MoreRSS

site iconGuoxiaoli | 郭晓力修改

幕布联合创始人,原则科技(芦笋录屏)创始人。
请复制 RSS 到你的阅读器,或快速订阅到 :

Inoreader Feedly Follow Feedbin Local Reader

Guoxiaoli | 郭晓力的 RSS 预览

软件是新的消费品

2026-04-21 09:15:26

这几天思考,软件将会消费品化。

消费品,就是我们日常买的衣服,日用品等等,随手买,随手用,随手扔,因为变化太快,以至于很少有能持续用几年的商品。


在 AI 发展历程中,到现在软件其实已经消费品化了,虽说不至于说人人都可以随手创建软件。

但凡你会用个 AI 工具,就可以构建自己需要的软件。

就有点类似现实世界中的商品供应链,你想要任何商品,都有配套成熟的供应链,价格可以很便宜。

在数字世界中,软件成本更低,就是 0 成本。

软件是新消费品

后续软件供给会无限,会井喷,以至于单个软件的生命周期会变短。

过去一个产品做个七八年是常事,以后可能一个产品两年就到生命周期尽头了,不是你做得不好,是这个赛道里每两个月都有十个新的替代品出现。

真正有价值的会是品牌、是用户心智、是那种"一提到某件事你脑子里就是这个 App"的默认选择。

因为在供给无限的世界里,用户唯一的稀缺资源是注意力

软件会越来越多,能被记住的会越来越少。

成本塌了一切就都变了。

照片是这样,文字是这样,视频是这样,软件不会例外。


Basecamp vs Linear:两家小团队,两种做公司的哲学

2026-04-15 10:31:21

最近在研究组学效率,涉及到了项目管理工具,把 Basecamp 和 Linear 放一起研究了一下。越看越有意思——这俩公司表面上是同一个赛道的,都做项目管理,都强调简洁,团队都不大。但骨子里,完全是两种做公司的哲学。


先看基本面。Basecamp 1999 年就成立了(那时候叫 37signals),产品 2004 年上线,到现在 20 多年。2024 年收入大约 2.8 亿美元(第三方估算,Jason Fried 不公开披露收入),大约 80 人,25 万付费客户。历史总融资只拿了 5600 万美金,主要是 Jeff Bezos 早期投的一笔,连续 25 年盈利,零债务。说到 80 人这个数字——Jason Fried 2022 年自己说过"80 人,历史最高"。2021 年还因为内部政策争议走了三分之一的人,按他一贯反对扩张的态度,不太可能后来又翻倍招人。
Linear 2019 年才成立,2025 年 6 月收入刚过 1 亿美元——但增速吓人,2023 年收入还只有 840 万,两年翻了 12 倍。团队 100 人出头,拿了 C 轮 8200 万,估值 12.5 亿美元,独角兽。

一个是 20 年的老兵,一个是 6 年的新锐。收入差 3 倍,但势能完全在 Linear 这边。

image.png

两家创始人的底色也完全不一样。Basecamp 的 Jason Fried 和 DHH 是行业思想领袖,写了《Rework》《Remote》《Shape Up》,发明了 Ruby on Rails,几乎定义了一代人对"好公司"的想象。他们不是纯技术出身,更像思想家型的创业者。Linear 的 Karri Saarinen 是芬兰人,之前在 Airbnb 和 Coinbase 做设计,另外两个联创分别来自 Coinbase 和 Uber。典型的硅谷产品精英——看到 Jira 太烂了,Karri 在 Airbnb 甚至自己写了个 Chrome 插件简化 Jira,后来干脆自己做一个。
这两家最本质的区别,我觉得是对「增长」的态度。
Basecamp 是反增长的。Jason Fried 不公开收入,不追估值,不想上市,不想做大。他们的定价很有意思——Pro Unlimited 套餐固定价格,不按人头收费,加 1000 个用户还是那个价。这意味着他们主动放弃了 seat-based expansion revenue,不想让你的增长成为他们增长的引擎。
Linear 拥抱增长,但极度克制。他们历史总计只花了 3.5 万美金做广告——几乎等于零营销。净收入留存率超过 145%,老客户不断花更多钱。增长靠的是产品好到用户自发推荐。
Basecamp 说:我不需要你长大。Linear 说:你长大的时候会自然需要我。
产品哲学上差异也很大。Basecamp 的原则是「够用就好」。功能不强——没有复杂工作流、没有看板视图(直到很晚才加)、没有高级权限管理。但它把 to-do、消息、日历、文件分享这几件事做得极其简单,任何人打开就能用。它的目标用户不只是工程团队,还有设计公司、广告公司、学校、非营利组织。
Linear 的原则是「极致体验」。键盘优先操作,毫秒级响应,每个交互都打磨到极致。它有强烈的产品主张——比如明确反对 user stories,认为那是过时的实践。它的 triage、cycle、roadmap 这些概念都带有观点,不是给你一个白板让你随便画,而是告诉你「我们认为最好的工作方式是这样的」。

