Hacksack

Claude 的 Dispatch 配对成功，可以在手机上控制电脑了。太好了，P 人的大救星。短期内不打算买 Mac Mini 了！ 今年最有价值的学习投入，就是无论如何把 Claude 用好学好，其他什么花钱上课都可以靠边站了。 你只需要一个 Max plan，每天把时间浪费给 Claude 就够了。

逃离币圈的高素质年轻人们：高薪伪装下的 “次要劳动力市场” 今天跟一个 Crypto 卡牌项目的员工聊，发现几周前他居然已经离职加入 AI 行业了。身边有不少相似的现象，这也是我最近观察到的一个很明显的趋势：不仅仅是那个 Multicoin 联创离开了，众多高素质、顶尖背景的同龄人才正在快速从 Crypto 行业流失 我并不认为这能简单归结为 “币价跌了”、“熊市难熬”，比起周期，我从我的视角来看，真正逼退这些聪明的同龄人的，是这个行业在职业生涯规划上极其致命的结构性缺陷，上升通道的彻底锁死 哪怕他们熬过了币圈的裁员，也不会留在币圈的原因可以用一句话概括：炒币自由不了，那日子总还要过吧 两个问题引出第三个问题： 1. 币圈的流动性来源于哪里？二级市场 2. 二级市场发生在哪里？交易所 3. 行业需要优质的年轻的人才加入吗？ 第三个问题，应该无需长篇大论论证。至少仅仅从 GitHub 数据来看，自 2025 年初以来，加密项目周度代码提交量约从 85 万降至 21 万，活跃开发者降至约 4600 人 所以可以很明显发现，在现阶段的币圈，除了头部交易所，几乎不存在真正意义上的职场阶梯。但即便是把青春奉献给交易所，能熬过 2-3 年的人也寥寥无几。在这个阶段入场，既拿不到早期员工那种具有爆发力的期权，也早就失去了靠行业红利直接 “买断青春”、实现财富自由的机会（当然，不考虑某些老鼠仓小编和某位现已离职的某链运营哈） 用经济学家 Doeringer 和 Piore 提出的二元劳动力市场理论来拆解，一切就变得无比清晰：Crypto 行业的就业基本盘，本质上就是一个被高薪粉饰的【次要劳动力市场】 在传统的主要劳动力市场（如顶尖金融机构、科技巨头或成熟的咨询公司）里，雇主和员工之间存在一份长期的隐含合同，提供的不只是体面的薪水和社会地位，最核心的是知识与技能的复利累积。在那种环境里，职业发展呈现出一种螺旋上升的态势：个人资本（能力、人脉、认知）随着时间不断增值。一个行业专家，可以凭借过去几年积淀的核心技能，横向跨界跳槽到咨询行业看特定赛道，或者进入大企业的战投部 但在 Crypto 这个次要劳动力市场里，哪怕工资未必低，你依然要面对工作极度不稳定、社会地位边缘化，以及晋升机制的极度匮乏 这就引出了那个最致命的问题：从币圈出去，你还能跨界到哪儿？答案是残酷的：无路可退。 在 Crypto 行业积累的所谓 “专业技能”，无论是找 KOL 进行 TGE 的宣发、写智能合约、还是推特运营，或者扫链炒 meme，在传统商业世界里几乎毫无复用价值。技能的不可迁移性让币圈的从业经历更像是一道职场履历上的断层 在传统就业市场尚未完全被 AI 吞噬的今天，顶级年轻人才必然会算一笔长远发展的账。当暴富预期被抹平，剩下的只有无法复用的屠龙技和随时归零的职业履历时，高素质人群的加速离场是一种极其理性的止损 在这个高波动的黑暗森林里，如果不能蜕变成一个自负盈亏、绝对理性的超级个体（独立交易员或投资人），仅仅想作为一个打工人来出卖时间，那这无疑是对自己青春最大的做空，这也是那些优秀的同龄人不愿继续在 Crypto 从业的核心原因 行业领导者更应该重视人才流失的问题，与其选择什么是对的，不如先排除错误答案

AI 的出现，对整个世界原有的行业系统是致命的冲击。 规则、秩序都会被重写。今年可能就是起点，后面只会越来越快。大部分藩篱都会被打破，你要面对的是一个成本趋近于零的对手。 不止 crypto。各行各业都会被威胁到。不过世界的变动，总是价格最敏感的地方反应最快。所以加密世界的人感知最早、最强烈。 但我不会离开 crypto。越了解 AI，越能想象它的未来。我相信 AI 会重新塑造 crypto，当然肯定不是给旧协议加个 AI 功能... 那些旧的老的，就让它们死去吧。

