夜雨聆风之前我看到Anthropic办了一场Claude Code的黑客松大赛。看完之后，我最大的感受不是"AI太强了"，而是——AI最浪漫的用途，不是替代人类，是保存那些本会被时间抹去的东西。
最近看到的很多内容都在反复验证这个观点。
//一个反直觉的观察
最近我一直在想一个问题：
AI不是让医生成为更好的医生，而是让病人成为更好的病人。
听起来有点奇怪对吧？但我们仔细想想——
以前你肚子疼，只能去医院排队挂号，等医生问你哪里疼、疼了多久、有没有拉肚子。你什么都不懂，医生说什么就是什么。
现在呢？你可以先描述症状，AI帮你初步分析可能是肠胃炎还是阑尾炎，你应该挂什么科，去之前要准备什么。到了医院，你甚至能看懂自己的化验单，能参与治疗方案的讨论。
这个变化的意义不在于AI要替代医生，而在于——它让每个普通人，都能在很多专业领域达到60分的水平。
你不需要成为法律专家，但你能更好地应对自己的法律问题。你不需要成为工程师，但你能理解修车师傅在说什么、该不该花这个钱。你不需要成为营养师，但你能给自己的家人搭配出更合理的饮食。
AI不是来替代专业人员的，它是为了帮助大家把生活过得更好。
//获奖的不是最懂技术的人，而是有需求、有温度的产品
Anthropic和Cerebral Valley联合办了这场黑客松：用Opus 4.7 + Claude Code，一周时间，做个东西出来。金奖、银奖、铜奖，加三个特别奖，一共六组。
没有一个项目是"再做一个聊天机器人"。
但更有意思的是这六个项目的作者——金奖是一个土耳其的执业医生，银奖是一个法国的维修工具开发者，铜奖是一个智利的大学编程老师，特别奖是一个木匠的儿子。
他们不是最懂AI的人，但他们是真正理解那个领域痛点的人。
🥇 金奖：AI病人（MedKit）
作者：Bedirhan Keskin，土耳其，执业医生。
他做了个语音驱动的虚拟诊室。系统生成AI病人，医学生通过语音对话来问诊、开检查、做诊断。每次问诊结束，系统会根据最新的临床指南，给你的沟通能力、病史采集和临床推理逐项打分，每个扣分点都附带文献引用。
"在AI身上犯所有的错，然后再去面对真正的病人。"
为什么是他做出来的？因为他刚从医学院毕业的时候，亲身经历过那种在急诊科手忙脚乱的感觉。
🥈 银奖：80页原理图（Wrench Board）
作者：Alexis Chapellier，法国，自学成才的维修工具开发者。
全球每年大约5000万吨电子产品变成垃圾。很多不是修不了，而是板级维修的知识掌握在极少数人手里。
他做的工具，导入主板照片和80多页的原理图PDF，两分钟内编译成可查询的电气知识图谱。然后你可以跟Agent对话，它会在主板上一步一步画出诊断路径——该量哪里、该测什么值，直接标在板子上。
"当一个拿着万用表的普通技术员，能做到昨天只有OEM售后中心才能做的事，'维修权'才算真正落地了。"
🥉 铜奖：先想后写（Maieutic）
作者：Paula Vasquez-Henriquez，智利，大学编程老师。
她教了六年入门编程课，带过200多个学生。她发现三个反复出现的场景：
一个学生从LLM上复制了一段代码，不知道这代码干嘛的。另一个随便扫了眼题目要求，直到测试报错才发现自己漏了什么。第三个，还没想清楚要解决什么问题，手就开始敲了。
三个都交了作业，都能及格。但没有一个人学到了真正重要的东西。
她的解决方案很绝：写代码之前，先把编辑器锁上。学生得先用自己的话描述"这个程序应该干什么"，AI追问没说清楚的地方。只有当描述足够清晰了，编辑器才解锁。
"第一次，老师有了一份记录，记下的是学生到底怎么想的，而不只是答案对不对。"
Opus 4.7能分辨出学生是在"推理"还是在"猜"。 这一点，一个好老师需要好几年才能积累出来的直觉。
🏅 特别奖：木匠的儿子（MaestrIA）
作者：Benjamin Torralbo，智利。
Benjamin的父亲Juan Rodrigo Torralbo，做了三十年木匠。其中八年，在修复智利奇洛埃岛上被列为联合国世界遗产的木教堂。但在智利的体制里，没有大学文凭，你修过再多世界遗产，你也是全隐形人。
"智利有超过28万名非正式建筑工人，没有任何途径能展示自己的手艺。我爸修复了联合国世界遗产教堂，可在系统里根本不存在。"
Benjamin做MaestrIA，拍一张受损墙面的照片，AI分析后告诉你：修什么、花多少钱、需要多长时间、不修会怎样。然后推荐你附近的手艺人。
他拿给父亲测试，12张照片，12个诊断。与三十年老师傅判断的吻合率：81%。
他说了一句话，我觉得是整场黑客松最动人的：
"工具是我做的。知识是他的。"
🏅 最佳Agent使用奖：工厂老师傅（ARIA）
作者：Idriss Benguezzou & Adam Hnaien，法国。
