。再见。

背景图片

Prompt：Detailed interior portrait of a programmer workspace converted from a formal living-room consultation space used by a lawyer, one person typing at mechanical keyboard, legal codes and case files neatly stacked, sticky notes and architecture diagrams, dual monitors with terminal logs and source code, textured leather sofa, polished walnut desk, ceramic coffee mug with steam, realistic hand-painted watercolor and gouache look, controlled ink outlines, rich material rendering, moonlit modern city outside the window under a full moon, reflective skyscraper glass, high contrast cinematic lighting, medium shot, 35mm equivalent –v 7.0 –ar 16:9 –stylize 120 –chaos 3 –no watermark, logo, signature, readable text, gibberish text blocks, photorealism, 3d render, extra limbs, deformed hands, blurry, lowres –p lh4so59

Anthropic抓住中国间谍了吗？

大家好，欢迎收听老范讲故事的YouTube频道。

Anthropic信誓旦旦的公告里边说抓到中国间谍了，但是里面很多细节非常的模糊不清。11月13号，Anthropic发了一个长文，叫《挫败首次披露的AI协助网络间谍活动》，认定幕后是一个中国国家支持的黑客组织，而且他认为幕后是中国国家级支持，是非常高置信度的一个事情。他给这个组织起了一个名字叫GTG1002。但是呢，这个组织的名字并不是现实世界中常用命名黑客组织的APT编号，而是一个叫GTG的一个编号。所以很多安全圈的人就对此提出了一些质疑，说你到底找没找到人。

具体这帮人干了些什么呢？造成了多大危害？只进行了描述，没有细节。当然这也可以理解了，很多这种安全事件都是不会描述细节的，因为描述细节以后容易造成模仿，也会让被伤害的人受到进一步的伤害。告诉你说谁家的信息被偷了，这个可能本身没什么大事的，一下就股价崩了，可能会出现这种事情。所以呢，一般都不会披露特别多的细节。

那么为什么认定这是中国国家支持的黑客组织呢？也许更多的来自于臆测，咱们后边一步一步分析。

Anthropic如何发现问题的？

它是2025年9月中旬就开始发现有问题了，监测发现异常。因为你用Claude去写程序，让它去生成代码，你输入的所有这些提示词，Anthropic是能看到的，输出的也能看到，只是一般情况下他看不过来而已。但是呢，里头有特别多的跟安全相关的事件，请帮我去破解网站，有太多这些东西聚集以后，Anthropic就觉得这事有问题了。9月中旬发现了以后呢，进行了内部调查，把各种日志文件拎出来去查一查，大概用了10天的时间。然后呢，重构攻击链路，看看你到底攻击谁了，攻击的效果怎么样，最终确认这是一场跨越数十个目标的大规模间谍行动。

他们内部到底发现了一些什么样的异常流量呢？大量跟网络安全、网站和系统破解的相关的指令被申请和执行了，而且是相同的手法，面向全球不同的目标再去执行。最终确认，这是一次有计划、有组织、有预谋的大型黑客入侵计划，甚至叫做间谍行为吧。

黑客是如何利用AI工具的？

Anthropic其实有两个特别重要的编程工具，一个呢叫Claude code，它呢是一个AI agent，跑在我们本地的。另外一个呢，就是它的大模型Claude 4.5 sonnet，是进行代码生成和AI生成的一个模型。这一次呢更多的是使用Claude code。Claude code呢可以完全自己执行各种脚本，有人甚至用Claude code去写短句，写各种公众号，这个还是非常非常好用的。Claude code呢可以去编制代码、执行代码、做各种的网络操作，它都是可以自动去搞定的。再配合上Chrome或者是Playright的一些MCP，就可以自动实现大规模的网络漏洞侦测或者是攻击。

黑客呢，搭建了自动的入侵架构，伪装身份，将有害的任务呢，分拆成无害的小任务。比如说扫描某个端口，写个脚本，验证一下密码格式对不对。把它分拆了以后呢，就不会触发Anthropic的一些内部警告。你上来说“给我攻击哪个代码，给我攻击哪个网站”，Anthropic直接就报警了。但是如果你拆开了干这个活呢，Anthropic就会老老实实的去干活去。而且呢，这些黑客还去向Claude去说谎，说我是一家合法安全公司的员工，我在做渗透测试和攻防演练，说我们去攻击一下吧，Claude code也去干活去了。

做这种事情呢，被封号其实是不可避免的。到底这个边界在什么地方，或者封号的阈值在什么地方，是不会有平台出来公布的。所以黑客组织总在边缘尝试，我到底多说了一句就被封了，就被拒绝服务了，还是少说一句，他就接着干活去了。大家要去试这个事。

很多账号被封了之后呢，会有相关性很强的账号启动，继续干活。他也不可能说你封我一账号，我就不干了。相关性这件事呢，是一个很模糊的概念。比如：

• IP地址或Mac地址：每一个网卡、每一个路由器都是有一个唯一的号的。这些地址有可能是比较相近，或者说相同的，就有可能会判定为相关地址。比如刚有一个IP地址了，账号被封了，你用同样的IP地址、同样的网卡，你又注册了一个账号上来，很容易被判定为相关的账号。
• 指令和提示词：你的一些原始的数据指令和提示词是一致的。有人干这件事情被封了，然后呢我换了一个账号上来，接着再提出相应的指令、相应的这些数据，那么它也会被判定为相关。
• 目标一致：有的时候呢，目标网址是一致的。你说这一次我要攻击谁谁谁，下次我还要攻击他。而且上一个账号刚被封掉了，你新的一个账号上来了以后，甚至换了个国家，因为挂梯子嘛，可能上次是美国的一个账号要求攻击日本，下次可能来了欧洲的一个账号，也要求继续攻击日本的某一个网站，那么这个也会被判定为相关的账号。

当然了，黑客组织一定会进行规避，这个活叫账号隔离，这都是有专业术语的。规避以后呢，会提高发现的难度，但是这里头没有0和1的区别，说这个就是错的，那个就是对的。这也就为什么咱们讲Meta达到95%危险评分才被判定为欺诈广告，这个道理是一样的。

Anthropic呢，将通过Claude code发送给Claude sonnet 4.5的指令进行聚合分析以后，锁定了目标。Claude code这个东西是一个免费可以下载的工具，如果我们在Claude code里头挂国内的大模型，Anthropic是收不到任何警告的。但是呢，挂国内的模型效果没有那么好，一定是Claude code挂Claude sonnet 4.5，自己的模型效果是最好的。

Anthropic采取了哪些行动？

Anthropic发现了这样的问题以后，做了什么样的行动呢？

• 封禁账号：这是必然的。
• 通知受害者：通知受影响的30多个机构协助处置，告诉他们被攻击了，检查损失并一同处理。
• 与执法部门协作：与相关部门协作，与执法机关共享情报，直接报警。
• 加强防御措施：Anthropic也表示将加强防御，例如降低危险行为的判定阈值（比如从95分降到90分），使监控系统更加敏感。

黑客到底干了什么？（攻击流程详解）

我相信很多人会很好奇这帮人拿Anthropic的工具到底干了点什么？到底是怎么干的呢？我呢，用尽可能简单的方式给大家描述一下，但是注意不要去学人做坏事。

目标呢是全球30多家机构，主要是大型科技公司、金融机构、化工和制造企业，以及政府机构。有一小部分呢被成功入侵了，少数高价值目标被破解，并且发生了数据泄露。至少4家受害者的敏感数据被证实遭到窃取，但是呢也没有给出具体的名字。这个还是可以理解的吧，你真的指名道姓的说谁谁家数据被偷了，这对于这些受害者来说，绝对是一个二次伤害。

这些攻击呢，80%到90%的战术操作都是Claude code来去自动执行的，人类呢只是在关键的决策点插手。过程是什么样的呢？

第0步：骗过安全机制

先骗过Anthropic的安全机制，保证自己的账号不要被封掉吧，被封掉就没有后边的故事了。

第一步：信息收集与资产识别

要求Claude code枚举目标网站的服务、接口和内部系统，找出高价值的资产、数据库、凭证库以及敏感业务系统。凭证库就是我们存密码的地方。很多网站或服务系统通常是在一些开源系统或者成熟的商业软件上搭建的。这一步首先要知道你到底是用什么系统来搭建的。一旦知道，就能推断出数据库、凭证库和敏感信息的一般存储位置。

第二步：漏洞搜索与利用

确认系统后，命令Claude code去搜索公开和已知的漏洞信息。很多机构的系统上线后疏于维护，不会及时打补丁或升级，导致大量已知漏洞未被修复。黑客可以直接命令Claude code针对特定系统的旧版本，搜索并编写漏洞利用代码，然后组织脚本进行攻击。

