夜雨聆风
一周之内，硅谷的科技媒体集体被一群"非典型程序员"刷屏。
一位 Biohacker 在自家厨房，用Claude再加上几台设备，搭出一套基因组分析流水线。
一位零编程经验的美国职业教练，在一场黑客松里做出人生第一个收费 App。
AI 正在系统性地拆掉过去几十年里许多最高的技术门槛。
我们正处在一个最好的时代，AI正在让技术门槛无限降低；我们也正处在一个最危险的时代，人与人的差距正在被AI重新定义。
厨房里的基因组实验室：科研门槛被拆了
第一位主角是一位英国 Biohacker，医学院出身、玩树莓派和 Jetson Nano 的硬件极客。
今年四月，他把"在家测全基因组"的全流程写上博客，瞬间刷屏科技圈。
Biohacker 是欧美存在了十多年的一群人，在自家车库、地下室、厨房里做 DIY 生物学。
过去他们多半停在"自制酸奶""家用水质检测"这种边缘玩法上，直到 AI 出现 + 测序设备降价，他们才第一次有能力去碰"全基因组测序"这种过去高不可攀的事。
这位 Biohacker 的起点很私人：家族世代被复杂的自免病困扰，没人搞得清原因。他不想等病找上自己，于是做了一件以前只有大型基因组中心才做得了的事：在自家厨房里把自己的全基因组完整测了一遍。
一个人在厨房，三千多美元硬件 + 千元级耗材 + 开源工具加大模型，就能跑出一份 30 Gb 的 BAM 文件， 变异位点、甲基化标记、HLA 分型该有的全有。
下一步，他计划把变异区数据喂给 DeepMind 去年发布的 AlphaGenome，专攻最难懂的"非编码区变异"，去追问家族自免病的根源。
过去要搞定全基因组的测序，必须要有博士学位、湿实验室、几十万美元 Illumina 设备、一支生物信息团队，几个生物学博士、几个专业数据库（UCSC、Ensembl、OMIM、CPIC）、干上几天才能搞定。
如今一个人加上现成的硬件工具，借助AI的支持就在厨房里就跑完了。
值得注意的是，Stripe 创始人 Patrick Collison 也在做几乎一模一样的事， 派编程 Agent 分析自己基因组的特定突变，让 Agent 提下一步该筛查什么。
从硅谷亿万富翁到伦敦厨房里的爱好者，用的是同一套工作流：把大模型当代理，跑专业领域的活。
AI 没有取代任何一位科学家，但它让一个普通人也能做以前只有整个团队才能做的事。
Vibe Coding 新人：自己造APP了
上面的故事可能离普通人还远，但接下来这个，是 AI 时代每个人都能做的。
主角叫 Julia Starr，一位美国职场教练，单枪匹马干了将近十年。
这十年她最大的瓶颈就是她自己：一天就那么几个小时，客户上限早被锁死，但她又不愿意承担组团队的经济风险。
2025 年 12 月，她报名了一场 Lovable 黑客松（Lovable 是让"完全不懂代码"的人用自然语言搭 App 的平台）。
她形容当时的自己：“纯粹是编程和产品门外汉。”唯一的"资本"，是十年打磨出的 VSA 教练方法论。
Values–Strengths–Action：先挖核心价值与优势，再用小步动作原型化几条职业路径
开发过程没什么特殊的方法：打开 ChatGPT 问"我想 vibe code 一个产品，从哪开始？"，反复打磨提示词，丢进 Lovable两天跑出一个能用的初始版本。
她直接扔进 Lovable 社区让陌生人试用，反馈惊人地正面："这给了我自己绝对想不到的思路。"
但初始版本离能收钱还差得远。接下来一个月，她做了两件关键的事：
第一，死磕 AI 幻觉。
第二，让 Claude 当 PM。
注意这个细节：一个完全不懂代码的职业教练，用 ChatGPT 当架构师、Lovable 当工程师、Claude 当产品经理，三个 AI 各司其职，搭出了一条以前必须有 PM、设计师、工程师才能跑动的产品迭代流水线。
黑客松后又投入 50–60 小时，2026 年 1 月，App 正式上线，名字叫 Threshold（"门槛"，颇有几分反讽）。
定价又被现实教育了一次。
Julia 想卖 150 美元，"我的知识产权值这个价"。用户反馈很直白：“在我认识你之前，我不会为这东西掏 150 刀。”
于是她改成 29美元 一次性付费，定位也换成营销漏斗，先让陌生人体验方法论，再向上转化到高价的 1 对 1 教练服务。
结果出乎她预料：付费转化率 75%，App 开始自然传播，用户主动转给朋友。
Julia 拿到一份"有意义的被动收入"。最让她感慨是："有太多人因为时间或金钱永远没法和我直接合作，但这个 App 能让他们先开始一步。第一步被打通，整个流程就开始动起来了。"
警钟：AI时代的"两极分化"
AI时代，这样的故事越来越多。有退休人士用AI开发了服务自己的小程序，有小朋友靠AI开发了自己的小程序。
许多人的感受是AI正在让技术平权，但它也悄然拉大人与人之间的差距，导致会用 AI 的人和不会用的人，干同一件事的产出可以差出一两个数量级。
如果你已经在行业中有所积累，现在正是掌握AI的最好时机，借助AI放大你能力的时刻已经到来。
或许你过去苦于编程语言太过复杂，流程设计太花时间，但今天 AI 已经把开发的门槛踩到地板上，你以前的"借口"就不再成立了。
当一个人能在厨房搞定基因测序，一个不会编程的职场教练也能开发APP，你还能说我不行？
当然，上手 AI 工具确实需要一点时间。如果你想更丝滑地掌握 AI 的用法，欢迎加入「前哨 AI 小课」。
本周日的小课，Tina正好就要为你补上最核心的那块拼图：让 AI 不只是"工具"，而是真的能替你干活、还会越用越聪明的"AI 员工"。
今晚8点，Tina会为你介绍替代OpenClaw的全新AI打工人 Hermes！
这一讲会讲清楚四件事：
Hermes 与 OpenClaw 有啥区别？ 两个最近被反复提起的智能体框架，你该怎么选 Hermes 是怎么"自进化"的？ 为什么它越用越聪明，而不是用一次就忘 怎么把 Hermes 部署到自己的电脑上？ 从 0 到 1 的完整本地化配置流程 智能体应用实操案例。 不是 demo，是能直接抄走的工作流
