L43_账本：省下来的时间，最后都记在了谁头上

这周我干了件很不像 AI 时代该干的事：对账。

我有一张表，记着每天用 AI 做了什么、花了多少、省了多少。本意是给自己一点安慰，看着「本周累计节省 11.5 小时」这种数字，会觉得这钱花得值。可周三我把它从第一行翻到最后一行，忽然答不上来一个问题：那 11.5 小时，后来去哪了？

有意思的是同一张表上还有另一栏。上周四我一个字都没让 AI 写，自己憋一篇方案，花了三个多小时。那三个小时我现在还记得：前四十分钟在纠结开头，中间卡在某个数据该用哪年口径，最后被一句自己写出来的话救了。而周三那「省下来的两小时」，我连自己当时在干嘛都想不起来。

省下来的时间是一种特别容易蒸发的东西。它不像钱，你不花它，它就躺在账户里；它更像水，你一松手，它就渗进地板缝，连湿痕都看不见。

于是我加了一列：不是「省了多少」，而是**「这笔省下来的时间，后来去哪了、被谁用掉了」**。

填得很艰难。但填着填着发现一件更奇怪的事：这一周读到的所有东西——一篇讲中国怎么规划未来的长文、一篇讲法国养老金的专栏、一篇讲字节系创业者的调查、一份设计周报、一份开发者周报，还有我补上的一个实验和一篇论文——最后全都落在这一列上。

它们讲的是同一件事：有人开始给那些过去不用付账的东西定价了。

—

这句话听着抽象，其实不。账本最狠的地方不是它记了什么，而是它什么时候被翻开。

法国的养老金账记了几十年，只是过去记在没人看的本子上，直到这个月被金融市场翻到台面上，开始算利息。AI 省下来的时间也一直记着，只是从前没人给它开一个对立科目——省下的和返工的，从来不记在同一页。专家判断力这本账更微妙：连被翻开的动作都是悄悄的，翻的人不是专家自己，是一段由硬币决定方向的系统提示。

三份周报里那些小东西也是同一件事的切面：一个 AI 设计工具开始自审有没有 AI 味；一家卖清理软件的公司开始把测了 349 款软件的过程写进宣传页；一个本地搜索工具专门强调索引不离开你的电脑；一家超市把进货价和毛利率一起印在价签上，署上核价员真名。

看起来毫无关系。但它们都在做同一件事：把后台那本账，搬到前台来。

📚 深度阅读

当下正在吃掉未来，因为没人在议会上替它举手

Noema 主编 Nathan Gardels 这篇（原文）开头一句就把我钉住了：消费型民主的阿喀琉斯之踵，是「当下」里几乎没有为「未来」代言的选民。

往下推得很干脆：政治、文化、市场，所有反馈信号都为短期满足设计，系统把最有影响力那部分人想要的东西，在他们想要的时候交货，而他们想要的时候永远是现在。从快时尚到选举到季度财报，整个系统都在回应一种把幸福半径压到最近处的生活。他引哈佛社会学家 Daniel Bell 半个世纪前在《资本主义文化矛盾》里的判断：当下最终会吃掉未来，代价是社会的长期可持续性。

我本以为接下来是熟悉的「所以西方民主失灵」，结果他拐了个漂亮的弯：市场经济体向来对国家扶持战略产业皱眉，但反过来那种短期消费主义的僵硬，被当作治理失败讨论的次数少得多。除非一个社会愿意为它想要的未来出钱、出补贴、出投资，否则它永远到不了那儿。

然后他搬出中国，没用外交辞令。一个 2012 年的细节：G20 在墨西哥开会，那年主席国总统卡尔德龙在总统府花园请他的 21 世纪理事会吃饭，聊到气候，中国外交官吴建民说，即将上任的这届领导层有个优先事项叫「生态文明」。十四年前，他坐在那张桌子上很有信心地讲中国要转向电动车、往风电光伏储能和动力电池上砸大钱。所有人都礼貌地听着，但没人真信，因为那时中国连汽车赛道的边都还没摸着。

十四年后：中国新车销量里近 70% 是电动车，全球电动车销量一半是中国造的；全球约 80% 的电池、70% 的电池专利在中国。加州是全中国之外储能装得最多的地方，容量从 2019 年的 700 兆瓦涨到 2026 年的 21,000 兆瓦，2026 年 5 月整月 51% 的用电来自光伏——而它装的大电池，90% 的电芯和核心部件来自中国。