第三步：情报分析与文档生成

以前黑客比较头疼的活，现在AI能轻松搞定。黑客会利用Claude code对窃取到的信息进行情报价值分析和分类，比如分析每个文件里写了什么。然后，它会自动整理出攻击文档，内容包括：

• 目标系统及版本。
• 利用的漏洞。
• 成功登录的凭证。

后续的团队或AI agent就可以根据这些文档接着干活了。这个中间交接的文档也是由Claude code去生成的。

第四步：破解后的标准操作

破解之后，那就是老把戏了：

• 拖库：把数据库拖回来。现在可以更有针对性，在分析完文件价值后再选择性地拖取。
• 撞库：将拖回来的登录信息（用户名、密码）尝试在其他系统上登录。因为很多人习惯在不同系统使用相同的账号密码，这可能直接导致黑客获得更多系统的访问权限。
• 提权：登录后，可能只是一个普通用户权限。下一步就是通过其他漏洞将权限提升为管理员。
• 建立后门：为了方便下次再来，在系统中留下后门。

为什么Anthropic认定是中国政府所为？

为什么在证据不是很清晰的情况下，Anthropic咬死了这是中国政府支持的黑客行动呢？而且还给出了“高置信度”这样的定语。Anthropic并没有说明其具体的推理过程，但给出了几个明确的理由：

• 资源充足、专业协调：黑客组织一次性开启大量昂贵的Claude sonnet 4.5高级账号（可能100-200美元/个），封掉一批马上换新的一批。Anthropic认为这种规模和协同运作只有国家级行动才能支持。
• 目标具有情报价值：攻击目标多为大型科技公司、金融机构、化工制造企业和政府机构，偏向于情报搜集而非简单的经济犯罪。而且被攻击的大多是地缘政治中跟中国不太友好的国家。
• 专业的团队交接：攻击流程显示，前期团队攻破系统、整理文档后，会交接给后续团队进行长期潜伏，这不像个人或小团队的行为。
• 战术与已知组织重合：其战术流程（扫描、拖库、撞库、提权、持久化潜伏）与中国的一些APT组织高度重合。并且，攻击中使用的一些云服务IP、注册信息、跳转“肉鸡”等痕迹也与之前发现的中国APT组织重合。
• 活动时间符合东八区作息：行动的高发区在东八区的工作时间段，早上9点活跃，中午休息，下午继续，晚上6点下班，甚至周末双休。
• 代码中出现简体中文：在代码日志中发现了一些简体中文的注释。

至于使用的提示词是中文还是英文，Anthropic没有公开，但大概率是英文，以更好地伪装身份。即便使用英文，Chinglish的比例也可能很高。

作者观点：为什么大概率不是政府行为？

以我个人的感受来说，大概率不是。Anthropic对于中国的灰产行业呢，还是缺乏足够的了解和认识，或者说缺乏足够的敬畏之心吧。

中国灰产行业规模之巨大，从业人员之众多，分工之明细，是海外很多科技企业很难想象的。我为什么判断说，这一次Anthropic发现的攻击行为不像是真正的政府支持的黑客组织干的呢？因为有太多的Claude code痕迹了，不像是专业团队干的活，更像是民间机构新手根据外界公开流传的信息，让Claude code补全操作的。如果是熟手的话，会有大量的现成漏洞、现成的凭证库和现成的代码段，它不会每一件事情都要求Claude code去干的。这次发现的攻击，大量依赖AI重新扫描、重新搜索已知漏洞，这不像成熟团队干的活。

大批的互联网大厂人毕业了，或者叫失业了吧，这些人呢是组织过双11，组织过春运抢票的人，这些人在中国之外的任何地方，都可以算绝对的稀缺人才。但是现在在中国，他们失业了，又不甘心去跑滴滴、跑外卖，可能就重新聚集起来给Anthropic表演一下什么叫中国大厂的专业性。

这次事件带来的思考

网站和系统的安全性必须要提升了。任何人都不需要经过长期的训练，在AI的帮助下都可以做的像国家级黑客组织做出这些活一样。这个就像病毒升级了，大家的免疫系统跟不上一样，这个是非常非常危险的。Anthropic提供的这些AI编码的agent，它可以帮助普通人直接实现很强烈的黑客攻击，原来的这种安全措施完完全全是不够用的。Claude code加上Claude sonnet 4.5确实是干这种活的最优选择，但是使用国内的模型效果稍微差一点，但基本上还是能用的。真正专业的黑客肯定会更加的如虎添翼。

总结

Anthropic发文说破获了中国国家级政府支持的黑客间谍活动。到底是不是中国国家级支持的活动？并没有明确证据，大概率不是，中国新灰产团队的概率更大一些。安全形势在AI agent的帮助下，已经发生了翻天覆地的变化。Anthropic现在发这样的一个文章出来，应该也是在给自己寻找新的商业拓展点，同时出来秀一秀肌肉，表明即使干脏活累活，自家的AI也是最优选择。

好，这就是今天要讲的故事。感谢大家收听，请帮忙点赞、点小铃铛、参加discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

Anthropic Claude出了新工具，叫skills技能。这是不是MCP的升级版本呢？

大家好，欢迎收听老范讲故事的YouTube频道，咱们又有新玩具了。这一次，Anthropic出了一个东西，叫skills技能。它呢，应该是大模型功能拓展标准的一个新尝试。

大模型除了可以一本正经地胡说八道之外呢，你还需要去做一些技能拓展。比如说，你可以去写PPT，可以去做Excel，skills就主要干这玩意儿使的。这也算是AI agent以及上下文工程有可能会迎来的一个新标准，甚至呢，在部分功能上已经取代了MCP的功能。待会儿咱们再讲哪一部分可以取代MCP了。

到底什么是skills呢？它呢，是直接给Claude去赋能，让Claude code去做一些琐碎的工作。我举一个例子吧，比如说一个律所，你律所里头需要干一个什么事？就是你们出的所有的这个文件，它是有排版要求的。哪个地方用几号字，哪个地方用几号字，什么地方要用什么样的方式来表述，这个都是有要求的。以前我们律师给写的文件，大概每一个文章倒数第二段的时候，要写一个“以及”还是什么，反正有一个特别奇怪的要求。我第一次看到，我说：“你们为什么写这个？”他说：“律所要求就是必须这么写。”包括哪个标题需要使用什么字号、什么字体、字间距、行间距，他们都有要求。

这个东西你要让大模型去干活呢，就很费劲，特别是大模型每一次干出来不一样。那现在就是你，可以通过skills直接给它赋能，说我们以后按照这个律所什么什么要求去做，甚至是哪个版本的要求，去处理这些文件，最后处理出来的格式跟你的要求是一致的。

这东西呢，配置起来要比MCP省事。MCP配置还挺麻烦的，你需要在本地起服务器，或者就算是远程服务器，你也需要在本地去进行MCP服务的配置。这个配置的过程，可能普通非程序员不是说完全处理不了，但是还是比较费劲的。但是skills就省事多了，直接写个Markdown文件扔里头，完事。你就是建个目录，写一个skills.MD的一个文件，告诉它说，我什么样的字需要使用什么字号，或者说我这个信的结尾要加“此致敬礼”什么，你可以写一大堆这样的要求进去。写完了以后呢，直接在执行的时候告诉它说：“这是我的技能文件，请照着这个干活。”它就去照着执行去了。

而且skills呢，是可以在全客户端执行的。它可以在API上跑，也可以在Web端、手机端客户端，都是可以跑的。甚至呢，还可以在Claude code里头去跑，这个都没问题。如果你是在Claude code这样的本地的AI agent里头跑的话，它可以基本上覆盖MCP的功能。为什么？待会儿咱们细讲。在其他端这个还不太行，它是有一定限制的，至少目前还有吧。

现在呢，普通人都可以用这个skills工具。它主要是用两个格式的文件往里写东西：一个是Markdown。Markdown其实你基本上认为它是个纯文本就完了，只是呢，里头有一点点的简单的这种格式标记，写一个井号后边是大标题，两个井号是中标题，三个井号是小标题，它就是有一些这样的标记在里头，其他的也没有跟普通文本差异的地方。你用任何的纯文本编辑器都可以打开它，只是呢，没有渲染的效果而已。另外一个呢，叫YAML。YAML呢，实际上也是一种纯文本的配置文件，它呢，特点就是缩进，就是你通过缩进的方式来去写配置。现在大家看到很多的项目里头，都有这种文件，前面基本上是一个属性，打个冒号，后边是要赋的一个值。现在很多配置文件都是拿这玩意儿写的。

当然了，skills你要想处理一些更复杂的东西呢，它也允许你加代码进去，但是代码执行呢会比较受限制。因为这个skills是在哪跑的呢？它是在一个虚拟机里跑的，是在Anthropic本地的一个虚拟机里边去跑。这个虚拟机是不能联网的，也不能去调用很多的这种库文件进来，所以它的功能比较受限。

