周五晚上 7 点以后，腾讯会议的主会场又变成了一个临时路口。

有人刚进来，还在找右下角的“分组讨论”；有人先在主会场吆喝自己的项目；有人问“我这种 AI 水平，应该进哪个房间”；也有人在隔壁房间还没开始的时候，先串到另一个房间里听一耳朵。

这一期，是「AI+X 碰个头」办到现在话题最多的一期。

24 个话题，20 多位召集人，抑郁症康复、育儿胎教、乡村文旅、量化金融、智能求职、科研绘图、FDE、OPC、世界模型、AI 社交、会议分析、文献阅读……几乎每个房间，都有一个完全不同的 X。

但这一晚最值得被记住的，不只是“AI+X”又延展出了多少方向。

而是这些方向背后，站着一个个具体的人。

一个宝爸，在房间里等了好几分钟都没人来，还是坚持把自己给孩子做的胎教声音系统从头讲完。

一个新村民，在青山村没有外卖的夜晚，和村里的运营伙伴一起讲“一个村庄怎样把新老村民、自然教育、手工艺和数字游民连接起来”。

一个非互联网行业出身的求职者，用一个多月 Vibe Coding 做出了开源求职 Agent，边演示边修 bug，认真解释每一个人工确认环节为什么不能省。

一个房地产企业的内审伙伴，原本只是进来听图形 AI，聊着聊着发现自己公司正好有大量图纸审核需求，当场和召集人互加微信。

还有两个都在杭州上城区、都想转向 FDE 的伙伴，在自我介绍环节发现彼此离得很近，立刻约着“有机会线下交流一下”。

这就是「碰个头」里最动人的地方。

它不是把人组织起来听一场报告。

它是让很多原本不会相遇的人，在一个很轻的线上房间里，先把头碰一下。

一、「AI+X 碰个头」是什么？

「AI+X 碰个头」是一场很轻的线上聚会。

每周五晚上，大家进入同一个腾讯会议，再自由进入不同分组房间。

规则很简单：

谁有真实想聊的话题，谁就可以发起一个房间。

没有固定嘉宾席。召集人可以是创业者、学生、老师、工程师、项目经理、设计师、宝爸、康复者，也可以只是一个带着问题来的人。

没有标准议程。有人准备 PPT，有人演示 Demo，有人只开一个文档一起写，有人上来先让大家自我介绍，也有人边调设备边开始讲。

没有“必须成熟”。一个产品可以还在内测，一个想法可以还很散，一个问题可以还没有答案。

因为「碰个头」真正关心的，不是你有没有把自己包装得足够完整。

而是：

你正在做什么？ 你卡在哪里？ 谁能接住你这句话？ 我们有没有可能一起试试？

形式越轻，关系越重。

第五期的现场，正好把这句话又演了一遍。

以下，是从这一晚实际留下录制的房间里，打捞出来的一些现场。

二、6 月 12 号晚上，碰出了什么？

1、Frank 和 Melody：AI 是工具，真正把人接回来的还是附近的人

「AI+抑郁症康复」，是「碰个头」里持续生长的长期话题。

Frank 前几期讲过自己的重度抑郁康复经历，也讲过自己如何用 Obsidian、Codex 和第二大脑，整理 40 万字日记，让 AI 帮自己做长期的生命经验分析。