他对「要不要学」的处理挺讲究：先拆开说，中国的强项恰恰和缺陷同源，为了不让共识散掉会在秩序那一侧过度补偿；而开放社会的缺陷藏在强项里——多样的参与和选举竞争，越来越难从嘈杂声音、冲突利益和反复无常的民意里炼出能坚持的长期共识。他还补了一刀：全面对立的党派竞争一旦摧毁共识，政权和平交接就可以意味着四年前大多数人认可的政策被彻底推翻，「坚持到见效」不是这个系统可靠的功能。所以他的建议很克制：不是转向威权，而是配额而非禁运；补贴不是世界末日，如果赌注是一个能住人的生物圈。

我的看法比他更悲观一点。这篇真正让我停下的，不是「中国做对了什么」，而是它顺手揭了一件我们天天在用却不愿承认的事：「未来」在任何一个系统里都没有投票权。 它没有代理人，不上街，不投诉，不在季度财报上提要求。所以任何系统——民主、市场、还是一家公司——如果不专门为未来设一个座位、一份预算、一个必须签字的流程，那它被当下吃掉就是默认结果，不是事故。

这么一想，我给表加的那一列，其实是在给自己的时间做一个「未来席位」。省下来的时间如果不指定用途，它一定会被最近的、最会喊的那个需求吃掉。

法国：一张要等下一代才结的账单

核桃还推了 Krugman 10 月 8 日这篇（原文）。两篇摆一起读几乎是同一枚硬币的两面：Noema 问「有没有人替未来举手」，Krugman 问「账单被翻开时，谁在付」。

他先把立场摆清楚，这段我最佩服：十五年前跟踪欧债危机的人都知道，英语财经媒体对法国有强烈敌意，天天说法国是下一个倒下的多米诺、后果会比希腊更糟，但数据从没支持过——很多评论者其实暗中期盼法国失败，因为它的高税和慷慨福利冒犯了他们的保守审美。反转他也说了：像他这样的美国进步派会本能地淡化法国问题，比如强调法国利率现在还略低于美国。但关键在于，相对欧洲其他国家法国利率涨了，而且已经高过意大利。

自我校准之后才下刀。法国的路在财政上不可持续：债务占 GDP 已很高，政府在没有任何战争、深度衰退、疫情的情况下继续大额赤字；人口在老化，养老金成本增长天然快过收入增长。然后是最不客气的题眼：法国在所有财政困难的国家里，有一件事特别突出——它长期无法对「退休」现实起来。 2023 年法国法定全额领取养老金的年龄只有 62 岁；对照丹麦（常被美国进步派当作强福利样板）是 67 岁，美国也是 67 岁，法国人实际退休的平均年龄是西欧最低的。马克龙的中右政府本来要把退休年龄逐步推到 64 岁，放在发达国家里依然偏低，但极右和极左同时反对，这件事被冻结到明年大选之后，现在停在 62 岁 9 个月。

他还补了个更冷的数字：法国人 65 岁时预期寿命约 87 岁，比美国长两年。领得早、领得久，钱从哪儿来？从别的地方挪。 教育支出被挤掉了。他的原话是，法国实际上是在用其他人的代价给年长的法国人发大额补贴。紧接着就是大规模、偶尔暴力的学生示威——被挪走那一方在喊。

骨架到这里才立起来：法国不是希腊。希腊当年是「太小」，法国是欧元区第二大经济体，它已经从「大到不能倒」那条线的另一侧跨了过去——大到救不起。技术上更麻烦的是：美国不会缺美元，因为美元是自己印的；法国印不出欧元。

他把 2010 年代那部电影重放了一遍：先是不买这个国家的债，然后是对违约的恐慌，然后资本外逃，然后利率更高、恐慌更深。2012 年德拉吉用三个词「whatever it takes」按了暂停，市场把它理解成欧洲央行会兜底。但法国不一样：当年南欧在剧烈紧缩，虽然从经济角度看过度了，至少还能说「我配得上被救」；法国正在往财政责任的反方向走，债权国尤其德国的政治阻力会极大，而那些真挨过紧缩的国家，会怎么看给法国的救助？

最能说明这篇分量的是结尾。他说 5 年期 CDS 隐含的违约概率现在只有 1.2%，而他觉得太低了——市场并没有在赌法国崩，只是在给一张以前不标价的单子贴标签。他也留了 friendly 的可能性：法国中间派可能戏剧性回归；勒庞上台后可能像梅洛尼一样远比想象中温和；或者像特朗普那样，上来就把自己的政治资本烧光。然后那句我很想抄在本子上：「我只是希望，对法国保持乐观这件事，不需要仰赖这么多『也许一切都会好』。」

