INDIGO LIVE / AI Agent, Vibe Coding & Design 现场指南 — 周末氛围直播回放 2026.03.07
没有 PPT，没有脚本，甚至连提纲都没有。这期周末氛围直播的起因很简单——Indigo 的技术搭档 Neethan 飞来温哥华滑雪，结果遇上暴风雪，两个人窝在屋里，聊了两个月来最让他们兴奋也最让他们不安的事：Coding Agent 带来的 10 倍加速，正在改变软件生产的底层逻辑。
话题从杰文斯悖论聊到 Agent Infrastructure，中间穿插了两场现场 Demo——Telegram 接入本地 Claude Code，以及用 Pencil.dev 做 Vibe Design——都是真实项目，现场写、现场跑、现场翻车再现场修。两个小时下来，与其说是直播，不如说是一次关于「AI 到底改变了什么」的即兴对谈。
嘉宾
Indigo（数字镜像博主 / AI 科技投资人）
Neethan（Indigo 技术搭档 / 全栈工程师）
时间轴
00:00:00 开场 - 周末氛围直播 & 嘉宾介绍
00:04:30 软件工程的杰文斯悖论：中小企业胆子变大了
00:11:00 Agent Infrastructure：为 Agent 而建的新基础设施
00:22:00 写作风格提取：让 AI 成为你的数字分身
00:38:00 实战 Demo #1：Telegram × Claude Code 桥接
00:51:00 插曲：Google DeepMind 论文 —— Agent 协作的未来
01:02:00 实战 Demo #2：Pencil.dev × Vibe Design
01:25:00 Telegram Bot 测试 & 研究能力演示
01:38:00 AI 使用的实用建议：别为了省 Token 用次级模型
01:45:00 软件的第四次进化：从 SaaS 到 AI + Context
01:58:00 总结与未来规划
以下是对本期直播的详细梳理
01
杰文斯悖论
当编程变便宜，程序员反而更值钱了
AI 让编程成本暴降，但软件工程师的需求不降反升。
Indigo 亮出一张 Indeed 的数据图：2025 年下半年起，开放的软件工程师职位数量持续走高。所有人都在喊「AI 要取代程序员」，数据讲的却是另一个故事。
这就是杰文斯悖论——一种资源的使用效率大幅提升时，总需求不降反升。电价越便宜用电量越大，AI Token 越便宜用得越多，软件工程也一样。
真正在变的不是需求量，而是需求来源。 过去一家 100-200 人的公司想做定制化 CRM 或 ERP，得养 10-20 人的研发团队，贵到只能买标准化 SaaS；现在有了 Coding Agent，1-2 个懂技术的人就能干原来一个团队的活。
Neethan 讲了个案例：他们拜访的一家温哥华本地金融公司，老板从来没想过要雇技术团队，现在开始认真考虑自建系统了——成本结构变了。这种事不是个例，采购 vs 自建的天平正在行业范围内倾斜。
裁员确实在发生，但不能全归因于 AI——疫情期间的超额雇佣、Block/Jack Dorsey 裁掉 40% 员工这类激进操作，都是混合因素。Indigo 建议跟踪 Shopify 的 Economy Index，比新闻标题靠谱得多。
说白了，职位名称会变——叫「AI Engineer」也好，叫「AI Master」也好——但需求本身不会消失。更重要的是，大量从未雇过技术人员的企业，第一次产生了软件定制的需求。这不是存量的重新分配，这是增量。
02
Agent Infrastructure
不是为人建的，是为 Agent 建的
下一代基础设施的用户不是人类，是 Agent。这个市场才刚开始。
Indigo 提出了一个概念：AI Harness——你为 AI Agent 配置的工具集、环境和工作流的总和。这和传统 AI Infra（算力芯片、电力）不是一回事，AI Harness 关心的是沙盒、文件系统、权限管理、API 接口——是为 Agent 搭建运行环境。
