本文的契机是最近 DeepSeek V4 Pro 上线之后，我在龙虾和 Claude Code 里使劲用、使劲用，结果发现：这玩意儿不花钱。原来说一句话可能少则一两块，多则十块八块就出去了，现在一句话只要几毛钱，甚至几分钱。账单余额怎么也用不完。
DeepSeek V4 Pro 这次是永久降价 2.5 折。这个价格意味着，这款最好的国产模型和开源模型，单价仅是海外模型的几十分之一、国产模型的 1/4。
便宜，是最直接的体感。但便宜背后是什么 —— 降价底气从何而来，会推动周边生态发生什么变化，在 Agent 时代这样一款模型意味着什么 —— 是这一期想聊清楚的事。
所以我们请了 Erlich。我和 Erlich 最早认识，是在 2025 年 3 月前后那波 DeepClaude 出来的时候。当时 DeepSeek 刚把开源推理能力放出来，一夜之间几乎所有闭源模型都把推理能力跟上了，他做了一个把 DeepSeek 推理和 Claude 输出拼在一起的产品，我们这边很多期节目的嘉宾、不少自媒体老师都在他的用户群里。后来到 V4 Pro 永久降价那一刻，他又用 Claude Agent SDK 做了 Proma，一个桌面端 agent 产品，正好接住了价格打下来之后突然放大的调用需求。
他算是踩到 DeepSeek 两轮红利的人。第一轮是 DeepClaude，第二轮是 Proma（https://proma.cool/）。V4 Pro 降价以后，Proma 的活跃用户直接翻倍，日均 Token 消耗翻了 5 倍，DeepSeek 一家就占到 50%。
更有意思的，是他自己怎么看这件事：DeepSeek 为什么敢这么打价格，价格打下去之后哪些人会赚到钱，套壳到底有没有价值，中转站到底是基础设施还是高危地带，以及一个普通人今天到底该怎么开始用 agent。
第一部分：二流程序员的逆袭・一个会写代码但一直不愿承认自己是程序员的人，怎么被大模型重新改造・为什么技术红利往往先落到 "二流人才" 头上・从频繁跳槽的产品经理，到彻底不想再回去上班的独立开发者
第二部分：DeepClaude—— 前 Agent 时代的偶然爆款・DeepSeek 推理加 Claude 输出，为什么当时会比单模型好用很多・API 手发、个人网站充值、没有后台也能把产品做起来・为什么 DeepClaude 是前 Agent 时代的典型产品
第三部分：Proma 的诞生・Claude Code 为什么会在 2025 年全面压过 Cursor 和 Windsurf・从 CLI 到 GUI，普通用户真正缺的是什么・一个通宵零报错的夜晚，Proma 的内核怎么写出来
第四部分：DeepSeek V4 Pro 的价格震撼・从一两块到几分钱，真实体感为什么接近百倍・300 到 600 用户、8 亿到 40 亿 Token 背后发生了什么・华为昇腾 950、DSA、Ingram、OCR 小模型，价格底气来自哪里
第五部分：套壳的价值与中转站的深水・套壳到底值不值钱，值钱的部分到底是什么・Harness、Skills、subagent 到底有没有那么玄・中转站的几层价值，和它最危险的几类风险
第六部分：给普通人的实操建议・今天到底还要不要追那些爆火的开源项目・效率提高之后，责任为什么反而更重了・普通人开始用 AI，最小可行路径是什么
Chapter 1：二流程序员的逆袭 —— 从产品经理到独立开发者
在 DeepClaude 之前，Erlich 更像一个典型的 "懂技术的产品经理"。
Erlich 是软件工程毕业的，也会写代码，可他一直觉得自己写得挺烂，不太好意思把自己当程序员。他的判断是，自己脑子还行，沟通能力也还行，那就去做产品经理，尽量少写代码。这种 "绕着走" 的状态，持续了很多年。