但这一期，他没有继续只讲工具。

他邀请 Melody 一起来聊一个更大的问题：

当年轻人失去意义感，真实世界如何重新打开他们？

Melody 曾经在国际学校工作，也去云南支教，在腾冲、大理待过几年。她说自己最重要的身份不是旅行达人，也不是项目经理，而是“教育梦想家”。

她讲到一个很重要的判断：很多时候，人不是缺一个宏大叙事，而是缺少对身边具体的人、具体关系、具体附近的感知。

Frank 也顺着这个话题聊到自己的成长经验：小镇做题家、高考、压抑的评价体系、后来才慢慢看到更宽广的世界。

这场讨论特别适合放在 AI+抑郁症康复这个房间里。

因为它提醒大家：AI 可以帮你记录情绪、整理日记、生成对话、辅助陪伴，但一个人真正重新获得意义感，往往不是因为一个工具突然给了答案。

而是因为他重新和真实世界里的某个人、某个地方、某段经历接上了。

AI 可以是载体。

但人要重新活过来，最后还是要回到人和人的连接里。

2、Ray & Zerui：灵感共创不是听课，是把一个需求拆到能动手

「AI+X 灵感共创」房间，已经是连续多期出现的老朋友。

这一期，Ray 和 Zerui 依然把它办成了一个开放工坊：有人带学生需求，有人带老师需求，有人带创业项目，有人只是临时想问一个技术问题。

房间一开始，Zerui 先给大家演示怎么安装和配置 Claude Code，怎么买模型 token，怎么设置 API key，怎么用 CCSwitch 切换模型。讲得很细，细到像在陪一个第一次打开命令行的人过河。

后面，房间开始进入真正的“共创”。

有人想做一个个人简历网站，担心国外会议现场扫码访问不了；有人问复杂项目里文档和代码太多，AI 找不到重点怎么办；有人关心从开源项目二次开发时，如何让 Agent 理解架构、测试和贡献流程。

Ray 和 Zerui 的回答不是一句“你让 AI 写就行了”。

他们讲的是怎么先把需求说清楚，怎么形成最小闭环，怎么维护文档、CI、架构说明和 Skill，怎么让 Agent 不只是生成一次代码，而是能进入一个可持续迭代的工作流。

这个房间的特点一直很稳定：

它不负责把每个想法都夸成“伟大项目”。

它负责把一个模糊的灵感，拆到下一步能试、能改、能有人接着做。

3、袁军、老顽童和一群想转型的人：FDE 不只是新岗位，而是新关系

FDE 团队共创房间，从一开始就很像“找队友”的现场。

袁军先让大家自我介绍。

有人刚毕业，在杭州做 OPC 创业，想探索自己能不能成为一个好的 FDE。

有人工作两年，做过销售、售前、运维、数据库、测试，觉得自己比较综合，想往 FDE 这个方向转。

两个人聊着聊着发现都在杭州上城区，其中一个立刻说：

能不能加一下你的微信？

袁军笑着说：

正好给你们俩提供了一个认识的机会。

这就是 FDE 这个话题为什么会在「碰个头」里长起来。

它表面上是在讨论 AI 驻场部署工程师：

项目流程是什么？

企业场景怎么拆？

坑在哪里？

个人能力缺什么？

团队怎么搭？

模型怎么选？

但更深一层，它讨论的是一个正在出现的新关系：

企业想用 AI，但不知道怎么搭上车。

技术人会工具，但缺真实场景。

行业老兵懂业务和客户，但不一定亲自写代码。

FDE 要做的，就是站在这些人中间，把技术、业务、流程、交付和信任重新接起来。

老顽童说，希望大家像拼图一样，一块一块拼起来，最终拼成一个完整的东西。

这句话也很像「碰个头」本身。

每个人带来一块拼图，先碰一下，才知道能不能拼到一起。

4、小乌云和青山村：一个村庄，也可以是 AI+X 的入口

「一起开发青山村 Online！」这个房间，是第五期里最有生活气的一间。

房间一开始，大家还在闲聊村里没有外卖。

有人说最近想做青年食堂，用老年食堂错峰做工作餐；

有人问一荤一素一半荤多少钱合适；

小乌云说自己今晚是去村里别人家蹭饭。

然后，青山村的职业经理人杨环环开始介绍这个村庄。

青山村在余杭西北部，不在青山湖。它最早的发展线索，是从水源地保护开始的：农污水库、善水基金、自然好邻居计划、村民参与、社会组织参与、商业运作，慢慢形成了一个生态保护与乡村发展互相支撑的模式。

后来，青山自然学校、融设计图书馆、手工艺工作室、艺术季、数字游民社区、共富坊、青山 Talk、未来乡村议事会，一点点把不同的人带进村里。

青山村的故事，表面上是乡村运营。

但它真正有意思的地方，是“连接”。

连接人与自然，连接乡村和城市，连接新老村民。

小乌云作为一个普通新村民，也在房间里补充了自己的观察。她在村里有工作室，做环保共创、墙绘地绘，也帮农家乐走访、做民宿升级改造。她想发起青山村 Online，不是为了做一个抽象的文旅平台，而是想让村里的工作室、饭店、访客、新村民、老村民和外部伙伴之间，有一个更轻的入口。

