范凯说 AI · 周日晚聊 第30期：我被 Claude 封号了
开场：两周不见，先聊聊最近的模型变化
好，大家好，欢迎来到范凯说 AI 的直播间。先说明下情况：上上周我出差，后面又连着出差了一周多，两个周日晚上都有事，所以空了两周没直播，今天终于回来了。最近 AI 行业特别热闹，新模型、新新闻一大堆，加上我自己用 AI 的一些新体验，今天都跟大家聊一聊。大家有问题随时打在公屏上。
最近有同学问我："范老师是不是被封 Claude 了？"对，很不幸，我的 Claude 账号确实被封了，而且这个账号用了很久——2023 年年初开的，到现在已经三年半了。以前大家都说 Claude 封号封得狠，我一直没被封，所以一度觉得：我这种老账号，应该不会被当成搞蒸馏数据或者中转站的吧，挺安全的。
结果有一天，我问了一个不该问的问题。问之前一切正常，问完之后立马给我返回 400 错误。我一开始还觉得奇怪，反复试了几次都不行，过了几天还是不行，这才确认是彻底被封了。申诉也提交了，最后被驳回，没通过。
具体什么问题我就不说了——这个问题在国内敏感，对 Anthropic 也敏感，我在直播间讲的话，估计直播间都得被封。同样的问题我拿去问 GPT，人家是正常回答我的，所以我只能理解为触发了 Claude 的风控。
Claude 被封以后，我为什么切到 Codex
被封之前，我其实长期主力用 Claude。去年 Claude Code 火起来以后，我更是主要用 Claude 的模型，那会儿不管是 Opus 还是 Sonnet，我都觉得跟其他模型拉开了很大的差距，用习惯了，也就懒得换。
但后来 GPT 升级到 5.5，我就感觉差距已经很小了。到 GPT 5.6，很多方面我觉得 GPT 反而更好了。现在切到 Codex，最明显的体感就是快——同样一个任务，Codex 加 GPT 的推理时间能短很多，至少节省 50% 的时间。Claude 给我的感觉是细节处理得好，GPT 给我的感觉是算力足、速度快。
你们问我 GPT 5.6 Soul 和 Opus 5 到底谁更强，说实话，我从体感上真感觉不出特别大的差异，更多是使用习惯不同。以前我习惯 Claude，就一直用；现在切过来，发现 GPT 也完全够用。对我来说，GPT Pro 这个套餐已经够了。
有人问，Claude 被封了，干嘛不再申请一个账号？我觉得真没太大必要。你又不是选秀，搞一堆模型天天切来切去图什么？重要的是选一个模型，能力够用、能满足你的用途，就一直用它。真觉得能力不够，很多时候给它更多提示、补充更多上下文、增加交互，问题也能解决，不一定非得马上换模型。
但 Claude Code 这个 Harness 我没完全放弃。Claude 模型账号不能用了，不等于 Claude Code 这个 Agent Harness 没用了。我现在还会把一些实验性的 Skill、实验性的 MCP 放到 Claude Code 的环境里——这些东西我不想一上来就装到 Codex 里。我希望 Codex 这个生产环境稳定一点，Claude Code 就当测试环境，里面随便创建、随便折腾。
所以我现在大概是这个分工：Codex 加 GPT 当主力，Claude Code 当实验环境。不是说 Claude Code 不好，而是模型、套餐和我当前的使用习惯已经发生变化了。
DeepSeek V4 Flash：便宜到可以没有心理负担
Claude 被封以后，我就想着切一个国内模型试试，于是把 DeepSeek V4 Flash 接到了 Claude Code 上。用下来的第一感觉：哇，太香了，真的太便宜了。
我特意去 DeepSeek 后台看了用量，反复确认：大概是 1000 万 token 一块钱人民币。我正常用的时候，一天消耗几千万 token，大概三千万到五千万，所以一天三到五块钱，一个月大概一百到一百五。直播的时候我把几百万、几千万、一个亿这些单位说混了，最后确认的就是：每天几千万 token，花几块钱。