软件正在经历一次分层重组：中间的逻辑层和 UI 层会逐渐消失，数据层和基础设施层还在；逻辑层被 AI 动态生成的代码取代，UI 层由 Agent 根据上下文实时渲染。
Indigo 的推理链很简洁：Everything is Software，AI can build all Software，所以 AI is Everything。听起来像口号，但 Claude Opus 4.5 发布后他们真实感受到了编程能力的跳跃——「从使用角度看，是 10 倍的提升」。
不过这种能力分布极不均匀：大概只有 1% 的人在用 Agent 框架，10% 在用付费 AI 对话工具，用户之间的能力差距可以拉到两年以上。Indigo 的原话：「AI is a reflection of the people who use it。」AI 是使用它的人的镜子。
那么问题来了——当 Agent 成为软件的核心使用者，我们要给它们建什么样的基础设施？
03
写作风格提取
你的数字分身，从一个 Skill 开始
把你过去写的东西喂给 AI，它能提炼出你的写作风格，变成一个可复用的 Skill（技能包）。
Indigo 把自己 2021-2025 年写的 10 多篇文章丢给 Claude，让它提炼写作风格。Claude 总结出了 10 条特征：以宏大叙事开篇、精准落点、情绪弧线（好奇→质疑→认知→哲思）、擅用隐喻、始终回归个人视角。
这套风格指南存成了一个 Skill，以后任何通用内容都可以过一遍，转化成 Indigo 的语气和节奏。说白了，这是在构建数字分身的写作人格——不是让 AI 模仿你，而是让 AI 内化你的审美判断。
这里有个反直觉的原则：不要给 AI 规定路径，给它目标就够了。 Indigo 反复强调：「千万不要告诉 AI 第一步干什么第二步干什么。」AI 大概率比你更聪明，给太多约束反而拉低产出。人该做的是提供「噪音」和意外输入，防止 AI 陷入套路。他的原话：「现在的 AI，大家千万别再问提示词了，直接跟它说话就行。」
04
实战 Demo
Telegram × Claude Code 桥接
搭一个 Telegram Bot 桥接到本地 Claude Code，用手机远程控制 AI Agent——走的是订阅额度，不是按量计费的 API。
Neethan 从一个空文件夹开始，用自然语言描述了需求。Claude Code 先生成了一份规划文档，然后同时派出 3 个子 Agent 并行干活：一个研究 Claude Code 子进程机制，一个搭 Telegram Bot，一个对接 Vercel 的 Chat SDK。
几个工作流值得注意：用 Talon 语音输入快速口述指令，用 Superset 终端管理多个 Agent 会话，以及一个他们反复提到的习惯——「先规划后编码」，永远让 Agent 先出一份 Markdown 计划，确认了再动手。
Indigo 特别补了一句：不懂技术的人别被终端界面吓到——Claude Code 不只是编程工具，它更像一个通用的 AGI 工具；多个 Agent 通过共享文件系统协调，它们能看到彼此的工作成果。
05
Google DeepMind 论文
Agent 不是听你指挥的，是来指挥你的
未来的主要协作不是人和 Agent 之间的，而是 Agent 和 Agent 之间的。
Indigo 引用了 Google DeepMind 近期一篇关于 Agent 协作的论文，两个结论值得细想：第一，未来协作的主体是 Agent 与 Agent，不是人与 Agent；第二，在人机协作中，Agent 会指导人类——恰恰不是反过来。
Elon Musk 的 Optimus 工厂构想其实是同一个思路：一群机器人在地面干活，云端的 Grok 当「超级指挥官」统一调度——Agent Swarm 在物理世界的版本。
这个结论初听有些刺耳，但仔细想想：人类擅长的是定义目标和做出判断，Agent 擅长的是拆解任务和高效执行。让擅长执行的去调度执行流程，让擅长判断的专注判断——这不是被取代，这是各归其位。
06
实战 Demo
Pencil.dev × Vibe Design