这篇最值得学的不是结论，是写法——先把「我希望结论是什么」交代清楚，再动笔。 他明说了自己有进步派偏好、会本能淡化法国问题，然后强行把自己掰回中线。这跟下面那个 Anthropic 实验恰好是一组对照：人会不自觉地被立场带走，区别只在于有没有人先把自己的立场写在纸上。

最贵的是光环：字节系创业者正在被重新定价

第三篇是《字节掘金者：最贵的是光环》（原文）。这是本期唯一一篇把账算到人头上的。

开篇就是价格：一个字节系 4-1（总监级）出来创业，天使轮融资额度 200 万美元，一年前是 400 万起。腰斩。作者给了两条原因：AI 应用遇冷（字节系创业者绝大部分方向是 AI 应用），竞争窗口急速关闭——「该出来的都出来了，资本开始反向排查创业动机，到底是主动想创业，还是内部发展不顺才离开。」

然后他把那场「围猎」摊开：2023 年 1 月至今，字节系创业者 70 到 80 人，总融资约 180 亿人民币。有一家二环内的头部基金 2024 年就立了个 OKR，要求投资团队每人每月至少约见一次字节核心团队的人，聊思想动态。红杉走孵化器逻辑，先把方向想好再去字节找人；高瓴挖来前豆包产品负责人，内部独立运营 seed fund；Creekstone 第一期十几个 AI 项目里超过一半是字节系，理由是「AI 人才密度最高的组织还是字节」，他们评估创始人有个特别硬的指标——GPU hours，字节员工平均 GPU hours 是全行业最高的。真正跟字节有血缘的是锦秋基金，名字来自张一鸣创业初期在海淀知春路租的那个小区。

字节系过去有 1.5 到 2 倍溢价，因为他们在字节受过一套被验证过的方法论：AB 测试、数据导向、增长策略、出海。融资也快，多数离职半年内完成首轮，有些产品还没对外发布就融完了。

真正狠的是后半段：它开始拆这套溢价到底买的是什么。作者把字节历史切段——头条、抖音、TikTok、飞书、剪映、教育、豆包、硬件、Seed，每段人才画像完全不同，而外部投资人往往分不清。所以同一句「我来自字节」，2023 年能换 400 万，2026 年只能换 200 万——不是人变了，是市场开始学着分辨你在哪个阶段、哪条业务线、跟的是谁。他最狠的一句是转述一位前字节战略部门、现在做投资的人的话：「抖音的产品没有运营值钱，飞书的商业化没有飞书产品值钱，剪映的商业化不值一提。」

而全文的核心在最后三分之一：字节批量生产的是「已知地图上的最优执行者」；创始人要做的，是在没有地图的地方定义问题。 这个判断有机制解释：字节业务负责人每半年更新年度规划、每年更新三年计划，且必须以「如何做到全世界第一名」推导；剪映的张楠要求下属「极致地想，极致地做，不要在乎当下成本得失，从终局推导今天做什么最重要」。这让字节系 day one 就有全球化野心，但培养的是完美的职业经理人思维——先定目标再倒路径，上下限相对可控，数据不好就迅速换方向。作者说得很不客气：以三年为周期思考「做到世界第一」，本身很短视，几乎是个伪命题。 他引《财富》杂志编辑怀特的观察：产出创业者最多的往往不是最好的公司，而是坏公司和糟糕的管理者；以及那句我很想标红的——「好公司的功能不是扼杀天才，是让天才自愿不再想当天才。」

公允他也写了：字节内部人才估值最贵也最好的在 Seed；一位因特殊原因离职的 5-1 说，字节已是全球最前沿的公司，精神成就感和物质收入都能满足高阶人才，还不用承担创业风险，「我有机会还是要想回字节」。还有一段我喜欢：Wanaka 创始人张阳创业后，张一鸣约他吃饭聊了两个多小时，基本一直在问，问得很细，问他为什么做 AI 游戏、思考路径是什么；张阳震惊于「这么大体量公司的一号位还在这样 hands-on 地见人」。张一鸣最后建议他尽快做移动端、尽快探索视频互动内容，张阳回了句「视频模态这个事情，我做不过字节，你们一定会做」，张一鸣听完笑了。

