Vol. 171 假如我们有无限 Token

概览

本期从两位主播近期沉迷 vibe coding 和“蹬 token”的体验聊起，核心问题是：当模型能力、订阅额度和自动化工具迅速进化后，人类在 AI 工作流里的位置会发生什么变化。

节目中反复讨论“无限 Token”带来的视野差异：如果 AI 可以长时间、多代理、低成本地自主运行，人类不再只是写 prompt，而要设计 loop、分配任务、判断结果，并思考哪些事情应该交给 AI，哪些仍需要人参与。

后半段话题从软件行业扩展到商业模式、外包、个性化软件、硬件供应链、AI 翻译、儿童教育和安全边界。两位主播的共同判断是，软件生产成本正在快速下降，但真正的瓶颈转向产品判断、分发、信念、好奇心和现实世界的约束。

分段落总结

[00:00] 从 Token 重置聊到“蹬”模型

[事实] 两位主播说最近沉迷 vibe coding，并围绕 token reset、fast 模式和多个订阅聊“蹬 token”的体验。 [事实] 主播提到 Fable、Codex、Kimi 等模型或工具订阅，并说 token 消耗按 API 折算已经远超订阅价格。 [推测] 开场把本期主题引向“当 token 变多甚至用不完时，人该如何重新组织 AI 工作”。

[05:37] Vibe coding 的产出拥堵

[事实] 主播说自己把旧项目、新项目、市场调研、商业研究、代码 review 等都跑了一遍，但大量成果还没有发布或阅读。 [事实] 他们认为 AI 产出变容易后，人的时间、精力、判断和验收成为瓶颈。 [推测] “做好了”和“真正能发布”之间的差距，是当前 AI 编程工作流里最难自动化的一段。

[10:17] 从 Prompt、Harness 到 Loop Engineer

[事实] 主播梳理了概念变化：Prompt Engineering 之后出现 Harness，再到减少人在 loop 中停留时间的 Roop/Loop Engineer。 [事实] 他们提到 Claude Code、Codex、Py、DeepSeek 等工具或 harness，并说各家都在做自己的 harness。 [事实] 主播举了 Peter Steinberger、Boris 等人拥有大量 token 或数千 agents 后台运行的例子。 [推测] 本期把“会不会用 AI”进一步推进成“能不能设计可长时间运行的 AI 系统”。

[15:09] 无限 Token 带来的视野差异

[事实] 主播提到 Boris 让 AI 把 Electron App 转成 Swift Native App，并要求 pixel by pixel 复刻，任务已经跑了好几天。 [事实] 主播建议如果到 2026 年 8 月还没有体验过 frontier model 的高阶订阅，至少应该体验一个月。 [推测] 他们认为真正的差距不只是模型能力，而是能否体验“无限 token 下可以做什么”。

[19:00] Human in the loop 的短期价值

[事实] 主播讨论人参与 loop 的性价比：人可以较早判断废案，从而节省大量 token 和测试成本。 [事实] 他们区分了多个 200 美元账号、API/OpenRouter 和真正无限 token 之间的差异。 [推测] 在 token 仍然有限时，人类的主要价值之一是做筛选、裁剪和方向判断。

[25:00] 长任务、睡眠时间与上下文切换

[事实] 主播说几个月前还在想能否让 AI 在睡觉时持续研究，如今相关能力已经逐渐可实现。 [事实] 他们也提到多项目并发带来的 context switch 成本，以及批改 AI 任务对精力和健康的消耗。 [推测] 当前限制不只是钱，而是人能否承受越来越多 AI 任务的验收压力。

[30:18] Computer Use 与真实设备自动化

[事实] 主播提到使用 computer use 和 Device Hub 模拟器连接多台手机做自动化测试。 [事实] computer use 的操作很慢，一个人 30 秒能测完的流程，AI 可能需要 14 分钟，但能节省人的精力。 [推测] AI 测试的价值不一定在单次效率，而在于它能并行、持续、覆盖以前不愿做的细节。

[36:01] One-page 工具、官网截图和项目迁移

[事实] 主播说自己喜欢让 AI 写只有一个 HTML 的 one-page 工具，把图片、JS、CSS 都内联进去，方便直接交给别人使用。 [事实] 主播提到 AI 为 App 官网生成 demo 页面并截图，也把老项目迁到 Cloudflare/serverless。 [事实] 节目中提到小宇宙订阅数已经超过三万。 [推测] AI 让许多原本“不值得动手”的小工具、小迁移、小官网变得可随手完成。

