一个项目配一个 Bot 并行开发,AI 能写出 400 个答案却排不出哪个最好
30 秒速读
- 工作提效Ras Mic 用 Grok Bot 按项目分工,再让它调度 Claude Code(Opus 5.5)。他说一次持续数小时的会话交出 5 个能用的 PR,用的是每月 200 美元的订阅。
- AI 认知Dan Shipper 用一个 Claude 订阅,一周做完按 2020 年标准需要五个人的活。他认为,模型能大批生成答案,但判断哪个答案重要的还是人。
- 工作提效Ras Mic 给弟弟的服装品牌搭 Shopify 店,先让 Agent 通过 Paper MCP 做出设计系统和页面,他在画布上留评论改稿,确认后才连上 Shopify 生成前端。
- AI 认知在 AI Engineer Code Summit 上,Glean、UiPath 和 Workday 的工程师展示了 Jev 这类「系统一」模型的用法:只返回选项、分数或概率,速度快,成本低。UiPath 的测试里,几千次调用不到一秒就跑完了。
- Micro SaaS投资人 Nikunj Kothari 抓取了 803 家公司的子处理方清单。他统计,列出两家以上模型供应商的公司占 44%,3 月时是 33%;列出推理服务商的从 22% 升到 33%。
01|一个项目一个 Bot:他在手机上指挥 Claude Code 交出五个 PR
- 谁·场景
- 开发者、AI 类 YouTuber Ras Mic,在 Greg Isenberg 的节目里演示他同时推进的多个项目,包括 Pluto、Bezalel 和一个 Rust 写的交易终端。
- 怎么用
- 每个认真做的项目单开一个 Bot,零散想法交给一个通用工程 Bot。先让 Bot 审方案,不让它直接动手。方案定了再让它调用 Claude Code 写代码,需要时开多个会话并行。
- 结果
- 他说那次会话交出 5 个 PR,全部可用,新功能已经有人在测。交易终端他一行代码没写。另一个项目的 Bot 还自己发邮件,找 GPU 供应商谈折扣。
- 你可以试
- 从手头一个项目开始,单独开一个对话或 Bot。把方案文档交给它,只说「review this」,看它挑出哪些问题,确认后再让它写代码。
- 注意
- 他本人是工程师,看得懂方案也会审代码。涉及支付或敏感数据时,他会额外跑安全检查。他也承认夜里让 Bot 做出的一个应用,自己一次都没运行过。
在 Startup Ideas Podcast 里,Ras Mic 演示了他的分工方法:一个项目一个 Bot,用完就删。Grok Bot 负责沟通和调度,写代码交给 Claude Code。做 Pluto 的新方向时,他把朋友写的 PDF 方案交给 Bot,只让它审。Bot 回复说「方向对,但不建议原样执行」,并缩小了范围。朋友的回复他原样贴回去,第二版方案他看过觉得可以,才说「build it out」。Bot 随后调用 Claude Code 跑了几个小时,交出 5 个可用的 PR。
他选择这种方式有两个原因。一是在手机上用着顺手,在妈妈家吃饭、开车时开着免提都能推进。二是个人 Agent 还能处理业务上的事,比如发邮件谈价、申请退款。连接 Claude Code 有两种办法:简单的是让 Bot 在自带的电脑上登录 Claude Code;他自己用的是 Tailscale 连起几台机器,再通过 T3 code 调用。他说每月 200 美元的 Claude Code 订阅相当于 8000 到 12000 美元的 API 额度,所以「补贴还在就该用」。
先审方案再写代码这一步,不写代码的人也能借鉴。安全方面,他的建议是用最好的模型跑 /goal 做安全检查。遇到模型拒绝时,开个新会话换一种说法再问。
02|同一份问卷,团队每人用 Claude 挖出了不同的结论