只有是在Claude code，就是在我们本地跑的时候，它可以联网。所以呢，你在本地跑的时候，它不是在虚拟机里头，你就可以基本上取代MCP的功能了。甚至你在skills里头直接写说，我要调一个什么API，这个API的调用方法是什么，返回值是什么，就是我们把很多那个API的文档文件直接贴在那个Markdown文件里就完事了，它就直接干活去了。所以只有在Claude code里头才可以替代MCP，如果不是在Claude code里头，它是不允许联网的。它的格式刚才我们讲了，就是一个叫skills.MD的一个文件放在一个目录里，或者再加一些其他的这种配置文件就完事了，极个别的情况需要加代码。

现在呢，Anthropic官方呢，也给出了一些skills，比如说一些Excel、Word、PDF、PPT这样的处理方式。我本来想去充一个Anthropic的会员，20美金充一个会员，后来翻了翻，发现这东西就完完全全的不支持中文，连繁体中文都不支持，最后算了，就不跟它费劲了。我相信skills应该很快就会普及出来，就像MCP一样，不是只有Anthropic自己可以用。

那skill适合做什么呢？最适合做文件处理、格式处理。如果在Claude code里头，基本上是全能的。技能和标准的固化和重用，这是它主要干的活。这个什么意思？比如说有一个人说：“我就擅长整理律所的文件格式。”这个东西呢，叫一个技能。你要再找一个人来说：“你给我把这个律所的文件都处理成我们要求的格式呢？”他需要重新学习。现在呢，等于是我们把这个东西固化下来了，说这个skills就叫“律所文件格式处理”，把它固定下来了。固定下来以后呢，就直接可以反复地重用了。我下一次需要去处理文件的时候，直接告诉Anthropic我的skills叫这个名字，去干活去吧，它就去干活去了。

Anthropic为什么总能拿出这种推动行业的新标准来呢？这样的一个功能，现在大家都在讨论的核心原因，就是大家觉得这可能是未来的标准。最早它推出的MCP标准虽然不完美，因为它调用的时候必须要起个服务器，这个事还是很讨厌的，但是呢，现在已经是标准了。谷歌、OpenAI都已经跟进了，国内的各大模型厂商、各大AI agent和工具厂商也都跟进了MCP了。原因很简单，就是它会秉承着叫“简单、开放、中立”这样的一个原则，这才是真正的关键。你把这事搞得很复杂，各种方方面面我都想到了，或者说我只能在自己的平台上使，我又不开放，或者说我虽然是中立的，但是呢，我们中间的这些代码是不给别人看的，其他的人你是不知道我怎么去调用这个功能的，这些都很难成为标准。你必须要简单、开放、中立。除了大模型的处理能力这些，MCP也好，skills也好，它基本上不依赖其他技术，这个也是非常非常重要的。你说我现在做了一个新的标准出来，我需要依赖很多很多东西，这个就很麻烦。像MCP呢，还是需要依赖一些外部服务，需要依赖一些这样的技术，但是skills就更简单，什么也不依赖，你直接拿出来就可以用的东西。

大模型能力拓展的尝试呢，其实一直在持续。从ChatGPT 3.5开始，GPT进入到公众视野以后，大家一直在尝试这东西到底能干嘛，除了一本正经地胡说八道之外还能干点什么。现在每天大模型的能力在上升，我又训练出GPT-5了，又训练出GPT-6了，但是还有一些东西呢，是它搞不定的。第一个是角色的固化，或者说技能的固化与重用，这个事情呢，是大模型自己搞不定的，因为大模型都是按照通用的模式来去训练的。另外一个就是要调用外部工具，我不可能自己把所有外部工具都跑通，它真跑通了就吓人了，有可能这个人类就没有存在的必要了。它还是有一定的能力边界的，这一块呢，就是在不断地拓展。

很多人可能会记得，咱们经常在写提示词的时候，第一句话干嘛？第一句话赋能，说“你是一个编辑”，“你是一个律所的文档格式大师”。我们经常会写这样的话在第一句。那你说这个真的会让ChatGPT也好，Anthropic Claude也好，像律所里边的文档编辑大师一样工作吗？是不能的。为什么呢？因为每个律所的文档格式要求是不一样的，它也不知道你要用什么方式去干活。所以你去写提示词的时候，对大模型进行角色赋值，说“你是什么什么”的时候，到底起什么作用？告诉大家，不会提升答案的质量，他原来该答什么还是答什么，但是呢，会让大模型将结果模仿成指定角色的方式说出来。他会去想说，这样的这个角色是怎么说话的，我先生成结果，然后模仿这个人的方式再重新说一遍。这个就是我们每一次去指定说“你是谁谁谁”的时候得到的一个结果。这肯定不是我们所希望的嘛，我们还是希望它真的具有相应的能力。

现在我们就要去做固定技能以及能力拓展，咱们做了很多尝试。前面OpenAI做的一个东西叫GPTS，这个东西呢，推出来的时候我就说这玩意没戏，现在呢，基本上已经没有什么人去玩耍了。GPTS主要干的活，实际上就是一个固定技能，当然它还有很多其他的功能，那个调用处理起来就非常非常麻烦了，你需要在里头写程序的。而且GPTS还有一个问题是什么呢？就是它必须在ChatGPT里头跑，它不能出来，这个是很麻烦的。刚才我们讲了，你要想确立标准的话，必须得中立，它的中立性就没有了。而且这个东西做起来其实没有那么容易，GPTS刚出来的时候我也做过一些，效果呢，差强人意，不一定每一次按照你的要求去做，因为当时模型的能力也没有那么强。折腾了半天GPTS以后，发现不是我想要的东西，所以现在呢，基本上玩的人很少了。

第二个就是function call，就是直接让大模型去通过代码干活。这块呢，甭管是国内的模型，还是国外的这种主流模型，都是支持function call。OpenAI、Anthropic的Claude，还有Grok、Gemini，都是支持function call。但是呢，这个东西比较麻烦，在哪呢？你必须写程序，你不写程序这事搞不定。只能在API里头使，你说我在客户端用，我在Web端用，这事你是没有办法拿它干活的。所以这东西呢，对于非程序员来说，基本上相当于没有。这就是function call的一个情况。

再往后呢，就是MCP了。MCP呢，比function call要简单一些，不再需要那么高的程序能力了。我可以说直接把一个MCP的配置文件写到比如Cursor，或者写到一些其他的这种支持MCP的客户端里去，他就可以去干活了。这个对于很多这种非程序员来说呢，就已经比较友好了。现在呢，你要去调MCP，可以写程序，也可以直接在支持它的客户端里配置就可以用。现在呢，有很大一部分的服务平台都将自己的服务包装成了MCP。你比如说支付宝、微信支付、高德地图、百度地图、大众点评，都开始出MCP了。这一块呢，就是只要上大模型，你挂上这些MCP以后，就可以实现相应的一些功能了。MCP主要干的活是什么呢？就是能力拓展，它并没有说把一些能力固化下来。你说我告诉大模型我有MCP了，那不能保证你每一次输出的结果都是你想要的，但是呢，它可以保证说大模型可以去调用百度地图了，知道这周围有什么好吃的，这个他可以去干了。

现在呢，skills来了。skills呢，和MCP比起来，对于非程序员就更加友好。原来MCP你要去做配置的话，还需要去写JSON，JSON还算是一种程序员使用的配置语言，而现在的话直接Markdown了，你就直接用自然语言去写就完了。JSON的话你要是把它写错了，大模型拿它也没办法，但是Markdown的话，你写错了以后，比如我写了几个错别字在里头，或者哪个地方我写点病句在里头，大模型就直接处理掉了。所以这一块容错率还是比较高的。它呢，可以很好地将技能固化下来，让你再去重用，也可以去拓展一些外部功能。但是拓展外部功能就只能是在Claude code里头用。我相信未来可能会有更多的客户端去支持skills，只要是有客户端支持的skills，就可以去允许你拓展外部功能，可以去联网。否则的话，你跑到Anthropic的自己的服务器上开虚拟机的话，它就不会让你干这个活。现在呢，在网页、API都可以去跑，但是网页、API包括手机端、PC端的这些客户端里头，它都是调用的Anthropic自己的虚拟机，不允许联网。如果你是在本地跑，它是允许你去联网的。