这一期里，AI+X 不只是模型、Agent、工具链。

它也可以从一座真实的村庄开始，从一顿饭、一场议事会、一条龙舟、一个想让村里人互相看见的数字入口开始。

5、王熠明：一个宝爸在空房间里，坚持把项目讲完

育儿+AI 房间的开头，有点心酸，也有点可爱。

王熠明等了好几分钟，房间里一直没人。

他说：

没人我就自己给自己讲了。

又说：

孤寡老人在线等待。

但等到最后，他还是决定讲。哪怕没人来，也要把这件事录下来。

他的项目叫“聆芽胎教声音工作室”。

出发点很具体：

很多宝爸宝妈工作忙，爸爸经常没时间在身边做胎教，妈妈自己读又尴尬，老人也想让宝宝熟悉自己的声音。

于是他做了一个系统：

录一段声音，克隆宝爸宝妈或爷爷奶奶的音色，再结合胎教音乐和知识库，生成个性化的胎教音频，发送到邮箱里，方便反复听。

他还展示了下一步想做的硬件：

用 ESP32、摄像头、3D 打印外壳，做一个宝宝看护或育儿机。再往后，他甚至想把幼儿、老人、障碍群体这些“需要照护的人”放在同一个关怀系统里思考。

后来终于有一位同样是爸爸的张龙进来。

两个人立刻聊到儿童看护、夜晚惊醒、保姆风险、摄像头隐私、声音和雷达传感器、付费场景这些更真实的问题。

这个房间最打动人的地方，不是 Demo 多完整。

而是一个具体的人，因为自己正在成为父亲，所以用 AI 去认真想

我能不能多陪孩子一点？

AI 在这里不是酷炫概念。

它是一个忙碌的人，想把自己的声音留给家人。

6、郑淑文：一个非技术背景的人，用 AI 给自己做了一条求职流水线

智能求职 Agent 房间，是这一期特别典型的“从真实需求长出产品”的案例。

郑淑文不是互联网行业出身，以前做品牌市场相关工作。她接触 Vibe Coding 只有一个多月，最近一个月才知道 GitHub 是什么。

但她做出了 Bosshunter，一个已经开源的智能求职 Agent。

她做这个项目的理由很简单：不喜欢每天重复刷岗位、筛岗位、写招呼语。机会不是没有，难的是从大量信息里高效判断哪些岗位值得投。

所以她把流程拆成了几步：

1. 先抓取岗位；

2. 再做标题初筛，节省 token；

3. 用 AI 做匹配评分；

4. 通过后人工确认；

5. 生成针对岗位和个人经历的定制招呼语；

6. HR 回复后，如果要简历，就生成定制简历；

7. 如果 HR 问问题，再生成回复建议。

她很认真地保留了「人工确认」。

因为她发现 AI 会编：

HR 问住哪里，它可能直接说「我家就在公司楼下」；

HR 对籍贯有要求，它可能也会顺着面试机会去编。

于是她加了开关，让用户选择自动回复还是人工确认。

这其实很重要。

很多人讲 Agent，会急着讲自动化到底。

郑淑文的项目反而提醒大家：

真正能用的 Agent，不是把人完全拿掉，而是知道哪些地方必须让人回来确认。

房间里也有人追问，她一个非技术背景的人是怎么搭起来的。

她分享的方法很朴素：

先在在线 AI 里把需求聊清楚，整理产品文档和技术实现文档；

不要污染真正写代码的对话框；

多看开源项目里类似需求是怎么做的；

遇到不懂的就问 AI；

一边做一边学。

这不是一个「AI 替人找工作」的故事。

这是一个人用 AI 重新组织自己的求职动作，也把自己的转型证据写进了简历里。

7、翊博：AI 时代学量化，更要亲手写代码

零基础量化金融开源教程房间，前半段一度没人说话。

后来，翊博来了。

他一开口就抛出一个问题：

AI 时代，学习量化金融还有必要学习代码吗？

他的回答很明确：

不仅有必要，而且比以往任何时候都更重要。

因为代码在量化里的角色，已经从单纯的执行工具，变成了一种思维框架。

当你亲手写订单簿、撮合引擎、回测框架，哪怕只有几十行，你对流动性、滑点、手续费、资金曲线的理解，都会超过任何书本描述。

AI 可以帮你生成代码，但不能替你建立这种「量化直觉」。

他也提醒大家，不要被「AI 正在让量化金融民主化」这句话冲昏头脑。

AI 确实降低了技术门槛，但如果只会让 AI 写一个「能赚钱的策略」，结果往往是所有人都在复制同一类已知范式。

真正的民主化，不是每个人都有一个按钮。

而是每个人都能建立批判性思维：

识别过拟合，

识别幸存者偏差，

识别数据泄露，

识别工具方掌握行为数据的风险。

后面，房间里开始有人问能不能加组队学习、代码跑出来和教程图不一致怎么办、数据接口怎么选、能不能再开一个群。

这又是一个关系入网的现场。

一场分享，最后长成了一个可能继续学习的小队。

8、毅成：AI 是你的工具，还是你的协作者？

毅成的房间人数不多，但聊得很深。

他做的是一个 AI 协作成熟度评测，暂时叫 AIq。

这个评测不只是问「你用了哪些工具」，而是想看一个人如何和 AI 共同完成真实任务：

表达能力、委托能力、辨别能力、方向性、任务拆分能力、对不同模型的理解、能不能识别模型误解、能不能管理上下文和边界。

他自己也很坦诚：

答题很难。一个问题要想一遍，看选项要想一遍，选项不匹配又要想一遍，整个过程很容易答崩。

但这个项目背后的问题很关键：

AI 越强，一个人的能力到底该怎么重新定价？

组织又该如何判断，一个人是真的会和 AI 协作，还是只是会打开几个工具？

房间里，毅成和参与者聊到个人聊天记录如何做全量反思，怎么分析自己提问时的盲点，怎么把多个 Agent 的任务做路由，怎么避免“人做校正”把自己累爆。

这个房间留给大家的问题是：

当 AI 从工具变成协作者，人自己的能力边界也要重新被看见、被描述、被训练。

9、闫佳宜：AI 要进工业现场，不能只会“表演看图”

