章节主旨
收官章。作者不再讲操作,而是给出四个关于 Claude 模型与 agentic engineering 未来走向的「低风险预测」:人的参与度持续下降、软件质量不再是护城河、变化速度只会加速、以及早期掌握 agent 工具者将获得非对称回报。
核心论点
- 人的参与度会持续下降,每个人都将成为运营 agent 舰队的 CEO。——直接编码的工作被内化,人保留在环但一人可管的 agent 数量持续上升。(→ 详解2、3)
- 软件的护城河从「代码质量」转移到「分发与合规」。——当谁都能几分钟复刻一个产品,差异化来自渠道、声誉、牌照。(→ 详解4)
- 变化速度不会放缓,只会加速,因为智能开始制造更强的智能。——黑猩猩、人、爱因斯坦的智能其实高度聚集,模型会很快穿过这段区间。(→ 详解5)
- 未来的赢家是今天就学会用这套工具的极少数人。——理解 agent harness 的人不足全球 1%,能在短窗口收获非对称回报。(→ 详解6)
知识点详解
1. 为什么值得听一个「预测」章 3:01:38
是什么。 作者花十几分钟谈他眼中 Claude 模型与整个能动工程(agentic engineering)的远景。他的两个信息来源:一是从小浸泡的科幻(阿西莫夫《基地》、阿瑟·克拉克),让他长期思考「由 agent 主导的环境」会长什么样;二是他在中小企业、mid-market 到 enterprise 的实战暴露。
为什么听。 他把这些说法定位成「低风险下注(low-risk bets)」而非确定预言——变化太快,没人能有 100% 把握,但这些趋势方向足够稳,押中就能拿到一点 alpha(先发优势)。听的姿态应是「校准方向」,不是「照抄结论」。
2. 趋势一 · 人的参与度持续下降,人人做 agent 舰队的 CEO 3:03:28
是什么。 从早期的 Vibe Coding → agentic engineering → 基于研究的方向性指挥(auto research 等框架)这条路径,方向是一路减少人在具体任务里的介入。作者的 Auto Research 例子:一个自动优化 agent 一直挂着跑,把加载时间从基线持续压低,想象它连跑几千天、或以百倍推理速度运行的复利效果。
会变成什么。 类比从莱特兄弟亲手开飞机,到现代客机——驾驶舱里仍有人,但起降大部分由 autopilot 和成熟 SOP 接管。人不会在「直接写代码」上投入更多,而是退居指挥位:每个人都像自己那家公司(或组织)的 CEO,运营一支持续替你干活、还能自我优化的 agent 团队。
杠杆而非取代。 出于监管与伦理,human-in-the-loop 大概率永远保留;真正变化的是「一个人能管多少条船」。过去 100 人干一件事,未来可能一人干 100 件事——杠杆持续放大(3:04:40)。作者也坦承这引发就业争议,并猜测长期或需转向不同的经济制度,但这属开放问题。
3. 环节内化 · auto mode 与「规划-实现-QA」整环自动化 3:04:53
是什么。 Claude 近期的 auto mode(自主模式)是「参与度下降」的一个缩影:过去你要手动在 bypass permissions / ask before edits / edit automatically 之间切换权限,现在 Claude 直接替你判断——它 99.9% 能做对,那就把决定权交给它。一个原本需要人的动作被抹掉了。
放大到整个循环。 同样的内化正发生在更大的环上:规划(planning)——现在多是你让 Claude 出计划、你来实现,未来计划开发本身也归它;实现(implementation)——已在做;质检(Q&A)——正在开发自动化测试流程,让 Claude 自己跑测试再把成品交付给你。三段合一,人从「点按钮」退到「收成品」。
判断。 这不是某个孤立功能,而是「AI 帮 AI 设计产品」的开端;auto mode 只是一大批「让你更 hands-off」的更新里的第一个。
4. 趋势二 · 护城河从软件质量转向分发与合规 3:07:55
旧世界。 过去操作系统(Windows、Mac OS)好不好用,几乎是唯一的差异化;软件本身就是护城河。作者的暴击例子:如今用三四个 agent 开 fast mode,五分钟就能复刻一个 Netflix(3:07:39)——当年靠专有流媒体技术建起的城堡,软件层的城墙已经形同虚设。
护城河搬家。 差异化转移到:对消费者的连接、市场声誉、与供应商多年积累的分发关系、以及法律与合规(专利、版权、播放牌照)。Netflix 早已囤积大量牌照与版权来对冲。会出现「开挂的十四五岁少年」做出客观上更强的软件,却因缺乏合规资质而难以 go-to-market。
