模型会趋同，Context 不会：把 AI 管成一支不关机的团队 (2026)

半年时间，一千六百多人的邮件订阅、五千七百多个 X 粉丝，而这一切背后没有一篇文章是他自己写的。1

欢迎收听《七档 AI 创业者精选播客缩短版》。

这一期的原节目是《十字路口 Crossing》，主播 Koji 杨远骋在从乌镇开去上海的路上，和嘉宾鸭哥边开边聊。鸭哥是 Superlinear Academy 的联合创始人，哥大博士，先后在微软、Pinterest 和 Samsara 工作；按他自己的说法，他是个重度 AI 用户——代码让 AI 写，自媒体让 AI 运营，从孩子受伤后的就医判断，到几千张幼儿园照片的处理，他都交给了 AI。原节目七十多分钟，我们把它重排成五件会落到产品、组织和竞争上的事。

这一集带走什么

真正的基础设施是 Context，不是模型。 鸭哥给 AI 装耳朵和眼睛，做了将近一年的实验。用录像设备拍照片的那一半失败了——拍了三四个月，他一直没找到用途；录音留了下来，他给它修了一条开源的流水线（intake skill）：录音转成文字之后建两套索引，一套靠人工判断归类，一套直接用向量检索，他叫它 semantic search。他还用同一套办法解决过自己的睡眠问题：把 Apple Watch、体重秤和一台每五分钟测一次血糖的仪器数据导出来，做了一个多变量回归，最后算出来最影响他睡眠的变量，是当天晚上最后一次用 AI 是什么时候——这条结论只存在他自己的数据里，任何通用模型都答不出来。他最反直觉的一句话是「一切都是文件」——不用向量数据库，也不专门搭一层记忆层，文件本身就是够用的抽象。至于为什么不把 Context 搬上云端，我们把它留在音频里让他自己讲。
模型这一季给出的新东西，是一台永不关机的云端电脑。 从 2026 年四月 Manus 的 Cloud Computer，到八月 Grok 的 Grok Bot、九月 Meta 的 Muse，三家做的是同一件事：那台虚拟机不销毁，你在上面的凭据和记忆都留着。鸭哥的判断是，这条路把 agent 从「一次会话」变成「一台常驻的机器」——判断它能不能接手一件事，不再只看它有没有接上你的代码仓库，而要看它上面留着多少你交代过的东西。
「0 人公司」能跑起来，但只跑到某一环为止。 他的自媒体半年做到一千六百多邮件订阅、五千七百多 X 粉丝，中间没有一篇是他写的。他只做了两件事：给这套东西装上「双手」（能自己发推）和「眼睛」（Google Analytics、Google Search Console 和推特的账号分析），再让它根据渠道质量自己调整写法和引流文案，形成一个自我改进的闭环。收入那一侧很难看：钱来自他和合伙搭档的培训业务，不是这套东西自己跑出了新场景。真正没交出去的是最前面那一环——发现需求、打通闭环、找到客户、完成交付。他也提醒，他的 skill 和工作流全都开源在 GitHub 上，但下载下来复制不了结果——他给那套系统起名叫「老鸭汤」，说老鸭汤拿过来它也是老鸭汤，不是你的汤，你得自己去熬。
管 AI 和管人是同一套原则，方向相反。 他说不要把 AI 当成工具，它更像一个人：会犯错，要检查结果，要把要求和成功标准交代清楚。差别在于，人讲究内化，AI 得反过来，要外化——你的标准必须变成它能读到的东西。所以「会用 AI」和「会管理 AI」是两件事。他的判断是，写代码、刷题、做设计都会越来越不值钱；越来越值钱的是经理的能力，也就是搭 Context、搭评测、让它自我闭环、自我改进。
不会被 Vibe Coding 摧毁的软件，靠的不是功能做得好。 他的答案有两类：一类是共识型的，比如 Office，不是因为它做得多好，是因为所有人都在用它；另一类是像密码学那样需要花很大精力保证正确性的，他宁愿花钱让别人做。共同点是换起来很麻烦——一类是你换不掉，一类是你不该自己换。他更看好的方向在组织：他和合伙搭档现在的很多讨论，已经是两个 agent 在吵；在他看来，一种全新的企业模式正在成形，协作、沉淀、执行、考评都会和现在很不一样。

带回团队的三个判断

把 Context 当成产品资产，别把它当成提示词。 模型每隔几个月换一次领跑者，你攒下来的语境、数据和判断标准不会跟着换。做 AI 产品的人值得现在就问一句：用户用过我三个月之后，我手里比他第一次来的时候多知道了什么。
把 AI 当成管理的对象，不是使用的工具。 管理有它自己的动作：把标准外化，把评测搭起来，让它能自我改进。这个差别决定了 AI 是放大你，还是替代你。
把「能力外溢」当成一个要定期复审的假设。 这一季他看到的例子是，一次基模升级能击穿一整条工业。反过来，如果你站的位置靠的是共识或者高正确性，你的位置反而更稳。要么去用它，要么去找它短期做不了的地方。

他还给了一个很朴素的开始方式：他带过的学员里，学得最好的那批只有一条共性——学完不停在纸面上。他打了个比方，学 AI 像学游泳，看视频学不会，得下水。

研究摘要与素材边界

本期的底稿是《十字路口 Crossing》官方公开完整音频（约 72 分钟）的整篇自动转写。这一期没有官方逐字稿，节目公众号的文字版在录制时也还没有发布；官方 shownotes 只用来做章节索引——这个节目的 shownotes 时间线此前出现过与实际音频错位，所以原声窗口一律以我们自己的转写时间码为准。正文与音频里的判断和数字，都按「鸭哥在这场对谈里的说法」呈现，没有改写成独立核验过的结论。

