KeyFrame內部研究專用

How Claude is Creating a New Generation of Millionaires

Nate Herk·7月3日週五·9 min英文

三句話摘要

Claude AI如何赋能無程式碼背景的創業者建立百萬美元公司,改變軟體產業的進入門檻。 時間是當前最大優勢——懂得用Claude的人已在獲得指數級的機會差距,但這扇窗口只有兩年,之後AI本地化將成為基本常識。 Claude Code的四大優勢:自動執行用戶描述的任務;主動測試和修復bug而非被動回答;支援多個代理並行運作;擁有持久記憶,能理解用戶的業務邏輯與優先次序,甚至比使用者本身記得更清楚。

重點整理

重點
  • 1

    Claude Code的四大優勢:自動執行用戶描述的任務;主動測試和修復bug而非被動回答;支援多個代理並行運作;擁有持久記憶,能理解用戶的業務邏輯與優先次序,甚至比使用者本身記得更清楚。

  • 2

    Vulcan案例的啟示:三位創始人中兩位完全不懂編碼,第三位自高中後就沒碰過代碼,卻透過在Claude中描述政府監管審查軟體的需求而建立產品,最終以僅為傳統顧問公司報價10%的價格贏得維吉尼亞州合約,並被州長簽署行政令強制所有州機構採用,已為州民省下逾10億美元。

  • 3

    技能門檻的革命:從需要昂貴工程團隊的高門檻,轉變為只需「理解語言和具備批判性思維」。成功的關鍵是清楚描述需求與思考,而非寫程式碼。

  • 4

    時間窗口的優勢:當前懂得使用Claude的人能完成更多工作、獲得更大機會,類似早期互聯網或社群媒體紅利期。但這個優勢是暫時的——兩年內AI本地化會成為基本要求,時間是當今最大優勢。

實用技巧與重點

乾貨
  • 融資數據:Anthropic 650億美元融資輪,估值965億;年收入運行率 $47B(2024年底為$1B);超越OpenAI首次
  • 企業案例:Fulkin(政府軟體公司)、Vulcan(政府監管AI審查軟體)
  • 市場採用:Y Combinator最新批次50%+使用Claude;前年OpenAI佔90%
  • 費用與進入門檻:Claude paid plan $20/月即可使用Claude Code;零編碼背景可開始
  • 四步實施流程
  • 訂閱Claude paid plan($20/月)
  • 選定一項具體重複任務(非十項)
  • 使用「roast」方法:讓Claude分析想法的所有角度(支持方、批評方、客觀研究方等多角色評估),驗證每個觀點
  • 由小到大逐步構建,完成後驗證輸出
  • 驗證方法:利用Claude控制瀏覽器、執行真實範例、顯示實際輸出
  • 初期期望:第一版本通常60-70%正確率,視為黃金回饋資料而非失敗

結論

結論

時間是當前最大優勢——懂得用Claude的人已在獲得指數級的機會差距,但這扇窗口只有兩年,之後AI本地化將成為基本常識。

完整解析

詳細

Anthropic最近完成650億美元融資,估值逼近一兆美元,其年收入運行率已達470億美元——相比2024年底的10億,短短一年半內成長47倍。這驚人數據背後,反映的是Claude Code如何從根本上改變了軟體開發的經濟學。

過去十年,創辦軟體公司的門檻極高:你需要招聘工程師,而工程師薪資不菲,往往需要數個全職員工才能推出初版產品。這迫使創業者要麼手握充足資金、要麼取得貸款、要麼說服投資人支持尚不存在的想法。結果是許多好主意被困在筆記本裡。Vulcan公司的案例充分說明了這一點的改變。這家公司只有三位創始人,其中兩人完全不會寫程式碼——Tanner Jones自高中JavaScript課程後就再沒碰過代碼。他們的第一個原型甚至不是用Claude Code建的(當時還不存在),只是在常規Claude應用中描述需求,一邊複製貼上生成的程式碼一邊調整。這個簡陋的原型最後進化成真正的產品,贏得了維吉尼亞州政府合約,報價僅為傳統顧問公司的10%。更誇張的是,州長簽署行政令強制所有州機構採用Vulcan的AI監管審查軟體,據稱已為州民節省超過10億美元。

Claude Code之所以強大,源於四個核心特性。首先,它能根據自然語言描述直接執行任務——你只需說出想要什麼,它就能在分鐘內而非月份內完成整個應用。其次,它具備主動性,會自己測試、發現bug、修復問題,而非被動地等你指示每一步。第三,多個Claude代理可以並行運作,即使你睡著了也在工作。最後,也最關鍵的是——它擁有記憶。在講者自己的業務中,Claude已經認識他的團隊、優先事項和過往失敗,甚至比他自己記憶更清晰,會主動提醒待辦事項。

要開始利用這一優勢,過程出奇簡單。第一步是訂閱Claude paid plan,僅需$20/月——講者說這是最便宜的員工。第二步挑選一項真實的重複性工作——不是十項,而是一項,某件你一直拖延、可能會外包給自由工作者的工作。第三步在Claude Code中清晰描述這項任務,但不要急著讓它建設。反之,講者使用一個叫「roast」的方法:啟動多個「議會成員」(小型子代理),一位強力支持你的想法,一位挑出所有漏洞,一位客觀地蒐集證據。這些角色利用他們對你業務的記憶,給出全面評估。這一切都是為了避免AI過度討好用戶而建立有缺陷的想法。只有想法通過評估或被重新調整後,才進入第四步——實際建構。這裡的關鍵是不要一次完成全部,而是先從最小可行版本開始。

驗證同樣重要。不要只相信Claude說「完成了」,要讓它用真實例子證明。因為Claude甚至可以控制瀏覽器,任何你能在電腦上做的驗證,它都能做。最後,別把初版本不完美看作失敗——60-70%準確率是正常的,這是黃金反饋資料。告訴Claude你喜歡什麼、不滿意什麼,讓它自我改進。每一次迭代都會更好,因為它在建立技能、同時改進自己的記憶。就像這樣,一項任務接著一項任務,講者最終用Claude運營了整個業務帝國。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。