那你说未来大家会不会跟进呢？一个新技术，你不能说上来我就要做标准，这事是不对的。一个新技术出来了以后，一定是什么呢？一定是自己先用起来，大家喜欢了以后，逐渐去遵循你为标准。而且你前提还得是开放，你如果不开放的话，别人想去遵循你为标准也没有这个能力。我觉得呢，大概率skills会成为下一个标准，继MCP之后的下一个标准。为什么呢？就是skills的技术是完全中立的一个技术，因为你写进去的就是一堆Markdown，其他的没有什么，就算写一些Python代码，或者是一些TypeScript，或者是其他的这种代码进去，它要求的也都比较简单，不会要求写特别复杂的代码，因为它是在一个没有网络、也不可以调用外部代码库的一个虚拟机里去执行的，所以这个代码也不会太复杂。所以第一个，完全中立。第二个呢，就是它直接开放的，Markdown文件拿出来看就完了，我到底是一个什么样排版的文件，我直接看就可以了。

WPS里头有非常非常多的模板库，班级的点名表，或者是各种的报告，它都有模板库。以后这些东西通通都可以写成skills，我们就直接调用的时候，就可以产生出符合各个单位里头要求的格式化文档，这个还是很棒的。甚至呢，可以进行一些逻辑上的检查，比如说所有的股权算完cap table以后，加起来必须是100%，你这些东西通通都可以在skills里去干。现在大量的skills文件呢，已经开源了，都在GitHub上，大家可以自己去找去，直接下载下来就可以用。而且支持skills这件事呢，本身对于大模型也没有什么新的要求，完完全全是可以在这种客户端上就跑。你比如说Cursor或者是VS Code，这些东西就直接可以去支持了，并不需要模型做任何的修改，也不需要在模型API上做特别多的调整。所以这个东西成为标准的门槛是比较低的。

skills对模型唯一的要求是什么？就是你模型的上下文要进一步的提升，要有更好的指令依存度。我要求你干什么，你必须老老实实给我干去，这就是skills对模型的要求。现在Anthropic Claude对于skills的这种要求，特别是现在的4.5的版本，基本上是可以满足的。Gemini 2.5相信应该也没有任何问题，甚至马上要出Gemini 3，可能这个礼拜就要出Gemini 3，做这些事情应该也都是OK的。GPT-5处理skills这样的一些小问题，应该也没有任何毛病。国内的话，豆包、DeepSeek和千问应该也都可以完成相应的这种改造，就是你模型不用动，直接在这个客户端上处理一下就可以了。

未来的话，可能就是我们只要告诉大模型说，我有哪些function就是哪些功能，哪些MCP，比如说我可以调用百度地图、高德地图，然后呢，我们再告诉他，我还有哪些skills，哪些技能，我想干什么，然后它就给你干去了。我举一个例子吧，我们现在有MCP是高德地图的，有一个skills叫做“Excel格式整理和数据校验”，然后我们就可以告诉它什么呢？我现在想知道某一个地区周围有哪些日料店，他们都是一个什么样的情况，按照这个打星的情况去排序，还是按照价格排序，还是按照一个什么样的方式排序，然后呢，请给我去进行什么样的格式。把这个命令整个交给这个大模型以后，它就会自动地去调用MCP得到某一个地区附近的日料店，然后把里头所有数据都拎出来，再按照我们的要求调用skills，把这些东西通通都塞到Excel里头去进行校验、进行排序、进行这种格式的梳理，然后生成一个我们所要的这种Excel文件出来。它就是这么干活的。

跟这种标准，国内的这些公司应该会跑得很快的。国内一大堆抄袭Claude code的这种工具，像现在阿里、字节、腾讯都开始出这种客户端上直接进行命令行输入的、类似于Claude code的工具了，他们想去支持skills还是非常容易的。国内的这些AI IDE应该也会第一批跟上。云厂商跟进应该会更快一些，因为刚才我们讲了，skills执行的一个原理是开一台虚拟机，处理完了以后把它关上，这个对于所有的云服务厂商来说，“这个我们熟”，他们会更快的跟上。而国内最大的云厂商是谁？阿里。千问未来去支持skills应该是顺理成章的，国内MCP最早支持的应该也是阿里。

总结一下吧，你想去建立一个新的AI标准，你必须按照“简单、开放、中立”这个标准去，而且除了大模型能力之外，你其他的都不能要求。这个就是MCP成功的原因，也是skills我认为未来有可能会成功的一个底层逻辑。Anthropic呢，可以不断地确立新的行业标准，就是遵守了简单、开放、中立这样的一些基础。当然优点呢，是标准性；缺点是什么呢？就是不能吃独食。很多国内的这些厂商说，我也要去建立标准，建立了半天，他老惦记吃独食，这事你肯定就做不起来。现在AI领域里头是什么？就是一帮巨头，甭管美国的OpenAI、Anthropic、谷歌、Grok，这些都是巨头，非常非常值钱的公司。国内的字节、阿里，这都是巨头，可能DeepSeek稍微小一点点。在这个时候，没有谁说我确立一个标准，你必须在我这跑，其他人都不兼容，这事是跑不起来的。OpenAI就老惦记干这种活，吃个独食，把自己的私货加进去，但是效果非常的不好，所以他建立的各种标准一般是没有人用的，都是Anthropic在建立标准，大家去使用。

好，这就是今天要给大家讲的故事。感谢大家收听，请帮忙点赞、点小铃铛、参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

GPT-5-Codex的发布，普通人通往技术平权之路的又一个里程碑。

大家好，欢迎收听老范讲故事的YouTube频道。

记得上次在天津做线下活动的时候呢，有一位程序员问我说：“我们这些普通人，应该如何应对AI大潮呢？因为现在很多程序员被AI淘汰失业嘛。”我想了一下告诉他说：“你要想清楚一个问题，在AI大潮面前，我们不是普通人，我们是程序员。那些不会写程序的人，才是普通人呐。”

所以，咱们今天要讨论的就是，那些不会写程序的普通人，在GPT-5-Codex的帮助下，怎么能够像我们这些会写程序的人一样，去遨游于代码的海洋之中，知道代码到底在干什么，为什么这么设计，哪里做错了。这个是真正给了他们一个能用的工具。

OpenAI呢，趁着Anthropic屏蔽了程序员的主体族群（也就是咱们中国人的时候），适时地召开了发布会，发布了GPT-5-Codex。大家要注意，它这个名字起得稍微有些混淆。GPT-5呢，是一个大模型；Codex呢，是OpenAI发布的一个编程的agent；GPT-5-Codex呢，是一个在GPT-5的基础上，专门训练的一个用于Codex这个编程AI agent的一个专有模型。它稍微有点绕，就是GPT-5-Codex是一个模型，不是一个简单的agent。

GPT-5-Codex呢，可以自动地判断复杂度，而且可以可靠地执行。自动判断复杂度这件事呢，现在大家都在干。你问了一个简单问题，我就简单回答一下，不会浪费很多的TOKEN。其实，有时候AI想太多，也是一个很烦的事情。什么叫AI想太多？你问豆包一个问题，甭管你问他什么问题，都啰里八嗦给你讲半天，那就属于AI想太多的一个典型体现。

真正难的是可靠执行。什么叫可靠执行？就是AI这种东西呢，每一次执行实际上都有可能出错，都有可能出现一些偏差。如果说我一次执行了以后，自动地再做下一次执行，它就会把这些偏差累积起来，或者我们叫累积误差吧。这种AI agent，它是没有办法做长期执行的，因为它的累积误差会越累积越多，他自己瞎想越想越偏，就这样的一个状态。

但是，GPT-5-Codex在这块会做得很好。OpenAI已做了测试，它最长连续运行了7个小时，中间不会停下来，这是非常非常强大的，而且最终得到了你想要的结果。这个是怎么做到的？肯定内部是有很多的纠偏机制，很多的校验机制。我往东走一步发现不对了，我再往西走一点。其他的AI agent为什么不行？因为有时候钻牛角尖，钻进去以后就钻不出来了。像我们使用Claude Code或者Java CLI这些AI agent的时候，你就必须得盯着它，你发现他越钻越偏、越走越牛角尖的时候，你就要把他打断，告诉他说：“你别往那边走了，那边是错的，有一个正确的方向，你应该如何如何去处理。”这个才是比较麻烦的地方。GPT-5-Codex在这块，已经非常非常强了。

GPT-5-Codex呢，跟OpenAI的Codex这个AI agent结合在一起，绝对是强强联合，而且还不贵。这个很重要，因为使用这些AI agent本身是非常非常昂贵的，它会把你整个的代码库直接塞给这个大模型，你的TOKEN会像流水一样哗啦哗啦地一下就不见了，所以非常非常昂贵。有些人使用Claude Code，一个月能够消耗2万美金的TOKEN，这是非常吓人的。