已经发现我精力不够用了. 有agent也没有办法解决lol 读paper, 写paper, 研究拓展问题, 跑benchmark, 想feature, 测feature, 回溯不同的方向. 我需要复制一下我, 有啥好工具吗

刚读完一篇两个人的律所，怎么干掉千人大律所的深度好文。 分享出来： 不是因为他的故事有多炸裂，虽然确实炸裂：两个人的律所，对手是上千人的大所，靠Claude在两小时内拆穿买方律师临门变卦的三处矛盾，第二天顺利交割。换传统团队，熬一宿都不一定搞得定。 这个故事里藏着一个大多数人用AI时完全搞反了的东西。 他也评估过一堆垂直产品——Harvey、CoCounsel、Spellbook，法律行业的专用AI。最后全放弃了，选了通用的Claude。理由不是功能多少，而是他想明白了一个问题：那些产品在卷模板，但模板不是竞争力。 每家靠谱律所用的合同模板都差不多，就像每个内容创作者手里都有选题框架、爆款公式、排版模板。这些东西满大街都是，Google一搜一大把。 真正拉开差距的，是拿到模板之后你怎么判断。哪个条款值得死守？哪个可以优雅让步？风险怎么跟客户讲才能让人听进去？——这些东西不在模板里，在他脑子里，是十年执业经验磨出来的。 然后他做了一件事：花两个小时，把这些判断力写成了6个Skill文件。 合同审查、修订标记、客户沟通、法律研究……每一个Skill都不是"帮我审合同"这种泛泛的指令，而是精确到"按严重性分级、检查缺失条款、对比市场惯例、给出反提语言、注意对方谈判筹码和交易意愿"这种程度。 他说了一句话，直接扎进来了： 区分一个优秀律师和一个平庸律师的，从来不是模板本身，而是律师拿模板做了什么。 这句话值得反复读。 把"律师"换成你自己的职业，把"模板"换成你手里的工具——意思完全成立。区分一个优秀设计师和平庸设计师的，不是Figma模板。区分一个优秀写手和平庸写手的，不是选题框架。是你拿这些东西做判断的能力。 而他做的那件事，本质上就是：把这种判断力从脑子里掏出来，写成AI能执行的指令。 这才是我觉得大多数人搞反了的地方。 很多人用AI的方式是：给一个模糊的任务，期待AI猜对自己想要什么。猜不对就说"AI不行"。但问题从来不在AI，在输入。 他在文章里对比了两种用法 审一下这份合同。 vs 从供应商视角审阅这份服务协议。标记客户方将风险转移超出市场惯例的条款。检查应当存在但缺失的条款，包括责任限制、知识产权归属、数据处理和任意终止权。输出一份按严重性分级的摘要，对每个高严重性问题提供具体的反提语言。注意供应商谈判筹码有限且希望促成交易，因此建议应聚焦于值得争取的条款与可以优雅让步的条款之区分。 第二个版本的产出第一遍就能用。第一个版本？大概率要大幅返工。 两者之间的全部差距，就藏在指令的质量里。而指令的质量，取决于你有没有把自己的判断力想清楚、写下来。 这就引出了一个更大的判断：Skill编码的不是流程，是判断力。 流程谁都能写。"第一步做什么、第二步做什么"——这是模板。但"什么时候该这样、什么时候该那样、什么坑我踩过一次就再也不踩了"——这是判断力。 他用了一个类比，我觉得特别准：两者的区别，就像给别人一张食谱和教别人怎么做菜之间的区别。 所以AI真正的杠杆，不是替你干活，是让你的判断力可以被复制。 你花十年攒出来的直觉、踩坑后的本能反应、看一眼就知道"这不对"的那种感觉——这些东西以前只存在你脑子里，传不出去，说不清楚，换个场景就得重新现想。现在你可以把它写下来，变成指令，让AI每次都从你的最高水平开始，而不是从零开始。 这个律师说，如果他有50个助理律师，他可以把Skill装到每台电脑上，"以往需要多年带教才能传授的知识，现在变成了一个从第一稿起就生效的指令文件"。你不需要50个助理，你只需要一个AI——但前提是你得先把自己脑子里那套东西掏出来交给它。 还有一个点值得单独说。他选通用AI而非垂直产品，还有一个更根本的原因：Claude会写代码。它不是在"谈论"文档，它能伸手到Word文件的XML层直接改修订标记。那些专用法律AI给你一个聊天机器人，Claude给你一个能动手干活的系统。 站在前沿模型上，每一次能力更新你当天就能用。站在套壳产品上，你得等别人的工程团队决定下一步造什么。 这个判断不只适用于法律行业。 最后他说了一段话，是我最近反复在想的事： 在AI能力范围之外使用它，或者不审视产出就盲目信任的人，表现比完全不用AI的人还差。 经验丰富的专业人士坐拥的恰恰是AI让其价值变得更高——而非更低的那项资产。 这两句话搁一块读就是：AI放大的是你已经有的东西。你有判断力，它放大判断力。你没有，它放大的就是你的盲区。 所以如果你在某个领域干了几年，有自己的一套标准——哪怕从来没写下来过，你手里其实握着一个比任何工具都值钱的东西。 今晚可以试一件事： 打开AI，想一个你反复做过三次以上的任务，把你做这件事时脑子里真正在想的东西说出来——不是步骤，是判断标准：什么情况下该这样？什么情况下该那样？什么坑你踩过就再也不踩了？然后让AI帮你整理成一份指令。 这就是你的第一个Skill。 模板满大街都是。判断力只有你自己有。 而现在，你可以把它复制出来了。