那段时间他最大的情绪是愤怒。他会觉得，很多东西明明很简单，为什么做不出来，为什么大家就是不去做。对开发会生气，对管理层会生气，对公司也会生气。所以那几年他跳槽非常频繁 —— 一年里可能只有一半时间在正经上班，另一半时间在做自己的小项目，或者看别的机会。这是一种典型的 "知道问题在哪、也知道大概要怎么做，却偏偏卡在亲手把它写出来这一步" 的开发者状态。
真正的转折是 2022 年底 ChatGPT 出来之后。2023 年初，他开始重新写代码，然后越来越强烈地意识到一件事：这一轮最大的红利之一，是那些过去够不上顶尖工程师标准、但又不是真的不懂技术的人，终于有机会补上自己缺的那一块。
Erlich 在节目里反复提到一个判断：技术浪潮里真正吃到大红利的，很多时候是 "二流人才"。一流人才在旧体系里本来就过得很好，有位置、有评价体系、有既得利益，未必愿意第一时间冒险去换工具。反而是那些知道自己在旧体系里打不过的人，更愿意拥抱新工具。工具一旦强到一定程度，原来那点差距就被抹平了，甚至会反过来。所谓 vibe coding，做得最顺手的，不一定是传统意义上最顶尖的工程师，反而是这种 "会一点、懂一点、脑子灵、产品感又强" 的人。
这一点他自己有非常直接的体感。2023 年的时候，他跟 ChatGPT 聊着聊着，就把一个 RAG 客服系统写出来了，后端基本都是他自己弄的，还真的上线给用户用了。过去那些学不进去的概念，在实践里一下就通了。原来不是永远学不会，而是过去那套学习和实践的成本太高了。
他的路径也很典型：最早是 ChatGPT 复制粘贴阶段；后面到 Cursor、Windsurf 这种半自动编程阶段；再往后，就是 Claude Code 和 Agent 的阶段。每到一个阶段，他都会多做一点。那时候他基本就是三四天做一个 demo，发到小红书上，有人感兴趣就继续做产品化。这样滚了一个多月，后来就滚到了 DeepClaude。
至于 "不想回去上班"，几乎是同步发生的。他当时还在上一家公司，脑子里想的是，能不能在公司里立一个新业务 —— 做一个点单小程序，配合大模型帮小商家做经营决策，比如测盈亏平衡点、算优惠券策略。今天听起来这就是个经营 agent。但老板不信他能做出来。他心里只剩一句话：算了，拜拜了，在这里太耽误我赚钱了。
从那以后，他就一直在做自己的东西。拉群、找用户、做一版死一版，再做下一版。这个过程并不浪漫，更像是不断试、不断错、不断发现自己又能比上一轮多做一些事。直到 DeepClaude 出来，他才第一次觉得，这个东西是真的接上用户了。
Chapter 2：DeepClaude—— 前 Agent 时代的偶然爆款
很多人会把 DeepClaude 记成 DeepCloud，其实是 DeepClaude。这是一个今天回头看特别有时代感的产品，几乎是前 Agent 时代一个标本式的东西。
它的诞生非常偶然。那时候 Erlich 所在的群里有人转了一个产品评测，说有家公司在试一件事：让 DeepSeek 负责推理，让 Claude Sonnet 3.5 负责执行。结果发现，这么拼起来之后，效果比单独用 Sonnet 好很多。
Erlich 当时看到那个评测，第一反应不是 "这理论上成立"，而是 "这玩意儿为什么不能给大家更方便地用"。原方案不支持 OpenAI 兼容接口。他干脆自己用 vibe coding 重写了一个兼容版本，让 Chatbox、Cherry Studio 这些工具都能直接接进去。从看到机会到动手，基本就是当天的事。
至于为什么拼接模型在那个时间点会那么有效，Erlich 给的解释相当直白。DeepSeek 当时最强的部分，在于推理链条做得很猛，它会让语义指向更清楚。可以理解成，它先把问题想得更明白，再把这个更清楚的思路交给 Claude 去写、去展开、去组织。这样就会触发 Claude 里更专业、更对路的那块知识。再加上 DeepSeek 这类模型对中文互联网、中国语境、本土知识的覆盖本来就更强，拼起来以后体验就特别明显。
