聊聊我现在的 vibe setup: - core dev agent:与 cc 的长程深度会话,详尽交互与核心产品 plan,直接在 main 上跑。 - research agents:根据我的 github star 和我自己的 x 书签写各种 plan,提交到 github issue - dev agents:只要存在 issue 必须根据对应的 issue 创建可行分支 - test agents:在所有分支不断 24/7 review 并提高测试覆盖率 - marketing agents:根据 commits 寻找宣传点(外部产品化的就是 shipcast)并制作文字图片和视频素材。 - hook agents:根据各种 webhook 实现 agents 之间的信息传递。 我的核心开发仍然是以和 cc 的长程会话为主,因为我觉得自己想不清楚的问题,让许多 agents 自己去研究也肯定想不清楚,这可能是目前唯一深度参与的 human in the loop 部分。 我最近在写 wanman 一人公司这个产品的时候发现,很多 agents matrix 强调产品的通用性,因为解决的工程问题都是相似的(见上一条推)但在用户真正使用产品的时候得到的交付产品,却存在着极大的不确定性,难以评估交付质量。这个问题我还没想到要如何使用 agents 来实现,我们面向的软件工程,从确定性延续到不确定性的架构,本身需要一段时间去适应,我在想,也许作为用户也在不断适应使用软件的心理预期变化。因此在目前,如果为人类用户设计不确定性较强,但同时又是面向大众需求的产品的时候,领域从极端收敛的方向开始实现,或许是个不错的思路。
比特进
5小时前
人类史上最大AI泡沫已至,破裂近在咫尺 2026年全球AI领域的资本投入疯狂到离谱,微软、谷歌等四巨头单年AI开支超6000亿美元,这一规模远超行业常规研发边界,成为人类有史以来最庞大的激进资本投入。但这场狂欢背后,藏着和当年乐视如出一辙的财务危机,甚至规模庞大千倍万倍,已成人类历史上最大的泡沫,且离破裂不远。 当年乐视为粉饰财报,将影视版权这种“易逝品”的成本用直线法摊销至10年,把利润前置、成本后置,最终因资产虚高、资金链断裂轰然倒塌。而如今的AI巨头,正复刻这一逻辑:英伟达GPU以传统摩尔定律5倍的速度迭代,1年就出颠覆性新品,上一代显卡很快沦为电子垃圾,GPU实际已成“易逝品”,本应缩短至2年以内加速折旧,但各大科技公司仍沿用6年直线摊销的传统法则,人为压低当期成本,让财报业绩看似亮眼,实则将巨大的折旧风险推迟到未来。 更可怕的是,当下AI产品几乎全采用订阅制,完美复刻了乐视当年“左脚订阅制、右脚成本后移”的会计魔法,在账面上制造出虚假繁荣。而科技巨头们的算力采购,早已成了囚徒困境式的防御博弈:明知硬件会快速贬值,却不得不咬牙举债疯狂下单,不跟进就可能被行业淘汰,最终被迫陷入高投入、高负债的恶性循环。 这一幕也与2000年科网泡沫高度相似:当年企业疯狂购置服务器,硬件快速迭代导致资产大幅贬值,供应商融资埋下财务炸弹,最终美联储加息、流动性收紧,大批公司破产,纳斯达克暴跌近80%。 如今英伟达成了当年的英特尔,甲骨文等企业疯狂加码AI算力,2026年预期资本支出飙升至500亿美元,净债务超千亿、债务股本比达500%,信用违约风险飙升;谷歌发100年期债券续命,每天烧数亿美元在AI算力上;微软更是通过云服务兑换券向OpenAI投资,形成左脚踩右脚的财务闭环,将初创公司风险绑在自己的资产负债表上。 市场的疯狂往往比理智更持久,没人能精准预测泡沫破裂的时间,财报不及预期、电力支撑不住算力扩张、坏账无法掩盖,都可能成为压垮泡沫的最后一根稻草。但可以确定的是,这场背离常识的繁荣终会落幕,而泡沫破裂的力度,将远超想象。 本贴转自 汤山老王 #AI泡沫 #宏观经济 #投资风险 #市场预警