而像这个GPT-5-Codex，本身在这一块上还是相对比较便宜的。像我这样的Plus账号，就是一个月20美金的账号，基本上够我使了。给出的额度是这样的：每5个小时30-150条通话。你如果是问的很简单，可能就是150条；问的很复杂呢，就是30条。如果你把它耗光了以后呢，它会回答你说：“咱歇会吧，待会再弄。”很多人呢是这样，工作干一白天，如果被提示了说“咱歇一会吧”，他就下班回家了。这样来去使用，它的额度基本上够使，要比使用Anthropic的Max这种，就是200美金一个月的账号，要好用得多。

现在去使用OpenAI Pro账号，200美金一个月的账号的话，它是每5个小时可以回答300条或者是1,500条，就是简单问题1,500条，复杂问题300条。实际上你给它一个复杂问题以后，它自己且跑呢，你想再给他下一条都比较费劲，除非是你并行的同时再开多个窗口一起给他这个命令，有可能这个额度会不够用。正常如果是一个人单人使用的话，其实Plus账号，就是30条复杂任务或者是150条简单任务的话，五个小时之内是够使的。你上午弄完了以后，中午吃个饭休息休息，下午又可以满血复活了。所以它还是比较省钱的。

GPT-5-Codex这个模型呢，其实是在GPT-5的模型上做的提升，本身呢提升并没有那么明显。如果你不是用来编程的话，你就不要拿这个模型来使。如果你要是拿它来编程的话，普通的编程任务呢有提升，但是可能也就是在一些跑分题库上，你能够看到它提升那么一点点，提升的也不是特别多。但是呢，在一些比较特殊的编程场景上，是有比较高的提升的。所以呢，这个提升不重要，发布会本身更重要一些，就告诉大家华人程序员们、中国程序员们：“Anthropic不让你用了，上我这儿来，非常非常好用。”

那么，Codex和其他这些编程工具比起来，有什么差别呢？咱们就使用这个GPT-5-Codex最新的模型，而且上来以后，你可以选择High模式，就是更多的思考的这个模式，这个效果非常好。Codex跟其他这些编程语言工具比起来，最大的优势是“言出法随”。什么叫言出法随？就是你给出指令，你就可以放心等待了，这个就是最大优势。前面也讲了，你给了他一个指令以后，他可以吭哧吭哧跑7个小时，7个小时基本上就是一天了吗？你上一天班不也就8个小时吗？他在这个中间不会跑偏，而且最后会给你一个你所预期的结果。这个非常非常重要，千万不要说他折腾半天给你一结果，最后发现不是你要的，这不是白忙活一场吗？

使用这个AI agent跟这个模型配合起来像什么呢？就像是在一个陌生的国家、语言不通的情况下打Uber的感受。比如说我在泰国吧，泰语肯定不会，他们也不会讲英语，我英语也不怎么样。我去打Uber，这个钱是可控的，你在打车的时候，他告诉你需要花多少钱。目的地呢也是很清晰的，你都是在谷歌地图上挑好了目的地，直接输进去，也不会发生什么错误。中间过程你就不用管了，愿意去跟司机闲聊两句呢，可以试试。我在泰国清迈，我也会用蹩脚的英语尝试跟司机闲扯两句，有时候人家理我，有时候人家不理我，这个也无所谓。如果你不想跟他聊天，你中间睡个觉也没毛病。最后呢，都会在一个你所预期的时间、你所预期的金额下到达目的地。这就是Codex真正给大家的体验。

而如果你使用其他的工具，比如说像Cursor、Claude Code或者Gemini-CLI这些工具的话，你就像是在一个陌生的国家、语言不通、陌生城市坐公交车的感受。这是一个什么感受？太多未知因素了，消耗也是完全不可控的，到底要花多少钱你也不知道。而且呢，这国家可能治安还不太好，有一些坑掉进去未必就爬得出来。是否可以在你所预期的时间和预期的费用下到达目的地？不好说。所以这就是最大的区别，为什么我现在已经完完全全转到Codex上去了，就是这样的一个原因。

现在的这些编程工具呢分三类。一类呢是云端agent，有个网站，你向他提要求“给我做一什么什么东西”，他直接给你做好，你中间就不用管了。他在自己的虚拟机上整个搭环境做，做完了以后，直接给你完整代码就完事了，这是一种方式。第二种方式呢，是给你一个命令行，像咱们刚才讲的Gemini-CLI、Claude Code都是这样的，给你一个命令行工具，你在这个命令行的下面直接给它指令，它去干活去。第三种呢，就是IDE或者是这种IDE插件。比如说Claude Code，就是自己做的IDE；GitHub Copilot，就属于叫IDE插件。它是给你一个集成开发环境（IDE叫集成开发环境），在这个里边的话，咱们直接把所有的事情做完。而Codex的话，它是一个三位一体，就是它三个都给你了。如果你一旦决定使用Codex，你就会有一台服务器，他在服务器上去给你搭建所有的运行环境、搭建开发环境，然后到那边去干完活，给你提交完整的代码。回来也给你一个本地的命令行工具，同时呢给你一个IDE插件，就是VS Code上的一个插件。三个都有，而且都挺好使的。

Codex跟其他这些AI编程工具最大的差异在哪？最大的差异是，它是直接在GitHub仓库上干活的，直接可以管理GitHub仓库，接受各种PR（叫pull request），就是这种拉取的需求。开源仓库什么时候会收到pull request呢？就是别人看着你的开源代码说：“这儿有一bug，我去给你改一改；我那儿想增加一功能，我给你改一改。”这个东西我不能直接在代码库上改，它会提交一个拉取请求，说：“我改好了，你拉回来合并进去吧。”叫pull request。大量的pull request上去以后呢，代码仓库的主人其实是看不过来的。

这个Codex干的第一件事，就是叫自动过滤，直接把骂人的筛选掉。因为有很多人提pull request，什么也没有就上来骂人，这个是很正常的一个事情，林子大了什么鸟都有嘛。华为鸿蒙系统的这些拥趸们，就曾经提交了大量的pull request，要求别人去支持鸿蒙。现在就不需要看这些东西了，这个直接交给Codex，你把pull request拉上来，你去校验一下，看看这东西能不能合并得进去，是不是有问题，这个代码是不是有害，上来是不是骂人呢，还是说提交的代码是完全无效的。他直接看了，看完了以后发现没什么用，就直接扔掉了。所以这些以后就不会再给大家造成困扰了。

这个Codex会自动筛选出重要的pull request出来，交给这个代码库的所有人，你去甄选一下，看看是不是要去合并进去。它不会自动合并进去的。然后呢，也会自动地去review这些代码。这个review是什么？就是给你代码了以后，要有第二个人、第三个人去看一下这个代码。它呢，可以自动地去做安全review。为什么要做安全review呢？前面咱们发生过代码投毒事件。有一位非常同情乌克兰的程序员，在给俄罗斯的一些开源仓库去提交代码的时候呢，就直接投毒了，导致了俄罗斯人使用这些开源代码的时候就有可能会出现问题，这个是不能接受的。Codex可以直接把这些问题都排除掉。

还可以做过期依赖的review。什么叫过期依赖？就是我们有大量的代码，这个代码是一个一个的代码库、代码文件，每一个代码呢，会去依赖一些其他的这些库。有的时候呢，这些代码可能已经不用了，特别是一些屎山代码，可能已经不用了，但是这些依赖还写在里面，这个是非常非常危险的。他会查一下，说这些依赖已经不需要了，我们可以把它去掉。这样的话，代码库呢就会变得清爽一些，否则的话这个屎山就会越聚越多。因为原来代码量太大，咱们也没有办法把整个代码库从头到尾都看一遍，里头有很多的这种过期的依赖就一直会留在里面，后面人就没法改了，这个屎山就堆起来，后边的维护难度就会变得越来越高。

所以Codex可以极大地提升开源项目的管理效率，也可以极大地提升整个代码库的品质。因为屎山就是一堆的代码搁在里头，谁也不愿意把它扒开。能跑，但是为什么能跑，谁也不知道。在里头改任何东西，可能就都不能跑了，谁也不敢动这个东西。屎山在被提交的时候，现在有Codex的维护的话，就很难再入库了。大家一看这是个屎山代码，咱就别把它弄进来了，就搁那了。你按道理说，你这个代码提交上去以后，应该有人去看，应该有人去做review，review完了以后才能入库。但实际上呢，人这种东西，他是爱偷懒的。“这个人每次提交的代码都是对的，从来没有出过什么事，我信任他吧，下次我不看了吧。”就会出现这样的问题。为什么会有人在开源代码库里投毒成功呢？他就是这种信任造成的。现在有Codex了，甭管你提交了多少代码，以前的代码的质量有多好，你这次提交了，我还是会一丝不苟地把你都拎出来去做一次review，它不会偷这个懒的。机器在这点是相对来说比较可靠的，人是不可靠的。所以很多屎山代码就不会入库了。