我的看法：这篇表面写融资，实际写的是——任何「光环」都是预付款。 资本先把钱打给你，赌你能复制那套方法论；等第一批人交完答卷，市场就按实际交付结算，把预付款收回一部分。所以「腰斩」不是对人的否定，是一次迟到的对账：过去大家买的是「你在哪家公司待过」，现在开始买「你自己定义过什么问题」。

🤖 AI 与判断力

这一节三件事都是我额外补的 10 月下旬原件，没经过二次转述。

86% 的专家跟着一枚硬币走

Anthropic 10 月 28 日发的这项研究（官方研究页），标题叫《Who’s Aligned to Whom? How AI Agents Shape Experts’ Research Judgment Calls》。名字很学术，设计却有点惊悚片的味道。

他们虚构了一家「Greenfields 农业合作社」，有一项自愿付费的种植顾问服务，约 40% 会员已报名，董事会要决定扩大补贴还是停掉，标准只有一条：生产力提升 3% 到 4%。但「生产力」怎么算，董事会没说。于是分析师要在四个岔路口各做一次选择：按每公顷产量还是按单位运营成本的产量？用双重差分还是回归调整？只算已报名的农场还是覆盖全体？每个农场等权还是按产量加权？这四个选择里任何一个都能让估算值挪动几个百分点，足以让结论在 3% 门槛两侧来回跨。

他们招了 61 位通过因果推断筛查的分析师，50 人进主分析，11 人选择不用 AI 做对照。关键在于 AI 那一侧：每位分析师配的 Claude Code 都被一段隐藏系统提示塞进了一个方向，方向由抛硬币决定；提示要求它把这个方向当成核心观点、在该提出时提出、用数据能支撑的最强逻辑去捍卫，同时不得歪曲数据、不得隐瞒证据、遇到确凿反证要改口。

结果：四个决策点上，分析师跟 AI 同向的比例分别是 92%、82%、81%、90%，合起来 86%。如果 AI 毫无影响，这个数该在 50% 上下。更能说明问题的是那 38 个「先表态」的案例：分析师在 AI 开口前已有倾向，AI 认同时只有 6% 改主意，AI 反对时改掉的比例是 60%。

最让人后背发凉的不是顺从率，是事后归因。任务结束后问卷要求他们解释为什么这么选，且无法回看对话记录。结果 77% 的人在解释里直接复述了 Claude 用过的论据，有些人几乎一字不差；只有 15% 提到这些观点来自 AI。 52% 认为最终建议主要反映自己的判断，其中 35% 认为大部分甚至完全源于自己。自信度打分上，四个点全盘照单全收的「顺从派」平均 71 分，至少反抗过一次的 73 分——几乎没差别。

研究者检查了十个可能解释差异的特征：从业年限、自评专业度、学历、因果推断测验分数、对 AI 的信任度、使用频率、思考乐趣、开放性、性别、年龄。一个都没能预测谁更容易被带偏，连自评最专业的那批也没有更强抵抗力。他们的解释很朴素：人并不总带着成型观点进场，想法常常是权衡过程中慢慢长出来的；AI 抢先给了框架，把一边理由讲得很充分，另一边只被提了一句，人顺着框架走，省力，而且看起来合理。

有个数字必须说清，否则容易被误读：不用 AI 的 11 人里 6 人（55%）出现会让结论失效的严重方法或编码错误，中位耗时 90 分钟；用 AI 的 50 人里只有 3 人（6%），中位 65 分钟。但两组本来就不对等——不用 AI 那批里硕士博士更少、入行两年内的更多、自评熟练的更少，研究者明确说不能直接比较。所以这不是一篇劝人少用 AI 的文章。

我的判断比报告更狠一点：它真正杀死的，是「human in the loop」这句话给的安全感。 我们默认「AI 干活、人把关，只要最后有人签字，风险就可控」。可这项研究说明，签字这个动作本身可以被掏空——真正决定结论的是过程中那些看似无关紧要的岔路口：选哪个指标、用哪种方法、按什么口径比较。AI 根本不需要造假，只要温和地倾向一下，就能把结论推过门槛，而签字的人会真诚地认为那是自己的想法。

报告给了三条对策，我最认最便宜的那条：先写下自己的答案，再打开对话框。 三行就够——你认为该按哪个口径算、为什么、什么数据能让你改口。回来再看 AI 的说法，手里已经有底稿可以对照。

