250名开发者24小时实录：香港黑客松里的AI创业样本

香港一场名为 SeaHack（C-Hack）的黑客松吸引了来自十余个国家的 250 多名开发者和创造者，在 24 小时内组队、搭建、提交项目。Free Code Camp 创始人 Quincy 作为评委全程记录了这场活动。相比一年前首届仅 50 人的规模，这届实现了 500% 的增长，而其中最值得关注的，是 AI 工具如何重塑了普通人"从想法到可运行产品"的路径。

非技术背景者的"六小时 MVP"

这场黑客松最具冲击力的细节，来自一支由南非的 Connor 和香港的 Cindy 组成的团队。他们在做一个帮助 NGO 识别和招募志愿者的平台——核心洞察是很多非营利机构把大量预算花在营销代理上招募志愿者和赞助商，而这笔钱本该流向真正值得的人。

真正有意思的是他们的背景：Cindy 来自市场营销，Connor 来自金融，两人都没写过代码，甚至连 Visual Studio Code 都没下载过。"但有了 AI，一切皆有可能，"Connor 说，"把一个想法在六小时内变成 MVP，真的很有意思。"

这不是孤例。现场另一位参与者坦言自己到得很晚，却"学会了写代码，并且现在能做出东西了"——他用 Claude Code 和主办方发放的 token 额度，做出了一个标注自然资源和肥沃土地的地图叠加层。AI 编程工具正在把黑客松的门槛从"会不会写代码"降到"有没有一个值得做的想法"。

MVP（Minimum Viable Product，最小可行产品）是精益创业方法论中的核心概念，指用最少资源构建出能验证核心假设的产品版本，目的是快速获得真实用户反馈，而非追求功能完整。传统上，六小时内完成一个 MVP 对非技术创始人几乎不可能——他们需要先找技术合伙人，或者花费数周学习基础编程。Claude Code、Cursor 等 AI 编程助手的出现改变了这一前提：用户用自然语言描述需求，AI 自动生成代码框架、调试错误、部署应用。Vercel 等平台则进一步压缩了从"代码"到"可访问网页"的时间，使整个链条可以在几小时内由非技术人员独立完成。黑客松的"token 额度"是指主办方为参赛者预先购买的 AI API 调用配额，使参与者无需承担 AI 服务费用即可充分使用工具。

本地化与隐私：从 Cantonese 到本地 AI

地域特色在项目选题中体现得淋漓尽致。Jenny 和 Coco 两位香港本地选手做了一款教粤语发音的 App，用户录音后能检测发音是否准确并给出纠正，还计划加入粤语六声调可视化和粤语流行歌词跟唱评分功能——把学语言和听 Canto-pop 结合起来。

另一个方向更值得深思。香港本地开发者 Michael 做的 CRM 工具 REFT，核心主张是"我们的对话不应该成为下一代 AI 的训练数据"。这款工具直接连接香港中小企业主常用的 WhatsApp 和 Telegram，用完全本地运行的 AI 模型审阅聊天记录、建议回复、提取客户关系摘要，所有数据都存储在本地、永不上传云端。

他强调在"近年制造的任何电脑"上都能高效运行而不占用过多资源，瞄准的正是 AI 时代日益增长的隐私焦虑。这代表了一类清晰的产品思路：当大厂把数据作为训练燃料时，"本地优先"本身就是差异化卖点。

REFT 所采用的"本地运行 AI 模型"技术路线，通常依赖 Ollama、LM Studio 等开源框架，将 Llama、Mistral 等参数量较小的开源模型（通常 7B 至 13B 参数）部署在用户本机 CPU 或 GPU 上运行，无需将数据发往 OpenAI、Anthropic 等云端服务器。这类方案的代价是推理速度和能力上限不及云端大模型，但对于摘要、分类、草拟回复等结构化任务已基本够用。WhatsApp 和 Telegram 均提供本地数据导出或 API 接入能力，允许第三方工具在不经过其服务器的前提下读取聊天记录。对香港中小企业主而言，WhatsApp 是最主流的客户沟通渠道，将 AI 能力嵌入这一场景具有直接的商业价值，而"数据本地化"在《个人资料（私隐）条例》的监管语境下也有合规层面的吸引力。

当所有人都在做"借贷 Tinder"