"在每个工厂、每个车间、每个水站里，总有那么一个人。他能听出机器声音哪里不对劲，他能在机器坏之前两天就知道它要坏了。他就是知道。然后他退休了，这些知识就永远消失了。"
ARIA用五个Agent各司其职，像一支维修团队。最让我印象深刻的是这个细节：瓶盖机报了振动异常警报，但ARIA没有立刻发工单。它查了上下文，发现振动值其实在下降，并非异常。大多数系统到"发了警报"就结束了。而ARIA多走了一步：判断这个警报值不值得理。
"那个'什么都知道的人'，再也不会因为退休而消失了。"
//三个洞察
看完这六个项目，我想分享三个洞察。
洞察一：AI产品的真正机会，不在"更强的模型"，而在"更深的理解"
这六个项目的作者，没有一个是硅谷的连续创业者。他们是土耳其的医生、法国的维修工具开发者、智利的大学老师、木匠的儿子。他们能做出这些项目，不是因为他们更懂AI，而是因为他们更懂那个领域的痛点。
但我想补充一点我自己的观察。
在这六个项目背后，其实藏着一个更关键的能力——把专家脑子里的"手感"，变成AI能理解和学习的语言。
现在AI能拿到的语料，大都是网上已经被结构化、整理过的资料。但真正的知识、观点和想法，往往并没有被沉淀和分享下来。它们只存在于某一个人的经验里、直觉里、几十年累积的判断力里。这非常可惜。
在公司里，我也经常帮同事做一些业务落地的事情。在落地过程中我发现，对于很多很有内容品味的人，想要把他们脑子里的东西挖出来，需要用"人话"和他们采访沟通，让他们去描述、拆解自己的工作流：
1. 这件事情到底怎么做
2. 怎么做算是好，怎么做算是不好
3. 描述下来并提供各种案例供AI学习
你会发现，很多专家不是不愿意分享，而是他们不知道怎么把自己的"手感"变成别人能看懂的东西。他们做了几十年，觉得"这就是这样的啊"，但说不出来为什么这样。
所以在AI时代，有一种能力会变得越来越重要——
人类知识的翻译官和沉淀官。
不是训练模型，不是写代码，而是坐在一个领域专家面前，用他能听懂的语言，把他脑子里的东西挖出来、拆解开、结构化，变成AI能学习的素材。这个能力，可能是未来最有价值的事情之一。
洞察二：AI的机会，藏在更贴近用户需求的地方
六个项目，覆盖医疗、维修、教育、工业、创意五个领域。没有一个来自互联网原生场景。
这给了我一个很强的信号：未来AI落地更重要的机会，往往不在那些技术最领先的地方，而是在更贴近用户需求的地方。
前两天我看到Paul Graham发了一条推，说Non-AI ideas是被低估的好机会——因为大家都涌向AI，好的non-AI想法反而竞争更少，而且未来也可能变成AI-enhanced。
我觉得特别有共鸣。不一定是科技最先进、模型最强大的地方才有机会。反而是那些离用户日常生活最近、离真实需求最近的地方，AI能创造的价值最大。
医疗、维修、教育、工业……这些行业有一个共同特点——核心知识高度依赖个人经验，而且正在快速流失。
老师傅退休了，手艺传不下去；临床直觉随一代人老去而失传。没有人宣布它的死亡，也很少有人意识到自己失去了什么。AI恰好是接住这些断裂经验的工具。
洞察三：在AI时代，不要惧怕开始
这六个项目的作者有一个共同点：他们不是AI专家，他们是领域专家。
一个土耳其医生用AI做了虚拟诊室，因为他知道医学生缺什么。一个木匠的儿子用AI做了修墙诊断，因为他父亲的知识在系统里不存在。一个教了六年编程的老师用AI做了"先想后写"，因为她见过太多学生"不知道自己在写什么"。
AI降低了创造的门槛，领域知识比编程能力更重要。
你不需要会训练模型，不需要懂Transformer架构，不需要有硅谷的人脉。你需要的，只是比你这个领域的人稍微领先一点点——先去使用了这个技术，你也许就能成为那个能把AI用好、能够真的创造出一些贴近生活的真产品的人。
而且，很多人一直都在纠结的一些事情，在AI时代其实已经不成立了：
这些完全都不需要了。
AI时代，动手做起来远比"先学完美了再开始"重要。想到就去干，不用有求于人。你现在可以一个人完成以前需要一个团队才能做的事情。
如果你在某个行业干了五年、十年，你心里一定有那种"如果有个工具就好了"的时刻。现在，你可以自己做了。
不用怕，开始就好。
//写在最后
人类文明里有大量这样的知识。它们因为太过于不起眼和长尾，而被鉴定为没有价值，从而忽略。
没有人在意一个木匠怎么判断墙面该用什么材料修补。没有人在意一个工厂老师傅怎么听出机器轴承要坏了。没有人在意一个急诊科医生怎么在一分钟内判断该先救谁。
但借助AI，这些知识第一次有了被保存、被传承、被更多人使用的可能。
让那些本会被时间抹去的人类经验，留下来。
参考来源：Anthropic获奖公告：x.com/claudeai/status/2049523899918934384六个项目均已开源，详见GitHub
