https://www.candobear.com/detail/l_6a0d4db8e4b0694c5bc6721e/4阅读路径:先读第二组,看一个阅读挑战产品怎样从业务规则长出来;再读第三组,把「先研究、再讨论、确认后执行」变成自己的工作节奏。第一组解释他为什么重视 Token,第四组回答零基础究竟还要学什么。只看一组就看第三组,它最能区分「让 AI 随便改」与「自己能驾驭迭代」。
一句话结论:零基础做出可用产品的关键,不是先学会敲代码,而是能定义业务、理解关键概念,并把每次修改推进到验收;缺少这些环节,生成得再快也只是在快速积累业余实现。
howie 用自己的重度实践开场:他反复提到,最近十来天消耗了约三十亿 Token,过去一些需要外包、反复沟通的产品细节,现在可以持续交给 Agent 研究、实现和打磨。他的感受是「从来没有打过这么富裕的仗」。重点不是炫耀用量,而是以前一个人没有足够脑力深思熟虑的事情,现在可以调用额外的智能资源。
他把 Token 经济学拆成成本、质量、收入、毛利、使用时间、速度和消耗量。相同数量的 Token,既可以拿去生产低质量内容,也可以承接自己熟悉领域里的判断,变成有意义的产品。后者为什么更值钱,不由模型替你决定,而由你的注意力、业务理解和想法决定。
| 维度 | 原文怎样理解 | 阅读时要守住的判据 |
|---|---|---|
| 单位成本 | 调用智能资源需要付出多少成本 | 区分订阅实付与按 API 价格估算的用量价值 |
| 质量 | 不同模型提供的智能不同 | 他偏好最贵模型,这是个人策略,不是普遍定律 |
| 收入与毛利 | 单位 Token 创造的收入减去成本 | 做出一个产品,不等于已经获得收入 |
| 使用时间与速度 | 用多久、生成多快,影响总消耗 | 消耗是投入规模,不自动证明产出有效 |
| 用量 | 用来观察自己是否真正重度实践 | 必须回到具体项目,而不是为了达标空转 |
他的核心论点是:智能资源变得容易调用之后,稀缺点会移向「你让它做什么」。一个人装好了工具却不知道用途,并不是 AI 独有的新问题,而是原来就没有明确的业务目标。Token 只是把资源问题放大了,不会替人提供目标。
Ben哥可以把这个区分用于 ~/.shared-agent/tasks.md:后续获准调整任务写法时,在任务描述里明确「解决什么问题、交付什么、怎样判断有效」,不要把消耗量当成完成证据。对知识库任务,目标应是某篇文章能否帮助做决策,而不是当天生成多少篇。本篇不修改任务清单,这里只是把讲座的价值判断映射到你的真实入口。
他展示用量时特别指出,Agent 的输入与普通聊天很不一样:过去觉得输入只是自己问的几十个字,输出是一大段答案;现在输入量可能远大于输出量,而且其中有大量缓存输入。他借这个差异解释,不能看到一个总 Token 数,就全部套用输出单价计算花费。
随后他把视角推向「Coding 是 AI 的手」:通过代码,Agent 可以处理许多在电脑上完成的工作,而不只是服务程序员。他也当场承认,谈到某些专业软件时,效果尚未达到最专业使用者的水平。这里既有能力扩张的判断,也有尚未达到的边界。
这段是在纠正两种窄理解:第一,把 Agent 当成多写一点字的聊天工具;第二,把编程当成只与某个职业有关的技能。只要工作结果能够通过电脑操作实现,就值得重新思考有没有可交给 Agent 的环节;但「值得尝试」不是「已经可靠替代」。
对 Ben哥的 ~/.agent-autoloop/report_html.py,若后续要展示智能调用投入,可以提议新增 render_usage_breakdown(usage),分别接收输入、缓存输入、输出和实际费用;拿不到某项就明确标成未知,不用总量反推实付。这个函数名是本篇提出的新增接口,不是宣称现有脚本已经具备用量统计,更不涉及改动真实账单。
微信读书开放相关能力后,howie 没有停在把阅读数据可视化,而是想让社区成员「少刷视频、多读书」。产品接入阅读数据、社区身份和契约订单,让用户看见自己的时长、每周状态、名次与同伴的阅读情况;契约达成后返还契约金,失败部分再按规则分配。
这几个功能不是平行堆上去的。读书时长提供反馈,同伴排行提供比较,契约机制让结果有回报。它们都指向同一个业务目标:让本来不容易坚持的阅读行为变得更容易坚持。他用自己的每周阅读目标作例子,但没有提供能够证明长期效果的对照实验。
产品也有明确边界:先服务自己认识、了解的社区成员,通过邀请码控制入口。原文提到,只展示公开阅读信息,自己导入或设为私密的内容不展示;按家庭、小组扩展,是他后续想做的方向,不是已经完成的功能。
一个 API 的价值,不取决于能把多少数据展示出来,而取决于它是否进入一个真实的行为场景。howie 的起点不是「我能做什么页面」,而是「我想让哪些人发生什么改变」。熟悉的人群帮助他判断需求,也允许产品先不面向所有人。
Ben哥若要把阅读转写链做成一个更明确的产品,可以在 ~/.agent-autoloop/reading.py 提议新增 describe_reading_goal(),输出「面向谁、希望改变什么、用什么结果判断」这三项说明,先不接任何奖励或支付。对你的场景,先分清「读完转写」与「形成可用判断」:前者是过程,后者才是深蒸馏要交付的结果。新增函数只是应用提案,不冒充现有结构。