图形 AI 大模型房间，是这一期里技术密度很高的一间。

闫佳宜从李飞飞拿空白 X 光片测试模型讲起，解释为什么语言模型在看图时，很多时候不是理解图，而是在用过去见过的大量文字和图像模式「表演看图」。

她真正想讲的是：如果 AI 要从内容娱乐走向行业交付，就必须从一维文字，走向对三维空间、物理规则和工程约束的理解。

她所在团队做的是图形 AI 模型，面向工程图纸，能力包括识图、审图、出图、算量。

这个方向为什么难？

因为工程图纸里不是「好不好看」的问题，而是：

管道坡度、消防间距、承重墙、逃生通道、碰撞避让、国家规范、房间功能、空间拓扑这些规则。

工业场景要的是准确、可追溯、可交付。

她展示了一个很具体的例子：

问 CPVC 管件最小承口深度，通用模型可能给一段看似专业的回答；而他们的系统会给出规范名称、规范链接，并定位到具体页面。

更有意思的是后半段。

一个来自新城控股、做内部审计的伙伴进来，说他们公司有大量图纸要审核，工程量核算和审计长期靠专家人工肉眼看，五年来「都在叠人工」。

闫佳宜立刻意识到，这正是他们想找的场景。

双方当场互加微信，聊到地产企业、工程审计、私有化部署、图纸算量、每年结算复核的金额。

这就是「碰个头」里最珍贵的时刻：

一个技术团队讲了七年的图形 AI，终于在一个房间里碰到了一个真实行业场景里正在痛的人。

10、Candy：项目经理最想要的 AI，不是炫技，是少催 100 次进度

AI+飞书项目管理统一看板房间，从每个人的痛点开始。

Candy 是 Datawhale 项目经理，最多时手上并行过 20 个项目。

她很清楚项目管理的痛：

排期表分散在不同文档里；

客户需求一变，甘特图、总表、飞书日历都要跟着改；

任务负责人卡 deadline，项目经理只能一个个催；

同样的坑 A 踩完，B 下次还会再踩。

房间里的其他伙伴也有类似痛点。

有人在汽车零部件公司做项目经理，想让工作更顺畅。

有人在水司做技术，尝试用飞书搭抢单系统。

有人说自己夹在两个部门中间，前端同事没填需求，要催；另一个部门给了意见，还要再转述回去。

还有人说，微信里的需求太多，根本沉淀不下来。

大家最后慢慢把需求收敛成几个方向：

自动提醒、进度追踪、跨文档同步、总看板、风险标红、手机端填报、经验沉淀。

技术伙伴筱可也把话讲得很实在：

能不能做，首先看飞书有没有开放 API；

如果没有，就要考虑自己搭一个最小项目管理系统。

AI 能帮忙，但前提是人要先把业务逻辑、权限、成本、调用频率和前后置关系想清楚。

这个房间没有立刻做出一个产品。

但它做了一件更重要的事：

把一堆 PM 平时独自承受的琐碎痛苦，变成了一个可以被共同讨论、共同许愿、共同落地的需求池。

11、Chris 和 WorkBuddy：Agent 上岗，最后还是要回到企业里的真实流程

「从 Demo 到 Agent 落地：FDE 到底解决了什么问题？」这个房间，由 Chris 发起，并邀请腾讯云 WorkBuddy 和安畅网络的伙伴一起分享。