Basecamp 想让你少用工具。Linear 想让你爱上工具。

image.png

还有一个值得聊的点是对 AI 的态度。Linear 在 2025-2026 年全面拥抱了 AI agent 工作流——你可以在 Linear 里直接部署 AI agent,从写 PRD 到推代码全在里面完成。它的 MCP server 集成做得很好,Claude Code 和 Cursor 可以直接读写 Linear 的数据。Basecamp 对 AI 几乎没怎么发力,这也符合他们一贯的风格——不追热点,不跟风。他们 2024 年推出的 ONCE 产品线反而在强调"买断制"和"自托管",这在 SaaS 订阅模式主导的市场里算是一种反叛。

文化影响力上,两家各有千秋。Basecamp 影响的是思想——Shape Up 方法论、《Rework》的管理哲学、Ruby on Rails 的技术遗产、反 VC 的创业叙事,这些东西影响了无数创业者对"好公司"的定义。Linear 影响的是产品标准——它重新定义了"一个好的 SaaS 产品应该长什么样",它的设计品质成了整个行业的标杆,很多新产品 pitch deck 里都写"我们要做 XX 领域的 Linear"。
Basecamp 改变了人们对「怎么做公司」的想法。Linear 改变了人们对「怎么做产品」的期待。
最后说说跟我们的关系。这两家公司其实代表了两条路,对我们都有启发。Basecamp 那条路是:不融资、不扩张、持续盈利、靠思想和内容建立行业影响力、做一个"小而美"但活 20 年的公司。Linear 那条路是:拿融资但极度克制、100 人就做到独角兽、靠产品品质驱动增长、用极致体验成为品类第一。
我们现在 13 个人,收支平衡,双轨制。某种意义上同时有两条路的影子。但不管选哪条路,这两家公司有一个共同点值得学——
他们都没有试图做所有人的工具。他们选了一群人,然后为这群人做到极致。
人均产出的数字更值得记一下。Basecamp 约 80 人做约 2.8 亿美元,人均约 350 万美元。Linear 约 100 人做 1 亿美元,人均约 100 万美元。提醒一下,Basecamp 的收入数据是第三方估算,Jason Fried 不公开披露,所以这两个数字都是"约"。但即便打个折,这个人效差距也是很震撼
image.png
两家都证明了一件事——
小团队可以做大事,前提是你足够专注,足够有观点。



读书 埃里克·乔根森 《埃隆之书》-20260408

2026-04-08 16:40:06

image.png

2026年的第一本书,来的好像有点晚,但又是那么及时,这本书是纳瓦尔推荐的,说创业者必读,然后我就读了。

都是在创业,差距是如此之大,一个在农村院子里挖泥巴,另一个在构建人类物种延续。就好像一个刚只会写自己名字的人和孔子比高低。

毫无可比性,真的差了十万八千里。


马斯克的这套,只有他自己能运转起来,当然也是极难的,他随意做的一个项目,都至少是一个世界500强,他做的星际,那直接重新定义世界第一强。

一个人,怎么拥有这么大的愿力和执行力,该怎么形容呢?一种达尔文在世,行行都是顶尖专家的感觉。

书中讲述了太多他的亲身经历和思考,我都感觉无从学起,思考最多能尝试理解,但根本做不到,截图书尾他的69项「原则」,你看看你能做到哪个?

