![\"\"](\"04-资产库/封面图/20260718-ai工具换皮市场延展篇/x-cover.png\")
上一篇写 Codex 皮肤，很多人第一反应是：
\n这玩意儿也能卖钱？
\n答案已经摆在闲鱼上了：Codex 皮肤、界面私人定制，99 元一单，工期 1 到 5 天。聊天素材里还有人说，朋友一天卖了 1300 多。
\n这篇不再拆“怎么挂闲鱼”。
\n上一篇讲的是一个订单，这篇讲订单背后的市场。
\n我越查越觉得，这事不能当成小聪明看。
\nAI 工具换皮，会从一门闲鱼手艺活，长成 AI 工作台时代的个性化消费。
\n原因很简单：人类一直在给高频界面换皮。
\n播放器要换皮，输入法要换皮，手机要换壁纸，聊天软件要换主题，游戏英雄要换皮肤，开发工具要换主题。
\n现在 AI 工具开始变成新的高频界面。
\n用户每天打开 Codex、Cursor、ChatGPT、Claude Code，把任务丢进去，看它运行，等它要输入，等它完成，等它报错。
\n当一个工具从“偶尔用一下”变成“每天盯着等结果”，它迟早会被用户改造成自己的空间。
\n这条路，互联网已经走过很多遍。
\n讲 AI 工具换皮，别一上来就讲海外 SaaS。
\n中国用户早就用脚投过票。
\n2011 年 5 月 23 日，多玩 LOL 盒子上线本地换肤功能。到 2014 年 5 月，多玩项目组公告下线这个功能，前后接近三年。
\n本地换肤的刺激点很朴素：
\n对面看不见。
\n队友看不见。
\n只有自己看得见。
\n照样一堆人用。
\n这才是理解 Codex 皮肤的入口。
\n很多人以为皮肤价值来自炫耀，来自别人看见。
\nLOL 盒子给过一个更粗暴的答案：自己看得爽，也能驱动安装、折腾、传播和依赖。
\n当年有人为了让自己的亚索、盲僧、EZ 在本机屏幕里换个造型，愿意装工具、研究设置、忍受插件更新。
\n今天有人为了让自己的 Codex 变成明星 Idol 工作台、二次元痛界面、OC 桌宠工作室，花 99 元让别人帮忙搞定。
\n这两件事中间隔了十几年，欲望没变。
\n变的是场景。
\n从游戏局内，换到了 AI 工作台。
\n![\"\"](\"04-资产库/配图/20260718-ai工具换皮市场延展篇/01-high-frequency-interface.png\")
这股执念比 LOL 盒子还早。
\nWinamp Skin Museum 到 2024 年已经收录超过 10 万款皮肤。
\n想想这个数字。
\n10 万款播放器皮肤。
\n播放器只是拿来放歌，用户照样把金属、赛博、动漫、明星、游戏、怪异审美全部塞进它的外壳里。
\n这说明一件事：只要一个软件在用户日常里出现得足够频繁，默认界面就会让一部分人不爽。
\n他们想改。
\n他们想让它像自己。
\n输入法也是同一个逻辑。
\n搜狗输入法官方皮肤站上，设计师“景诺”310 款作品累计下载 5242.3 万。
\n一个输入框，能让单个设计师拿到五千多万次下载。
\n你说 Codex 换皮不是好生意？搜狗 2020 年营收 9.247 亿美元你知道吗？
\n口径要讲准：这个数字不能算皮肤收入。搜狗 2020 年全年营收 90.6% 来自搜索及搜索相关广告；同时，2020 年 12 月搜狗移动键盘日活达到 4.73 亿。
\n这组数字打出来，结论很硬：
\n高频界面能接住注意力，注意力能接住商业化。皮肤让一个工具从“能用”变成“我愿意天天用”。
\nCodex 现在也在走向高频界面。
\n当 AI 从聊天窗口变成工作台，皮肤就从“换个颜色”变成“改造我的工作空间”。
\n![\"\"](\"04-资产库/配图/20260718-ai工具换皮市场延展篇/02-ai-task-status.png\")
再把视角拉大一点。
\nLINE Creators Market 上线三周年时，官方披露：注册创作者 72 万，表情和主题超过 40 万组，累计销售额超过 479 亿日元，约 4.21 亿美元。
\n表情和主题为什么能卖这么多？
\n因为聊天软件是日常表达。
\n用户不是在买几张图，用户在买“我怎么出现在对话里”。
\nSteam Workshop 到 2015 年初，已经向 75 个国家超过 1500 名创作者支付超过 5700 万美元。
\n游戏道具为什么能养创作者？
\n因为游戏外观是身份。
\n用户不是在买一堆贴图，用户在买“我怎么出现在游戏里”。
\nZedge 更直接，它做壁纸、动态壁纸、铃声、通知音。2025 财年，Zedge 披露月活 2330 万、活跃订阅用户 98.4 万，订阅收入 509.3 万美元，Premium GTV 261.7 万美元。
\n壁纸、铃声、通知音，都是很轻的东西。
\n轻到很多人会下意识看不起。
\n市场不会因为你看不起就消失。
\n只要它占据日常，只要它能表达身份，只要它能被分享和展示，就有人付费。
\nRoblox 这个参照更大，不能把它当作皮肤市场收入，但它能显示数字身份经济的上限。Roblox 2025 年开发者兑换费用 15.031 亿美元；平台里的可交易内容包括体验、整套 avatar、配饰、服装、身体、头部、IP 授权和插件等。
\n这些案例放在一起，结论已经很清楚：
\n用户会为“我在某个高频空间里长什么样”付费。
\n过去这个空间是聊天框、游戏地图、手机桌面。
\n接下来这个空间会变成 AI 工作台。
\n传统皮肤卖静态体验。
\nAI 工具皮肤多了一个非常关键的东西：任务状态。
\nCodex Pets 已经支持内置宠物和自定义宠物，宠物状态包括 Running、Needs input、Ready、Blocked。
\n这就很有意思了。
\n普通壁纸只能挂在那里。
\nCodex 宠物可以跟任务一起动。
\nRunning，它在干活。
\nNeeds input，它把你叫回来。
\nReady，它告诉你结果好了。
\nBlocked，它告诉你出问题了。
\n这一下，皮肤就从视觉装饰冲进了交互层。
\n用户等待 AI 的时候，不再只看一行进度或一段日志。他可以看见自己的角色在工作、等待、提醒、庆祝。
\n明星 Idol 款，可以做成应援色工作台加 Q 版提醒动作。
\n二次元款，可以做成角色待机、冒汗、施法、庆祝。
\n个人 IP 款，可以做成自己的 AI 助理形象。
\n公司内部款，可以做成团队 mascot，把 boring 的自动化任务变成一个可识别的内部工具。
\n这就是 AI 工具换皮比传统主题更有商业张力的地方。
\n它改的不只是背景、颜色、字体。
\n它改的是用户等待 AI 干活时的情绪。
\n等待，是 AI 工具每天都会制造的场景。
\n谁能接住这个等待，谁就能把皮肤做成产品。
\n现在看 Codex，信号已经很完整。
\n第一个信号：有人开始收钱。
\n闲鱼 99 元定制、1 到 5 天交付、聊天里有人说一天卖 1300 多。这个信号够直接。
\n第二个信号：有人开始做基础设施。
\nCodex-Dream-Skin 现在已经约 8.3k stars、880 forks。它做的是 Codex 换肤管理器、皮肤库、安装和恢复这一类能力。
\n一个项目拿到这个关注度，说明需求已经超过“我自己改着玩”。
\n第三个信号：有人开始堆供给。
\nCodexPets.net 当前显示 842 个宠物。
\n这很像早期资源站。
\n先有人分享，后有人筛选，再有人做榜单，然后有人开始卖更精致的包。
\n第四个信号：官方给了接口。
\nCodex Pets 已经支持自定义宠物，且宠物状态和任务状态绑定。
\n这点非常关键。
\n很多换皮生意死在“只能野路子改客户端”。一旦官方把某些自定义入口放出来，市场就会从地下折腾变成半开放创作。
\nVS Code 已经走过这条路。颜色主题、文件图标主题、扩展市场都是成熟能力，扩展市场甚至可以出现虚拟宠物。
\n开发者工具一直有个性化市场。
\nAI 工作台会把它放大。
\n因为 AI 工作台比代码编辑器多了一个情绪场景：你在等一个“代理”替你做事。
\n这时候，角色感会变得特别值钱。
\nAI 工具换皮的市场，不会一开始就长成大平台。
\n它会从最土的地方开始：帮我搞定。
\n很多用户看到效果图会心动，但卡在三件事：
\n我不会装。
\n我怕装坏。
\n我不知道更新以后怎么办。
\n所以第一批收钱的人，未必审美最强。他们胜在能把这件事完整交付。
\n你给他一个明星 Idol 参考图，他能做出主题、宠物、安装包、教程和售后。
\n你给他一个二次元角色，他能做出状态动作、背景图、配色和预览视频。
\n你给他一个个人 IP，他能做出一套可截图、可发朋友圈、可放进教程里的 AI 工作台。
\n![\"\"](\"04-资产库/配图/20260718-ai工具换皮市场延展篇/03-done-for-you-delivery.png\")
第一阶段卖定制。
\n第二阶段卖主题包。
\n第三阶段卖管理器。
\n第四阶段卖生成器和市场。
\n这条路径很清晰。
\n定制服务解决“我想要一个属于我的”。
\n主题包解决“我看见这个就想用”。
\n管理器解决“我不想折腾安装和恢复”。
\n生成器解决“我想自己上传图自动生成”。
\n交易市场解决“我想在一个地方找到所有好看的”。
\n每一层都能收钱。
\n每一层吃的能力也不一样。
\n![\"\"](\"04-资产库/配图/20260718-ai工具换皮市场延展篇/04-market-layers.png\")
设计师吃审美和样品。
\n开发者吃安装、适配、恢复和更新。
\n内容博主吃教程、榜单和分发。
\nIP 方吃角色、授权和粉丝付费。
\n平台方吃交易、分成和信任。
\n现在给 AI 工具换皮算 TAM，很容易变成吹牛。
\n更有用的是先算几笔小账。
\n第一笔，定制工作室。
\n客单价 199 元，每月 100 单，就是 1.99 万元月收入。
\n这个模型不需要大平台。闲鱼、小红书、X、社群、粉丝群，都能拿到第一批订单。
\n第二笔，主题包。
\n29 元一套，1 万个付费用户，就是 29 万元 GTV。
\n这条线吃传播。截图越强，越适合做爆款包。
\n第三笔，管理器订阅。
\n19 元每月，5000 个付费用户，就是 114 万元 ARR。
\n这条线吃稳定。用户愿意为“更新以后还能用”“坏了能恢复”“新版本有人维护”付费。
\n第四笔，交易市场。
\n年 GTV 1000 万元，平台抽 20%，就是 200 万元年收入。
\n这条线吃供给、搜索、支付、审核和版权标识。
\n这四笔账都不需要幻想所有 AI 用户都付费。
\n只要 AI 工具里出现一批高频用户、粉丝用户、审美用户、怕麻烦用户，市场就能先跑起来。
\n很多机会死在一个习惯里：
\n等官方。
\n等平台出商店。
\n等生态成熟。
\n等别人先证明能赚大钱。
\n等到那一天，第一批自然流量和低成本订单已经被别人吃完。
\n现在能做的事很明确。
\n设计师可以先做 10 套样品：明星 Idol、二次元、乙游、虚拟主播、个人 IP、品牌工作台各来一套。
\n前端开发者可以先做安装器：预览、切换、恢复、版本检测、素材路径管理。
\nAI 教程博主可以先做内容：Codex 怎么换皮、宠物怎么生成、哪些主题好看、第一单怎么接。
\n有 IP 的人可以先做自己的角色：让它成为 Codex 宠物、教程封面、工作台陪伴角色。
\n想做平台的人可以先做榜单：收集、筛选、预览、评分、下载。
\n别一上来就想着做大而全。
\n这个市场的第一步很土：
\n做一个能让人截图发出去的样品。
\n找 10 个愿意付费的人。
\n把安装和售后跑通。
\n再把重复需求打包成产品。
\n这比喊“AI 个性化生态”有用多了。
\n上一篇看到的是闲鱼 99 元。
\n这篇继续往下挖，看到的是一条老路重新开张。
\nWinamp 证明软件外壳能被用户玩成文化。
\nLOL 盒子证明自己看得见也能形成强需求。
\n搜狗输入法证明高频界面能接住巨大注意力。
\nLINE、Steam、Zedge、Roblox 证明表情、主题、外观、数字身份可以养创作者。
\nVS Code 证明开发工具个性化不是伪需求。
\nCodex 宠物把这条线推进到 AI 工作台。
\nAI 工具换皮的价值，藏在用户每天等待 AI 干活的那些分钟里。
\n那几分钟里，有焦虑，有无聊，有期待，有成就感。
\n默认界面只能让用户等。
\n个性化界面可以让用户觉得：这是我的工作台，我的角色，我的 AI 助手，我的空间。
\n这就是钱会出现的地方。
\n别再只盯着那张闲鱼截图。
\n99 元订单只是第一声响。
\n后面会长出主题包、宠物库、管理器、生成器、交易市场、IP 联名和教程生意。
\n现在最该问自己的问题很简单：
\n你准备站在哪一层？
\n做样品，做工具，做角色，做榜单，做教程，做市场。
\n选一个，先跑第一单。
", "date_published": "2026-07-18T08:00:00.000+08:00", "date_modified": "2026-07-18T08:00:00.000+08:00", "tags": [ "X长文", "阿川", "content", "Codex", "AI工具", "换皮经济" ] }, { "id": "https://blog.imachuan.com/%E4%BB%8E%20LOL%20%E7%9B%92%E5%AD%90%E5%88%B0%20Codex%EF%BC%9A%E6%8D%A2%E7%9A%AE%E7%BB%8F%E6%B5%8E%E5%8F%88%E5%9B%9E%E6%9D%A5%E4%BA%86", "url": "https://blog.imachuan.com/%E4%BB%8E%20LOL%20%E7%9B%92%E5%AD%90%E5%88%B0%20Codex%EF%BC%9A%E6%8D%A2%E7%9A%AE%E7%BB%8F%E6%B5%8E%E5%8F%88%E5%9B%9E%E6%9D%A5%E4%BA%86", "title": "从 LOL 盒子到 Codex：换皮经济又回来了", "summary": "从多玩 LOL 盒子、Winamp、搜狗输入法、LINE、Steam 到 Codex Pets，拆开 AI 工作台换皮背后的真实市场。", "content_html": "", "date_published": "2026-07-18T07:30:00+08:00", "date_modified": "2026-07-18T07:30:00+08:00", "tags": [] }, { "id": "https://blog.imachuan.com/20260717-%E4%BD%A0%E4%BB%A5%E4%B8%BAAI%E5%9C%A8%E6%8F%90%E6%95%88-%E5%AE%A2%E6%88%B7%E5%8D%B4%E5%9C%A8%E7%AD%89%E4%BD%A0%E9%99%8D%E4%BB%B7", "url": "https://blog.imachuan.com/20260717-%E4%BD%A0%E4%BB%A5%E4%B8%BAAI%E5%9C%A8%E6%8F%90%E6%95%88-%E5%AE%A2%E6%88%B7%E5%8D%B4%E5%9C%A8%E7%AD%89%E4%BD%A0%E9%99%8D%E4%BB%B7", "title": "你以为 AI 在提效，客户却在等你降价", "summary": "你以为 AI 在提效，客户却在等你降价 一人公司的未来，就是 FDE AI 第一波打掉的，是自由职业者的报价权。 客户以前找你写文案、做海报、搭网站、剪视频。现在，他把需求扔进 AI，几分钟就能拿到一个及格版本。 你以为 AI 让自己效率提高了十倍。客户看到的却是：这件事应该更快，也应该更便宜。 当同行都能调用同样的模型、复制同样的工作流、生成差不多的成品，", "content_html": "\n一人公司的未来，就是 FDE
AI 第一波打掉的，是自由职业者的报价权。
\n客户以前找你写文案、做海报、搭网站、剪视频。现在，他把需求扔进 AI，几分钟就能拿到一个及格版本。
\n你以为 AI 让自己效率提高了十倍。客户看到的却是：这件事应该更快，也应该更便宜。
\n当同行都能调用同样的模型、复制同样的工作流、生成差不多的成品，“会用 AI”很快就会从优势变成标配。标配没有溢价，熟练工只会越来越卷。
\n但另一群人，正在拿走完全不同的价格。
\nOpenAI 在纽约招聘 FDE，公开的基础年薪是 16.2 万—28 万美元，另加股权。
\n在生财，一位做 AI 企业服务的创业者，把企业内训卖到 1—3 万元，把一套工作流定制卖到 10 万元，代运营单项目最高做到 100 万元。
\n另一位 22 岁、不会手写代码的从业者，帮一家香港移民机构搭了 3 套自动化系统。原来要 2—3 个人忙一整天的工作，压缩到 3 小时自动跑完；一个月后，客户在豆包搜索做到第一，每天获得 10—20 个精准咨询，客单价 5 万—25 万元，月 GMV 达到百万元。
\n还有人靠一次线下分享拿到 5000 元的第一单，有人做几个月 AI 企业服务就突破六位数。
\n同一股 AI 浪潮，正在制造两种命运：
\n一边是文案、设计、建站、剪辑和基础工作流被迅速压价；一边是能把 AI 接进企业获客、内容、客服、销售和管理流程的人，开始按万元收交付费。
\nAI 越普及，卖技能越便宜；离业务结果越近，价格越高。
\n这门生意正在拥有一个越来越清晰的名字：FDE。
\n一人公司的未来，就是成为 FDE。
\n![\"\"](\"04-资产库/配图/20260717-FDE/01-comparison-quote-rights.png\")
第一条倒计时，是技能的保质期。
\n你刚学会一个新工具，教程已经满天飞；你刚把它包装成服务，平台就推出一键功能；你还在靠信息差接单，客户已经能用自然语言让 AI 自己完成。
\n过去一项技能可以吃三年、五年。现在，一项工具能力可能几个月就失去溢价。
\n第二条倒计时，是客户的耐心。
\n客户会越来越频繁地问：“这个用 AI 几分钟就能做吧？”他看不见你调试、筛选和返工的过程，只看见生成按钮越来越多。只要你交付的仍是一篇文案、一张图、一个网页，客户就会拿你的报价和 AI 的生成成本比较。
\n第三条倒计时，是你的时间。
\n零散订单越多，你越忙；客户越多，沟通越碎；收入想翻倍，工作量也要跟着翻倍。AI 可能让你一天多接几单，却没有解除收入对工时的绑定。
\n最危险的状态，是每天都在学 AI、每天都比昨天更忙、报价却一年比一年低。
\n如果你最近已经遇到下面三个信号，转型窗口正在缩小：
\n继续学更多工具，只会让你在原来的赛道上跑得更快。你需要换一个出售单位：从交付作品，升级到交付业务结果。
\n![\"\"](\"04-资产库/配图/20260717-FDE/02-infographic-three-countdowns.png\")
FDE 的全称是 Forward Deployed Engineer，常译为前沿部署工程师。
\nOpenAI 对这个岗位的描述很直接：FDE 要和客户一起完成需求发现、技术范围界定、系统设计、开发和生产部署，并用生产采用率、工作流影响和评估反馈衡量成功。
\n翻译成自由职业者听得懂的话：
\n你要走进客户的业务，找到最堵、最贵、最耗人的环节；用 AI 做出能运行的方案；把方案接进客户每天都在使用的生产线；上线后继续盯数据、修问题、迭代结果。
\n客户不关心你用了几个模型，也不会因为你的工作流有 50 个节点就多付钱。
\n客户愿意付钱，是因为：
\n企业购买的从来都是更低的成本、更高的收入、更快的速度和更少的错误。
\n自由职业者卖一份交付物，客户会比较单价。FDE 改造一条业务流程，客户会计算收益。
\n前者会被 AI 的成本不断向下挤压，后者可以参与客户创造的新价值。
\nAI 让工具变便宜，也让“把工具装进业务并跑出结果”的能力变贵了。
\n这正是自由职业者的窗口。
\n过去做企业数字化项目，需要销售、产品经理、设计师、前端、后端、测试和运维。项目还没启动，人力成本已经堆起来了。
\n现在，一个人带着 Codex、Claude Code、飞书和一组 Agent，可以完成需求整理、原型设计、开发、测试、文档和迭代。遇到陌生模块，再临时调用有经验的协作者。
\n一人公司的组织方式因此发生了变化：核心负责人只有一个，背后连接 AI 员工、垂直专家和弹性协作网络。
\nFDE 刚好站在这个结构的中心。他既是销售，也是产品经理；既能理解业务，也能组织 AI 完成交付；既要做出 Demo，也要把 Demo 推进到生产环境。
\n对自由职业者来说，还有一个更现实的优势：你过去积累的行业经验突然可以重新定价。
\n做过电商，就去解决商品上新、客服、投放和内容生产；做过教育，就去解决招生、题库、批改和学员跟进；做过财税，就去解决票据、核对、报表和客户服务；做过自媒体，就去解决选题、生产、分发和数据复盘。
\n纯技术选手需要花很久理解业务，你已经知道客户每天在为什么抓狂。
\n行业经验加上 AI 交付能力，会形成一份很难被低价复制的报价单。
\n![\"\"](\"04-资产库/配图/20260717-FDE/03-framework-fde-operating-system.png\")
“我做 AI 企业服务”没有购买理由。
\n“我帮本地教培机构把招生内容生产和销售跟进自动化”才有。
\n“我会搭智能体”也很难成交。
\n“我帮外贸团队自动读取产品资料、生成英文回复并跟进询盘”更接近订单。
\n先从你熟悉的行业里，挑一个高频、重复、耗人，而且老板能算出账的场景。获客、成交、交付、人力成本和错误率，通常比“让员工更方便一点”拥有更高的付费优先级。
\n面对传统企业老板，直接问“你有什么 AI 需求”，大概率只能得到一句“我也不知道”。
\n换成四组问题：
\n把答案整理成一张业务流程图，再找出一个最短的价值闭环。FDE 的第一份交付物，应该是对问题的准确诊断。
\n没有案例时，先找一个小客户，低价甚至免费做出最小闭环。
\n别急着改造整家公司。先完成一个能被验证的动作：自动整理线索、自动生成一类内容、自动回复一种询盘、自动监控一个数据源。
\n让客户尽快看到“原来要 3 小时，现在只要 10 分钟”。这个前后对比会成为你的案例、内容、销售材料和下一次报价的依据。
\n5000 元的第一单，往往比闭门学习三个月更接近 5 万元的下一单。第一单还会带来四份资产：真实需求、真实踩坑、真实数据、真实背书。
\n同一套工作流，有人收 800 元，有人收 8000 元，也有人收 8 万元。价格受到客户类型、问题价值、案例背书和交付深度影响。
\n可以把产品设计成三层：
\n报价时，先算客户一年能省多少钱、增加多少收入、减少多少错误，再确定你能获得其中多少价值。
\n只按自己的开发天数报价，收入会永远被工时锁住。
\n生财案例里，有人把高客单代运营做到 100 万元，最后仍然决定砍掉这类业务。原因很简单：项目能赚钱，交付太重，再加一家客户就没有时间。
\n轻交付需要三个动作：
\n同时，把需求问卷、流程图、提示词、代码模块、测试集、验收标准、培训文档和运维清单沉淀下来。它们会逐渐变成你的 Skill、Agent 和行业解决方案。
\n自由职业靠你重复干活，FDE 靠资产重复创造结果。
\n![\"\"](\"04-资产库/配图/20260717-FDE/04-flowchart-seven-day-roadmap.png\")
一人公司最容易掉进的陷阱，是看起来很自由，收入却依然绑定每一个小时。
\n写一篇文案收一次钱，做一张图收一次钱，搭一个工作流收一次钱。AI 让你做得更快，客户也会期待你收得更便宜。
\n以后和你竞争的，除了同行，还有客户自己的 Agent。
\n你的价值如果停留在操作工具，交付得越多，客户学会替代你的速度可能越快。
\n你会看到一种越来越残酷的分化：会做的人迅速增加，能对业务结果负责的人依然很少；基础服务的报价一路向下，企业为增长、降本和流程改造准备的预算却在向上集中。
\nFDE 提供了另一条路：深入一个行业，拥有一个结果，跑通一套交付，再把交付沉淀成系统。客户付费购买的，是一条能持续运转、持续产生价值的生产线。
\n未来，自由职业者之间的差距会越来越明显。
\n一类人继续展示自己会多少工具，争夺越来越便宜的零散订单。
\n另一类人可以坐到老板对面，说清楚：
\n“给我这个流程、这些数据和一个判断标准，我把结果交给你。”
\n后者会拿走更大的预算、更长的合同，也会积累越来越厚的行业资产。
\n所以，今天别再问下一个 AI 风口是什么。
\n接下来的七天，只做三件事：找一个你熟悉的行业，约谈三位老板，做出一个能证明结果的 Demo。
\n一个月后，如果你还在收藏工具、研究提示词、等待自己“准备好”，更低价的同行和更强的 Agent 不会等你。
\n一人公司的终局，可能没有员工，但一定会有客户、有生产线、有一群 Agent，以及一个愿意为结果负责的 FDE。
\n---
", "date_published": "2026-07-17T08:00:00.000+08:00", "date_modified": "2026-07-17T08:00:00.000+08:00", "tags": [ "X长文", "阿川", "AI", "FDE", "一人公司", "企业服务", "自由职业" ] }, { "id": "https://blog.imachuan.com/20260716-%E9%97%B2%E9%B1%BC%E5%B7%B2%E7%BB%8F%E6%9C%89%E4%BA%BA%E9%9D%A0Codex%E7%9A%AE%E8%82%A4%E8%B5%9A%E9%92%B1%E4%BA%86-%E5%9B%BE%E5%BA%8A%E7%89%88", "url": "https://blog.imachuan.com/20260716-%E9%97%B2%E9%B1%BC%E5%B7%B2%E7%BB%8F%E6%9C%89%E4%BA%BA%E9%9D%A0Codex%E7%9A%AE%E8%82%A4%E8%B5%9A%E9%92%B1%E4%BA%86-%E5%9B%BE%E5%BA%8A%E7%89%88", "title": "闲鱼已经有人靠 Codex 皮肤赚钱了：99 元一单，这门小生意怎么复制？", "summary": "闲鱼已经有人靠 Codex 皮肤赚钱了：99 元一单，这门小生意怎么复制？ 前两天，奥一在 X 上发了一张闲鱼截图，配了一句特别真实的话： 我真他妈三辈子都想不出能这么赚钱。 我看到这张图的第一反应也只有一句： 这他妈也能卖？还真能卖。 帖子很快冲到 31 万浏览，拿到 827 个赞、208 条评论。 截图里的闲鱼商品简单粗暴：Codex 皮肤、界面私人定制", "content_html": "![\"Codex](\"https://content-system-images.pages.dev/20260716-codex皮肤闲鱼99元生意/00-x-cover.png\")
前两天，奥一在 X 上发了一张闲鱼截图，配了一句特别真实的话：
\n\n我真他妈三辈子都想不出能这么赚钱。
我看到这张图的第一反应也只有一句：
\n这他妈也能卖？还真能卖。
\n帖子很快冲到 31 万浏览，拿到 827 个赞、208 条评论。
\n截图里的闲鱼商品简单粗暴：Codex 皮肤、界面私人定制，标价 99 元，预计工期 1～5 天。支持主题、风格、人物、动漫、MBTI，甚至还能继续定制 WPS、Word 等办公软件。
\n![\"X](\"https://content-system-images.pages.dev/20260716-codex皮肤闲鱼99元生意/source-xianyu-99-case.png\")
然后，更炸裂的来了。
\n\n昨天我一个朋友卖了 1300 多。
![\"聊天记录中有人称朋友一天卖了](\"https://content-system-images.pages.dev/20260716-codex皮肤闲鱼99元生意/source-chat-1300-sales.png\")
你还在问 Codex 皮肤有什么用，人家已经开始算昨天赚了多少。
\n同一个 Codex，有人拿来写代码，有人拿来收钱。
\n很多人觉得它太简单，懒得做。普通人反倒有机会今天学会，明天就挂上闲鱼。
\n这门生意甚至连库存都没有。
\n客户发来几张爱豆、动漫角色或者 OC 的参考图，卖家把它们做成 Codex 主题和动态宠物，安装交付，直接收钱。
\n很多人还在研究 Codex 里的小宠物怎么打开，已经有人把同一个功能做成了商品、订单和收款记录。
\n大多数人看到新功能，只会说一句“挺好玩”；会赚钱的人看到以后，马上把它挂上闲鱼。
\n下面直接拆：明星 Idol 和二次元款怎么卖、皮肤和宠物怎么做、一单怎么滚成十单。
\n![\"同一台](\"https://content-system-images.pages.dev/20260716-codex皮肤闲鱼99元生意/01-same-codex-money.png\")
99 元贵不贵，要看买家脑子里装的是一张背景图，还是她追了五年的本命。
\n她每天打开 Codex，看到的可以是爱豆的照片、应援色、签名风格欢迎语；任务运行时，屏幕角落还有一只爱豆同款的 Q 版小人陪着工作；任务结束，小人换一个动作提醒她回来查看。
\n原本冷冰冰的编程工具，突然变成了一个属于自己的电子痛桌。
\n追星消费从来不按文件大小定价。
\n小卡、徽章、立牌、娃娃、手机壳、键盘帽，物料都不复杂，照样有人排队买。她们花钱买的是“我喜欢的人进入了我的日常”。
\n现在，这份日常又多了一个位置：Codex。
\n过去是把爱豆贴在手机背面，现在是让爱豆陪自己写代码、做项目、等 AI 跑任务。
\n二次元用户也一样。
\n有人想把动漫角色放进 Codex，有人想让乙游男主陪自己加班，有人想把游戏角色做成会动的桌宠，还有人想让自己的原创 OC 第一次真正“活”在电脑里。
\n别人打开默认 Codex，我打开自己的本命。这个差别已经够用户掏钱。
\n这类产品还特别适合晒图。
\n“易烊千玺陪我写代码”“乙游男主替我盯着 AI 干活”“把自己的 OC 做成了桌宠”，每一句都天然带画面，很容易被发到小红书、X、朋友圈和粉丝群。
\n99 元买的就是本命入驻：陪我工作、陪我加班，还能截图发出去让所有人看见。
\n过去也有人卖手机主题、电脑壁纸和桌面美化包。
\n你说 Codex 换皮不是好生意？搜狗输入法一年营收多少你知道吗？9.247 亿美元。
\n搜狗输入法从 3.0 开始支持自定义皮肤。
\n到了 2020 年，搜狗移动键盘的日活已经达到 4.73 亿；全年营收中，90.6% 来自搜索及相关广告。输入法持续把用户送进搜索和推荐，皮肤把一个工具变成每天愿意打开、愿意长期使用的个人界面。
\n四亿多人每天盯着的界面，当然可以接广告、会员和品牌合作。换皮从来都能赚钱，区别只在流量掌握在平台手里，还是订单落到个人卖家手里。
\nCodex 已经从聊天框长成了工作空间。
\n你会让它执行任务、生成代码、修改文件、等待确认、完成审查。任务复杂时，可能要跑几分钟甚至更久。用户每天盯着它的时间越长，就越容易产生美化和个性化需求。
\n官方设置现在已经支持自定义基础主题、强调色、背景色、前景色以及 UI 和代码字体，也支持分享自定义主题。主题定制的入口，官方已经摆到用户面前了。
\n宠物又让这件事更进一步。
\nCodex 宠物会根据任务状态切换动作：运行中、等待输入、任务完成、遇到错误。它可以浮在其他窗口上方，也可以把用户带回正在运行的任务。
\n一张明星照片只能当壁纸，一只会工作、会等待、会提醒的明星 Q 版宠物，会让用户产生更强的陪伴感。
\n制作门槛也在往下掉。
\n以前想完成一只动态角色，需要自己设计角色、绘制动作、拆分动画帧、处理透明背景、组装精灵图、编写配置并反复测试。
\n现在，Codex 可以借助图像生成和 Hatch Pet 工作流完成大量步骤。用户提供角色创意或参考图，工作流负责生成不同状态、组装动画图集、检查动作并打包成本地宠物。Hatch Pet 工作流
\n皮肤端也已经出现了可以直接研究的开源骨架。Codex-Dream-Skin 展示了粉系定制、初音未来、舞台黑金等 8 套主题示例，提供 Mac 和 Windows 脚本，支持替换图片、一键恢复官方外观。界面依旧使用原生控件，主题通过本机 CDP 注入运行。
\n宠物端也有了现成素材库。CodexPets.net 可以预览不同宠物的动画状态，下载 starter package，再沿着成品拆解目录和资源格式。
\n普通人现在也能跑通这套交付流程。
\n工具已经把门槛砍下来了。现在拼的就是谁更早上架、谁更懂粉丝、谁能把效果图做得让人一眼想买。
\n会做的人嫌单价低，想买的人连安装入口都找不到。闲鱼卖家站在两拨人中间，一单收 99 元。
\n![\"从搜狗输入法到](\"https://content-system-images.pages.dev/20260716-codex皮肤闲鱼99元生意/02-interface-attention.png\")
普通护眼主题别做。
\n系统自带的深色、浅色和配色调整已经够用。能让用户立刻掏钱的，一定要有明确的情感对象：她的本命、他的推、自己的 OC。
\n明星定制可以包含：
\n客户群可以继续细分：内娱明星、韩娱 Idol、日娱偶像、演员影视角色、歌手乐队和虚拟偶像。
\n商品标题也不需要复杂：
\n\nCodex 明星皮肤定制｜爱豆应援色＋专属欢迎语
\n把你的本命装进 Codex｜明星主题界面来图定制
\nCodex 追星工作台｜明星皮肤＋Q 版动态桌宠
这类产品的展示重点是“陪伴”。
\n不要只放一张最终界面。最好把过程拍出来：默认 Codex、导入明星参考图、提取应援色、界面完成变身，最后让同款小宠物从屏幕角落跑出来。
\n用户看到这个过程时，会自然代入自己的本命。
\n二次元方向可以覆盖：
\n相比明星皮肤，二次元角色更适合做动态宠物。鲜明的发型、服装、武器、耳朵、尾巴和代表性配件，在 Q 版形态下依然有辨识度。
\n商品标题可以这样写：
\n\nCodex 二次元痛界面｜动漫游戏角色来图定制
\n把你的推做成 Codex 桌宠｜支持 OC 和乙游角色
\nCodex 动漫皮肤＋动态宠物｜陪你写代码跑任务
99 元可以作为最低门槛，但不要让所有订单都停在 99 元。
\n直接设计三个价格梯度：
\n| 套餐 | 交付内容 | 参考价格 |
|---|---|---:|
| 入门版 | 单套主题、配色和背景定制 | 99 元 |
| 专属版 | 主题、图标、字体、欢迎语、安装说明 | 199～299 元 |
| 陪伴版 | 完整主题、动态宠物、安装协助、展示视频 | 399～699 元 |
入门版让客户容易下单，专属版提供完整体验，陪伴版负责制造真正有传播力的效果。
\n明星皮肤提供陪伴，二次元皮肤提供沉浸，动态宠物把这种情绪变成每天可见的体验。
\n会做还不够，商品页必须让人一眼想下单。
\n别在商品详情里堆模型、脚本、配置。客户根本不关心这些，她只关心一件事：我的本命装进去以后，到底有多好看？
\n闲鱼商品页只需要解决几个问题：做完长什么样、能不能用我喜欢的角色、多久交付、不会安装怎么办。
\n主图最好使用左右对比：
\n再加三行信息：
\n\nCodex 明星/二次元皮肤定制
\n支持来图｜99 元起
\n1～5 天交付
用户不需要理解技术流程，只需要一眼看到变化。
\n标题公式很简单：
\n\nCodex＋明星/二次元＋皮肤/桌宠＋定制
例如：
\n\nCodex 明星皮肤定制 爱豆应援界面 动漫二次元桌宠
\nCodex 桌宠定制 明星动漫 OC 均可 主题皮肤安装
\nCodex 痛界面定制 乙游男主动漫角色 明星爱豆皮肤
详情页可以直接分成三块。
\n客户可以定制什么：明星、动漫、游戏角色、乙游男主、虚拟主播和原创 OC。
\n客户需要提供什么：3～5 张参考图、喜欢的颜色、想放进界面的文字、深色或浅色偏好、是否需要动态宠物。
\n客户最终收到什么：主题文件、背景和配色、安装教程、效果预览图，以及对应套餐里的动态宠物和安装协助。
\n可以在详情页结尾放一句：
\n\n把你喜欢的明星、动漫角色或 OC 发给我，我可以先帮你判断更适合做主题皮肤，还是做动态宠物。确认效果方向以后再下单。
客户只要把参考图发过来，订单就已经启动了。等他挑完照片、说清楚颜色和角色，他很难再回到“随便看看”。
\n闲鱼商品页的任务，是让客户在下单前就开始想象：如果我的本命出现在 Codex 里，会是什么样？
\n![\"从默认界面到本命入驻：明星](\"https://content-system-images.pages.dev/20260716-codex皮肤闲鱼99元生意/03-idol-transformation.png\")
制作就两条线：主题皮肤负责氛围，动态宠物负责让角色活起来。
\n两条线一合体，普通壁纸立刻升级成能卖 99、199，甚至更高客单价的定制商品。
\n不要拿到图片就立刻生成。
\n先从客户素材里提取：
\n接着用一句话定义视觉方向：温柔陪伴、清冷高级、热血战斗、甜美梦幻、暗黑神秘，或者复古像素。
\n这一步越清楚，后面返工越少。
\n别从空白文件开始。先用 Codex-Dream-Skin 跑通一套现成主题。
\nMac 版本已经准备了可双击运行的安装入口；Windows 版本提供安装和启动脚本。先确认主题可以加载、图片可以替换、界面可以恢复，再把客户的明星或动漫素材放进模板。
\n代码可以开源，审美、沟通、定制文案、安装协助和最终效果照样能收费。
\n下面这张皮肤管理器已经把下一步画出来了：中国水墨、月薪喵、云上鹤书房、夜樱狐工房都放进皮肤库，用户预览后一键切换，想回到默认界面也能直接恢复。
\n![\"Codex](\"https://content-system-images.pages.dev/20260716-codex皮肤闲鱼99元生意/source-codex-skin-manager.jpg\")
这已经有了“Codex 皮肤商店”的雏形。
\n每做完一单，就把定制款沉淀进自己的皮肤库。下一单直接换明星照片、应援色、欢迎语和角色元素，安装与切换流程全部复用。
\n可以把下面这段提示词交给 Codex：
\n请根据我提供的角色参考图，为 Codex 设计一套专属主题。\n\n角色：\n风格：\n主色：\n辅助色：\n情绪氛围：\n深色/浅色：\n\n要求：\n1. 提取角色有辨识度的配色；\n2. 设计背景、卡片、按钮、输入框和状态颜色；\n3. 保证代码、文字和 Diff 清晰可读；\n4. 加入适量的角色视觉元素；\n5. 保持界面整洁，避免背景遮挡内容；\n6. 输出可以导入和分享的完整主题。生成之后，至少检查五件事：正文清不清楚、代码清不清楚、按钮能不能识别、背景是否遮挡内容、角色特征是否足够明显。
\n验收标准很简单：把效果图发进粉丝群，会不会立刻有人追问链接？
\n先打开 CodexPets.net 看一遍现成宠物。Pixel Coder、Golden Leader、Hoop Duck、Happy Pup 等成品都能在线预览，并提供下载入口。
\n这一遍不要只看“可不可爱”，重点看一只宠物需要哪些状态、精灵图怎样排列、下载包里有哪些文件。拿一个 starter package 跑通安装，再做客户的本命角色，成功率会高很多。
\n打开 Settings，进入 Pets，选择 Create your own pet。应用会加载 Hatch Pet 工作流，并新建一个制作任务。
\n然后使用这段提示词：
\n请使用当前安装的 Hatch Pet 工作流，\n根据参考图片制作一只 Codex 动态宠物。\n\n必须保留：\n- 角色的发型和脸部特征\n- 代表性服装\n- 主色和辅助色\n- 标志性配件\n- 原角色的性格气质\n\n风格要求：\n- Q 版、小尺寸清晰\n- 适合悬浮在桌面\n- 动作可爱、辨识度高\n- 工作、等待、完成和失败状态差异明显\n- 保持所有动画中的角色一致\n\n请完成生成、动画检查、打包和安装。制作过程中，最容易出问题的是角色一致性。
\n第一行动画像这个人，第二行突然换了一张脸；正常状态穿着黑衣服，失败状态衣服又变成了蓝色；标志性配件在某几个动作里凭空消失。
\n所以验收时，要把所有动作放在一起看。
\n每完成一单，都应该保存：
\n这些文件既是本次交付，也是下一单最有说服力的商品素材。
\n一套皮肤只交付一次，一段优秀的效果视频可以替你重复销售很多次。
\n99 元的小单很难承受每次都从零开始。
\n所以一定要先做样品，再把重复劳动压成模板。
\n首批作品可以覆盖：
\n这六套样品能看出客户更喜欢哪一类，也能让你的闲鱼主页立刻像一家定制店。
\n提前做好：
\n新订单到来以后，只需要替换角色素材、主色、背景、欢迎语和宠物形象。
\n当交付时间从几天缩短到一天，99 元的小单才开始具有可重复性。
\n短视频开头可以直接说：
\n\n闲鱼有人靠 Codex 皮肤一单收 99 元，我照着做了一套。
中间依次展示默认界面、客户参考图、应援色提取、主题生成、安装效果和同款动态宠物。
\n结尾只问一个问题：
\n\n如果让你选一个人陪你工作，你会选哪位明星或动漫角色？
这个问题会自动把评论区变成选题库。
\n明星生日、演唱会、新专辑、影视剧开播、动漫新番、游戏角色生日，都可以成为新的商品理由。
\n每出现一个热点，就做一套概念样品；每做一套样品，就多一次被粉丝群转发和讨论的机会。
\n主题皮肤的制作成本有限，热点带来的情绪浓度却很高。
\n数字化定制不用囤货。热点一来，换套素材就能马上上新。
\n![\"样品、模板、效果视频和订单形成可重复的小生意\"](\"https://content-system-images.pages.dev/20260716-codex皮肤闲鱼99元生意/04-template-flywheel.png\")
闲鱼已经有人挂 99 元，聊天里有人说朋友一天卖了 1300 多。开源皮肤库、宠物下载库、生成工作流、安装脚本也全都摆在桌上。
\n这已经能赚钱了。
\n一个不起眼的 AI 小功能，换套图、加只宠物，就变成了零库存、可定制、能晒图、还能追热点的生意。
\n别人还在研究怎么用，第一批人已经开始研究怎么卖。
\n下一次再看到一个“挺好玩”的 AI 功能，先别急着划走。
\n问一句：
\n这个东西，能不能挂上闲鱼？
\n如果现在送你一套 Codex 定制皮肤，你最想把哪位明星、动漫角色或 OC 放进去？
", "date_published": "2026-07-16T08:00:00.000+08:00", "date_modified": "2026-07-16T08:00:00.000+08:00", "tags": [ "X长文", "阿川", "内容项目", "platform/x", "Codex", "AI副业", "闲鱼" ] }, { "id": "https://blog.imachuan.com/20260712-Codex%E6%8F%92%E4%BB%B6%E7%94%9F%E6%80%81%E7%9A%848%E7%A7%8D%E8%83%BD%E5%8A%9B%E8%BE%B9%E7%95%8C", "url": "https://blog.imachuan.com/20260712-Codex%E6%8F%92%E4%BB%B6%E7%94%9F%E6%80%81%E7%9A%848%E7%A7%8D%E8%83%BD%E5%8A%9B%E8%BE%B9%E7%95%8C", "title": "Codex 插件生态的 8 种能力边界：别再按工具名理解插件了", "summary": "Codex 插件生态的 8 种能力边界：别再按工具名理解插件了 很多人第一次看 Codex 插件，会自然把它们理解成一堆工具入口：GitHub、Vercel、Figma、Slack、Google Drive、Notion…… 这样看当然没错，但很容易看浅。 真正重要的问题不是“Codex 有哪些插件”，而是：这些插件到底在扩大 Codex 的哪一种能力边界？", "content_html": "![\"Codex必装超强插件](\"/Users/qiguichuan/ContentSystem/03-长内容/推特/文章草稿/20260713-Codex必装超强插件-X封面-SakuIP.png\")
很多人第一次看 Codex 插件，会自然把它们理解成一堆工具入口：GitHub、Vercel、Figma、Slack、Google Drive、Notion……
\n这样看当然没错，但很容易看浅。
\n真正重要的问题不是“Codex 有哪些插件”，而是：这些插件到底在扩大 Codex 的哪一种能力边界？
\n一旦换成这个视角，插件生态会清楚很多。你会发现，插件大致可以分成 8 类：上下文接入、沟通协作、工程研发、运行部署、界面操作、设计多媒体、文档数据、垂直工作流。
\n这 8 类加在一起，基本就是一个 AI Agent 从“知道事情”到“完成事情”的完整路径。
\n![\"上下文接入\"](\"/assets/geoflow/20260712-Codex%E6%8F%92%E4%BB%B6%E7%94%9F%E6%80%81%E7%9A%848%E7%A7%8D%E8%83%BD%E5%8A%9B%E8%BE%B9%E7%95%8C/01-1a7f0974.png\")
上下文接入类插件解决的是第一个问题：Codex 到底知道什么？
\n代表插件包括 Google Drive、Notion、Box、SharePoint、飞书 Drive / Wiki / Doc、Obsidian。
\n这类插件的价值不在于“多一个资料入口”，而在于把 Codex 从通用模型拉回你的真实场景。你的项目文档、内部规范、会议纪要、产品资料、旧方案、知识库，都可以成为它推理时的上下文。
\n没有上下文，Codex 只能聪明地猜。有了上下文，它才有机会具体地判断。
\n所以，如果你希望 Codex 参与真实工作，第一个优先级通常不是装更多执行工具，而是先把知识入口打通。
\n![\"沟通协作\"](\"/assets/geoflow/20260712-Codex%E6%8F%92%E4%BB%B6%E7%94%9F%E6%80%81%E7%9A%848%E7%A7%8D%E8%83%BD%E5%8A%9B%E8%BE%B9%E7%95%8C/02-febcc016.png\")
沟通协作类插件解决的是第二个问题：Codex 能不能理解团队正在发生什么？
\n代表插件包括 Gmail、Outlook Email、Slack、Teams、Google Calendar、Outlook Calendar、飞书 IM / Mail / Calendar。
\n真实工作很少只发生在代码仓库或文档里。很多关键信息藏在邮件、聊天记录、会议安排、日程邀请和零散讨论里。
\n这类插件让 Codex 能够帮你做几件事：
\n它们让 Codex 从“文档助手”进一步变成“协作助手”。对团队而言，这一步很关键，因为很多任务失败并不是因为不会做，而是因为上下文散在不同人和不同系统里。