房间一开始就做了小调研：

大家是技术岗、业务岗，还是学生？

互联网行业还是非互联网行业？

OPC 还是企业用户？

这个提问本身就很 FDE。

因为 Agent 能不能上岗，不只取决于模型能力，也取决于它要进入谁的工作场景。

WorkBuddy 的分享讲了办公场景里的多个例子：

把会议纪要写入企微文档、预定跟进会议、发邮件；

把销售流水变成交互式报告；

让多个 Agent 并发改版一个官网；

把工作沟通沉淀成个人或企业知识库。

后面提问也很具体。

有人问记忆文档在哪里看、能不能改、错误记忆怎么修。

有人来自大型集团，说他们内部已经沉淀了很多专家团，全集团几千人在用，想问能不能放到 WorkBuddy 这样的平台做商业化合作。

也有人问能不能把 WorkBuddy 的专家团能力嵌入自己的系统里。

这场讨论让「Agent 落地」从一个抽象概念，落到了几个真实问题上：

数据在哪里？

记忆怎么管？

企业知识能不能商品化？

桌面端 Agent、专家团、Skill、MCP、企业系统之间到底怎么连接？

Demo 很容易做。

真正上岗，要处理的是这些细碎但绕不开的流程、权限、合规和协同问题。

12、Fun 师傅：智能体也会“记忆碎片”

“成为记忆碎片大师”这个房间，是一个非常有趣的类比。

Fun 师傅本职做病原多组学研究。他从电影《记忆碎片》讲起：主角因为顺行性失忆，只能靠照片、笔记和身上的文字维持行动。

他把这个状态类比到现在的 Agent。

网页对话时代，上下文短，聊久了模型会忘。

Vibe Coding 时代，代码、调试日志、错误循环会快速挤占上下文。

到了 Agent 时代，任务被拆成多步，工具调用、网页搜索、文件读写、长期记忆一起进来，token 消耗指数级增加，“做着做着忘了自己在干嘛”的问题又出现了。

Fun 师傅讲了自己的实践：给每台服务器装一个本地 OpenClaw，让它做服务器管理员和科研分析助手；用 Element 这样的开源即时通讯软件，把不同项目拆成不同群聊；用 Git 管理科研项目，也开始用 Git 管理每只 Agent 的记忆。

他的判断很清楚：

上下文不是越长越好。

真正重要的是，什么信息该被加载，什么信息该被摘要，什么信息该被沉淀成项目记忆。

这个房间提醒了所有做 Agent 的人：

智能体不是只要更聪明。

它还需要像人一样，有可靠的外部记忆系统。

13、David Zhu：一张认证背后，是 AI 架构师职业路线正在成形

Claude Certified Architect - Foundations 认证经验分享房间，一开始人不多，反而聊得很实在。

David Zhu 来自澳洲 AI startup，是 Anthropic 官方 Partner 公司的 co-founder。他和参与者聊到认证资格、Partner 邮箱、公司账号、项目签约、远程兼职、海外项目、国内网络与合规这些非常具体的问题。