到今天，他都觉得这个逻辑没过时。很多 agent 优化，本质上也还是在做类似的事 —— 让模型更准确地知道自己该往哪一块知识和动作空间里走。DeepClaude 只是一个比较早的、大家能直接体感到的版本。
DeepClaude 对我来说是一个分水岭。从那个项目开始，我才正式把脑放电波的 show notes 和文字稿都切到不再让自己写了。
每期节目我们对外是一两个小时，实际录的时候经常是三到四小时。三四个小时的转录，加上我自己的策划稿，加上预设好的提示词，一股脑丢给它，它就在那吐。在 DeepClaude 之前不是完全做不了，但总差一口气 ——ChatGPT 能写，写出来 "差点意思"，不能上生产。DeepClaude 是第一次让我觉得，这玩意儿真能交活了。一次跑下来大概 50 到 100 块，换来一篇可用的 show notes 和长文字稿。
跟我处在同一类需求里的用户其实不少。做小红书文案的，一天要跑几百上千条；媒体写作者，要把大量素材揉进一个统一结构里；还有一批人拿它做论文润色和长文本整理。这些场景的共同点，就是你很难只靠一个短对话窗口解决问题。
更有意思的是，DeepClaude 的早期产品形态非常简单。作为独立开发者，门槛其实没有外界想得那么高 —— 个人网站开了个子页面，充值跳转到一个窗口，用户买完就能直接接入 Chatbox、Cherry Studio 这种客户端。没有什么后台系统，也没有那么多花哨的 UI，但用户照样能跑起来。
今天回头看会觉得有点离谱，但那个阶段恰恰说明一件事：当用户足够痛、产品又刚好够用的时候，没有那么完整的基础设施，也一样可能先跑起来。
DeepClaude 还顺手干了一件事 —— 让很多人第一次习惯了 "通过 API 使用模型"。用户不是去下载一个完整 App，而是装 Chatbox、装 Cherry Studio，再把接口填进去。这一步门槛不算低，但它让一批人比普通消费者更早进入了 "模型即能力层" 的使用方式。
Erlich 后来会把 DeepClaude 称为前 Agent 时代的荣光。那个时候，模型还没强到足够把很多流程自己跑完，需要通过组合、包装、拼接，让它变得更像一个能交付结果的产品。等到模型能力再往上走，大家会发现，单纯拼模型已经不够了，必须开始做 agent，开始做工作流，开始做界面和交互，开始处理真实用户的上下文。这时候 DeepClaude 的历史任务，差不多就完成了。
Chapter 3：Proma 的诞生
从 DeepClaude 走到 Proma（https://proma.cool/），并不是一次简单升级，而是整个范式都变了。Erlich 不再只是把能力转卖出去，而是开始做一个真正意义上的 agent 产品。
转折点大概发生在 2025 年下半年。那段时间他在全国各地做活动，也帮一些朋友的公司快速搭 demo，带他们看怎么把 Web coding 跑起来。刚好赶上 Claude Agent SDK 出来。他拿它做了两个 demo，速度非常快，差不多 20 分钟就能 web 出一个能用的东西，而且效果直接能进业务场景。
那一刻他意识到，新的东西来了。DeepClaude 这种模式当然还能跑，但它会越来越像一个渠道层，而不是最终产品。用户真正需要的，是一个更接近 "任务完成本身" 的东西。
要理解 Proma 为什么会以那种形态出现，得先看清楚 2025 年程序员工具市场的剧变。2023 到 2024 年最火的还是 Cursor 和 Windsurf，但到了 2025 年，Claude Code 的热度已经明显压过去了。很多程序员开始统一迁移到 Claude Code，这不只是模型变强，更是产品思路的差别。Erlich 在节目里把这个差别拆成了四块，相当具体。