[39:10] 产品融合与 GPT Live

[事实] 主播讨论 Codex DAU 增长、ChatGPT 与 Codex 融合，以及在 GUI、CLI、网页之间切换的体验。 [事实] 主播认为 GPT Live 相比过去 Advanced Voice Mode 的主要提升在 context、response、memory 和自然对话能力。 [推测] 语音 AI 的关键不只是声音更像人，而是它能以更长上下文参与真正的连续对话。

[48:15] AI 进入生活、机器人与隐私

[事实] 主播提到 Sam Altman 说 AI 可能很快进入更多人的日常生活。 [事实] 他们聊到上门家务机器人目前更像噱头，也提到机器人可能扫描家庭物品、照片和个人隐私。 [推测] 如果 AI 从软件进入家庭空间，隐私协议和现实场景规范会变得更重要。

[50:34] 合规、安全护栏与过度拒绝

[事实] 主播说 AI coding 会自动补齐隐私、版权、合规等细节，有时也会过度限制试错。 [事实] 他们举了 Disney、Nintendo、私有 API、防 DDoS、底层 API 等会触发模型拒绝或警告的例子。 [推测] 安全护栏在高风险方向必要，但对开发者的正常探索也会带来摩擦。

[55:20] 软件行业范式与“日抛软件”

[事实] 主播认为旧的软件工程范式仍会继续工作，但已经进入过渡期。 [事实] 他们提出软件可能出现“日抛、月抛”的状态，用户或商家用 AI 临时生成满足短期需求的工具。 [推测] 当生成软件的成本足够低，软件从长期产品变成短期服务或一次性解决方案的可能性会上升。

[60:03] 复制成本下降与 Token 贡献

[事实] 主播说现在复刻软件的成本很低，甚至有人看到好 App 后复刻并加上 Open 字样。 [事实] 他们设想未来开源协作中，用户可能不再主要贡献代码，而是贡献 issue 和 token。 [推测] 软件工程师的定价可能从“写代码能力”转向“定义问题、组织模型、维护方向”的能力。

[64:07] 外包定价坍塌与一人公司

[事实] 主播认为外包涵盖产品、开发、设计、测试、营销、客服等完整生命周期。 [事实] 他们说外包报价可能从十万级被压到一万、三千甚至一千，从而迫使团队变成一人公司。 [推测] AI 不一定消灭所有外包，但会强烈压缩中低复杂度项目的人力溢价。

[66:15] 用户定制功能与 App 变体

[事实] 主播说有用户提出 iOS 27 beta 相关或很独特的新需求，他把邮件交给 AI 做出 TestFlight 版本。 [事实] 他担心这些功能让主 App 变复杂，因为可能只有少数用户需要。 [推测] 未来 App 可能支持用户在软件内“许愿”，由 AI 生成个人化变体，并按算力或定制服务收费。

[70:06] 个性化软件的边界

[事实] 主播用支付宝举例，讨论用户是否能把 App 定制成只保留余额宝等特定功能。 [事实] 他们认为这种自由度应该受限，不能把一个 App 改成完全无关的另一个 App。 [事实] 主播把个性化需求类比到早期博客、QQ 空间和 WordPress 的模板定制。 [推测] 个性化软件可能适合独立开发者，但未必天然对应互联网巨头级规模。

[75:48] 低成本发布、兴趣项目与新门槛

[事实] 主播提到自己两天做出的 Chrome 插件已经破 1000 用户，因为投入小，所以发布压力也小。 [事实] 他们聊到 Basic Apple Guy 这类为爱发电的创作方式，以及软件盈利模式不清晰时先做出来的可能性。 [推测] 当软件门槛下降，竞争力可能转向兴趣、审美、分发、实体结合和难以复刻的资源。

[78:42] 硬件、NFC 和电子墨水的实体护城河

[事实] 主播讨论 NFC 名片、电子墨水卡片、手机壳电子墨水屏等软硬结合项目。 [事实] 他们认为硬件供应链、外壳、品控和线下场景不是单靠 Codex 或 Fable 就能轻易复刻的。 [推测] 实体产品的复杂度可能成为 AI 时代的一种新门槛。

[83:29] 线下分发、国内硬件和品控

[事实] 主播说线下业务往往是一单一单谈，分发效率与 App Store 差距很大。 [事实] 他们提到国内机械键盘、电子阅读器、扫地机器人等硬件行业高度内卷，也聊到上下水扫地机器人和电子价签。 [事实] 主播用冰箱贴磁片选型说明实体行业里厚度、胶水、磁力等细节都会影响品控。 [推测] 硬件机会存在，但会把开发者带入供应链、客服、批量生产和线下销售等陌生问题。

