Claude 被封以后，我正好给自己放了个 gap day。
反正暂时也用不了，我就不继续折腾项目了，找了季逸超和张小珺的那期访谈来看。三个多小时，看完以后有几个点觉得挺有意思，就随便记一下。
我最近还看了杨植麟的访谈。我觉得他们两个都有一种聪明理科生的逻辑感。
主持人问一个问题，他们不会只给你一个结论，而是会顺着讲自己为什么这么想，之前做了什么，技术路线怎么变的，这个观点又是怎么来的。而且基本都是张口就能说出来。
这个肯定不是单纯表达好。我觉得还是因为他们在这个领域想了很久，也真的做了很多东西，所以脑子里本来就有一套结构。
季逸超给我的感觉是开朗、好奇，而且对自己挺清楚的，知道自己擅长什么、不擅长什么。杨植麟就更理性一点，情绪也很稳定。
说实话，我更羡慕的是他们的专业知识。逻辑和表达我觉得都可以练，对一个领域真的熟悉，再做得足够深，慢慢都会有。
访谈里我最有共鸣的一个点，是做产品要尽量和模型正交。简单讲就是模型越强，你的产品也应该越强，而不是模型一升级，你这个产品就没用了。
我听到这里马上想到了自己半年前做的灵兰。
灵兰是我最开始 Vibe Coding 时做的一个医学知识聊天网页。当时用的是 DeepSeek，加上火山引擎的向量知识库，把我们的教材 PDF 放进去，再用 System Prompt 让它做预习、思维导图、复习和背诵口诀。
网页和 RAG 是 AI 帮我做的，教材和医学学习方法是我提供的。当时我觉得这个东西挺有需求的，因为通用模型回答的医学知识，经常和我们正在学的教材不太对得上。
后来有个大哥跟我说，大学生的付费意愿比较低，而且这个产品和豆包相比也没有拉开太大差距。用户自己写个 Prompt，也可以让通用模型参考教材。
我一开始其实有点不甘心，觉得这个东西明明有市场。
现在回头看，他说得确实有道理。灵兰就是个 Demo，没有真实用户，也没有真的跑起来。真让我继续做一个月，大概率也是做出一个到处有问题的残废产品。
而且模型继续变强以后，灵兰当时做的很多东西，确实会被通用模型慢慢吃掉。
这不是说垂直产品没用了，而是你不能只做模型现在暂时不会的那一点东西。模型、工具和工作流最后还是要一起解决一个真实的问题。
还有一个我之前没想到的，是 Manus 给自己找的生态位。
很多垂类 Agent 是做给专业人士用的，但专业人士本来就有自己的方法，而且要求特别高。你有一个细节做错了，他可能就觉得整个东西不能用。
Manus 面对的是另一群人，他们不是这个领域的专业人士，但是确实有对应的需求。不会设计，但有设计需求。不会调研，但有调研需求。不会编程，但确实想做个东西。
我觉得这个位置找得很准。
放到医学里也差不多。真正的医生肯定不会让一个不靠谱的通用 Agent 替他做判断，但普通人用 Agent 了解一些一般医学知识，很多时候还是比自己乱猜要好。当然医疗的安全边界一定得写死，这个不能只靠 Prompt。
这也是我不完全认同纯 Agent 的地方。现在模型已经很强了，但 Context 长了以后，前面的限制还是可能被稀释，也还是会有幻觉。
所以我的想法是，该写死的东西就写死。安全边界交给程序，用户到底想干什么、应该选哪个工具、不同方案怎么判断，这些可以交给模型。
还有多 Agent，我也不太喜欢直接照着人类公司的岗位去拆。产品经理 Agent、程序员 Agent、设计师 Agent，感觉有时候就是为了多 Agent 而多 Agent。
我更愿意按 Context 拆。调研很占上下文，就单独出去。调研完再编程，编程完再 Review。这个以后可以单独再聊。
看完整个访谈以后，我又想了下 Agent 到底是在放大什么。
我之前觉得它就是一个固定倍率的放大器。你原来是 10，它帮你变成 100。另一个人原来是 100，它就能帮他变成 1000。
现在我觉得，它放大的可能不是能力，而是一个人本来能创造的价值。
没有 AI，我可能得先学很久编程，最后还不一定能把灵兰写出来。AI 确实让我能先做出一个 Demo。
但同一个项目给专业工程师，他也用 AI，肯定能在更短的时间里做出比我质量高很多的版本。同样是 Claude，Anthropic 的工程师用 Claude，和我用 Claude，最后创造出来的价值肯定不一样。
所以 AI 是让更多人能进场了，但不会让所有人变得一样厉害。
我现在反而觉得基础还是得补。不是说我要把自己练成传统程序员，而是 Git、worktree、环境变量、测试、日志这些东西，我多少得知道。要不然 Agent 做出来一个东西，我连它能不能用都判断不了。
短板可以交给 AI，也可以交给更专业的人，但不能自己所有地方都是短板。
所以这个 gap day 最后也没想出什么特别宏大的结论。
就是 Claude 好了以后肯定还是接着用，但自己该学的东西也得继续学。