他把六天的开发与多轮对话归为三类:先把业务流程想清楚,再理解产品架构,最后不断修改细节。第一版只有昵称和 PIN,没有完整用户体系,因为当时更重要的是验证核心业务能否跑起来。后来需要微信登录、订单同步和身份标签,再逐步补齐。
| 层次 | 本场对应的问题 | 人必须守住什么 |
|---|---|---|
| 业务流程 | 做什么、为谁做、规则怎样判成功与失败 | 自己说明需求和业务取舍 |
| 产品架构 | 前端、后端、数据库、接口、部署怎样组织 | 理解用途与关系,读懂方案再决定 |
| 具体细节 | 排列、文案、图标、间距、登录异常 | 提供问题证据,检查修改是否有效 |
这里的顺序不是说架构不重要,而是不要让复杂技术选择遮住业务。他讲到 AI 内参把后端迁往 Supabase,同时保留 Notion 作为编辑入口;答疑时又强调两者服务对象不同,不能因为用了专业数据库,就认定面向人的编辑与协作工具失去价值。
从最小业务出发,不等于永远停留在简陋实现。业务发展到哪里,架构就需要承接到哪里;但技术升级应当解释清楚新职责,而不是只因为某个工具新、某篇文章推荐,就把旧系统全部推翻。
Ben哥可以在 ~/.shared-agent/kb/STANDARD.md 的后续修订提案中,增加「内容源、编辑入口、生成产物、分发入口」四项职责说明,先厘清各层是什么,不急着迁移数据库。~/.agent-autoloop/knowledge.py 若要承担更多自动处理,再提议新增 describe_content_flow() 来输出这几层的对应关系;不要从本场的迁移案例推导出你的知识库也必须换后端。
这场最容易直接拿来用的一句话,是 howie 几乎每次提出修改后都会加上的要求:「先研究再讨论,方案 OK 之后再执行。」他举的是文案与代码解耦:先问哪些文字要抽离、为什么抽离、怎么组织,再确认只改前端静态文案,变更日志不要动,最后才让 Agent 实施。
这不是换一种客气说法,而是在拆责任。Agent 负责研究已有情况、提出方案和执行;人负责读懂选择、确定范围、说清不做什么。尤其是微信登录一类涉及多种方案与外部配置的任务,他强调自己会仔细读计划,确保理解后再往下走。
零基础不等于把所有决策一起交出去。你可以不知道某条命令怎样写,但仍然要知道它准备改变什么、为什么这样改、有没有更小的方案。研究阶段的价值,是在动手前把隐含选择摊开,而不是等做完才发现方向不对。
Ben哥如果要整理 ~/.agent-autoloop/report_html.py 的展示文字,可以先提出一个窄方案:新增 get_static_copy(key),只统一固定标题和说明,不改数据值、判断规则与发送结果。让 Agent 先列哪些字符串属于静态文案、哪些属于业务状态,确认列表后才实施。本次不改该脚本,也不替任何既有函数作重构承诺。
他演示了两种反馈。一种是自己看到页面高度差了几个像素,截图、画线,要求检查原因;另一种是成员反馈登录卡住,即使自己没复现,也把用户截图交给 Agent 排查。人不必预先知道 CSS 或登录流程究竟哪里错了,但要能指出「谁在什么地方遇到了什么问题」。
他的循环是:提出问题,研究原因,讨论方案,确认执行,再测试验收。平时外出看到问题,先截图收进收件箱,回到工作时集中处理。原文的个人收集工具只是他的习惯,不是完成这套循环的必要条件。
同时,他对自己有一个反省:反复改 UI 虽然很开心,但如果一开始采用更专业的规范,很多零碎修改可能不需要发生。能快速修,不代表应该永远靠修补维持。
Bug 是一次改进机会,但「把截图扔给 AI」只是入口。真正构成闭环的是修完再看原来的问题是否消失,并让反复出现的问题回到规范层,而不是每次都作为孤立小故障处理。他所说的几分钟修复,是具体经历,不是交付时限保证。
Ben哥处理 report_html.py 的页面问题时,可以在 ~/.shared-agent/tasks.md 对应任务描述里写清「现象、证据、预期、复验结果」,仍沿用已有 owner 与回退要求,不新建平行清单。若之后补本地检查,可提议新增 check_report_layout(html_path),围绕真实发生过的显示问题定义检查项;没有运行就不写通过,执行者也不代替独立验收者签字。
howie 把学习拆成外围操作层、概念层和思想层。过去很多专业门槛在操作层,现在可以让 Agent 承担;但前端、后端、数据库、DNS、项目规则等概念,仍然需要自己理解。概念是建立模型、解释问题和作判断的基础,不会因为有 Agent 就自动消失。
他的做法很具体:第一次遇到新概念,建一条笔记,让模型解释;第二次遇到,再读、编辑、更新关联;后面继续优化。他展示项目的 AGENTS.md,里面记录使命、背景、技术栈、接口、安全边界、发布、测试和版本管理规范。这些都是为了让复杂项目能够被持续接手,而不只存在于一次对话中。
