今天 Gemini-4-Argon 正式发布了，实测它的长程规划和调度决策能力强得让人后背发凉。 既然模型大脑已经到了这个水位，再拿它当「聊天框里的个人助理」就太浪费了。
我决定做一个为期 7 天 的公开实验： 给 Gemini 4 配齐一台 Mac 电脑、一个独立浏览器、一台专属手机，再配一群 DeepSeek 驱动的 AI 员工，让它替我运营一家软件公司。目标只有一个：7 天内从零做出一款知名付费软件的替代品，并直接免费开源。
一、$1,000 美金预算：Gemini 当高管，DeepSeek 当员工
跑多 Agent 最怕两件事：全用旗舰模型，两天烧穿预算；全用便宜模型，规划一团乱麻。 这次实验里，我用自己写的本地运行时（Munk AI ），把 $1,000 美金 Token 拆成了高低两档：
- $800 美金给 Gemini 4（公司高管 / 总架构师 / 主力研发） 负责守住公司全局记忆、拆解产品需求、攻坚核心代码、制定验收标准，并在关键路口向我的手机发请示。
- $200 美金给 DeepSeek（高频专项员工：实机自测 + 新媒体运营）
- 跑实机自测：桌面与手机 UI 验收要连续跑几十轮「看界面 → 点按钮 → 验状态」，非常吃上下文。底层把控件和 OCR 坐标算好后，交给 DeepSeek 跑既快又省钱，测出 Bug 立刻打回给 Gemini 修；
- 跑全网运营：负责生成小红书配图、用脚本与 FFmpeg 剪辑宣传视频、再控制浏览器去各平台发帖和评论区互动。
二、真手真脚：不止会写代码
光会写代码那叫 IDE 插件，不叫软件公司。我交给了这家 AI 公司三样物理工具：
- 直接操控 Mac 电脑（Computer Use）：就算原生桌面软件没有 API，它也能直接看懂屏幕界面、识别按钮并自己点按操作。
- 独立浏览器 + 专属实体手机：浏览器用来查竞品、看文档、去各平台发帖回评论；桌边配给它的实体手机不仅能测 App，后续连收手机验证码都能自己搞定。
- 自测硬闸：代码写完必须过编译和实机点按自测，不过不准合入主线。
三、7 天实验的死规矩
- 我不写一行代码，不手动发一条帖子。
- 我只负责「手机审批」+「填密码/付款辅助」：关键节点我在手机上点「同意 / 驳回」；遇到首次平台登录或付款时，它呼叫我搭把手（密码绝不进 AI 上下文），登完它继续自己跑。
- 第 7 天交卷 ：不管最终完成度是 80% 还是 100%，做出来的替代软件直接免费开源，同时把背后这家 AI 公司的配置与 Munk AI 开放出来给大家体验。
四、Day 1 / 7：做什么产品，让 Gemini 4 自己调研、决定
今天（10 月 14 日）是 Day 1 / 7。 具体平替哪一款付费软件，我都没有直接定，而是交给了 Gemini 4 自己调研、决定。
我今天给 Gemini 4 下达的第 1 个总目标是：派员工用浏览器去全网调研目前收费贵、呼声高、但还没有公认开源替代品的软件，开一场内部圆桌评估，今晚之前把前 3 个备选立项方案发到我手机上等我拍板。
大家平时有什么「明明功能简单、却非要收高价买断或订阅」的怨念软件？欢迎在评论区提名！ 我会让 AI 员工去抓评论区的高赞提名一起纳入评估，明天 Day 2 正式揭晓最终选定的目标软件并开工写代码！