在过去一段时间里,我尝试走量的形式,交付不少比 AI slop 质量稍高,但长期来看并没有带来多少额外价值(例如曝光、转化)的东西。回顾下来,我认为创造本身已经不稀缺了,但更细节的感受和方法仍然稀缺。不过付费的话,还是要更多调动人的感性脑,而不是理性脑。

这促使我做出一些改变,在和用户交流的部分,不要也不应该过度依赖 AI。这也包括文章写作。接下来,我将尝试 Brain Writing(又称心流写作),俗称想到啥写啥,用来对抗 AI 写作平均态和脑雾现状。因此,本文将是全手写,放心食用。偶有瑕疵,还请见谅。


回顾过去这一周,在大模型基座方面,当属谷歌的 Gemini 4 家族独领风骚。打了一个漂亮的翻身仗。至于他们怎么在没蒸馏的前提下做到文笔和 coding 都不错,目前仍未可知。我在高强度使用下来后,觉得体验感非常棒。所以这篇文章算是半个推荐文,给大家讲讲我用 Gemini 4 做了什么,是怎么做的,有什么思考和经验。

谷歌发布这四个模型,简单来说就是对标过去的 pro、flash 和基础款这种。个人用下来,质量最好的当然是 Carbon(同旗舰档还有 Argon),其次是很均衡的 Neon 模型,以及很便宜适合干简单活的 Hydrogen。在他们没发布这几款模型前,我一直有在用他们家的 Gemini 3.8 Flash 写文章,在 PageGrok 这个网页总结插件上用 Gemini 2.5 Flash。前者是有一定智商、说人话;后者是很便宜,TTFT 延迟在 2s 之内。

在选型上面,按照高难度用 Carbon、均衡用 Neon、轻量用 Hydrogen,是个不错的方法。当然,我也推荐用他们的 Orchestrator 路由模型。即,用比如 Neon 来做总体的方案制定,然后执行细节被屏蔽,Hydrogen 或者别的 Flash 模型在干执行。具体参数情况,可以参见 TrakToken 做的每日收集。

开支方面,差不多 20 刀的 Pro 套餐,够一般强度的 vibe coding;若是高强度,建议开 100 刀档的 Ultra 套餐。Antigravity 这个插件,在我看来,除了偶尔简陋外,其实没有那么不堪。不过我目前在用 T3 Code 这个集成工具。它可以把不同的 Coding Agent 整合在一起,而且能够实现手机控制电脑上的 Agent 编码。推荐给读者朋友。

我建议,如果你是 builder,不要把精力全部放在构建上面。这是模型的舒适区,但不是创业者该重点关注的地方。我认为该重点关注的是,市场还有什么需求没有得到满足;你的现有产品还有哪些策略可以带来曝光、带来转化。去用模型收集资料、做数据分析,比用来写新产品的 ROI 更高。

说到产品,接下来给大家介绍下 vibe coding 出来的两个产品。一个是很早之前就想做的 IELTS 雅思的地道表达工具;另一个是用来屏蔽 X 上 slop 内容的插件。我们分开来讲。


首先第一个,它是一个面向个人的学习型工具。这类工具我在过去一段时间,构建了不少。比如在别人开源基础上搞的 Tap,一个打字学习多国语言的网页应用;比如还有一些乱七八糟的结构网图。构建这类工具,最容易陷入差生文具多的细节里面。比起构建,看完这些东西并且用脑子记住的价值更大。

好了,扯远了。这个工具的数据提取我是用 Neon 做的,它设计方案用了我 Mac 上面的视觉扫描 OCR。这个方案我自己都没想到,原来电脑自带的模型也能用来批量处理 PDF。不过由于我们的语料,我推测本身就被大模型扫描并且参与训练过,所以最后出来的结果我让大模型再过了一遍,这样基本没有问题。如果是用来处理财报这一类新的、领域外的、数据和表格居多的,那就需要视觉模型复核以及更专业的 OCR 提取工具比如 MinerU 这些。

然后就是构建网站。这次我分了两步走。第一步是少约束,让他直接给构建了一个。不出所料的,丑得批爆。根本没有任何审美和交互可言。但是别担心,大模型前端能力一坨,这已经是公认的事实。我让他走了 Hallmark 这个 Skill,挑选一个认为合适的主题,这样下来的结果基本上就可以看了。很多 vibe coding 方面的 KOL 的目标是给出一个漂亮的网站。这种次抛可以,但生产上可不行。

第二步在做的事情就是搞个登录系统。因为我不可能只在有电脑的时候,才上这个网。理想状态是多端同步。那么就需要一个账号体系,需要一个后台来记录用户的进度。账号方面,是复用我今年早些时候积累的能力。那就是用谷歌+苹果+邮箱的登录形式。这样多个平台都能用上。邮箱我早先用的 Supabase,但是我后面发现 Resend 就能做这个功能。Supabase 的后端对于这类产品属实太重没必要。数据同步,就直接用 Vercel 给的套餐内的 KV 存储搞定。