- 谁说的
- Every 联合创始人兼 CEO Dan Shipper,在 Every 首届大会 Thesis 的闭幕演讲中提出这个观点(2026-11-11 播出)。
- 核心观点
- 他认为模型的默认答案人人都拿得到,所以不值钱。值钱的是两样:一个人对某块业务负有责任,以及他带进来的、与众不同的视角。
- 依据
- 同一份客户问卷,Dan 自己发现了团队版的销售机会。Yash 发现首月流失源于邮件太多,并提了改动的 PR。Douglas 读出读者的孤独感。另据内部实验,Claude 给出 400 个答案时,93% 的情况下包含 Dan 在 Slack 里的真实回复,但让它排序,这条只有约 60% 的情况能进前 10%。
- 对你的意义
- 下次用 AI 分析数据,先写下自己负责的指标和自己的判断,再去追问。别只停在「你看到了什么」这种默认问法。
- 争议·条件
- Dan 自己也承认,模型一年后大概会更擅长排序。他的回应是:到那时人也在用新模型,比较的仍是「人加模型」和默认提示词。这是自家大会的主题演讲。
Dan Shipper 在 Thesis 闭幕演讲里引用了 OpenAI 的 GDPval:盲评专家判定 AI 胜过人类专家的比例,2024 年是 12.4%,2025 年是 47.6%,2026 年约 83%。上周他抽工作间隙分析了季度问卷,做了一个团队对战游戏,又 vibe code 了一个 CRM,去给客户发开发邮件。按 2020 年的标准,这些活要数据科学家、游戏开发、产品营销、工程师和 BDR 五个人来做。
他的论据来自团队内部。直接问 Claude,得到的是「写作就是业务」这类结论,没错,但谁都能得到。团队里没有一个人交上去的是默认答案。负责评测的 Mike Taylor 做过实验,结论是生成很便宜,排序很难。
对读者来说,这意味着把时间花在定义自己负责什么、自己相信什么上。Dan 把这种工作方式叫作「分配经济」:衡量一个人的标准,变成他能否把智能资源分配好,并对结果负责。
03|写代码之前,先让 Agent 在 Paper 里定好设计系统
- 谁·场景
- 同一期节目里的 Ras Mic。他自称不懂设计工具,这次要给弟弟的服装品牌做一个网店。
- 怎么用
- 他把喜欢的网站截图交给 Agent,让它据此生成设计系统,规定字体、颜色、间距、圆角和按钮尺寸,再按这套系统出页面。他在 Paper 里直接留评论,然后让 Agent「address the comments」。
- 结果
- 几轮来回后,Agent 做出了哥特风格的店铺设计。他连上 Shopify 账号,几分钟内页面就改版完成了。
- 你可以试
- 在 Paper 或 Figma 里接好 MCP,让 Agent 先产出一页设计系统。确认之后,在所有后续提示里都要求它照这份系统来做。
- 注意
- 设计和功能都要本人审批,他认为这一步省不掉。参考别人的网站时,应该提炼成自己的设计系统,不要整页照搬。
同一期节目里,Ras Mic 讲了设计流程。他的设计参考来自 X 上关注的设计师和 Mobbin。看到喜欢的网站,他就让 Agent 照着做一套设计系统,再自己微调。网店那次,他给的提示词很粗糙,Agent 先反问他想要什么氛围。中途 Agent 用了已经连好的 Framer,他纠正说要用 Shopify。
Greg Isenberg 指出,很多人直接让 Agent 写代码,结果页面有一股「AI 味」。Ras Mic 的做法是先锁定设计,再生成代码。在画布上留评论改稿,比上线后再一条条提意见、让 Agent 重写代码省事得多。
这一套适合不会设计、但要做落地页、网店或小工具界面的人。前提是工具接好了 MCP,另外设计系统要单独保存一份,后面每个项目都能引用。
04|「95% 是爱因斯坦,5% 是憨豆」:工程师把快模型写进代码