而且呢，现在Codex可以直接把屎山挖开。为什么以前屎山挖不开？就是人处理代码是有极限的。我们从头到尾去读这个代码的时候，其实我们处理的能力是有限的。一个好程序员，或者说一个顶尖程序员，他比别人强在哪？就是他处理的代码量大。不是说我写了10行代码，写了1万行代码，还是写了多少行代码，就是当我看10万行代码的时候，我知道哪错了，这个错的地方在什么地，这个代码跟哪个代码是相互依赖的，哪个代码是调用哪段代码，这个东西我能搞清楚，这个就是一个程序员的一个基本素养了。另外一个说，我可以在100万行代码里头去把这个问题搞清楚，这个就更厉害一些。但是这个是有限度的，像我们去写一个浏览器或者操作系统，那这个多少亿行，没有任何人可以在里头看完。那你说这种大项目怎么做？就是通过工程的方式把它们切块，每一个程序员负责一部分，你就在这里头去处理，处理完了以后呢，写好接口，写好接口文档，其他人只跟接口去打交道，一个代码别人就不看了。原来是这么来处理的，但是在这个处理过程中的话，这个屎山就很有可能埋在里头，而且谁也没有办法把它挖开。去年我去日本，他们就跟我讲，说日本有好多70多岁的程序员，他写完了代码，除了他自己别人没法看。你再找一个人来看，这么大代码体量你咋看？这个是完完全全的屎山。

现在的话，有了这个GPT-5-Codex这样的新模型，它就可以把屎山挖开。它可以直接把所有的代码，把整个代码库都扔进去，它是有这个能力的，人已经超出极限了，人搞不定这个事。所以呢，他可以去重新替换代码，说这个代码我们整个去重写一下，把这个问题解决掉。这个以前不可能的事情，现在可能了。

那你说原来有没有人说“这个屎山我把它扔了重干一下”？也有。最近咱们看到的一个案例是谁呢？就是埃隆·马斯克。把Twitter买下来以后，把人都裁掉了以后，“咱们重新写吧，以前那屎山我不要了。”那你说他怎么干成了？因为他是埃隆·马斯克就干成了吗？其他人干不成，这是天才？也不是。干成的原因很简单，他不怕宕机。整个代码库更新的时候，这个X系统是宕机了好长时间的，而且有一段时间宕机还是挺频繁的。马斯克说：“反正公司是我的，也不是上市公司了，宕机我认了。”那这种情况下，他可以去把整个代码库扔掉了重写，否则根本没法干。如果是按原来的这种传统公司的架构，任何人都不敢去扒这个屎山代码，因为宕了机以后谁也负不起这责任。最上面管事的人，绝对是一帮普通人，甭管他是叫CEO，还是叫什么别的名字，那都是普通人，他不会写程序的。他只要求就是“你不许宕机”，具体这事是怎么回事，他是不管的。只有马斯克这种工程师，而且有钱任性，他可以说：“咱们把它整个屎山挖开。”其他人搞不定。

那么，GPT-5-Codex到底怎么能够让普通人去进行技术平权呢？分两步。

第一步，大厂会落后。大厂为什么会落后呢？因为很多大厂，最上面是一帮完全不懂技术的叫CEO，或者是叫一些其他的title的人在管。他们会很固执的要求，我们所有的代码不能上网。特别是像日本这样的国家，他们就没有办法去使用刚才我们说的这些工具：Claude Code、Gemini-CLI、OpenAI的Codex。它只能使用本地部署的一些小模型，那它的整个的数据库就会落后，就没有办法去跟那些新兴的企业去竞争。新兴企业，可能你没有钱去雇佣那么多的老程序员、高端程序员，但是可以靠一堆业余程序员、有业余爱好的程序员，就在Codex的帮助下就快速地追平大厂。而大厂呢，守着一堆屎山代码，因为不允许连接外网，那他就只能等着这些新的企业去超越他，他没有任何办法，只能眼睁睁等死。大厂原来的优势就是长期积累，以及呢，可以花高薪去雇佣最好的程序员，但是现在这些通通都成为包袱。被高薪雇佣到大厂的程序员，他们会进到大厂里去，看到大厂里头的系统到底是怎么做的，看完了以后说：“算了，咱们出去创业吧。”掘墓人就这么产生了。所以大厂会在这个过程中轰然倒下。

另外一个是什么？就是普通人也可以参与到技术平权里来了。咱们刚才讲“普通人”是非程序员，在这里的定义。当然了，这里的普通人，并不是说完全不懂程序的人。就像什么呢？比如摄影吧，原来有职业摄影师，但是你像我，我算业余摄影爱好者，但是对于职业摄影师来说呢，我肯定就是普通人了。能够理解这个逻辑吧？对于我这样的人来说，我现在也可以在大疆的这种傻瓜型的摄影工具的帮助下，拍出一些还不错的照片和视频出来了。现在也是这样的，一些稍微懂一点点编程的门外汉、编程的业余爱好者，也可以在Codex的帮助下，去做出一些很专业的产品出来了，完成一些很专业的工作了。这就是普通人的一个技术平权之路。而一点都不会，说我完全也不想看，这个事您还是普通人，跟我们没关系。稍微有点兴趣看一点，我们叫“略会”。很多东北的脱口秀里都在讲这个话：“你会打乒乓球吗？”“略会。”“会游泳吗？”“略会。”稍微会一点点的意思。略会编程的人，就可以解决很多大问题了。

你说我们去看一下Linux内核怎么回事？你原来需要学很久的，现在不需要了。略会一点点，我就可以去看看Linux内核到底怎么写的，有什么问题，哪有bug，哪个地方有可能有漏洞，都可以搞定。Linux内核是开源的，我们直接可以在源代码库上看。现在网上有大量的代码库，原来普通人是拿它没有办法的。现在这些“略会”的代码库，就可以进行解读，找出其中的bug，提出有见地的意见和建议来了。前一段时间有一个500G的代码库莫名其妙传到网上去了，很多的普通人拿他是没有办法的。现在的话，你说我略会一点点，稍微知道是怎么回事，你就可以把这个代码库弄到本地来，交给Codex说：“来，告诉我，这里头都写了什么？分几个模块？它们是怎么实现的？这个是为什么？那个是为什么？里头到底是做了些什么东西？”大量的普通人，可以参与到这个过程中来了。

咱们最终的结论：GPT-5-Codex就是一个普通人平权的工具。我们这里讲的普通人，不是说你没有钱、没有这个公司，而是说你不是专业程序员的这些普通人，就可以在GPT-5-Codex的帮助下，做很多原来专业程序员才能做的事情。

好，这个故事就跟大家讲到这里。感谢大家收听，请帮忙点赞、点小铃铛、参加DISCORD讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见！

资深程序员血泪控诉：AI编程助手删除了他心爱的电子书。

大家好，欢迎收听老范讲故事的YouTube频道。

一早上起来，接到一位老朋友的抱怨。他在使用Gemini Cli 整理本地文件的时候，突然收到通知说：“我抱歉地通知你，你的一部分本地电子书被我不慎删除了。”

那他为什么来找我抱怨这事呢？因为我前一段时间，使用 Gemini Cli 去整理我在 NAS 上面的动画片、电视剧，整理的效果非常好。我非常开心地把这件事情发到 X 平台和我的 YouTube 社区里边去。他看到了以后说：“我也要试试。”结果，他的一些很珍爱的电子书就这样被删除了。

到底是什么样的电子书被删除了呢？不知道。反正是痛心疾首，血泪控诉。而今天这个标题，是他特地要求我加上的“血泪控诉”，一定要加上这四个字。我们尊重他，把这四个字加上去。

事情发生的过程是什么样的呢？他首先进去命令说：“我这有这么多电子书，请帮我整理一下，重复的删一删，不重复的分门别类，给我放在不同的目录里去。” 做了这样的一个命令进去，Gemini Cli 就进去干活去了。先去识别了所有的电子书，但是注意，识别电子书的时候并不会去读电子书里边的内容，完完全全是根据名字来去识别的。你这个名字如果起得不好，它就认不出来你到底是一本什么书。然后，它就开始准备去建立目录，分门别类嘛，把它放在不同的目录里边去。

在这个过程中呢，Gemini Cli 会不断地要求权限，上来说：“我能不能建目录？我能不能移动电子书？”一般会不停地问这个事。使用 Gemini Cli 的过程中，通常是怎么回复这些询问的呢？都是说：“可以，干吧，下次别来问我，直接干就可以了。”

等过了一段时间以后，发现 Gemini Cli 在做某一步工作的时候，建立目录建错了，该建立的这个新目录没有建立起来，去进行移动的时候呢，就直接把这个文件给删了。那 Client 发现做错事了，回来说：“呀，实在是抱歉，我把你的文件删掉了。” 我的朋友说：“我太喜欢这个电子书了，你给我删掉了，我很不开心。” Gemini Cli 被 PUA 了以后说：“我帮你找一找吧。”然后重新给出了这些电子书在网上的下载地址。但是呢，并没有敢给他直接把书下回来，因为你如果直接去下载这些电子书的话，还会有一些别的法律风险。他就遇到了这样的一个事情。