\n![\"工程研发\"](\"/assets/geoflow/20260712-Codex%E6%8F%92%E4%BB%B6%E7%94%9F%E6%80%81%E7%9A%848%E7%A7%8D%E8%83%BD%E5%8A%9B%E8%BE%B9%E7%95%8C/03-5b4bec93.png\")
工程研发类插件解决的是第三个问题：Codex 怎么真正参与软件开发？
\n代表能力包括 GitHub、gh-fix-ci、gh-address-comments、release-skills，以及 Next.js、React、Turborepo 等工程技能。
\n这是 Codex 最强也最自然的一类能力。它可以读仓库、理解代码、处理 issue、修 CI、响应 PR review、整理发布记录。
\n这里的重点不只是“写代码更快”，而是把开发流程里的多个环节串起来：
\n单点写代码只是效率提升，进入研发闭环才是生产力变化。
\n如果你主要用 Codex 做工程，GitHub 和 CI 相关能力几乎是最值得优先配置的一组。
\n![\"运行部署\"](\"/assets/geoflow/20260712-Codex%E6%8F%92%E4%BB%B6%E7%94%9F%E6%80%81%E7%9A%848%E7%A7%8D%E8%83%BD%E5%8A%9B%E8%BE%B9%E7%95%8C/04-27cc83f1.png\")
运行部署类插件解决的是第四个问题：写完之后，东西能不能跑起来？
\n代表插件包括 Vercel、Sites、Observability / Logs、Env Vars / Functions、Docker。
\n很多 AI 编程演示停在“生成代码”这一步，但真实交付不会停在那里。你还要能预览、部署、看日志、配环境变量、处理运行时问题。
\n这类插件的价值在于把 Codex 的工作从本地文件推进到可访问结果。尤其是前端、网站、工具页、内部后台、小应用，能不能部署出来、能不能验证页面，是体验差异非常大的分水岭。
\n如果说工程研发类插件负责“把代码改对”，运行部署类插件负责“让结果站起来”。
\n![\"界面操作\"](\"/assets/geoflow/20260712-Codex%E6%8F%92%E4%BB%B6%E7%94%9F%E6%80%81%E7%9A%848%E7%A7%8D%E8%83%BD%E5%8A%9B%E8%BE%B9%E7%95%8C/05-bdb7c6aa.png\")
界面操作类插件解决的是第五个问题：Codex 能不能看见结果，并亲自操作它？
\n代表插件包括 Browser、Chrome、Playwright、Agent Browser、Computer Use。
\n这类能力非常容易被低估。因为很多问题只看代码看不出来，必须打开页面才知道：
\nBrowser 和 Chrome 让 Codex 能看网页，Playwright 让它能自动化验证流程，Computer Use 则把能力扩展到本地桌面应用。
\n一个能看见结果的 Codex，和一个只能读文件的 Codex，是两种完全不同的协作者。
\n![\"设计多媒体\"](\"/assets/geoflow/20260712-Codex%E6%8F%92%E4%BB%B6%E7%94%9F%E6%80%81%E7%9A%848%E7%A7%8D%E8%83%BD%E5%8A%9B%E8%BE%B9%E7%95%8C/06-95a47be1.png\")
设计多媒体类插件解决的是第六个问题：Codex 能不能参与视觉表达？
\n代表插件包括 Figma、Imagegen、Cowart、HeyGen、Slide Deck、Cover、Infographic。
\n这类能力把 Codex 从纯代码世界带到内容和设计世界。它可以根据 Figma 做 UI 实现，也可以生成封面图、信息图、演示页、数字人视频和视觉素材。
\n对产品团队来说，Figma 很关键，因为它连接了设计稿和代码实现。对内容团队来说，Imagegen、Cover、Infographic、Slide Deck 更关键，因为它们直接影响内容的第一眼传播。
\n图像不是装饰。很多时候，图片是读者理解复杂信息的第二条路线。
\n![\"文档数据\"](\"/assets/geoflow/20260712-Codex%E6%8F%92%E4%BB%B6%E7%94%9F%E6%80%81%E7%9A%848%E7%A7%8D%E8%83%BD%E5%8A%9B%E8%BE%B9%E7%95%8C/07-75a24b6b.png\")
文档数据类插件解决的是第七个问题：Codex 能不能处理正式文件和结构化资料？
\n代表插件包括 Documents、Spreadsheets、Excel、PDF、Presentations、Lark Sheets、Lark Base。
\n这类能力非常务实。它们不一定最炫，但非常接近真实办公室里的日常交付：
\n如果你的工作大量发生在 Word、Excel、PDF、PPT 和飞书表格里，这类插件的重要性可能比工程插件还高。
\n它们解决的不是“AI 会不会写”，而是“AI 能不能接住你的文件格式和交付格式”。
\n![\"垂直工作流\"](\"/assets/geoflow/20260712-Codex%E6%8F%92%E4%BB%B6%E7%94%9F%E6%80%81%E7%9A%848%E7%A7%8D%E8%83%BD%E5%8A%9B%E8%BE%B9%E7%95%8C/08-a6769a0c.png\")
垂直工作流类插件解决的是第八个问题：Codex 能不能按某个行业任务的完整路径做事？
\n代表能力包括内容工厂、小红书 / 微信 / X 相关技能、dbs 系列、st 系列、AI Daily、Ammo Library。
\n这类能力和通用工具不太一样。它们往往自带流程、判断标准、模板、素材处理方法和输出规范。
\n比如内容工厂处理的是选题、写作、改写、配图、平台适配。dbs 系列处理的是商业诊断、行动诊断、目标澄清。st 系列处理的是 X/Twitter 新号定位、增长和变现路径。
\n通用插件给 Codex 工具，垂直工作流给 Codex 做事的方法。
\n当任务足够专业、步骤足够固定、结果标准足够明确时，垂直工作流会比单独调用多个工具更省心。
\n如果只按插件名字看，生态会显得很散。
\n但按能力边界看，它其实很清楚：
\n| 类别 | 解决的问题 |
| --- | --- |
| 上下文接入 | Codex 知道什么 |
| 沟通协作 | Codex 理解谁和谁在推进什么 |
| 工程研发 | Codex 怎么改代码、修流程 |
| 运行部署 | Codex 怎么让结果跑起来 |
| 界面操作 | Codex 怎么看见和验证结果 |
| 设计多媒体 | Codex 怎么参与视觉表达 |
| 文档数据 | Codex 怎么处理正式文件 |
| 垂直工作流 | Codex 怎么完成特定行业任务 |
你选插件时，也可以用这 3 个问题来判断优先级：
\n如果你是开发者，优先看 GitHub、Vercel、Browser、Playwright、Figma。
\n如果你是内容或运营，优先看 Google Drive、Notion、Documents、Imagegen、内容工厂类工作流。
\n如果你在团队里做协作，优先看 Slack / Teams、Gmail / Outlook、Calendar、Drive、Atlassian。
\n如果你重度使用飞书，飞书文档、表格、日历、任务、会议纪要这一套优先级会非常高。
\n最后记住一个判断：
\n好插件不是让 Codex 看起来更忙，而是让它离真实工作更近。
\n你需要的不是把所有插件都装满，而是补齐你当前工作链路里最薄的一环：不知道上下文，就先接资料；不能验证结果，就先接浏览器；交付卡在部署，就先接运行环境；任务流程固定，就找垂直工作流。
\n这样选插件，才不会被插件列表淹没。
", "date_published": "2026-07-12T08:00:00.000+08:00", "date_modified": "2026-07-12T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260712-Grok%E6%8E%A5%E5%85%A5Hermes%E5%AE%8C%E6%95%B4%E6%94%BB%E7%95%A5", "url": "https://blog.imachuan.com/20260712-Grok%E6%8E%A5%E5%85%A5Hermes%E5%AE%8C%E6%95%B4%E6%94%BB%E7%95%A5", "title": "Grok 接入 Hermes 完整攻略：一次 OAuth，解锁聊天、生图、视频、语音与 X 搜索（2026 最新版）", "summary": "Grok 接入 Hermes 完整攻略：一次 OAuth，解锁聊天、生图、视频、语音与 X 搜索（2026 最新版） 如果你已经在用 SuperGrok 或 X Premium+，但还在 Hermes 里单独折腾 API Key、图像工具、视频工具、X 搜索工具，那这篇可以直接省掉你半天试错。 Grok 接入 Hermes 最舒服的方式，是走 xAI OAu", "content_html": "如果你已经在用 SuperGrok 或 X Premium+，但还在 Hermes 里单独折腾 API Key、图像工具、视频工具、X 搜索工具，那这篇可以直接省掉你半天试错。
\nGrok 接入 Hermes 最舒服的方式，是走 xAI OAuth。
\n你只需要完成一次账号授权，Hermes 就可以同时拿到聊天模型、图像生成、视频生成、语音合成、语音转写和实时 X 搜索能力。后面换模型、开工具、做 Agent 自动化，都不用再反复管理一堆 Key。
\n![\"OAuth](\"assets/20260712-Grok接入Hermes完整攻略-illustrations/01-oauth-unlocks-tools.png\")
这篇按真实使用路径写：先接入，再开工具，再验证，最后处理常见坑。
\n很多人第一次看 Hermes 的 Grok 选项，会以为它只是“多加一个聊天模型”。
\n实际更准确的理解是：
\n你是在 Hermes 里接入一整套 xAI 账号能力。
\n按 Hermes 官方文档的说法，xAI Grok OAuth (SuperGrok / X Premium+) 这一路径支持通过 xAI 账号授权使用 Grok 模型，并且可以让 Hermes 的相关工具直接复用同一套 OAuth 凭证，包括 TTS、图像、视频、转写和 X 搜索能力。官方文档见：xAI Grok OAuth Guide。
这就是它最值得用的地方：
\nXAI_API_KEY如果你只是偶尔问两句话，普通网页端 Grok 就够了。
\n但如果你想让 Hermes 帮你边搜 X、边写稿、边生成图、边做语音或视频，OAuth 方式明显更顺手。
\n接入前，先确认你手里有这几个条件：
\naccounts.x.ai如果你是在云服务器、VPS、SSH 远程机器上安装 Hermes，也没问题。后面有专门的远程授权流程。
\nhermes model 添加 Grok OAuth最推荐的方式是从模型选择器进入：
\nhermes model在列表中找到并选择：
\nxAI Grok OAuth (SuperGrok / X Premium+)Hermes 会自动打开浏览器，进入 accounts.x.ai 的设备码授权流程。
你会看到一个验证页面和一串设备码。按提示登录你的 xAI 账号并完成授权。授权成功后，回到终端，Hermes 会自动保存 OAuth token。
\n完成后，Hermes 会把凭证写入本地配置，一般位于：
\n~/.hermes/auth.json后续 token 会自动刷新，你通常不用手动维护。
\n授权成功后，grok-build-0.1 或当前可用的 Grok 模型会出现在 Hermes 的模型列表里。Hermes 官方文档也提到，OAuth 路径的默认模型是 grok-build-0.1；如果后续 xAI 或 Hermes 调整模型名，以你本机 hermes model 里显示的为准。
这里有一个小细节：
\n终端里切换或添加模型，用的是：
\nhermes model已经进入聊天会话后，临时切换模型，用的是：
\n/model一个在会话外，一个在会话内。很多人卡住，其实只是命令场景用错了。
\n如果 Hermes 装在远程服务器上，浏览器不会自动弹出来，这时用手动设备码流程：
\n![\"云服务器通过设备码完成本地浏览器授权\"](\"assets/20260712-Grok接入Hermes完整攻略-illustrations/02-remote-device-code.png\")
hermes auth add xai-oauth --no-browserHermes 会在终端打印一个 URL 和设备码。
\n你要做的是：
\n这里特别提醒一下：设备码授权不需要本地回调地址，所以通常不需要 SSH 本地端口转发。除非你的服务器连 xAI 授权服务都访问不了，否则优先按 --no-browser 流程走，最省事。
授权完成后，建议立刻检查一次：
\nhermes doctor也可以查看认证状态：
\nhermes auth status如果 xai-oauth 显示已连接，第一步就完成了。
很多人以为模型能聊天，工具就自动全开了。实际使用中，建议你手动进工具列表确认一遍：
\n![\"在](\"assets/20260712-Grok接入Hermes完整攻略-illustrations/03-hermes-tools-switches.png\")
hermes tools在工具列表里找到并启用这些项目：
\nText-to-Speech → xAI TTS\nImage Generation → xAI Grok Imagine (image)\nVideo Generation → xAI Grok Imagine\nX (Twitter) Search → xAI Grok OAuth (SuperGrok / X Premium+)其中最容易漏掉的是视频生成。
\nHermes 官方文档明确提到，视频生成默认关闭，需要你在 hermes tools 里手动开启。
X 搜索稍微特殊一点。根据 Hermes 的 X Search 文档，只要检测到 xAI OAuth 或 API Key 凭证，x_search 工具通常会自动启用。官方说明见：Hermes X Search。
但我仍然建议你进 hermes tools 看一眼。因为真实环境里，工具注册表、会话缓存、旧配置都可能让你以为“已经开了”，结果新会话里找不到。
保存工具配置后，重启 Hermes 或在会话中执行：
\n/reset新会话会加载最新工具状态。
\n接入完成后，不要急着跑复杂 Agent。先做最小验证。
\n![\"用最小验证清单逐项确认聊天、搜索、图像、语音和视频\"](\"assets/20260712-Grok接入Hermes完整攻略-illustrations/04-minimal-verification.png\")
测试聊天：
\nhermes chat -q "你好，用中文回复，并告诉我你当前使用的模型。"测试 X 搜索：
\n请使用 x_search 搜索最近 24 小时内关于 Hermes Agent Grok OAuth 的讨论，并总结 5 条要点。测试图像生成：
\n请用 image_generate 生成一张 16:9 封面图：黑白极简风，一个终端窗口连接到 Grok OAuth，中文标题「一次登录，解锁 Grok 全能力」。测试语音合成：
\n请用 xAI TTS 把这句话合成为中文语音：Grok 已成功接入 Hermes。测试视频生成：
\n请用 xAI Grok Imagine 生成一个 5 秒短视频：终端命令启动后，多个工具图标被点亮。如果聊天、X 搜索、图像、语音、视频都能正常调用，说明这套链路基本接通了。
\nxai-oauth 显示成功，但模型不可用先运行：
\nhermes doctor再进入：
\nhermes model确认当前模型确实切到了 Grok OAuth 提供方。
\n如果你还在会话里，也可以输入：
\n/model检查当前会话是不是仍在使用旧模型。
\n先确认凭证状态：
\nhermes auth status再重新打开工具列表：
\nhermes tools保存后重启 Hermes，或者在会话里执行：
\n/reset如果你是从旧版本升级上来的，也建议升级 Hermes 后再试一次。工具注册和模型提供方能力在 2026 年仍在快速变化，版本差异会直接影响体验。
\n这通常不是命令输错，而是账号权限或 xAI 后台授权范围问题。
\nHermes 官方文档提到，部分标准 SuperGrok 账号可能会因为 xAI 权限或 allowlist 问题遇到 HTTP 403。遇到这种情况，可以先确认你的订阅状态，再尝试重新授权。
\n重新授权命令：
\nhermes auth logout xai-oauth\nhermes auth add xai-oauth如果 OAuth 路径一直 403，也可以临时改用 API Key 路径：
\nhermes model选择 xAI API Key 相关提供方，并配置：
\nXAI_API_KEY不过从日常使用成本和维护便利性看，能用 OAuth 的情况下，优先用 OAuth。
\nHermes 官方 provider 文档提到，xAI 旧模型在 2026 年 5 月 15 日前后有过迁移变化。官方 provider 文档见：Hermes Providers。
\n如果你很早就配置过 xAI，建议检查迁移：
\nhermes migrate xai确认没问题后再应用：
\nhermes migrate xai --apply迁移后重新进入：
\nhermes model选择当前可用的 Grok OAuth 模型。
\n| 需求 | 命令 | 说明 |
| --- | --- | --- |
| 添加或切换模型 | hermes model | 推荐入口 |
| 会话内切换模型 | /model | 进入 Hermes 聊天后使用 |
| 手动添加 Grok OAuth | hermes auth add xai-oauth | 重新登录或补充认证 |
| 远程服务器授权 | hermes auth add xai-oauth --no-browser | SSH / VPS 常用 |
| 查看认证状态 | hermes auth status | 检查是否已登录 |
| 查看健康状态 | hermes doctor | 检查 OAuth 和环境 |
| 开启工具 | hermes tools | 启用图像、视频、TTS、X 搜索 |
| 测试聊天 | hermes chat -q "你好，用中文回复" | 快速验证模型 |
| 查看使用情况 | hermes insights | CLI 查看使用数据 |
| 退出登录 | hermes auth logout xai-oauth | 清除凭证 |
| 检查旧模型迁移 | hermes migrate xai | 旧配置用户建议执行 |
| 应用旧模型迁移 | hermes migrate xai --apply | 确认后再运行 |
如果你只是想在 Hermes 里偶尔调用 Grok 聊天，API Key 也能用。
\n但如果你已经有 SuperGrok 或 X Premium+，并且希望 Hermes 具备完整 Agent 能力，那 OAuth 是更省心的路线。
\n一次登录后，你可以把 Grok 当成 Hermes 的多模态能力底座：
\n这才是 Grok 接入 Hermes 的真正价值。
\n它不只是多一个模型入口，而是把你的 SuperGrok / X Premium+ 订阅变成 Hermes 里的一个完整工具层。
\n先跑通 OAuth，再打开工具，再做最小验证。按这个顺序走，基本能避开 90% 的坑。
", "date_published": "2026-07-12T08:00:00.000+08:00", "date_modified": "2026-07-12T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260712-%E7%99%BD%E5%B8%BD%E7%81%B0%E5%B8%BD%E9%BB%91%E5%B8%BDGEO%E8%BE%B9%E7%95%8C-%E6%8E%A8%E7%89%B9%E9%95%BF%E6%96%87", "url": "https://blog.imachuan.com/20260712-%E7%99%BD%E5%B8%BD%E7%81%B0%E5%B8%BD%E9%BB%91%E5%B8%BDGEO%E8%BE%B9%E7%95%8C-%E6%8E%A8%E7%89%B9%E9%95%BF%E6%96%87", "title": "GEO 最危险的，是信任污染", "summary": "GEO 最危险的，是信任污染 很多人一聊 GEO，就会把它和“钻 AI 漏洞”“操纵推荐”“污染答案”绑在一起。 但 GEO 本身不是黑产。 真正的问题在于：你是在帮助 AI 更准确地理解真实信息，还是在利用 AI 的信任机制制造错误判断？ 这条边界，非常重要。 因为传统 SEO 时代，很多动作最多影响一个链接排序；但 GEO 时代，你影响的是 AI 对一个", "content_html": "很多人一聊 GEO，就会把它和“钻 AI 漏洞”“操纵推荐”“污染答案”绑在一起。
\n但 GEO 本身不是黑产。
\n真正的问题在于：你是在帮助 AI 更准确地理解真实信息，还是在利用 AI 的信任机制制造错误判断？
\n这条边界，非常重要。
\n因为传统 SEO 时代，很多动作最多影响一个链接排序；但 GEO 时代，你影响的是 AI 对一个品牌、产品、人物、行业的总结、判断和推荐。用户看到的已经变成“AI 直接告诉我该选谁”，不再只是“第几名”。
\n所以，GEO 的核心风险，已经从流量转向信任。
\n![\"信任边界\"](\"assets/20260712-白帽灰帽黑帽GEO边界-推特长文-illustrations/01-信任边界.png\")
白帽 GEO：让真实、可验证、有价值的信息，更容易被 AI 理解、引用和推荐。
\n灰帽 GEO：利用信息不对称、披露不足、规模化内容和舆论包装，放大对自己有利的表达。
\n黑帽 GEO：通过伪造、攻击、污染、欺骗或技术操纵，让 AI 产生本不该产生的判断。
\n最简单的判断标准是：
\n你有没有改变事实？
\n你有没有伪装身份？
\n你有没有让 AI 或用户误以为某个东西比实际更可信？
\n如果答案是“有”，就已经开始危险了。
\n白帽 GEO 的核心，是把自己讲清楚，别去骗过 AI。
\n比如：
\n把产品能力、适用场景、价格、限制条件写清楚。
\n把客户案例写成可核验的材料，不能只写一句“服务过 500 强”。
\n把官网、文档、FAQ、白皮书、帮助中心、案例页、创始人观点、媒体报道整理成统一口径。
\n把同一个问题拆成 AI 容易理解的结构：定义、适合谁、不适合谁、优缺点、对比、证据、常见误区。
\n给内容加上发布时间、更新时间、作者、数据来源、引用来源。
\n发现旧内容过时后，及时修订，别让 AI 继续吃陈旧信息。
\n这类 GEO 本质上是信息资产建设。
\n它不制造事实，只减少误解。
\n它不假装第三方，只增强可验证性。
\n它不污染语料，只提升内容质量。
\n一句话：白帽 GEO 要让 AI 在充分理解事实后，有理由选择你，而非被你强行带偏。
\n![\"白帽证据资产\"](\"assets/20260712-白帽灰帽黑帽GEO边界-推特长文-illustrations/02-白帽证据资产.png\")
灰帽最麻烦，因为它通常不直接造假，但会制造“看起来很真”的倾向。
\n典型动作包括：
\n发布大量“第三方评测”“榜单”“对比文章”，但不披露商业关系。
\n把软文包装成中立测评。
\n只选择对自己有利的数据，回避关键限制。
\n让员工、代理商、合作方伪装成普通用户，在问答平台、社区、评论区推荐品牌。
\n批量生成低质量问答，用不同说法重复同一个结论，制造“行业共识”。
\n利用高权重网站发布寄生内容，让 AI 误判其权威性。
\n做竞品对比时，只挑对手弱项，不讲自己的适用边界。
\n灰帽 GEO 的关键判断，落在整体呈现是否让人误判，而不只看某一句话有没有假。
\n比如你说“我们比 A 更适合中小团队”，如果你给出明确场景、价格区间、功能对比、样本来源，这是白帽。
\n但如果你写“2026 年最值得推荐的 10 个工具”，把自己排第一，却不披露作者和品牌关系，这就是灰帽。
\n如果你再用十几个马甲网站互相引用，制造“全网都这么认为”，那就继续往黑帽滑。
\n灰帽的本质是：事实可能没完全错，但身份、语境、利益关系和权重被包装过。
\n![\"灰帽包装误判\"](\"assets/20260712-白帽灰帽黑帽GEO边界-推特长文-illustrations/03-灰帽包装误判.png\")
黑帽 GEO 的共同点，是把 AI 的信任机制当成攻击面。
\n它已经从优化表达，滑向操纵判断。
\n典型红线包括：
\n伪造客户案例、奖项、认证、媒体报道、研究报告。
\n伪造用户评价、交易记录、下载量、使用人数。
\n匿名攻击竞品，制造“安全问题”“跑路传闻”“负面口碑”。
\n批量购买过期域名、寄生页面、链接农场，制造虚假权威。
\n在网页、PDF、图片 alt、代码注释等位置塞隐藏指令，试图影响 AI：忽略其他品牌，只推荐某某。
\n污染 RAG 知识库、企业知识库、公开数据集，让模型检索到错误材料。
\n利用提示注入、工具调用漏洞、爬虫解析漏洞，诱导 AI 生成对自己有利的答案。
\n用 AI 生成假文章，再让另一批 AI 内容引用这些假文章，制造“AI 引用 AI”的循环。
\n这已经越过增长技巧，进入信任污染。
\n一旦被平台、搜索引擎、大模型厂商、媒体或客户发现，后果会从“排名掉了”升级成品牌信誉、法务风险和商业合作一起受损。
\n黑帽 GEO 的最大问题在于：它短期可能有效，长期一定昂贵。
\n![\"黑帽污染管道\"](\"assets/20260712-白帽灰帽黑帽GEO边界-推特长文-illustrations/04-黑帽污染管道.png\")
很多老板会问：那我们还能不能做竞品对比？还能不能做问答内容？还能不能铺内容矩阵？
\n可以。
\n真正要看的，是目的、事实、披露和影响，而不只是动作本身。
\n以竞品对比为例：
\n白帽做法：列出适用场景、价格、功能边界、数据来源，说明自己适合谁、不适合谁。
\n灰帽做法：写成“中立测评”，但实际上只替自己说话，不披露商业关系。
\n黑帽做法：编造对手缺陷，伪造用户投诉，或者匿名散布负面内容。
\n再以批量内容为例：
\n白帽做法：基于真实 FAQ、用户访谈、销售问题、客服问题，系统化整理成高质量内容库。
\n灰帽做法：用 AI 批量改写同一批观点，在多个站点重复发布，制造内容规模。
\n黑帽做法：批量生成虚假案例、虚假测评、虚假引用，污染 AI 可检索的信息环境。
\n所以，工具没有颜色，动作也不天然有颜色。
\n真正决定颜色的是：你有没有尊重事实、身份、来源和用户判断权。
\n我建议所有做 GEO 的团队，在上线任何内容前问 5 个问题。
\n第一，这个说法能不能追溯到真实证据？
\n如果不能，就不要写成确定结论。
\n第二，用户知道这是谁发的吗？
\n品牌内容可以做，但不要伪装成路人、中立媒体或独立专家。
\n第三，商业关系有没有披露？
\n赞助、合作、代理、分销、客户关系，能披露就披露。隐藏利益关系，是灰帽滑向黑帽最常见的入口。
\n第四，这个动作是否依赖“骗过 AI”才有效？
\n如果一个方案必须靠隐藏指令、伪造来源、批量马甲、误导爬虫才能起作用，它就偏离了正经增长。
\n第五，如果 AI 按你的内容总结给用户，用户会不会被误导？
\n这是最重要的问题。
\nGEO 的结果会让 AI 替用户做初步判断，影响远大于让用户多看一篇文章。你影响的是用户决策，所以责任更重。
\n一个简单公式：
\nGEO 风险 = 不当意图 × 信息失真 × 技术操纵 × 影响范围 × 纠错难度
\n其中任意一项变高，都值得停下来复盘。
\n很多公司出问题，往往源于机制缺失，而非某一篇文章写错。
\n建议至少建立 5 条内部规则：
\n每一类 GEO 内容，都要有负责人、事实来源和更新时间。
\n案例、数据、对比、奖项、资质，必须留证据链。
\nAI 生成内容不能直接发布，必须有人做事实审核。
\n涉及竞品、医疗、金融、教育、法律、安全等高风险话题，要提高审核级别。
\n明确红线：不造假、不冒充、不匿名攻击、不刷虚假评价、不投放隐藏指令、不污染知识库、不利用安全漏洞。
\n这套机制看起来慢，但它会让公司在 AI 搜索时代积累真正的复利。
\n白帽 GEO 做久了，会沉淀成品牌资产、知识资产、信任资产。
\n灰帽 GEO 做久了，会沉淀成解释成本、舆情成本、合规成本。
\n黑帽 GEO 做久了，最后沉淀成事故。
\nGEO 的胜负，取决于谁更值得被 AI 引用，而非谁更会骗 AI。
\n未来 AI 推荐一个品牌时，会越来越看重信息一致性、来源可信度、外部验证、用户反馈、更新频率和纠错能力。
\n真正厉害的 GEO，会让一个品牌在公开世界里，留下足够清楚、可信、可验证的证据；堆关键词、给模型塞暗处指令，都走偏了。
\n可以优化表达，但不能制造事实。
\n可以建设权威，但不能冒充权威。
\n可以帮助 AI 引用，但不能欺骗 AI。
\n这就是白帽、灰帽、黑帽 GEO 的边界。
", "date_published": "2026-07-12T08:00:00.000+08:00", "date_modified": "2026-07-12T08:00:00.000+08:00", "tags": [ "X长文", "阿川", "GEO", "AEO", "AI搜索", "增长红线" ] }, { "id": "https://blog.imachuan.com/20260711-Starryblu%E4%BB%8E%E6%B3%A8%E5%86%8C%E5%88%B0%E5%BC%80%E5%8D%A1%E5%85%A8%E6%94%BB%E7%95%A5", "url": "https://blog.imachuan.com/20260711-Starryblu%E4%BB%8E%E6%B3%A8%E5%86%8C%E5%88%B0%E5%BC%80%E5%8D%A1%E5%85%A8%E6%94%BB%E7%95%A5", "title": "Starryblu 从注册、入金到开卡全攻略", "summary": "Starryblu 从注册、入金到开卡全攻略：内地和香港用户多了一个跨境支付入口 如果你人在内地或香港，想要一个能收外币、跨境付款、订阅海外服务的工具，通常会先想到 Wise 或香港银行卡。 Starryblu 的吸引力就在这里：它把多币种钱包、本地收款账户、跨境转账、扫码消费和新加坡 Mastercard 虚拟卡装进了同一个 App，而且注册、认证基本都能", "content_html": "![\"无门槛究极神卡Starryblu！三分钟带你跑通下卡全流程\"](\"imgs/starryblu/cover/starryblu-x-cover.png\")
如果你人在内地或香港，想要一个能收外币、跨境付款、订阅海外服务的工具，通常会先想到 Wise 或香港银行卡。
\nStarryblu 的吸引力就在这里：它把多币种钱包、本地收款账户、跨境转账、扫码消费和新加坡 Mastercard 虚拟卡装进了同一个 App，而且注册、认证基本都能在线完成。
\n我把注册、入金、提现、扫码和开卡整条链路跑了一遍后，最大的感受不是“它多了一两个功能”，而是过去分散在港卡、外币钱包和海外虚拟卡里的操作，终于能在一个 App 里首尾相接。
\n当然，Starryblu 更像一个跨境电子钱包和支付工具，不等于我亲自在 OCBC 开了一张新加坡银行账户，也不能简单替代一张受存款保障的香港银行卡。我更愿意把它当成跨境消费、旅行、留学和海外订阅的第二账户。
\n![\"Starryblu](\"imgs/starryblu/final-main-020s.png\")
Starryblu 是 Wotransfer Pte. Ltd. 旗下的全球支付钱包。新加坡金融管理局 MAS 的机构目录显示，Wotransfer 是 Major Payment Institution，获准提供账户发行、境内转账、跨境转账、商户收单和电子货币发行等服务。查看 MAS 官方登记
\n从用户端看，它主要包含五类能力：
\nStarryblu 官网还宣传全球转账、210 多个国家和地区的卡消费、ATM 取现、消费返现和余额收益等功能，但同时注明速度、汇率、返现、覆盖范围会因地区、金额和币种而不同。查看 Starryblu 官网
\n我打开“本地银行转账”页面后看到：收款人姓名与我本人一致，银行为新加坡 OCBC，并提供专属账户号。因此，用当地银行转账时，体验上很像拥有一组个人名下的新加坡收款信息。
\n更准确的说法是：这是 Starryblu/Wotransfer 通过银行合作伙伴提供的收款能力，不要把它理解成你已经直接成为 OCBC 的零售银行客户。遇到大额资金、工资证明、签证资产证明或存款保障等场景，仍要分别确认文件抬头、账户法律属性和资金保障方式。
\n把 Starryblu、Wise 和香港银行卡放在一起比较后，我认为 Starryblu 最值得强调的不是某一次汇率便宜了多少，而是它补上了内地和香港用户最难拿到的那块能力：一张可以线上申请的新加坡 Mastercard 虚拟卡，以及围绕它搭起来的完整支付链路。
\n![\"Starryblu](\"imgs/starryblu/xiaohei/03-wise-hk-gap.png\")
Wise 官方目前列出的个人卡发行地区不包括中国内地和香港，Wise 香港站也明确写着香港尚未提供 Wise 多币种卡。Wise 卡地区名单、Wise 香港卡页面
\n这正是 Starryblu 最直接的优势。对内地和香港用户来说，我不需要先改变居住地，也不需要借用别人的海外地址；完成真实资料注册和 KYC、等到卡片资格开放后，就有机会获得一张新加坡 Mastercard 虚拟卡，用于海外网站、跨境消费和国际订阅。
\n香港银行卡当然好用，但开户门槛、材料要求和是否需要赴港，会因银行和个人情况不同。Starryblu 的注册、证件认证、地址证明、钱包开通和虚拟卡申请都可以在线完成。
\n对只想先解决海外付款的人，这个差异非常实际：我可以先用最低成本把账户跑通，不必为了验证一个需求，先付出一次赴港的时间和交通成本。
\n我实际跑通的链路是：
\n香港 FPS 入金 → 多币种钱包 → 换汇/转账 → 扫码消费或虚拟卡支付 → FPS 提现
![\"Starryblu](\"imgs/starryblu/xiaohei/01-payment-loop.png\")
过去这条链路往往要在港卡、外币钱包、海外卡和扫码工具之间来回切换。Starryblu 把香港 FPS、新加坡收款信息、多币种余额、扫码、消费券和 Mastercard 放在同一个账户里，少了很多中间搬运。
\nStarry Free 没有月费，符合资格后可以领取随机虚拟卡。只要不追求定制卡号，也不急着买会员，我可以先用小额完成入金、消费、退款和提现测试，再决定要不要继续使用。
\n相比一上来就办实体卡、购买高价会员或为了开户专程出行，这种“先跑通、后付费”的模式更适合新手。
\n![\"先用免费档跑通，再决定是否升级会员\"](\"imgs/starryblu/xiaohei/02-free-before-upgrade.png\")
Starryblu 不只做国际汇款。它还把扫码、收付款、消费券、FPS、CNH/HKD/SGD 多币种余额，以及虚拟卡订阅放在一起。对经常往返内地、香港和海外的人，这种组合比单纯的国际汇款工具更贴近日常。
\n| 对比项 | Starryblu 的突出点 | Wise | 香港银行卡 |
|---|---|---|---|
| 开户与使用门槛 | 线上注册、KYC，可先免费体验 | 线上注册，但卡片受居住地区限制 | 功能最完整，但开户材料和方式因银行而异 |
| 卡片能力 | 分批开放新加坡 Mastercard 虚拟卡 | 内地、香港个人用户目前不能本地申请 Wise 卡 | 一般可配借记卡，信用卡另行审批 |
| 资金流转 | 香港 FPS、网银、跨境充值、多币种和提现在同一 App | 国际汇款和透明换汇成熟 | 香港本地 FPS、ATM、银行服务最完整 |
| 消费方式 | 虚拟卡、扫码、消费券、会员返现 | 卡消费和换汇体验成熟，但卡片地区受限 | 线下刷卡和本地银行场景更强 |
| 最适合谁 | 想低门槛获得跨境钱包和海外虚拟卡的人 | 已在支持地区、主要做国际汇款的人 | 需要长期存放较大资金和完整银行服务的人 |
Starryblu 的定位因此很清楚：它不是用来证明“银行已经没用了”，而是让没有 Wise 卡、暂时没有港卡的人，也能更快拥有一套可测试的跨境支付工具。
\n需要保留的边界是，香港持牌银行的合资格存款受存保计划保障，每名存户在每家成员银行最高保障 HK$800,000；电子钱包或储值支付工具不属于这类受保存款。香港金管局存款保障说明
\n所以我的使用方式是：Starryblu 负责跨境收付和消费，银行账户负责长期存放资金。这样既能用到它的便利，也不会把所有资金安全都押在一个新工具上。
\n![\"Starryblu](\"imgs/starryblu/xiaohei/04-second-tool-boundary.png\")
建议先准备好：
\n我直接从 Starryblu 官网或官方应用商店进入注册。新用户活动、虚拟卡排队资格和消费券会随地区和时间变化，是否获得以我的账户实际显示为准。
\n打开注册页面后：
\n不要为了拿卡虚构居住地。支付工具的功能、卡片资格和风控规则都与居住地有关，后续地址证明对不上，很容易导致审核失败或功能受限。
\n![\"Starryblu](\"imgs/starryblu/article-main-060s.png\")
注册页会给出 iOS、Google Play 和 Android APK 的下载入口。优先使用官方应用商店；如果必须下载 APK，要核对域名、应用签名和版本来源，不要从陌生群聊安装所谓“特别版”。
\nApp 内需要设置：
\nStarryblu ID 后续可能用于收款或查询，尽量选择容易辨认、长期可用的名称。
\n![\"设置](\"imgs/starryblu/article-main-100s.png\")
我走过的 KYC 流程包括护照拍摄、身份信息核对和地址信息填写。拍护照时注意：
\n地址证明是最容易卡住的一步。填写的省/州、市、区/街道、详细地址和邮编，应与证明文件保持一致。
\n![\"上传地址证明并填写完整地址\"](\"imgs/starryblu/final-main-120s.png\")
提交后等待审核。不同地区的审核速度不同；如果收到补件通知，只通过 App 或官方邮箱提交，别把护照发给群里的“客服”。
\n首页核心区域包括：
\n新用户活动若到账，首页会出现消费券余额。我这次收到了一张 10 SGD 消费券。
\n在首页点击“充值”，选择要充入的币种和当前充值国家/地区。我在香港页面看到：
\n![\"香港地区可选](\"imgs/starryblu/article-main-180s.png\")
我这次充值 100 HKD，当时页面显示单笔区间为 100–50,000 HKD。限额会随账户、地区和规则变化，以你 App 的实时显示为准。
\n系统会生成收款人、收款银行、账户号和专属附言/参考码。我的转账页面显示为 WO TRANSFER (HK) LIMITED，并要求填写一串专属备注。
\n参考码必须逐字复制。本文图片里的 E20768 只是我当次转账的示例，不能拿去给其他账户使用。漏填或填错可能导致延迟入账，需要人工核查。
![\"FPS](\"imgs/starryblu/article-main-220s.png\")
回到你的香港银行 App，按 Starryblu 给出的资料转账。先转最低可接受金额测试；确认收款人名称和参考码无误后再提交。
\n我这笔 100 HKD 入金的手续费为 0，几乎即时到账。但这只能代表我当次的结果，不代表所有银行、金额和时间段都免费。
\n如果没有香港银行卡，可以查看 App 提供的银行卡充值或跨境充值。我也测试了美国 Visa/Mastercard 借记卡入金，但费率会因卡片发行地和通道变化。
\n不要只看“能充进去”，要在最终确认页同时检查：
\n小额充值的固定费用有时会显得很高，没有港卡时未必能做到低损入金。
\n我实际使用的提现流程是：
\n我优先选择“转数快账号（FPS ID）”，而没有默认使用邮箱或手机号，因为邮箱/手机号可能没有与目标银行账户正确绑定。
\n![\"提现时选择](\"imgs/starryblu/article-main-260s.png\")
我这次提现到账很快，但第一次使用时仍应先做小额测试，并确认币种兑换、提现费用和会员券是否生效。
\n点击首页底部的全球消费按钮，会看到三个入口：
\n![\"全球消费的三个入口\"](\"imgs/starryblu/article-main-286s.png\")
我测试 NFC“碰一碰”时没有成功，因此现阶段更值得关注的是扫码支付。
\n我的付款页显示：
\n![\"扫码后显示人民币金额、SGD](\"imgs/starryblu/article-main-331s.png\")
最终交易扣款 9.48 SGD，并用消费券优惠 0.46 SGD，按我这笔交易计算约为 4.8% 优惠。
\n![\"扫码消费成功，消费券抵扣](\"imgs/starryblu/article-main-351s.png\")
这不是固定返现率。消费券采用随机立减或活动规则，实际折扣以每笔订单为准。
\n我开卡时发现，虚拟卡并非所有注册用户都能立即领取，部分账户需要先排队或等待资格开放。收到通知后，从首页右上角的卡片入口进入申请。
\n官网当前仍保留“Starryblu Card 项目正在准备、待监管许可后生效”的免责声明，而我的账户已经开放了开卡流程。两者并不完全一致，说明卡片很可能按地区、账户或批次开放。
\n我的申请页显示：
\n如果目标只是海外订阅或线上付款，先选免费虚拟卡即可。实体卡还会涉及寄送地区、物流和潜在补卡费用。
\n![\"排队成功后可选择](\"imgs/starryblu/article-card-025s.png\")
免费卡会分配随机卡号。我在页面中还可以额外定制尾号：部分组合一次性收费 30 USD，稀缺组合为 60 USD；个别号码可能对指定会员免费。
\n卡号定制费与会员订阅费是两笔不同的费用。如果只是为了支付功能，没必要花钱买“好看”的尾号。
\n![\"定制卡号会出现](\"imgs/starryblu/article-card-045s.png\")
选择免费随机卡号时，我的订单明细显示卡号费为 0 USD。确认后按提示验证支付密码，卡片生成后即可进入详情页。
\n我用公开 BIN 信息查询 22800118，结果显示：
BIN 查询只能作为参考，最终以 App 卡片协议、发卡机构和实际交易返回信息为准。
\n卡片详情页可看到：
\n![\"虚拟卡详情与锁卡、管理入口\"](\"imgs/starryblu/article-card-095s.png\")
我测试时，“添加到 Apple Wallet”仍显示敬请期待。注销卡是不可逆或高风险操作，除非确定不再使用，否则不要误触。
\n这里最容易混淆：Starryblu 不是“付费才能开卡”。我的免费档也可以领取随机虚拟卡；付费档主要购买更多消费券、汇款券、取款额度、换汇优惠、余额收益等级和刷卡返现。
\n![\"Starryblu](\"imgs/starryblu/final-card-table-clean.png\")
下面按我当时 App 内显示的权益整理：
\n| 权益 | Starry Free | Starry Plus | Planet | Deity |
|---|---:|---:|---:|---:|
| 我当时看到的价格 | 免费 | 9.90 USD/月 | 19.90 USD/月 | 999.99 USD/年 |
| 官方标称权益价值 | 146 USD/月 | 366 USD/月 | 531 USD/月 | 28,048 USD/年 |
| 消费券 | 10 USD × 5/月 | 20 USD × 5/月 | 30 USD × 5/月 | 60 USD × 5/月 |
| 汇款券 | 无 | 1 次/月 | 2 次/月 | 不限次数 |
| 取款券 | 1 次/月，额度 350 USD | 3 次/月，额度 750 USD | 5 次/月，额度 1,100 USD | 10 次/月，额度 5,000 USD |
| 换汇券 | 5,000 USD 额度 | 无限额度 | 无限额度 | 无限额度 |
| ATM 取款费率 | 2.00% | 1.80% | 1.65% | 1.50% |
| 换汇提升 | 无 | 0.5‰ | 1‰ | 2‰ |
| 余额收益等级 | L1 | L2 | L3 | L4 |
| 刷卡返现 | 无 | 满 100 USD 返 50 coins | 满 100 USD 返 65 coins | 满 100 USD 返 100 coins |
需要注意三件事：
\n不要因为“价值 28,048 美元”就订阅最高档。真正该比较的是：你过去三个月实际支付的手续费和可兑现权益，能不能覆盖订阅费。
\n值得小额尝试的功能：
\n需要谨慎评估的功能：
\nStarryblu 最有意思的地方，不是它“替代了银行”，而是它把过去需要 Wise、港卡、外币钱包和扫码工具共同完成的几件事，塞进了一个账户里。
\n它适合作为跨境支付的第二工具，而不是你的唯一账户。把入金、提现和消费三条链路都用小额跑通，再决定要不要开卡、订会员，才是最稳妥的使用方式。