AI 让强的人更强，弱的人更弱 年后跟几个朋友聊近况，不免都会聊到 AI 对工作的影响和改变。记录几点： 1/ 一个案例 朋友 W 是资深软件工程师，最近他把自己实践了一年的 AI 工作流，引入到了两个朋友的公司。结果就是，这两个公司技术团队人员少了 2/3，留下的 1/3 整体生产力不降反升。事实已经摆在这里了，AI 实实在在让一部分人没了工作。 编程领域，初级程序员更难找到工作了。而有一定经验，同时又能够很好驾驭各种 AI 工具的程序员，他们的生产力得到了极大的释放。以一当十，不在话下。 2/ 得做点什么？ W 自己也做了很多小工具，都是直接手绘原型交给 Lovable。以前好歹需要找设计师，花点钱+一些沟通；现在这些全部省掉，少了很多摩擦成本，快速撸小工具产品毫无障碍。 当这样的情况越来越普遍，更多人内心会有一个想法：我得做点什么，不然会有点可惜。 这就是 vibe coding 被无限推崇的原因之一。 当然，这里面会产生很多实际没啥价值的「垃圾产品」，和自我感动。 以前「人人都是产品经理」的时间过去了，现在是「人人都是程序员」。至少是会调动 AI 工具写程序的人。 3/ 两个挑战 对于无技术经验的人来说，vibe coding 里日益复杂的工程和技术问题，会成为一个难题。尤其是有一些用户量后，未来产品迭代升级面临的「代码屎山」、工程管理和安全等问题都会暴露出来。 另外，跟常规互联网产品一样，把产品做出来只是 Day 1，后续的市场推广、用户 (Agents) 获取、商业化才是重点。 真正的「一人公司」很难，但每个环节生产力被大量释放后，会有越来越多小公司成为独角兽企业。 这样的公司在前 AI 时代也有，它面临的挑战也一样。比如分类信息网站的鼻祖 Craigslist，在相当长时间内只有一个人；Instagram 被 10 亿美元收购时也只有 12 个人。 4/ 稀缺的是什么 Vibe coding 的核心价值是，当有既定需求和想法时，可以大大释放人的生产力。至少快速把 demo 做出来不再是一个瓶颈。 但它无法解决的问题是，什么样的、尤其是有商业价值的产品值得做？ 洞察需求，以及产品做出来后的持续精细化运营始终还是核心。 以及在这整个过程中，由人做出的「决策质量」还是关键。 Cursor 的设计负责人说，最强的工程师也只能同时管理 4 个 Agent，人类还是 AI 协作的瓶颈。 TL;DR - 强的人更强，弱的人更弱。 最后来看张图，每一个点代表 320 万人 × 2,500 个点 = 地球 81 亿人。灰色表示 68 亿人尚未用过 AI，绿色表示 13 亿人用过大模型的免费聊天，黄色表示 1,500-3,500 万大模型付费用户，红色那一小撮才是深度用户。 真正的 AI 浪潮还没开始。

Jack Dorsey at the Block $XYZ company retreat in 2027

今天最离谱的新闻。。。真的太草台了。。