第一块是全局探索和局部修改的差别。Cursor 很长时间里默认当前打开的 tab 就是上下文中心，会优先围着眼前那几段代码转。Claude Code 不这么假设。它会先探索整个代码库，理解整体结构，再决定怎么改。这样一来，成功率天然就高很多。
第二块，是它形成了一个很强的自举循环。Claude Code 的创造者 Boris Cherny 本人就在用 Claude Code 开发 Claude Code，每天都在用自己验证自己。这个反馈回路特别短。很多体验问题，在别的团队可能要排期、提需求、过几轮评审，在它这里就是 "我今天写代码的时候就不爽了，那我今天就改"。Erlich 把它形容成 "左脚踩右脚"。
第三块，是它的 UI 很薄。Claude Code 本质上就是 Claude Agent SDK 上面一层很薄的 Terminal UI，所以迭代特别快。Cursor 那种图形界面产品，很多资源要花在界面、交互、插件、兼容性上。Claude Code 因为更轻，节奏快很多 —— 一天迭代五到十个版本，并不是特别夸张的说法。
第四块，是模型协同的优势。Claude 自己最清楚自家模型哪一版强、强在哪，可以更激进地试一些策略。第三方工具很多时候只能等，等模型稳定，等接口，等社区总结经验，天然滞后一点。
可 Claude Code 也有一个非常明显的问题：它太程序员了。这正是 Proma 出场的原因。很多普通人一听 Claude Code，第一反应就是 "这玩意儿只能写代码吧"。再加上 CLI 的形态、安装配置、命令行界面，本身就会筛掉一大批人。
但 Erlich 已经很明确地意识到，Claude Agent SDK 并不是一个只能写代码的东西。今天大家觉得 Manus 能做的事 —— 电脑控制、文件整理、长文本处理、流程化任务，Agent SDK 其实都能做。他想做的事情很简单：把这个能力包起来，让一个普通用户在图形界面里就能直接用。Proma 就是这么出来的。
但 Proma 不是一次就写成的。Erlich 前前后后大概写了四五次。真正成功的那次发生在 2025 年 12 月的一个夜里。他整晚都在 vibe coding，通宵没睡。最神奇的是，那一晚 Claude Code 基本没有出错。Proma 的内核就是那个晚上长出来的。他后来形容那种感觉，就像自己第一次用到 Sonnet 3.5 一样 —— 一旦一个东西开始能稳定地产出不太出错的结构，而且架构还说得过去，它的扩展性就刚刚开始。
GUI 版本一定有人要，这件事在那一晚之后他已经完全没有怀疑。用户不是不需要 agent，他们只是没法接受一个只有终端的人机交互入口。Proma 的定位也很明确：不是 "给最 hardcore 的程序员一个替代品"，而是把 agent 这个能力从 CLI 里搬出来，让更多人能碰到它。
还有一个很实际的点 ——Proma 不只支持 Claude。当时国内很多用户其实更想接国产模型，像 DeepSeek、Kimi、MiniMax。Proma 让这些模型也能跑完整的 agent 流程。很多人后来对 agent 有感知，不是因为他们装了 Claude Code，而是因为他们第一次在一个看得懂的界面里，让模型真的帮自己把事做完了。
更有意思的是，Claude Agent SDK 的文档其实一直很少，到今天也只有差不多一页入门说明，很多坑根本没人告诉你。Proma 里很多能力，不是照着文档抄出来的，是 agent 自己一遍一遍探索出来的。这件事让 Erlich 后来越来越相信一个判断：很多工具不是等文档齐了才开始工作，而是先把它跑起来，跑着跑着，文档反而才会慢慢长出来。
Chapter 4：DeepSeek V4 Pro 的价格震撼 —— 从 "舍不得跑" 到 "放开跑"
这一切发展到 DeepSeek V4 Pro 永久降价 2.5 折的那一刻，撞出了真正的烟花。