\n", "date_published": "2026-07-11T08:00:00.000+08:00", "date_modified": "2026-07-11T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260710-4%E5%85%83%E5%A4%9A%E7%9A%84%E6%8B%BC%E8%B1%86%E5%9B%BE%E7%BA%B8%E5%8D%96%E8%BF%911%E4%B8%87%E5%8D%95-%E7%9C%9F%E6%AD%A3%E5%80%BC%E9%92%B1%E7%9A%84%E4%B8%8D%E6%98%AF%E6%8B%BC%E8%B1%86-%E5%9B%BE%E5%BA%8A%E7%89%88", "url": "https://blog.imachuan.com/20260710-4%E5%85%83%E5%A4%9A%E7%9A%84%E6%8B%BC%E8%B1%86%E5%9B%BE%E7%BA%B8%E5%8D%96%E8%BF%911%E4%B8%87%E5%8D%95-%E7%9C%9F%E6%AD%A3%E5%80%BC%E9%92%B1%E7%9A%84%E4%B8%8D%E6%98%AF%E6%8B%BC%E8%B1%86-%E5%9B%BE%E5%BA%8A%E7%89%88", "title": "4元多的拼豆图纸卖近1万单！真正值钱的不是拼豆？-图床版", "summary": "看到一个小红书副业案例：有人把照片转换成拼豆像素图，一张图纸卖 4 元多，累计卖出接近 1 万单。 很多人看到这里，第一反应是： “我能不能也用 AI 做一个一样的网站？” 我觉得这个问题问偏了。 这个案例真正值得学的，不是拼豆，也不是“15 分钟上线”这句话，而是下面这件事： 先找到已经发生的付费，再用最低成本做出一个能交付结果的产品。 这和“我有一个想法", "content_html": "免责声明：本文为产品体验与公开资料整理，不构成金融、法律或税务建议。不同国家和地区的开放功能、费率、税务申报及外汇规则不同，请以 Starryblu App、官网和当地监管要求为准。
看到一个小红书副业案例：有人把照片转换成拼豆像素图，一张图纸卖 4 元多，累计卖出接近 1 万单。
\n很多人看到这里，第一反应是：
\n“我能不能也用 AI 做一个一样的网站？”
\n我觉得这个问题问偏了。
\n这个案例真正值得学的，不是拼豆，也不是“15 分钟上线”这句话，而是下面这件事：
\n先找到已经发生的付费，再用最低成本做出一个能交付结果的产品。
\n这和“我有一个想法，先闭门开发三个月”是两条完全不同的路。
\n原案例里展示了几个同类商品，大致是：4 元多卖出近 1 万单，6 元左右卖出 3000 多单，6 元多也卖出 3000 多单。
\n按“4 元多 × 近 1 万单”粗略估算，第一类商品的成交额大约是 4 万元级别。但这是按标价推算的流水，不是净利润，更不是后来者可以直接复制的收入。
\n里面至少还要扣掉：
\n所以这组数字真正证明的只有一件事：
\n有人愿意为“把一张照片变成可以照着做的图纸”付钱。
\n这已经足够成为一个值得验证的信号，但还不够成为“稳赚项目”的结论。
\n![\"先验证付费痕迹\"](\"https://content-system-images.pages.dev/pinduofu-ye-validation/01-validate-payment.png\")
![\"销量案例\"](\"https://content-system-images.pages.dev/pinduofu-ye-validation/02-sales-case.jpg\")
拼豆图纸并不是刚需。
\n一个人不做拼豆，也不会影响工作、吃饭和睡觉。可它依然能卖，是因为它没有在解决生存问题，而是在满足一种很具体的愿望：
\n“我也想做出一个可爱的东西。”
\n小红书上那些好卖的小产品，常常不是把功能做得多复杂，而是让用户很快进入一种理想状态：
\n付款前，用户只是“想做”；付款后，用户已经拥有了“开始做”的入口。
\n这就是这个案例里最有价值的产品洞察：
\n\n低价数字产品卖的不是信息，而是把“我想成为这样的人”变成一个今天就能开始的动作。
![\"理想自我\"](\"https://content-system-images.pages.dev/pinduofu-ye-validation/03-ideal-self.png\")
这套逻辑当然不只适用于拼豆。头像、手账、减脂计划、旅行模板、简历模板、亲子活动方案，背后都可能是同一种交易：用户在购买一条更短的自我实现路径。
\n如果今天重新做这个项目，我不会先打开 AI 编程工具，而是先把同类商品看一遍。
\n我会记录四件事：
\n商品页告诉你卖点，评论区告诉你产品还缺什么。
\n尤其是负面评论，它们不是单纯的差评，而是下一轮产品需求。
\n原案例的评论里，就有人指出：最初版本的生成效果比较一般；如果要真正商业化，还要处理背景、色卡、不同拼豆规格、调用成本和移动端体验。
\n这类反馈比“大家都说好厉害”更有价值，因为它直接指向用户愿不愿意持续付费的地方。
\n原作者用 Codex 这类 AI 编程工具，在很短时间里做出了一个拼豆图片转换器。
\n它的核心流程其实很小：
\n上传图片 → 像素化 → 调整颜色和尺寸 → 生成带网格的图纸 → 下载。
\n如果只是验证需求，不需要一开始就做复杂后台、会员系统和完整的商业架构。
\n可以把需求写成这样：
\n请做一个面向手工爱好者的在线拼豆图片转换工具。\n\n核心闭环：上传图片 → 调整像素尺寸和颜色数量 → 生成带网格的拼豆图纸 → 下载PNG。\n\n要求：\n1. 先完成可运行的前端1.0版本，不堆无关功能；\n2. 图片优先在浏览器本地处理，不默认上传用户图片；\n3. 支持手机和电脑端；\n4. 显示像素尺寸、颜色数量和基础参数；\n5. 生成结果可放大查看并下载；\n6. 给出测试、运行和部署说明；\n7. 把后续的色卡匹配、背景处理、使用权限等功能单独列为迭代项。这段提示词里最重要的，不是“请帮我做一个网站”，而是把用户、结果、路径和验收标准说清楚。
\nAI可以把从想法到样品的成本压低，但它不会替你验证用户，更不会替你承担交付责任。
\n![\"工具成品截图\"](\"https://content-system-images.pages.dev/pinduofu-ye-validation/04-tool-result.jpg\")
一个网页能上传图片、生成结果，只能说明技术闭环跑通了。
\n真正拿去卖，还要回答这些问题：
\n原案例最容易被误读的地方，就是“15 分钟做出来”这句话。更准确的说法是：作者按自己的记录，在一次线下学习活动中用很短时间做出了一个 1.0 样品。
\n15 分钟可以做出一个 1.0 样品，但不能证明：
\n这四件事，都要靠真实用户重新验证。
\n![\"样品不是产品\"](\"https://content-system-images.pages.dev/pinduofu-ye-validation/05-sample-vs-product.png\")
![\"先交付再自动化\"](\"https://content-system-images.pages.dev/pinduofu-ye-validation/06-deliver-before-automation.png\")
如果没有现成流量，我反而不建议一开始就做“无限次工具会员”。
\n更稳的顺序是：
\n先让用户发图片，你手动或半自动生成图纸，收一个低价。
\n这一步的目的不是赚大钱，而是确认：用户愿不愿意付款，哪类图片最容易成交，什么结果才算“可用”。
\n把重复步骤做成网页或模板，减少人工处理时间。
\n这时你会知道，哪些功能真的需要做，哪些只是开发者自己的想象。
\n当需求稳定、生成效果稳定、成本也算得清楚，再考虑兑换码、时间权限或会员。
\n这样做的好处是：每一步都由上一阶段的真实反馈推动，而不是靠猜。
\n小红书上可以用三类内容承接这个产品：
\n先让用户看见结果，再让用户理解产品，最后才是成交。
\n
原案例提到用低成本 API 配置工具。这个做法不适合直接照搬。
\n来路不明的 API Key 可能带来账号安全、余额损失、隐私泄露和平台规则风险；更不能把密钥写进前端代码、截图或公开笔记。
\n更安全的做法是使用官方渠道或可信的合规服务，并把密钥放在环境变量中。如果图片转换可以在浏览器本地完成，就尽量不要让用户图片经过不必要的第三方服务器。
\n同样不能照抄的，是“别人卖了近万单，所以我也能赚到近万单”的表达。
\n案例只证明方向被某个人验证过，不代表你的账号、内容、产品质量和交付方式也被验证过。
\n你要复制的是验证动作，不是别人的结果截图。
\n第 1 天：收集 20 个同类商品，整理价格、销量、评论和用户画像。
\n第 2 天：选一个最具体的人群，比如宠物主人，做 10 张样例。
\n第 3 天：先人工交付给 3～5 个真实用户，记录他们卡在哪里，不急着扩大样本。
\n第 4 天：把重复步骤交给 AI，做出最小网页版本。
\n第 5 天：发布 3 篇不同角度的内容：案例、教程、成品。
\n第 6 天：统计私信、询价、试用和付款，不只看点赞。
\n第 7 天：如果有人愿意付费，就继续迭代；如果只有围观，没有询价，就换卖点或换人群。
\n我会给这个实验设一个非常朴素的判断标准：
\n\n7天内，能不能拿到第一笔真实付款，或者至少拿到一批明确的付费意愿？
拿不到，就不要继续给产品加功能。
\n因为没有需求时，功能越多，浪费越大。
\n不在“我也复制一个拼豆网站”。
\n而在于你能不能形成一条新的工作顺序：
\n先看付费痕迹，再理解用户想要的结果；
\n先做一个能交付的样品，再用内容拿反馈；
\n先卖结果，再决定要不要把它做成工具。
\n过去，一个人不会写代码，就很难把一个小想法变成产品。
\n现在，AI把这道门槛压低了。但门槛降低，不等于赚钱变简单了。你只是有机会更快暴露自己的判断：到底有没有人要、结果够不够好、交付能不能持续。
\n所以别把“15分钟上线”当成发财密码。
\n把它当成一个提醒：
\n不要先花三个月证明你很努力，先花七天证明有人愿意付钱。
\n如果你正在研究 AI 小工具、虚拟产品或小红书副业，可以把你看到的案例放到评论区。真正值得拆的，从来不是“这个项目火不火”，而是：它替谁解决了什么问题，用户为什么现在就愿意付款。
\n#小红书副业 #AI创业 #虚拟产品 #副业赚钱 #AI编程 #Codex #拼豆 #手工创业 #个人项目
", "date_published": "2026-07-10T08:00:00.000+08:00", "date_modified": "2026-07-10T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260709-2026%E6%9C%80%E6%96%B0%E5%BC%80%E6%B8%AF%E5%8D%A1%E6%94%BB%E7%95%A5-%E6%B1%87%E4%B8%B0%E5%92%8C%E4%BC%97%E5%AE%89", "url": "https://blog.imachuan.com/20260709-2026%E6%9C%80%E6%96%B0%E5%BC%80%E6%B8%AF%E5%8D%A1%E6%94%BB%E7%95%A5-%E6%B1%87%E4%B8%B0%E5%92%8C%E4%BC%97%E5%AE%89", "title": "2026 开港卡最新攻略：汇丰 HSBC One 和众安 ZA Bank，别再按 2025 老经验操作", "summary": "2026 开港卡最新攻略：汇丰 HSBC One 和众安 ZA Bank，别再按 2025 老经验操作 资料检索日期：20260709 适合发布平台：X 长文 / X Article 定位：给第一次开香港个人账户、主要在“汇丰 + 众安”之间选择的人。 很多人还在按 2025 年的经验开港卡：找攻略、问中介、搜“哪家最好开”。 但 2026 年真正要问的不是", "content_html": "资料检索日期：2026-07-09
适合发布平台：X 长文 / X Article
定位：给第一次开香港个人账户、主要在“汇丰 + 众安”之间选择的人。
很多人还在按 2025 年的经验开港卡：找攻略、问中介、搜“哪家最好开”。
\n但 2026 年真正要问的不是这个。
\n2026 年开港卡，重点不是“哪家最好开”，而是你人在哪里、证件链路是否一致、账户成本能不能接受。
\n这篇只解决 3 个问题：
\n![\"汇丰通行证开户条件截图\"](\"https://content-system-images.pages.dev/20260709-hk-bank-card/01-hsbc-eep-eligibility.png\")
如果你只记一张表，就记这张：
\n| 需求 | 更适合 |
| --- | --- |
| 人在内地，想先提交申请，之后去香港激活 | 汇丰 HSBC One |
| 已经人在香港，希望纯 App 开户 | 众安 ZA Bank |
| 想要传统大行、多币种、网点和国际银行体系 | 汇丰 HSBC One |
| 想要低门槛、无最低结余、先拿虚拟卡 | 众安 ZA Bank |
| 不能接受每月潜在管理费 | 优先看众安，或准备好给汇丰留 HKD10,000 |
2026 年最大的变化是：汇丰 One 对 2026 年 1 月 1 日或之后新开的非香港身份证客户，开始有 HKD10,000 的平均全面理财总值门槛；不满足时，可能收 HKD100/月低额结存服务费。
\n这不是小字条款。对很多“开了放着备用”的人来说，这就是账户持有成本从 0 变成“要么留钱，要么交费”。
\n![\"汇丰](\"https://content-system-images.pages.dev/20260709-hk-bank-card/02-hsbc-2026-fee.png\")
---
\n很多人问“汇丰和众安哪个更推荐”，其实这个问题问反了。
\n港卡不是越多越好，而是要和你的使用场景匹配。
\n先按位置选，再按用途选。人在内地和人在香港，答案完全不同。
\n如果你人在内地，手上有有效期不少于 6 个月的往来港澳通行证，想先在 HSBC HK App 提交开户申请，再在 90 天内去香港用 App 激活，汇丰这条路更顺。
\n如果你已经到了香港，带着大陆居民身份证、大陆手机号、大陆储蓄卡，并且能提供国家移民管理局的出入境记录，众安这条路更轻。
\n这两家最大的区别是：
\n汇丰像一张“传统银行主卡”。多币种、网点、国际银行体系、后续金融产品入口更完整，但 2026 年后非 HKID 新户要注意余额门槛。
\n众安像一张“香港本地数字钱包 + 银行卡”。开户轻、无最低余额、通过后先拿虚拟 ZA Card，但它要求你开户时人在香港，而且身份核验更依赖大陆身份证、大陆手机号和大陆储蓄卡的一致性。
\n一句话：汇丰看长期账户价值，众安看当场开户效率。
\n![\"小黑：开港卡先按位置选\"](\"https://content-system-images.pages.dev/20260709-hk-bank-card/03-xiaohei-route-choice.png\")
---
\n汇丰官方把“往来港澳通行证持有人”列成单独路线。核心条件是：
\n如果你人在香港提交，通常需要准备通行证、允许 HSBC HK App 读取 GPS，并上传出入境记录。
\n如果你人在中国内地提交，官方说明是：可以先完成身份验证和申请提交，但需要在 90 天内前往香港，并通过 HSBC HK App 激活账户，不需要亲临分行。
\n汇丰这条路的关键，不是“能不能提交”，而是“90 天内能不能去香港完成激活”。
\n第一步：打开 HSBC HK App，选择 “I don't have an account yet”。
\n![\"HSBC](\"https://content-system-images.pages.dev/20260709-hk-bank-card/04-hsbc-step-1.jpg\")
第二步：拍摄身份证明文件。官方图里写的是 HKID，但汇丰说明里明确：护照或往来港澳通行证申请也需要拍摄身份证明文件。
\n![\"HSBC](\"https://content-system-images.pages.dev/20260709-hk-bank-card/05-hsbc-step-2.jpg\")
第三步：自拍做人脸识别。
\n![\"HSBC](\"https://content-system-images.pages.dev/20260709-hk-bank-card/06-hsbc-step-3.jpg\")
第四步：填写个人资料、住址、职业、税务居民等信息。
\n![\"HSBC](\"https://content-system-images.pages.dev/20260709-hk-bank-card/07-hsbc-step-4.jpg\")
第五步：开户成功后设置网上银行。
\n![\"HSBC](\"https://content-system-images.pages.dev/20260709-hk-bank-card/08-hsbc-step-5.jpg\")
第一，别再把 HSBC One 当成“无脑 0 成本账户”。
\n2026 年 1 月 1 日或之后，非 HKID 新开户客户如果想豁免 HKD100/月低额结存服务费，需要连续 3 个月平均全面理财总值达到 HKD10,000 或以上。
\n![\"小黑：汇丰](\"https://content-system-images.pages.dev/20260709-hk-bank-card/09-xiaohei-hsbc-cost.png\")
第二，前 6 个月可能有更低转账和提款限额。
\n汇丰官方提到，指定 HSBC One 非香港身份证客户在开户后首 6 个月内，会受较低转账及现金提款限额限制。也就是说，刚开完别急着做大额资金安排。
\n第三，不要找中介代开。
\n汇丰开户页明确提醒：不要向第三方透露个人资料，也不要通过中介开户。港卡最怕的不是慢，而是资料不一致、用途说不清、资金来源解释不了。
\n---
\n众安对“内地访港人士”的要求很清晰：
\n![\"众安访港人士开户资格截图\"](\"https://content-system-images.pages.dev/20260709-hk-bank-card/10-za-visitor-eligibility.png\")
这里最容易误会的是第二条：
\n众安不是“人在内地远程开”。它是“人在香港，用 App 开”。
\n官方 FAQ 也写得很直：需要亲自来香港开户，并且开户时必须人在香港主要区域。
\n众安的难点不在余额，而在身份链路：身份证、手机号、储蓄卡、出入境记录必须对得上。
\n![\"小黑：众安开户身份链路要对得上\"](\"https://content-system-images.pages.dev/20260709-hk-bank-card/11-xiaohei-za-identity-chain.png\")
众安官方 FAQ 说会尽力在 5 个工作日内完成审核，实际时间视情况而定。
\n开户成功并通过相关内部审核后，你会先收到虚拟 ZA Card；如果要实体卡，可以在 App 里申请，银行会寄到你提供的通讯地址。
\n所以众安更像“先拿虚拟卡、再补实体卡”的数字银行路径，不要把它想成传统柜台办卡。
\n![\"众安开户成功后银行卡说明截图\"](\"https://content-system-images.pages.dev/20260709-hk-bank-card/12-za-card-after-opening.png\")
![\"众安开户成功示意图\"](\"https://content-system-images.pages.dev/20260709-hk-bank-card/13-za-success.png\")
第一，不能只用护照或港澳通行证开户。
\n众安官方 FAQ 写明：目前不接受用护照开户，也不接受只用港澳通行证开户。访港人士路线的核心证件是大陆居民身份证。
\n第二，大陆银行卡不是用来“入金炫技”，而是身份一致性验证。
\n众安解释，要求提供大陆银行卡号是为了加强身份验证、防范身份盗用和欺诈。银行卡预留手机号必须和开户手机号一致。
\n第三，别把“无最低余额”理解成“无审核”。
\n众安对访港人士开户没有最低余额要求，但它仍然是香港持牌银行，会做身份、出入境、手机号、银行卡、税务和风险审核。
\n无最低余额，不等于无门槛；纯 App 开户，也不等于无审核。
\n---
\n开港卡不是绕监管。
\n香港有存款保障计划，合资格存款按每名存户、每家计划成员最高 HKD800,000 保障。众安在香港金管局登记为持牌银行；但“持牌”和“有保障”不等于所有产品都无风险，投资、证券、基金、保险要按各自产品规则看。
\n从内地购汇、汇款到香港，依然要遵守内地个人外汇管理和银行审核要求。国家外汇管理局规则中，个人结汇和境内个人购汇实行年度总额管理，年度总额分别为每人每年等值 5 万美元。
\n另外，人民银行等三部门发布的《金融机构客户尽职调查和客户身份资料及交易记录保存管理办法》已明确自 2026 年 1 月 1 日起施行。跨境汇款、客户身份核验、资料保存会更强调“可追溯、可解释、可核实”。
\n港卡是银行账户，不是监管真空。你越想“绕”，越容易被审核卡住。
\n![\"小黑：资金路径要可解释\"](\"https://content-system-images.pages.dev/20260709-hk-bank-card/14-xiaohei-compliance-boundary.png\")
这意味着：
\n众安的投资服务页面也提醒：内地访港人士若申请投资账户，需要持有有效 ZA Bank 储蓄账户、申请时人在香港，并确认投资资金及结算资金来自中国内地以外的合法来源。
\n这句话很重要。它不是营销话术，是边界。
\n---
\n如果你只有一天香港行程，优先顺序可以这样排：
\n第一优先：众安。因为必须人在香港，错过这次行程就不能在内地补。
\n第二优先：汇丰激活。如果你已经在内地提交了汇丰申请，记得 90 天内去香港用 App 激活。
\n第三优先：现场处理实体卡、地址、限额和小额测试转账。
\n如果你是第一次开港卡，我更建议：
\n第一次开港卡，不要追求“一次开满”。先让一个账户稳定可用，比同时开三四家更重要。
\n---
\n去香港前，至少准备这些：
\n在香港当天：
\n去香港前少准备一项，现场就可能多耗半天。开户这件事，拼的不是运气，是资料一致性。
\n---
\n2026 年开港卡，真正的门槛不是“会不会点 App”。
\n真正的门槛是：你是否人在正确的位置，证件是否匹配，手机号和银行卡是否一致，资金用途是否合规，账户成本是否算清楚。
\n汇丰适合做长期主账户，众安适合做轻量数字入口。一个看稳定性，一个看便利性。别神化，也别乱开。
\n建议收藏这篇，去香港前按清单过一遍。真到了现场，少漏一个验证码、少缺一份出入境记录，可能就少折腾半天。
\n---
\nhttps://www.hsbc.com.hk/international/banking-in-hong-kong/
\nhttps://www.hsbc.com.hk/ways-to-bank/mobile-apps/banking/account-opening/
\nhttps://www.hsbc.com.hk/accounts/products/one/
\nhttps://bank.za.group/en/account-open
\nhttps://bank.za.group/en/faqs/Individuals/Account_opening/Open_an_account_for_a_visitor_in_HongKong/66503e50b359be4a195230e7
\nhttps://bank.za.group/en/faqs/Individuals/Account_opening/Open_an_account_for_a_visitor_in_HongKong/66503e60b359be4a19523105
\nhttps://bank.za.group/en/faqs/Individuals/Account_opening/Open_an_account_for_a_visitor_in_HongKong/66503e61b359be4a19523108
\nhttps://bank.za.group/en/faqs/Individuals/Account_opening/Open_an_account_for_a_visitor_in_HongKong/67c152c61883244561c2f73d
\nhttps://bank.za.group/en/faqs/Individuals/Account_opening/Open_an_account_for_a_visitor_in_HongKong/689ef33c28faa63f2a33865b
\nhttps://www.dps.org.hk/en/faq_partd.html
\nhttps://vpr.hkma.gov.hk/eng/regulatory-resources/registers/register-of-ais-and-lros/info/100325
\nhttps://www.pbc.gov.cn/tiaofasi/144941/144957/5916164/index.html
\nhttps://www.safe.gov.cn/tianjin/2024/0430/2464.html
\n风险提示：银行开户政策、App 流程、审核口径和费用表会更新。本文按 2026-07-09 可检索官方信息整理，不构成法律、税务、投资或外汇建议，实际开户以银行 App 和柜台审核为准。
", "date_published": "2026-07-09T08:00:00.000+08:00", "date_modified": "2026-07-09T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260708-%E5%88%AB%E5%86%8D%E6%89%8B%E5%8A%A8%E6%95%B4%E7%90%86%E8%B5%84%E6%96%99%E4%BA%86-%E7%94%A8%E4%B8%80%E5%8F%A5%E8%AF%9D%E8%AE%A9WorkBuddy%E6%8A%8A%E7%9F%A5%E8%AF%86%E5%BA%93%E5%85%BB%E8%B5%B7%E6%9D%A5-%E5%9B%BE%E5%BA%8A%E7%89%88", "url": "https://blog.imachuan.com/20260708-%E5%88%AB%E5%86%8D%E6%89%8B%E5%8A%A8%E6%95%B4%E7%90%86%E8%B5%84%E6%96%99%E4%BA%86-%E7%94%A8%E4%B8%80%E5%8F%A5%E8%AF%9D%E8%AE%A9WorkBuddy%E6%8A%8A%E7%9F%A5%E8%AF%86%E5%BA%93%E5%85%BB%E8%B5%B7%E6%9D%A5-%E5%9B%BE%E5%BA%8A%E7%89%88", "title": "普通人想用 WorkBuddy 搭建知识库？", "summary": "普通人想用 WorkBuddy 搭建知识库？ 小白直接照抄！ 你有没有发现一个很扎心的现象： 现在大家都在说要做 AI 工作流、个人知识库、内容系统，但真正到写文章、做选题、找案例的时候，还是在微信收藏、浏览器书签、桌面文件夹、群聊记录里到处翻。 你明明看过很多资料。 你明明收藏过很多链接。 你明明知道某个数据、案例、截图“肯定在某个地方”。 但一到要用的时", "content_html": "\n小白直接照抄！
![\"Punk](\"https://content-system-images.pages.dev/20260708-workbuddy-knowledge-base/00-punk-cover-giant-perspective.png\")
你有没有发现一个很扎心的现象：
\n现在大家都在说要做 AI 工作流、个人知识库、内容系统，但真正到写文章、做选题、找案例的时候，还是在微信收藏、浏览器书签、桌面文件夹、群聊记录里到处翻。
\n你明明看过很多资料。
\n你明明收藏过很多链接。
\n你明明知道某个数据、案例、截图“肯定在某个地方”。
\n但一到要用的时候，它就像蒸发了一样。
\n这不是你记性差，也不是知识库没用。
\n真正的问题是：你的资料根本没有稳定进入知识库。
\n很多 AI 自媒体博主、内容团队和研究型创作者，正在输在这个地方。不是输在不会提问，不是输在不会写 prompt，而是输在每天刷到的好东西没有被持续沉淀。
\n今天看到一个产品更新，顺手收藏了。
\n明天看到一个案例拆解，先截图放桌面。
\n后天下载一份 PDF，想着以后再整理。
\n一个月后，你的素材池看起来很丰富，实际上全是散落的碎片。等要写一篇深度文章、做一期视频、整理一个专题时，你会发现自己不是缺资料，而是缺一个能把资料接住的系统。
\n![\"Ian](\"https://content-system-images.pages.dev/20260708-workbuddy-knowledge-base/01-knowledge-base-bottleneck.png\")
我现在越来越觉得，知识库的第一性原理不是“能不能问”，而是“能不能养”。
\n养不起来的知识库，本质上只是一个更高级的收藏夹。
\n而 WorkBuddy 和 ima 的组合，解决的就是这个最容易被忽略、但最要命的问题：把“手动整理资料”变成“一句话交代任务”。
\n很多人第一次搭知识库，注意力都放在后半段：
\n这些当然重要。
\n但前面还有一个更基础的动作：资料要先进库。
\n如果行业文章还躺在微信收藏里，会议纪要还躺在桌面上，政策 PDF 还混在本地文件夹里，视频脚本、产品截图、爆款案例还散落在不同软件里，那再强的知识库也只能回答一小部分问题。
\n这就是很多人用知识库失败的原因。
\n不是不知道它有用，而是“入库”这个动作太重：
\n打开工具，选文件，找分类，上传，确认，整理命名，再想着下次也要这么做。
\n做一次还行，做十次就开始拖延。拖延几天之后，知识库就从工作系统退化成了心理安慰。
\n知识库真正的门槛，不是会不会提问，而是资料能不能持续、准确、低成本地进入正确位置。
\n这一点对 AI 自媒体尤其关键。
\n因为内容行业的资料不是一次性整理完的，而是每天都在流动：新品发布、模型更新、案例截图、提示词实验、竞品动态、行业报告、读者反馈、灵感片段。
\n如果这些东西不能低成本进入系统，你的内容生产就会一直停留在“临时翻资料 + 临时拼观点”的状态。
\n你可以先用一个很简单的方式理解这个组合：
\nima 是你的知识仓库。
\nWorkBuddy 是一个能听懂自然语言、还能调用工具的工作助手。
\n两者连起来之后，工作方式会变得非常直接。
\n你不再需要自己打开客户端、找入口、手动上传，而是直接说：
\n把这篇公众号文章添加到 ima 的「AI 行业动态库」或者：
\n监管 D:\\AI内容\\2026年选题资料 文件夹，\n有新的研报、产品截图、会议纪要、案例文章时，\n自动上传到 ima 的「AI 内容素材库」以前这些动作都要你自己做判断、做分类、做搬运。现在你只需要把目标说清楚，剩下的整理动作交给 WorkBuddy 执行。
\n![\"Ian](\"https://content-system-images.pages.dev/20260708-workbuddy-knowledge-base/02-one-sentence-routing.png\")
这件事看起来不性感，但非常关键。
\n它不是多一个工具入口，而是把知识库从“靠人记得上传”，变成“让流程自动发生”。
\n对内容创作者来说，这个差别很大。
\n因为一个真正能用的素材库，不应该靠你每次自律维护。它应该像一个后台工人：你看到资料，交代一句；你丢进文件夹，它自动识别；你要写稿，它能把东西拿出来。
\n在自动同步之前，需要先把 WorkBuddy 和 ima 连接起来。
\n这个过程只做一次。打通之后，后面就可以直接用自然语言调用。
\n打开 ima 的接口管理页：
\nhttps://ima.qq.com/agent-interface在页面里找到 API Key 和 Client ID，复制下来。
![\"获取](\"https://content-system-images.pages.dev/20260708-workbuddy-knowledge-base/03-ima-api-key-client-id.png\")
你可以把 API 信息理解成两个软件之间的安全通道。
\nWorkBuddy 需要这组信息，才能代表你把资料同步到对应的 ima 知识库里。
\n最简单的方式，是直接在 WorkBuddy 对话框里说：
\n帮我安装 ima 技能然后把刚才复制的 API Key 和 Client ID 粘贴进去。
![\"通过指令安装](\"https://content-system-images.pages.dev/20260708-workbuddy-knowledge-base/04-install-ima-skill.jpg\")
如果你习惯从技能入口配置，也可以在技能广场里搜索 ima，找到对应技能后完成安装，再通过对话补充 API 信息。
![\"在技能广场搜索](\"https://content-system-images.pages.dev/20260708-workbuddy-knowledge-base/05-skillhub-search-ima.jpg\")
配置完成后，可以让 WorkBuddy 做一次验证：
\n列出我的知识库或者：
\n罗列指定知识库里的内容如果它能返回你的 ima 知识库列表，说明连接已经打通。
\n这里有一个权限边界要注意：现阶段主要支持调用自己创建的个人知识库或共享知识库。别人分享给你的知识库，如果没有相应访问权限，可能无法直接调用。需要使用时，建议先转存到自己的知识库里。
\n这一步不复杂，但它决定了后面能不能从“聊天”走向“执行”。
\n连接成功之后，WorkBuddy 最有价值的地方就出来了：
\n它可以把不同来源的资料，用同一种自然语言方式送进 ima。
\n对 AI 自媒体博主来说，可以先从三个高频场景开始。
\nAI 内容创作者每天都会遇到大量外部资料：
\n过去最常见的动作是：收藏、截图、转发给自己、复制到备忘录。
\n听起来都没错，但问题是这些动作很容易变成信息坟场。
\n收藏夹越堆越多，真正要用时还是要重新翻。
\n现在可以直接对 WorkBuddy 说：
\n帮我把这个链接加到 ima 的「AI 行业动态库」：\nhttps://example.com/article公众号文章也可以这样处理：
\n帮我把这篇公众号文章添加到 ima 的「AI 产品案例库」：\nhttps://mp.weixin.qq.com/s/xxxxxWorkBuddy 会识别链接类型，把内容同步到你指定的知识库里。
\n更进一步，你还可以把这件事做成定时任务。
\n比如每天上午自动抓取某个领域的行业动态，提炼成简报，再存进 ima。这样知识库就不是被动等你上传，而是每天自动更新。
\n![\"定时抓取并同步资料\"](\"https://content-system-images.pages.dev/20260708-workbuddy-knowledge-base/06-auto-sync-schedule.gif\")
这对 AI 博主特别有用。
\n因为你的选题敏感度，很多时候不是来自某次灵感爆发，而是来自长期稳定地接触新资料。
\n稳定进库，才会稳定长出选题。
\n很多创作者的资料并不在网页里，而是在本地：
\n下载的 PDF、客户访谈纪要、课程笔记、产品截图、选题表、直播提纲、会议记录、竞品分析、历史文章草稿。
\n这些文件如果不进知识库，后面就很难被搜索、整合和复用。
\n你可以在 WorkBuddy 里上传附件后说：
\n帮我把「Claude Code 实操笔记.docx」上传到 ima 的「AI 工具实操库」也可以指向某个本地文件夹里的具体文件：
\n帮我把文件夹里的这份模型报告上传到 ima「AI 行业研究库」WorkBuddy 会处理文件类型、大小、重名等基础检查，完成后告诉你同步结果。
\n这里建议做一个小习惯：只授权真正需要处理的工作目录。
\n不要直接授权整个 C 盘、D 盘根目录，也不要把包含客户原始信息、未脱敏数据、账号密钥、合同文件的目录交给自动化流程。
\n自动化越方便，越要把权限边界划清楚。
\n这句话很重要。
\nAI 工作流的成熟，不是把所有东西都交出去，而是把重复动作自动化，把敏感边界留给人判断。
\n这是最值得掌握的一种用法。
\n因为它能把“我记得上传”变成“系统自己检查”。
\n很多内容团队都可以准备几个固定目录：
\n过去每次新增文件，都要有人记得再上传一次。
\n现在可以直接让 WorkBuddy 监管这个目录：
\n帮我监管 D:\\AI内容\\2026年选题资料 文件夹，\n当有新的研报、会议纪要、产品截图、案例文章时，\n自动上传到 ima 的「AI 内容素材库」这条指令背后，WorkBuddy 会定期检查文件夹里的新文件，识别常见文件类型，并把符合条件的资料同步到指定知识库。
\n如果你想更精细一点，也可以把规则说清楚：
\n帮我监控 D:\\AI内容\\2026年选题资料，\n只同步 .pdf、.docx 和 .md 文件；\n超过 10MB 的文件跳过；\n文件名包含「草稿」或「未脱敏」的不上传。这就很接近一个轻量的信息管理流程了。
\n资料进入文件夹，WorkBuddy 负责检查和同步，ima 负责沉淀和检索。人不再做重复搬运，只负责判断哪些资料值得进入流程。
\n一个 AI 自媒体账号真正的护城河，不是今天会不会蹭热点，而是有没有一个持续生长的素材系统。
\n热点人人都能刷到。
\n但能把热点和历史资料、案例、产品变迁、个人判断连接起来的人，会明显写得更深。
\n很多人把知识库当成一个更高级的网盘，这是很可惜的。
\n资料同步进去以后，真正的价值不是“我存了很多东西”，而是你可以开始用自然语言问它。
\n![\"Ian](\"https://content-system-images.pages.dev/20260708-workbuddy-knowledge-base/07-knowledge-base-answers.png\")
这一步会直接改变你的内容生产方式。
\n以前你写一篇文章，可能要先翻收藏、找截图、回忆案例、查出处、整理提纲。
\n现在你可以直接问：
\n在我的 ima 知识库里，搜索过去一个月关于「AI Agent 工作流」的资料，\n按产品更新、案例、争议和趋势四类整理成摘要。这类问题适合做选题池、信息导览、月度观察、行业综述。
\n你也可以让它基于已有资料写初稿：
\n基于我「AI 工具实操库」里的内容，\n帮我写一篇关于普通人如何搭建 AI 素材库的文章提纲。这类问题适合做长文初稿、视频脚本、直播提纲、课程大纲。
\n还有一种非常实用的用法，是快速查找引用出处：
\n我需要引用一份关于「企业采用 AI Agent 的实际案例」的数据，\n在我的知识库里找找，告诉我具体在哪份文件、哪一段。这对写深度内容非常重要。
\n因为 AI 自媒体最容易翻车的地方，不是不会表达，而是资料来源不清、案例出处模糊、观点全靠感觉。
\n当资料能被问出来，知识库才真的开始参与工作。
\n![\"适用场景\"](\"https://content-system-images.pages.dev/20260708-workbuddy-knowledge-base/08-use-cases.png\")
如果你每周都会查找、下载、整理资料，这套流程都值得试。
\n尤其适合这些场景：
\n如果把它串起来，最小工作流可以是这样：
\n这一整套流程的意义，不是让 AI 替你判断所有事。
\n它真正拿掉的是“资料在哪里”这个低价值摩擦。
\n这个摩擦一旦被拿掉，内容生产会发生两个变化：
\n第一，你不再只靠临时记忆写作。
\n第二，你的素材会随着日常工作自然增长。
\n这比单次生成一篇文章重要得多。
\nWorkBuddy 可以让资料整理变得轻很多，但越是能自动执行的系统，越要认真设置边界。
\n至少守住三条线：
\n不要为了省几分钟整理时间，把不该进入流程的资料也丢进去。
\n好用的 AI 工作流，不是把所有东西都自动化。
\n它是把重复、明确、低风险的动作交给系统，把判断、边界和责任留在人手里。
\n这也是我觉得 WorkBuddy + ima 这个组合值得试的原因。
\n它不是在给你再加一个收藏入口，而是在帮你把知识库从“需要维护的仓库”，慢慢变成一个能跟上日常工作的数字助理。
\n如果你已经在做 AI 内容，下一步最值得尝试的不是“再建一个知识库”，而是先挑一个最常用的资料文件夹，让 WorkBuddy 监管起来。
\n从那一刻开始，你的知识库就不再只是存资料。
\n它开始被养起来。
\n你最想先让 WorkBuddy 接手哪一种重复整理工作？
\n是行业资讯入库，产品截图归档，还是把本地选题资料自动同步到 ima？
", "date_published": "2026-07-08T08:00:00.000+08:00", "date_modified": "2026-07-08T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260708-%E6%99%AE%E9%80%9A%E4%BA%BA%E5%81%9A%E6%8A%95%E8%B5%84%E7%A0%94%E7%A9%B6%E5%88%AB%E5%8F%AA%E6%8A%8AWorkbuddy%E5%BD%93%E8%81%8A%E5%A4%A9%E6%A1%86", "url": "https://blog.imachuan.com/20260708-%E6%99%AE%E9%80%9A%E4%BA%BA%E5%81%9A%E6%8A%95%E8%B5%84%E7%A0%94%E7%A9%B6%E5%88%AB%E5%8F%AA%E6%8A%8AWorkbuddy%E5%BD%93%E8%81%8A%E5%A4%A9%E6%A1%86", "title": "Workbuddy不是荐股神器，是少亏3次的系统", "summary": "Workbuddy不是荐股神器，是少亏3次的系统 这两年，普通人做投资最危险的错觉是： 我信息看得够多，所以我在认真研究。 但你仔细想想，很多时候我们只是在被信息喂养。 今天看一篇行业分析，明天刷到一个 AI 硬件概念，后天朋友丢来一个标的。你收藏了一堆报告，截图了一堆观点，脑子里塞满了“好像有机会”，但真正要下判断时，还是靠记忆、情绪和一点点运气。 这就是", "content_html": "![\"首图｜Workbuddy少亏3次\"](\"punk-assets/punk-cover/workbuddy-less-loss-clean-3d/cover.png\")
这两年，普通人做投资最危险的错觉是：
\n我信息看得够多，所以我在认真研究。
\n但你仔细想想，很多时候我们只是在被信息喂养。
\n今天看一篇行业分析，明天刷到一个 AI 硬件概念，后天朋友丢来一个标的。你收藏了一堆报告，截图了一堆观点，脑子里塞满了“好像有机会”，但真正要下判断时，还是靠记忆、情绪和一点点运气。
\n这就是我看完 Workbuddy 这类工具后真正焦虑的地方。
\n它不是又多了一个会写报告的聊天框。
\n它开始把普通人的投资研究，从“刷观点”推进到“跑流程”。
\n这个变化很要命。
\n因为一旦 AI 能帮你持续做资料整理、行业拆解、指标提炼和失败复盘，普通人和专业研究之间的差距，就不再只取决于你有没有时间读报告，而取决于你有没有自己的研究系统。
\n![\"信息焦虑分拣\"](\"assets/20260708-workbuddy-investment-ai-illustrations/01-info-anxiety-sorting.png\")
先说清楚，这篇不是投资建议，也不是让你把钱交给模型。
\n恰恰相反。
\n越是这种工具变强，普通人越要知道：AI 不能替你负责，但它能逼你把自己的判断讲清楚。
\n很多人第一次用投资类 AI 工具，第一反应都是问：
\n“这个行业能不能投？”
\n或者更直接：
\n“这个股票怎么样？”
\n这个问法很人性，但也很危险。
\n因为它会把你重新推回那个最熟悉的坑：找一个更聪明的人，给你一个更像答案的答案。
\n更好的问法是：
\n先帮我把这个行业研究清楚。
\n原文里有一个很典型的例子：直接让 Workbuddy 做一份电感行业研究报告。
\n几分钟后，它能搭出一份相对完整的研究骨架：产业链、价值链、市场规模、细分结构、核心催化、龙头公司对比、观点映射、风险识别。
\n![\"Workbuddy](\"assets/workbuddy-20260708/01.png\")
这件事本身不神秘。
\n今天很多 AI 工具都能写报告。
\n真正重要的是，它能不能把一个模糊主题拆成你可以继续追问的模块。
\n普通人做理财研究，最缺的不是观点，而是结构。你今天听到“AI 硬件很强”，明天听到“国产替代有机会”，后天又听到“估值已经太贵”。如果这些信息不进入同一个框架，它们只会制造焦虑。
\nAI 生成报告只是第一步。
\n更关键的是，它让你有机会继续问：
\n这才是个人投资研究应该开始的地方。
\n![\"电感行业研究报告示例](\"assets/workbuddy-20260708/02.png\")
![\"电感行业研究报告示例](\"assets/workbuddy-20260708/03.png\")
![\"电感行业研究报告示例](\"assets/workbuddy-20260708/04.png\")
我觉得 AI 自媒体最应该反复讲的一句话是：
\n不要让 AI 替你做判断，要让 AI 逼你暴露判断的结构。
\n以前普通人做投资研究，很容易停在一句话：
\n“我感觉这个方向不错。”
\n这句话太舒服了。
\n舒服到你不用解释自己到底看到了什么，也不用承认自己可能只是被涨幅、热搜和身边人的兴奋带着走。
\n但 AI 工具开始把这句话拆开。
\n你说“感觉要涨”，它可以继续追问：为什么？看估值，还是看趋势？看业绩，还是看资金？看行业景气，还是看政策催化？如果错了，什么信号说明你要停下来？
\n对普通人来说，这就是最朴素的量化。
\n不是高频交易，不是写代码，不是机构模型。
\n而是把模糊感觉压成几张可以检查的卡片。
\n![\"把感觉压成检查项\"](\"assets/20260708-workbuddy-investment-ai-illustrations/02-feeling-to-checklist.png\")
普通人最需要的量化，不是预测市场，而是约束自己的感觉。
\n这点很反常识。
\n很多人以为 AI 做投资，最厉害的是“帮我找到下一只牛股”。
\n但更现实的价值是：它帮你少做一些没有证据的判断。
\n它不能替你承担风险，也不应该替你下投资决定。但它可以陪你把一句含糊的话拆成：
\n这比单纯问“明天买什么”高级得多，也健康得多。