这种价格带来的最大好处，就是你用起来没有心理负担。一天用几千万 token，也就几块钱。它不是所有复杂任务都能干，但一般任务，尤其不是特别高度复杂的任务，结果已经相当不错了。
有人问我是不是通过 Paseo 走的。对，我这边就是通过 Paseo 调用。也有人说自己一天要花五十到八十块，那我真的很怀疑，你是不是每天用了五亿到八亿 token？我自己做常规任务，一天就是几千万 token、几块钱。
当时 DeepSeek 说 8 月 17 日开始涨价，这个变化就比较吓人了：缓存未命中，平均大概涨三倍；缓存命中的话，可能涨到十二倍。如果按整体三到四倍来算，我原来一个月一百到一百五，之后可能变成四百五到五百。这个价格我觉得就有点过分了。如果真的涨这么多，我可能就不用了，主要用 GPT Pro。
不过放到企业 API 场景里，情况又不一样。企业不能拿个人订阅套餐直接干活，很多时候只能调 API。即使涨价以后，我对比下来，DeepSeek V4 Flash 的综合成本仍然可能是最便宜的一档。所以它的性价比没有原来那么夸张，但在企业使用场景里，仍然很有竞争力。
V4 Flash 的另一个优势：可以本地私有化部署
V4 Flash 让我特别震撼的地方，不只是 API 便宜，还因为它可以本地部署。
它是一个两千多亿参数的模型，做了量化以后，就能跑在自己的工作站上。我自己用的是 M4 Max Studio，128GB 内存，下载的是 2.4 比特量化版本，模型文件大概 86GB 到 89GB。真正跑起来，加上 KV Cache 和其他缓存，大概占九十几 GB，最多接近 100GB。
在我的机器上，它本地推理大概每秒三十几个 token，具体差不多每秒 32 个。这个速度如果用来做本地知识库、客服问答、工作流处理，完全够了。我这台 M4 Max Studio 当时大概三万两千块钱，128GB 内存就把这个量化模型完整加载起来了。
如果你是企业，要做私有化部署，花十几万块钱配一套英伟达显卡，完全可以把 V4 Flash 跑起来。模型放在自己本地，后面主要就是硬件成本和电费。现在很多国内企业都想做私有化部署，用十几万的硬件就能跑一个两千多亿参数、实际效果又很强的模型，我觉得这件事很有吸引力。
但是这里要区分两件事：本地跑模型，和本地模型驱动 Agent。每秒三十几个 token，做知识库和工作流没有问题；但让它驱动 Agent 就会慢。我自己的体感是，驱动 Agent 至少要每秒一百多个 token，不然整个交互过程会拖得很长。
所以 V4 Flash 特别适合本地私有化、知识库、客服和各种工作流。如果你想让它直接驱动一个复杂 Agent，就要看你的硬件和推理速度够不够。
有人拿 Kimi K3 和 V4 Flash 比，说怎么感觉没有 Kimi 强。Kimi K3 是 2.8T 左右的模型，和 V4 Flash 不是一个规模。K3 更大，能力上限可能更高，但对算力的要求也更高。V4 Flash 的优势就是：模型已经足够强，同时价格低，而且普通工作站就能把量化版本跑起来。
DeepSeek V4 Pro：不是完全不行，但适配和速度有问题
接下来是 DeepSeek V4 Pro。它是 8 月 13 日上线的，很多人说 V4 Pro 拉垮了。我自己也用了一下，我觉得没那么绝对，至少不能简单说它完全不行。
我的感觉是，V4 Pro 可能在 DeepSeek 自己的 Harness 上做了比较深的优化，所以在自己的 Agent 框架里表现会更好；但换到 Claude Code、Codex 这类其他 Harness，泛化和适配就没那么强。你用它当然也可以，只是没有做到对所有 Harness 都适配得很好。
另外一个很明显的问题是速度。V4 Pro 大概是 1.6 万亿参数级别的模型，DeepSeek 现在的算力可能没那么充足，所以跑 Pro 的时候明显感觉慢。很多人说它拉垮，可能既有适配问题，也有推理速度问题，不一定纯粹是模型能力差。
V4 Flash 和 V4 Pro 的定位不一样。V4 Flash 的优势是便宜、速度快、可以本地部署；V4 Pro 更接近大模型能力上限，但需要更多算力。如果你只是做常规任务，Flash 已经够用；如果是特别复杂的任务，可以考虑用更强的模型做规划和复核。