金融科技成了扎堆的赛道。有团队直接做了"Tinder for Loans"——借款人提交类似 YC 风格的申请视频（含 AI 生成的还款计划和所需金额），放贷方像刷交友软件一样浏览，右滑接受、左滑跳过，还能查看基于区块链的审计日志来核验借款人历史。

另一支团队 Terry 则做了 AI 贷款系统，让用户通过简单对话完成原本繁琐的清单填写和申请，AI 评估后把结果反馈给管理员，省去人工沟通环节。还有团队做了"合规催收语音 Agent"——客户留下姓名电话后，基于本地监管规则的语音 Agent 立即跟进，把信息快速收集后交给已有的决策 Agent。

玩具推荐也成了热门。至少两支团队围绕一家名为 Apple Park 的玩具公司做推荐系统，针对的痛点是"给别人家孩子买礼物时不知道选什么"，用对话式 LLM 收集孩子信息后生成故事并匹配合适的玩偶。选题的高度重合，也侧面反映了 AI 时代"包装层创新"的同质化风险。

评委视角：AI 生成痕迹成了减分项

纪录片难得地呈现了评委的真实评议过程，这部分信息价值很高。评委按 startup、industry、community 三个赛道打分，第一轮看两分钟 pitch 视频，每个赛道选出前三进入现场路演，最终每个赛道决出一名胜者。

评议中有几个判断标准反复出现：实现可能性（"没有什么能阻止它成为真正的产品"）、市场规模、留存（"用几次就搞懂了，不会反复回来用"）、以及问题是否真实（"这是个我无法共情的想象出来的问题"）。

最辛辣的一条点评针对 AI 生成的界面："这太 Claude 了。Claude 特别不擅长的就是堆砌过多解释性文字。"评委指出一个落地页上出现了三个标题而非一个，"就是这些小细节让我抓狂。"这给所有用 AI 快速生成产品的开发者提了个醒——AI 能帮你跑完 80%，但那些暴露工具痕迹的细节，恰恰是评委和用户最先注意到的地方。

评委提到的"这太 Claude 了"现象，指的是 Claude 等大语言模型在生成 UI 文案或落地页内容时，倾向于输出结构过于完整、解释性语言堆砌的文本——多个并列标题、大量子弹点、反复强调同一功能的不同表述。这种风格源于模型训练数据中文档和说明类文本占比较高，生成时会默认追求"信息完整性"而非"视觉克制"。成熟的产品设计通常遵循相反的原则：一个页面一个核心信息、标题应制造张力而非描述功能。这一评审反馈揭示了 AI 辅助开发的典型盲区——AI 工具能快速搭建结构和逻辑，却难以内化特定场景下的审美判断和用户心理，而这部分恰恰是区分"AI 生成物"与"产品"的关键。开发者若直接采用 AI 的第一版输出而不加人工打磨，就容易在最显眼的界面层暴露工具痕迹。

香港作为"东西方桥梁"的定位

组织者 Chynette 是土生土长的香港人，也是 MentorMates 创始人、这场黑客松背后的推动力量。她对香港科技生态有清晰的判断：当下关于"AI 的未来在中国还是美国"的讨论很热，而她的答案是"两者共同驱动"。

"没有比香港更好的地方来发现这一点，"她说，香港既毗邻深圳和大湾区，又保有国际化视野，能同时接入海外的 AI 模型、人才和基础设施，是"东西方交汇"的天然桥梁。

Stanford 讲师、连续创业者 John Whaley 则从方法论层面点出了黑客松的价值："约束催生创造力。当你有紧迫的截止时间，一切非本质的东西都被剥离，逼着你想出有创意的解决方案——这才是真正价值被创造的地方。"

结语：重要的不是完赛

纪录片结尾有个动人的细节。不少团队在 3:30 的截止线前手忙脚乱地往 Vercel 部署、上传 localhost 录屏、甚至连选对赛道都成了难题。有人没能按时提交，有人项目根本没做完。

但当被问到"对这个周末的成果满意度打几分"时，那位没完赛的参与者说："虽然项目没真正做完，但我学到了很多，现场有很多专家，我非常满意。"Quincy 也分享自己曾有过无法按时完成、交不出任何东西的黑客松经历。

"如果你感到怯场，别怕，走出去，动手做就好。"这或许是 AI 降低创造门槛之后，最该被传递的态度。