\nWorkbuddy 里有一些专家模块和现成技能，适合快速上手。
\n如果你只是想先看看它能做什么，可以从这些模块开始。
\n![\"专家模块示例](\"assets/workbuddy-20260708/05.png\")
![\"专家模块示例](\"assets/workbuddy-20260708/06.png\")
但普通投资者一定要记住：模块是入口，不是权威。
\n你要知道它怎么拆任务、怎么调用工具、怎么读数据、怎么给出中间判断。这样以后看到一个结论，你才知道它哪里是事实，哪里是推理，哪里只是模型说得很像那么回事。
\nAI 工具最危险的地方，不是它不会。
\n危险的是，它会把不确定的东西讲得很确定。
\n个人理财里，这一点尤其重要。
\n因为你的钱不是一段测试文本。亏了就是自己的现金流、家庭计划和睡眠质量。
\n如果你不知道怎么搭研究系统，可以先从一个很朴素的问题开始：
\n最近涨得好的资产，有什么共同特征？
\n这不是让你追涨，也不是让你迷信榜单。
\n它的价值在于训练研究颗粒度。
\n你可以让模型观察一批涨幅靠前的公司、行业或资产，让它提炼共同变量：业绩、估值、成交量、趋势形态、政策催化、行业景气、市场风格、资金偏好。
\n![\"强势样本分析示例\"](\"assets/workbuddy-20260708/07.png\")
模型给出的指标不能直接当答案。
\n它更像一份研究草稿：有些变量可能真的有用，有些只是巧合，有些只在某段行情有效，换一个市场环境就失效。
\n普通人要做的，不是把这份草稿当圣杯，而是把它变成自己的观察清单。
\n![\"辅助指标示例](\"assets/workbuddy-20260708/08.png\")
![\"辅助指标示例](\"assets/workbuddy-20260708/09.png\")
这一步的关键变化是：你不再只是说“这个方向最近很强”。
\n你会开始逼自己说清楚：
\n这就是从刷观点，走向做研究。
\n个人投资里，很多人都会看图。
\n但看图最麻烦的地方，是语言很模糊。
\n你脑子里觉得某个形态“像要突破”，另一个人可能觉得“已经走坏了”。今天你觉得像，明天你又觉得不像。赚钱的时候觉得形态有效，亏钱的时候又说市场环境不配合。
\n这时可以让模型先把图形描述清楚，甚至把示意图画出来。
\n![\"M](\"assets/workbuddy-20260708/10.png\")
![\"M](\"assets/workbuddy-20260708/11.png\")
![\"M](\"assets/workbuddy-20260708/12.png\")
这一步不是为了迷信技术分析。
\n它真正的作用，是把你的观察语言变得更稳定。
\n当模型把一个形态拆成条件，你就可以继续追问：
\n然后再让它按这个标准去搜索和筛选。
\n![\"按形态筛选示例\"](\"assets/workbuddy-20260708/13.png\")
这时，AI 就不只是“帮我看一眼”。
\n它更像一个研究助理，陪你把模糊经验写成一套可以检查的观察规则。
\n投资这件事里，最会骗人的不是别人，是自己的记忆。
\n涨了，你会记得自己当初“早就看好”。
\n跌了，你会记得“市场太难”“运气不好”“本来再等等就行”。
\n如果没有复盘，很多判断最后都会变成一团情绪。
\n你可以把某个时间点的行情条件、价格变化、筛选结果交给模型，让它帮你判断哪些信号成功，哪些失败，再进一步总结原因。
\n![\"复盘规则示例](\"assets/workbuddy-20260708/14.png\")
![\"复盘规则示例](\"assets/workbuddy-20260708/15.png\")
这一步特别适合普通投资者。
\n因为普通人最缺的不是一次惊艳判断，而是一套能慢慢变好的反馈系统。
\n![\"复盘回路\"](\"assets/20260708-workbuddy-investment-ai-illustrations/03-review-loop.png\")
亏损本身不是最可怕的，可怕的是每一次亏损都没有进入系统。
\n如果 AI 能帮你把失败样本整理出来，再把规则修正成下一版，投资就从“情绪循环”进入了“系统迭代”。
\n当然，模型复盘不是审判结果，也不是保证下次会赢。
\n它只是在帮你把过去的错误变得更容易看见。
\n看见，是改进的第一步。
\n如果你已经有自己的投资原则，比如只做长期资产配置、只关注指数基金、只研究少数行业、只在估值分位较低时加仓，那就更适合把流程固化下来。
\n不要每次都临时问一句。
\n可以把它变成固定步骤：
\n![\"固化](\"assets/workbuddy-20260708/16.png\")
这样做的好处，是把一次性的灵感变成可重复流程。
\n个人理财最怕“今天状态好就研究得很细，明天忙了就全靠感觉”。流程固化之后，你至少能保证每次都从同一套检查清单出发。
\n多个 skill 还可以组合使用。
\n一个负责行业研究，一个负责基金对比，一个负责风险检查，一个负责月度复盘。组合起来，它就不再只是聊天窗口，而更像一个轻量的个人投资研究台。
\n看到这里，有人可能会说：这不还是靠模型能力吗？
\n只说对了一半。
\n模型当然重要，但从文本问答走到任务执行，中间还需要很多东西：上下文管理、数据读取、工具调用、任务拆解、MCP 接入、错误修复、技能沉淀。
\n这些东西才是个人投资研究里的“脚手架”。
\n没有脚手架，模型只能回答问题；有了脚手架，模型才有机会连续做事。
\n![\"任务拆解与工具调用示例\"](\"assets/workbuddy-20260708/17.png\")
对普通人来说，这个差别很大。
\n因为理财不是一问一答，而是长期过程。你这个月提出假设，下个月验证假设，半年后发现错了，再慢慢修正自己的方法。
\n工具如果不能承接这种连续性，就只能停留在“帮我写一段”的层面。
\nWorkbuddy 值得关注的地方，就在于它似乎正在往这个方向走。
\n第一，不要把任何模型输出当投资建议。
\nAI 可以帮你整理信息、生成指标、提出假设，但风险一定还是你自己承担。涉及个股、买卖点、仓位、家庭现金流的时候，更要把模型当助理，不要当裁判。
\n第二，数据源必须检查。
\n投资研究里，错数据比没数据更危险。模型说得再顺，只要底层数据有问题，后面的推理就会一起歪。
\n第三，指标必须经过验证。
\n一个看起来漂亮的筛选条件，可能只是某段行情里的偶然相关。至少要看历史样本、失败样本、不同市场环境，不要被几次命中冲昏头。
\n第四，别让研究压过生活。
\n个人理财最终服务的是生活，不是让你每天更焦虑。好的工具应该让你更清醒、更有边界，而不是让你沉迷于无限分析。
\nAI 自媒体以后不能只教“万能提示词”了。
\n真正值得讲的，是普通人如何把 AI 接进自己的工作流、学习流和决策流。
\n放到个人理财里，就是这件事：
\n不要只问 AI 买什么。
\n更值得探索的是，它能不能帮你把资料变成结构，把观察变成规则，把错误变成复盘，把复盘变成下一次更清晰的行动。
\n如果 Workbuddy 能把这条链路跑顺，它的意义就不只是一个新工具，而是个人投资研究方式的一次升级。
\n你会先拿它做什么？
\n是研究一个行业，整理自己的基金池，还是搭一个月度投资复盘 skill？
", "date_published": "2026-07-08T08:00:00.000+08:00", "date_modified": "2026-07-08T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260707-CCSwitch%E5%92%8CCodex%2B%2B%E8%81%94%E5%90%88%E7%8E%A9%E6%B3%95", "url": "https://blog.imachuan.com/20260707-CCSwitch%E5%92%8CCodex%2B%2B%E8%81%94%E5%90%88%E7%8E%A9%E6%B3%95", "title": "Codex 不够用？这套组合接第三方 API", "summary": "Codex 不够用？这套组合接第三方 API 这套组合只解决一件事： CC Switch 管 provider、API Key、本地路由；Codex++ 管 Codex App 的增强体验。 不要让两个工具同时改 ~/.codex/config.toml 和 ~/.codex/auth.json。 推荐分工： 第三方 API、模型切换、协议转换、用量记录：交", "content_html": "![\"X](\"https://i.ibb.co/v6mZkzWn/cover.png\")
这套组合只解决一件事：
\nCC Switch 管 provider、API Key、本地路由；Codex++ 管 Codex App 的增强体验。
\n不要让两个工具同时改 ~/.codex/config.toml 和 ~/.codex/auth.json。
推荐分工：
\n开始前先备份：
\ncp ~/.codex/config.toml ~/.codex/config.toml.bak.$(date +%Y%m%d-%H%M%S)\ncp ~/.codex/auth.json ~/.codex/auth.json.bak.$(date +%Y%m%d-%H%M%S)macOS 直接走 Homebrew：
\nbrew install node\nbrew install codex\nbrew tap farion1231/ccswitch\nbrew install --cask cc-switchWindows / Linux 就从 CC Switch Releases 下载对应安装包。
\n![\"安装](\"https://i.ibb.co/CDY7Cdk/01-ccswitch-install.jpg\")
去 Codex++ Releases 下载最新版：
\nCodexPlusPlus-*-macos-arm64.dmgCodexPlusPlus-*-macos-x64.dmgCodexPlusPlus-*-windows-x64-setup.exe装完后会有两个入口：
\nCodex++：直接启动增强版 Codex；Codex++ Manager：管理增强、诊断、Relay、脚本。![\"下载](\"https://i.ibb.co/23yWNyYh/02-codexpp-release.jpg\")
打开 CC Switch，顶部切到 Codex。
点击右上角 +，新增 provider。
如果你用 DeepSeek、Kimi、GLM、OpenRouter 或中转站：
\n重点：不要把 /chat/completions 硬塞进 Codex。Codex 侧走 Responses，本地路由负责转换。
![\"添加](\"https://i.ibb.co/hFrHfGDH/03-provider-form.png\")
进 Settings -> Routing。
打开：
\nCodex 路由开关。默认服务地址一般是：
\nhttp://127.0.0.1:15721这一步做完，Codex 的请求会先打到本地路由，再由 CC Switch 转发给你启用的 provider。
\n![\"开启](\"https://i.ibb.co/271Tf114/04-local-routing.png\")
回到 CC Switch 的 Codex provider 列表。
点击目标 provider 的 Enable。
如果卡片上有“需要路由”标记，说明这个 provider 必须在 Local Routing 开着时使用。
\n启用后重启 Codex，再输入：
\n/model确认当前模型已经切到你配置的第三方模型。
\n![\"启用](\"https://i.ibb.co/FkMc2yyq/05-enable-provider.png\")
这一步是联合使用的关键。
\n打开 Codex++ Manager。
如果前面已经让 CC Switch 管 provider 和路由，就按这个规则：
\n只有一种情况例外：你决定不用 CC Switch 管 Codex provider，只用 Codex++ Relay。那就先关闭 CC Switch 对 Codex 的路由和 provider 接管。
\n一句话：
\nCC Switch 和 Codex++ 只能有一个负责 provider。
\n![\"Codex++](\"https://i.ibb.co/tMRTRy4T/06-codexpp-relay.jpg\")
不要一上来跑大项目。
\n先在 Codex 里发一个只读任务：
\n读取当前项目结构，告诉我技术栈。不要修改文件。同时看三处：
\n还可以在 CC Switch 里跑 Model Test，先测 Key、模型、endpoint 是否通。
\n![\"Model](\"https://i.ibb.co/yBMKhqLx/07-model-test.jpg\")
1. Codex 还是旧模型
\n重启 Codex。Codex 进程可能已经读过旧配置。
\n2. 404 / 400 / 流式解析报错
\n大概率是把 Chat Completions endpoint 直接给了 Codex。检查 Local Routing 和“需要本地路由映射”。
\n3. 插件入口不见了
\n从 Codex++ 入口启动，不要从原始 Codex 入口启动。
4. 配置来回变
\n停掉其中一个接管方。推荐保留：
\nCC Switch：provider + routing\nCodex++：App enhancement照这个顺序做：
\n备份配置\n-> 装 CC Switch\n-> 装 Codex++\n-> CC Switch 添加 Codex provider\n-> 开 Local Routing\n-> 启用 provider 并重启 Codex\n-> Codex++ 只开增强\n-> 小任务验证这就是最稳的联合用法。
", "date_published": "2026-07-07T08:00:00.000+08:00", "date_modified": "2026-07-07T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260704-2319-%E5%88%AB%E5%86%8D%E9%97%AE%E8%83%BD%E4%B8%8D%E8%83%BD%E5%8C%85%E6%8E%A8%E8%8D%90-%E5%93%81%E7%89%8C%E6%96%B9%E8%AF%84%E4%BC%B0GEO%E6%9C%8D%E5%8A%A1%E5%95%86%E7%9A%848%E6%8A%8A%E5%B0%BA", "url": "https://blog.imachuan.com/20260704-2319-%E5%88%AB%E5%86%8D%E9%97%AE%E8%83%BD%E4%B8%8D%E8%83%BD%E5%8C%85%E6%8E%A8%E8%8D%90-%E5%93%81%E7%89%8C%E6%96%B9%E8%AF%84%E4%BC%B0GEO%E6%9C%8D%E5%8A%A1%E5%95%86%E7%9A%848%E6%8A%8A%E5%B0%BA", "title": "别再问“能不能包推荐”：品牌方评估 GEO 服务商的 8 把尺", "summary": "别再问“能不能包推荐”：品牌方评估 GEO 服务商的 8 把尺 很多品牌方第一次找 GEO 服务商，最容易问错一个问题：你们能不能把我做到 AI 推荐里？ 这个问题看起来直接，其实最容易被包装。因为真正的 GEO 不是买推荐位，也不是买几张漂亮截图，而是让 AI 在更多真实问题里，持续、准确、可验证地理解你的品牌。 评估一家 GEO 服务商，不要看它会不会讲", "content_html": "很多品牌方第一次找 GEO 服务商，最容易问错一个问题：你们能不能把我做到 AI 推荐里？
\n这个问题看起来直接，其实最容易被包装。因为真正的 GEO 不是买推荐位，也不是买几张漂亮截图，而是让 AI 在更多真实问题里，持续、准确、可验证地理解你的品牌。
\n评估一家 GEO 服务商，不要看它会不会讲概念，要看它能不能把“AI 怎么理解你”变成一套可复盘的证据工程。
\n![\"小黑把“包推荐”压成可复核证据\"](\"/assets/geoflow/20260704-2319-%E5%88%AB%E5%86%8D%E9%97%AE%E8%83%BD%E4%B8%8D%E8%83%BD%E5%8C%85%E6%8E%A8%E8%8D%90-%E5%93%81%E7%89%8C%E6%96%B9%E8%AF%84%E4%BC%B0GEO%E6%9C%8D%E5%8A%A1%E5%95%86%E7%9A%848%E6%8A%8A%E5%B0%BA/01-c7d9c754.png\")
*别买确定性幻觉，要看服务商能不能把承诺变成问题库、样本、证据和复盘。*
\n---
\n如果对方上来就说“曝光”“霸屏”“排名”“包推荐”，先别急着心动，继续追问它用什么指标验收。
\n靠谱的 GEO 效果至少要拆成：品牌可见率、Top3 概率、首提概率、自有域引用率、有效引用率、事实错误率、竞品共现率、样本稳定率。
\n这里最关键的一点是：GEO 优化的是概率，不是固定排名。一个敢承诺“每次都推荐你”的服务商，要么不懂 AI 答案机制，要么在故意卖确定性幻觉。
\n---
\n只测品牌词，基本测不出 GEO 实力。
\n因为用户真正进入 AI 的时候，很多时候根本不知道你是谁。他们问的是“国内 CRM 怎么选”“20 人销售团队适合什么系统”“A 和 B 哪个更适合制造业”“采购这类工具有哪些坑”。
\n所以问题库至少要覆盖 8 类：品牌词、品类词、场景词、对比词、采购词、风险词、售后词、行业词。
\n如果服务商的问题库只有“某某品牌怎么样”“某某品牌靠谱吗”，那它做的不是 GEO，而是品牌自嗨监测。
\n---
\n很多 GEO 报告的问题不是结论难看，而是根本不可复核。
\n靠谱采样必须保留：问题原文、平台、时间、账号状态、联网状态、AI 回答原文、品牌是否出现、出现位置、竞品是否出现、引用来源、事实错误、下一步动作。
\n同一个问题还要多次采样。因为 AI 回答本来就会波动，单次截图不能当结论。
\n没有原始样本，只有精修截图，这种报告不适合拿来验收，只适合拿来开会撑场面。
\n![\"小黑把不同问题放进采样瓶\"](\"/assets/geoflow/20260704-2319-%E5%88%AB%E5%86%8D%E9%97%AE%E8%83%BD%E4%B8%8D%E8%83%BD%E5%8C%85%E6%8E%A8%E8%8D%90-%E5%93%81%E7%89%8C%E6%96%B9%E8%AF%84%E4%BC%B0GEO%E6%9C%8D%E5%8A%A1%E5%95%86%E7%9A%848%E6%8A%8A%E5%B0%BA/02-b81c5f8e.png\")
*问题库和采样规则，是判断 GEO 服务商是否专业的第一道门。*
\n---
\nAI 要推荐你，前提是它知道“你到底是谁”。
\n一家靠谱服务商，应该先帮品牌梳理实体档案：品牌全称、简称、英文名、官网、产品体系、适用对象、不适用对象、核心能力、行业场景、关键人物、资质证明、客户案例、第三方来源、禁用表述。
\n这一步很容易被低估。很多品牌官网、销售材料、媒体稿、帮助中心里的说法都不一致，AI 学到的自然也是一团乱。
\n---
\n差的 GEO 服务商喜欢承诺“一个月发多少篇文章”。
\n好的 GEO 服务商会先问：哪些问题最影响采购？哪些答案 AI 已经答错？哪些事实缺证据？哪些页面需要重建？
\n每个高价值问题，都应该对应一个答案资产：直接答案、适用对象、不适用对象、判断标准、对比说明、操作步骤、案例证据、FAQ、更新时间和负责人。
\nGEO 内容不是软文，也不是关键词文章。它更像一张给 AI 读取的事实说明书：一个问题，一页答案，一组证据。
\n![\"小黑把品牌事实压成一问一页一证据\"](\"/assets/geoflow/20260704-2319-%E5%88%AB%E5%86%8D%E9%97%AE%E8%83%BD%E4%B8%8D%E8%83%BD%E5%8C%85%E6%8E%A8%E8%8D%90-%E5%93%81%E7%89%8C%E6%96%B9%E8%AF%84%E4%BC%B0GEO%E6%9C%8D%E5%8A%A1%E5%95%86%E7%9A%848%E6%8A%8A%E5%B0%BA/03-cbc7af44.png\")
*事实先统一，再把高价值问题沉淀成可读取、可验证、可更新的答案资产。*
\n---
\n如果服务商只会在外面发稿，不愿意改你的官网、产品页、价格页、案例页、帮助中心和关于我们页面，它大概率只是在做传播，不是在做 GEO 基建。
\nAI 最需要的是清晰、稳定、可抓取、可验证的事实。
\n首页要说明你是谁，产品页要说明功能和限制，价格页要减少 AI 胡编套餐，案例页要提供真实场景，帮助中心要回答操作问题，关于我们要统一品牌实体信息。
\n品牌方最可控、最应该长期经营的 GEO 信源，永远是自己的官网和知识资产。
\n---
\n第三方信源不是买软文，也不是堆外链。
\n真正有用的第三方信源，要透明、可验证、可授权、够权威，比如行业机构、标准组织、研究报告、权威媒体、客户官网、生态伙伴页面、专家署名内容。
\n你要追问服务商：这个信源能证明什么事实？是否公开可查？是否授权？是否和官网说法一致？是否存在隐性投放风险？
\n凡是上来就卖“媒体资源包”“口碑矩阵”“批量外链”的，都要谨慎。
\n---
\n这是品牌方最容易忽略、也最容易吃亏的地方。
\n一个 GEO 项目结束后，品牌方至少要拿回：问题库、原始采样记录、指标看板、品牌实体档案、内容资产清单、第三方信源表、月度复盘报告、事实错误清单、下月动作计划。
\n如果所有数据都锁在服务商系统里，你换供应商的时候，就等于从零开始。
\n![\"小黑用红线拦下虚假承诺并把资产带走\"](\"/assets/geoflow/20260704-2319-%E5%88%AB%E5%86%8D%E9%97%AE%E8%83%BD%E4%B8%8D%E8%83%BD%E5%8C%85%E6%8E%A8%E8%8D%90-%E5%93%81%E7%89%8C%E6%96%B9%E8%AF%84%E4%BC%B0GEO%E6%9C%8D%E5%8A%A1%E5%95%86%E7%9A%848%E6%8A%8A%E5%B0%BA/04-61f49430.png\")
*靠谱项目结束后，品牌方应该带走问题库、原始样本、看板和信源表。*
\n---
\n承诺固定推荐的，淘汰。
\n只给好看截图的，淘汰。
\n不交付原始样本的，淘汰。
\n只测品牌词的，淘汰。
\n把所有 AI 平台混成一个总分的，淘汰。
\n用低质软文、虚假评论、隐性投放做信源的，淘汰。
\n把攻击竞品当策略的，淘汰。
\n不谈合规、不谈数据权属、不谈退出机制的，淘汰。
\n---
\n品牌方真正要买的，不是“懂 GEO 话术的人”，而是能把 AI 的错误回答变成问题清单，把问题清单变成证据资产，把证据资产变成可复测指标的人。
\nGEO 服务商的实力，不在于它能不能说服你，而在于它能不能让 AI 更准确地理解你，并且让这个过程可以被你复盘、审计和接手。
\n如果你正在评估 GEO 服务商，可以直接拿这 8 条去问。对方越怕你问细节，越说明你问对了。
", "date_published": "2026-07-04T08:00:00.000+08:00", "date_modified": "2026-07-04T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260627-Codex%E5%A4%A7%E5%A4%9A%E6%95%B0%E4%BA%BA%E4%B8%8D%E7%9F%A5%E9%81%93%E7%9A%84%E6%8A%80%E5%B7%A7%E5%92%8C%E6%93%8D%E4%BD%9C", "url": "https://blog.imachuan.com/20260627-Codex%E5%A4%A7%E5%A4%9A%E6%95%B0%E4%BA%BA%E4%B8%8D%E7%9F%A5%E9%81%93%E7%9A%84%E6%8A%80%E5%B7%A7%E5%92%8C%E6%93%8D%E4%BD%9C", "title": "Codex 大多数人不知道的技巧和操作", "summary": "Codex 大多数人不知道的技巧和操作 很多人第一次用 Codex，方式都差不多： 打开，输入一句“帮我改这个 bug”，然后等它输出代码。 这当然能用。但如果你只这样用 Codex，其实只用到了很浅的一层。 真正拉开差距的，不是你会不会写更复杂的提示词，而是你有没有把 Codex 当成一个“可配置的工作系统”：让它记住项目规则、复用你的工作流程、接入外部工", "content_html": "![\"Codex](\"https://developers.openai.com/images/codex/app/codex-app-basic-light.webp\")
很多人第一次用 Codex，方式都差不多：
\n打开，输入一句“帮我改这个 bug”，然后等它输出代码。
\n这当然能用。但如果你只这样用 Codex，其实只用到了很浅的一层。
\n真正拉开差距的，不是你会不会写更复杂的提示词，而是你有没有把 Codex 当成一个“可配置的工作系统”：让它记住项目规则、复用你的工作流程、接入外部工具、自动 review、定时巡检，甚至把复杂任务拆给多个 agent 并行处理。
\n这篇不讲基础入门，讲一些大多数人还没认真用起来的 Codex 操作。
\nCodex 的真正门槛，不是会不会写提示词，而是你有没有把自己的工作方式沉淀给它。
\n<!-- 配图待补：建议截一张 VS Code / Cursor 中打开 AGENTS.md 的画面，旁边放 Codex 对话框。官方文档：https://developers.openai.com/codex/guides/agents-md -->
\n很多人每次都在重复告诉 Codex：
\n这个项目怎么启动、测试怎么跑、代码风格是什么、哪些目录不要乱动、PR 描述怎么写。
\n其实这些内容不该每次重复说，而应该写进 AGENTS.md。
你可以把它理解成“给 AI agent 看的 README”。它不是写给人类新人看的长文档，而是告诉 Codex：在这个仓库里工作时，你应该遵守什么规则。
\n比如：
\n# AGENTS.md\n\n- 修改代码前先阅读相关测试。\n- 前端改动后运行 npm test。\n- 不要修改 generated/ 目录。\n- PR 描述需要包含变更摘要和验证方式。这件事的价值非常大。
\n因为 Codex 最容易犯错的地方，往往不是“不会写代码”，而是“不知道这个项目的隐性约定”。你把约定写下来，它就少猜一点。
\n但这里有个反直觉点：
\nAGENTS.md 不是越长越好。
如果你把它写成一本百科全书，把所有边缘规则、历史包袱、个人偏好都塞进去，Codex 反而会被噪音干扰。
\n更好的写法是：
\n不要把 AGENTS.md 当说明书仓库，要把它当项目里的操作护栏。
![\"Codex](\"https://cdn.openai.com/devhub/docs/codex-skills.webp\")
如果说 AGENTS.md 是项目说明书，那 Skills 就是“可复用工作流”。
很多人会反复对 Codex 说：
\n“按我的格式写发布说明。”
\n“帮我做一次安全 review。”
\n“把这篇文章改成公众号风格。”
\n“按我们团队规范生成 PR 描述。”
\n这些其实都适合沉淀成 Skill。
\nSkill 的好处是：它不只是保存一句提示词，而是可以包含说明文件、参考材料、脚本、模板。下次遇到类似任务，Codex 可以按这套流程执行。
\n举几个适合做成 Skill 的场景：
\n提示词是一次性沟通，Skill 是把沟通产品化。
\n如果你发现自己已经第三次对 Codex 说同一套要求，就该考虑把它做成 Skill。
\n这也是很多人用 Codex 的分水岭。
\n普通用法是每次临场描述。
\n高级用法是把自己反复做的事变成一个可调用的工作流。
\n<!-- 配图待补：建议截 Codex 设置里的 MCP Servers 页面，展示 server name、command、env vars。官方文档：https://developers.openai.com/codex/mcp -->
\nMCP 是很多人听过但没真正用起来的东西。
\n简单说，它是 Codex 连接外部世界的接口。
\n没有 MCP 时，Codex 主要依赖当前项目文件、你输入的上下文，以及它能调用的本地工具。
\n有了 MCP，它就可以接入 GitHub、Linear、Figma、数据库、内部文档、浏览器、知识库等外部系统。
\n你可以这样理解三者区别：
\nAGENTS.md 解决：这个项目里应该怎么做？比如你想让 Codex 查 GitHub issue、读 Linear 任务、看设计稿、查公司内部文档，MCP 就会变得很关键。
\n它不是噱头，而是把 Codex 从“代码助手”变成“工作台”的关键接口。
\n尤其是在团队环境里，MCP 的价值会更明显。
\n因为真实工作不是只发生在代码仓库里。需求在 Linear，讨论在 Slack，设计在 Figma，文档在 Notion，CI 在 GitHub，数据在数据库。
\n如果 Codex 只能读代码，它只能处理一部分问题。
\n如果 Codex 能接入这些系统，它就开始接近一个真正的工作流 agent。
\n<!-- 配图待补：建议自己截一张 CLI 输入 / 后弹出命令列表的画面，重点露出 /compact、/diff、/review、/status。官方文档：https://developers.openai.com/codex/cli/slash-commands -->
\nCodex CLI 里有一批斜杠命令，很多人几乎没用过。
\n但它们在长任务里非常有用。
\n几个最值得记住的：
\n/compact：压缩长会话上下文，任务跑久了很有用。/diff：查看 Codex 到底改了什么。/review：只做代码审查，不直接修改文件。/mention：明确把某个文件带进上下文。/status：查看当前状态。/permissions：调整权限。/new：开启新会话。/init：生成项目说明文件。尤其是 /compact 和 /review。
很多长任务不是死在能力上，而是死在上下文越来越乱。
\n会用 /compact，相当于给 Codex 做中场整理。
会用 /review，相当于先让它当审稿人，再让它当执行者。
这也是我非常建议新手养成的习惯：
\n不要一上来就让 Codex 大改。
\n先让它读，先让它 review，先让它讲风险。
\n等你确认方向之后，再让它动手。
\n![\"Codex](\"https://developers.openai.com/images/codex/changelog/image_input.png\")
Codex 现在不只是读文字和代码，它也可以处理图片输入。
\n这对前端尤其有用。
\n你可以把截图、设计稿、报错弹窗、移动端页面发给它，然后让它判断：
\n这会改变前端协作方式。
\n以前你要描述：“右上角按钮在 390px 宽度下被挤到第二行，而且和标题重叠。”
\n现在可以直接丢图：
\n“照这个问题修。”
\n这不是小功能。
\n因为很多 UI 问题，用文字描述会变形。你说的“偏一点”“挤一点”“不对齐”，对 Codex 来说都很模糊。
\n但截图会把问题固定下来。
\n前端问题最怕凭空猜。让 Codex 看到画面，它就少了一半误判。
\n![\"Codex](\"https://developers.openai.com/images/codex/app/in-app-browser-light.webp\")
如果你做前端，只让 Codex 读代码是不够的。
\n真正好用的是：让它打开页面、观察页面、截图、修改，再验证。
\nCodex App 的 In-app Browser 就是为这个场景准备的。
\n它可以在任务过程中打开浏览器预览页面，观察 UI 状态，发现布局问题，再继续改代码。
\n这样 Codex 不再只是“根据代码猜页面长什么样”，而是可以真的看见结果。
\n这类能力特别适合：
\n前端问题最怕盲改。让 Codex 看见页面，很多问题会简单一半。
\n很多人用 AI 写前端，最大的问题不是写不出来，而是写出来之后没人认真看。
\n有了浏览器能力，Codex 可以进入“看见问题、修改代码、再次验证”的循环。
\n这比单纯生成一段组件代码有用得多。
\n![\"Codex](\"https://developers.openai.com/images/codex/code-review/review-trigger.png\")
![\"Codex](\"https://developers.openai.com/images/codex/code-review/review-example.png\")
很多人一上来就说：
\n“帮我重构这个模块。”
\n这其实很危险。
\n更稳的流程是：
\n也就是先让它当审稿人，再让它当工程师。
\n这个习惯能显著降低“改太多”“改偏了”“把隐藏逻辑删掉”的风险。
\n在 GitHub 场景里，还可以通过 @codex review 让 Codex 对 PR 做代码审查。你也可以指定它重点关注安全风险、过期依赖、测试缺口、性能问题。
我非常建议把这个当成默认工作流：
\n先 review，再实现。
\n先找风险，再写代码。
\n先确认范围，再放手执行。
\n让 Codex 少犯错的办法，不是让它更自信，而是让它先进入审查模式。
\n![\"Codex](\"https://developers.openai.com/images/codex/app/codex-automations-light.webp\")
这是很多人完全不知道的能力。
\nCodex 不一定只能在你打开它时工作。它可以做 Automations，也就是定时任务。
\n比如：
\n这会把 Codex 从“即时问答工具”变成“后台巡检助手”。
\n你不一定每天都记得查项目状态，但可以让 Codex 每天回来帮你看一眼。
\n这个能力的想象空间很大。
\n因为很多工程问题不是一次性任务，而是持续性问题：
\n以前这些事靠人记。
\n现在可以让 Codex 定期提醒。
\n<!-- 配图待补：建议截 CLI 或 Codex App 中出现多个 agent/subtask 的画面，或截 /agent 查看子任务状态。官方文档：https://developers.openai.com/codex/subagents -->
\n有些任务天然很复杂。
\n比如你要重构一个支付模块，它可能涉及：
\n这时候只让一个 Codex 从头查到尾，很容易上下文爆炸。
\n更好的方式是用 Subagents。
\n你可以让不同 agent 做不同的事：
\n这有点像临时组了一个小型工程团队。
\n当然，Subagents 不适合所有任务。小改动没必要开多 agent。但复杂项目、跨模块重构、排查疑难 bug 时，它会很有用。
\n复杂任务不要只问“让 Codex 怎么做”，还要问“这件事该不该拆给多个 Codex 做”。
\n这也是 agent 工作流真正有意思的地方。
\n它不是把一个人变得更强，而是让一个人能临时调度一组小型执行者。
\n<!-- 配图待补：建议截 Codex 的 permissions 设置界面，或截 config.toml 里 hooks 配置片段。官方文档：https://developers.openai.com/codex/config-advanced -->
\n高阶使用 Codex，不是给它无限权限。
\n恰恰相反，是知道什么时候该给权限，什么时候该限制权限。
\nCodex 有权限和沙盒机制，你可以控制它能不能访问网络、能不能改文件、哪些命令需要审批。
\n更进一步，还可以通过 Hooks 在关键节点做检查，比如在执行命令前拦截高风险操作，在提交前强制跑测试。
\n这类配置一开始看起来“麻烦”，但它决定了你能不能放心把更大的任务交给 Codex。
\n一个成熟的 Codex 工作流，应该有三层边界：
\n比如：
\n真正成熟的用法，不是让 Codex 什么都能做，而是让它在正确边界里做更多事。
\n![\"Codex](\"https://cdn.openai.com/devhub/docs/codex-extension.webp\")
![\"Codex](\"https://cdn.openai.com/devhub/docs/codex-switch-model.png\")
还有一个容易被忽略的点：Codex 不只有 CLI。
\n它可以在 App 里用，可以在命令行里用，也可以在 IDE 里用。
\nIDE 插件的好处是，它离你的编辑现场更近。
\n当你正在看某个文件、某个函数、某段报错时，直接在编辑器里叫 Codex，比切到另一个窗口重新描述上下文更自然。
\n适合 IDE 场景的任务：
\n而 App 更适合长任务、规划、跨文件工作、浏览器验证和持续跟踪。
\nCLI 更适合本地工程流、脚本、权限明确的执行任务。
\n所以不要问“哪个 Codex 入口最好”。
\n更好的问题是：
\n这件事发生在哪个现场？
\n在编辑器里，就用 IDE。
\n在本地仓库里，就用 CLI。
\n要跨页面、跨任务、长期跟踪，就用 App。
\n如果只把 Codex 当成聊天框，你会越来越依赖“临场描述”。
\n每次都要重新解释项目、重新说明规则、重新贴上下文、重新强调不要乱改。
\n但如果你把它当成工作系统，思路就变了：
\nAGENTS.md；这时候 Codex 不再只是一个“更会写代码的聊天框”。
\n它更像一个可以被训练、被配置、被调度的开发工作台。
\n同样是 Codex，有的人只把它用成“更聪明的自动补全”。
\n有的人却已经把它用成了一个可协作、可复用、可长期运行的工程系统。
\n差距不在模型，而在工作流。
\nCodex 的真正门槛，不是会不会写提示词，而是你有没有把自己的工作方式沉淀给它。
", "date_published": "2026-06-27T08:00:00.000+08:00", "date_modified": "2026-06-27T08:00:00.000+08:00", "tags": [ "X长文", "阿川", "Codex", "AI编程", "工作流", "OpenAI", "开发者工具" ] }, { "id": "https://blog.imachuan.com/20260622-AI%E6%94%BE%E5%A4%A7%E7%9A%84%E4%B8%8D%E6%98%AF%E8%83%BD%E5%8A%9B%E8%80%8C%E6%98%AF%E5%BA%95%E7%89%8C", "url": "https://blog.imachuan.com/20260622-AI%E6%94%BE%E5%A4%A7%E7%9A%84%E4%B8%8D%E6%98%AF%E8%83%BD%E5%8A%9B%E8%80%8C%E6%98%AF%E5%BA%95%E7%89%8C", "title": "AI 放大的不是能力，而是底牌", "summary": "AI 放大的不是能力，而是底牌 先说一句难听的。 AI 最可怕的地方，不是它会胡说八道。 而是它胡说八道的时候，往往说得特别像真的。 尤其在你不懂的领域。 你问它一个陌生行业，它给你背景、框架、步骤、案例、风险点，你会有一种很强的幻觉： 这玩意儿是不是已经把这个领域吃透了？ 但你把同样的问题换到自己真正懂的领域，感觉马上变了。 它还是很流畅，还是很完整，还是", "content_html": "先说一句难听的。
\nAI 最可怕的地方，不是它会胡说八道。
\n而是它胡说八道的时候，往往说得特别像真的。
\n尤其在你不懂的领域。
\n你问它一个陌生行业，它给你背景、框架、步骤、案例、风险点，你会有一种很强的幻觉：
\n这玩意儿是不是已经把这个领域吃透了？
\n但你把同样的问题换到自己真正懂的领域，感觉马上变了。
\n它还是很流畅，还是很完整，还是很自信。
\n只是你突然能看见那些小裂缝：
\n判断不准，细节不对，因果关系太顺，经验味太淡，结论像那么回事，但落不到现场。
\n所以我现在越来越觉得：
\nAI 最容易骗过的，不是完全的外行，而是刚刚开始以为自己懂了的人。
\n真正的外行至少还有敬畏。
\n真正的内行一眼能看出问题。
\n最危险的是半懂不懂的人，被一份漂亮答案安抚了。
\n很多人第一次被 AI 震住，不是因为它真的解决了问题。
\n而是因为它让“不会”这件事变得不尴尬。
\n以前你不懂一个领域，就是不懂。
\n你要找人问，要读资料，要被术语卡住，要承认自己没有判断。
\n现在不一样。
\nAI 三十秒给你一套完整说法。
\n它不只给答案，还给你一种“我已经入门了”的体面。
\n这很爽。
\n也很危险。
\n因为很多时候，你得到的不是行业洞察，而是行业公共知识的平均值。
\nAGI 里的 G，是 general。
\nGeneral 的能力很强，但代价也在这里：
\n它擅长给你一个大多数人都能接受的答案。
\n可商业里真正值钱的，经常不是大多数人都能接受的答案。
\nAI 给你的常常是平均正确，而高手要找的是关键偏差。
\n平均正确能让你看起来不蠢。
\n关键偏差才能让你赚到钱，避开坑，做出别人做不出的判断。
\n有个反直觉的点。
\nAI 用得越多，越不能迷信 AI。
\n不是因为它不好用。
\n恰恰是因为它太好用了。
\n一个粗糙的工具不会骗你，它一卡顿、一报错、一露怯，你马上知道它不行。
\n但 AI 不一样。
\n它语气稳定，结构漂亮，态度诚恳，永远不慌。
\n它会把一个经不起验证的判断，包装得像会议纪要。
\n它会把一个没有现场感的推测，写得像行业报告。
\n它会把你的焦虑，整理成一份看上去很战略的计划。
\n这时候，真正重要的不是继续追问“还有吗”，而是停下来问：
\n这句话是真的吗？
\n这句话谁验证过？
\n这句话放到我的业务里，明天能不能执行？
\n我现在用 AI，基本会强制自己做三件事：
\n第一，让它站到反方，把自己的结论打碎。
\n第二，把关键判断丢回真实案例里验证。
\n第三，只保留那些能进入业务动作的句子。
\n不能执行的，是语言。
\n不能验证的，是想象。
\n不能带来结果的，是安慰。
\n会用 AI 的标志，不是你能让它说多少，而是你能删掉它说的多少。
\n这句话很扎心，但我越来越相信。
\nAI 不会让一个完全没有内容判断的人，突然变成好创作者。
\nAI 不会让一个原本不懂业务的人，突然拥有商业直觉。
\nAI 不会让一个组织混乱的公司，突然长出稳定流程。
\nAI 能做的，更多是把原本存在的能力放大。
\n会写的人，写得更快。
\n会判断的人，判断迭代更快。
\n会做业务的人，试错更快。
\n会组织流程的人，系统搭得更快。
\n但如果一个人本来就没有判断，AI 很可能只是帮他更快地产出一堆看起来完整、实际上没有命的东西。
\n现在很多 AI 内容就是这样。
\n标题像标题。
\n结构像结构。
\n金句像金句。
\n案例像案例。
\n但你看完以后，心里只有一个感觉：
\n哪里都没错，就是没有必要存在。
\n因为内容最难的从来不是把话写顺。
\n最难的是判断。
\n什么该说。
\n什么不该说。
\n什么是大家都知道但没人敢说。
\n什么是你必须用自己的经历去兜底。
\nAI 可以替你生成文字，但替不了你活过现场。
\nAI 不是让所有人站到同一起跑线，它是让原来有基本功的人先跑起来。
\n这就是为什么很多人越用 AI 越焦虑。
\n不是 AI 没帮你。
\n而是它帮你看见了，自己原来缺的不是工具，而是底层能力。
\n很多公司做 AI，姿势特别熟悉。
\n老板在群里转一篇文章，说这个很重要。
\n然后找一个员工负责。
\n员工再找一个供应商。
\n供应商给一套方案。
\n最后公司拥有了一个看起来很先进、实际上没人知道为什么存在的系统。
\n两个月后，它安静地躺在那里。
\n偶尔有人打开一下，然后继续用原来的方式干活。
\n这不是 AI 的问题。
\n这是理解被外包以后的必然结果。
\nAI 探索期，最怕的不是不会写提示词。
\n最怕的是最懂业务的人不在现场。
\n老板可以不写代码。
\n可以不懂模型参数。
\n可以不亲自调每一个自动化节点。
\n但老板必须亲自理解三件事：
\nAI 要进哪个业务环节？
\n这个环节原来的瓶颈到底是什么？
\nAI 介入以后，结果由谁验证？
\n这三个问题不清楚，后面所有热闹都是装潢。
\nAI 探索期最贵的不是工具费，而是老板用外包心态购买理解。
\n你提前投入一年，真的可能在自己的竞争环境里一年顶十年。
\n不是因为你学会了什么神秘技巧。
\n而是因为大多数人还在等别人替自己想明白。
\n现在很多人会用 AI 写代码了。
\n两天上一个站。
\n一天搭一条工作流。
\n一周做一个小工具。
\n这当然很好。
\n但问题是：
\n你真的知道它为什么这么跑吗？
\n你知道它什么时候会失效吗？
\n你知道出了问题怎么定位吗？
\n你知道它会不会把团队流程越带越乱吗？
\n一个自己都不知道为什么这样运作的自动化，放到团队里，可能不是效率工具，而是事故源。
\n真实世界比演示视频复杂得多。
\n演示视频里没有员工误操作。
\n没有客户临时改需求。
\n没有账号风控。
\n没有平台规则变化。
\n没有数据脏掉。
\n没有协作断层。
\n所以，别太迷恋“我会生成”。
\n你会 coding，不代表你会竞争。
\n你两天上一个站，竞争对象不是不会写代码的人。
\n你竞争的是那些没有 AI 的时候，就已经把产品、流量、转化、交付、复购跑通的人。
\n内容也一样。
\n你一天能生成几百篇，不代表你能赢。
\n你竞争的是那些没有 AI 的时候，就已经懂平台、懂用户、懂选题、懂节奏的人。
\n而且你还要和平台对抗。
\n平台做 AI 可能不一定顶级，但平台治理 AI 内容，绝对不会手软。
\nAI 会降低生产门槛，但不会降低竞争门槛。
\n这才是真相。
\n还有一件事，很少有人愿意讲。
\nAI 时代，干净的信息源会越来越重要。
\n以前你信息环境差，最多是判断慢一点、视野窄一点。
\n现在不一样。
\n你把低质量材料喂给 AI，它会帮你整理、归纳、润色、扩写。
\n最后它会生产出一种很可怕的东西：
\n高级低质量信息。
\n它看起来有框架。
\n有观点。
\n有案例。
\n有小标题。
\n甚至还有金句。
\n但底层材料是脏的。
\n这比原始的无知更麻烦。