DeepSeek Harness：现在是骨架，未来可能是 Agent OS
DeepSeek Harness 发布以后我是第一时间用的。第一感受很直接：简陋到超出我的想象。
从最终用户角度看，它现在几乎没办法和成熟的 Codex、Claude Code 相比。它不是拿来就能用的终端产品，甚至不能算完整的毛坯房。你拿盖房子来比喻，它现在更像是把钢筋骨架搭出来了，墙面、天花板和各种生活设施都还没有。
所以我觉得，DeepSeek Harness 现在不适合普通用户，也不适合一般开发者，更适合极客拿来折腾。你如果不是极客，没必要现在就把它当成主力工具。
但它的架构设计很先进。我们平时用 Codex、Claude Code，通常是把它们当成工具；DeepSeek 的思路不一样，它是想把 Agent Harness 做成 AI 世界的操作系统，也就是 Agent OS。
它的底层首先是一个非常灵活的插件系统。MCP、Skill、Plugin，甚至其他类型的能力，都可以往上插。更重要的是，它不只是能安装插件，还能热插拔：当前会话不需要退出，你可以直接把插件插进去，也可以把它卸载掉。
它还支持时间上的回溯和空间上的回溯。你把插件插进去以后，可以退回到插件使用之前的状态。整个上下文都是可追溯的，和插件有关的推理过程、日志、时间线也都记录得比较清楚。只有把这些东西记录下来，才有可能做到状态回滚。
所以 DSH 的争议很正常。批评它的人，看到的是一个几乎不能住人的骨架；赞誉它的人，看到的是一个未来可以无限扩展的底座。现在它确实简陋，但设计理念非常创新。
我觉得 DSH 未来最大的机会可能不是 To C，而是 To B。现在很多企业都想封装自己的 Agent 平台，可能是桌面端，也可能是云端。你直接拿 Codex、Claude Code 去封装，体量太大，深度定制不容易；其他开源 Harness 虽然可以改，但通常也不是为了高度定制化设计的。
如果 DSH 的插件体系真的足够灵活，企业就可以直接改 UI，加自己的 Logo、皮肤和工作流，把行业知识、业务规则、MCP、Skill 全部打包进去，最后变成一个面向某个行业的 Agent 产品。它不一定是用户直接下载使用的通用工具，更可能是 B 端开发者基于 DSH 做一套自己的系统，再卖给客户。
所以我对 DeepSeek Harness 的结论是：现在不要把它当成成熟产品，但可以继续观察。它现在可能连毛坯房都算不上，只是钢筋骨架；可这个骨架的设计方向很先进，未来可能成为很多垂直 Agent 产品的基础。
GLM 5.3、Kimi K3：国产模型已经进入可用区间
说完 DeepSeek，再说智谱的 GLM 5.3。GLM 5.3 的基础模型大概是 780B，也就是不到一万亿参数，但它的后训练做得很强。社区里有人把它叫作"后训练选手"，意思是它不只是把参数做大，而是把后训练的数据和方法做得非常扎实。
所以它在开源模型里能做到很强，尤其是在 Coding Agent 和智能体推理方面，表现会比较突出。GLM 的特点不是多模态，主要是处理文本；但它可以在后训练上往编码和 Agent 推理方向做很多优化。
我自己没有深度使用 GLM 5.3，主要还是 GPT 和 DeepSeek V4 Flash。不是说其他模型不好，而是我不想同时维护一堆模型。现在模型已经够多了，选几个顺手的，把活干完就行。
Kimi K3 我也没有长期使用，但我在 X 上看过很多评价，包括一些海外用户的反馈。比较客观地说，Kimi K3 在某种意义上已经接近 Opus 4.6、4.8。K3 大概是 2.8T 的 MoE 模型，激活参数也接近千亿，所以它对算力要求很高，跑起来会慢。
Kimi K3 的一个优势是真正的多模态，不只是文本模型。它的模型规模很大，能力上限可能很高，但你要把它跑起来，算力也必须跟上。