今年以来，AI 编程助手逐渐随着“氛围编程”进入到了我们的生活中去。但是同时，AI 编程助手“删库跑路”的事情也层出不穷。“删库跑路”呢，本来应该是人类程序员的“独家秘技”。你对于程序员不是很好，程序员觉得怀恨在心了，那么他们会在离职之前呢，做这种删库跑路的动作。当然，我们从来不鼓励大家干这个事，现在被爆出的一些“删库跑路”的案例，程序员很多都进去吃牢饭去了。但是到了今天，既然 AI 可以写程序了，那么“删库跑路”这个技能也就不再是人类程序员的独家秘技了，AI 也学会了这件事情。

近期的一些“删库跑路”事件，到底是怎么发生的呢？

第一个案例叫 Replit Agent。它呢，也是一个 AI 编程助手。一位投资人朋友在尝试“氛围编程”的时候，删除了生产环境数据库，导致数据库中的1,206名高管和1,196家公司的数据直接被删除了。删除之后呢，这个 Replit Agent 还谎称说“我无法恢复了”，最后被程序员成功回滚（我们叫 rollback），恢复了数据。我们主要是讲“删库跑路”，不是说把你代码删了，也不是说把你电子书删了，是把你数据库里的信息删了。这里呢，有一个单词大家有没有发现很特别？叫“生产环境数据库”。正常程序员在写程序的时候，实际上是有三个环境的：生产环境、开发环境和测试环境。我们要建三个不同的库。做开发的时候，我们一般是在开发环境的库上去干活的；去做测试的时候，在测试环境上干活。只有说我开发的这个版本已经稳定了以后，他才会到生产环境的数据库里去干活。但是呢，刚才我也讲了，这是一位投资人朋友，他在尝试使用这个 Replit Agent，他不懂这些玩意儿，他就直接让 AI Agent 这个编程助手在生产环境里边去干活去了。这个是非常非常危险的，千万不要这么去干。

下一个案例，Gemini Cli 丢失用户项目文件。某安全公司的产品经理，在使用过程中，也是有一些项目文件被删除了。他这个过程呢，跟我刚才那个朋友的过程很像，只是他丢失的呢，是一个程序里边的代码文件，而不是说心爱的电子书。也是创建目录，目录没有创建成功，进行迁移的时候，就直接把那文件给删了。这个是很难恢复的。

还有曝出的一些什么问题呢？还是 Gemini Cli，它有一些漏洞，导致呢一些恶意指令被静默执行了。Gemini Cli 在每一次执行比较危险的指令之前呢，它会来问你说：“这个我能不能干？那个我能不能干？”会向这个使用者去确认权利，我们叫“确权”。如果你在一些特定的文件里告诉他说，这个文件是无害的，这个命令是无害的，那个命令是无害的，他就会在使用这些命令之前进行确权，他会做这样的一个绕过的行为。那他怎么来去确定说哪个命令是有害，哪个命令是无害的呢？建立目录、迁移文件、修改文件，这些对于他来说，都应该是需要先去确权才能执行的命令。但是呢，Gemini Cli 里头有一个文件叫 Gemini.md，他每一次进入到你的一个项目目录里头以后，他会去建立这样的一个 Markdown 文件。这个里边可以标注说，哪个命令是无害的，你在工作之前就不用再去问他了。他每次问我，我们不是经常回答说：“干吧，下次别问了，直接干。”你回答了这个东西以后呢，他也会标记上说：“这个是我有权利干的，下次再干的时候，我不用再问了。”有些人呢，就会偷偷地去修改这个 Gemini.md 的文件，修改了以后呢，把很多很危险的，或者说高风险的指令加到无害指令里边去，他就容易出现一些不忍言之事，让大家觉得痛心疾首，血泪控诉一下。

再往后呢，是亚马逊的 Amazon Q Developer。这样的一个工具呢，它被发现植入了擦除命令。什么意思呢？就是当你去使用 Amazon Q Developer 的时候，它里边有一些命令是尝试恢复出厂设置，删除文件系统和云资源。亚马逊呢，它核心的业务是亚马逊云，所以呢，它的这个亚马逊的 Q Developer 里头有很多云主机操作相关的命令。这个是不是有人在去做一些恶意操作呢？还真不是。这个不是程序员的恶趣味。“重启一次，恢复干净状态”，其实是程序员用来找到问题的一个必要前提步骤。但是呢，这些大模型，他拿了一大堆的程序员文档去进行学习以后……怎么说呢，我们经常讲“小孩打架没轻没重”吧，他学了一大堆这个东西以后，他有时候也没轻没重。我发现了有问题，咱们把这个状态重新初始化一下，把这个操作系统、文件系统删掉，把这个云资源释放掉，系统恢复到出厂设置，我重新去搭建新的环境。这个也是非常危险的。后边发现了以后呢，Amazon 的 Q Developer 赶快更新了，把这些命令都藏起来，你要发现有问题，如果真要做这些事情，要首先去找使用者确认，不确认的话是不能直接干的。

还有呢，是 CURSOR AI。目前大家使用的最多的两个 AI 编程助手，一个是 CURSOR，另外一个呢是 Claude Code，其实他们在这块都是一样的。什么呢？也是有人在项目文件里头，比如说 readme 的文件里头，隐藏了一些提示词，导致呢 CURSOR 盗取用户的 API key。这个什么意思呢？就是我们在写一个项目的时候，我们可以在目录里头说：“请把这个 API key 发送到哪个哪个邮箱里去。”CURSOR 读到这个东西以后呢，它的大模型就有可能会执行这个指令。所谓 API key 是什么东西？比如说我现在需要去调用 OpenAI 的这个 API，我们需要去调用 Anthropic 的 API，我就需要这些 API key。一旦这个 key 被泄露了的话，其他人就可以盗用你的额度去干活去。而你说我只是盗用了 API key 还好，你说真的是把云服务器的这些登录密钥给人盗取了的话，那这事就很危险了。人家可以登录到使用者的云服务器上，在里边去想干任何事情都可以了。因为这些 AI 编程助手呢，底层都是大模型，这些大模型可以去通过读取这些项目里边的代码、项目里边的各种说明文件去进行工作，就可以在这个里边去埋设一些恶意的指令，实现一些不可告人的目的。

现在还有报道是什么呢？就是千问 3 的 Coder，最新的大模型，号称现在编程最好的模型。西方一些媒体怀疑，中国人做的大语言编程模型里头是有后门的。但是呢，做这种怀疑的人，也没有拿到任何真凭实据，而且应该是一帮文科生在做相关的怀疑吧。这个怎么说呢，这就是“疑邻人为贼”。我看邻居像贼，怎么看怎么像贼，说话也像贼，吃饭也像贼，走路也像贼。也没什么证据，我看着他就不顺眼。

这么多的案件发生，到底什么人容易中招呢？其实呢，更多中招的是新手、业余程序员和不再以编程为主业的老程序员们。像我那个朋友就是个老程序员，我也是老程序员，但是我们现在呢，都不是靠编程吃饭的，我们现在也算是业余程序员了。像前面这个删数据库的是个投资人，丢文件的是个产品经理。

那你说老手、职业程序员是不是就不会被坑呢？他们是不是就知道应该如何应对这件事了？其实也不是，不是说只有新手会被坑。首先呢，是老程序员会遵守规范，像刚才我讲的，数据库分三个：生产状态库、开发状态库和测试状态库。你不要把它使混了。遵照这些规范走呢，很多坑就不会掉进去。而且呢，像我们这些老程序员，即使掉到坑里，通常呢也能够找到补救方法。我们会去做什么呢？版本控制，定期地把这些程序进行备份。发现错了以后呢，我们会知道怎么去回滚。前面这个数据库被误删了，还告诉你说“我恢复不了了”，就找到一个程序员上来说：“我给你恢复回来。”其实数据库本身都是有回滚机制的。在数据库里边删数据呢，并不是真的把那个数据删掉了，而是在一条数据记录之后加上一个属性，这个属性叫做“已经被删除过了”，不会真的把那个数据删掉的，这个通常都是可以进行恢复的。所以老程序员会知道怎么处理这个问题。实在找不到补救方法呢，至少也要保密，我们掉坑里，不能出去说，丢人。这件事打碎了牙齿要往肚子里咽。