image.png

image.png


他有可能会破产,但我相信他是真的有大爱,希望以自己力量推动人类文明进程,看完这点,我可能需要重新评估购买特斯拉股票了,给他助力,帮他砍一刀。

这可能是我唯一能为他做的了。

最后补一句书中很棒的一个描述:语言的本质就是思想的压缩算法

我写这些,根本无法描绘我的感受,同时也是增加了一个索引,一个链接,引到「压缩后的马斯克思想」,

希望对你有帮助,哪怕只记住一句话。

马斯克的"工程学五步法则"

2026-04-02 17:57:55

昨天晚上翻《埃隆之书》,翻到马斯克讲他的"工程学五步法则",就特别有感触。
他管这套方法叫"算法之道",用在 SpaceX、Tesla、X 所有公司,要求全员严格执行。说白了就五步:让需求不再愚蠢,竭尽全力删除部件或流程,简化或优化,加速,自动化。

听起来很朴素对吧?但马斯克特别强调一点:顺序至关重要。

image.png

这五步不是让你挑着做的,是一步一步来的。你不能跳过前面,直接上手优化和自动化。为什么?因为大多数人的本能反应就是先自动化、先提速。觉得这样最酷,技术含量最高。但如果你要自动化的那个东西根本就不应该存在呢?
你可能在高效地做一件根本不该做的事。
这个判断太狠了,也太真了。
马斯克的原话意思是,每一个需求都有一个提出者的名字,不能匿名,不能说"这是部门的要求"。你得找到那个具体的人,问他:这个需求真的必要吗?
需求不应该来自一个部门,应该来自一个有名有姓的人。这样你才能质疑它。
我之前做幕布的时候就有过这种经历。有一个功能,团队内部讨论了好几轮,觉得必须做。后来我们真的去问用户,发现根本没几个人需要。那些"必须做"的需求,很多是我们自己脑补出来的。
第二步更狠:删。不是微调,不是精简,是直接拿掉。马斯克说过一个标准,如果你删掉的东西最后没有至少 10% 被加回来,说明你删得不够多。也就是说,你应该删到"有点过分"的程度,然后再看哪些确实需要补回来。

这个思路对做产品的人太有启发了。我们总是怕删功能,怕用户不满意。但实际上,一个臃肿的产品才是真正让用户不满意的东西。

然后才轮到第三步:简化和优化。注意,是先删完再优化,不是边优化边保留。很多工程师的毛病就是,接到一个需求,先开始优化实现方案。马斯克说这是"给一个本不该存在的东西做精美的外壳"。

第四步,加速。把周期时间压短,提升迭代速度。但前提是你已经把该删的删了,该简化的简化了。不然你只是在加速犯错。
第五步才是自动化。这是最反直觉的。因为在我们这个行业,大家张口闭口就是自动化、AI 替代流程。但如果你自动化了一个本来就不合理的流程,你只是让这个错误跑得更快、更稳定了。
先做对,再做快,最后才让机器来做。
这五步法则让我想到我们做 AI 产品的过程。很多团队一上来就想用 AI 自动化某个流程,但从来没有认真审视过:这个流程本身合不合理?这些步骤真的都需要吗?有没有可以直接砍掉的环节?
很多时候,最好的自动化不是用代码替代人工,而是把那个步骤直接干掉。
这也是马斯克造火箭的核心思路。SpaceX 的猛禽发动机一代有多少个零件?他硬生生砍掉了大量零部件,不是替换成更好的零件,是直接不要了。结果呢?更轻、更便宜、更可靠。因为不存在的零件不会出故障。
不存在的东西,故障率为零,成本为零,维护时间为零。
我觉得这五步法则不只是给工程师用的,做产品、做管理、甚至规划个人生活都能用。你每天的日程里有多少事情是"别人觉得应该做"但你从来没质疑过的?你的工作流程里有多少步骤其实可以直接删掉?
先问该不该做,再问怎么做得更好。这个顺序搞反了,你越努力越累,效果还不好。


用 AI 写代码这么爽,管密钥怎么还在复制粘贴?