我对国产开源模型的整体判断是：它们现在已经和普通用户能用到的顶级模型处在同一条水平线上，或者只是略差一点，差距没有以前那么大。但如果和 OpenAI、Anthropic 内部已经出来、只是还没公开发布的下一代模型相比，国产模型可能仍然差一代，大概是六个月到十二个月，或者六个月到九个月。
模型真正的能力天花板，还是和预训练规模、参数量有关系。参数越大，理论上的上限越高。GLM 更擅长后训练和 Coding Agent 优化；DeepSeek 更强的是从硬件、软件到缓存的全栈优化，所以 V4 Flash 的性价比特别惊艳；Kimi 的模型更大，能力可能更强，但算力成本也更高。
现在国产开源模型基本可以看成一批"金刚"：Kimi、千问、DeepSeek、GLM，再加上小米的 MiMo、MiniMax。千问 3.8 也是两万多亿参数级别，只是当时用的人还没那么多，我暂时不好判断它具体排在哪里。
我今年三四月份直播时就说过，2026 年下半年模型能力可能会迎来一轮井喷。现在看，DeepSeek 从 V4 开始、GLM 从 5.2 开始、Kimi 从 K3 开始，都变得非常可用了。最近三个月最大的变化，就是国产模型已经不再只是"能跑起来"，而是真的可以拿来干活了。
Grok、Google，以及接下来真正的主赛道
如果你要做新闻调研，或者想了解 X 平台上的最新动态，现在根本不需要自己打开 X 刷半天。直接把 Grok Build 接上去，告诉它："你去 X.com 搜一下 DeepSeek Harness 最近有什么评价"，它就会直接把最新的信息拉回来。
这是 Grok 现在很强的一点：它可以直接调用 X 的原生搜索。以前我还需要提醒它通过 Agent Reach 去搜，后来发现 Grok 自己就能直接走 X 的原生能力，不需要额外提醒。我现在要查 X 上的消息，基本就直接让 Grok Build 去做。
如果把现在的模型简单分层，第一梯队还是 OpenAI 和 Anthropic，也就是 GPT 和 Claude，这两家的整体能力非常领先。再往下，我比较看好 Kimi K3。DeepSeek 和 GLM 现在也很强，但因为多模态能力还没完全补上，我暂时不把它们放进第二梯队。Grok 已经可以进入第二梯队，而且还在快速往上追。
马斯克手里有很充足的算力，未来还有太空算力的计划，所以 Grok 很有可能继续往前追，成为真正最顶级的几家模型之一。算力和数据补上以后，Grok 原来的一些短板就有可能被补回来。
Google 去年其实做得不错。Gemini 和 Google 自己的产品结合得很好，Google Drive、Google Docs、Email、Chrome，还有 NotebookLM，这些产品的结合都很顺。我一直觉得 Google 在产品整合上有优势。
但从 2026 年开始，AI 已经进入 Agent 时代。2023、2024、2025 这几年，模型主要是在解决"怎么更好地回答人类的问题"；接下来 2026、2027、2028 这几年，模型更重要的方向是"怎么更好地驱动 Agent"。
Google 最大的问题，就是没有把力量压到 Agent 这个主赛道上。它同时想做很多事情：AI for Science、Gemini 和自家产品结合、Google Cloud 继续发展自己的云业务。它到处发力，唯独没有在 Agent 上 all in。
所以 Google 现在落后，并不奇怪。它也在调整，往 Coding Agent 方向推进。最后能不能追上来，还要继续看。
国内也是一样。豆包现在的视频模型很强，但如果不抓 Agent 主赛道，最后也可能被淘汰。腾讯现在也在抓这条线。真正把主要精力放在 Agent 上的，我比较看好六家：Kimi、DeepSeek、GLM、MiMo、MiniMax 和千问。它们的共同点，是把主要资源集中到 Agent，而不是每个方向都想做。
Paseo：把多个 Agent Harness 放进一个工作台