供给过剩,SaaS 不再是好生意。 现有模型已逼近人类推理上限、且快数百倍;跑一千个 90 分模型能逼近一个 100 分人类的产出,软件产量与质量同时暴涨。供给太高→可售软件的需求走低。作者由此不看好 订阅制软件(3:09:50):一次性买断只有一个短窗口,之后多数人会算这笔账——「花 $199 买,还是花 $19 加半小时 token 自己造?」
对 Leo 的独立站启示:护城河搬家这一条正对着「分发/获客/合规」而非「把工具做得多花哨」。纯 SaaS 订阅逻辑被作者看衰,directory/niche 这类靠内容与渠道卡位的模式反而更抗打——这与「seo 侧选赛道变现」的定位一致。
5. 趋势三 · 变化只会加速,智能在制造智能 3:10:40
机制。 技术历来不只改善普通人的生活,还增强研发者本身的研发能力(印刷机、电报皆如此),于是变化速度自我复利、持续上扬。作者用「模型智能 vs. 时间」的曲线:1970-80 年代(Minsky、早期神经网)近乎线性,2010 起步、2020 抬头、2025-2026 陡峭上冲。
智能聚类。 关键洞察:若按脑内神经元数目粗算,黑猩猩、普通人、爱因斯坦三者的智能其实高度聚集、间距很小(3:13:18)。当前模型大约在「黑猩猩」附近,而穿过「人类→爱因斯坦」这段窄区间可能只需数月。
拐点。 一旦模型能用「人类级智能」去提升自身增长率,曲线就近乎垂直——「intelligence is making intelligence more intelligent」(3:14:19)。作者以「Claude Code 几乎每天都有新更新、放在三四年前不可想象」为现实佐证。(注:聚类论是一种直觉类比,神经元计数不等同于智能可比,当作方向性叙事看待即可。)
6. 趋势四 · 早期使用者的非对称回报 3:14:34
是什么。 未来最有能力的人,是今天就学会用这套技术的人。真正懂 Agent Harness 是什么、并像你这样在用的人,占全球人口远不足 1%,是个「消失级」的极小比例——你身处一个 privileged minority。
类比。 借占领华尔街「我们是 99%」的口号反转:在生产力维度上,你现在就是那 1%。即便手头没多少钱,只要「身在局中」,就能以几分钱的 token 成本做出别人要花几个月才能完成的、极具经济价值的事——这是生产力鸿沟而不只是财富鸿沟。
窗口与下注。 引威廉·吉布森:「未来已至,只是分布不均」(3:16:06)——技术已在,只是少数人先会用。趁经济尚未完全适配「超人类智能」,懂 harness、会把最好模型变成经济价值的人能在短窗口收获非对称回报(asymmetric rewards,3:16:19)。哪怕只占住这个潜在未来的 0.1%,对个人而言也是巨大的丰裕。(收尾的订阅/社群引导为推销,已剥离。)
术语
- low-risk bet(低风险下注):方向足够稳、押中即得先发优势的趋势判断,非确定预言。
- auto mode(自主模式):Claude 自动决定权限层级、无需人工在各权限模式间切换的运行模式。
- moat(护城河):使产品免于被竞争者复制/攻陷的结构性壁垒;作者主张它正从软件质量转向分发与合规。
- human-in-the-loop(人在环):流程中保留人工确认/介入的一环;因监管伦理原因大概率长期保留。
- asymmetric rewards(非对称回报):以极小投入/极小比例的占位,博取远超投入的潜在收益。
- productivity divide(生产力鸿沟):会用 vs. 不会用先进 AI 工具者之间的产出差距,作者视其为比财富鸿沟更根本的分化。
自检问题
- 作者说「人的参与度会下降」,是否意味着人会被完全移出流程? 答案:不是。他明确因监管与伦理原因,human-in-the-loop 大概率永远保留;变化的是杠杆——一人可管的 agent 数量从「100 人干 1 件」翻转到「1 人干 100 件」。见详解2(3:04:40)。
- 「护城河搬家」到底从什么搬到什么?对做独立站有何含义? 答案:从软件质量搬到分发、消费者连接、声誉、法律合规(牌照/版权)。含义:别把赌注全押在「工具做得多好」,渠道与获客卡位更抗打;作者据此看衰纯订阅 SaaS。见详解4(3:07:55)。
- 「智能聚类」这个类比想说明什么?该如何看待它的可靠性? 答案:黑猩猩-人-爱因斯坦的智能间距其实很小,模型穿过这段窄区间可能只需数月,故变化会近乎垂直。但它是基于神经元计数的直觉类比,神经元数≠可比智能,应当方向性看待。见详解5(3:13:18)。
- 吉布森那句「未来已至,只是分布不均」在本章承担什么论证作用? 答案:支撑趋势四——技术已经存在,但只有极小比例的人先学会用;这个不均分布正是早期使用者能在短窗口收获非对称回报的来源。见详解6(3:16:06)。