2026-04-01 20:52:17

昨天在 Claude Code 里跑一个部署脚本,跑到一半需要一个 AWS 的 Secret Key。我翻了五分钟笔记,又翻了三个 .env 文件,最后在一个叫 old-project-backup 的文件夹里找到了。


五分钟,就为了找一个密钥。


这种事我经历太多次了。换电脑的时候更崩溃,二十几个项目的 .env 文件,每个里面三五个 Key,你得一个个去找原始邮件、翻 1Password、问同事要。配完环境大半天就没了。


我们用 AI 写代码已经这么丝滑了,但管理密钥这件事,还停留在"手动复制粘贴"的石器时代。


这就是我做 Vault 的原因。


Vault 的核心思路特别简单:既然我们已经在跟 AI 对话写代码了,为什么不能跟 AI 说"记住我的密钥"?


你跟 Claude Code 说"记住我的 OpenAI 密钥是 sk-abc123",它就帮你加密存好了。下次你说"帮我部署,用之前的 AWS 密钥",它自动去取。就这么简单,没有配置文件,没有命令行参数,说人话就行。


我之前做产品一直有一个判断:最好的工具是让你感觉不到它存在的工具。Vault 就是按这个思路设计的。你不需要"学习"怎么用它,因为它的交互方式就是自然语言——你本来就会的东西。


很多人可能会说,我用 1Password CLI 不也行?能用,但体验差太多了。1Password 要你记命令、要订阅、不跟 Claude Code 集成。你每次都得从对话流里跳出去,切到终端,敲一行命令,复制结果,再粘回来。这个上下文切换的成本,看起来每次只有十几秒,但一天下来累积起来,对注意力的消耗是巨大的。


密钥管理这件事,不应该打断你的心流。
图片

说说安全这块。


做密钥管理,安全是底线中的底线。Vault 用的是 AES-256-GCM 加密——这个级别是政府机密通信用的标准。密钥从你输入的密码通过 PBKDF2 算法派生,迭代 100,000 次,暴力破解基本不可能。

最重要的设计决策是:密码不存储、不传输、不上传。忘记密码就是不可恢复,这是 feature,不是 bug。


我见过太多产品搞"找回密码"功能,本质上就是在安全性上开了个后门。有后门就有被入侵的可能。Vault 的设计原则很简单——没有后门,就没有人能绕过加密,包括我自己。


加密后的数据通过 iCloud 自动同步。你换一台 Mac,装上 Vault,输入同样的密码,所有密钥立刻可用。即使 iCloud 被入侵,攻击者拿到的也只是一堆加密后的乱码——没有你脑子里的密码,解不开。
图片

另一个我觉得特别重要的点是,Vault 完全开源。


做安全工具,信任是最核心的东西。我不想让用户"相信我说的",我想让他们自己去看代码。每一行加密逻辑都在 GitHub 上,AES-256-GCM 是行业标准算法,不是我自己发明的什么奇怪加密。用的是最成熟、最被验证过的方案。


信任不靠承诺,靠代码。


上手也特别快。两行命令:





bash 
npminstall-g @principle2026/vault 
vault init

安装脚本自动完成所有配置:CLI 安装、Claude Code 技能链接、首次密码设置。30 秒搞定。


然后你就可以直接跟 Claude Code 说话了。说"记住我的 OpenAI 密钥",它就存了。说"用我的 GitHub token 创建一个 repo",它就自动取出来用。说"我有哪些密钥",它就给你列出来。AI 会自动识别你话里的敏感信息,该存的存,该取的取。