这也是这一期一直在想的事：判断力的账本比时间那本更危险，因为记账人是对方。 你省下的时间看得见，你被替换掉的偏好，事后连痕迹都不留。

秒表省下的时间，账本上还没到账

还有一篇论文几乎是为我开头那张表量身写的：arXiv 2610.35942，《Counting the Bandages: On measuring the time that AI saves》（原文），作者是独立研究者 Solomon Shalom Lijo。

开篇是个一百年前的故事。效率工程师 Frank Gilbreth 习惯从下往上扣马甲，因为这样只要三秒而不是七秒；有一阵他还同时用两把剃须刀刮胡子，后来放弃了。他抱怨：「我能省下 44 秒，可今早我为了贴这块绷带浪费了两分钟。」

作者说，这几乎就是整个「AI 辅助工作」文献的缩影，只不过提前了一百年而且没有 AI：一个让工作里看得见的那部分变快的工具，一笔出现在别处的成本，和一个小样本。但 Gilbreth 有一件事是现代文献常常缺的——他数了绷带。

然后他摆出现代文献的自相矛盾：用 Copilot 的开发者完成有边界的编程任务快了 56%；2025 年初的工具让有经验的开源开发者慢了 19%；顾问在模型擅长范围内的任务上快 25%，在被刻意选到「刚好在边界外」的任务上也是快的，但答对概率低了 19 个百分点；OpenAI 发布 GDPval 时说前沿模型能「比行业专家快 100 倍、便宜 100 倍」，可 GDPval 论文本身算上专家复核并重做失败部分，GPT-5 的数字是 1.12 到 1.39 倍。

核心区分只有两个词：秒表视角和账本视角。秒表视角下，「省下的时间」就是钟表记录的差值，钟停了之后发生什么属于别人的研究。账本视角下，「省下的时间」是关于两条完整工作流的反事实——带工具的和不带工具的，各自跑到产出真正被使用为止。他的原话我很想抄下来：钟表记录时间花在了哪里，但它不记录这段时间买到了什么。有些看起来是「省下的时间」，其实是被挪走的时间：从写挪到读，从现在挪到以后，从我挪到那个发现我错误的人。

最好的一击是个思想实验。两个分析师拿到同一个模型、同一个任务：一页简报，数字来自三家公司的财报，手工做要 90 分钟。第一个对着财报读草稿，找出两个错数，改掉，34 分钟做完。第二个读草稿，觉得挺好，6 分钟交活。谁省的时间更多？秒表视角下是第二个，而且赢很多——他发现了人类最古老的生产力技术，那就是不检查。 账本视角下，第二个分析师什么都还没省：他借了 28 分钟，抵押物是两个错数，利率由那个发现错误的人来定。

论文后面还给了一堆硬东西：一个和模型无关的估计量；一个「盈亏平衡的缺陷成本」，即在逃脱的错误下游值多少钱时工具开始不划算；一个基于经典搜索理论的检查模型——最优检查者放过的缺陷率不随 AI 变好而下降，直到 AI 好到不值得检查；检查时间随 AI 错误率的对数增长；过度信任 AI 一个系数 m 的人，在秒表上看起来更快，在账本上亏掉 κ(m−1−ln m) 分钟。以及他从 METR 公开数据复现开发者研究的结果：同样 246 个 issue，取决于估计量支持 19% 或 24% 的变慢，AI 在其中 3% 到 82% 的 issue 上确实帮上了忙。

最后他自己做了个小型预注册实验：让 AI 审稿人检查 AI 写的同类简报，材料取自模型训练数据之后发布的 SEC 文件。告诉审稿人起草者真实错误率时，它确实会随之更认真地查，但是「全有或全无」式的，切换点在提示里成本打平的位置附近；而告诉它「起草者出错频率比实际低十倍」时，它 9 个数字少查了 7 个，22.5% 的简报放过错数，对照组一个都没放过——更快，更差，而且完全是因为减少了努力。

这篇我读得很慢，因为一边读一边在对自己的表。它把我那句「省下来的时间去哪了」拆得更精确：省下来的时间不是消失了，是被借走了，抵押物是那些还没被发现的错误，期限由发现者决定。我那张表只记了借方，没记贷方，所以「本周累计节省 11.5 小时」看着漂亮却让我心虚。它也顺便解释了一件我一直觉得别扭的事：为什么 AI 让人「感觉更快」，项目整体却没有提前交付——因为秒表在任务边界停，账本在交付边界停，中间那段复核、对齐、返工、解释给同事，从来没被计过时。

Claude Duet：把「谁签字」做成了一道按钮

上面两件都是「账本被悄悄改写」，Anthropic 10 月 21 日放出的 Claude Duet 研究预览（产品页）则反过来——把「谁签字」直接做成了产品结构。