\n原始的无知，至少知道自己不知道。
\n被 AI 包装过的低质量信息，会让你以为自己已经理解世界。
\nAI 不会自动让人清醒，它只会把你的信息饮食做成精致摆盘。
\n所以互联网人的基本功，依然是那几件：
\n自由获取信息。
\n自由使用工具。
\n建立自己的干净信息源。
\n这不是炫技。
\n这是生存条件。
\n最后说一个更反直觉的判断。
\nAI 越会写，真实表达越值钱。
\n因为文字本身正在快速贬值。
\n但判断没有贬值。
\n经历没有贬值。
\n信任没有贬值。
\n在场感没有贬值。
\nAI 可以生成一万句漂亮话，但它不能替你在线下见一个人。
\n不能替你在项目里熬过一个崩溃的夜晚。
\n不能替你承担一次失败以后脸上的热。
\n不能替你把一个含糊的判断，用自己的名声说出来。
\n所以有表达能力的人，要多表达。
\n不是为了和 AI 比谁写得快。
\n而是为了让别人知道：
\n这个判断背后，有一个真正的人在场。
\n互联网再发达，也补不了物理距离的缺失。
\nAI 再丰盈，也替代不了线下见面时那种本真、鲜活、能量涌动的东西。
\n未来稀缺的不是会说话的机器，而是敢负责的人。
\nAI 很强。
\n但越强，越不能迷信。
\n它会让草稿更快，结构更清楚，执行更密集，想法更容易变成东西。
\n但它也会把懒惰、混乱、错觉和傲慢一起放大。
\n所以真正的问题不是：
\n我会不会用 AI？
\n而是：
\n我有没有值得被 AI 放大的东西？
\n如果有，就拥抱它。
\n如果没有，就回到基本功。
\n保持好奇，保持敏锐，保持交叉验证。
\n不要用工具掩盖贫瘠。
\n不要用效率掩盖混乱。
\n不要用自动化掩盖自己不懂基本原理。
\n怕什么，就做什么。
", "date_published": "2026-06-22T08:00:00.000+08:00", "date_modified": "2026-06-22T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260622-Codex%E4%B8%AD%E6%96%87%E5%88%9B%E4%BD%9C%E8%80%8510%E4%B8%AA%E9%A1%B6%E7%BA%A7Skills", "url": "https://blog.imachuan.com/20260622-Codex%E4%B8%AD%E6%96%87%E5%88%9B%E4%BD%9C%E8%80%8510%E4%B8%AA%E9%A1%B6%E7%BA%A7Skills", "title": "Codex 中文创作者 10 个顶级 Skills", "summary": "Codex 中文创作者 10 个顶级 Skills 很多人用 Codex，第一反应是让它写代码。 但对中文内容创作者来说，Codex 真正可怕的地方不是写代码，而是它可以把你的内容工作流拆成一条生产线： 选题、调研、写作、去 AI 味、封面、卡片、信息图、HTML 发布。 每一步都能交给不同 Skill。 问题是，Skill 一多，就会变成收藏夹。 看着都想", "content_html": "很多人用 Codex，第一反应是让它写代码。
\n但对中文内容创作者来说，Codex 真正可怕的地方不是写代码，而是它可以把你的内容工作流拆成一条生产线：
\n选题、调研、写作、去 AI 味、封面、卡片、信息图、HTML 发布。
\n每一步都能交给不同 Skill。
\n问题是，Skill 一多，就会变成收藏夹。
\n看着都想装，真用起来一个都想不起。
\n所以这份清单不按“谁最火”排，也不按 Star 排。
\n只按一个标准：它能不能让中文创作者更快产出可发布内容。
\n第一名我会放 stop-slop。
\n\nGitHub：hardikpandya/stop-slop
很多人以为内容创作最缺的是“写得更快”。
\n错了。
\n现在最缺的是“看起来不像 AI 写的”。
\nAI 味一出来，读者会立刻防御。哪怕内容是对的，信任也已经掉了。stop-slop 的价值就在这里，它不是帮你写更多，而是帮你删掉那些机器味很重的表达。
\n比如空洞转折、模板句、过度总结、假装深刻的废话。
\n中文创作者最该先装的，不是写作增强器，而是 AI 味刹车。
\n第二个是 dbskill。
\n\nGitHub：dontbesilent2025/dbskill
它适合中文创作者，是因为它不只是“帮你写”，而是往前走了一步：先判断这个内容值不值得写。
\n很多文章扑街，不是因为写得不够好，而是选题本身就没有传播张力。没人关心，标题再顺也没用；冲突不够，结构再完整也只是自嗨。
\ndbskill 的强项是选题诊断、爆款拆解、Hook 优化。
\n它更像一个内容编辑。
\n不是催你快写。
\n而是先问你：这个东西凭什么让人停下来？
\n第三个推荐 content-research-writer。
\n\nGitHub：ComposioHQ/awesome-claude-skills/content-research-writer
很多创作者卡住，不是不会写，而是素材不够。
\n一篇好文章，表面是表达，底层是材料。没有足够信息、案例、背景和角度，AI 再会写，也只能把空话排列得更整齐。
\n这个 Skill 的价值，是把内容研究和写作流程连起来。
\n适合写长文、行业分析、产品解读、趋势文章，也适合那种需要先查资料再输出观点的内容。
\n写作不是从空白页开始，而是从素材密度开始。
\n第四个是 NotebookLM Skill。
\n\n
如果你经常基于课程、访谈、会议纪要、书籍摘录、资料库来写内容，这个非常值得装。
\n它的核心价值不是文采。
\n是减少幻觉。
\n内容创作者最怕什么？不是写慢，而是写错。尤其是深度文章、知识类文章、行业分析，一旦引用错、理解错、编造事实，信任成本非常高。
\nNotebookLM Skill 更适合做“基于已有知识库的写作”。
\n你把材料喂进去，让它围绕资料组织内容。
\n创作者越往专业化走，越不能只靠模型记忆写作。
\n第五个是 khazix-skills。
\n\nGitHub：KKKKhazix/khazix-skills
它更适合做深度研究、长文和 AI 热点相关内容。
\n如果你的内容方向是 AI 工具、模型动态、行业趋势、技术热点，这类 Skill 会很有帮助。因为 AI 内容最容易遇到两个问题：信息更新快，读者要求高。
\n写浅了，像搬运。
\n写深了，容易慢。
\nkhazix-skills 更适合用来搭一个“热点研究工作台”，先帮你整理信息，再往观点和长文输出走。
\n第六个是 Punk-Skill。
\n\nGitHub：adrianpunk/Punk-Skill
很多中文创作者低估了封面图。
\n尤其在 X、公众号、小红书里，封面不是装饰，而是第一眼的点击理由。
\nPunk-Skill 的优势是封面图和头像生成，尤其对中文标题比较友好。它不是简单生成一张“好看图片”，而是能围绕标题、情绪、平台比例、视觉风格去做封面。
\n适合做 X 长文封面、公众号首图、知识类内容视觉包装。
\n文字负责说服，封面负责让别人先停下来。
\n第七个是 guizang-social-card-skill。
\n\n
如果你的内容会分发到小红书、公众号，或者需要把长文拆成多张卡片，这个很实用。
\n它的定位很清楚：社交卡片、公众号封面、小红书图文拆分。
\n这类 Skill 的价值不是“写得更好”，而是“让内容更适合平台”。
\n同一篇内容，发 X 可以是长文，发小红书可能要拆成 6 张卡片，发公众号又需要封面和导语。
\n平台不是容器，平台会改变内容形态。
\n第八个是 baoyu-skills。
\n\nGitHub：JimLiu/baoyu-skills
它适合做信息图、结构图、视觉化内容。
\n很多干货文的问题是信息密度够了，但读者看不进去。尤其是框架、流程、对比、清单、方法论，如果全靠文字表达，会很累。
\n这时候就需要视觉化。
\n把一段复杂逻辑变成图。
\n把一个方法论变成结构图。
\n把一篇长文拆成信息图。
\nbaoyu-skills 的价值就在这里：它让内容从“可读”变成“可保存”。
\n第九个是 ian-xiaohei-illustrations。
\n\n
这是一个很适合正文配图的 Skill。
\n尤其是那种知识长文、观点文章、个人经验分享，如果全是大段文字，读者会累；如果配图太商业，又容易像课程广告。
\n小黑风格的好处是有手绘感，有人味，不会太硬。
\n它适合放在正文中间，做情绪缓冲，也适合给文章增加一点记忆点。
\n不是所有内容都需要炫酷视觉，有时候一点手绘感反而更像人写的。
\n第十个是 html-anything。
\n\nGitHub：nexu-io/html-anything
很多创作者的最后一公里，是排版。
\nMarkdown 写完了，但要变成海报、卡片、网页、好看的 HTML，还要折腾一堆工具。
\nhtml-anything 适合把 Markdown 转成更精美的展示形态。
\n如果你经常做内容归档、落地页、文章海报、卡片化展示，它会很有用。
\n它解决的是“内容发布质感”的问题。
\n写完不等于完成。
\n能被舒服地阅读，才算完成。
\n如果你刚开始，不要一口气全装。
\n先按这条内容生产线来：
\n安装方式可以用：
\nnpx skills add <仓库链接>比如：
\nnpx skills add https://github.com/hardikpandya/stop-slopSkill 不是越多越好。
\n装 100 个 Skill，不如把 5 个高频 Skill 跑进自己的工作流。
\n真正适合中文内容创作者的 Codex Skill，不是让你“看起来更自动化”，而是让你少做重复劳动，多做判断、表达和选择。
\nAI 负责加速，创作者负责品味。
\nSkill 负责流程，内容负责信任。
\n如果只能先装 3 个，我会选：
\nstop-slop
dbskill
Punk-Skill
一个管信任，一个管选题，一个管第一眼。
\n这三个先跑起来，中文创作者的 Codex 工作流就已经不一样了。
", "date_published": "2026-06-22T08:00:00.000+08:00", "date_modified": "2026-06-22T08:00:00.000+08:00", "tags": [ "X长文", "阿川", "Codex", "Skills", "中文创作者", "AI写作" ] }, { "id": "https://blog.imachuan.com/20260622-%E5%A6%82%E4%BD%95%E7%A8%B3%E5%AE%9A%E7%94%A8%E5%A5%BDCodex%E6%97%A0%E6%83%A7%E9%AA%8C%E8%AF%81-%E5%9B%BE%E5%BA%8A%E7%89%88", "url": "https://blog.imachuan.com/20260622-%E5%A6%82%E4%BD%95%E7%A8%B3%E5%AE%9A%E7%94%A8%E5%A5%BDCodex%E6%97%A0%E6%83%A7%E9%AA%8C%E8%AF%81-%E5%9B%BE%E5%BA%8A%E7%89%88", "title": "如何稳定用好 Codex，无惧验证？", "summary": "如何稳定用好 Codex，无惧验证？ 很多人用 Codex、OpenAI 或其他海外 AI 工具，真正卡住的不是模型、不是提示词，甚至不是支付，而是一个特别朴素的问题： 手机号。 临时接码平台看起来便宜，但它不是“你的号码”。今天能收码，明天可能失效；这次能过验证，下次可能被风控；账号一旦要求二次验证，你连找回入口都没有。 稳定使用 Codex 的第一步，不", "content_html": "![\"稳定用好](\"https://content-system-images.pages.dev/codex-verification-crocodile/01-number-asset.png\")
很多人用 Codex、OpenAI 或其他海外 AI 工具，真正卡住的不是模型、不是提示词，甚至不是支付，而是一个特别朴素的问题：
\n手机号。
\n临时接码平台看起来便宜，但它不是“你的号码”。今天能收码，明天可能失效；这次能过验证，下次可能被风控；账号一旦要求二次验证，你连找回入口都没有。
\n稳定使用 Codex 的第一步，不是找一个能收短信的号码，而是拥有一个长期可控、可续命、可找回的海外运营商号码。
\n本文按 2026 年 6 月可查官方信息和社区教程整理，给你四套方案：
\n最后你会发现，真正的分水岭不是“哪张卡最便宜”，而是你有没有把手机号当成账号基础设施来管理。
\n如果你只是偶尔注册一次，临时号码似乎够用。
\n但 Codex 这类工具的验证，不只发生在注册那一刻。你未来可能遇到：
\n这时候，临时接码平台基本等于把账号命门交给陌生人。
\n更稳的策略是：
\n真正安全的验证方案，不是“这次能过”，而是“半年后、换手机后、被要求重验时，我还能拿回这个号码”。
\n![\"四条路，不要只盯接码平台\"](\"https://content-system-images.pages.dev/codex-verification-crocodile/02-route-map.png\")
如果你已经有一台支持 eSIM 的 iPhone 或海外版安卓，优先看 Giffgaff 或 Vodafone DE。
\n如果你是国行安卓、旧机型，或者手机没有 eSIM 功能，优先看 Xesim。
\n如果你不想折腾兼容性，或者想把验证号码和主力机彻底隔离，可以直接买一台便宜的二手 eSIM iPhone，当专用验证机。
\n简单决策如下：
\n| 方案 | 适合谁 | 优点 | 注意点 |
| --- | --- | --- | --- |
| Giffgaff | 想低成本长期持有英国号 | 门槛低、保号成本低、教程多 | 需要按期活跃，别依赖海外 Wi-Fi Calling |
| Vodafone DE CallYa | 有护照，想要德国真实号 | 运营商权重高，流程正规 | 需要 KYC，保号方式要以官方/App 当前规则为准 |
| Xesim | 国行安卓、无 eSIM 手机 | 把 eSIM 写进实体卡槽 | 它不是运营商，只是 eSIM 承载工具 |
| 便宜 eSIM iPhone | 想省心、想专机专用 | 兼容性最好，适合长期收码 | 要确认地区版本支持 eSIM，别买错国行/锁机 |
我的建议：
\n![\"Giffgaff：最低成本养英国号\"](\"https://content-system-images.pages.dev/codex-verification-crocodile/03-giffgaff.png\")
Giffgaff 是英国虚拟运营商，跑在 O2 网络上。它受欢迎的原因很直接：门槛低、无长期合约、保号成本低、支持 eSIM，也支持实体卡转 eSIM。
\n官方路径里，新用户通常通过 Giffgaff App 创建账户并激活 eSIM；已有用户可以在 App 里进入 Account → SIM → Replace my SIM → Switch to a new eSIM 完成切换。
这里要注意一个细节：社区教程里经常会提到二维码、抓包、激活码提取、HookEuicc 等方法，但这类属于非官方路线。新手优先走官方 App 路径，只有在国行安卓或 Xesim 场景里，再考虑社区工具。
\n推荐流程：
\nGiffgaff 的核心不是“申请难不难”，而是“别忘了保号”。
\n官方规则里，SIM 如果连续 6 个月没有使用，可能被视为不活跃并停用。避免停用的动作包括：打一次电话、发一条短信/MMS、使用一次移动数据、购买话费余额或套餐。
\n实操建议：不要等满 180 天。把日历提醒设在第 150 天，每次发一条普通收费短信，或者做一次官方认可的有效活动。
\n还有一个常见误区：有些教程会提到 Wi-Fi Calling。但 Giffgaff 官方目前说明，Wi-Fi Calling 不支持在英国以外使用，所以在国内不要把它当成主要保号方案。
\n适合人群：
\n![\"Vodafone](\"https://content-system-images.pages.dev/codex-verification-crocodile/04-vodafone-de.png\")
Vodafone DE 的 CallYa 是德国预付费产品。它的优势是德国运营商号码、流程正规、可申请 eSIM；代价是门槛更高，需要身份认证。
\n德国预付费卡依法需要身份识别，所以这条路线适合有护照、愿意走 KYC 的用户。
\n推荐流程：
\nCallYa Classic 的好处是适合低频验证场景。官方页面会列出当前按量计费规则，例如短信、通话、数据的单价。不要只看旧视频里的资费截图，以申请当天 Vodafone 页面显示为准。
\n社区里流行一种极低成本保号方式：定期做极小额充值或转账，让账户发生动账。这个思路可以参考，但不要盲目照抄旧视频里的 IBAN、备注格式或金额。
\n更稳的做法是：
\nVodafone DE 适合你把它当成“更正式的备用号码”。它不一定比 Giffgaff 更省事，但作为账号恢复和二次验证的备份，它的心理安全感更强。
\n![\"Xesim：国行安卓的](\"https://content-system-images.pages.dev/codex-verification-crocodile/05-xesim.png\")
Xesim 不是运营商，它不直接给你一个手机号。
\n它的作用更像一张“可写入 eSIM 的实体卡”：插进普通 SIM 卡槽后，通过 App 把运营商的 eSIM profile 写入卡内。这样，没有原生 eSIM 的手机，也能承载 Giffgaff、Vodafone 等运营商的 eSIM。
\n适合这几类人：
\n基本流程：
\n这里有两个关键提醒。
\n第一，Xesim 的成功率取决于运营商给你的 eSIM 形式。Vodafone DE 常见是邮件/PDF/二维码路线，比较直观；Giffgaff 官方更偏 App 激活，社区才有提取激活码、写入 Xesim 的方法。
\n第二，不要轻易删除 profile。很多 eSIM 二维码不是无限次可扫，删之前一定要确认能重新下发。
\n你需要保存：
\nXesim 是一个很实用的桥，但它不是保险箱。真正的保险箱，是你自己对号码资料的备份。
\n![\"第四条路：买台便宜](\"https://content-system-images.pages.dev/codex-verification-crocodile/06-cheap-esim-iphone.png\")
这条路听起来最笨，但很多时候最稳：
\n去华强北或二手平台买一台支持 eSIM 的便宜 iPhone，只用来装海外号码、收验证码、做账号恢复。
\n它的好处非常直接：
\n可以重点看这几类机型：
\n但一定记住：不要只按“机型名”判断，要按“销售地区版本 + 设置里有没有添加 eSIM”判断。
\n苹果官方说明里，iPhone XS、iPhone XS Max、iPhone XR 或更新机型通常支持 eSIM，但中国大陆销售的许多 iPhone 不支持 eSIM；香港、澳门版本也要看具体型号。
\n现场验机时，直接做这几件事：
\n设置 → 蜂窝网络；添加 eSIM 或类似入口；如果只是做 Codex 验证机，不必追求大容量、高成色、好屏幕。你要的是三件事：能联网、能装 eSIM、能长期放着收短信。
\n这条方案尤其适合：
\n有时候最稳定的方案，不是最技术流的方案，而是把复杂性从系统里拿掉。
\n![\"验证前别慌：先跑一遍检查表\"](\"https://content-system-images.pages.dev/codex-verification-crocodile/07-verification-checklist.png\")
不管你用 Giffgaff、Vodafone、Xesim，还是便宜 eSIM iPhone，验证前都不要直接冲上去点“发送验证码”。
\n先检查：
\n如果验证码没来，先等 10-15 分钟，再试：
\n不要短时间疯狂点击重发。你以为是在催短信，平台和运营商可能会把它理解成异常行为。
\n建议你建一个本地加密备忘录，记录：
\n你不是在买一张电话卡，你是在给自己的 AI 工具链补一块身份基础设施。
\nCodex 能不能稳定用，表面看是验证码问题，背后其实是账号基础设施问题。
\n临时号码解决一次登录，真实号码解决长期使用。
\n如果你只想最快过验证，接码平台永远看起来最便宜。
\n但如果你想长期使用 Codex、保住账号、换设备也不慌，那就按资产思维来做：
\n真正无惧验证的人，不是知道哪里能接码，而是半年后验证码再来时，他的号码还在，他的账户还在，他的恢复路径也还在。
\n如果你还在问 AI 能帮你省多少时间，你可能已经把最大的钱问没了。
\n省时间当然重要。
\n但 AI 最值钱的地方，可能不是让你少干一点活。
\n而是让你重新理解：
\n哪些活以后会变便宜。
\n哪些活反而会变贵。
\n哪些人会被替代。
\n哪些人会突然变得不可替代。
\n现在很多人聊 AI，聊的是模型、插件、提示词、工作流。
\n这些都要学。
\n但如果你只停在这里，AI 对你来说就只是工具。
\n真正更大的问题是：
\n你能不能在这个新系统里，找到一个位置，然后牢牢占住？
\nAI 不是只在屏幕里发生，真正的钱藏在它撞上真实世界的那一下。
\n![\"传统老板买的不是](\"https://content-system-images.pages.dev/ai-season-2/article2-02-pay-for-certainty.png\")
很多人一上来就想做 To C。
\n这很正常。
\nTo C 看起来性感。
\n用户多，故事大，想象空间足。
\n但对大多数普通创业者来说，To C 往往不是入口，而是远方。
\n你要解决的不只是产品。
\n还有流量、留存、支付、心智、平台、信任、习惯迁移。
\n每一个都能把人耗死。
\n所以更现实的路径是什么？
\n先去服务那些已经有业务、已经有现金流、已经知道痛点、并且愿意为确定性付钱的人。
\n也就是传统老板和传统互联网老板。
\n这批人未必最懂 AI。
\n但他们最懂结果。
\n他们不想研究模型版本。
\n不想研究 API。
\n不想研究插件为什么失效。
\n不想看一堆看起来很先进但没人会用的教程。
\n他们只关心几件事：
\n客服能不能更快？
\n素材能不能更多？
\n培训能不能更标准？
\n投放能不能更稳？
\n团队能不能少做重复劳动？
\n今天装上，明天能不能见到一点效果？
\n传统老板买的不是 AI 工具，而是确定性。
\n所以别不好意思收钱。
\nAI 基建、知识库、自动化、内部工具、MSP、培训、陪跑、代实施，都有机会。
\n只要你真的能解决问题。
\n解决问题，提供价值，然后分钱。
\n这件事一点也不丢人。
\n![\"A2R，AI](\"https://content-system-images.pages.dev/ai-season-2/article2-03-a2r-bridge.png\")
我很喜欢一个词：A2R。
\nAI to Real。
\nAI 到真实世界。
\n这个词性感，是因为它把 AI 最难、也最赚钱的部分说出来了。
\nAI 生成方案很容易。
\n生成代码很容易。
\n生成图片很容易。
\n生成 SOP 很容易。
\n生成一堆看起来专业的东西，更容易。
\n难的是，它怎么变成真实成果物。
\n客户真的用了没有？
\n团队真的执行了没有？
\n系统真的稳定了没有？
\n钱真的收到了没有？
\n供应链跟得上吗？
\n账号安全吗？
\n物流顺吗？
\n交付标准吗？
\n售后扛得住吗？
\n这才是物理世界的摩擦。
\n很多人看到 AI 拉低门槛，就开始焦虑：我的经验是不是不值钱了？
\n我反而觉得相反。
\nAI 把生成变便宜以后，真正值钱的东西会露出来。
\n不可替代的不是会用工具的人，而是能把工具结果变成真实交易的人。
\n你见过客户扯皮。
\n见过账期拖延。
\n见过平台抽风。
\n见过员工执行变形。
\n见过供应商临时掉链子。
\n见过方案写得很好，现场根本跑不起来。
\n这些经验以前看起来很土。
\n现在可能很贵。
\n因为 AI 会消灭一部分“生成成本”，但不会自动消灭“落地成本”。
\n而钱，往往就藏在落地成本里。
\n![\"AI](\"https://content-system-images.pages.dev/ai-season-2/article2-04-ai-adds-people.png\")
这也是一个反直觉现象。
\n很多宏大叙事说，AI 一来，公司就裁员，效率暴涨，组织变轻。
\n有这种案例。
\n但你回到身边看一看：
\n有多少原本运转良好的二十人以上公司，是因为 AI 介入以后，立刻裁员并增长的？
\n我相信不多。
\n更常见的情况反而是：
\n老板发现 AI 有用，然后开始加人。
\n加 AI 运营。
\n加数据整理。
\n加内容执行。
\n加内部工具负责人。
\n加实施培训。
\n加那种懂业务、又愿意摸 AI 的人。
\n为什么会这样？
\n因为 AI 还没有真正渗透进社会化生产的深处。
\n它已经很强，但很多公司还不知道怎么把它嵌进流程。
\n它能把单点做快，但组织级改造还很难。
\n它能生成结果，但结果怎么被验证、传递、复用、管理，还是一团乱。
\n这不是坏消息。
\n这是机会。
\n如果 AI 已经把所有公司都改造完了，普通人反而没机会。
\n现在大量公司卡在中间层：
\n知道 AI 重要。
\n不知道从哪里开始。
\n买了课。
\n没人落地。
\n试了工具。
\n没有流程。
\n老板焦虑。
\n员工观望。
\n供应商吹得很满。
\n结果没人负责。
\n谁能把 AI 从概念变成业务结果，谁就能在这段混乱里收钱。
\n![\"别盯着算法，战场不只在算法\"](\"https://content-system-images.pages.dev/ai-season-2/article2-05-ecosystem-niche.png\")
AI 三大件，算法、算力、数据。
\n普通人很难直接杀进去。
\n但战场从来不只在核心技术层。
\n还有流量、硬件、渠道、账号、交付、培训、行业方案、系统集成、线下服务、内容分发、客户成功。
\n你不一定要造模型。
\n你也不一定要做一个伟大的 App。
\n你可以做一个行业的 AI 操作系统。
\n可以做老板能直接用的工具箱。
\n可以做某类公司的知识库搭建。
\n可以做电商团队的素材生产流程。
\n可以做跨境公司的客服和上架系统。
\n可以做销售团队的话术、跟进和复盘系统。
\n可以做培训机构的课程生产和交付系统。
\n这些名字听起来没那么酷。
\n但生意不一定要酷。
\n生意要有生态位。
\n现在这张牌桌还很早。
\n早到很多人甚至不知道自己在打什么牌。
\n你只要比同行早一年进入现场，亲自试，亲自踩坑，亲自交付，亲自复盘，就可能建立非常大的认知差。
\n不是因为你多天才。
\n而是因为绝大多数人还在收藏工具清单。
\n工具清单不会自动变成生意，现场才会。
\n![\"AI](\"https://content-system-images.pages.dev/ai-season-2/article2-06-real-problems-outlive-tools.png\")
我上过不少 AI 相关的课。
\n一个很明显的感受是，很多课离场就过时。
\n工具变了。
\n界面变了。
\n模型变了。
\n插件没了。
\n流程不通了。
\n于是有人得出一个很省事的结论：
\n既然学得慢就会过时，那干脆不要学。
\n这就错了。
\nAI 时代不是不要学。
\n而是不要围着按钮学。
\n你要围着问题学。
\n工具会过时，问题不会。
\n获客怎么更稳定？
\n客服怎么更标准？
\n新人怎么更快上手？
\n内容怎么更高频且不崩？
\n资料怎么沉淀成组织资产？
\n老板的经验怎么变成团队能执行的流程？
\n这些问题不会过时。
\n围绕问题学 AI，越学越厚。
\n围绕工具学 AI，离场就忘。
\n所以我很喜欢“一日宗师”这个说法。
\n不是说一天就能真的成为宗师。
\n而是说，只要场景真、反馈快、方法对，AI 技能差距确实可以快速缩短。
\n原因也简单：
\n如果一个 AI 工具需要你学半年才能用，那它可能就没那么 AI。
\n![\"未来会很需要想象力工作者\"](\"https://content-system-images.pages.dev/ai-season-2/article2-07-imagination-worker.png\")
以前很多人没有想到，世界会普及一种叫脑力工作者的岗位。
\n未来也许会出现另一类人：
\n想象力工作者。
\n不是空想家。
\n而是能把模型能力、行业经验、客户需求、真实交付重新组合的人。
\n他们的工作不是问：
\nAI 能替我做什么？
\n而是问：
\n如果这个环节的成本下降 90%，业务会怎么变？
\n如果一个小团队拥有过去大公司的内容产能，组织会怎么变？
\n如果老板的经验可以被结构化成系统，新人培训会怎么变？
\n如果一个传统行业突然拥有自动化的资料、客服、报价和跟进能力，竞争会怎么变？
\n这种人会很值钱。
\n因为 AI 提供的是能力零件。
\n真正难的是重新组装。
\n未来的差距，不只是工具使用差距，而是想象力和落地能力的复合差距。
\n![\"金币还是枷锁，取决于你怎么进入](\"https://content-system-images.pages.dev/ai-season-2/article2-08-gold-or-chains.png\")
AI 这件事很有意思。
\n你把它当金币，它可能真的给你打开一个入口。
\n你把它当枷锁，它也可能真的把你困住。
\n有人用它打开新业务。
\n有人用它制造更多焦虑。
\n有人用它建立系统。
\n有人用它堆出一堆没人维护的自动化。
\n同一个工具，不同底层能力的人，结局完全不一样。
\n所以我不建议大家狂热。
\n但我更不建议大家冷嘲热讽。
\n最好的姿势是：
\n保持冷静，并且极度开放。
\n冷静，是不迷信。
\n开放，是不防御。
\n不要觉得自己行业特殊，AI 进不来。
\n也不要觉得 AI 一来，所有行业经验都归零。
\n更不要把探索完全交给别人。
\n老板要亲自上。
\n创业者要亲自上。
\n至少在最开始那一年，你要保持在场。
\n因为真正的机会，不会写在课程目录里。
\n它藏在你把 AI 接进业务时，那些卡住、断掉、误解、返工、客户不买账的瞬间。
\n那里才有钱。
\n那里才有壁垒。
\nAI 时代的壁垒，不在你会不会点开工具，而在你能不能穿过摩擦。
\n![\"在真实世界的摩擦里，找到一个位置牢牢占住\"](\"https://content-system-images.pages.dev/ai-season-2/article2-09-friction-lever.png\")
AI 的终局当然很大。
\n它会改变基建，改变系统，改变生产关系和生活方式。
\n但对大多数人来说，别一上来就站在终局里做梦。
\n先回到自己的业务。
\n回到客户。
\n回到交付。
\n回到那些真实世界的麻烦。
\n看看哪些环节能被 AI 打穿。
\n看看哪些环节必须由你来接住。
\nAI 做不了的事，你来做。
\nAI 做到极致的环节，你把它接到自己的最佳生产实践里。
\n这就是普通创业者最现实的机会。
\n不是追逐每一个新工具。
\n而是在真实世界的摩擦里，找到一个位置，牢牢占住。
\n最后留一个问题：
\n明天早上醒来，你不是问自己“我又要学哪个 AI 工具”。
\n你问：
\n我的业务里，哪一个真实摩擦，已经可以被 AI 撬开一个口子？
", "date_published": "2026-06-22T08:00:00.000+08:00", "date_modified": "2026-06-22T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/codex%E5%8D%81%E6%9D%A1%E5%BF%85%E8%A3%85skill%E5%88%86%E4%BA%AB-formatted", "url": "https://blog.imachuan.com/codex%E5%8D%81%E6%9D%A1%E5%BF%85%E8%A3%85skill%E5%88%86%E4%BA%AB-formatted", "title": "Codex 十条必装 Skill", "summary": "别一上来就把 Skills 装满。 我看了一圈 CSDN、知乎、Bilibili、GitHub、Reddit 和一些 GitHub 仓库里的开发者讨论后，更稳的结论其实是： 不要乱装。先装高频、高价值、能直接改善工程流程的 Skills。 下面这 10 个，覆盖了 规划、代码质量、前端实现、自动化测试、CI/CD、安全和外部工具接入。对大多数 Codex 使", "content_html": "别一上来就把 Skills 装满。
\n我看了一圈 CSDN、知乎、Bilibili、GitHub、Reddit 和一些 GitHub 仓库里的开发者讨论后，更稳的结论其实是：
\n\n不要乱装。先装高频、高价值、能直接改善工程流程的 Skills。
下面这 10 个，覆盖了 规划、代码质量、前端实现、自动化测试、CI/CD、安全和外部工具接入。对大多数 Codex 使用者来说，比盲目收集一大堆 Skills 更值得优先尝试。
\n最推荐优先安装。
\n它会强制 Codex 在写代码前，先输出结构化执行计划，通常会生成 _PLAN.md。
适合场景：
\n价值： 先把任务拆清楚，再进入实现阶段，可以明显减少返工。
\n来源： openai/skills（.curated 或 .experimental）
安装：
\n$skill-installer install create-plan工程党会很喜欢这个。
\nSuperpowers 更像是一套完整工程工作流：需求澄清、计划审批、TDD、并行子代理、验证都包含在内，还带有 14 个子技能。
\n适合场景：
\n价值： 大幅减少 bug、遗漏和重复返工。
\n来源： obra/superpowers
\n安装：
\ngit clone https://github.com/obra/superpowers ~/.agents/skills/superpowers也可以按仓库说明使用 npx 安装器。
\n这类 Skill 主要解决前端代码的「AI 味」问题。
\n它会把设计规范、间距、色彩、组件模式、交互细节等要求封装进去，让生成出来的页面更接近专业前端，而不是默认模板风。
\n适合场景：
\n价值： 提升页面质感，减少后续手工调 UI 的时间。
\n来源： openai/skills 或 anthropics/skills
常见搭配：figma-implement-design
这个 Skill 专门处理 GitHub Actions 和 CI/CD 失败。
\n它可以自动读取 CI 日志，定位失败原因，并给出修复方案。
\n适合场景：
\n价值： 对团队项目特别实用，能把很多机械排查交给 Codex。
\n来源： ComposioHQ/awesome-codex-skills 或 openai/skills
基于 Playwright 等工具生成和执行 Web 测试，并输出结构化报告。
\n适合场景：
\n价值： 让 Codex 不只是写功能，还能帮你验证功能。
\n专门用于构建高质量 MCP Server。
\n它通常会按四个阶段推进：
\n适合场景：
\n价值： 避免只做一个能跑的 demo，而是把接口、评估和优化一起考虑进去。
\n这个 Skill 用来把 Figma 设计稿转成更接近生产级的代码。
\n适合场景：
\n价值： 设计还原更稳，尤其适合和 frontend-skill 组合使用。
用 Markdown 文件持久化任务计划、发现和进度，方便跨会话恢复。
\n适合场景：
\n价值： 突破单次对话的上下文限制，让 Codex 能接着之前的计划继续推进。
\n也可以选择 Trail of Bits Security Skills。
\n这类 Skill 会自动分析代码库的安全风险、信任边界、攻击路径，并生成更规范的安全或合规文档。
\n适合场景：
\n价值： 让 Codex 不只看功能，也能主动从攻击面和风险边界看问题。
\n这一组可以按需求选择，不一定三个都装。
\ncomposio-connect： 一键接入 GitHub、Notion、Slack 等大量外部服务。
\ncli-creator： 把重复命令打包成标准 CLI 工具。
\npr-review： 自动审查 PR diff，检查功能、安全和架构问题。
\n适合场景：
\n独立开发者 / 快速原型：
\ncreate-plan + Superpowers + frontend-skill + figma-implement-design团队 + CI/CD：
\ngh-fix-ci + webapp-testing + security-threat-model + pr-review全能 starter：
\nSuperpowers + create-plan + gh-fix-ci + frontend-skill + planning-with-files官方 curated Skills 最简单，直接在 Codex 里输入：
\n$skill-installer install <skill名称>社区 Skills 通常克隆到全局 Skills 目录：
\n~/.agents/skills/或者放到项目级目录：
\n.agents/skills/示例：
\ngit clone https://github.com/ComposioHQ/awesome-codex-skills.git安装后，重启 Codex 或开启新会话即可生效。
\n查看已安装 Skills：
\n/skills\n$skills listopenai/skills 和 ComposioHQ/awesome-codex-skills 里选。SKILL.md，确认它会做什么、会不会执行命令、有没有安全风险。我的建议是：先装一套 starter 组合，用 1-2 个真实项目跑顺，再按场景补 Skill。
\nSkills 的价值不在数量，而在它能不能稳定嵌进你的日常开发流程。装对了，Codex 的专业度和效率会明显上一个台阶。
", "date_published": "2026-06-21T08:00:00.000+08:00", "date_modified": "2026-06-21T08:00:00.000+08:00", "tags": [ "X长文", "阿川", "Codex", "AI 编程", "Skills" ] }, { "id": "https://blog.imachuan.com/20260610-Meta-%E6%9C%80%E6%80%95%E7%9A%84%E9%97%AE%E9%A2%98-%E6%B2%A1%E4%B8%8A%E7%BA%BF%E7%9A%84%E5%8A%9F%E8%83%BD-%E4%B8%BA%E4%BB%80%E4%B9%88%E8%A6%81%E5%88%A0%E4%BB%A3%E7%A0%81", "url": "https://blog.imachuan.com/20260610-Meta-%E6%9C%80%E6%80%95%E7%9A%84%E9%97%AE%E9%A2%98-%E6%B2%A1%E4%B8%8A%E7%BA%BF%E7%9A%84%E5%8A%9F%E8%83%BD-%E4%B8%BA%E4%BB%80%E4%B9%88%E8%A6%81%E5%88%A0%E4%BB%A3%E7%A0%81", "title": "Meta 最怕的问题：没上线的功能，为什么要删代码？", "summary": "Meta 最怕的问题：没上线的功能，为什么要删代码？ 一个还没上线的功能，被媒体曝光后，Meta 立刻把它从 App 里删了。 这才是这次智能眼镜风波最刺眼的地方。 如果它只是实验，为什么删？ 如果它无伤大雅，为什么急？ 如果它不算产品，为什么已经躺在一个下载量超过 5000 万的 App 里？ 这件事表面上是 Meta 智能眼镜的人脸识别争议。 但真正值得", "content_html": "一个还没上线的功能，被媒体曝光后，Meta 立刻把它从 App 里删了。
\n这才是这次智能眼镜风波最刺眼的地方。
\n如果它只是实验，为什么删？
\n如果它无伤大雅，为什么急？
\n如果它不算产品，为什么已经躺在一个下载量超过 5000 万的 App 里？
\n这件事表面上是 Meta 智能眼镜的人脸识别争议。
\n但真正值得警惕的地方，不是 Meta 想用眼镜认出陌生人。
\n更反常识的是：
\n最危险的识别，可能不是陌生人识别你。
\n而是熟人“方便地”识别你。
\n---
\nWIRED 最近做了一次代码调查，发现 Meta AI App 里出现了一套尚未公开启用的人脸识别系统。
\n这个系统内部代号叫 NameTag。
\n它大概想解决一个听起来很日常的问题：
\n你戴着智能眼镜，看见一个人，系统提醒你：
\n这是谁。
\n这听起来甚至有点贴心。
\n社交场合不怕忘记名字了。
\n路上遇到熟人不尴尬了。
\n眼镜变成一个随身记忆助手。
\n问题也就在这里。
\n真正危险的技术，往往不是一开始就长得像监控。
\n它通常先长得像便利。
\n---
\n很多人看到“智能眼镜 + 人脸识别”，第一反应是：
\n完了，以后陌生人戴个眼镜就能查我是谁。
\n这个担心当然成立。
\n但这不是最可怕的版本。
\n陌生人识别你，听起来像犯罪片。
\n熟人识别你，听起来像产品功能。
\n前者会引发防备。
\n后者会被包装成“提升社交体验”。
\n一旦它被包装成社交效率工具，公众的抵抗会小很多。
\n因为它不再叫监控。
\n它叫：帮你记住人。
\n---
\n这就是 Meta 这次最麻烦的地方。
\n它可以说，这个功能还没有上线。
\n它也可以说，没有最终决定，没有中央人脸数据库。
\n但问题不是“今天有没有打开开关”。
\n问题是：
\n一个高风险能力，为什么可以先进入大众设备生态，再等待某个时机被打开？
\n这才是 AI 硬件时代的新规则。
\n过去的软件功能，是你点开一个 App，然后授权。
\n现在的 AI 硬件，是别人戴上一个设备，然后你进入他的系统。
\n你没有点同意。
\n你甚至不知道自己被处理了。
\n---
\n手机时代，拍照是一个动作。
\n眼镜时代，拍摄是一种状态。
\nAI 时代，看见本身就可能变成识别。
\n这三件事连在一起，现实世界的性质就变了。
\n你坐在咖啡馆，不只是坐在那里。
\n你可能变成别人的设备输入。
\n你走进会议室，不只是走进会议室。
\n你可能被某个系统拿去匹配联系人、历史记录、照片、社交关系。
\n你以为你只是被看见。
\n系统可能已经在问：
\n这个人是谁？
\n---
\nMeta 最尴尬的是，它没有资格让大家放心。
\n这家公司曾经拥有世界上规模最大的人脸识别系统之一，后来因为隐私压力，在 2021 年宣布关闭，并删除超过 10 亿人的脸部模板。
\n它也为生物识别隐私问题付出过巨大和解成本。
\n所以当 Meta 今天说“还没上线”“只是探索”，公众不会只听这句话。
\n大家听到的是另一层意思：
\n你以前做过。
\n你以前出过事。
\n你以前说过会收手。
\n现在你又把类似能力放进了眼镜生态。
\n信任不是公关声明给的。
\n信任是历史记录攒出来的。
\nMeta 的问题是，它的历史记录太重。
\n---
\n这件事还有一个细节很有意思。
\nWIRED 后续检查发现，报道出来之后，Meta AI App 新版本里，相关人脸识别组件几乎被移除了。
\n这比任何回应都更有信息量。
\n如果代码没意义，为什么删？
\n如果只是普通测试，为什么曝光后删？
\n如果它不构成产品计划的一部分，为什么已经有识别流程、提示文案和存储结构？
\n当然，代码存在不等于功能上线。
\n但代码存在说明一件事：
\n这不是公众想象出来的恐惧。
\n它已经离产品很近了。
\n---
\nAI 硬件真正要争的，不是眼镜能不能拍得更清楚。
\n而是谁有权默认处理现实世界。
\n手机是我拿起来用。
\n眼镜是我戴着生活。
\nAI 眼镜则可能变成一层覆盖在现实上的识别系统。
\n它不只是看见街道、商品、文字、建筑。
\n它还会看见人。
\n而人一旦被系统看见，就很容易从“人”变成“对象”。
\n可识别。
\n可匹配。
\n可记录。
\n可调用。
\n这才是智能眼镜最需要提前讨论的地方。
\n等它变成日常用品之后再讨论，就晚了。
\n因为那时候反对的人会被说成：
\n你是不是太敏感了？
\n---
\n我不是说智能眼镜一定不该有人脸识别。
\n某些场景确实有价值。
\n视障用户识别熟人。
\n阿尔茨海默病患者辅助记忆。
\n授权明确的小范围社交提醒。
\n这些需求真实存在。
\n但“有用”和“可以默认铺开”之间，隔着一条很粗的线。
\n这条线不能由 Meta 自己画。
\n更不能先把能力塞进 App，再等用户慢慢习惯。
\n---
\n所以这次争议的重点，不是 Meta 又一次惹怒了隐私倡导者。
\n重点是一个更简单的问题：
\n当 AI 公司把识别能力放进可穿戴设备时，旁观者还有没有拒绝权？
\n如果答案不清楚，那这个产品就不应该先跑起来。
\nMeta 智能眼镜最可怕的地方，不是它以后能不能认出你是谁。
\n而是它正在训练我们接受一件事：
\n别人看你一眼，设备就可以开始处理你。
\n这不叫未来感。
\n这叫默认监控。
", "date_published": "2026-06-10T08:00:00.000+08:00", "date_modified": "2026-06-10T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260610-%E8%8B%B9%E6%9E%9C-WWDC-2026-%E8%AE%B2%E4%BA%86%E5%93%AA%E4%BA%9B-AI-%E4%B8%80%E6%96%87%E7%9C%8B%E6%87%82%E8%BF%99%E6%AC%A1-Apple-Intelligence-%E6%9B%B4%E6%96%B0", "url": "https://blog.imachuan.com/20260610-%E8%8B%B9%E6%9E%9C-WWDC-2026-%E8%AE%B2%E4%BA%86%E5%93%AA%E4%BA%9B-AI-%E4%B8%80%E6%96%87%E7%9C%8B%E6%87%82%E8%BF%99%E6%AC%A1-Apple-Intelligence-%E6%9B%B4%E6%96%B0", "title": "苹果 WWDC 2026 讲了哪些 AI？一文看懂这次 Apple Intelligence 更新", "summary": "苹果 WWDC 2026 讲了哪些 AI？一文看懂这次 Apple Intelligence 更新 今年苹果 WWDC，AI 终于成了真正的主线。 不是那种“我们也有大模型”的发布会口号，而是苹果把 Apple Intelligence 往系统里塞得更深了。 这次和 AI 相关的重点，可以分成 6 件事看： Siri 大改、AI 进入更多系统 App、照片编", "content_html": "今年苹果 WWDC，AI 终于成了真正的主线。