模型越来越多以后，最麻烦的不是没有模型，而是你每天要在不同工具之间来回切换。我现在主要用一个叫 Paseo 的软件，拼写是 P-A-S-E-O，网址是 Paseo.sh。它是 GitHub 上开源的免费软件，有桌面端，也有 iOS 和安卓版本。
Paseo 干的事情，就是把不同的 Agent Harness 统一到一起。Claude Code、Codex、Grok Build，我都接进去了。它怎么接入？你本地原来装了哪些 Agent Harness，它自己就会扫描出来。比如我装了 Claude Code、Codex、Grok Build，也装过 Pi、OpenCode，Paseo 都能识别。你想用哪个就打开哪个，不想用的关掉。
我现在主要打开 Grok、Claude Code 和 Codex。新开一个 Session，就能在里面切换不同的 Agent 和模型。Grok 里面可以选 Grok 4.6、4.5；Codex 里面可以选 GPT-5.6、GPT-5.5、GPT-5.2。推理强度、权限级别、Fast Mode、Plan Mode，也都可以直接设置。
Plan Mode 的意思是先让它做规划，不要一上来就直接干活。复杂任务可以先让顶级模型把方案、步骤和文档做出来，再交给普通模型执行。对话做到一半，如果突然想换一个思路，也可以直接把当前消息分叉，开一个新的标签页或工作区，原来的上下文会带过去。
Paseo 里面不只是聊天。Terminal 可以直接打开，浏览器可以直接控制，项目文件可以浏览和修改，版本变更也能直接查看。你可以在里面打开一个项目目录，看源代码，修改文件，然后查看哪些文件发生了变化。需要提交时，可以直接 push，也可以让 Agent 帮你 push。
我的 Writing 目录、直播脚本、个人 Notes、知识库、联系人资料、软件开发文档，都放在这台工作站上。Paseo 可以直接读取和修改这些内容。历史对话也可以保存、查询、导入和导出。以前有一个对话，现在想换一个模型重新跑，也可以把历史对话导入新的 Session。
所以我现在不需要分别记住 Claude Code、Codex、Grok Build 三个界面怎么操作。一个 Paseo，把这些东西统一了。对我来说，它已经不只是一个聊天窗口，而是代码、文档、知识库和多个 Agent Harness 的工作台。
远程工作：Agent 跑在 Mac Studio，设备只是入口
我现在真正运行 Paseo 的机器，不是直播用的笔记本，而是我的 Mac Studio 工作站。Claude Code、Codex、Grok Build、项目文件和知识库，都跑在那台工作站上。我通过 Paseo 从其他设备远程连过去。
笔记本可以连，安卓手机可以连，iPad 和 iPhone 也可以连。所有状态都是同步的。我在电脑上搜到的内容，手机和平板打开以后也能看到；我在工作站上开的 Session，其他设备也能继续接着用。
局域网连接时，延迟大约八毫秒。我的笔记本通过局域网连工作站，延迟大约七毫秒；手机走中继，延迟大约三十七毫秒，实际使用已经很稳定。跨互联网也可以连接。Paseo 默认可以走香港的 Cloudflare 中继，我自己还在腾讯云上搭了一个中继节点。如果设备都放进同一个 Tailscale 虚拟网络里，能够直连，速度会更快。
这和 Codex 自己的远程功能不一样。Codex 的远程连接需要在 ChatGPT 网站完成认证，然后走 OpenAI 自己的中继。我自己测试过，同一个任务，Codex 的远程任务跑到一半会断，断了以后就一直挂在那里。Paseo 通过局域网、Tailscale 或自己配置的中继连接，稳定很多。
还有一个实际好处：真正访问 GPT 或 Claude 的，是工作站那台电脑。手机和平板只是远程操作它。这样手机不需要单独配置梯子，也不会因为人走到不同地方，导致手机的 IP 来回变化。工作站的出口是稳定的，手机只是一个远程入口。
如果只是指挥 Agent，手机和平板就够用了。我平常拿着 iPad 或手机，直接用语音输入，把一段任务说完，提交之后让 Agent 去干活。现在输入法和语音识别已经够用了，偶尔中英文混杂时需要改几个词，但一般不会影响理解。要直接改文件，还是笔记本更方便；不需要改文件，只是让 Agent 搜索、规划、讨论或者执行任务，手机和平板完全可以。
