博客

关于AI、学习和产品开发的511篇文章

我现在把 Claude Code 用在除了 coding 之外的几乎所有事上

取消 Claude Max 19 天之后，我的使用模式已经很清楚了。xHigh 的 GPT-5.4 Codex 坐上了 coding 的那把椅子。xHigh 的 Opus 4.7 Claude Code 则拿走了我桌上剩下的所有位置。

直到今天，还有人来问我：2023 年我推荐的那 7 门 Andrew Ng 课程，今天是不是仍然是正确的学习路径。简短回答：大部分课依然值得上，但外面包裹着它们的那张地图已经变了。这篇是我 2026 年的更新，附上每门课的最新判断，以及给 builder 和 operator 两条不同的分叉路径。

当 Prova 开始对 progression、billing、auth 和 state 做出真实承诺时，我才第一次觉得它变成了真正的产品。最难的不是 generate code，而是把这些承诺周围的 contracts 都搭起来。

我一直看到 AI 工具在向 agency 推销“内容产量”。但如果你真的管理过客户关系，你就知道更难的问题其实是信任：隔离、权限、context，以及绝不能把一个客户的思路泄露到另一个客户那里去。

我原本以为只要把课程模块剪在一起，修掉几个过渡，就能变成一条 YouTube 视频。我错了。制作 The Parade Problem 让我明白，好的内容复用不是剪辑，而是为不同的承诺、不同的受众、不同的开头三十秒重新设计整个创意。

我在连续使用 13 个月、总共支付 US$1,892.38 之后取消了 Claude Max。这不是庆祝帖，而是一个 30 天的实验：看看把 Codex 作为主力工具之后，我还能不能以同样的节奏继续推进 STRATUM、DIALOGUE、课程平台和这个网站。

在我最初的对比文章发布两周后，两款工具都推出了重大更新。Codex 以 Claude Code 未曾做到的方式挑战了我的产品策略。Claude Code 推出了 Agent Teams 和 AutoMemory。结果是：我准备砍掉每月 200 美元的 Max 订阅——同时用更少的钱获得更好的产出。

关于AI和团队设计的讨论，大多从人数开始。我认为这个起点是错的。更好的问题是团队需要哪些"职能"——而这个答案，不管你有四个人还是四十个人，都是一样的。

DIALØGUE 支持 7 种语言，但真正的多语言工作并不是翻译 strings。真正的工作是修正面向不同受众的本地日期、保持 TTS 一致性、修复 UI 的语言漂移，以及判断哪些地方的质量重要到值得你故意放慢速度。

我在广告行业待了很多年，看过太多团队把"动起来"误当成"在进步"。后来我开始自己做 AI 营销工具，才意识到这个问题反而更严重了：执行更快了，判断却更弱了。

AI现在可以以惊人的速度产出媒体计划、绩效总结、测量框架和广告活动设置。问题不在于产出明显很差，而在于它往往"够好"到能通过一次随意的审查，同时遗漏了真正重要的业务背景。

大多数团队仍然在问该用哪个模型。根据我的经验，这已经不是核心问题了。如果你的AI系统忘了客户、品牌、品类以及"好"的标准，那么再聪明的模型也只能每次从零开始。