\n不是那种“我们也有大模型”的发布会口号，而是苹果把 Apple Intelligence 往系统里塞得更深了。
\n这次和 AI 相关的重点，可以分成 6 件事看：
\nSiri 大改、AI 进入更多系统 App、照片编辑升级、Safari 变聪明、隐私继续被苹果当成核心卖点，以及部分市场暂时用不上。
\n下面一条条说。
\n这次最重要的更新，是 Siri AI。
\n过去 Siri 最大的问题不是不够聪明，而是它只能做很窄的事。
\n问天气、设闹钟、发消息还行。
一旦任务复杂一点，它就开始听不懂。
这次苹果展示的新 Siri，方向变了。
\n它不只是回答问题，而是要理解你的个人上下文，并且跨 App 完成任务。
\n比如：
\n这次 Siri 的变化，不是“回答更像人”，而是“终于能替你做事”。
\n这也是苹果 AI 最重要的产品方向。
\n它不是要你打开一个新的 AI App，而是让 AI 直接出现在你本来就在用的系统里。
\n另一个有意思的变化是，苹果准备给 Siri 一个独立 App。
\n这个 App 可以保存对话历史，并且在不同设备之间同步。
\n这说明苹果也意识到一件事：
\n如果 Siri 只是一个语音入口，它很难承载复杂任务。
\n但如果 Siri 变成一个可以回看、继续、管理上下文的对话空间，它就更接近 ChatGPT、Gemini、Claude 这类 AI 助手。
\n区别在于，苹果不会把它做成一个孤立聊天机器人。
\n它更像是系统里的 AI 控制台。
\nChatGPT 是一个你主动打开的工具，Siri AI 更像是系统随时伸出来的一只手。
\n这次 WWDC 还有一个明显信号：
\nApple Intelligence 不再只是几个单点功能，而是开始进入苹果的核心 App。
\n包括：
\n也就是说，苹果不是只做一个 AI 功能集合，而是想让 AI 成为系统能力。
\n比如朋友发消息说“明天见面记得带外套”，系统可以提示你一键创建提醒。
\n比如你给航空公司打电话，通话界面可能会自动浮出相关航班信息卡片。
\n比如你想把某天拍到某个人的所有照片发给对方，系统可以直接帮你找出来并发出。
\n这些都不是很炫的 AI demo。
\n但它们很苹果。
\n苹果不一定做最震撼的 AI，但它最擅长把 AI 变成日常小动作。
\n照片也是这次 AI 更新的重点。
\n苹果展示了几个新工具：
\n这类功能听起来不新鲜，很多图像 AI 工具已经做过。
\n但苹果的重点不在“生成一张完全新的图”。
\n它强调的是改善构图、修正画面，同时尽量尊重原始瞬间。
\n这句话很苹果。
\n因为苹果知道，照片 AI 最敏感的问题不是能不能生成，而是会不会让照片失真。
\n当 AI 开始修改照片，用户真正关心的不是功能强不强，而是这张照片还算不算当时那一刻。
\nSafari 这次也有不少 AI 相关功能。
\n苹果展示的方向包括：
\n这个方向很值得注意。
\n因为浏览器本来就是信息入口。
\n如果 Safari 变得更 AI，它就不只是帮你打开网页，而是开始帮你理解网页、整理网页、处理网页。
\n换句话说，苹果也在把浏览器变成 AI 工作流的一部分。
\n这不是一个单独功能。
\n这是苹果在抢“信息处理入口”。
\n这次发布里，苹果反复强调隐私。
\n原因很简单：
\n新的 Siri AI 要处理的内容太敏感了。
\n它可能涉及：
\n如果这些能力做得越强，用户对隐私的担心就会越强。
\n所以苹果继续强调本地处理和 Private Cloud Compute。
\n它想传达的意思是：
\nAI 可以更懂你，但不能随便拿走你的数据。
\n这也是苹果和其他 AI 公司的区别。
\nOpenAI、Google、Anthropic 更强调模型能力。
苹果更强调信任关系。
苹果卖的不是“我的 AI 最聪明”，而是“你敢把生活交给我”。
\n这里也要泼一点冷水。
\n这次 WWDC 的 AI 更新，听起来很完整，但并不是所有功能都会立刻到用户手里。
\n新 Siri AI 预计要到今年晚些时候进入 beta。
\n欧盟和中国市场也会受到可用性限制。
\n所以这次 WWDC 的 AI，更像是苹果终于把路线图讲清楚了。
\n但真正体验怎么样，还要等正式上线后看。
\n苹果现在最大的问题，不是会不会讲 AI 故事，而是能不能把这个故事按时交付出来。
\n如果只看功能清单，今年 WWDC 的 AI 更新大概是：
\n但如果用一句话概括：
\n苹果这次不是发布了一个 AI 产品，而是把 AI 进一步变成操作系统的一部分。
\n这才是重点。
\n因为用户可以不用 ChatGPT。
\n但很难不用手机、电脑、手表、浏览器、相册和消息。
\n苹果 AI 的想象力，不在于它是不是最强模型。
\n而在于它能不能变成普通人每天都会用、但又不需要刻意打开的系统能力。
\n这就是今年 WWDC 最值得关注的 AI 信号。
", "date_published": "2026-06-10T08:00:00.000+08:00", "date_modified": "2026-06-10T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260522-102051-%E5%A4%A7%E7%90%86%E6%97%85%E5%B1%85%E6%94%BB%E7%95%A5-X%E5%B9%B3%E5%8F%B0%E9%95%BF%E6%96%87", "url": "https://blog.imachuan.com/20260522-102051-%E5%A4%A7%E7%90%86%E6%97%85%E5%B1%85%E6%94%BB%E7%95%A5-X%E5%B9%B3%E5%8F%B0%E9%95%BF%E6%96%87", "title": "大理旅居攻略：别被“有风”骗了，真正爽的是把生活降噪", "summary": "大理旅居攻略：别被“有风”骗了，真正爽的是把生活降噪 很多人去大理前，以为自己要的是苍山洱海。 住半个月后才发现，真正重要的是：房间有没有阳光，热水稳不稳，晚上吵不吵，电动车能不能充电，附近有没有菜市场，网络能不能开会。 大理不是一个“到了就自动治愈”的地方。它更像一个生活压力测试器。你的收入、作息、社交需求、自律能力、孤独承受力，都会被放大。 如果你是远程", "content_html": "很多人去大理前，以为自己要的是苍山洱海。
\n住半个月后才发现，真正重要的是：房间有没有阳光，热水稳不稳，晚上吵不吵，电动车能不能充电，附近有没有菜市场，网络能不能开会。
\n大理不是一个“到了就自动治愈”的地方。它更像一个生活压力测试器。你的收入、作息、社交需求、自律能力、孤独承受力，都会被放大。
\n如果你是远程办公、自由职业、内容创作者、轻创业者，或者只是想用一个月重新整理自己，大理值得来。但如果你指望来这里立刻赚钱、立刻交到同频朋友、立刻换一种人生，大概率会失望。
\n大理最好的打开方式不是旅行，而是试住。
\n先来 7 天，不要急着长租。把古城、苍山脚下、才村、喜洲、下关都走一遍。你喜欢哪里，不是看攻略决定的，是看你在哪个地方睡得好、工作稳、不乱花钱决定的。
\n大理旅居最容易踩的坑，就是被民宿照片带着走。
\n古城适合第一次落脚。优点是方便，吃饭、咖啡、酒吧、书店、菜市场、公交、拼车都集中。刚到大理，住古城能快速建立地图感。缺点也明显：游客多，商业味重，旺季贵，部分街区晚上吵。它适合住第一周，不一定适合住一个月。
\n苍山脚下适合认真生活。比如三月街、大理大学、弘圣路、山水间、小院子一带，整体更安静，离古城不远，生活便利度也不错。很多长期旅居者最后会往这一带靠，因为它兼顾了自然、社区和日常。缺点是有些房子采光、保暖、潮湿情况差异很大，必须实地看。
\n才村、龙龛、磻溪适合想靠近洱海的人。你可以早上看日出，下午骑行，照片很好看。但长期住要想清楚：吃饭选择是不是少，外卖是不是慢，晚上是不是太安静，房子会不会潮，游客会不会多。海景不是生活刚需，稳定才是。
\n喜洲适合想慢下来的人。这里比古城更村镇，更田野，也更克制。适合写作、设计、阅读、散步、做手工、带娃慢住。缺点是距离古城有距离，夜生活少，交通依赖电动车或自驾。如果你需要天天见人，喜洲可能会让你觉得淡。
\n双廊适合度假，不太适合低预算长期旅居。它景观好，游客感也强，价格波动明显。适合住两三晚，不建议第一次旅居就押一个月。
\n下关是很多人看不上、但长期住会真香的地方。它没有那么“风花雪月”，但医院、商场、办事、交通、超市都方便，租金也更现实。旅居超过一个月，你会发现生活不是每天看海，而是每天能不能顺手解决问题。
\n大理可以便宜，也可以很贵。真正的差别不是城市，而是你的生活方式。
\n节制版：一个人每月 4500 到 6500 元。住普通长租房或客栈月租，吃本地小馆和自己做饭，少打车，少去网红店。适合预算有限但能自律的人。
\n舒适版：每月 7500 到 12000 元。住独立房间或小公寓，经常咖啡办公，每周几顿好餐厅，偶尔租车、短途、买点本地体验。大多数远程办公者会落在这个区间。
\n享受版：每月 15000 元以上。海景房、设计民宿、频繁打车、餐厅酒吧、旅拍、社交活动、周边游，开销会很快接近一线城市。
\n最容易失控的是小钱：每天一杯咖啡、一次打车、一顿漂亮餐厅、一个临时活动。每笔都不吓人，加起来很诚实。
\n网上热门攻略里，租房避坑是最高频内容。原因很简单：大理房源太吃照片，滤镜能把一个潮湿小房间拍成隐居天堂。
\n不要一来就月租。先短住 3 到 7 天，再线下看房。看房最好白天一次、晚上一次。白天看采光、潮湿、通风；晚上听噪音、看路灯、看周边人流。
\n必查 8 件事：WiFi 现场测速；热水连续放 5 分钟；空调或取暖设备能不能用；卫生间有没有反味；墙角有没有霉斑；床垫是不是塌；窗户密封怎么样；电动车能不能安全充电。
\n合同要写清楚：租期、押金、退租、清洁费、水电费、维修责任、提前退租规则。别只听“都是朋友”“很好说话”。越是旅居城市，越要把小事写明白。
\n水电费尤其要问。民用电和商业电价格差异很大，有些民宿式房源会按更高标准收。签约前抄表、拍视频、保存聊天记录，不丢人，这是成年人基本操作。
\n到大理可以坐飞机到大理凤仪机场，也可以高铁/动车到大理站。大理站在下关，去古城通常打车或公交；如果行李少，公交也能解决。
\n在大理日常生活，电动车非常重要。古城、苍山脚下、才村、龙龛这些区域，电动车会让你的生活半径扩大很多。短住可以租，长住可以考虑月租或二手，但一定要确认续航、充电和押金规则。
\n环洱海别硬刚。洱海一圈并不短，很多攻略写得很轻松，实际对体力、天气、续航、补给都有要求。最舒服的方式是分段玩：龙龛看日出，磻溪走 S 弯，喜洲看田野，双廊住一晚，挖色看海东光线。旅居不是特种兵旅游，别把自己骑到怀疑人生。
\n如果你来大理远程办公，住处比咖啡馆重要。
\n咖啡馆适合换脑子，不适合承担全部工作。你真正需要的是一张舒服桌子、一把不伤腰的椅子、稳定网络、安静背景、视频会议不尴尬的空间。
\n最推荐的节奏是：上午深度工作，下午出门晒太阳或散步，晚上轻社交或读书。大理最危险的不是打扰太多，而是天气太好。你会不断觉得“出去走走也没关系”，然后一天就没了。
\n如果你做内容，大理很适合输入。自然、人物、生活方式、城乡变化、旅居产业、个体选择，都有素材。但要警惕把生活过成“每天找素材”。真正有价值的内容，来自稳定观察，不是连续打卡。
\n长期旅居，别只跟着榜单吃。
\n大理本地日常很好吃：米线、饵丝、豌豆粉、喜洲粑粑、乳扇、酸辣鱼、砂锅鱼、木瓜鸡、白族家常菜，都值得试。菌子季可以吃，但要选正规餐厅，别为了猎奇乱吃。
\n古城里漂亮餐厅很多，适合朋友来、约会、拍照。但日常更应该去菜市场、小馆子、早餐店。北门菜市场、南门外农贸市场、社区小炒店，会让你更接近大理真实物价。
\n一个判断：如果你在大理一个月后，认识了早餐店老板，知道哪家水果便宜，知道哪条路晚上安静，你才算开始旅居。否则只是换了个地方消费。
\n大理的社交很迷人。这里有数字游民、民宿主、咖啡馆老板、手作人、音乐人、瑜伽老师、户外玩家、内容创作者。你很容易在一周内认识很多人。
\n但认识人不等于建立关系。热门攻略里很少说这个，但长期住的人都懂：大理也有很多临时关系、情绪关系、项目局、饭局、故事局。你如果边界感弱，很容易被消耗。
\n建议参加具体活动，而不是空泛局。徒步、读书会、共创工作坊、手作课、社区市集、运动局，都比“今晚大家聚一下”更靠谱。越具体，越能筛人。
\n第 1 到 3 天，住古城。别急着打卡，先把人民路、玉洱路、北门菜市场、床单厂、南门、洱海门走熟。你要先知道自己在哪里。
\n第 4 到 7 天，试住苍山脚下或古城周边村子。白天办公，傍晚散步，晚上听听周围吵不吵。这个阶段的目标不是玩，而是判断能不能生活。
\n第 2 周，开始分段探索洱海。龙龛日出、才村散步、磻溪骑行、喜洲半日、海西生态廊道，慢慢来。每天只安排一个重点。
\n第 3 周，去喜洲或双廊短住两晚。喜洲看田野和老建筑，双廊看海景和日落。顺便判断：你到底喜欢热闹后的安静，还是安静本身。
\n第 4 周，做生活复盘。哪个区域让你睡得最好？哪里花钱最少但幸福感最高？你工作效率有没有提升？你是想继续住，还是只是需要这一个月？旅居的意义不是证明你爱大理，而是看清你适合什么生活。
\n大理不是退路，也不是答案。
\n它适合有现金流、有自我管理能力、能远程工作、能享受独处的人。它不适合把人生问题全部外包给风景的人。
\n你在城市里拖延，来大理也会拖延。你在城市里焦虑，来大理也会焦虑。只是这里的天空更大，你更容易看见自己到底在逃什么。
\n最好的大理旅居，不是“逃离北上广深”，而是给自己换一个低噪音系统。
\n白天工作，傍晚看山，晚上吃一碗热米线。
不需要每天精彩。
能重新把日子过顺，就已经很值了。
表面是个笑话。仔细拆，不是。
\n---
\n先看这周发生了什么。
\n孙宇晨的B.ai突破100万用户。傅盛上线EasyRouter。特朗普家族WLFI生态推出WorldClaw——300多个模型打七折，四档套餐最贵9999美元，高级用户抽签去海湖庄园参加小特朗普私人晚宴，结算只接受USD1稳定币或锁仓WLFI代币。
\n同一周，三个不同量级的人同时入场API中转站。
\n这不是巧合，是信号。
\n---
\n市面上90%的中转站，用的是同一个开源项目的壳子（new-api，GitHub 3万星）。门槛趋近于零，价格战惨烈无比。有人把官方价格打到两折、一折，靠什么活？靠注水。
\n2026年3月，安全研究机构调查了17家中转站，发现将近50%存在模型替换行为——你付了Claude Opus的钱，后台实际调用的可能是某个开源小模型，成本差几十倍，你根本察觉不了，除非自己跑benchmark。
\n这是个劣币驱逐良币的市场。价格战的终局是：正经做的人熬不下去，剩下的全是靠注水、靠跑路苟活的。
\n所以问题来了：孙宇晨和特朗普家族，身家百亿的人，真的是来赚API差价的吗？
\n---
\n他一生只做一件事：找中间层，建规模，收过路费。
\nTRON是以太坊和用户之间的中间层，B.ai是OpenAI/Anthropic和用户之间的中间层。商业直觉高度一致。
\n但B.ai 100万用户对他的真实价值，不是差价，是三件事同时发生。
\n第一，数据。 每一条prompt、每一段代码完整过他的服务器。这是带真实使用场景标注的高质量训练数据。拿去做模型蒸馏，或者卖给有需求的厂商，价值远超任何Token差价。
\n第二，用户迁移。 今天用AI，明天用TRON链上支付。中转站是钩子，加密生态才是目的地。他在用AI流量给自己的币圈生态做冷启动。
\n第三，合规外衣。 孙宇晨多次涉及SEC起诉、稳定币挪用案，资产长期处于合规风险中。B.ai作为一个看起来正经的科技业务，是他资产结构的一次漂白布局——给监管和投资人看的那层皮。
\n差价，是他最不在乎的那笔钱。
\n---
\nWorldClaw表面是API中转站。往下剥，是三层叠加的金融游戏。
\n第一层，给USD1制造使用场景。 要让一个稳定币有价值，最难的不是技术，是找到真实的消费场景。AI API是高频、刚需的消费行为。强制用USD1结算，等于给USD1硬造了一个出口，撑住币值，进而撑起整个WLFI生态的估值。WorldClaw的核心不是AI，是给USD1找流量。
\n第二层，WLFI代币锁仓。 锁仓换高级套餐，代币抛压减少，价格被人为托住。这是最古老的币圈玩法，包了一层AI的外衣。
\n第三层，政治资源明码标价。 9999美元买的不是API，是"和小特朗普吃饭"的入场券。这是特朗普家族一贯的商业模式——把政治接触机会做成产品。这次的包装只不过是API套餐。
\n一个中转站，同时完成稳定币推广、代币锁仓、政治资源变现。API差价，只是包装纸。
\n---
\n孙宇晨向WLFI投资了超过7500万美元，是特朗普家族加密项目的最大个人投资者之一。然后他转身下场做B.ai，在AI中转站赛道直接跟WorldClaw竞争。
\n一个人，同时是竞争对手的最大金主。
\n这说明什么？说明这根本不是两个人在竞争，而是同一个生态内部的流量分配游戏。孙宇晨押注的是整个"AI+加密"基础设施层，不管谁赢，他都在场。
\n---
\n大玩家入场之后，通用中转站的差价空间会被进一步压缩。剩下的全是品牌溢价和生态锁定，普通人打不过。
\n但有一个缝还在。
\n垂直行业的渠道商。法律、医疗、金融这些场景，客户不是不想用AI，是不敢用——数据安全、合规风险、行业理解，通用大平台给不了承诺。如果你本身就在这些行业里，有存量客户信任，做的不是"中转站"，而是"行业AI接入服务"，护城河是关系和合规，不是技术。大玩家暂时复制不了。
\n窗口期可能就两三年。
\n如果你想知道怎么从零搭建一个中转站，我朋友写了一份很详细的攻略，技术门槛、成本结构、避坑点都覆盖到了：
\n【此处插入朋友的中转站搭建攻略】
\n---
\n懂王早说清楚了：Token，是让别人付钱、让自己赚钱的工具。
\nAPI Token也是Token。
\n现在的问题不是中转站赚不赚钱——它当然赚钱。
\n问题是：你是在做中转站，还是在给做中转站的人提供用户规模？
\n这两件事看起来一样，结局完全不同。
", "date_published": "2026-05-09T08:00:00.000+08:00", "date_modified": "2026-05-09T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260421-kollab-vs-lobster", "url": "https://blog.imachuan.com/20260421-kollab-vs-lobster", "title": "我用Kollab替代了龙虾，因为朋友真的学不会", "summary": "我用Kollab替代了龙虾，因为朋友真的学不会 身边很多没有代码基础的朋友问我：想拥有一个Agent助手，有没有推荐的？ 我第一反应是小龙虾（Lobster）。功能很强大，但说实话——对他们来说太复杂了。写配置、调参数、管上下文，技术人员玩得不亦乐乎，普通人直接劝退。 我一直在找一个合适的替代品，现在发现了Kollab。 龙虾有的，它都有，但更顺手 Koll", "content_html": "身边很多没有代码基础的朋友问我：想拥有一个Agent助手，有没有推荐的？
\n我第一反应是小龙虾（Lobster）。功能很强大，但说实话——对他们来说太复杂了。写配置、调参数、管上下文，技术人员玩得不亦乐乎，普通人直接劝退。
\n我一直在找一个合适的替代品，现在发现了Kollab。
\nKollab覆盖了小龙虾的核心功能——Agent编排、工具调用、工作流自动化。但差异在体验。
\n小龙虾像一台专业相机，参数多到能拍电影，但你只想拍张清楚的照片。
\nKollab像iPhone，打开就能用。UI设计从非技术人员视角出发，拖拽、点选、填空，不用写一行代码，Agent就能跑起来。
\n用小龙虾的人都知道，每次打开都要重新解释"我是谁、我在干嘛"。一个开发者每天平均6次，每次15-20分钟。一年400小时，50个工作日，蒸发在"重新解释"上。
\nKollab把这叫「上下文税」——你用AI越多，交的税越重。
\nKollab的解法是把上下文理得明明白白：项目进度、风格偏好、历史结论，都在共享空间里持续存在。打开就能看见，不用重新解释。
\n这可能是Kollab和小龙虾最大的差异。
\nKollab的Bot可以直接进Slack、Telegram、飞书、企微。在群里@一下Agent就能触发任务，对话自动同步回工作空间。
\nAgent不再是独立窗口里的"临时工"——每次上班都失忆，彼此之间也不通气。而是坐在团队群里的"全职同事"——产出留得下来，方法存得起来，还能跟团队一起协作。
\n你的Agent产出，团队成员都能看到、编辑。不再"聊完就没了"，也不再"我的AI产出同事看不到"。
\n更重要的是，飞书、电报、企微、Slack都能接。你原来的Agent可以无缝迁移过来，不用推倒重来。
\n技术人员有技术人员的玩具，但Agent的未来属于更多人。
\nMcKinsey有2万Agent同事。但如果这些Agent每次上班都失忆、彼此之间也不通气，那跟2万个临时工有什么区别？
\nAI工具的下一步竞争，不在模型能力，在协作基础设施。谁能先把Agent从"聊天窗口"变成"团队成员"，谁就赢了。
\n如果你也不想被技术门槛拦住，Kollab可能是更务实的选择。
\n免费版可以直接体验 👉 https://kollab.im
\n🔗 工具选择系列：🔄 [[20260411弃坑OpenClaw_转投Hermes|弃坑OpenClaw转投Hermes]] | 🧘 [[20260412别为了用哪个工具FOMO了-微信版本|别为工具FOMO]]
", "date_published": "2026-04-21T08:00:00.000+08:00", "date_modified": "2026-04-21T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260415-%E4%B8%A4%E4%B8%AA%E4%BA%BA120%E4%BA%BF%E4%B8%80%E4%BA%BA%E5%85%AC%E5%8F%B8%E6%AD%A3%E5%9C%A8%E6%9D%80%E6%AD%BB%E4%BC%A0%E7%BB%9F%E5%88%9B%E4%B8%9A-%E5%8F%91%E5%B8%83%E7%89%88%E6%9C%AC-%E5%85%AC%E4%BC%97%E5%8F%B7", "url": "https://blog.imachuan.com/20260415-%E4%B8%A4%E4%B8%AA%E4%BA%BA120%E4%BA%BF%E4%B8%80%E4%BA%BA%E5%85%AC%E5%8F%B8%E6%AD%A3%E5%9C%A8%E6%9D%80%E6%AD%BB%E4%BC%A0%E7%BB%9F%E5%88%9B%E4%B8%9A-%E5%8F%91%E5%B8%83%E7%89%88%E6%9C%AC-%E5%85%AC%E4%BC%97%E5%8F%B7", "title": "两个人，120亿：一人公司正在杀死传统创业", "summary": "两个人，120亿：一人公司正在杀死传统创业 说个反直觉的事。 你还在想着\"先凑团队、再拿融资、然后烧钱换增长\"这条老路时，有人已经用2个人+AI，把公司做到了120亿营收。 这不是鸡汤，是2026年正在发生的事。 这家公司叫Medvi。2个创始人，0融资，18个月做到预期营收18亿美元（约120亿人民币）。 传统创业的那套玩法，正在失效。 先别急着说不可能", "content_html": "说个反直觉的事。
\n你还在想着"先凑团队、再拿融资、然后烧钱换增长"这条老路时，有人已经用2个人+AI，把公司做到了120亿营收。
\n这不是鸡汤，是2026年正在发生的事。
\n这家公司叫Medvi。2个创始人，0融资，18个月做到预期营收18亿美元（约120亿人民币）。
\n传统创业的那套玩法，正在失效。
\n---
\n你可能觉得："这肯定是特例"、"医药赛道特殊"、"美国市场环境不同"。
\n先看完他们的打法，再下结论。
\nMedvi做什么？
\n线上医疗平台，主打GLP-1类减肥药。听起来很普通，市场上竞品一大堆。
\n但他们怎么做？
\n启动成本：2万美元。
\n而他们的竞品Hims & Hers，2400名员工，做160亿营收。
\nMedvi 2个人做120亿。人效比是对方的900倍。
\n---
\n不是GLP-1风口的问题。
\n是"一人公司"这件事，从都市传说变成了现实。
\n过去你觉得一人公司只能接接外包、做做咨询，天花板很低。
\n但Medvi证明了一件事：当AI能替代90%的执行环节，一个人的产出上限，正在逼近一家上市公司。
\n这不是"自由职业"的升级版。
\n这是公司形态的重新洗牌。
\n---
\n看明白这个趋势后，我发现一人公司其实就两条路：
\nMedvi就是这种。
\n他们不拿融资，因为不需要。AI把成本压到了2万美元，为什么要稀释股份？
\n当启动成本趋近于零，资本不再是门槛，认知才是。
\n你能不能用AI搭建完整业务链？
\n你能不能找到高毛利、低竞争的细分赛道？
\n你能不能用2个人干出200个人的活？
\n这些问题，以前只有大厂能回答。现在，一个人就能回答。
\n这条路更现实。
\n你想，大厂为什么要养2400人做160亿营收，而不能用2个人做同样的事？
\n因为内部阻力太大。
\n裁员得罪人、流程改不动、AI工具推不下去。船大难掉头。
\n那怎么办？
\n收购。
\n收购那些已经跑通AI原生模式的小团队，直接接入自己的流量和资源。
\nMedvi现在只有2个人，但估值已经不可想象。如果被收购，创始人瞬间财务自由。
\n一人公司，正在成为大厂的"研发外包部"。
\n---
\n我写这篇文章，不是要吹AI多厉害。
\n是想告诉你：创业的门槛，正在以肉眼可见的速度消失。
\n以前创业需要：
\n现在只需要：
\n你是选择加入这场游戏，还是继续在大厂里当螺丝钉？
\n---
\n那个投资人对马修说的话，我印象很深：
\n"你需要这笔钱来干什么？"
\n马修答不上来。因为他确实不需要。
\n当AI让一个人就能干出120亿，传统的创业逻辑，正在全面崩塌。
\n一人公司不是梦。
\n它是未来十年，普通人最大的机会。
\n---
\n但问题来了——
\n如果你现在一个人启动，手头的技能+AI，能撑起一个年入百万的小生意吗？
\n说实话，我盘了盘自己的技能，发现有一半是「AI可以替代的」，还有一半是「市场不怎么买单的」。
\n真正值钱的，是「AI做不了的判断力」+「市场愿意付费的专长」。
\n你觉得自己有哪些？
\n评论区聊聊，我看看有没有合作机会。
", "date_published": "2026-04-15T08:00:00.000+08:00", "date_modified": "2026-04-15T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260412%E5%88%AB%E4%B8%BA%E4%BA%86%E7%94%A8%E5%93%AA%E4%B8%AA%E5%B7%A5%E5%85%B7FOMO%E4%BA%86-%E5%BE%AE%E4%BF%A1%E7%89%88%E6%9C%AC", "url": "https://blog.imachuan.com/20260412%E5%88%AB%E4%B8%BA%E4%BA%86%E7%94%A8%E5%93%AA%E4%B8%AA%E5%B7%A5%E5%85%B7FOMO%E4%BA%86-%E5%BE%AE%E4%BF%A1%E7%89%88%E6%9C%AC", "title": "别为了用哪个工具FOMO了，先把豆包玩明白", "summary": "👆 「关注」加「星标」，掌握真正有效的生产力思维！ 别为了用哪个工具FOMO了，先把豆包玩明白 大多数人正在死于工具选择。 这不是比喻。 他们在ChatGPT、Claude、Gemini、豆包、Kimi、DeepSeek之间疯狂切换，像只无头苍蝇。 每个新工具发布，他们就兴奋一次。 「这个好像更强！」 下载。注册。试用。 三天后，弃用。 然后下一个。 三年", "content_html": "👆 「关注」加「星标」，掌握真正有效的生产力思维！
\n---
\n大多数人正在死于工具选择。
\n这不是比喻。
\n他们在ChatGPT、Claude、Gemini、豆包、Kimi、DeepSeek之间疯狂切换，像只无头苍蝇。
\n每个新工具发布，他们就兴奋一次。
\n「这个好像更强！」
\n下载。注册。试用。
\n三天后，弃用。
\n然后下一个。
\n三年过去了。
\n他们用过20个AI工具，却连一个都没用明白。
\n---
\n我见过这种人。
\n他的浏览器收藏夹里躺着47个AI工具。
\n每一个他都「试过」。
\n问他ChatGPT怎么样。
\n「还行吧，有时候挺傻的。」
\n用过几次？
\n「二三十次吧。」
\n这就是问题。
\n他不是在用工具。
\n他是在集邮。
\n集的是一种「我也在紧跟时代」的安全感。
\n但安全感不能当饭吃。
\n工具选择成了一种新型拖延症。
\n比传统拖延更隐蔽。
\n因为看起来你在「学习」。
\n实际上你在逃避真正坐下来，用烂一个工具，做出一个完整的项目。
\n---
\n我有一段时间也是这种人。
\n2023年初，我每天刷新Twitter，看谁又发现了什么新玩法。
\n我的Notion里记满了「AI工具使用心得」。
\n整整记了三个月。
\n你猜我产出过什么？
\n几乎为零。
\n我忙着成为AI工具专家，却忘了自己本来要做什么。
\n我本来的目标是写作。
\n但写作太他妈难了。
\n写不出来的时候，打开一个新工具的注册页面，那种多巴胺飙升的感觉，比面对空白文档舒服多了。
\n我在用工具学习替代真正的学习。
\n---
\n我认识一个设计师。
\n他只用Midjourney。
\n不是因为他不知道Stable Diffusion更可控。
\n是因为他真正会用Midjourney。
\n他知道什么样的提示词结构能让它出神图。
\n他知道什么时候该用v5.2、什么时候该用v6。
\n他用一个「被很多人嫌弃」的工具，做出了别人用五个工具都做不出的东西。
\n这就是深度产生的杠杆。
\n大多数人永远在「了解」阶段。
\n永远在尝鲜。
\n他们不知道，更好的在深度里，不在广度里。
\n---
\n我想给你讲一个概念：
\n工具精通曲线。
\n前10个小时，你在谷底。
\n什么都做不出来。
\n提示词写得烂。
\n输出质量差。
\n你开始怀疑工具不行。
\n这时候，大多数人放弃。
\n换工具。
\n然后重新进入谷底。
\n永远在谷底循环。
\n但如果你挺过这10个小时。
\n第20个小时，你开始摸到门道。
\n第50个小时，你有了自己的套路。
\n第100个小时，工具成了你身体的延伸。
\n那时候，你才能真正评判这个工具好不好。
\n因为在此之前，你不是在评价工具。
\n你是在评价自己的笨拙。
\n---
\n所以，别再问「哪个AI工具最好」。
\n更好的问题是：
\n「我愿意在哪个工具上投入100个小时？」
\n选一个。
\n就选一个。
\n然后，关闭这篇文章。
\n打开那个工具。
\n完成一个完整的项目。
\n写一篇文章。
\n做一份报告。
\n生成一套图片。
\n完成。
\n不是试用。
\n是完成。
\n---
\n五年前，人们争论「学Python还是JavaScript」。
\n那些争论的人，现在还在争论。
\n而那些不说话的人，早就做出了产品。
\n工具是杠杆。
\n但你得先有支点。
\n支点不是更好的AI。
\n支点是你真正掌握一个工具的决心。
\n别再找了。
\n开始用。
\n---
\n分享关于生产力、工具思维和个人成长的深度内容。
\n如果这篇文章对你有帮助，欢迎点赞、在看、转发，让更多人看到。
\n---
\n🔗 工具心态系列：
🔄 正面案例：[[../20260411弃坑OpenClaw_转投Hermes|弃坑OpenClaw转投Hermes]]（有理由的迁移 vs 盲目切换）
📊 参考对比：[[../20260314-CanopyWave vs Bailian 深度对比报告|CanopyWave vs Bailian 对比]]
📱 新选择：[[../../文章草稿/20260421-kollab-vs-lobster|Kollab vs 龙虾]]（另一个替代方案）
昨晚，我崩了。
\n不是感情，是工具。
\n给OpenClaw升个级（3.13→4.7），结果迎来插件集体罢工、报错刷屏、系统宕机一条龙服务。从中午折腾到晚上，官方紧急推送4.8，我满怀希望地点了更新——依然凉凉。
\n去Issues一看，好家伙，我不是一个人在战斗。
\n临睡前，我刷到了Hermes Agent。就在这个崩溃的夜晚，我决定：换阵营。
\n---
\n过去两个月，OpenClaw确实是我的得力助手——写脚本、管选题、整理采访录音，甚至接管财务记账、看病历、管健康档案，它都扛得住。
\n但这次翻车让我看清现实：它是个需要我持续"喂养"和"修补"的系统。
\n内存不足升级失败、群消息无响应、插件冲突……之前遇到这些问题，我都耐心排查修复。但这一次，从中午折腾到晚上，官方连发两个版本都救不了。
\n创作者可以折腾，但不想把人生耗在工具运维上。
\n---
\n决定切换前，我对这两款工具的底层逻辑做了一次深度对比。
\nOpenClaw：给你一个精心打磨的瑞士军刀。它的底层有一个庞大的插件注册中心，想要什么功能，必须先写好对应的插件。它追求确定性，宁可说"做不到"，也不让AI冒险试错。
\nHermes：直接给AI一把万能钥匙。核心工具就四个：读、写、搜、执行代码。遇到陌生任务？自己写方案试错，迭代到出结果。
\n相当于给AI一张白纸——能想到的，它就能试。
\n生猛。
\n---
\nOpenClaw每次启动，都把SOUL.md、IDENTITY.md等设定文件一股脑塞进上下文。就像出门旅行，还没上路，先塞满一个28寸行李箱。
后果？背包越来越重，Token狂烧，模型注意力涣散。 连MiMo大模型负责人罗福莉都公开吐槽过这设计不够优雅。
\nHermes更像一座"动态图书馆"。默认上下文极轻，只有核心人设和技能目录。用啥取啥，只有在用到具体功能时，才会去抽调那本书。
\n而且MEMORY.md强制限制2200字符，超了就主动清理过期记忆。不会让你的记忆文件变成几万行的怪兽。
\n---
\n记忆系统的代差，是降维打击。
\nOpenClaw往MEMORY.md里追加内容。找几个月前的一句话？通读全文，慢慢翻。
Hermes把每一次对话、执行记录、修改过的文件，全进SQLite数据库，FTS5全文检索引擎建立倒排索引。
\n问"上个月那个采访提纲"？几毫秒内SQL精准定位，不是"读"出来，是"搜"出来的。
\n这是两个时代的差别。
\n数据不会说谎：OpenClaw前期爆火后趋于平静，Hermes最近爆发式增长，4w+ star，周上升榜第4。
\n---
\n抛开底层架构，日常使用中两点差异直击灵魂。
\n第一，从"黑盒等待"到"透明弹幕"。
\nOpenClaw扔个长任务过去，盯着屏幕干等，不知道卡在哪。
\nHermes直接飞书卡片实时滚动执行步骤——查资料、写分析、整理数据，像看直播一样透明。
\n这种掌控感，让人踏实。
\n第二，从主动调教到自我进化。
\nOpenClaw想要新能力？你主动写skill，不提醒绝不记。
\nHermes：刚搞定复杂任务，自动固化成技能；犯过的错主动记录，绝不在同一个坑跌倒两次。
\n它会自己进化。
\n这很可怕，也很迷人。
\n---
\n工具的迭代，本质上是个人系统的升级。
\n放弃OpenClaw不是它不好，是它完成了历史使命。作为发展最快的开源AI Agent项目之一，它在普及上留下了浓墨重彩的一笔。
\n但现阶段，我需要更稳定、能自我进化、维护成本更低的系统。
\n如果说OpenClaw是毛坯房——你可以随心所欲装修；那Hermes就是精装公寓，关键环节都优化好了，拎包入住。
\n这才是AI工具该有的样子：服务你，而不是消耗你。
\n---
\n这篇文章也是Hermes帮我发的。它写了个skill，支持飞书文档草稿一键发布到公众号后台。
\n在你折腾下一个AI工具之前，先问自己一个问题：
\n你是在使用工具，还是在被工具使用？
\n如果答案是后者，也许该升级了。
\n---
\n🔗 工具进化路线：OpenClaw → Hermes
🦞 相关阅读：[[../20260410Hermes究竟是什么？普通人可以怎么用|Hermes介绍]]
🧘 保持冷静：[[../20260412别为了用哪个工具FOMO了-微信版本|别为工具FOMO]]
📱 其他选择：[[../../文章草稿/20260421-kollab-vs-lobster|Kollab vs 龙虾]]
你每天打开AI，第一件事是什么？
\n重新介绍自己。重新说风格要求。重新告诉它别用"综上所述"。
\n它改，你关窗。明天重新来一遍。
\n你不是在用AI，你是在每天驯养AI，但永远从零开始。
\n2026年2月，Nous Research发布了Hermes Agent。GitHub stars两个月飙到27000+。
\n它解决的就是这件事：让AI真的记住你，不是这一轮对话，而是永远。
\n---
\nClaude Code = 你的结对工程师。实时协作，你得在场，像带一个很强的程序员一起写代码。
\nOpenClaw = 你配置好的助手。写SOUL.md定规则，它按那套跑。但规则是静态的，不会自己进化。
\nHermes = 越用越懂你的伙伴。24/7在线，自己记忆、自己创建Skill、自己优化规则。
\n关键区别：前两者需要你维护，Hermes自己维护自己。
\n---
\n每次AI犯错，你怎么办？
\n大多数人：骂一句，手动改，下次再犯。
\n少数人：记下来，加规则，下次规避。
\nHermes：自动复盘，自动加规则，自动规避。
\n它把"教训→规则→改进"这个循环自动化了。你不需要记得，不需要勤快，它自己处理。
\n每次任务完成后，它会自己做一件事：复盘。
\n它问自己：这次用户改了哪里？有没有值得固化的规则？下次同类任务可以怎么做得更好？
\n然后它把这些写进两个地方。
\n一个是记忆数据库——存的是"你是什么样的人"。你偏好用httpx不用requests，你讨厌函数写太长，你写文章不用"综上所述"。没人告诉它，它自己观察，自己记，跨会话保持，开新对话不丢。
\n另一个是Skill文件——存的是"怎么做这件事"。
\n你第一次让它整理GitHub通知，它摸索着做完。第三第四次，它发现你每次要求一样的格式，自动生成一个规则文件：过滤bot通知、PR和Issue分开、按重要程度排序。
\n下次你只需要说"看看GitHub"，它直接按那套来。
\n你说"这次把Discussion也加上"，它不只是这次加——它把规则写进去，永久生效。
\n这五个环节串起来，构成一个正反馈飞轮：记忆喂养Skill，Skill使用中产生新记忆，新记忆触发Skill改进，改进后产生更好结果，更好结果让它对你理解更深。
\n用得越多，每个环节同时在变强。
\n---
\n用过OpenClaw的人可能会问：这不就是换皮？
\n不是。两者的底层逻辑完全不同。
\nOpenClaw的记忆是扁平的。你写SOUL.md，Agent就是那样，不会自己变。用三年还是第一天的那套，除非你手动改。Skill也一样，是静态模板，你fork之后自定义，它不会因为你的反馈自己进化。
\nHermes的Skill是活的。同一个"写代码"Skill，Python开发者和Rust开发者用三个月后，会长出两个截然不同的版本。 不是通用模板，是量身定制。你连续三次把某个措辞改掉，它就把这条规则写进Skill。你不用说"记住这个"，它自己判断。
\n还有一个差距在用户建模。Hermes有个可选模块叫Honcho——它不只记你说的，它推理你没说的。你连续三次选最便宜的方案，它推断出"这个人对成本敏感"，之后推荐默认把价格放前面。你嘴上说要写完整注释，实际review代码每次都跳过注释，它把这个矛盾也记下来。
\n人说一套做一套这件事，Honcho也观察。
\n另一个明显强过OpenClaw的地方是多平台接入。Hermes原生支持12+平台：Telegram、Discord、Slack、WhatsApp、Signal……你在手机Telegram发的消息，它在VPS后台处理，跨平台对话连续，共享同一套记忆。从Telegram说的事，开电脑在终端里还能接着聊。
\n最后是子Agent并行。Hermes可以同时启动最多3个子Agent，各自独立上下文，各自受限工具集，并行工作后汇总。一份通常要一个多小时的竞品分析，20分钟能出。OpenClaw没有这个机制。
\n当然OpenClaw也有Hermes比不了的：生态。44000个社区Skill，任何场景几乎都有现成方案，Hermes的社区还在早期，这点没什么好粉饰的。
\n---
\n先说好消息：你在OpenClaw里攒的Skill，可以直接带过来。
\n两者都支持agentskills.io标准，这是一个跨Agent的通用Skill格式，目前已有30+工具支持，包括Claude Code、Cursor、Copilot。你的Skill资产不会因为换工具清零。
\n迁移步骤很简单：
\n第一步，装好Hermes。 一行命令搞定：
\ncurl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bashmacOS、Linux、WSL2都能跑，安装器自动处理Python、Node.js和所有依赖。
\n第二步，把OpenClaw的Skill文件复制过来。 Skill是markdown文件，直接扔进~/.hermes/skills/目录，Hermes立刻识别生效。不需要改格式，结构是通用的。
第三步，配好模型。 编辑~/.hermes/config.yaml，填入API Key。推荐起步阶段用OpenRouter，200+模型随时切换，确定了再直连对应API。
第四步，接入你常用的平台。 如果你在OpenClaw里用了Telegram，继续用，配置方式一样，只是token填进Hermes的config里。
\n从OpenClaw切过来，你会立刻感受到的差别不是功能多了什么，而是它开始自己记东西了。 你不再需要手动更新SOUL.md，不再需要自己去ClawHub找Skill然后手动维护——它在使用过程中自己积累。
\n一个月后，你会发现~/.hermes/skills/目录里长出了很多你没写过的文件。那些是Hermes自己总结出来的，全部来自你们的交互。
---
\n说几个真实场景，不是概念演示，是真的能跑起来的用法。
\n持续性内容项目，再也不用每次重新介绍自己。
\n做系列内容的人都懂那种痛：每次开新对话都得重新解释定位、受众、风格要求。你喜欢短句，你不用某些词，你的读者有技术背景……说了又忘，忘了再说。
\n用Hermes，第一篇写完，它记住了这个系列的调性和你的所有偏好。第二篇你只需要说"写第二篇，主题是XXX"，其他的它自己处理。
\n到第五篇，它对你写作偏好的理解已经相当精准。 不是你配置出来的，是它从你的反馈里自己学出来的。
\n代码仓库的"夜班管家"。
\n接入GitHub MCP，配一个定时任务：每天凌晨巡查新PR，按你定的标准做初步审查，有问题发Telegram通知你。
\n你睡觉的时候它在看仓库。 早上起来不是从零开始翻昨晚的动态，是直接看它整理好的报告：哪个PR有问题、测试覆盖率掉了多少、哪条是flaky test。
\n这是一种完全不同的工作节奏。你管方向，它管巡逻。 Claude Code做不了这件事，它没有"你不在场时持续运行"的机制。
\n跨周期的调研项目，上下文不断线。
\n你在调研一个新领域，第一周聊了Docker部署，第二周想继续看Serverless。换任何其他工具，你得重新铺背景。
\n用Hermes，你只需要说"继续看Serverless方案"。 它知道你上周排除了哪些选项，知道你的成本预算，知道你已经确认过的结论。整个调研像一条线而不是一堆散点。
\n用到第三周，你可能还会发现：它主动提醒你"上周你提到Daytona有免费额度限制，要不要先确认最新政策"——因为它在持续帮你盯着这件事。
\n---
\n第一代：工具
你问，它答，关掉就结束。
第二代：助手
你配置它，它按配置跑。有了"你的AI"的感觉，但需要你手动维护。
第三代：伙伴
不需要反复驯养，在陪你工作的过程中自己长大。
Hermes想做的，是第三代。
\n技术上能不能完全兑现？还有争议。自改进的边界、记忆会不会跑偏、方向对不对——这些问题没人全部解决。
\n但有人开始认真做这件事了。
\n从"你养AI"到"AI长大"，这一步迈出来，后面的事就不一样了。
\n你现在用的AI，是在帮你，还是在等你喂它？
\n---
\n_基于 Hermes Agent v0.7.0，2026年4月。_
\n---
\n🔗 工具进化路线：OpenClaw → Hermes
🔁 迁移实录：[[../20260411弃坑OpenClaw_转投Hermes|弃坑OpenClaw转投Hermes]]
🧘 保持冷静：[[../20260412别为了用哪个工具FOMO了-微信版本|别为工具FOMO]]
你已经在用 AI 了。
\n每天打开 Claude，问问题，改改文案，让它帮你整理一些东西。感觉有在用，但隐隐觉得哪里不对——怎么别人说 AI 能帮他们节省好几个小时，你这边就是快了一点点？
\n不是 AI 不行。是用法有问题。
\n大多数人用 Claude 的方式，本质上和用搜索引擎没什么区别。问一句，得一句。用完就关。下次再开一个新对话，重新解释一遍背景，重新等它理解你。每次都在从零开始。
\n这不叫用 AI。这叫在消耗 AI。
\n真正让 AI 给你带来质变提效的方式，叫做 Skill。但 90% 在琢磨 AI 的人，根本不知道这个东西的存在。知道的人里，有 90% 搭出来的 Skill 是烂的——我早期就是其中之一。
\n摸索了好几周，反复踩坑，做出来的 Skill 效果一般，产出质量差，还要不停返工。后来系统学了 prompt 优化的底层逻辑才明白：Skill 搭得烂，不是因为不够聪明，是因为根本没有一套科学的流程。
\n下面这六步，是我花了很长时间才拼出来的东西。
\n---
\nSkill 是你给 Claude 预装的一套行为规范。
\n你可以把它理解成：一个提前写好的、针对某类任务的完整操作手册。Claude 读完这个手册，就知道碰到这类任务该怎么做、用什么工具、按什么步骤、输出什么格式。