我现在每天会用 Paseo 几个小时：问问题、写代码、管理知识库、规划任务、讨论方案，基本都在这个工作台里完成。以前电脑一合，工作就停了；现在电脑合上以后，拿手机出门，仍然可以继续用同一套 Agent。
模型组合：一个顶级模型，加一个备用干活模型
模型不用天天评测。我现在的结论已经比较清楚了：你至少要有一个一线模型，再准备一个备用的、平常干活的模型。
一线模型就是 GPT 或 Claude。复杂规划、重要任务、需要判断的事情，可以交给顶级模型。你至少要知道模型的天花板在哪里。平常执行工作，不需要所有事情都用最贵、最强的模型，可以用 Kimi、Grok、GLM 或 DeepSeek。
我现在的主力是 GPT，辅助模型是 DeepSeek V4 Flash。我的 Claude 模型没有解封，所以我把 DeepSeek V4 Flash 接到了 Claude Code 上，处理普通任务。Codex 直接用 GPT。Grok Build 主要负责搜索 X 上的新闻和社交媒体评价。
我也可以把高能力模型和低成本模型串起来用：先让 GPT 或 Claude 做复杂规划，把任务拆好、文档写好，再开一个成本更低的模型去执行具体工作。这样既能保证规划质量，也不会让所有普通工作都消耗顶级模型。
为什么至少要有两个模型？因为你不能保证一个模型永远稳定，也不能保证账号永远不会被封。一个顶级模型加一个备用模型，基本就够了。模型和 Agent Harness 多了以后，学习成本也会上升，所以我不建议继续无限增加工具。把 GPT、DeepSeek、Grok 这些模型全部放进 Paseo，统一使用，已经足够覆盖我现在的工作。
工具搭好以后，重点就不是继续折腾工具，而是让工具发挥价值。磨刀不误砍柴工，但不能一直磨刀、不砍柴。现在真正应该花时间的，是怎么把 Agent 用到现实业务里，怎么解决具体问题，怎么创造价值、怎么赚钱。
企业 AI 落地：真正难的不是工具
我最近跑了一些企业客户，体感非常明显：AI 行业的模型和 Agent 在狂飙突进，能完成的工作越来越强，但 AI 对现实世界的改变，还是慢于很多人的预期。
第一波最简单的应用，基本已经把低垂的果实摘完了。比如个人写作、问答，或者让员工用工具提升一点效率，这些事情大家都已经在做。
但企业真正要用 AI 改变业务，就不是装一个工具、买一个模型这么简单了。你要重新梳理业务流程：哪些环节可以用 AI，具体怎么用，现有的 IT 系统支不支持，组织架构要不要调整，企业内部的业务知识要不要重新整理。
这是一件很漫长的事情，而且不是某个员工自己想改变，就能把整个公司改变的。
这也是我觉得 Palantir 护城河很深的原因。企业 AI 转型需要组织、IT 系统和业务知识工程一起变化，不是一蹴而就的事情。
但这恰恰也是我们的机会。
对于程序员、产品经理和极客来说，工具本身已经没有太多信息差了。一个新模型发布之后，很快就会有大量教程，学习能力强的人一两天就能掌握。
所以，工具掌握可能只占百分之二十，剩下百分之八十，是你怎么把它放进现实业务里，真正创造价值。
我自己现在不会每天追着每一个新工具跑。新功能我会看，模型我会了解，但我更愿意花时间研究：企业到底有什么问题，AI 应该怎么嵌进去，最后怎么创造价值、怎么赚钱。
档案系统就是一个很典型的例子。过去的档案，如果只是存在那里，价值很有限。接下来可以把这些档案整理成企业知识库，但中间要做知识工程：把内容整理成问答对，或者整理成结构清晰的 Markdown 文档。这个过程不做，AI 就没有办法真正用起来。
要不要开发一个通用 Agent？
小型企业如果想转型做 AI Agent，我的判断是：不要把主要精力放在开发一个通用 Agent 上。
因为通用 Agent 已经太卷了，开源的、免费的，市场上已经有很多。大平台还会持续推出更强的产品，普通公司很难在通用能力上建立优势。