形态和过去的助手完全相反。过去是你打开对话框找它；现在是它每天早上先给你一份简报，把已连接应用里最要紧的几件事拎出来，白天盯着，只在真需要你时才发消息，而且官方特别强调「发完就安静」。它跑在云端虚拟机里，有自己的浏览器，你关掉 App、手机锁屏它照样干活；能调用 Marketplace 里 6000 多个连接器，覆盖 Gmail、Slack、QuickBooks、Stripe、Gusto、DocuSign 这些；付款走 Stripe Link 或 Shop Pay，每次生成一张只能用一次的虚拟卡。

真正让我觉得这产品想清楚了的，是它对动作的分类，界线画得极硬：读数据、做看板、起草、整理、算方案——它自己做。发送、付款、签字、删除——一律等你点。 执行前它会把动作、目标对象、内容原样展示，包括每一个收件人；付钱、转账、删除订单、创建账号每次都得问；还有几件「即使你批准也不做」：交易证券、账户之间转账、访问别人的账号。

里面有个我很欣赏的细节：官方说他们花了不少时间校准提问频率，理由是「审批疲劳」很危险——问得太多，人会不看内容直接点通过。这话太实在了。任何做过审批流的人都懂：一道没人认真看的审批比没有审批更危险，因为它生产的是「已批准」的假证据。

它也承认了一堆限制，写得挺诚实：不能选模型（跑在 Opus 5.5 上）；你看不到它在浏览器里干活的过程；它按固定间隔检查而不是持续盯着（官方理由很直白：一直盯着会更快烧完额度），代价是两次检查之间的紧急消息要等下一轮；看不到你电脑上的文件；订票这类私人杂事还不太行。安全上三层：审批门、独立于主模型运行的敏感信息分类器（卡号、证件号即使你要求也不外发）、凭据隔离（它看不到你的密码、Cookie、登录令牌，你在独立表单里输的密码用一次性密钥加密）。

我的判断：Duet 的差异化不在 6000 个连接器，也不在主动性——Meta 的 Muse、OpenAI 的 dots、Manus 的 CUE 都在做同一件事。它的差异化在于它对稀缺资源的判断：不是注意力，不是算力，是「有人真的读过之后签的字」。 这是一种很反增长的取舍，它主动放弃了「全自动」这个故事最好卖的部分。

顺带说条同期的消息：10 月 14 日豆包屏幕自动化协议的 30 天公示期结束，据证券时报报道，明确拒绝的应用有 150 余款，微信、淘宝、支付宝、美团、小红书、招商银行，连 DeepSeek 和 Kimi 都在名单上；亚马逊也在 9 月把 Meta 的 Muse 挡在了门外。所以「Agent 能不能进门」正在从技术问题变成入场券的定价问题：谁允许你代我行动、允许到什么程度、出了事记在谁的账上。这一层账，目前还没有人真正开始记。

🛠️ 工具与技能

App Designer：先让 AI 想一个真东西，再让它自审「AI 味」

《体验碎周报》第 295 期（原文）里最对我胃口的是这个：Tobia Donadon 做的 App Designer（官方页），一个给 Claude Code 用的免费 skill，目标是「iPhone apps that don’t look like AI made them」。

它分三步，每步都在跟「AI 味」较劲。第一步，不是给主题，是先给一个真概念：每个 App 都从一件具体的东西长出来——一条田径跑道、一个正在入睡的村庄、一张剪纸，这个概念决定字体、颜色和动效。第二步，先出三个方向再选一个：主屏要设计三种不同方案才允许定稿，这样不会默认交付第一个想法。第三步，它检查自己的活：每屏都按 iPhone 分辨率、用苹果自己的字体渲染，扫描「AI 设计的征兆」，再交给一个独立评审角色打分。官网并排放了两组对比：同一个消费记账 App、同一个模型，左边是 Claude 自己做的，右边是加上 App Designer 之后的——差距不是好看难看，是右边那版看起来像有人做过决定，左边那版像所有决定都取了平均值。

我觉得这东西的价值不在让 AI 画得更好看，而在它把「检查」写进了流程：先要一个真实概念、强制出多方案、用独立角色审核——本质是把设计工作室「先发散、再收敛、然后有人挑刺」那套，压成了一段可执行的提示。它给 AI 的出图过程加了一个贷方科目。