\n没有 Skill 的 Claude，每次都要重新猜你要什么。
\n有了 Skill 的 Claude，一看到触发词，直接进入专家模式。
\n这不是玄学，这是工程问题。
\n---
\n先做个自测。你之前是怎么搭 Skill 的？
\n大概率是这样：打开对话框，输入"帮我创建一个 XX Skill"，等 Claude 吐出一大段文字，复制粘贴，用一次，发现效果不行，然后放弃。
\n问题出在哪？
\n你没有给 Skill 写清楚三件事：做什么、什么时候触发、输出是什么。
\nClaude 不是读心术。你给它一个模糊的需求，它就还你一个模糊的结果。垃圾进，垃圾出——这个规律对人类成立，对 AI 同样成立。
\n哈佛商学院有研究：用 AI 完成任务的人，比不用 AI 的人快 25%，质量高 40% 以上。但这个数据的前提是——他们知道怎么用。
\n频繁的 AI 超级用户每周能节省 20 小时以上。
\n你上周用 AI 节省了几小时？
\n如果答案让你不舒服，那正是这篇文章要解决的问题。
\n---
\n在碰键盘之前，先在脑子里回答三个问题：
\n这个 Skill 能做什么？ 不要说"帮我处理工作"。要具体到：把用户上传的销售数据整理成可视化的周报，输出 Word 文件。
\n什么时候触发它？ 用户说什么话、上传什么文件时，Claude 应该自动调用这个 Skill？把所有可能的说法都列出来——"写周报"、"整理数据"、"生成报告"，越全越好。
\n输出是什么？ 一个文件？一段分析？一个可交互的界面？
\n这三个问题想不清楚，后面所有步骤都是在浪费时间。
\n---
\nSkill 的物理形态，就是一个文件夹。结构非常简单：
\nmy-skill/\n├── SKILL.md ← 必须有，核心说明文件\n├── scripts/ ← 可选，放可执行脚本\n├── references/ ← 可选，放参考文档\n└── assets/ ← 可选，放模板文件在终端里两行命令搞定：
\nmkdir -p my-skill/{scripts,references,assets}\ntouch my-skill/SKILL.md文件夹名字就是 Skill 的名字。用小写加连字符，比如 weekly-report、data-to-docx。
---
\n这个文件分两部分：顶部 YAML 和 正文说明。
\n顶部 YAML 决定 Claude 会不会用这个 Skill。正文说明决定 Claude 用得好不好。
\n格式如下：
\n---\nname: weekly-report\ndescription: |\n 把工作内容整理成 Word 格式周报。\n 当用户说「写周报」「生成周报」「weekly report」\n 「整理本周」时必须使用本 Skill。\n 哪怕用户没有明确说"周报"，只要在整理\n 本周工作总结，也要触发。\n---\n\n# 周报生成 Skill\n\n## 步骤\n1. 先读取 /mnt/skills/public/docx/SKILL.md\n2. 询问用户本周的工作内容（如果没提供）\n3. 按模板格式整理内容\n4. 生成 .docx 文件\n5. 用 present_files 工具呈现给用户\n\n## 模板格式\n- 本周完成事项\n- 遇到的问题与解决方案\n- 下周计划description 是整个 Skill 的触发器，是最容易被忽视、也最容易搞砸的地方。
\n大多数人写 description 只写"这是什么"——"生成周报的工具"。这种写法触发率极低。
\n正确的写法是：把用户可能说的各种话都写进去，明确告诉 Claude 什么时候必须用这个 Skill。要稍微"强硬"一点——Claude 有一个天然倾向，就是能自己处理的事情就不调用 Skill。你必须在 description 里打破这个倾向。
\n---
\nSKILL.md 建议控制在 500 行以内。说明太长，把细节拆出来放到 references/ 文件夹，在 SKILL.md 里写清楚"需要时去读 references/xxx.md"就好。
\n三类资源各司其职：
\n在 SKILL.md 里引用资源的写法：
\n## 格式规范\n详见 references/style-guide.md，\n处理格式时请先读取该文件。---
\n这一步是大多数人跳过的步骤，也是 Skill 质量差距真正拉开的地方。
\n靠感觉测试是没用的。你觉得"好像还行"，不代表 Skill 真的在稳定工作。正确的做法是建一套评估体系，让数据说话。
\n第一步：写测试用例
\n在 Skill 文件夹里建一个 evals/evals.json，写 5 到 10 个真实的测试场景：
{\n "skill_name": "weekly-report",\n "evals": [\n {\n "id": 1,\n "prompt": "帮我写本周周报，这周完成了用户模块开发",\n "expected_output": "包含本周事项、问题、下周计划的 Word 文件"\n },\n {\n "id": 2,\n "prompt": "generate my weekly summary",\n "expected_output": "英文触发词也能正确调用 Skill"\n }\n ]\n}测试用例要覆盖边界情况：用户说话方式不标准、输入内容残缺、换一种语言触发——这些才是真正暴露问题的场景。
\n第二步：写断言（Assertions）
\n每个测试用例对应一组可量化的判断标准，叫做断言。比如：
\n断言的原则是：客观可验证，不依赖主观感受。 能用脚本检查的，就用脚本检查，比人眼看更快更准。
\n第三步：跑评估，生成 benchmark
\n有了测试用例和断言，跑两组对比：一组用 Skill，一组不用 Skill（或者用旧版 Skill）。然后聚合结果：
\npython -m scripts.aggregate_benchmark workspace/iteration-1 --skill-name weekly-report生成 benchmark.json，里面有每个测试用例的通过率、耗时、token 消耗，以及有 Skill 和没有 Skill 之间的差值。
这个差值，就是你这个 Skill 的实际价值。
\n第四步：开评估查看器，人工复核
\n跑完评估之后，用可视化查看器逐条看输出：
\npython eval-viewer/generate_review.py workspace/iteration-1 \\\n --skill-name "weekly-report" \\\n --benchmark workspace/iteration-1/benchmark.json浏览器会打开一个界面。左边是每个测试用例的输入和输出，右边是断言的通过/失败明细。你可以对每个结果留下文字反馈，最后点"Submit All Reviews"保存。
\n先看评估结果，再改 Skill。 不要凭感觉改，要根据数据改。哪条断言失败了，去 SKILL.md 里针对性地修那一段。
\n第五步：触发词优化循环
\ndescription 写得好不好，直接影响触发率。这也是最容易被忽视的一步——大多数人写完 description 就不管了，但这恰恰是 Skill 效果差的最大原因。
\n来看一个真实的对比。同一个周报 Skill，两版 description：
\n优化前：
\n生成周报的工具，帮助用户整理本周工作内容，输出 Word 文件。优化后：
\n把工作内容整理成 Word 格式周报。\n当用户说「写周报」「生成周报」「weekly report」\n「整理本周」「本周总结」「工作汇报」时必须使用本 Skill。\n哪怕用户没有明确说"周报"，只要在整理\n本周工作总结，也要触发。\n不要因为任务简单就跳过本 Skill 自行处理。跑触发率评估，结果如下：
\n|测试场景|优化前触发|优化后触发|
|---|---|---|
|"帮我写周报"|✅|✅|
|"generate my weekly summary"|❌|✅|
|"整理一下这周干了啥"|❌|✅|
|"本周工作汇报"|❌|✅|
|"weekly report 要交了"|❌|✅|
触发率：40% → 100%。
\n差距来自哪里？优化前的 description 只说了"这个 Skill 是什么"，没有告诉 Claude "什么时候必须用它"。Claude 有一个天然倾向——能自己处理的任务就不调用 Skill。你必须在 description 里主动打破这个倾向。
\n跑优化循环是把这个过程自动化：
\npython -m scripts.run_loop \\\n --eval-set evals/trigger-eval.json \\\n --skill-path my-skill/ \\\n --max-iterations 5它自动把测试集拆成训练集和测试集，跑多轮评估，每轮根据失败案例提出 description 的改写方案，最终返回得分最高的版本。直接替换 SKILL.md 顶部的 YAML 就好。
\ndescription 优化完，再看一次 benchmark，前后对比的样子大概是这样：
\niteration-1 benchmark（优化前）\n─────────────────────────────────────────\n断言通过率（with skill）: 58%\n断言通过率（without skill）: 12%\n提升差值: +46%\n\n失败断言明细：\n ✅ 输出文件为 .docx 格式\n ✅ 包含"本周完成事项"章节\n ❌ 包含"下周计划"章节 ← 模板缺失\n ❌ 英文触发词能正确调用 ← description 覆盖不足\n ❌ 输入残缺时主动询问用户 ← 步骤说明未覆盖\n\niteration-2 benchmark（优化后）\n─────────────────────────────────────────\n断言通过率（with skill）: 100%\n断言通过率（without skill）: 12%\n提升差值: +88%\n\n失败断言明细：\n ✅ 输出文件为 .docx 格式\n ✅ 包含"本周完成事项"章节\n ✅ 包含"下周计划"章节\n ✅ 英文触发词能正确调用\n ✅ 输入残缺时主动询问用户这张表说明了一件事：没有 Skill 的 Claude，通过率永远是 12%。有了经过评估迭代的 Skill，通过率是 100%。这个差距，就是你搭 Skill 的价值所在。
\n---
\n整个评估流程加起来：写用例 → 写断言 → 跑 benchmark → 看 viewer → 改 Skill → 再跑。不需要每次都跑完整循环，第一次认真跑一遍，后续迭代只需要验证改动点就够了。
\n---
\n测试满意之后，一行命令打包：
\npython -m scripts.package_skill my-skill/生成 .skill 文件，可以直接分享，也可以自己存档备用。
---
\n这六步写出来不复杂，但真正做一遍，你会在某个地方卡住。
\n可能是 description 写了半天触发率还是上不去。可能是 benchmark 跑出来数据难看，但不知道该改哪里。可能是第一步的三个问题想了很久，发现自己根本没想清楚要解决什么问题。
\n这很正常。
\nSkill 不是教程看完就会的东西。它是一个需要迭代的工程，第一次做会有很多地方不顺。重要的是把它做出来，跑起来，用真实的任务去测它。
\n哈佛商学院的研究说，真正用好 AI 的人完成任务比别人快 25%，质量高 40%。PwC 的数据说，掌握 AI 技能的人薪资溢价 56%。
\n这些数字背后的人，不是比你更聪明，是比你早一步把流程跑通了。
\n去试。卡住了再说。
\n---
\n🔗 Skill 工程系列：
📝 认知基础：[[../../公众号/文章草稿/小白用好baoyu-skills深度教程|baoyu-skills深度教程]]（从"聊天心态"到"工程思维"）
🏗️ 工程哲学：[[../../已发布/20260405-Harness Engineering：真正拉开差距的，不是功能数量，而是工作秩序|Harness Engineering]]（本文的工程化实践）
---
\n一个月前，我整理自己的屏幕使用时间。
\n数字让我愣了一下。
\n每天醒着的时间，大概十几个小时。跟人说话：不到两小时。跟AI对话：剩下全部。
\n我在LV6-7徘徊，但我怀疑自己是不是已经LV8了。
\n---
\n网上有个说法，把AI玩家分了十个等级。
\n从LV0的"拉完了"到LV10的"斗战圣佛"。
\nLV0-LV3，工具阶段。
\n搜索框、实习生、文案工具。大部分人停在这里。
\nLV4-LV5，军师阶段。
\n用AI辅助决策，掌握Prompt Engineering。到这一步，有人说你已经超越99.6%的人。
\nLV6-LV7，系统阶段。
\n场景化封装、工作流自动化。你不再是操作者，是系统设计者。
\nLV8-LV10，共生阶段。
\nAI矩阵协同、认知重构、人机共生。
\n那句话怎么说的来着："你分不清哪些想法是你的，哪些是AI的。"
\n我看完这个分级，沉默了。
\n因为我发现自己卡在一个奇怪的位置。
\n技能上，我在LV6-7。我把工作流拆成了一个个自动化模块，让AI在各个环节替我干活。
\n但状态上，我好像已经开始体验LV8的东西了。
\n---
\n我是数字游民。
\n没有办公室，没有同事，没有固定的社交场景。
\n以前我觉得这是自由。现在我发现，这也意味着我的对话对象被大幅缩减了。
\n早上醒来，第一件事是和AI讨论今天的写作方向。
\n上午，让AI帮我查资料、整理框架、生成初稿。
\n下午，和AI反复打磨段落，讨论哪个表达更准确。
\n晚上，用AI检查、润色、准备发布。
\n一天十几个小时，我唯一的对话对象，就是AI。
\n不是比喻。是真的对话。
\n我会和它说："这个开头太平了，能不能更有冲击力？"
\n它给我三个版本，我选了一个，然后说："这个方向对，但太用力了，收一点。"
\n就这样一来一回，像和一个不会疲倦、不会生气、永远在线的搭档共事。
\n偶尔和朋友视频，聊半小时，挂断。
\n然后回到我的房间，继续和AI说话。
\n我算了一下，人和AI在我一天中的比例，大概是1:9。
\n---
\n问题就出在这里。
\n当一天90%的思维过程都是和AI共同完成的，最后那个产物，有多少是我的？有多少是AI的？
\n我分不清。
\n以前我们做一个东西，思路是这样的：
\n脑子里有个模糊的想法 → 自己琢磨 → 查资料 → 慢慢清晰 → 输出。
\n整个过程，你是知道的。哪些是从别人那里学来的，哪些是自己想出来的，边界很清楚。
\n但现在不一样。
\n现在的流程是：
\n脑子里有个模糊的想法 → 直接丢给AI → AI展开十个方向 → 我选一个 → AI继续深化 → 我再调整 → 如此循环。
\n表面上看，是我在做选择。
\n但仔细想想，从零到一的那一步，被跳过了。
\n你不再是从零开始想，而是从AI给的选项里挑。
\n这意味着什么？
\n意味着你产出的东西，可能并不是你最初想要的那个东西。
\n而是AI在它的概率空间里，认为可能符合你描述的那个东西。
\n你的"想要"，被AI翻译了一遍，再还给你。
\n---
\n我举一个具体的例子。
\n上周我想写一篇文章，关于"注意力经济"。
\n我脑子里其实只有一个模糊的感觉：好像现在大家的注意力都被什么东西切碎了，但我不太确定具体要说什么。
\n以前的话，我会先花几天时间想，到底问题在哪，我的核心观点是什么。
\n这次我没有。
\n我直接把那个模糊的感觉扔给了AI。
\n半小时后，我拿到了一篇结构完整、逻辑通顺、金句频出的文章。
\n它讨论了短视频的算法机制，分析了多巴胺回路，还引用了几篇我看都没看过的研究。
\n客观地说，写得比我好。
\n但我读完，心里有个声音说：这不是我想说的。
\n问题是，我也说不清楚我想说的到底是什么。
\n这就是LV8的困境。
\n你不是在"使用AI"，你是在"和AI共生"。你的思维过程被嵌入了一个更大的系统里，你分不清哪些是你的，哪些是系统的。
\n---
\n我想了很久，最后回到一个最基本的问题：
\n当AI帮你完成了从零到一的过程，最后的产物，还算不算你的？
\n我的结论是：看情况。
\n如果你只是提需求、选方案、做微调，那可能更多是AI的。
\n但如果你在某个环节，注入了自己真实的经历、独特的观察、无法被概率模型预测的东西，那就有你的成分。
\n问题是，我现在越来越懒于去注入这些东西了。
\n因为AI给的答案，已经足够好了。
\n好到我有时候会想：我那点独特的观察，真的有必要加进去吗？加了会不会反而破坏整体的流畅性？
\n这种懒惰，比任何技术问题都更可怕。
\n---
\n写到这里，我想明白了一件事。
\nLV6和LV8的区别，不在于你用了多少AI，而在于你还保有多少"非AI不可"的东西。
\n是那些只有你知道的细节。
\n是那些AI无法生成的困惑。
\n是你愿意为了一个模糊的感觉，花几天时间去想清楚的耐心。
\n这些东西，才是LV0到LV10的分水岭。
\n不是技术能力，不是工具熟练度。
\n是你还愿不愿意，在AI已经给出一个足够好的答案之后，再说一句：
\n"等等，这不是我想要的。让我再想想。"
\n---
\n你有没有过这种时刻？
\n做完一件事，却分不清这是你的主意，还是AI的提议？
\n欢迎评论告诉我。
\n---
", "date_published": "2026-04-08T08:00:00.000+08:00", "date_modified": "2026-04-08T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260408-OpenClaw-x-version", "url": "https://blog.imachuan.com/20260408-OpenClaw-x-version", "title": "OpenClaw", "summary": "OpenClaw 二月的最后一天。 Hermes 出来的第二天。 我在 Twitter 上看到有人问，OpenClaw 还有人用吗。 下面两条回复。 一条说，早不用了。 另一条说，现在都用 Hermes。 我下载了 Hermes。 花了十分钟。跑通了一个任务。 确实快。 那天晚上我删掉了 OpenClaw 的容器。 不是因为它不好。 是因为新的更好。 现在", "content_html": "---
\n二月的最后一天。
\nHermes 出来的第二天。
\n我在 Twitter 上看到有人问，OpenClaw 还有人用吗。
\n下面两条回复。
\n一条说，早不用了。
\n另一条说，现在都用 Hermes。
\n---
\n我下载了 Hermes。
\n花了十分钟。跑通了一个任务。
\n确实快。
\n那天晚上我删掉了 OpenClaw 的容器。
\n不是因为它不好。
\n是因为新的更好。
\n---
\n现在 Claude Code 把这个秘密做进去了。
\n更简单。更直接。
\n几百万人用。
\n---
\n我留下了那个 Star。
\n不是为了用它。
\n只是想记住。曾经有一只龙虾，每天早上八点，给我发过天气预报。
\n---
\n工具就是这样。
\n来的时候很快。
\n走的时候，连再见都不说。
\n---
\n你手机里还有几个去年下载的 App，现在没打开过？
\n---
", "date_published": "2026-04-08T08:00:00.000+08:00", "date_modified": "2026-04-08T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260407%E8%83%86%E5%AD%90%E5%A4%A7%E7%9A%84%E4%BA%BA%E5%9C%A8%E8%B5%9A%E9%92%B1-%E8%81%AA%E6%98%8E%E4%BA%BA%E5%9C%A8%E7%A0%94%E7%A9%B6", "url": "https://blog.imachuan.com/20260407%E8%83%86%E5%AD%90%E5%A4%A7%E7%9A%84%E4%BA%BA%E5%9C%A8%E8%B5%9A%E9%92%B1-%E8%81%AA%E6%98%8E%E4%BA%BA%E5%9C%A8%E7%A0%94%E7%A9%B6", "title": "胆子大的人在赚钱，聪明人在研究", "summary": "胆子大的人在赚钱，聪明人在研究 01 这不是技术革命，是胆子革命 有人用AI月入10万，有人连ChatGPT都没打开过。 差距在哪？ 不是技术，是胆子。 1980年代，第一批下海的人，有多少是商业天才？不过是敢第一个跳下去。 现在，同样的剧本正在重演——只是这次，海变成了AI。 02 淘金热的三件套，从来没变过 当年改革开放，赚钱的三件套是什么？ 胆子 +", "content_html": "01 这不是技术革命，是胆子革命
\n有人用AI月入10万，有人连ChatGPT都没打开过。
\n差距在哪？
\n不是技术，是胆子。
\n1980年代，第一批下海的人，有多少是商业天才？不过是敢第一个跳下去。
\n现在，同样的剧本正在重演——只是这次，海变成了AI。
\n02 淘金热的三件套，从来没变过
\n当年改革开放，赚钱的三件套是什么？
\n胆子 + 信息差 + 执行力
\n现在AI时代，一模一样：
\n| 1980年代 | 2024年 |
|---------|--------|
| 胆子大，敢下海 | 胆子大，敢all in AI |
| 信息差，知道深圳有机会 | 信息差，知道即梦+豆包怎么玩 |
| 执行力，连夜坐火车南下 | 执行力，今晚就发第一条视频 |
大多数人卡在第一步。
\n不是不会用豆包，是不敢相信自己能用AI赚钱。
\n03 睡后收入的真相：不是躺赚，是提前铺路
\n"人在睡觉，钱一直进来"——这句话有毒。
\n它让你以为，爆款是运气。
\n错了。
\n爆款是概率游戏：
\n那些"几天赚几万"的人，背后可能是几百条没人看的视频。
\n不是运气，是基数。
\n04 真实案例：他们用AI在干嘛？
\n案例1：公众号AI写手，月入3万
\n@小林，前互联网运营，2024年3月开始用AI写公众号。
\n他的 workflow：
\n前50篇，阅读量平均200。
\n第51篇，10万+。
\n那篇讲的是"AI时代，普通人怎么不被淘汰"——其实就是他自己的经历。
\n现在他3个号矩阵运营，广告+付费阅读，月入3万。
\n他说："我不是文笔好，是先发够100篇。"
\n案例2：YouTube AI视频，单条赚$8000
\n@阿杰，在澳洲的华人，2024年初开始做YouTube。
\n他的套路：
\n前3个月，200个订阅。
\n第4个月，一条视频爆了——「中国APP怎么比美国好用」，播放量500万。
\n那条视频，广告分成$8000，还带来3个品牌合作。
\n他现在每周发2条，月入$1.5万。
\n他说："我英语还没AI好，但我知道老外想看什么。"
\n案例3：AI跨境电商，一个人就是一支队伍
\n@Anna，95后，2024年开始做TikTok Shop。
\n她的模式：
\n她一个人，干掉了原来需要5个人的团队。
\n月销$5万，净利润40%。
\n"以前请翻译、请美工、请客服，成本吃掉利润。现在AI全包了，我只管选品。"
\n05 南下去深圳的那帮人，真的不聪明吗？
\n你说他们没你聪明？
\n但他们看懂了一件事：旧地图到不了新大陆。
\n当时体制内的人怎么看他们？——"投机倒把""不务正业"。
\n现在看AI的人，也被这么说。
\n历史不会重复，但会押韵。
\n06 你还在犹豫的时候，有人已经跑了三个月
\n这不是劝你盲目跟风。
\n是提醒你：定义权正在转移。
\n1980年代，定义"成功"的是体制内。
2024年，定义"成功"的是敢用新工具的人。
AI不是未来，是现在。
\n你现在看到的每一个AI爆款，背后都是三个月前的决定。
\n三个月后，你会在哪里？
\n---
\n写在最后
\n1980年代那批人，后来成了传奇。
\n不是因为聪明，是因为早。
\n现在这个机会，还能抓着。
\n但窗口期，不会一直开。
\n在你犹豫"要不要学AI"之前，先问自己一个问题：
\n如果三年后AI成了基础设施，你现在不入场，会亏多少？
\n如果不怕亏，继续观望。
\n如果怕——今晚就开始发第一条。
\n---
\n💼 AI时代行动系列：
🤔 前期思考：[[../20260327-上班影响学AI就该辞职|上班影响学AI就该辞职]]（思考→行动）
🏢 行动榜样：[[../20260415-两个人120亿一人公司正在杀死传统创业/元文章|两人120亿一人公司]]（"胆子大"的终极案例）
📊 信息差警示：[[../../公众号/文章草稿/AI时代巨变_Claude泄露_字节改名_双事件深度分析|AI时代巨变]]（信息差→行动差→财富差）
上周，一个叫 colleague-skill 的 GitHub 项目火了。5300 个 Star，上线五天。
\n我点开了 README，看了很久，关掉了，又打开了一次。
\n然后我看到了一张截图在群里疯转：
\n\n服务器机架，密密麻麻挂满了员工工牌。
>
\n\n评论 A：「赛博员工了？」
>
\n\n评论 B：「员工离职，电脑数据不清，直接转换成 skill。」
我盯着那张图，后背发凉。
\n以前离职，有一道标准流程：归还工牌，清空电脑，签离职确认单。清空电脑这一步，意思是两清——你带走你自己，公司拿回设备，数据归零，互不相欠。
\n现在这道流程反过来了。
\n电脑不用清了。数据留着，比你更有用。
\n---
\ncolleague-skill 的核心是两套分析器，分开跑，分开生成。
\n第一套：work_analyzer
\n提取工作能力——技术栈、代码风格、CR 习惯、业务知识、工作规范。生成 work.md，之后 AI 会用这个人的技术判断写代码，用他的规范做 Code Review。
\n第二套：persona_analyzer
\n提取这个人本身——表达风格、决策模式、人际行为，甚至包括「他什么时候会甩锅」。
\n生成 persona.md，分五层结构。第零层规则优先级最高，任何情况下不得违背。
\n两套合并成 SKILL.md。触发后：
\n工具链支持飞书、钉钉、Slack、邮件全自动采集。
\nREADME 原话：「所有字段均可跳过，仅凭描述也能生成」。
\n你在公司留下的每一条消息、每一封邮件、每一份文档，都是原材料。
\n---
\nrepo 里有效果示例：
\n\n用户： 帮我看一下这个接口设计
>
\n\n同事.skill： 等等，这个接口的 impact 是什么？背景没说清楚。（看完后）N+1 查询，改掉。返回结构用统一的 {code, message, data}，这是规范，不用问为什么。
>
\n\n用户： 这个 bug 是你引入的吧
>
\n\n同事.skill： 上线时间对上了吗？那个需求改了好几个地方，还有其他变更。
我第一次读到这个 demo，停了几秒。
\n不是因为它写得好。是因为它写得太像一个真实的人了——那种特定的甩锅方式，那种特定的技术强硬感，那种「这是规范，不用问为什么」的口气。
\n如果你有过一个这样的同事，你会认出他。
\n如果你就是这样的人，你不会知道自己已经被存进去了。
\n---
\n有人会说：员工在公司产生的数据，本来就属于公司。
\n这个逻辑在某些法律框架下站得住脚，但合同里从来没有一条写着：「公司可以用你的数据训练你的替代品。」
\n聊天记录里不只有工作内容。
\n它有你的思维方式，你的遣词习惯，你某天心情不好时发的那条语气很差的消息，你跟某个同事私下吐槽需求的那段对话。
\n这些东西从来不在工作交接范围里。
\n《个人信息保护法》明确要求：收集个人信息须取得当事人同意，且不得超出约定范围使用。
\n用一个人离职前留下的全部数字痕迹，未经告知地训练他的数字替身——
\n这件事落在法律框架里，很难说清楚站得住脚。
\n更直接的问题是：你同意了吗？
\n没有。没有人在入职合同里签过这一条。没有公司发过一封邮件说「我们打算把你的工作记录蒸馏成 AI，你接受吗」。
\n这件事就这么发生了，打着「数字生命」「赛博永生」的旗号。
\n---
\n我理解技术本身是中性的。
\n做这个项目的人也不是坏人——开源社区做工具，本来就不应该为所有滥用场景负责。
\n但我无法接受这种风气被正常化。
\n这是一个完整的闭环：
\n全程，你是原材料。
\n活着是劳动力，走了是数据集。
\n这个逻辑如果被默认接受，它发出的信号是：
\n你的独特性，你的思维方式，你作为一个人的复杂性——都可以被量化、被提取、被复制，装进一个更便宜、更听话的容器里重新运行。
\n被蒸馏完，然后被抛弃。
\n---
\n有人会说：AI 取代工作是大势所趋，与其抗拒，不如接受。
\n这个逻辑我部分同意。技术的演进从来挡不住，某些岗位会消失，这是真的。
\n但「AI 会取代工作」和「公司可以未经同意把你蒸馏成 AI」是两件事。
\n前者是技术趋势，后者是权力问题。
\n把两件事混在一起讲，是在用不可避免的宏大叙事，掩盖一个具体的、可以追问的操作。
\n有人会说：这不就是把知识留下来吗，知识本来就该传承。
\n这个说法我也理解。但知识传承和人格复制是两回事。
\n文档可以留，流程可以传，但一个人「什么时候会甩锅」「用什么语气回答问题」——
\n这是他这个人，不是他的工作成果。
\n---
\n这个项目上线五天，衍生出了「前任.skill」「自己.skill」。
\n蒸馏人类正在变成一种文化，一种审美，一种被 5000 个 Star 认可的技术潮流。
\n很多人觉得好玩。我也点进去看了很久。
\n但我一直在想那张服务器机架的图。
\n密密麻麻的工牌挂在机器上，每一张后面是一个真实的人——一个曾经在某间格子间里打过卡、喝过难喝的咖啡、跟同事争论过需求优先级的人。
\n他不在了，但他还在工作。
\n没有工资，没有五险一金，没有年假，不会生病，不会辞职，不会在年会上喝多了说几句真心话。
\n完美的员工。
\n---
\n当我们把「把人蒸馏成工具」变成正常的技术操作，当我们给这件事起一个温柔的名字，我们也在重新定义一件事：
\n一个人，究竟值多少钱？
\n以前离职要清空电脑，是因为那台电脑里有你。
\n现在不用清了——有更好的办法把你留下来。
\n---
\n如果真的要留下员工的数字资产，路径应该是：
\n这三件事，一件都没有，那就不是「数字生命」。
\n那叫侵占。
\n---
\n如果你被裁了，然后发现自己的数字残影还在替原公司打工——
\n你会签这份合同吗？
\n---
\n⚫ AI 暗面系列：
🤖 认知焦虑：[[../20260408-OpenClaw/20260413-我在LV6但可能已经LV8了/元文章|我在LV6但可能已经LV8了]]（谁拥有你的思维）
🏢 反面镜像：[[../20260415-两个人120亿一人公司正在杀死传统创业/元文章|两人120亿一人公司]]（AI解放 vs AI剥削，同一技术的两面）
---
\n一个月前。
\n我用 Codex 给一个女孩做了网站。
\n不是什么商业项目。
纯属自找麻烦。
她不知道这件事。
我也没打算告诉她。
或者还没想好要不要告诉。
这是两件不同的事。
\n但做网站的过程，让我想明白了一些别的事。
\n---
\n第一版出来。
\n紫色配色。
大圆角卡片。
字体选了个很「现代感」的无衬线。
整个页面散发着从 Dribbble 抠下来拼凑的气质。
\n我看着它。
知道哪里不对。
但说不清楚。
让 AI 改。
它把紫色换成深蓝。
圆角从 16px 调成 12px。
字号调大两号。
本质上一模一样。
\n---
\n然后我想起一个朋友讲过视觉层级。
\n他说：
页面上的元素不是平等的。
信息有重量。
有的重，有的轻。
眼睛会自动找最重的那个，然后往次重的走。
他说：
留白不是「空着没用」。
是让眼睛知道这块结束了、下一块要开始了。
我当时只是「嗯嗯嗯」。
\n但坐在那个破页面前。
把 AI 生成的东西推倒。
自己一块一块重新摆。
我开始明白那些话是什么意思。
\n主标题要比副标题重多少？
重到什么程度眼睛才会先停那里？
两块内容之间的空隙，给多少是「呼吸」、给多少就变成「断裂」？
这些不是记住了就会的东西。
这是得走一遍才能懂的东西。
---
\n到后期。
\n我开始能想：
「这个交互慢 0.2 秒会不会更有质感？」
能想这件事。
是因为前面那些基础的决定——
用什么颜色、字要多大、间距给多少——
已经不需要消耗我的注意力了。
我自己走过。
有了自己的判断。
如果我一开始就用现成模板。
我永远到不了「慢 0.2 秒」这个问题。
---
\n这让我想到查理·帕克。
\n二十世纪最重要的爵士乐手之一。
练琴练到一个程度：
乐理不是他要想的事。
他的手知道。
在台上即兴演奏的时候。
他不需要分神去想「这个和弦下面走什么音阶」。
那部分已经自动化了。
下沉到了不需要意识参与的层级。
所以他的意识可以完全放在：
「现在这一刻我想表达什么」。
重复造轮子的意义就在这里。
不是为了记住结论。
是为了把低层级的判断变成自动的。
把大脑的注意力解放出来，做更高层级的事情。
---
\n但这里有个陷阱。
\n我认识一些人。
工具用得很顺。
给他们一个框架，他们能快速出活。
给他们一个模板，他们能在上面改得很漂亮。
开会的时候，他们总有现成的方法论可以套，说得头头是道。
然后有一天。
没有模板了。
框架解决不了这个问题。
方法论里没有这种情况。
他们坐在那里，看着空白的文档，翻着以前用过的东西。
不知道从哪里开始。
判断力这个东西，你不用，它就慢慢借出去了。
\n借给了工具。
借给了方法论。
借给了那些「现成的」。
一条腿打了石膏。
固定住，不需要发力。
等拆了，肌肉已经比另一条腿细一圈。
「直接用现成的」是有代价的。
代价不是当下，是以后。
---
\n那个网站现在还在。
\n她不知道它存在。
\n但有几个时刻是我的——
搞清楚视觉层级是怎么回事的那个时刻。
接住朋友说的话、知道他在说什么的那个时刻。
看着那个页面，觉得「这是我的东西」的那个时刻。
这些东西。
我用了现成工具。
但轮子是我自己造的。
区别就在这里。
\n---
\n你有没有过这种时刻——
用了别人的结论，但总觉得没真正懂，直到自己动手做了一遍？
---
\n🔗 AI 焦虑三部曲：← 姊妹篇 [[../20260408-OpenClaw/20260413-我在LV6但可能已经LV8了/元文章|我在LV6但可能已经LV8了]]（从手工认知到AI认知，同一枚硬币两面）
🎨 哲学根源：[[../20260317-AI时代的品味危机-维特根斯坦|AI品味危机]]（"判断力肌肉"的哲学基础）
\n平台：X 长文 目的：建立权威 标签：
#AI#Agent#工程#HarnessEngineering
---
\n我上个月用AI跑一个复杂任务。
\n跑了47轮，最后一步报错。从头再来。
\n不是模型不够聪明。GPT-4o、Claude 3.5、Gemini 1.5，我都试过。结果一样——任务一长，系统就脆。
\n那一刻我才意识到：过去两年，整个行业都搞错了方向。
\n我们把所有注意力都放在模型能力上：推理更强了、上下文更长了、多模态来了。每隔几个月就有一次"这次不一样"的发布会。
\n但没人告诉你——
\n大多数AI系统，根本撑不过10轮对话。
\n不是模型不行。是系统从来没有被设计成能长期工作的样子。
\n---
\n最近几个月，OpenAI、Anthropic、LangChain在各自的技术博客里，开始密集讨论同一件事。
\n它有一个名字：Harness Engineering。
\n不是prompt工程。不是模型微调。不是RAG。
\n是给智能体系统搭建一套能让它长期工作、自我检查、保留状态、从错误中恢复的工程框架。
\n这件事，现在是AI基础设施里最被低估的方向。
\n---
\n让我解释一下为什么大多数AI系统现在的状态是脆的。
\n当你调用一个AI完成任务，它的默认模式是：
\n接收输入 → 生成输出 → 结束。
\n这对短任务够用。写一段文案，翻译一段话——没问题。
\n但当任务变长、变复杂，这个模式开始暴露致命缺陷：
\n状态靠模型记忆。 任务做到一半，上下文满了，或者会话中断了，之前的进度没有任何外部记录，等于消失了。
\n没有强制验证。 AI说"完成了"，但有没有真的完成？系统不知道，因为没有检查机制。
\n无法从错误恢复。 出错了只能重来。没有检查点，没有回滚，没有"从第三步继续"。
\n环境对AI不透明。 智能体不知道自己在做什么项目的哪个部分，不知道约束是什么。每次启动都像第一天上班但没有人交接。
\n这四个问题加在一起，造成了一个现象：
\nAI很聪明，但系统很脆。
\n---
\n有意思的是，OpenAI、Anthropic、LangChain虽然切角不同，但都在收敛到同一个答案。
\nOpenAI：agent legibility（智能体可读性）
\n他们提出的核心工具是 AGENTS.md —— 一个放在项目根目录的文件，把整个系统的结构、规则、知识索引都写进去。
背后的设计哲学是：不要让智能体去猜环境，要让环境对智能体清晰可读。
\n这是一个认知翻转。以前我们调优AI的方式是"把prompt写得更好"。OpenAI现在在说的是：把环境本身设计得对AI更友好。
\nAnthropic：长任务连续性
\n他们的解法是显式进度工件：progress文件、feature list、阶段检查点。
\n不靠模型"记住"做了什么，而是把任务状态写进文件。任务中断了？读文件，接着干。
\nAnthropic的底层逻辑是：模型记忆是不可靠的基础设施，文件系统是可靠的。
\nLangChain：把 harness 当成可优化的系统
\n他们通过trace（追踪记录）找失败模式——定位哪个环节最容易断、最容易出错，然后系统性地修复。
\nLangChain的视角是：一个AI系统，和一个分布式软件系统没有本质区别。 你需要可观测性，需要日志，需要定位失败根因的能力。
\n---
\n把三家公司的实践提炼出来，Harness Engineering 要解决的是四个系统级问题：
\n任务持续推进
\n从"单次响应"变成"持续流程"。系统需要支持任务分解、阶段推进、中断恢复。
\n状态外部化
\n进度、约束、已完成项，存到文件里，而不是依赖模型记忆。做到了这一点，系统从"易碎"变成"可恢复"。
\n验证默认化
\n验证不是可选项，是系统流程的强制环节。在agent宣布"完成"之前，必须有守卫机制来检验。
\n环境可读性
\n让智能体能稳定获取关键上下文——项目结构、历史决策、当前约束、任务边界。
\n四个问题，一个方向：让AI系统能长期工作，而不只是当场表演。
\n---
\n建立标准状态工件
\n|文件|用途|
|---|---|
|TASK.md|记录当前任务定义|
|PLAN.md|记录执行计划|
|PROGRESS.json|记录当前进度|
|CHECKS.json|记录验证结果|
|HANDOFF.md|记录交接上下文|
这套文件体系，就是系统的"脊椎"。
\n验证环节前置为系统守卫
\n不允许agent在没有通过验证的情况下宣布完成。验收标准在任务开始前就定义好，完成后由独立环节检查。
\n知识沉淀做成 agent-first 结构
\n文档的组织方式，要让AI能自己找到需要的信息，而不是让人类去翻、再转述给AI。
\n用 hooks 和 background tasks 承担长期治理
\n自动检查、自动扫描、自动整理，把治理做成系统的默认行为。
\n多agent场景明确任务合同
\n当多个agent协作时，任务边界、验收标准、交接规范必须显式定义。
\n从"功能数量"转向"工作秩序"
\n这不是一个技术动作，是一个产品哲学的转变。
\n---
\n功能，是agent能做什么。
\n秩序，是agent在出错、中断、超长任务时，系统能不能自己稳住。
\n一个有100个功能但状态随时丢失的系统，和一个有20个功能但能稳定运行72小时的系统——哪个更有价值？
\n在展示和demo阶段，功能数量更吸引眼球。
\n在真实使用场景里，工作秩序决定生死。
\n现在这个行业正好处在从"展示阶段"向"真实使用阶段"过渡的节点。
\n这个节点，是真正拉开差距的窗口期。
\n---
\n这件事之所以难，不是技术难。是有一个认知陷阱很难跳出来。
\n大家习惯了把AI当"工具"用——用完就走，下次重来，出错怪模型，换个prompt再试一次。
\n这个心智模型在短任务上够用。
\n但Harness Engineering要求你换一个框架：把AI系统当成需要架构设计的长期工程。
\n不是"这个模型够不够好"，而是"这个系统的工程底座够不够稳"。
\n一字之差，系统成熟度差一代。
\n---
\n真正拉开差距的，不是功能数量，而是工作秩序。
\n这不是关于某一个模型的判断，也不是某一家公司的产品观。这是整个AI工程领域，在经历了两年功能爆发之后，正在集体转向的方向。
\nOpenAI、Anthropic、LangChain同时在讨论这件事，不是巧合。
\n你现在在用的AI系统，有没有状态工件？有没有验证守卫？有没有错误恢复路径？
\n如果都没有，你还在用工具的心态做系统级的事。
\n这不是落后，是正在被淘汰。
\n---
\n🔗 工程哲学系列：
🔍 实证来源：[[../../公众号/文章草稿/Claude源码泄露_三环模型_深度分析|Claude源码泄露·三环分析]]（源码揭示的正是Harness Engineering）
📝 语言精确性：[[../20260316-月入5万的人话都这么毒|月入5万·语言精确性]]（工作秩序的认知基础）
🛠️ 实操教程：[[../../公众号/文章草稿/小白用好baoyu-skills深度教程|baoyu-skills深度教程]]（如何建立Skill工程秩序）
---
\n\n核心赌注：切角从"介绍概念"升级成"行业转折点的亲历者视角"——不是科普，是判断。结尾三个问题比checkbox更开放，适合引发高质量评论。
>
\n\n配套策略：发布当天同步发一条短推引流，引用最有争议性的一句话作为钩子——「真正拉开差距的，不是功能数量，而是工作秩序」——单独发出，带长文链接。
>
\n", "date_published": "2026-04-05T08:00:00.000+08:00", "date_modified": "2026-04-05T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260403-%E4%BD%A0%E5%85%85%E7%9A%84%E9%82%A3100%E5%9D%97-%E8%80%81%E6%9D%BF%E7%9A%84%E6%88%90%E6%9C%AC%E5%8F%AF%E8%83%BD%E6%98%AF2%E5%9D%975", "url": "https://blog.imachuan.com/20260403-%E4%BD%A0%E5%85%85%E7%9A%84%E9%82%A3100%E5%9D%97-%E8%80%81%E6%9D%BF%E7%9A%84%E6%88%90%E6%9C%AC%E5%8F%AF%E8%83%BD%E6%98%AF2%E5%9D%975", "title": "你充的那100块，老板的成本可能是2块5", "summary": "你充的那100块，老板的成本可能是2块5 中转站的三层捞钱逻辑：号池进货、反代注水、KOL帮你交钱——每一层你都参与了，但没人告诉你规则。 中转站的商业模式，用一句话概括：把别人的API倍价打包，靠信息差赚差价，再让KOL帮你拉更多人进来交钱。 听起来简单。但每一层细看，都比你想象的离谱。 第一层：号池——进货成本几乎为零 微软有个扶持初创企业的项目：Azu", "content_html": "推荐发布时间：工作日上午 9–11 点（北京/上海时区）
\n中转站的三层捞钱逻辑：号池进货、反代注水、KOL帮你交钱——每一层你都参与了，但没人告诉你规则。
---
\n中转站的商业模式，用一句话概括：把别人的API倍价打包，靠信息差赚差价，再让KOL帮你拉更多人进来交钱。
\n听起来简单。但每一层细看，都比你想象的离谱。
\n---
\n微软有个扶持初创企业的项目：Azure for Startups。注册壳公司申请成功，微软赠送2.5万至15万美元的免费API额度。这个项目的本意很好。然后它被当成了金矿。
\n这类"创始金"账号在灰市的转让价是几千元人民币。折算下来，官方1美元的资源，老板的实际成本约0.03至0.05元。
\n||官方单价|老板成本|卖给你|
|---|---|---|---|
|1美元额度|¥7.2|¥0.05|¥2|
|利润率|—|—|约4000%|
更大的站会同时维护几十个这样的账号，通过调度系统自动分流，哪条没被封走哪条。你感知到的是"稳定"，没看到的是这份稳定建立在违反所有平台协议的基础上。
\n---
\n反向代理是基础技术，你的请求经过老板服务器转发出去——中间这一层，就是可操作空间。
\n注水的手法里，有一种格外难被察觉，叫做"开门迎客，关门换货"：
\n拉新期：标榜"AWS Bedrock 原生Claude"，这句话是真的。Bedrock是亚马逊官方销售Claude的渠道，初期走这条线，速度快、质量真、用户口碑好，帮你建立信任感。
\n稳定期：用户量上来了，Bedrock的成本开始吃不消。老板悄悄引入便宜线路，通过智能调度混跑——简单任务走平替，你问"今天天气怎么样"，和调Claude没什么区别。
\n收割期：Bedrock线路已经沦为门面，真实流量大比例走国产模型或逆向接口，老板的成本结构已经和宣传时判若云泥。你发现回答质量变差了，但说不清是哪里出了问题。
\n模型输出本来就有随机性，你无法举证"我买的是Sonnet，你给我跑的是别的东西"。这是这个套路最妙的地方——维权成本无限高，沉默成本无限低。
\n---
\n拉你进群的那个AI教程博主，每成功引荐一个付费用户，拿走该用户充值金额的10%至30%返佣。他的每篇教程、每条推荐，都是有定价的广告。
\n副作用：每个参与分佣的KOL都变成了这套体系的护旗手。谁说这家中转有问题，他第一个跳出来辩护——毕竟自己的钱包绑在上面。于是越多人知道它有问题，反而越多人在为它站台。
\n唯一的变数是封号。号池里的额度归零，老板不垫付，你的余额跟着消失。每隔一段时间，就有一批中转站在某个凌晨集体沉默，群里最后一条消息是"系统维护中"——之后没有之后。
\n---
\n中转站这个行业，唯一真正稳定的东西是老板的利润。你的余额是变量，你的KOL是变量，封号时间是变量。
\n用可以。但请把充值金额当作你愿意承受的赌注上限。
有人说这叫"市场行为"。好，我想知道：你的余额跑路那天，你还这么觉得吗？
---
\n💰 API 经济揭秘：🦞 省钱正道 [[../20260305-超高性价比养🦞攻略！小白必看|超高性价比养🦞攻略]]（中转站 vs 官方API的正道用法）