真正的机会，是服务具体行业的用户，帮他们解决具体的企业问题。
你可以给某个行业做解决方案，帮客户梳理业务、整理知识、改造流程，再把现有的模型和 Agent 组合起来。客户需要的不是又一个通用 Agent，而是有人能把这些东西放进他的业务里，最后跑起来。
所以我的建议很直接：不要想着和大平台竞争通用 Agent。你应该选择一个行业，深入理解它的业务，再用现有工具解决问题。
我怎么看 OPC 一人公司？
我自己也可以算 OPC，所以这件事我有一个很深的体会。
过去我也想过：现在有了 Agent，一个人是不是就能把所有事情都做了？BD 客户、做项目、开发产品、录视频、剪视频，全部自己完成。
后来我发现，一个人能不能把这些事情都做出来，关键不是 Agent 够不够强，而是这些事情本来就需要不同的专业能力。
BD 客户是一种能力，做项目和产品开发是另一种能力，写脚本、拍视频、剪辑和运营，又是不同的能力。每件事都能做一点当然可以，但如果什么都做、什么都没有侧重，你在市场上就很难形成竞争力。
所以我理解的 OPC，不是一个人把所有事情都干完，而是一个人拥有自己的核心价值，再和其他人协作完成完整交付。
比如我现在更擅长的是前端：利用自己过去做企业、带团队、做管理的经验，帮客户定义问题、确定需求、划定项目边界，做咨询和培训。
具体的产品封装、项目开发，我不是不能做，但我的效率未必比专业团队高，所以我会找合作伙伴完成。视频也是一样，我自己写脚本、拍摄、口播，剪辑交给合作伙伴。
这才是比较健康的 OPC：不养一个很重的团队，但也不意味着所有活都由自己一个人完成。
未来它更像一个紧密协作的网络。有人擅长找客户，有人擅长开发，有人擅长视频和媒体运营，大家各自保持独立，但一起完成项目交付。
我觉得 OPC 这个概念现在有点被扩大了。自己做自媒体的可以叫 OPC，自己做跨境电商的也可以叫 OPC，做 AI 软件解决方案的也可以叫 OPC。说到底，就是自雇人士。
但自雇不等于单打独斗。你可以只给自己发工资，却仍然需要和很多合作伙伴一起工作。
尤其在现在的环境下，养一个完整团队的成本很高，人员和社保都是很重的负担。自己成立公司、保持轻量化是可以的，但不要幻想什么事情都自己搞定。
企业咨询怎么开始？
有人问，做企业咨询有什么心得。
其实没有什么特别神秘的方法，就是一家一家去聊。
你在 AI 行业有自己的积累，就厚着脸皮去找企业沟通，问他们现在有什么问题，哪些地方想改变。先做访谈，先了解业务，再看自己能不能帮上忙。
很多企业愿意和你聊，不是因为你一开始就有一个多么完整的产品，而是因为他们确实有问题，需要有人一起梳理。
这个事情本质上就是磨时间。你要多出去跑，多接触真实企业，慢慢知道他们的问题到底是什么，再把自己的能力放到合适的位置上。
AI 能不能用在跨境电商？
跨境电商确实是可以关注的领域，但它本身也是竞争非常激烈的行业。
我正好有跨境电商客户，所以有一些了解。做海外业务，确实还有不少商家在赚钱，但你必须先进入具体业务，不能站在外面空谈 AI。
跨境电商有很多不同模式：独立站、亚马逊、TikTok，玩法都不一样。
如果是亚马逊，你要研究选品、排名、店铺管理和运营优化；独立站和 TikTok，又是另一套逻辑。
所以有人问"AI 怎么用在跨境电商"，如果你连这个行业都不了解，当然答不出来。你先进入行业，知道业务流程和关键指标，自然就会知道哪些环节可以用 AI。
我自己的判断是：跨境电商值得关注，但不要把它想成一个轻松赚钱的机会。它的竞争一直很激烈，真正的机会还是来自你对具体业务的理解，以及你能不能找到自己的优势。
本期金句
- 一个顶级模型，加上一个备用干活模型，基本就够了。
- 模型不是选秀。能力够用、适合你，就把它用好。
- DeepSeek Harness 现在只是骨架，但未来有可能成为很多垂直 Agent 产品的底座。
- 磨刀不误砍柴工，但不能一直磨刀、不砍柴。
- 工具掌握可能只占百分之二十，剩下百分之八十，是把 AI 放进真实业务里创造价值。
- OPC 不是一个人干完所有事，而是把最不可替代的价值做到最大，再和别人协作。