表面上看，这是一个认证经验分享。

但它背后其实是另一条正在形成的职业路径：

会用 AI 工具的人很多。

但企业项目需要的是能理解云、数据、模型、客户沟通、英文协作、交付边界和合规的人。

认证只是一个入口。

真正的问题是：

AI 架构师、FDE、远程工程师、企业项目交付之间，未来会形成什么样的工作关系？

这个房间没有热闹的口号，但它把“AI 职业化”的一部分现实摊开了。

14、元甲：不追最热的 AI，也可以用 AI 降低做产品的门槛

AI+社交工具房间，是一个非常不一样的房间。

元甲要做的不是又一个线上交友 App，而是线下遇到 crush 时的搭讪辅助工具。

他很坦白：自己不想在不擅长的 AI 技术领域和头部企业竞争。他关注的是一个很老、但真实存在的领域：线下社交。

他的想法是：只做 30 米范围内的线下匹配。用户打开定位，看到附近也在使用产品的人，以划卡片方式确认想认识谁。打招呼必须付费，对方不同意则退费。付费既是商业模式，也是防止滥用、骚扰和杀猪盘的一道门槛。

房间里，一个 21 岁的大学生小罗认真追问：为什么用户愿意付费？校园推广会不会被学校抵触？和 Soul 之类的线上交友有什么区别？初期用户密度怎么解决？

这场讨论不像技术分享，更像一个早期产品的冷启动盘问。

它也说明一件事：

AI+X 里的 X，不一定非要跟 AI 深度绑定。

有时候 AI 只是把做产品的门槛降下来，让一个关注真实场景的人，有机会把自己的体感变成原型，再让真实用户来追问它能不能成立。

15、张鼎伦：AI 科研绘图，不是生成一张漂亮图就结束

AI 科研绘图实战房间，张鼎伦带来的是一套已经开源的教程和 Skill。

他没有只展示几张好看的图，而是把科研绘图拆得很细：图形摘要、机制图、技术路线图、模型架构图、汇报图，不同领域、不同模型、不同提示词模板，怎么选、怎么控、怎么改。

更重要的是，他一直在强调边界。

AI 可以辅助画机制图、概念图、图形摘要，但不能伪造实证影像图和定量数据。投稿时要根据期刊要求披露 AI 辅助使用情况。Nature、Science、Elsevier、ACS、JAMA Network 等期刊对 AI 图像的要求并不完全一样。

他还重点讲了矢量化。

AI 生成的图会有错字、模糊、不可编辑的问题。最稳定的方法，往往是先让 AI 生成初稿，再用 Figma、Illustrator 或其他工具手动复刻成可编辑矢量图。

他说自己论文里有一张图，就是先用 Nano Banana 生成底图，再手动复刻，最后投中一区文章。

这个房间给科研人的价值，不是“AI 能不能帮我省事”。

而是告诉大家：

怎么让 AI 进入科研工作流，同时守住准确性、可编辑性和学术合规。

16、YouNavi：很多重要信息，不在文档里，而在对话里

YouNavi 房间的核心判断很清楚：

很多真正重要的信息，不是写在文档里，而是发生在一场场对话里。

会议、访谈、客户沟通、项目讨论里，有人的诉求、决策背后的判断、项目隐性风险。这些东西如果只做普通会议纪要，很容易流失。

YouNavi 想做的是把对话变成可沉淀、可追问、可行动的认知资产。

他们展示了多渠道同步：腾讯会议、飞书妙记、钉钉闪记等，也聊到微信场景的难点。有人立刻提出真实需求：大量工作和生活讨论发生在微信，尤其是和公司外的人沟通时，截图不够方便，能不能一键抓取？