「我不会」要拆开看:不会手动配置,不代表不知道这个组件为什么存在;不会写实现,不代表无法理解业务状态。学习重点从记操作步骤转向理解概念关系,并把项目约束留下来。写作答疑里,他也把写作解释为认知与思维训练,而不是流量文案技巧。
对 Ben哥的 ~/.agent-autoloop/knowledge.py,可以提议新增 render_concept_note(term, explanation, project_effect, related_terms),把「概念解释、对当前项目的影响、关联概念」呈现在一起。对 kb/STANDARD.md,则可提案增加「再次遇到概念时更新原条,不机械新增重复条目」的规则。这是借用原文的反复编辑方法,不是本轮获准修改规则,更不宣称该函数已经存在。
他给零基础的入口是循序渐进:先建站,再尝试带功能的 Web 应用、小程序,之后再考虑原生应用与更大系统。不要一上来就选择最复杂的项目。这里的「零基础」也有实际前提:能够使用前沿模型,能用 Codex 或 Claude Code 发起工作,并且愿意在真实项目里学习。
他并没有把非专业开发者捧成万能专家。相反,他说自己的站点仍有内容与代码混杂、细节反复修改等低级问题,会请阿禅点评,也准备继续学习专业流程。专业人士多年积累的规范可以被固化进 Skill,再与 Agent 配合;专家价值不是因为操作变便宜就归零。
上手的门槛下降,与专业质量自动到手,是两件事。先做能让人进入学习循环,专业反馈再帮助人发现不知道的地方。原文谈了项目式学习与小组交流,但没有展开一套可独立照做的完整建站课程,不能把课程介绍当成教程内容。
Ben哥可以先在 ~/.agent-autoloop/reading.py 的相关任务中,只验证「一份本地转写变成一篇合格 Markdown」,不要同时扩展登录、奖励与在线社区。验收后再决定下一个最小功能。若以后要将流程固化,可提议新增 validate_distillation_contract(text),检查来源、层级与边界说明;它只能证明格式符合约定,不能代替人工对照转写判断事实是否成立。
| 这条里的什么 | 对应你手上的什么 | 具体怎么用 |
|---|---|---|
| Token 消耗与价值分开 | ~/.shared-agent/tasks.md | 任务描述先写业务问题与交付判据,不以用量代替成果 |
| 输入、缓存、输出分开 | ~/.agent-autoloop/report_html.py | 提议 render_usage_breakdown(usage),缺失数据明确标注,不反推账单 |
| 业务先于技术选择 | ~/.agent-autoloop/reading.py | 提议 describe_reading_goal(),先定义服务对象与阅读结果 |
| 编辑与运行职责不同 | ~/.shared-agent/kb/STANDARD.md | 后续提案列清内容源、编辑入口、生成与分发职责,不据此自动迁库 |
| 文案与代码解耦 | ~/.agent-autoloop/report_html.py | 提议 get_static_copy(key),只处理固定展示文字,不改业务状态 |
| Bug 驱动闭环 | ~/.shared-agent/tasks.md | 描述补足现象、证据、预期、复验结果,由独立角色验收 |
| 概念反复编辑 | ~/.agent-autoloop/knowledge.py | 提议 render_concept_note(...),把解释、项目影响与关联放在一起 |
| 从最小项目开始 | ~/.agent-autoloop/reading.py | 提议 validate_distillation_contract(text),先检查单篇交付约定 |
原文:howie《ai 编程专题 2:0基础选手,如何上手?如何进阶?如何精进?》,2026.05.22 直播回看。原视频地址见来源行;本地转写未提供可核验的总时长。
本篇依据:完整分段阅读 /Users/benhong/.agent-autoloop/cdb/transcript/l_6a0d4db8e4b0694c5bc6721e.txt,从开场、Token 经济学、阅读挑战演示、开发流程到末尾答疑。两份样例仅用于层级与语气,不作为本场事实来源;序号按目标文件 q07 记为 7,不代表本轮核验了全库完成数量。
更正与边界:按上下文将「前进 log」「结构/解我」等明显误识别整理为变更日志、解耦,并统一 Supabase、Cloudflare 等名称。Token 总量、实付与折算价格存在口述跳转,故只保留约数和口径差异;模型价格、智商类比、算力收入推演、职业替代与投资判断均不作为核验事实或行动依据。本文没有访问外部资料,也没有观看录像;课程方法、长期阅读效果与完整安全方案,原文未展开。「对你的实际应用」及表中的函数、字段写法均为作者向 Ben哥的应用提案,不是讲者原话,不代表已实施;本次只生成指定 Markdown,不改程序、规则、配置或共享任务状态。
定位:中文深蒸馏,不是逐字摘要。