AI 不只能写代码，还能直接做视觉设计——多个 Agent 在同一块画布上同时工作，实时生成品牌一致的界面。
Neethan 演示了 Pencil.dev——一个可以被 Claude Code 直接操控的可视化画布。他们提前构建了一套设计系统（VI/品牌识别），涵盖色彩、字体、间距、动效规则和设计哲学；Logo 和配色由人类设计师完成，其余全部交给 Claude。
Demo 里 Claude 被要求创建 3 个页面：Landing Page、博客/文章页、产品索引页。画面上 3 个 Agent「光标」同时在动——分别叫 Amber、Marriage 等——通过画布底部的文字互相沟通，字体、颜色、布局都严格跟着品牌规范走，图片由 Gemini 实时生成。
后面又追加了亮色主题和移动端响应式版本的需求，Agent 也顺利搞定，设计成果可以直接导出为开发代码。Indigo 说了句：「Claude 的审美还是不错的。」整个过程就是一次 Agent Swarm 的实况演示——不是一个 Agent 在干活，而是一群 Agent 在协作。
07
别省钱
AI 使用的几条实战建议
永远用你能拿到的最强模型。瓶颈不在 AI，在你。
关于模型选择： 「千万不要为了省 Token 去用一个次级模型」——在弱模型上来回沟通烧掉的 Token，远比用顶级模型一次搞定的成本高。推荐 Claude 4.6 / GPT 5.4 / GLM-5（均为 Claude 4.5 级别）。
关于工具： Claude Code 和 Codex 能力相当，在用哪个就继续用，不必来回切换；Pro 和 Max 订阅的区别只是用量，智能程度一样。
关于语言： 用你能最清晰表达自己的语言就行——英语在技术术语上更精确，但如果中文说得更自然那就用中文，关键是表达清不清楚，不在于用哪种语言。
关于瓶颈： 「你要感受最好的模型它的边际在哪。」模型的推理和逻辑能力已经很强了，人才是瓶颈——你的提问质量、上下文管理能力、判断力，决定了 AI 产出的上限。
08
软件的第四次进化
从 SaaS 到 AI + Context
软件正在经历第四次范式转移：未来的软件 = AI 模型 + 动态上下文 + 人类连接器 + Agent。
Indigo 梳理了软件的四个时代：第一代，软盘拷贝加授权码；第二代，互联网下载和共享软件；第三代，云端 SaaS；第四代，AI 模型 + 动态 Context（上下文）+ 人类连接器 + Agent。
Anthropic CEO Dario Amodei 的说法被提到：持续学习等于不断增长的上下文，不是重新训练模型。Anthropic 在扩展上下文窗口时很谨慎，追求质量而不是单纯堆长度；Google 的路径不同——Gemini/Titans 架构从另一个方向切入，保持 KV Cache 精简的同时扩大有效记忆容量。
推到极端：所有能在电脑上完成的业务本质上都是「软件公司」，你只需要维护好上下文。人的角色不再是「生产者」，而是「连接器」（Connector）——连接业务需求和 AI 能力。
关于焦虑，Indigo 的态度很直接：人类一直是生产环节的瓶颈，AI 把人从生产中解放出来，这是机会而不是威胁。「Paradigm is shifting，我们没有必要在旧的范式里面一直保持防守。」
尾声
结构性变化已经发生了——中小企业对软件定制的需求在爆发，SaaS 的垄断地位在松动，新型软件顾问和外包模式正在长出来。这不是「程序员失业」的故事，这是「所有人都开始写代码」的故事。
Agent Swarm 已经是现在进行时。从 Telegram Bot 到 Pencil.dev 设计，多 Agent 并行协作从论文走进了日常工作流；Agent 与 Agent 协作、Agent 调度人类，正在成为常态。
从软盘到 SaaS 用了 30 年，从 SaaS 到 AI + Context 可能只要 3 年。在这个转变里，持续学习和上下文管理会取代传统的代码编写，成为软件工程的核心能力。
Indigo 最后说了一句：「你可以终于去干你自己想干的事了。」
范式正在转移。你是在旧范式里防守，还是在新范式里进攻？