夜雨聆风
不是技术逆袭，是问题终于被说清楚了。
加州律师 Mike Brown 没有 CS 学位，没有工程背景。
他解决的问题也很具体：加州 ADU（附属住宅单元）许可。自 2018 年以来，当地签发了超过 42.9 万份 ADU 许可，其中超过 90% 会收到修正通知 —— 每轮修正损失数周时间和数千美元。Mike 在这个体系里泡了多年，太清楚问题卡在哪里。
2026 年 2 月，Anthropic 和 Cerebral Valley 举办了一场 Claude Code Hackathon。500 人参赛，一周开发周期，13,000+ 人申请，奖品是 10 万美元 API 积分。评委是 Claude 团队加上 Boris Cherny、Lydia Hallie 等人。
结果：4/5 的获奖者不是软件工程师。一名律师、一名心脏病专家、一名电子音乐人、一名基础设施专家。
Boris Cherny 后来在访谈里说了一句话：
他到底做了什么
Mike 花 6 天时间做出了 CrossBeam。
工具的逻辑不复杂：用 Claude 的视觉能力读取建筑蓝图、解析修正函、交叉引用加州政府法典和各城市法规，生成专业的回复包。原来需要跑几个月的东西，现在大约 20 分钟出结果。
真正有意思的是他怎么搭的这套系统：
Browser (Next.js)
↓ API + Supabase Realtime
Cloud Run Server (Orchestrator)
↓ launches isolated sandboxes
Vercel Sandbox (Agent SDK + Claude Opus 4.6 + Skills)
↓ reads/writes
Supabase (Database, Realtime, Storage)
Agent 运行一次要 10 到 30 分钟。Vercel serverless 超时上限 60 到 300 秒，根本撑不住。
所以他用 Cloud Run 做持久化协调，Vercel Sandbox 给每个任务隔离的临时环境和文件系统访问。
这不是因为 Mike 懂分布式系统 —— 而是因为他被问题逼着去找解法。
技术选型是被问题倒逼出来的。
Skills 是怎么做出来的
CrossBeam 包含 28 个参考文件，作为 Skills 注入 Claude Code——比如 California ADU Skill、ADU Corrections Interpreter Skill、ADU City Research Skill。
这些 Skills 不是程序员写的。
是 Mike 自己，在多年处理许可的过程里，知道哪些条款经常被引用、哪些城市有特殊规定、修正函里哪些措辞意味着什么。他把这些经验整理成了 Claude 能读懂的结构。
换句话说：真正让他赢的，不是在学编程，而是在把自己的领域知识重新说清楚 —— 只不过这次说给 Claude 听。
Claude Skills：AI 技能已从“提示词工程”转向“AI 治理与工作流编排”
懂问题，比懂语法更重要
这次 Hackathon 的获奖名单本身就是答案：
- 心脏病专家
Michał Nedoszytko，做了一个将就诊记录转化为持续健康指导的工具 —— 他每天看见患者离开诊室后不理解自己的诊断，知道信息缺口在哪里。 - 基础设施工作者
Kyeyune Kazibwe，做了一个将行车记录仪录像转化为道路投资评估报告的工具 —— 他每天和数据打交道，知道数据怎么变成价值。 - 电子音乐人
Asep Bagja Priandana，在 MIDI 控制器上弹奏和弦，Claude 实时生成一个四轨乐队 —— 他不是在写代码，是在把自己的音乐感觉翻译给 AI。
4/5 的获奖者不是工程师，这个数字本身不重要。
重要的是它印证了一件事：工具确实降低了从想法到原型的门槛，但真正的前提是你得知道自己要解决什么问题。
非技术人员的优势，从来不在于和工程师比技术，而在于更懂自己的业务、更懂自己的流程、更懂自己那个领域里反复消耗的那个卡点。
这件事对普通人意味着什么
Box CEO 在 a16z 播客里提过一个数据：Box 现在大约 1/3 的代码由 AI 生成，日常用 Claude Code + CLI 管理整个系统。
这个数字不重要。
重要的是：AI 编程最难的那一步，不是写代码，而是把问题说清楚。
你得知道问题卡在哪里、涉及谁、约束条件是什么 —— 这些判断，AI 没法替你做。
好的 AI 编程案例，不是"做出了多厉害的系统"，而是解决了一个让 Mike 这样的从业者反复消耗的具体麻烦。
而他自己说过一句话：
现在可以从哪里开始
如果你也在想"我不是工程师，AI 编程能帮到我吗" —— 先不要想能不能做，先想怎么把你要解决的问题描述清楚。
一个参考：这次 Hackathon 里，获得 Anthropic 官方特别推荐的 Pasal —— 一个印度尼西亚开发者做的法律检索工具，让 2.8 亿人能够搜索本国法律。他的做法是：先找到自己身边真实存在的卡点，再让 AI 去接住那个具体的步骤。
AI 最有用的时候，不是替你创造灵感，而是替你接住那些重复、琐碎、但又不能出错的工作。
先找到那个你最烦的步骤，问题就解决了一半。
加入Mixlab AI训练营，最适合非技术背景的最佳学习成长路径。
参考
CrossBeam GitHub — github.com/mikeOnBreeze/cc-crossbeam Built with Opus 4.7: a Claude Code Hackathon — 2026 年 4 月 21-26 日，全球远程参与 Anthropic 官方文档 — anthropic.com/claude-code