房间后面也有很多现场感：人少的时候，团队成员一边等人，一边调摄像头、修 bug、讨论怎么把海报发出去；后来又有人串场进来，才重新开始介绍产品。

这也是「碰个头」真实的一面。

不是每个房间都像正式路演。

有的房间就是一边等用户，一边被用户问到产品最难的入口。

17、OPC 智脑：一个创业想法，先让 AI 帮你判一判

OPC 一人创业者的 AI 军师房间里，李屹镒展示了自己做的“OPC 智脑” Skills。

它不是替创业者做所有事，而是帮一个一人创业者判断：

你的想法处在哪个阶段？

接下来最该解决什么问题？

一周、两周、一个月能做哪些具体动作？

现场有一位伙伴临时进来，说自己做过 AI 面试官：

企业招聘技术人员时，用 AI 出题、提问、打分，做初筛。

李屹镒就直接拿这个项目做现场评测。

第一轮，OPC 智脑把项目判到了实体期，给出了注册公司、合规、商标等建议。

李屹镒看完后没有硬夸自己的工具，而是直接说：

这次判定有瑕疵。这个项目现在更应该做的是获客，而不是注册公司和商标。

于是他换模型，重新提问，重新研判。

这个细节很重要。

它说明一个创业军师类 AI，最需要的不是“每次都说得像对的”，而是能被人校正，能在真实反馈里变得更准。

OPC 需要 AI 军师。

但 AI 军师也需要真实创业者来训练它。

18、AI 文献阅读：Auto Science 的入口，也许先从读文献开始

「分享我做的可以交友的 AI 文献阅读软件」这个房间，原本的召集人没有留下完整分享，但主会场里对这个话题感兴趣的伙伴，把它接了起来。

吕志远正在做 Auto Science 相关探索。

他的判断是：

自动科研太大，直接做容易没边界。更好的切入口，可能是文献阅读器。

因为科研不是从零开始。

一个想法通常来自科学问题，一个科学问题又需要已有研究方法支撑。真正能持续推进的科研，离不开文献库。

所以他想做一套系统：

每天自动检索文献、评价文献、把合适的文献加入知识库，再逐步形成自己的方向。

上午推几篇，下午推几篇，持续迭代，让文献库慢慢「长」出来。

房间里有人追问：

能不能把一本几百页的书放进去和文献一起梳理？

公式识别行不行？

SLAM、三维重建、卡尔曼滤波这类公式推导跳步严重，能不能帮工程师理脉络？

最后大家聊到 ima、NotebookLM、OCR、文献引用网络、源码复现、顶刊文献抓取、Agent 实验员、Paper Git。

这个房间留下的判断是：

Auto Science 不一定先从「AI 自动发现重大科学问题」开始。

它也许先从一件很朴素的事开始：

让更多人真的读文献，读懂文献，并把读过的文献变成可复用的科研记忆。

19、世界模型：AI 要理解世界，不只是会说世界

李飞飞世界模型实战房间，围绕 Spark 2.0、3D 高斯、空间智能、世界模型展开。

春日先从一个判断讲起：过去几年 AI 最大的突破是大模型，它会写代码、写文档、制定计划，但它并不真正理解世界。

它掌握的是语言规则，不是世界规则。

所以下一代能力，需要空间智能、时间智能、物理智能：

理解空间结构和位置关系，

理解状态变化，

理解物理规则和因果关系。

房间后面讨论很发散，也很有意思。

有人从建筑学角度切入，说建筑是一个古老专业，建筑和城市本来就是人类在环境中生成出来的“机器”。如果未来具身智能、机器人要进入真实世界，它们面对的往往不是原始森林，而是建成环境。

也有人讨论自动驾驶、机器人、传感器、世界模型对个人开发者是否友好。

最后，大家聊到要不要建个群继续交流。

这说明一个很硬的技术话题，也可以在「碰个头」里变成跨专业对话：

3D 渲染、建筑、机器人、自动驾驶、工程应用、个人开发者，原本不在同一张桌子上的人，被同一个问题拉到了一起：

AI 什么时候才算真正理解世界？

20、《OPC 实战派》和 OPCπ 对：一人公司需要的不只是工具，还有同路人

这一期里，OPC 相关话题不止一个。

《OPC 实战派》播客直播留下的录制片段不长，但信息很集中：一个 AI Builder 很快用 AI 做出了工具型 App，怎么判断它是值得继续投入的产品，还是只是一个有趣的小玩具？

嘉宾给出的判断很现实：先看同类产品，去 App Store 搜关键词，下载体验，比较功能重叠和差异；早期不要过度担心架构，但要保护好 API key；真正的北极星目标，不是宏大叙事，而是产品或服务能不能吸引客户，并且让客户愿意买单。

OPCπ 对夜话直播则更像一个线下 OPC 面基现场。

你想猫在成都线下调试直播系统，尝试让谈话内容和画面自动切换，也分享自己做的 Skill、Open Energy、OPC 创作经验和“把能量做流通”的想法。现场有饮料、有小酒，有人讲歌、讲 Skill、讲表情包，也有人讨论 WorkBuddy 怎么发到微信。