八段原声都从这份公开音频里按原始时间码裁取，只截他单人口播的窗口、不混入提问；每段窗口的起止位置都用 8 kHz 单声道波形互相关核对过，八段峰值偏移均为 0、相关系数在 0.9991 到 1.0000 之间。原声字幕按音频内容整理，自动识别在专有名词和数字上仍可能有误差——比如 Manus、Grok Bot、Muse、GPT-6 Astra 这类词，转写里都出现过明显误认。

这一集覆盖的是与 AI 产品创业直接相关的五个判断。原集还花了不少时间聊 Jev 的来龙去脉、他的健康数据处理、孩子怎么接触 AI，以及他对国内消费市场的观察，本集没有展开。

想听完整上下文、现场语气和这一期没有纳入的对话，可以回听《“有了 AI，我感觉自己强得可怕！”｜对谈鸭哥》。

本节目是对原节目的编辑性转译，不替代原节目。

References

1
《“有了AI，我感觉自己强得可怕！”｜对谈鸭哥》官方单集页
xiaoyuzhoufm.com

这一集带走什么

真正的基础设施是 Context，不是模型。 鸭哥给 AI 装耳朵和眼睛，做了将近一年的实验。用录像设备拍照片的那一半失败了——拍了三四个月，他一直没找到用途；录音留了下来，他给它修了一条开源的流水线（intake skill）：录音转成文字之后建两套索引，一套靠人工判断归类，一套直接用向量检索，他叫它 semantic search。他还用同一套办法解决过自己的睡眠问题：把 Apple Watch、体重秤和一台每五分钟测一次血糖的仪器数据导出来，做了一个多变量回归，最后算出来最影响他睡眠的变量，是当天晚上最后一次用 AI 是什么时候——这条结论只存在他自己的数据里，任何通用模型都答不出来。他最反直觉的一句话是「一切都是文件」——不用向量数据库，也不专门搭一层记忆层，文件本身就是够用的抽象。至于为什么不把 Context 搬上云端，我们把它留在音频里让他自己讲。

模型这一季给出的新东西，是一台永不关机的云端电脑。 从 2026 年四月 Manus 的 Cloud Computer，到八月 Grok 的 Grok Bot、九月 Meta 的 Muse，三家做的是同一件事：那台虚拟机不销毁，你在上面的凭据和记忆都留着。鸭哥的判断是，这条路把 agent 从「一次会话」变成「一台常驻的机器」——判断它能不能接手一件事，不再只看它有没有接上你的代码仓库，而要看它上面留着多少你交代过的东西。

「0 人公司」能跑起来，但只跑到某一环为止。 他的自媒体半年做到一千六百多邮件订阅、五千七百多 X 粉丝，中间没有一篇是他写的。他只做了两件事：给这套东西装上「双手」（能自己发推）和「眼睛」（Google Analytics、Google Search Console 和推特的账号分析），再让它根据渠道质量自己调整写法和引流文案，形成一个自我改进的闭环。收入那一侧很难看：钱来自他和合伙搭档的培训业务，不是这套东西自己跑出了新场景。真正没交出去的是最前面那一环——发现需求、打通闭环、找到客户、完成交付。他也提醒，他的 skill 和工作流全都开源在 GitHub 上，但下载下来复制不了结果——他给那套系统起名叫「老鸭汤」，说老鸭汤拿过来它也是老鸭汤，不是你的汤，你得自己去熬。

管 AI 和管人是同一套原则，方向相反。 他说不要把 AI 当成工具，它更像一个人：会犯错，要检查结果，要把要求和成功标准交代清楚。差别在于，人讲究内化，AI 得反过来，要外化——你的标准必须变成它能读到的东西。所以「会用 AI」和「会管理 AI」是两件事。他的判断是，写代码、刷题、做设计都会越来越不值钱；越来越值钱的是经理的能力，也就是搭 Context、搭评测、让它自我闭环、自我改进。

不会被 Vibe Coding 摧毁的软件，靠的不是功能做得好。 他的答案有两类：一类是共识型的，比如 Office，不是因为它做得多好，是因为所有人都在用它；另一类是像密码学那样需要花很大精力保证正确性的，他宁愿花钱让别人做。共同点是换起来很麻烦——一类是你换不掉，一类是你不该自己换。他更看好的方向在组织：他和合伙搭档现在的很多讨论，已经是两个 agent 在吵；在他看来，一种全新的企业模式正在成形，协作、沉淀、执行、考评都会和现在很不一样。

带回团队的三个判断

把 Context 当成产品资产，别把它当成提示词。 模型每隔几个月换一次领跑者，你攒下来的语境、数据和判断标准不会跟着换。做 AI 产品的人值得现在就问一句：用户用过我三个月之后，我手里比他第一次来的时候多知道了什么。

把 AI 当成管理的对象，不是使用的工具。 管理有它自己的动作：把标准外化，把评测搭起来，让它能自我改进。这个差别决定了 AI 是放大你，还是替代你。

把「能力外溢」当成一个要定期复审的假设。 这一季他看到的例子是，一次基模升级能击穿一整条工业。反过来，如果你站的位置靠的是共识或者高正确性，你的位置反而更稳。要么去用它，要么去找它短期做不了的地方。

研究摘要与素材边界

本节目是对原节目的编辑性转译，不替代原节目。

模型会趋同，Context 不会：把 AI 管成一支不关机的团队

这一集带走什么

带回团队的三个判断

研究摘要与素材边界

References

Related content

模型会趋同，Context 不会：把 AI 管成一支不关机的团队

这一集带走什么

带回团队的三个判断

研究摘要与素材边界

References

Related content