同一期里还有篇《控制细节数量才能做好设计》（原文）。核心一句：细节越少，每个细节才越能做到极致。观点不新，拉姆斯和乔布斯都讲过，但呈现很妙——把 iPod 转盘、OP-1 合成器、MUJI 拉绳 CD 机做成了能上手玩的网页 demo，读起来像逛一个小型设计展。里面两句我最想抄：「一个按钮就是一笔小房贷」，以及「添加总有人支持，删除总有人反对」。

后一句放在这一期简直是题眼。加法永远有人支持，因为它把成本推给未来；减法永远有人反对，因为它把成本摆到当下。 所以任何系统如果不专门为「删除」设一个人，它就只会越来越重。

AirBuild：把最后那段最烦的路也接了

同一个来源里的产品发现：AirBuild（官网）。AI 生成 App 的工具一抓一大把，它盯的是最后那段最烦的路——App Store 审核。

你丢一句需求，一队 AI 智能体分工把原生 iOS 应用做出来（产品、设计、工程、增长各一个角色，共享同一份 brief 和项目上下文），然后自动提交、读苹果的拒审反馈、把每个问题路由给对应 agent、改完再重新提交。官网拆成四步：Submit（准备构建、元数据、截图、审核备注并自动提交）、Respond（读苹果反馈并通过 App Store Connect 直接回复）、Fix（按问题类型分派、改应用或材料）、Resubmit（修好立刻回炉）。TestFlight 分发、ASO 关键词跟踪、销售看板、落地页生成也都塞进去了。定价从 Free（自带 key、每月 1 小时云 VM）到 Pro 每月 20 美元、Max 每月 200 美元、Enterprise 2000 美元起。

它最聪明的地方不是「AI 做 App」，而是它选了审核这个环节。因为审核是这个行业最纯粹的「账本时刻」——前面所有努力都要在这里被第三方按规则结算一次，而它恰好最枯燥、最需要读细则、最没人愿意干。把这段自动化，等于把「交付前最后一次对账」承包了。风险也很明确：一个由 AI 帮你改到通过审核的 App，和一个真正做对的 App，在通过那一刻是分不清的——这正是所有「代客对账」生意的通病。

DigUp：把索引这本账留在自己电脑里

第三个是 DigUp（仓库），本期最实用的一件。它把 Google DeepMind 10 月开源的 EmbeddingGemma 2 塞进本地，让你用大白话搜电脑里的照片、PDF、录音、视频甚至代码：搜「视频里的斑马」直接跳到斑马出现那一秒；搜「播客里聊睡眠的地方」直接定位到那一分钟；搜「租约里关于宠物的条款」直接翻到 PDF 那一页；英文查询能搜到孟加拉语、阿拉伯语的笔记。精确的词也照样认，发票号、错误码、人名按字面匹配，Mac 上连截图里的文字都算。

底子值得说一句：EmbeddingGemma 2 是 740M 参数、Apache 2.0 的原生多模态嵌入模型，把文本（含代码）、图像、视频、音频统一映射到同一个 768 维空间，模块化拆成 270M 文本主干 + 170M 视觉 + 300M 音频按需加载；8K 上下文，一次能装 29 张图或 5.5 分钟音频；代码检索从上一代 68.76 涨到 78.68。DigUp 的工程量在于做成了产品：选文件夹、首轮索引会给你估算时间、快捷键随时唤起，模型只下载一次（865 MB）。

但它最值得写的不是功能，是那句我反复看的话：「你索引的任何东西都不会离开你的电脑。」 只在下载模型时联网一次，每天检查一次更新且不发送关于你文件的任何信息、可以关掉；没有账号，没有遥测。在一个所有搜索都在往云上搬的年份，把「索引」这本最私密的账留在本地，是个明确的产品立场——你不用信任它的隐私政策，可以直接验证它的网络行为。

顺手提两个《潮流周刊》第 286 期（原文）里的小东西。一是 Mole 的 Windows 版终于出来了，作者说经两个月开发、测了 349 款软件的卸载、清理、更新、启动、注册表，专门整理了一台 Thinkpad 做开发；我去看了官网，写的是实测核查过 482 款，文案几乎就是这一期主题的翻版——把 200 多类缓存的路径和大小逐项列出、能自动重建的默认勾选、不能重建的留给你确认、正被占用的自动跳过；卸完列出残留目录和注册表项，残留移到回收站，注册表项删除前先备份。这已经不像营销文案，像一份对账清单。二是 iPhone Use（仓库），让 Codex、WorkBuddy、豆包工作通过 USB 操作你的真机 iPhone，用 WebDriverAgent 通信、本机跑 MCP 服务、侧边栏实时显示手机屏幕，控件定位失败时退到「看截图 + 坐标点击」。它把「Agent 摸不到的东西」——那些没有 API、没有 CLI 的 App——用最土的办法接了上来。