这样,一个内容学习站,就差不多搞出来了。构建本身其实并不耗时,在前沿模型的帮助下,一个下午+一个晚上能出来。后续的登录、字体和 AI 特有的 slop 样式微调,又花了半天的时间。从这次构建来说,明显比半年前提效不少。产出成果上也更好看、衔接更自然。这其中既有模型能力的提升,也有前期积累的效果。

话说回来,这个产品本身是非营利性质的小范围产品。它也就起个打样作用,我相信不少人有过类似的想法,但是卡住了。可以联系我,辅助大家把心里的想法搞出来。大模型这个阶段,每个人都可以自己捣鼓自己领域内的工具,不同水平的放大器效果截然不同。


另外一个东西,也是我在 Jev 出来的时候就想做的。识别并折叠屏蔽 AI 内容。这个情况比较特殊,是在 X 上随着创作者激励的出现,不少后台用低智模型,在评论区回复,来刷创作者收益。他们回复的内容基本就是附和,没有营养,就像藤壶一样。社交媒体上,我想没有人想看到和回复伪装成人类的机器人。

如此明显的模式,Jev 这类判别器模型,理论上能做出判断。当然,是用的谷歌的模型。谷歌这个大善人,开会员还送一定额度免费的谷歌 API 调用。这些额度用来做判定模型开销再好不过。这个判别模型本身是啥,大家可以去看我两个月前的文章,深入解读 Jev 模型:是什么以及怎么用。

言归正传,技术方面,由于我之前写的 PageGrok 插件本身就是个扩展插件,所以这方面也有经验。很自然的就是用插件来实施这个功能。它的基本原理就是在打开帖子的一瞬间,将帖子和内容一并回传给我们的判别模型,模型返回置信度,然后折叠对应的回复。这次我用的 Carbon 模型,很快也搞出来了。但还是那个问题,vibe coding 搞出原型来验证没问题的。一堆细节上的坑等着你。

首先就是样式上面,怎么用怎么别扭。因为模型本身也是用的语料库里面的东西,至于为什么这么写的隐性知识,它是不知道的。那它就拼凑以实现功能。这方面,我的经验可以分为两条线。一条线是继续用例如前面提到的 Skill 以及我早年阅读设计类书籍,总结出来的一些设计准则。这样一通下来,能看,但还是会别扭。因为它没考虑到用户体验。

用户体验方面,我的咒语即是第二条线:让模型分析应用的 IA 信息架构和用户旅程,做出准确诊断。这样过后,它能把人感知的 70% 不对劲的地方,违背交互的地方给找出来并修复。剩下的一些细节,还是要靠人工走查和经验上的积累给出。

前端和交互调个 7、8 分后,另一方面是业务逻辑。需求一般是从想法到清晰,从看起来OK到实际OK。我会让模型分析,然后噼里啪啦讲一堆,再要求他屏蔽细节。太多细节到我没法做决策。Gemini 4 还很喜欢像人一样,给老板做选择题。但实际上,如果细节在我的专业领域之外,我根本难以判断正误。这个时候需要的和公司一样,高人才密度(高模型密度)。让强力模型来做这个事。屏蔽细节,简化告诉我要做什么决策,我判断要不要、符不符合我的期望即可。

这样下来,我调整了模型想拉黑账号的冲动,调整为优先处理单条帖子。否决了模型想专门给我开个密钥管理的方案。整体方案:判断这个回复,是不是在重复主帖内容;是不是蓝标。这个简单策略,就可以做出不错效果。这也是我过往风控经历告诉我的,从对方的经济利益出发,控制它的收益小于他的成本即可。如无必要,勿增实体。

目前还是会有误处理的情况,逻辑上可以通过回退来实现。误屏蔽的负面是少看部分回复,整体风险也不大。目前仍然值得做的迭代,是迭代给 decision 模型的提示词。后台日志有记录用户点击屏蔽和撤回的日志,这些日志的特点,很适合定期丢给模型做动态的提示词更新。

这里面再分享两个事情。一个是 Gemini 4 其实并不适合处理后端,或者说数据库上面,你不提他就当看不见。我的 Cloudflare D1 数据库每天有 500w 的读额度,在第一天将近消耗 80%。原因是它没给我做缓存和分表,每次请求都全量扫表。好在告警抛出来了,止血及时。另一个就是,近期备受争议的 GPT 模型不是没作用,我只用来干一件事:生图。目前 Baku 插件里,根据屏蔽帖子数成长的小东西的动效和图片,都是它做的。这点目前我还有路径依赖,GPT 的图片生成还不错。


最后,我们再回顾一下。过去这一年,vibe coding 的爆发;这两年来,AI 的热潮,似乎在近期随着各类大大小小政治事件,又开始均值回归。AI 人才热,也就持续了一年多一点;GPT 的领先地位,说没就没;我期待的用 AI 搞出大动静,新的跨时代的产品也没有出现。方向在哪里,我仍在试图回答。但我觉得,这波理性回归是值得的,虽然我的投资钱包扁了。AI 不应该用来写 slop,不应该替代人类的学习,更难以替代人的情感联结。

最后的最后,谢谢阅读。本文通篇手写,感谢。


关于作者