小白爱摸鱼
@chaozuoye
一句开场白很冲，手头的活先放一放，去把带宽抬起来。
论证照录。去年年初有过一项大模型发展速度的估算研究，拿模型能独立解决问题的粒度和时长当尺子。那时的顶尖模型大约只够撑几十分钟，想跑小时级的长程任务，不借代码框架基本没戏。眼下的第一梯队已经换了幅面孔，只要配上写得顺手的 skill 和 harness，小时级乃至天级都不在话下，而且这速度还在往上窜。
瓶颈于是挪了位置，从模型挪到了人身上。一个人的需求转化能力、验证能力，加上手里可支配的 token 预算，这三样凑出来的就是他的"带宽"。杠杆随带宽一起放大，带宽抬一寸，能撬动的盘子大一圈。
例子也给了，能搭出一套自动评估加优化体系、让 agent 和 skill 自我迭代的人，会比只拿模型 vibe coding 的人拥有更大的带宽。作者还点了一个名字，poteto 最近非常火，在他看来几乎代表了带宽最强那批人的上限，她那篇强调"量"很重要的推文也一并被提到。
最妙的是后半段的转折，大厂的无限 token 并不是高带宽的必要条件。哪怕只是独立开发者或者自媒体人，每月只付几十上百美金的订阅，照样能靠优化自己的带宽去撬商业杠杆。杠杆翘起来之后，账上反而多出 token 可花，转成了正向循环。
收尾那句总结也留着，还在愁 token 登不完的人，可能需要先想的是怎么提升带宽，而不是去找更多可供消耗 token 的场景。乘法与加法的分野就在这里，带宽上限是乘出来的，不是加出来的。
"瓶颈挪到了人身上"这半句是场重心。前面验收是大头那条讲的是时间怎么重分，这条讲的是人往哪使劲。跟前面主代理那套呼应，那条在流程里分活，这条在人身上分级。两头都在提醒同一件事，工具已经不再是稀缺品，能把工具串成体系的那个人才是。跟前面那间 AI 办公室也接得上，工位摆好之后，真正拉开差距的是坐在工位上的人还能装下多少活。
乘法与加法的分野这个比喻我单独拎出来。加法是多找几个场景，乘法是让每件事自己长出下一件事。两条路的斜率差得不是一点半点。
我留的疑问有三处。带宽怎么具体量化没给；自动评估体系怎么搭没拆；poteto 那篇的原文也没数，这些都在他那条线程里才看得到。
这周给自己记一周带宽账，看有多少时间花在验证上，多少花在转化上。