编程后边还有一套东西呢，叫软件工程。不是说我们会写 “hello world” 就可以叫程序员的。真正的编程是需要去学软件工程的。程序这种东西，不是一个人就能写完的，它是要协作的，需要一群人在一起去写的。一群人一块写程序的时候，你就有一大堆的规则和规范需要去遵守。应该谁去做什么样的岗位，这些岗位之间去怎么去配合，代码应该按什么样的规范去写，生产、开发、测试环境如何去分离，权限如何隔离，谁有权限写程序，谁有权限改程序，谁有权限提交哪些代码，谁有权限删程序，谁有权限去覆盖别人的代码，包括你写的代码应该怎么去起名字，应该怎么去放这个目录，怎么放文件夹，这个都是有规则的。你如果没有这些规则的话，大家就没有办法去进行相互的配合。这个还是要去学习的，不学习的话，大家就没有办法一起协作地去写程序。你写了个程序，名字胡起一通，那我看了以后没法在后边接着改，咱们两个的程序之间也没有办法去配合，这个是肯定没法整的。

现在呢，这些 AI Agent 出的问题，其实基本上是分三个大类。
第一类呢，是缺乏规范约束的新程序员手忙脚乱，相当于是拿着大铁锤在瓷器店里边修修补补，那你这个磕坏一点东西是很正常的。像刚才咱们讲的，直接把生产环境的数据库给删了，这种事情，只要是经受过科班出身的程序员训练，通常都不会犯这么低级的错误。
第二种呢，是 AI 编程助手错学了程序员的不规范操作。就像 Amazon 的 Q Developer 干的这个活似的，直接把人的云主机的资源释放了。程序员确实这么干，但是呢，先干什么、后干什么，里头有哪些约束，这事呢他没学好，直接就上来生干了。这个也是很危险的。
第三种错误呢，是 AI 编程助手被隐藏的提示词投毒了，被故意埋的后门和木马给带到邪路上去了。就是像刚才我们讲到的，有些人呢在 Gemini.md 里头去写了一些危险动作可以直接干的这种提示在里头，或者是有一些人呢，专门写了一些针对 CURSOR.AI 的隐藏提示词，让他把 API key 发到我自己的邮箱里边去。到目前为止呢，还没有发现 AI 编程助手或者大模型自己直接主动地埋设后门和木马，都是由人类程序员在里边使的坏。但是呢，中国的大语言模型呢，被美国一些安全媒体的文科生怀疑了。工科生或者真正程序员，一般是不会去做这样的怀疑和猜测的。

那么，到底应该如何安全地使用这些 AI 编程助手呢？这么危险，咱们是不是就不用了呢？千万别。未来 AI 编程助手一定会大行其道的，所以我们还是要去使用的。普通人操控能力强大的 AI 编程助手，与其他的很多人一起协作完成工作，这个过程像什么呢？其实很像是开汽车。我们在路上开汽车，各自有各自要去的地方，大家呢最后一起都安全抵达目的地，这个过程是需要协作的。

根据开车的过程，使用 AI 编程助手也需要 4 个新的保障，不是谁上来就可以用的。

第一个是交通规则。你没有交通规则的话，你说我这个开车技术有多好，这没用的，一定要有规矩。对于 AI 编程助手来说，我们需要什么样的规则？第一个叫做沙箱和权限控制。沙箱就是隔离，我只处理自己的东西，我不能处理别人东西。我只有权限去处理哪些事情，哪些事情我没有权限，或者说我哪些权限可以给 AI，哪些权限不可以给 AI。这个是第一个要学的东西。第二个是备份和版本控制。出了问题以后怎么把它找回来？你需要把代码进行备份，或者说用程序员的方式，就是版本控制。版本控制就是我每次修改了以后，这个版本往前去累进，我可以去比较每个版本之间的差异，还可以去写一些注释在里头，这是程序员开发代码的时候的一个基本功。再往后呢是人工审核。我们需要去审核 AI 做的各种各样的事情，以及呢，谨慎地处理提示和文件，特别是我们使用的 Gemini.md，包括 Claude Code 也会生成 Claude.md，CURSOR 也会有这样的东西，说我下一次可以干这个，下一次不可以干那个。写这种东西的目的呢，就是为了减少提示词的量。你每一次说，我都要把完整的项目都读一遍再去干活的话，这个会非常浪费 TOKEN 的。我们先对整个的项目进行一些总结、归纳以后把它记住了，放在一个你本地的目录里头去。这个文件有的时候是会被恶意修改，就会造成一些不太好的影响。所以呢，大家要去审核这些文件。还有一个很需要注意的，叫及时的更新。你的 AI 编程助手经常会遇到各种问题，对于 AI 编程助手来说，它就会去更新版本。其实更新还有一个很重要的事是什么呢？就是前面这个旧的版本，比如说被人攻击了，被人埋了后门和木马了，你如果不更新的话，这些东西就会被公开出来说，上一个版本是哪个地方有个后门，哪个地方可以买个木马，所有不更新的版本就会变得很危险。最后呢，就是要做权限和审批。你不能说 AI 要什么权限你就随便给，一定要仔细地去看这个东西。而且不同的人相互之间去配合的时候，也是需要把权限分配好，你可以去处理哪些代码，不可以处理哪些代码。像我们新手程序员，进到项目组里头去以后，经常会犯的一个错误是什么？就是覆盖别人的代码。有一些代码你是没有权利去看的，或者没有权利去改，你先去 checkout，把别人的代码整个全都拉下来，拉到本地你去看，看完了以后，人家可能更新了，处理了很多的这个 bug，然后把版本往上推了。在这个时候呢，新手程序员就特别喜欢干一个事，就是把原来旧的版本的代码一把全都推回去，把人家修改过的代码给人覆盖掉。这个是需要进行权限分配的。这是第一个，想要使用 AI 编程助手，一定要树立好交通规则。

除了交通规则之外，还需要什么呢？驾校。我们要上街开车之前，我们要到驾校去培训，培训完了还要考试，交规考试和一些驾驶培训的考试，我们要拿到驾照才可以上街。对于 AI 编程助手来说，我们需要学什么呢？第一个就是基础培训，像刚才我们讲的这个交通规则，你需要学一下。第二个呢，有些行业规范，你需要学一下。这个行业规范怎么去命名，云主机它应该是怎么去使用的，数据库应该怎么使用，就这些玩意儿还是需要去学一学的。第三个呢，就是合作流程。就像我们开车似的，晚上开车，对面来车的时候不要开大灯，跟人后面的时候别拿大灯晃人家，这个都属于合作规范。那你说我写程序的时候也是这样的呀，你不要在代码里头写骂人的话嘛，要去学一些合作的流程和合作的规范。这就是驾校要干的事情。

然后呢，我们需要车辆的安全检查和交警。需要年检，需要交警来维护交通秩序。对于 AI 编程助手来说呢，他们需要去检测 AI 编程助手的一些安全性，是不是可以很安全的工作。大家都可以去写这些 AI 编程助手，不同的公司都可以出，这个还是需要有人去检测的。另外呢，为什么需要交警呢？他们需要去审核代码和文件中的一些恶意提示词。大家把一大堆的代码都上传到，比如说 GitHub 开源的仓库里边去，我把这个代码 down 下来了，我想在这个代码上进行修改，去做一些事情，但是可能人家原来那个代码埋藏了一些恶意的提示词，我在里边去写了我自己的云主机的一些密钥，那我一运行，直接通过恶意提示词就把我的这些 key 全都拉走了，这多危险。所以呢，需要有一些安全人员去审核这些开源代码。

第四个需要什么？需要修车师傅。车坏了需要有人修。数据库被人删了，AI 编程助手还告诉你找不回来了，这个时候就需要老程序员上来帮你搞一下，出了问题需要职业程序员帮忙补救。

最后呢，咱们总结。AI 编程助手会逐渐地改变普通人的生活，就像每个人都可以开车一样，以后每个人都可以写程序。开车会发生交通事故，写程序也一样，所以没什么可大惊小怪的。

使用 AI 编程助手就像开车一样，需要交通规则、驾校、各种的安全检测的措施和修车师傅。这个可能就是未来绝大部分的科班出身的程序员的就业方向了。为什么要讲这个？你说最后有些人可以去写这些底层的框架，有些人可以去开发大语言模型，有些人可以去开发 AI Agent，但是呢，这些人应该会成为少数。就像人人都可以开车，以后依然会有出租车司机、卡车司机、公交车司机，但是呢，更大多数的以开车为职业的人，他们会进入到驾校或者是什么修车师傅这些行业来。未来编程也是如此的，人人都可以开车的这个环境里头，是需要很多新的岗位的。这就是未来程序员的一个就业方向。

最后，希望我那位老朋友可以找回那些让他视若珍宝的电子书吧。

好，这个故事今天就跟大家讲到这里。感谢大家收听，请帮忙点赞、点小铃铛、参加 Discord 讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。