- 谁说的
- TypeSafe AI 联合创始人兼 CEO Diogo Almeida(Jev 的主要作者),以及 Glean、UiPath、Workday 的工程师,在大会上分享。Latent Space 做了报道。
- 核心观点
- Almeida 主张,不要把 LLM 放在软件的核心再靠拼接字符串碰运气。应该在应用代码里到处嵌入「系统一」模型调用,用它做分类、打分和排序这类结构化判断。
- 依据
- Glean 说决策的分类体系变了也不用重新微调。UiPath 用淘汰赛的方式让 Jev 给文档片段排序,几千次调用不到一秒跑完。Workday 做的原型能在用户还在打字时就开始填请假单。
- 对你的意义
- 如果你在用 LLM 做分类、打分或路由,挑一个环节换成返回结构化选择的快模型调用,对比一下稳定性、延迟和成本。
- 争议·条件
- Almeida 推的是自家产品。Jev 九月才发布,不到两个月。UiPath 的工程师也说,Jev 单独用看起来没那么聪明,要靠组合策略才能用好。
Latent Space 报道了这场大会的主题:「系统一」模型。这类模型不生成文本,只返回结构化的选择、分数或概率。Almeida 认为,LLM 做核心的问题出在可靠性上:「95% 的时候你得到爱因斯坦,5% 的时候是憨豆先生。分不清是哪个,怎么自动化?」
几家公司的用法更务实。Glean 把 Jev 和 LLM、其他分类器搭配使用,用户不需要知道背后跑的是哪种模型。UiPath 的淘汰赛式排序可以直接借鉴:把候选分成小组,每组选出最相关的,胜者进下一轮。
对工程和产品岗位来说,这提供了一种拆分思路:开放式生成交给 LLM,有限选项的判断交给快模型。会场还有人提到,业余时间用 Jev 做了一个给梦幻足球新闻排序的网站。
05|翻了 803 家公司的子处理方清单,看 AI 公司在买什么
- 谁·场景
- FPV Ventures 合伙人 Nikunj Kothari,这是他第二次做这项统计,上一次在 3 月。
- 怎么用
- 他抓取各公司公开的子处理方清单(sub-processor list,按隐私合规要求公开的第三方服务商名单),统计各家用了哪些模型和基础设施。
- 结果
- 他的统计显示:多模型并用越来越普遍,Anthropic 的增速是 OpenAI 的两倍(他提醒样本小);推理服务商里 Modal 领先;TypeSafe AI 短时间内从 0 增长到出现在许多公司的清单上;中国模型主要通过视频类服务进入。
- 你可以试
- 做 B2B 小产品之前,翻翻目标客户和竞品公开的子处理方清单,看看他们已经在为哪些服务付钱、跟谁集成。
- 注意
- 他自己说,子处理方清单是滞后指标,但只要列上了,就说明公司确实在用。
Nikunj Kothari 在 X 上分享了这份统计。他还发现了 86 对互相把对方列为子处理方的公司,例如 Anthropic 和 Cloudflare。完整数据放在他做的 deploygraph 网站上。
这个方法本身可以拿来用。子处理方清单是公开的,而且列出的都是真实采购,比看营销稿可靠。做 Micro SaaS 的人能借此判断两件事:目标客户用的是哪些模型和推理服务,你的产品要跟谁集成;哪些新服务正在被快速采用,周边可能有配套工具的需求。
例如,44% 的公司同时用多家模型,这说明多供应商的路由、计费和评测正在成为日常需求。这只是一个待验证的方向,要去问几家客户才能确认。
今天可以做的一件事
从手头一个正在推进的小项目里,挑一份方案、需求文档或数据报告,单独开一个只管这个项目的 AI 对话。第一句只让它审:指出风险,说明它会改哪里,先别动手。开始追问之前,先写下你负责的指标和你自己的一个判断,带着这个判断去问。最后对比 AI 的默认结论和你挑出来的那条,看看哪条会让你明天真的去改点什么。