你不需要改变任何习惯,因为 Vault 是融入你已有工作流的,而不是要你去适应它。


做这个工具的过程也让我更深一层理解了一个道理:AI 时代的产品设计,核心不是"加 AI 功能",而是让 AI 成为产品的基础设施层。Vault 不是一个"有 AI 功能的密钥管理器",它是一个"让 AI 自然地帮你管密钥"的工具。这两个描述听起来差不多,但设计哲学完全不同。


前者是在旧产品上贴 AI 标签,后者是从 AI 交互范式出发重新设计产品。


我做 Vault 的时候,团队里也有人问,这个东西市场有多大?老实说我没想过这个问题。我只是自己每天在 Claude Code 里写代码,每天都被密钥管理这个事折磨,就想解决它。


当你自己就是用户,当你解决的是自己每天的痛苦,产品方向通常不会错。


Vault 现在已经在 npm 上了,MIT 协议,自由使用、自由修改、自由分发。代码全部在 GitHub 上。如果你也在用 Claude Code 开发,试试看,30 秒上手,我觉得你会回不去的。






📦 npm:@principle2026/vault
💻 GitHub:github.com/xiaolin26/vault




用 AI 写代码的时代,密码管理也该 AI 化了。



算力涨价,涨的其实是注意力的价格

2026-03-20 09:13:39

今天早上新的思考:算力涨价,涨的其实是注意力的价格

2024 年下半年到 2025 年初,国内大模型打了一轮惨烈的价格战。豆包报价低到 0.0008 元/千 tokens,通义千问主力模型降价 97%,智谱自己也把 GLM-4-Plus 降了 90%。那时候的共识是:谁便宜谁能活。

2026 年刚开年,风向反了。

智谱发布 GLM-5,同时宣布 Coding Plan 涨价 30% 起,海外版涨超 100%。更夸张的是——上线即售罄。海外也一样,OpenAI 旗舰 GPT-5.2 Pro 输出定价到了 168 美元/百万 token,行业最便宜和最贵的模型之间价差拉到 33 倍。

供需规律显效了:好用的模型带来了真正的生产力,用户愿意为好体验买单。

做 Corivo 这段时间,每天都在调 Agent、跑推理。用得多了你会开始算账:这条 prompt 花了多少 token?值不值得让它跑这一次?

有一天我意识到:我在算的不是钱,我在算的是——这个问题值不值得被认真想。

过去思考是免费的,你不会觉得"想一想"有成本。但现在把思考外包给 AI,每一次"认真想"都有了明确的价格。有人用 OpenClaw 跑半天烧了 574 万 tokens,开发者日均 Claude Code 花费约 6 美元。这些钱花在哪了?花在了让机器替你认真想。

算力,就是机器的注意力。算力涨价,涨的其实是注意力的价格。

人的注意力,其实一直都很贵,只是我们从来没觉得。

一天 1440 分钟,真正能深度思考的可能就两三个小时。但我们浪费它的方式太隐蔽了——没必要的会、半小时短视频、没人看的邮件、不重要的决策纠结一下午。这些成本不会出现在任何账单上,所以从来不心疼。

GPU 涨价你心疼了,自己的注意力浪费了你不心疼。

你的注意力比任何一块 GPU 都贵。因为 GPU 可以加,注意力不能。

之前写过《OpenClaw 时代,重要的还是个人认知能力》,说用得好 AI 的人有个共性是「很忙」的人。现在补充一个更底层的判断:

这些人之所以用得好,不是因为他们忙,是因为他们知道什么值得忙。

AI 是放大器。判断力好,十倍杠杆。判断力差,十倍速度跑偏。同样花 6 美元/天的 API,有人产出一个可上线的功能,有人跑了一堆没用的对话。

工具在日更,最佳实践会过时。但"知道什么不值得做"这个能力,不会过时。

算力涨价是好事。它把一个我们一直忽视的事实推到了台前:每一次"想一想"都有成本。机器如此,人更如此。

智谱涨价 30% 还能售罄,说明用户不是在为便宜买单,是在为生产力买单。

未来最贵的东西,不是算力,不是数据,不是模型。是一个人知道该把注意力花在哪里的能力。

省下来的每一分注意力,才是你真正的算力。