Erlich 形容那段时间的体感非常强。很多讨论会只盯着公告里的单价变化，但真正做产品、天天盯后台的人，感受不是 "便宜了一点"，而是整个调用习惯都改了。以前一句话少则一两块，多一点十块八块很正常。现在同样的任务，前端经常只显示 0.00。这倒不是真的零成本，而是因为单次调用花的费用太少，在收费端已经被四舍五入到两位小数后展示不出来了。
我自己的体感也是这样。原来每说一句话都在掉血，现在变成怎么还没花掉。
真实体感很多时候比表面倍率还更大。拿 V4 Pro 和 Claude Opus 4.6 做比较，账面上看，输入价格考虑 2.5 折以后，大概是十几倍的差距；命中缓存时差距能到更夸张的级别；输出也有几十倍差别。但 Claude 的缓存策略、对话间隔、上下文重用方式，都会让用户的实际体感差距接近百倍。
更关键的是，价格往下一压，需求并不是线性上涨的。很多原来停在边缘的需求，直接进场了。Erlich 后台数据非常明显：活跃用户从 300 多涨到六七百；日均 Token 消耗从 8 亿涨到 40 亿。尤其五一那几天，按道理应该是低谷，结果反而一路在涨。大家一旦意识到便宜到这个程度，就会开始疯狂试场景。
其中超过 90% 的流量都跑到了 DeepSeek。其他模型还在，但更多像补充。DeepSeek 直接变成主力干活的那个。40 亿 Token 换算下来，大概是两三万到三四万次请求，已经不是一个 "小圈子里几个人玩玩" 的量级。
但价格不能凭空降。很多人会说，这是价格战，是补贴，是抢市场，但真做推理的人都知道，价格没有那么容易随便砍。我自己也查了一些资料，节目里也展开聊过 ——DeepSeek 这次能把成本压到这个水平，主要靠两条主线：一条是国产算力，另一条是它过去一年在工程层面做的、行业里还没普遍 follow 的几项优化。
先看硬件这条线。DeepSeek 在 V4 Pro 的价格表里就明确写了，下半年会大规模上华为昇腾 950 的超节点。这个超节点是什么概念？目前比较普遍的推测是，它和英伟达同档芯片的性能差距应该在 5% 以内，但整体硬件成本能压到 1/4 以下。也就是说，付一份英伟达四分之一的钱，拿到几乎一样的算力。更关键的是，目前来看，只有 DeepSeek 这种量级的模型厂商，才能在训练期就拿到华为这种芯片厂商最高优先级的支持，自己也投入了大量适配工作，包括专门针对华为做的算子和技术架构改造。这种 "模型方 + 芯片方" 在训练阶段就深度协同的关系，本身就是别人短时间内复制不了的。
软件这条线，更值得展开。很多人对 DeepSeek 的印象还停留在 V3 和 R1，但其实整个 2025 年内，它还有几个工作，对这次成本下探起到了关键作用。
9 月发布的 DSA，是一种稀疏注意力机制。简单理解就是，模型在扫描上下文的时候，不必把所有上下文一口气全扫一遍，而是先扫上下文的索引或者大板块，再来对关键部分做精读。同样的长上下文场景，计算开销直接被压下来一大截。
10 月发布的是一个 3B 的 OCR 小模型。它的核心能力是：你把一张图片直接喂进去，让它以 OCR 的方式把图里的内容当成上下文来读，token 占用只有正常把同样内容按文本喂给 tokenizer 时的 1/10。也就是说，对图文混合场景做到了大约 10 倍的无损压缩。
到了 2026 年 1 月发布的 Ingram，则是把静态知识丢进 CPU。今天大模型推理的真正瓶颈是显存 —— 显卡贵、显存更贵。DeepSeek 的做法是把知识切成静态和动态两部分，静态部分常驻 CPU，只把动态的、当前热点的知识加载并缓存进 GPU，从而绕开显存瓶颈。
再叠加 DeepSeek 和 Claude 这类模型本身在缓存加载机制上的根本性差异，整个软件工程层面的红利就被一次性兑现了。硬件成本压下来一截，软件工程又压下来一截，所以 V4 Pro 一发出来，价格就能这么夸张 —— 即便和国产同行比，也直接打到对手的 1/4 到 1/2。