[92:23] AI Coding 工具管理与多 Agent 工作台

[事实] 主播说具体 AI 使用方式变化很快，举了 T-MAX、GDJ、Herder 等工具或工作流管理方式。 [事实] Herder 被描述为面向 coding agent 的 terminal multiplexer，可以显示多个 workspace 和 agent 状态。 [事实] 主播也提到自己曾想做一个 menu bar App 来列出 Mac 上正在跑的 coding agent。 [推测] 多 agent 时代需要新的“任务控制台”，否则人会被项目、窗口和状态切换淹没。

[96:47] 设计 Loop 提高生产力

[事实] 主播说现在自己更多是在批奏折、设计 loop，而不是亲自做所有实体操作。 [事实] 他们认为自动化测试、边界情况和无趣代码可以交给 AI，从而让软件更健壮。 [事实] 主播把 agent 进化到 loop、再到 graph engineer 视为概念继续演化的例子。 [推测] 未来生产力差距可能来自能否设计多个可并行运行的 loop。

[100:15] AI 前沿研究、数学和视频生成

[事实] 主播提到 Anthropic、OpenAI 的无限 token 经验可以让外界观察新 harness 和新概念的变化。 [事实] 他们聊到 AI 在数学、世界模型、李飞飞团队以及 C-Dance 2.5 视频生成上的进展。 [事实] 主播认为 C-Dance 2.5 的人物表情和小微表情已经让他看不出明显 AI 痕迹。 [推测] AI 正从软件开发扩展到科研、视频和娱乐产业，并改变这些领域的成本结构。

[105:51] 信念驱动的创业叙事

[事实] 主播提到 Sam Altman 说 OpenAI 起步时并不知道能否做成，团队只是相信 AGI 方向值得努力。 [事实] 他们也谈到 Elon Musk 在电动车、航天、脑机接口等方向上的长期信念和高风险投入。 [推测] 这一段把 AI 创业从“找机会”转向“相信某件事必须被做出来”的叙事。

[111:13] 书、AI 翻译和知识管理

[事实] 主播提到 Elon Musk 相关新书、Apple 50 周年书，以及中文版推出很快可能和 AI 有关。 [事实] 他们讨论村上春树新书被 AI 快速翻译，并说分片、上下文和校验会影响整本书翻译效果。 [事实] 主播说自己会把 YC 访谈等内容存入知识库，由 AI 总结、翻译、生成脑图和转写中文。 [推测] AI 正在显著降低翻译和知识整理成本，但“如何使用这些知识”仍然是人的挑战。

[114:49] AI 与儿童学习

[事实] 主播讨论小孩子使用 AI 是否会影响学习，并类比计算器、算盘曾经引发的担忧。 [事实] 他们认为如果正确使用 AI，小孩子身边就像有一个 24 小时待命的聪明老师。 [事实] 主播引用脱口秀观点说，问题不只是 AI 能帮人读书，而是 AI 怎么让人想读书。 [推测] AI 教育的关键不只是工具可用，而是如何激发好奇心和学习动机。

[119:05] 好奇心、创造力与编程教育

[事实] 主播认同好奇心和创造力是人类的基本要素，并说教育可能从大众教育转向更个性化的方式。 [事实] 他们提到高校让学生设计 AI 得零分的题目，作为一种新的教育尝试。 [事实] 主播认为高校仍然可以教编程，既教 AI 编程，也教古法编程，计算机原理和基础概念不能丢。 [推测] 教育变革会落后于 AI 技术变革，但长期看会受到很大冲击。

[125:10] 安全边界与收尾

[事实] 主播提到原子弹、3D 打印枪等高风险内容，并说绝大多数模型合规逻辑会把可发射枪支制作方法标记为不合规。 [事实] 他们认为能在家里随便 3D 打印可发射枪支是不能允许的。 [事实] 节目结尾说后续还会再聊近期 AI 新闻，并预计 8、9 月和下半年新闻会更多。

播客点评/总结

[推测] 本期最有价值的地方，是它没有停留在“哪个模型更强”这种横向比较，而是持续追问 token、agent、loop、分发和人的判断如何共同改变软件生产。

[推测] 节目的亮点在于大量来自实际使用的细节：多项目并发、computer use 测试、one-page 工具、TestFlight 定制版本、电子墨水硬件和知识库工作流，都让讨论比单纯评论新闻更具体。

[推测] 局限是话题跨度很大，从 AI coding 跳到硬件、翻译、教育和安全，结构比较松散；如果听众想要系统教程，可能需要自己再整理出可执行清单。

[推测] 这期适合正在重度使用 AI 编程工具、关心独立开发和软件商业模式变化的人，也适合想理解“无限 Token”为什么会改变工作方式的听众。