2025 年黑客松获奖榜单：医生、木匠、律师都赢了

三场近期举办的顶级黑客松颁奖结果，拼在一起看，揭示出一个清晰的变化：站上领奖台的人，越来越少是来自科技中心的专职工程师。

这篇文章梳理了三场竞赛的获奖情况——Anthropic「Built with Opus 4.7」黑客松、Elasticsearch Agent Builder 黑客松、Solana Breakout 黑客松——共计数十个项目，聚焦有明确应用场景和团队背景的案例。

评委之一 Jason Bigman 在发布获奖公告时写道：「没有一个获奖者来自常规的科技中心。」1

六位获奖者的职业背景依次是：医生、维修技师、老师、前端架构师、木匠、工业 IoT 工程师（与学生搭档）。来自伊斯坦布尔、法国偏远小镇、智利孔塞普西翁、丹麦奥胡斯和智利奇洛埃岛。

这些项目共享一个起点：作者对自己所在行业的痛点有第一手认识，AI 只是把这个认识变成了可以运行的工具。Medkit 不是一个「AI 健康产品」，它是一个医生在职业生涯里一直觉得缺失的东西。ARIA 不是「知识管理平台」，它是一个 IoT 工程师见过太多老师傅退休后经验失传后做出的回应。

Elastic 在 2025 年底到 2026 年初举办了这场面向全球开发者的竞赛，要求参赛者用 Elastic Agent Builder（搭配 Elasticsearch、ES|QL 或 Elastic Workflows）构建有实际应用价值的 AI Agent。2

三个获奖项目分属医疗安全、AI 测试和公共卫生三个不同领域，但解题路径相同：先找一个真实且代价高昂的错误，再用 Agent 把发现这个错误的时间从「数周」压缩到「数秒」。

Prajwal Sutar 构建了一个四 Agent 药物警戒系统。系统读入 FDA 不良事件报告，在 ES|QL 内部运行 WHO 标准的统计分析，自动生成监管文书，并向 Slack、Jira 和邮件发送告警——全程在 60 秒内完成。Sutar 的架构决策之一是把统计计算全部留在 Elasticsearch 内部，而不是拉出来交给外部模型处理。3

Kavish Sathia 构建了一个对抗性测试框架：一个「干扰 Agent」会拦截主 Agent 的工具调用，试图把它搞崩溃——而且它有长期记忆，每次运行后会变得更有创意。Gauntlet 是在截止日前 48 小时推倒重做后完成的。4

Fredrick Kioko 是内罗毕的解决方案架构师，他每天维护的系统覆盖肯尼亚 47 个县的 HIV 检测基础设施。他带来的问题是：同一患者的重复记录在悄悄抬高仪表盘数字、浪费检测试剂。他的三 Agent 系统在 10 秒内扫描了 1010 条真实匿名记录，找出 131 条重复，包括同一天在多家机构登记的情况。人工排查同样的任务需要数周。5

这是 Solana 有史以来规模最大的一届黑客松：来自 70 多个国家，1412 个项目提交，设置 7 条赛道（Consumer、DeFi、AI、Infrastructure、Gaming、Stablecoins、DePIN）+ 3 个专项奖。6

6

TapeDrive 获得 50,000 USDC 大奖。这是一个可扩展的去中心化存储网络，会对存储数据的用户发放奖励。团队同时拿到 2025 年阿布扎比 Breakpoint 大会的参会资格，以及 Colosseum 加速器的评审机会（通过评审最高可获 25 万美元 pre-seed 融资）。7

三个专项奖中，**Solana 移动奖（25,000 USDC）**归属 LootGo，这是一个针对 Solana Mobile Seeker dApp 商店的项目；**大学最佳项目奖（10,000 USDC）**由 OpenSOL 获得；**公共利益奖（10,000 USDC）**颁给开源项目 IDL Space。

把三场黑客松放在一起，有几个不太显眼但值得记录的共性：

「最接近问题的人」正在建工具。 Anthropic 赛事里的医生建了医学模拟器，内罗毕的系统架构师用自己每天维护的真实数据集参赛。DePIN 赛道里卫星通信项目 Decen Space 的一句话描述——「降低卫星通信成本与使用门槛」——几乎可以是太空通信从业者的自述。

「无编程背景获奖」的新闻效应，实际上掩盖了更复杂的情况。 Anthropic 的数据是：500 名参赛者里有一位律师（这是上一届 4.6 版本黑客松的获奖故事，在本届获奖公告里被反复引用对比）赢得首位。但更准确的表述是：本届 6 个获奖者来自不同行业，他们使用 Claude Code 把想法变成可运行的工具——不是一行代码都没写，而是把编程的门槛压低到「有具体问题的人能跨过去」的高度。

Solana 生态的 AI 赛道出现了一个有意思的方向。 AI 赛道第一名 Latinum 做的是「支持 MCP 构建者获得收益的支付中间件」——它本质上是一个分配机制，而不是一个 AI 工具本身。MCP（Model Context Protocol）生态里的工具已经多到需要解决商业化分成问题，这在 12 个月前还是一个不存在的市场。