Erlich 还在节目里留了一句很有分量的判断：DeepSeek 可能永远不会恢复到原价了。理由是，这次不是临时试探，更像是借一个价格动作，把整条生态链都打通。开发者会跟进做产品，运营商会跟进做推理工程和渠道，研究员会因为用量和反馈继续研究下一代架构。对它来说，价格下去之后，反而会有更大的生态反哺价值。这个价值，可能比一开始少赚那点钱重要得多。
按 R1 时代的经验，每当 DeepSeek 出新旗舰，国内大厂应该一拥而上。但这次很多大厂反而没第一时间接 V4 Pro。Erlich 给出的解释是，时代又变了。R1 那会儿，接入别人模型是一个流量动作，大家还是在做 chatbot 入口。到了 V4 Pro 这一轮，很多大厂已经开始把重点放在自己的代码产品、agent 产品和整个工具生态上了。再去接别人家的开源旗舰，面子上也不太好看。更何况很多国产模型能力其实并不差，大家会更愿意把精力放在 harness、工作流和产品体验上。
还有一个更现实的原因 —— 别人没法复制 DeepSeek 这次的成本结构。市面上甚至能看到反向涨价的产品，这背后并不是他们坏，而是他们不涨价商业模式就不成立。DeepSeek 这次价格动作真正可怕的地方在于，它可能来自一个别人暂时抄不了的成本环境。
Chapter 5：套壳的价值与中转站的深水
价格下来了，大家第一个会想到的，就是套壳是不是又有机会了。能力层更便宜了，产品层好像又能重新做一遍。
套壳当然有价值，而且是长期价值。问题出在 "壳" 这个词被污名化了。很多投资人特别喜欢把壳说得很轻，因为他们需要制造一种叙事落差：上游高贵、下游低级。但普通用户根本不在乎你是不是壳，只要好用，他就会用。
壳真正的价值，是帮用户收集和整理上下文。模型再强，主产品界面也还是有限的。它不可能为每一个人、每一个职业、每一类工作流都单独长出一套交互。壳的意义，就是把这些分化出来。有人更看重情绪照顾，有人更看重决策质量，有人更看重流程化执行，有人更看重跨工具协同。这些差异，是产品层来承接的。
Skills 的出现，进一步坐实了壳的价值。用户一旦开始沉淀自己的 Skills、自己的工作流，这东西就不再只是 "我给你套了个皮肤"，而是在累积你的操作习惯、任务偏好和上下文组织方式。拿我自己举例，脑放电波的录制整理流程跟别人就是不一样的，这套流程不会因为模型升级就自动长回主模型里 —— 它只能存在于产品层、存在于壳里、存在于你自己的工作流配置里。
Harness 这件事，其实也有点被神化了。很多时候 Harness 没那么玄。比如 Proma 里有一些效果不错的地方，本质上就是在提示词里多写一句：如果用户反复做同一个任务，还经常纠正，还用了 Skills，那你下次就主动帮他迭代这个 Skill。再加一句：你在积极使用 subagent。很多体验上的改善，就是这么来的。再比如，危险代码的拦截、敏感动作的提醒、执行前多一道确认，也都属于 harness 的一部分。它不是某种神秘技术，更像是你是否真的理解用户任务链路，是否愿意把那些脏活累活补上。
中转站是这一节里 Erlich 反复提醒大家要小心的部分。他一边觉得它有价值，一边又非常直白地讲它的危险。
价值层面是真实存在的。最上层，中转站能帮一些大渠道消化算力、分配资源；中间层，它让用户不必单独持有很多模型账号和接口；底层，它提供更便宜的模型使用方式。所以它不是完全没价值。
但风险也非常实在，Erlich 在节目里几乎是逐条列出来的。第一类，是模型来源不正规。你根本不知道它卖给你的到底是什么，甚至可能是灰产渠道里的东西。第二类，是偷换模型。高峰时段悄悄把高价模型切成便宜模型，普通用户不一定看得出来。第三类，是跑路，这是最常见的消费者风险，他自己就被坑过很多次。第四类，是数据安全。聊天里贴进去的账号、密码、业务信息，很可能全过一遍中间人。第五类，也是 agent 时代特别危险的，是提示词注入。中转站如果在中间塞一段东西，agent 真可能替它执行一些你根本不想执行的动作，甚至给你的电脑装上木马。