这些片段很生活化。

它们提醒大家：

一个人公司不等于一个人孤零零做公司。

OPC 更需要持续的同行网络。

你做产品，我讲商业化；

你写 Skill，我帮你试；

你在成都线下面基，我在线上围观；

你踩过的坑，变成别人可以复用的经验。

一个人可以开公司。

但一个人不该没有同路人。

三、把这些房间放在一起，会看到几条线

第一条线：AI 正在走向真实生活。

它不只在浏览器、终端和排行榜里。

它走向一个未出生孩子的耳边，走向一个重度抑郁康复者的日记，走向一个项目经理每天催进度的疲惫，走向一个青山村新村民的工作室，走向求职者投出的每一封招呼语，走向科研人一篇篇读不完的文献。

AI 越来越强，但它真正动人的时刻，往往不是参数又大了多少。

而是它开始接住一个具体的人，正在认真面对的具体问题。

第二条线：大家越来越不满足于 Demo。

FDE 房间在问，企业真实项目怎么交付。

WorkBuddy 房间在问，Agent 怎么进入会议、文档、邮件、知识库。

图形 AI 房间在问，工业现场能不能用、图纸能不能准、规范能不能溯源。

项目管理房间在问，飞书有没有 API、调用频率够不够、权限怎么设计。

OPC 智脑房间在问，一个创业项目到底该先获客，还是先注册公司。

这一期很多讨论都在从“能不能做出来”，走向“能不能真的用起来”。

第三条线：Skill 正在成为新的能力零件。

科研绘图有 Skill。

OPC 智脑拆成 Skills。

记忆碎片房间讨论如何让 Agent 加载项目记忆。

灵感共创房间反复讲文档、Skill、CI、项目规范。

OPC 夜话里，你想猫也在分享自己沉淀的 Skill。

越来越多人不只是使用 AI，而是在把自己的经验、方法、流程，封装成可复用的东西。

第四条线，也是最重要的一条线：关系正在变密。

FDE 房间里，两个杭州上城区的人互加微信。

图形 AI 房间里，建筑图纸团队碰到地产内审场景。

量化金融房间里，一场分享长出了话题群里的组队学习。

育儿房间里，一个宝爸终于等来了另一个爸爸，开始认真讨论孩子、老人和硬件。

文献阅读房间里，缺席的话题被感兴趣的人接住，继续聊成了一场 Auto Science 的小讨论。

青山村房间里，村庄运营、新村民、访客和技术伙伴被同一个 Online 想法拉到一起。

这就是「碰个头」真正想做的事。

不是把活动办完。

而是让活动结束后，关系网络比活动前更密一点。

写在最后：AI 是那个“+”，X 是正在认真生活的人

回看第五期，会发现这些召集人和碰友原本很难出现在同一张桌子上。

一位重度抑郁症康复者，

一位行动教育者，

一个宝爸，

一个乡村新村民，

一个 Datawhale 项目经理，

一个做图形 AI 七年的建筑师，

一个非互联网背景的求职 Agent 作者，

一个量化金融教程作者，

一个病原多组学 PI，

一个澳洲 AI startup co-founder，

一个想做线下社交产品的连续创业者，

一群 OPC，

一群科研人，

一群想转型 FDE 的年轻人和行业老兵。

他们年龄不同，城市不同，行业不同，人生阶段不同。

如果没有「AI+X 碰个头」，他们可能不会在同一个周五晚上，进入相邻的房间。

但 AI 这个「+」，把他们放到了一起。

也让我们重新看见：

「AI+X」里的 X，从来不是抽象的领域标签。

X 是这些具体的人。

是他们正在带娃、找工作、做科研、跑项目、做产品、改图纸、读文献、转型、创业、康复、搬到村里、组织线下聚会。

模型可以给你很多答案。

但模型给不了你那句：

原来你也在做这个。

也给不了你那个愿意听你讲完、给你泼冷水、帮你补一块拼图、和你互加微信、下周还愿意继续试一下的人。

这正是「AI+X 碰个头」想守护的东西。

不评判，不宣讲，不比较谁更厉害。

只是让每一个正在认真做事的人，能够彼此看见、彼此连接、彼此成就。

每周五晚上，我们继续在这里碰头。

带上你的项目、你的问题、你的经历，或者只是一个还没想明白的念头。

我们一起，再往前走一点点。