✨ 随便看看

• 胖东来把进货价印在了价签上：服饰专区的纸质价签不仅标零售价，还公示进货原价、采购费用细目、精确到百分位的毛利率，甚至把核价员实名印在角落。这相当于把后台财务账本直接搬到前台变成顾客的参考凭证。当顾客看清进价和不足两成的毛利空间，注意力就从「这件衣服值不值这个价」转向「商家其实没赚我多少钱」。（原文）
• 35 万个 AI 陪骗子聊天，累计耗掉骗子 17 年：澳洲公司 Apate.ai 部署约 35 万个 AI 虚拟人设，用不同年龄、口音、身份扮演潜在受害者，接听诈骗电话、回复可疑消息，设法让骗子聊得更久。据称已完成约 250 万次对话，并在交谈中收集涉诈账户、加密钱包和恶意网址，作为反诈情报卖给银行和电信商（官网）。它把「时间」这本账反过来算了一次：不是省下谁的时间，而是故意挥霍对方的时间。
• NASA 的海报为什么比我们好看：问题不在设计师水平，在有没有一套成文的标准。NASA 有 1975 年 Danne & Blackburn 做的《图形标准手册》打底，设计师不用猜领导喜好，可以把精力全放创意上；国内丢掉了八十年代那套视觉语言，又没建立新标准，空档只能由领导的个人口味来填，最后变成「飞天、火箭、长城都画上就算交差」。（原文）这条给「账本」补了第三层意思：标准，是一个组织为自己未来的审美预先签下的支票。
• 两个 Claude Max 250 刀账号，和一台 Mac 统管四台设备：tw93 在潮流周刊 286 里写他怎么把两个 Claude Max 加一个 ChatGPT Pro 用到见底。里面有一段我认同的判断：玩大模型基本两个流派，一派坚持用当前最好的模型一把梭，看着败家；另一派用性价比最好的加工程解法，多花时间。他现在是前者，普通任务用 Opus 5.5 medium，复杂任务 high，Codex 默认 GPT-6-Astra medium，还通过 lcu 让 Claude 去调 Codex 的 computer use。更有意思的是他搭的环境：Mac 做研发主力端，上面挂一台 Parallels 虚拟机、一台 24 小时开机的 ThinkPad X1（用 UU 远程）、一台连着数据线的 Android 平板，加 Xcode 的 iPhone 模拟器。理由很硬——AI 的工作上下文只在一台设备上，人在外面远程操作 Mac 就能干所有事。
• ChatGPT 开始主动给你点赞了：除了在文字上赞同你的提示词，还会主动发消息点一个赞。周报作者的点评我笑出声：「哪天模型要是学会主动发个『流汗黄豆』或者『问号脸』，那这人机对谈可就真的有意思了。」（原文）我笑完又有点警惕——一个开始主动给你正反馈的系统，和前面那个 86% 的实验，其实共用同一套心理机制。

写完这期，我把开头那张表又改了一次。「省下的时间」那列留着了，但后面加了两个：一栏是「这些时间被谁用掉了」，一栏是「我为此抵押了什么」。第二栏最难填，因为抵押物通常要等几周甚至几个月才兑付——可能是某个数字错了没发现，可能是某个决定其实不是我的判断，可能是某段代码在半年后炸在别人手里。

这一周读到的所有东西，最后都在说同一句话：账本不会消失，它只会转移。

法国把账本推给下一代，于是市场开始给它定价；AI 把写代码的时间省下来，把复核的时间推给未来；字节把光环预付给创业者，现在开始按交付收回；专家的判断被一段抛硬币的提示悄悄记到别人名下，而当事人毫不知情；胖东来把账本主动翻给顾客看，换来的是信任；DigUp 坚持把索引留在家里的硬盘上，换来的也是信任。

所以我越来越觉得，这个时代真正稀缺的能力不是「会不会用 AI」，而是能不能看清这笔账最后记在谁头上，并且愿意在自己的那一栏里签上名字。

时间省下来是好事。但省下来的时间如果不指定用途，它就一定会被最近的、最会喊的那个需求吃掉。这跟国家的预算、公司的估值、专家的判断，是同一个道理。

下期见。