这件事不是未来风险，而是已经发生了。保守估计，中国现在的中转站，几万到十几万个都不夸张。很多就是基于一个叫 New API 的开源项目直接搭，稍微会一点的人，就能在一个月内做出一个界面长得差不多的东西。我自己就在飞书群里见过有人一比一仿一个站出来开始拉人。
Erlich 对中转站的总态度，是 "你可以知道它有价值，但别把它当成天然安全的基础设施"。尤其在 agent 时代，问题比以前严重得多。以前你最多是内容被看一眼，现在它可能直接影响执行链路。
正规军开始下场，是另一层信号。运营商开始做话费加 Token 套餐，大公司开始自己下场做分发产品，像猎豹移动的 Easy Router 这类东西冒出来，海外是孙宇晨和特朗普家族也在做类似的事。这些都说明一件事：这个需求已经大到足以驱动大公司认真看它了。它不再只是小开发者的小生意，而是开始进入真正的基础设施视野。
这一节里还有一段稍微敏感的对话。曾经有人来找 Erlich，想买他后台的用户数据。他的回答很直接 —— 他们不记，所以连卖都没法卖。一旦记了，快钱就会赚，但产品就没时间发展了。这句话差不多也回答了为什么有些产品看起来更 "狠"：不是它们更聪明，而是它们已经走在另一条路上。
Chapter 6：给普通人的实操建议 —— 别追概念，先把一个小问题跑通
节目最后，Erlich 把话题拉回到普通用户。今天一个不是程序员的人，面对这么多模型、agent、套壳、中转站、工作流概念，到底该怎么开始？他的建议反而非常朴素。
说实话我自己也是被这几年的风潮一波一波割过的人。从 2025 年初的 DeepSeek，到后来的龙虾，每一波都跟着学，时间也搭进去了，事后回头看，真的留下生产力的并不多。所以听到 Erlich 这套建议的时候，我其实是有共鸣的。
第一句话是：先别追概念。也别一上来就研究什么 agent teams、什么多智能体编排、什么 harness 体系。那不是大多数人现在的瓶颈。大多数人的瓶颈，是根本没有一个自己愿意持续尝试的小场景。
他给的最小可行路径很具体。先找一个真实问题 —— 写一篇东西、整理一次会议、处理一个 Excel、跑一个重复性的工作任务。拿任何一个手边能用的免费工具去试，豆包、Kimi、DeepSeek 都行。先把一个很小的问题跑通。第一次不完整没关系，第二次多补半句话，第三次多改一个提示。慢慢地，你会知道模型在哪些环节会听话，哪些环节会出错，哪些地方必须人工校验。
形成这个体感之后，再去沉淀自己的 Skills。你会知道哪些操作总要重复，哪些上下文每次都得交代，哪些结果格式是你真正想要的。到那一步，就已经比大多数只会围观概念的人更接近真正的 AI 用户了。
Erlich 还顺手戳破了一个常见迷信 —— 不要太相信那些最火的开源产品。他承认这是一个偏见：一个产品如果每天要处理几十上百个 PR，它往往就已经没有很强的一致理念了。大家都来改一点，最后方向会很散。不是说开源一定不好，而是爆火之后它会很容易变成一块谁都能啃一口的东西。对普通用户来说，盲目追这种热点，不一定是效率最高的选择。
最后一段聊的是他自己。Erlich 现在还是不想拿投资。他知道那套逻辑会把人带去哪里 —— 一旦拿了，就要开始讲更大的增长、更快的扩张、下一轮融资、更多的人、更高的风险。他不是说这条路不对，只是觉得它不适合自己。对他来说，能有几千个信任你的用户，能让两三个人过得不错，能持续做产品，这就已经很好了。
他今年 30 岁，觉得自己的时间才刚刚展开。Proma（https://proma.cool/） 如果赚到钱，他更想做的事情，也不是立刻把公司做得多大，而是成立一个很小的基金，去投一些真的在一线做事、很朴实、很认真、也许还没被看到的人。先让这些人和他们的产品活下来，比一上来就谈规模，重要得多。
