厨房里测基因组，零代码做出付费 App！AI 时代你的潜力不可限量

前哨五一大促，现在点击拿下

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。

整套测序装备，一张桌子放下

整个流程中，Claude 直接读 Oxford Nanopore（测序设备）的官方 PDF，自己消化仪器读数和数据规范，把流程跑通。

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。

App 一开始会胡编不存在的职位名，“告诉 Lovable 信息要真实”完全没用。最后她改用硬约束，要求

Lovable 必须先在 LinkedIn 上找到该职位的 100 个真实实例，才能展示给用户

第二，让 Claude 当 PM。

她约真实用户做"屏幕共享边用边聊"的可用性测试，讨论记录整份转写直接丢给 Claude，让它总结哪里要改，每访谈完一次就跑一遍。

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）。

Threshold 应用开发者&界面

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：

1. 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

2. 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

3. 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

4. 智能体应用实操案例。不是 demo，是能直接抄走的工作流