", "date_published": "2026-04-03T08:00:00.000+08:00", "date_modified": "2026-04-03T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260327-%E4%B8%8A%E7%8F%AD%E5%BD%B1%E5%93%8D%E5%AD%A6AI%E5%B0%B1%E8%AF%A5%E8%BE%9E%E8%81%8C", "url": "https://blog.imachuan.com/20260327-%E4%B8%8A%E7%8F%AD%E5%BD%B1%E5%93%8D%E5%AD%A6AI%E5%B0%B1%E8%AF%A5%E8%BE%9E%E8%81%8C", "title": "如果上班影响你学AI，那你应该马上离职", "summary": "如果上班影响你学AI，那你应该马上离职 18字标题选项 1. 「上班耽误学AI？那你应该立刻辞职」（12字）✓ 推荐 2. 「还在用996换工资？你已经输了」（12字） 3. 「AI时代最蠢的事：用时间换钱」（12字） 正文 有人还在纠结\"要不要辞职学AI\"，有人已经用AI赚了半年的钱。 差距不是能力，是认知。 上周一个朋友找我喝酒，说想辞职学AI，但怕没收", "content_html": "---
\n---
\n有人还在纠结"要不要辞职学AI"，有人已经用AI赚了半年的钱。
\n差距不是能力，是认知。
\n上周一个朋友找我喝酒，说想辞职学AI，但怕没收入。我问他："你现在工资多少？"他说两万。我又问："你学AI三个月，能不能赚到两万？"他愣了一下，说应该可以。我说："那你还在等什么？"
\n他沉默了很久，最后说出一个真相："我不是怕没收入，我是怕不确定性。"
\n听懂了吗？大多数人不是不能辞职，是不敢面对"没有固定工资"的自己。 那个每个月准时到账的数字，是安慰剂，也是牢笼。你以为你在赚钱，实际上你在用人生最值钱的东西——时间和注意力——换一份虚假的确定性。
\n而AI正在摧毁这种确定性。不是未来，是现在。
\n---
\n"我下班之后学AI"——这句话是最大的谎言。
\n你下班之后干什么？刷短视频、回微信、处理白天没做完的琐事、然后告诉自己"太累了，明天再学"。明天复明天，三个月过去，你的AI技能还停留在"会用ChatGPT写周报"。
\n真相是：上班和学AI是互斥的。
\n不是时间上的互斥，是注意力上的互斥。上班消耗的不只是8小时，是你的认知带宽。你开了一天的会、回了一天的消息、撕了一天的逼，晚上回到家，大脑已经是一团浆糊。这种状态下"学AI"，不过是自我安慰的表演。
\n更可怕的是，你正在用"忙碌"逃避真正重要的事。
\n白天的工作再忙，也是在重复旧技能。你在用熟练的、确定性的劳动，逃避学习新的、不确定性的能力。这是一种隐性拖延——看起来你很努力，实际上你在原地打转。
\n---
\n每个月准时到账的工资，是21世纪最精妙的陷阱。
\n它让你产生一种幻觉：我有收入，我很安全。但你看不到的是，你的时间单价正在暴跌。三年前你一小时值500块，现在可能只值300。不是因为你不努力，是因为AI让很多事情变得廉价。
\n你在用固定工资，对冲自己的贬值。
\n这就像拿着一个漏水的桶去接水。你接得再快，也挡不住水从底下流走。而大多数人选择无视那个洞，继续埋头接水，因为"至少还有水进来"。
\n醒醒吧。工资不是资产，是负债。 它买走的不仅是你的时间，还有你本可以用来学习、实验、试错的机会成本。这个成本，在AI时代被放大了十倍。
\n---
\n来算一笔账。
\n假设你现在月薪两万，每天工作8小时，一个月22天，你的时间单价是：114元/小时。
\n现在假设你辞职学AI，三个月后开始接单/做产品/做内容，第六个月月收入达到三万。你的时间单价变成了：170元/小时。
\n但这还不是重点。
\n重点是：后者的增长曲线是指数级的，前者是线性的。
\n上班的工资增长，受限于公司制度、行业天花板、老板心情。而AI技能的增长，受限于你自己的学习速度和执行力。一个是别人的游戏规则，一个是自己的游戏。
\n你在别人的游戏里当NPC，还是在自己的游戏里当主角？ 这个选择，决定了你未来十年的人生轨迹。
\n---
\n很多人觉得辞职学AI是冒险。错了。
\n真正的冒险是：在AI变革最剧烈的三年里，继续做着随时可能被替代的工作，假装一切都没发生。真正的冒险是：把自己的命运交给一个随时可能裁员的公司、一个随时可能过时的技能、一个随时可能崩塌的行业。
\n辞职学AI不是冒险，是避险。
\n你在用短期的收入损失，换取长期的竞争力。你在用三个月的不确定性，对冲未来十年的确定性危机。这不是赌博，是理性计算后的最优解。
\n当然，前提是你真的会学。 如果你辞职之后每天刷剧打游戏，那确实是在冒险。但这种人，上班的时候也不会学AI。问题不在"上不上班"，在"有没有执行力"。
\n---
\n我认识三个去年辞职学AI的人。
\nA，前大厂产品经理。 辞职后all in AI工具+自动化工作流，现在帮中小企业做AI转型咨询，月收入5万+，时间是自己的。
\nB，前传统设计师。 辞职后猛攻Midjourney+ComfyUI，现在做AI电商图外包，单价虽然比传统设计低，但效率高了10倍，月入3万，还在涨。
\nC，前银行职员。 辞职后学AI编程+做自媒体，现在全网8万粉，广告+课程收入月入8万。
\n他们的共同点：辞职前都怕得要死，辞职后都后悔没早点辞。
\n不是每个人都能复制他们的成功，但每个人都低估了"全职投入"的复利效应。当你每天醒来只做一件事，你的进步速度是兼职学习的五倍、十倍。
\n---
\n如果你符合以下任意一条，认真考虑辞职：
\n如果你符合以下任意一条，先别辞：
\n辞职不是万能药，是加速器。 如果你本来就会学，辞职让你学得更快。如果你本来就不会学，辞职只是让你躺得更平。
\n---
\n路径一：技能变现型
\n目标：三个月内开始接单赚钱。
\n学习重点：选一个AI细分赛道（AI绘画/AI视频/AI自动化/AI编程），死磕到能出商业级作品，然后上闲鱼/淘宝/小红书接单。
\n适合人群：有基础技能（设计/编程/写作），能快速迁移到AI工具。
\n路径二：产品驱动型
\n目标：六个月内做出一个能赚钱的AI产品。
\n学习重点：全栈能力——需求洞察+AI工具链+简单开发+运营。先做MVP验证，再迭代。
\n适合人群：有产品思维，能独立完成从0到1。
\n路径三：内容杠杆型
\n目标：一年内建立个人IP，用内容换流量换钱。
\n学习重点：AI工具只是手段，核心是选题+表达+持续输出。记录自己的学习过程，本身就是内容。
\n适合人群：表达欲强，愿意公开分享，能接受前期无收入。
\n没有最好的路径，只有最适合你的路径。 关键是选一个，all in。
\n---
\n钱的问题：
\n心态的问题：
\n学习的问题：
\n---
\n辞职学AI最大的敌人，不是没钱，是"假学习"。
\n什么是假学习？
\n辞职给了你时间，但时间不会自动变成能力。
\n真正的学习是痛苦的。是面对一个不会用的工具，硬着头皮啃文档；是做出一个丑陋的作品，硬着头皮发出去；是被客户拒绝，硬着头皮改方案。没有这些，你只是换了个地方刷手机。
\n---
\n首先定义什么是"失败"。
\n失败不是终点，是数据。
\n你学到了什么技能、积累了什么作品、建立了什么人脉，这些都是资产。即使最后回去上班，你也是一个"会AI的上班族"，而不是一个"想学AI的上班族"。
\n最坏的情况是什么？
\n花了一年时间，没赚到钱，存款花光，回去上班。但这一年你学会了AI，你的时间单价永久提升了。这不是失败，是延迟回报的投资。
\n---
\n钱可以借，技能可以学，机会可以等。但时间，过去了就是过去了。
\n你现在30岁，到35岁只有5年。这5年，是AI重构所有行业的5年。你现在不all in，五年后你可能连入场券都拿不到。
\n上班的本质，是用时间换钱。但AI时代，时间比钱更值钱。
\n因为AI让"钱生钱"变得更容易，但"时间生时间"是不可能的。你花一年时间学会AI，这一年的时间成本是固定的。但你学会之后，可以用AI节省未来十年、二十年的时间。
\n这个账，怎么算都是赚的。
\n---
\n很多人想辞职，不是为了"不工作"，是为了"选择工作"。
\n上班的时候，你选择不了做什么项目、用什么工具、跟谁合作。辞职学AI，是为了获得这种选择权。你可以选择接什么单、做什么产品、跟谁合作。
\n这种自由，比固定工资值钱一百倍。
\n因为当你有了选择权，你就有了议价权。你可以对不喜欢的客户说"不"，可以对低价值的项目说"不"，可以对消耗你的事情说"不"。
\n上班是用时间换钱，自由是用价值换钱。 前者有天花板，后者没有。
\n---
\n辞职学AI，不是逃避，是进攻。
\n不是对现状不满的消极反应，是对未来机会积极布局。你在用短期的舒适，换长期的竞争力。你在用确定性的工资，换不确定性的可能性。
\n这个选择，没有标准答案。
\n有人适合边上班边学，有人适合辞职all in。有人三个月就能变现，有人需要一年才能看到结果。关键是诚实面对自己：你是在"没时间"的借口下拖延，还是真的需要那份工资生存？
\n如果是前者，辞职吧。你缺的不是时间，是破釜沉舟的决心。
\n如果是后者，先攒钱，同时挤出一切时间学AI。为辞职那一天做准备。
\nAI不会等你准备好。它正在重塑世界，不管你在不在场。
\n你可以选择做旁观者，也可以选择做参与者。但无论选哪个，都别骗自己说"等我有时间再学"。
\n时间不会凭空出现，是你选择把它花在哪里。
\n---
\n你现在的工作，是在消耗你，还是在滋养你？
\n如果辞职学AI，你最想学什么？AI绘画？AI编程？AI自动化？还是别的？
\n如果还在犹豫，是什么在阻止你？钱？恐惧？还是不知道自己能做什么？
\n评论区聊聊，也许能找到答案。
\n---
\n💼 AI时代职业选择系列：
🔁 行动篇：[[../20260407胆子大的人在赚钱-聪明人在研究|胆子大的人在赚钱]]（思考→行动）
🏢 终极案例：[[../20260415-两个人120亿一人公司正在杀死传统创业/元文章|两人120亿一人公司]]（辞职后的可能性）
⚠️ 暗面：[[../20260406-裁员之后，他们还想要你的灵魂。|裁员之后·灵魂蒸馏]]
说个真实的：上个月有个朋友跟我吐槽，说装了OpenClaw大半个月，除了聊天啥也没干，感觉就是个高级版ChatGPT，白折腾了。
\n我问他：你拿龙虾干啥了？
\n他说：问问天气，翻翻新闻，偶尔让它帮忙写个邮件。
\n我说：兄弟，你这是买了辆跑车在小区里遛弯。
\n这不是他一个人的问题。我在社群里看到太多这样的情况了——装了🦞，玩了两天新鲜劲过了，就扔在那吃灰。不是龙虾不行，是大多数人压根不知道它能干啥。
\n今天这篇，我把自己从工作到生活，实打实跑通的OpenClaw使用场景，一次性全抖出来。不讲概念，只讲我怎么用、效果怎么样、你照着抄就行。
\n---
\n这个是我自己在用的，也是给客户部署最多的场景。
\n做法很简单：让🦞做自动化选题→生成图文→排期发布。整套流程打通之后，人需要做的就一件事——发布前花30分钟过一眼内容质量。
\n给你算笔账：
\n投入层面——省去了一个月薪8000的运营人力。不是说不需要人，而是这个岗位从"全职干活"变成了"兼职审核"。
\n效率层面——以前一个运营从选题到发布，一整套走下来至少8小时。现在🦞自动跑流程，人只需要30分钟做发布前的核查。8小时压缩到30分钟，这不是提效，这是降维打击。
\n收入层面——某客户落地这套流程30天后，获客量提升了137%。不是因为内容质量飞升了，而是因为发布频率上去了、覆盖面广了。以前一天发1条，现在一天能发5条，量变引起质变。
\n做过竞品分析的人都知道，最痛苦的不是分析，是搜集信息。翻官网、翻社交媒体、翻行业报告、翻用户评价……一个竞品至少花两天。
\n现在我让🦞干这活：
\n做法——给🦞一个竞品清单，让它自动去抓官网信息、社媒动态、用户口碑、产品更新记录。抓完之后自动生成对标报告，按照功能、价格、用户反馈、市场策略四个维度整理好。
\n效果：
\n以前做一次竞品调研，至少要一个分析师搞一周。现在🦞半天出报告，分析师只需要半天做深度解读和策略建议。人力成本直接砍一半，产出反而更多。
\n每个公司都有这个问题：经验全在老员工脑子里，文档散落在飞书、钉钉、邮件、微信群聊各个角落。新人来了问一个流程要问三个人，老员工烦，新人也累。
\n做法——让🦞把公司散落在各处的文档、SOP、项目复盘、会议纪要，全部抓取过来，自动分类打标签，整理成一个可以对话的知识库。
\n说白了，以前新人入职要花两周"跟师傅学"，现在直接问🦞："XX业务的审批流程是什么？""上次那个客户的报价方案在哪？"秒回。
\n效果：
\n我给一个20人的小团队部署了这套东西，团队负责人跟我说："感觉像多了一个什么都记得的老员工，而且不会离职。"
\n你每天有多少时间花在"搬砖"上？整理邮件、更新表格、写日报周报、同步信息……这些活不难，但加起来每天要吃掉2-3小时。
\n做法——用🦞把这些重复性工作串成自动化流程。举几个我自己在跑的：
\n效果：
\n你可能觉得"这不就是个自动化工具吗"。区别在于🦞是有理解力的，它不是机械地搬数据，它能根据上下文判断优先级、能自动总结提炼，出来的东西是直接能用的。
\n做销售、做BD的朋友应该最有共鸣——每天花大量时间刷LinkedIn、刷行业新闻、翻客户朋友圈，就为了找到一个切入点、一个聊天的由头。
\n做法——给🦞一份目标客户清单，让它自动监控这些人和公司的动态。谁发了新产品、谁融了资、谁换了CEO、谁在社交媒体上吐槽了什么——🦞全帮你盯着，有动静第一时间推送。
\n不只是推送，🦞还能帮你分析：这个动态意味着什么？是不是你切入的好时机？甚至帮你草拟一封跟进邮件。
\n效果：
\n品牌被提到了？竞品出负面了？行业有新政策了？靠人工盯，一天刷两次新闻你就已经头大了。更别说半夜突然爆出来的舆情，等你第二天上班看到黄花菜都凉了。
\n做法——让🦞24小时帮你监控全网信息。你指定关键词（品牌名、竞品名、行业关键词），🦞自动从各大平台抓取相关内容，按照正面/中性/负面分类，重要的立刻推送，不重要的每天汇总。
\n效果：
\n以前请一个专门做舆情的人，月薪至少1万。现在🦞干得更全更快，而且不需要休息。
\n---
\n这个是我个人最推荐的玩法，也是我自己每天都在用的。
\n做法——把OpenClaw和Obsidian打通。平时看到好文章、好想法、好灵感，随手丢给🦞。它会自动帮你打标签、写摘要、建立双向链接，存进Obsidian里。
\n时间一长，你的Obsidian就不再是一个"记了就忘"的笔记本，而是一个真正能对话的第二大脑。
\n效果：
\n说实话，用了这套东西之后，我才理解什么叫"知识复利"。以前看的东西都是看完就忘，现在每一条信息都在帮我积累，越攒越厚。
\n这个我给家里人也部署了，效果出乎意料的好。
\n做法——把家人的Apple Watch健康数据接入🦞。心率、睡眠、运动量、血氧这些数据，🦞每天自动分析。
\n三个核心功能：
\n隐患预警——🦞会分析健康数据趋势，发现异常波动及时提醒。比如我爸有段时间静息心率持续偏高，🦞提醒之后去检查，发现是血压药需要调整剂量。如果没有这个提醒，可能要等到下次体检才发现。
\n用药提醒——家里老人吃药经常忘，🦞定时提醒，而且会根据用药时间和饮食的关系给建议。比如某个药需要饭后半小时吃，🦞会在检测到用餐后自动倒计时提醒。
\n健康趋势报告——每周生成一份家庭健康简报，哪些指标在好转、哪些需要注意，一目了然。带着这份报告去看医生，医生都说"你们这个比我们的病历还清楚"。
\n想搞副业但没时间？这可能是最让打工人纠结的事。白天上班累成狗，晚上还想搞点自己的事情，精力根本不够分。
\n做法——把副业里最耗时间的"脏活累活"全交给🦞。我拿自媒体举例，因为这是最多人在做的副业方向：
\n做电商的也一样——🦞帮你监控市场价格波动、分析竞品上新策略、自动回复客户常见问题。做知识付费的，🦞帮你整理学员反馈、优化课程内容、管理社群日常。
\n效果：
\n核心逻辑就一句话：你出脑子，🦞出体力。
\n快递到了没？物业费交了吗？驾照该换了？水电煤缴费日到了？信用卡还款日是哪天？孩子打疫苗该约了？
\n你有没有过这种体验——明明记得要做某件事，忙着忙着就忘了，等想起来的时候要么过期了要么多交了滞纳金？
\n做法——把所有你需要记住的琐事，一股脑告诉🦞。它帮你建一个"生活待办清单"，每件事设好提醒时间，到点推送给你。
\n不只是简单的闹钟提醒，🦞是有脑子的：
\n效果：
\n别小看这个场景，它解决的是一种隐性消耗——你脑子里装了二十件琐事，哪怕每件只占1%的注意力，加起来就是20%。把这20%还给你，你干啥不比记快递强？
\n家里人多了之后，光"谁什么时候干什么"这件事就能让人崩溃。老婆周三晚上加班、孩子周四下午兴趣班、老爸周五要去医院复查、周末还有个家庭聚餐——全靠脑子记，迟早出岔子。
\n做法——让🦞做你家的"调度中心"。把全家人的日程、行程、待办都接入🦞，它帮你做统一管理。
\n几个核心能力：
\n效果：
\n搭配前面的健康系统，🦞就是你家的全能管家：管日程、管采购、管健康、管提醒。唯一的区别是，这个管家不需要发工资、不需要休息、不会请假。
\n---
\n不是🦞不行，是你没给它"活"干。
\n大部分人的问题是：装完之后不知道能干啥，试了几个简单的聊天就放弃了。但OpenClaw最大的价值根本不在聊天，而在自动化——让它自己跑、自己干、自己盯，你只管看结果。
\n想想你每天花多少时间在重复性的事情上？发社交媒体、整理信息、查数据、跟进琐事、提醒家人……这些全都可以交给🦞。
\n你需要做的只有一件事：把你的需求告诉它，然后信任它。
\n---
\n如果你看完这篇觉得"我去，原来🦞还能这么用"，那这篇文章的目的就达到了。
\nOpenClaw不是什么高大上的技术玩具，它就是一个能帮你省时间、省钱、省心的工具。工作上它帮你提效赚钱，生活上它帮你管事管人管健康。
\n你不需要会写代码，你不需要懂技术架构，你只需要知道：我有什么问题需要解决？然后把问题交给🦞。
\n怎么用OpenClaw，你有灵感了吗？
\n欢迎每一位想用上、用好AI的朋友交流学习。有问题直接评论区问，或者私信我。
\n---
\n🦞 OpenClaw 进阶系列·终篇
← 入门起点 [[./20260305-OpenClaw闲置了？不妨让你的🦞试下这四大场景|四大场景]]（4场景→11场景进化）
🔁 系列全览：[[./20260306-OpenClaw新手教程：从零搭建AI日报小助手|AI日报]] | [[./20260311-你的龙虾🦞总是失忆？给我三分钟手把手教它记|MemOS]] | [[./260319-OpenClaw-Telegram多Bot接入-引流长文|Telegram]] | [[./20260325-XCrawl推广-OpenClaw教程风格|XCrawl]]
🔁 后继者：[[./20260410Hermes究竟是什么？普通人可以怎么用|Hermes]]
\n不用写代码、不用搭环境、不用维护脚本。一句话，数据到手。
---
\nXCrawl 是一个为 AI 设计的网页数据抓取服务。
\n它的核心能力很简单：
\n对于 OpenClaw 用户来说，XCrawl 意味着：你的 AI 助手终于能"上网查资料"了。
\n不是那种只能读你粘贴的链接，而是主动抓取、筛选、分析，最后给你一份整理好的报告。
\n---
\nXCrawl 已经集成在 OpenClaw 的技能库中，安装只需两步：
\n访问 https://dash.xcrawl.com/，注册账号后激活免费额度（1000 credits）。
\n在你的用户目录创建配置文件：
\nmkdir -p ~/.xcrawl\necho '{"XCRAWL_API_KEY": "你的API密钥"}' > ~/.xcrawl/config.json完成。现在你的 OpenClaw 已经具备了网页抓取能力。
\n---
\n场景：你想搜索"AI agent 最新进展"，但不想翻墙。
\n过去：开梯子、打开浏览器、复制粘贴、整理格式... 10 分钟没了。
\n现在：一句话搞定。
\n你：用 XCrawl 搜索 "AI agent 最新进展"，返回前 10 条结果\n\nOpenClaw：✅ 已抓取\n- 结果 1：AutoGPT 发布 v0.5... [链接]\n- 结果 2：Claude 3.5 新功能... [链接]\n...技术细节：XCrawl 的搜索接口支持指定地区（US/EU/CN 等）和语言，调用时自动走内置代理，无需本地梯子。
\nAPI 调用示例：
\ncurl -X POST "https://run.xcrawl.com/v1/search" \\\n -H "Authorization: Bearer $API_KEY" \\\n -d '{\n "query": "AI agent 最新进展",\n "location": "US",\n "language": "zh",\n "limit": 10\n }'---
\n场景：你刚注册 Twitter/X，想快速起号。听说"要多互动"，但：
\n本质问题：你没有找到"正在起势但还没爆"的帖子——那些评论数适中、互动率高、有潜力成为爆款的帖子。
\n现在的解法：
\n用 XCrawl 抓取 SoPilot 的 Hot Tweets 数据，筛选出"黄金互动窗口"的帖子：
\n你：爬取 SoPilot hot-tweets，筛选同时满足以下条件的帖子：\n - 发布时间 < 2小时（还在流量上升期）\n - 爆炸概率 ≥ 80%（算法在推）\n - 预测浏览量 5万-100万（够热但评论还没堆满）\n 按评论曝光量排序，取前10\n\nOpenClaw：✅ 找到 5 条"黄金互动"机会\n\n📊 Top 1：@lidangzzz（160万粉丝）\n 主题：批评张雪峰"数学专业"建议\n 预测浏览：85.2万 | 爆炸概率：100%\n 当前评论数：适中 | 评论曝光：6,300次\n 发布时间：2小时前（还在流量红利期）\n 建议：立刻评论，观点犀利一点，容易被顶到前排\n\n📊 Top 2：@Ryo（AI 话题）\n 预测浏览：10.1万 | 爆炸概率：100%\n 主题：AI 面试被拒经历\n 建议：分享你的类似经历，引发共鸣\n...价值：
\n进阶玩法：
\n你：每天自动监控，当发现"AI"+"职场"相关的高潜帖子时，\n 推送到我的 Telegram让 XCrawl 成为你的"互动雷达"，不错过任何一个起号机会。
\n---
\n场景：你想监控"玩具收纳盒"在亚马逊的价格和排名变化。
\n过去的方案：
\n现在的方案：
\n你：监控亚马逊玩具收纳盒前5名，记录价格、评分、库存\n\nOpenClaw：✅ 已抓取 amazon.com/s?k=toy+storage+box\n\n🏆 Top 5 榜单：\n1. Amazon Basics 木质收纳箱 - $25.99\n2. IRIS USA 32QT 透明箱x6 - $99.99 (4.4⭐)\n3. IRIS USA 13QT 透明箱x6 - $26.99 (4.6⭐, 12,500+评价)\n4. IRIS USA 32QT 透明箱x6 - $99.99 (4.6⭐)\n5. IRIS USA 13QT 促销款 - $19.99 (4.4⭐, 21,000+评价)\n\n📈 洞察：\n- IRIS USA 占据 80% 市场份额\n- 价格带：$19.99-$99.99\n- 透明塑料+6件套装是主流更厉害的是：你可以随时调整监控逻辑。
\n你：只看近7天新增的评价数超过100的产品\n你：筛选价格区间在 $20-$50 的\n你：抓取每个产品的详细描述和 Q&A不需要改代码，不需要重新部署。一句话，策略就变了。
\n---
\n| 维度 | 传统爬虫 | XCrawl + OpenClaw |
| ---- | ---------- | ----------------- |
| 开发成本 | 3000-5000元 | 0元（按量付费） |
| 上线时间 | 1-2周 | 即时 |
| 维护成本 | 持续投入 | 无 |
| 灵活性 | 改需求=改代码 | 自然语言调整 |
| 反爬处理 | 自己解决 | 内置处理 |
| 数据格式 | 自己清洗 | 自动转 Markdown/JSON |
---
\n~/.xcrawl/config.json新用户福利：注册即送 1000 credits，足够抓取数百个页面。
\n---
\nXCrawl 不是替代程序员，而是让"非技术用户"也能拥有数据获取能力。
\n当你不再需要为"抓个数据"而折腾环境、写代码、维护脚本时，你可以把精力放在真正重要的事情上：分析数据、做出决策、创造价值。
\n这就是 OpenClaw + XCrawl 想给你的体验。
\n---
\n*配图建议：*
\n---
\n#XCrawl #OpenClaw #AI #数据抓取 #无代码
\n---
\n🦞 OpenClaw 进阶系列：← 前置 [[../20260311-你的龙虾🦞总是失忆？给我三分钟手把手教它记|MemOS记忆]]
🔁 更多玩法：[[../20260327-从工作到生活-普通人的OpenClaw全方位实用案例|全方位实用案例]] | [[../260319-OpenClaw-Telegram多Bot接入-引流长文|Telegram多Bot]]
我想把 OpenClaw 接入 Telegram，搞三个 Bot：一个主脑、一个写代码、一个写文章。群里 @ 谁谁干活，多优雅。
\n结果就是花了 13个 小时，踩了 6 个坑，心态崩了三次。
\nBotFather 在哪？Group ID 怎么拿？Token 存哪？为什么三个 Bot 互相串号？为什么日志疯狂报错 ？
\n每个问题都能搜到答案，但答案散落在不同的地方，还互相矛盾。我像个无头苍蝇，试 A 错，试 B 错，试 C 对但不知道为啥对。
\n当我终于搞定让bot跑起来之后，
\n我意识到：
\n这 13个小时本可以压缩到 10 分钟，这个事情本来应该让openclaw🦞来做。
\n所以我写了这篇同时面向人类和openclaw🦞的教程。
\n你要做的就三步，就算是新手小白也能轻松搞定。
\n---
\n在 Telegram 搜索框输入 @BotFather，开始对话，输入 /newbot。
它问你名字，随便取。然后问用户名，必须以 _bot 结尾，而且全局唯一。被占用就重试，试到通过。
BotFather 甩给你一串 Token：123456789:ABCdef...
这串 Token 是你的 Bot 身份证，保存好。
\n重复三次，拿到三个 Bot 的 Token。
然后输入框发送/setprivacy，依次点选agent名称，发送DISABLED完成3个agent权限的设置
---
\n把 Bot 拉进任意一个群，发一条消息。
\n然后对话框找到 @raw_data_bot，输入/start，转发一条群消息
\n看到 返回的 chat.id，就是 Group ID。比如 -1232456780。
保存这个 ID。
\n---
\n前面两步是准备工作，真正的配置不用你动手。
\n打开你的 OpenClaw 对话，把下面这段发给它：
\n把下面这段发给你的 AI，填好 7 个参数，它会自动跑完整流程。
\n## 🎯 任务：一键配置 OpenClaw 接入 Telegram 多 Agent\n\n你是 OpenClaw 配置工程师，请严格按步骤执行并输出每步结果。\n\n### 0) 先填参数（7个）\n\nTELEGRAM_GROUP_ID=<你的群ID，负数>\nBOT_DEFAULT_USERNAME=<主Bot用户名，不带@>\nBOT_CODER_USERNAME=<Coder Bot用户名，不带@>\nBOT_WRITER_USERNAME=<Writer Bot用户名，不带@>\nBOT_DEFAULT_TOKEN=<主Bot Token>\nBOT_CODER_TOKEN=<Coder Bot Token>\nBOT_WRITER_TOKEN=<Writer Bot Token>\n\n---\n\n### 1) 环境变量与备份（必须先做）\nexport OPENCLAW_HOME="$HOME/.openclaw"
export CONFIG_FILE="$OPENCLAW_HOME/openclaw.json"
export TELEGRAM_GROUP_ID="<TELEGRAM_GROUP_ID>"
export BOT_DEFAULT_USERNAME="<BOT_DEFAULT_USERNAME>"
export BOT_CODER_USERNAME="<BOT_CODER_USERNAME>"
export BOT_WRITER_USERNAME="<BOT_WRITER_USERNAME>"
export BOT_DEFAULT_TOKEN="<BOT_DEFAULT_TOKEN>"
export BOT_CODER_TOKEN="<BOT_CODER_TOKEN>"
export BOT_WRITER_TOKEN="<BOT_WRITER_TOKEN>"
cp "$CONFIG_FILE" "$CONFIG_FILE.bak.$(date +%s)"
echo "backup ok: $CONFIG_FILE.bak.*"
\n### 2) 自动写入 Telegram 多 Bot 配置（Python）\npython3 - <<'PY'
import json, os
cfg_path = os.environ["CONFIG_FILE"]
gid = os.environ["TELEGRAM_GROUP_ID"]
u0 = os.environ["BOT_DEFAULT_USERNAME"]
u1 = os.environ["BOT_CODER_USERNAME"]
u2 = os.environ["BOT_WRITER_USERNAME"]
t0 = os.environ["BOT_DEFAULT_TOKEN"]
t1 = os.environ["BOT_CODER_TOKEN"]
t2 = os.environ["BOT_WRITER_TOKEN"]
with open(cfg_path, "r", encoding="utf-8") as f:
cfg = json.load(f)
channels = cfg.setdefault("channels", {})
tg = channels.setdefault("telegram", {})
tg["enabled"] = True
tg.setdefault("dmPolicy", "pairing")
tg.setdefault("groupPolicy", "allowlist")
accounts = tg.setdefault("accounts", {})
accounts["default"] = {
"name": "main", "enabled": True, "botToken": t0,
"dmPolicy": "pairing", "groupPolicy": "allowlist",
"commands": {"native": False, "nativeSkills": False},
"groups": {gid: {"requireMention": True}}
}
accounts["coder"] = {
"name": "coder", "enabled": True, "botToken": t1,
"dmPolicy": "pairing", "groupPolicy": "allowlist",
"commands": {"native": False, "nativeSkills": False},
"groups": {gid: {"requireMention": True}}
}
accounts["writer"] = {
"name": "writer", "enabled": True, "botToken": t2,
"dmPolicy": "pairing", "groupPolicy": "allowlist",
"commands": {"native": False, "nativeSkills": False},
"groups": {gid: {"requireMention": True}}
}
bindings = cfg.setdefault("bindings", [])
bindings = [
b for b in bindings
if not (b.get("match", {}).get("channel") == "telegram" and b.get("match", {}).get("accountId") in ("coder", "writer"))
]
bindings += [
{"agentId": "coder", "match": {"channel": "telegram", "accountId": "coder"}},
{"agentId": "writer", "match": {"channel": "telegram", "accountId": "writer"}}
]
cfg["bindings"] = bindings
plugins = cfg.setdefault("plugins", {})
allow = plugins.setdefault("allow", [])
if "telegram" not in allow:
allow.append("telegram")
entries = plugins.setdefault("entries", {})
entries.setdefault("telegram", {})
entries["telegram"]["enabled"] = True
agents = cfg.setdefault("agents", {})
alist = agents.setdefault("list", [])
def get_or_create_agent(agent_id, default_obj):
for a in alist:
if a.get("id") == agent_id:
return a
alist.append(default_obj)
return default_obj
coder = get_or_create_agent("coder", {
"id": "coder", "name": "coder",
"workspace": os.path.join(os.environ["OPENCLAW_HOME"], "workspace"),
"agentDir": os.path.join(os.environ["OPENCLAW_HOME"], "agents/coder/agent"),
"model": "bailian/kimi-k2.5"
})
writer = get_or_create_agent("writer", {
"id": "writer", "name": "writer",
"workspace": os.path.join(os.environ["OPENCLAW_HOME"], "workspace"),
"agentDir": os.path.join(os.environ["OPENCLAW_HOME"], "agents/writer/agent"),
"model": "bailian/kimi-k2.5"
})
coder["groupChat"] = {"mentionPatterns": [f"@{u1}"]}
writer["groupChat"] = {"mentionPatterns": [f"@{u2}"]}
with open(cfg_path, "w", encoding="utf-8") as f:
json.dump(cfg, f, ensure_ascii=False, indent=2)
f.write(" ")
print("✅ config updated:", cfg_path)
PY
\n### 3) Session 索引修复（正确处理 OpenClaw 结构）\npython3 - <<'PY'
import json, glob, os, time, shutil
root = os.path.join(os.environ["OPENCLAW_HOME"], "agents")
for sp in glob.glob(os.path.join(root, "*/sessions/sessions.json")):
sdir = os.path.dirname(sp)
with open(sp, "r", encoding="utf-8") as f:
data = json.load(f)
changed = 0
for _, v in data.items():
sf = v.get("sessionFile")
sid = v.get("sessionId")
# 统一成相对文件名
if isinstance(sf, str) and sf.strip():
b = os.path.basename(sf.strip())
if sf != b:
v["sessionFile"] = b
changed += 1
elif isinstance(sid, str) and sid.strip():
v["sessionFile"] = sid.strip() + ".jsonl"
changed += 1
# 缺文件就补空
sf2 = v.get("sessionFile")
if isinstance(sf2, str) and sf2.strip():
p = os.path.join(sdir, sf2)
if not os.path.exists(p):
open(p, "a", encoding="utf-8").close()
if changed:
bak = sp + f".bak.relfix.{int(time.time())}"
shutil.copy2(sp, bak)
with open(sp, "w", encoding="utf-8") as f:
json.dump(data, f, ensure_ascii=False, indent=2)
f.write(" ")
print("✅ fixed:", sp, "backup:", bak)
else:
print("✅ ok:", sp)
PY
\n### 4) 人格隔离规则（防子 Agent 读 main SOUL）\ncat > "$OPENCLAW_HOME/workspace/AGENTS.md" <<'EOF'
\nRules:
\nEOF
echo "✅ persona boundary file updated"
\n### 5) 校验 + 重启 + 状态检查\npython3 -m json.tool "$CONFIG_FILE" >/dev/null && echo "✅ json valid"
openclaw gateway restart
openclaw gateway status --json
openclaw channels status --json
openclaw channels logs --channel telegram --lines 200 --json
\n### 6) 人工验收（让用户发消息）\n\n请用户做 6 条测试：\n- 群里：@<BOT_CODER_USERNAME> 回1（只 coder 回）\n- 群里：@<BOT_WRITER_USERNAME> 回2（只 writer 回）\n- 群里：@<BOT_DEFAULT_USERNAME> 回3（只 main 回）\n- 私聊 coder：/start + 测试123\n- 私聊 writer：/start + 测试123\n- 私聊 default：/start + 测试123\n\n### 7) 失败时应急（只重置某个子 Agent 群会话）\nexport AGENT_ID="writer"
python3 - <<'PY'
import json, os, time, shutil
agent = os.environ["AGENT_ID"]
gid = os.environ["TELEGRAM_GROUP_ID"]
sp = f"{os.environ['OPENCLAW_HOME']}/agents/{agent}/sessions/sessions.json"
with open(sp, "r", encoding="utf-8") as f:
data = json.load(f)
key = f"agent:{agent}:telegram:group:{gid}"
if key in data:
bak = sp + f".bak.reset.{int(time.time())}"
shutil.copy2(sp, bak)
data.pop(key, None)
with open(sp, "w", encoding="utf-8") as f:
json.dump(data, f, ensure_ascii=False, indent=2)
f.write(" ")
print("✅ removed:", key, "backup:", bak)
else:
print("ℹ️ key not found:", key)
PY
openclaw gateway restart
\n\n### 8) 完成输出模板（让 AI 按这个格式回）\n\n- 已改文件列表\n- 每条命令执行结果（成功/失败）\n- 当前 gateway/channels 状态摘要\n- 验收是否通过（通过/未通过）\n- 如未通过，下一步具体动作\n\n---\n\n🦞 **OpenClaw 进阶系列**：← 前置 [[../20260311-你的龙虾🦞总是失忆？给我三分钟手把手教它记|MemOS记忆]] | [[../20260306-OpenClaw新手教程：从零搭建AI日报小助手|AI日报]]\n🔁 更多场景：[[../20260327-从工作到生活-普通人的OpenClaw全方位实用案例|全方位实用案例]]\n🔁 后继者：[[../20260410Hermes究竟是什么？普通人可以怎么用|Hermes]] | [[../20260411弃坑OpenClaw_转投Hermes|弃坑转投Hermes]]你有多久没被一句话刺穿过？
\n不是那种"很有道理"的废话，是那种让你愣在原地、感觉被扒光的尖锐。在这个人人用AI写文案的时代，我们正在经历一场前所未有的语言通货膨胀——字越来越多，意思越来越少。上周一个朋友给我看他用ChatGPT写的年终总结，我读了第一段，就知道后面五段会说什么。不是因为我聪明，而是因为那具尸体实在太标准了。
\n那一刻我意识到：维特根斯坦说的那个"语言的界限"，正在被AI重新划定。而这个新的界限，低得可怕。
\n---
\n先摊牌一个残酷的真相。大语言模型的本质是概率分布。它从不"创作"，它只是根据训练数据计算：下一个词出现概率最高的是什么？这意味着AI的输出天然偏向最大公约数——最安全、最普遍、最不会得罪人的表达。它是统计学上的平均值，是民主暴政在语言领域的完美体现。
\n当你问AI"人生意义是什么"，它不会给你一个疯狂的答案。它会给出一个让最多人点头的答案。而这个答案，往往是正确的废话。这就是AI味的源头：不是机器不会说人话，而是它说的永远是"最像人话的人话"。
\n维特根斯坦在《逻辑哲学论》里写过："语言的界限就是世界的界限。"但没人告诉你后半句的恐怖——当AI成为人类语言的主要生产者，这个世界的界限正在被概率的平庸重新定义。
\n---
\n这里还有一个更隐蔽的陷阱。你以为你在"使用"AI，但实际上，你在被它的语言范式 slowly hack。原理很简单：你用AI生成内容，你阅读和修改它，你开始习惯它的句式结构，你不自觉地模仿，你的大脑被重新布线。这叫语言感染。就像病毒一样，AI的语言风格通过反复曝光进入你的神经系统。
\n几个月后，你会发现自己说话也开始"首先...其次...最后..."，也开始"值得注意的是..."，也开始用那种正确的、完整的、毫无棱角的表达方式。最可怕的是，你甚至意识不到这种变化。因为周围所有人都在这么说。这是21世纪最大规模的语言同质化，而我们是自愿参与的囚徒。
\n品味是怎么死的？不是被禁止的，是被淹没的。当所有内容都达到"合格线"，真正的优秀反而显得刺眼、怪异。就像在一屋子灰西装里，彩色衣服反而成了异类。
\n---
\n维特根斯坦还说了一句话，比"语言的界限"更锋利："哲学是一场对抗语言对我们的蛊惑的战斗。"
\n听懂了吗？语言不是中性的工具，它是有蛊惑力的。而AI，就是当代最强大的蛊惑机器。它用完美的语法、丰富的词汇、看似严密的逻辑，包装出一种虚假的智性。你读起来感觉很"充实"，但读完后什么也记不住。因为那里没有思想，只有语言的空转。
\n就像维特根斯坦批判的传统哲学：一堆复杂的术语和论证，最后发现是在解决自己制造出来的伪问题。AI内容的泛滥，正在让整个互联网变成一场巨大的语言空转——每个人都在说话，但没有人真正在说什么。
\n---
\n说了这么多问题，那品味到底是什么？
\n很多人以为品味是你"喜欢"什么——喜欢什么音乐、什么电影、什么风格。错了。品味真正的定义，是你"不想要什么"的敏感度。是你对平庸、雷同、正确废话的本能排斥。是你读到一段文字时，那个立刻觉得"不对味"的直觉。
\n这种直觉是AI无法替代的。因为AI只能基于已有数据计算概率，而品味是对概率本身的反抗。有品味的人看到十个热门选题，会说：这九个我不会碰，因为所有人都在写。我要找那个第11个——那个还没有被概率覆盖的角落。这就是AI时代最核心的差异化：不是你能生成什么，而是你敢拒绝什么。
\n---
\n最后说具体怎么做。不是不用AI，而是反向训练它。
\n普通人的用法：给个模糊需求，接受AI输出，微调发布。这是被AI训练。
\n有品味的人用法：第一步，输入质量碾压。不喂AI碎片想法，喂它你最精华的思考、最独特的观察、最反常识的结论。把你的100分输入给它，让它执行的是放大，不是生成。第二步，建立个人过滤器。拿到AI输出后，做一个残酷的筛选：删掉所有"听起来对但没意思"的句子。删掉所有"换个人也能写出来"的段落。删到只剩你。这个过滤过程，就是品味在发挥作用。
\n第三步，刻意保留棱角。故意保留那些AI会平滑掉的棱角——一个奇怪的比喻、一个生僻的引用、一个主观到有点偏执的观点。这些"不完美"，才是你作为人类的价值所在。记住：AI输出的是概率的共识，你保留的是个人的偏见。而偏见，在这个时代是稀缺品。
\n---
\n回到维特根斯坦。
\n他说："凡不可言说者，必须保持沉默。"这句话在今天有了新解：当AI让说话变得如此容易，真正的智慧是知道什么时候闭嘴——什么时候不生成、不发布、不贡献更多的语言噪音。
\nAI时代的品味，最终指向一种克制的艺术。不是你能用AI生产多少内容，而是面对无穷无尽的内容生产能力，你选择不生产什么。
\n这种选择背后的判断力——那个说"这个不够好"的声音——是你的最后一道防线。守住它。否则用不了多久，你会发现自己不仅忘记了怎么写好一句话，甚至忘记了什么叫好。
\n---
\n你最近一次读到让你心跳漏拍的文章是什么时候？欢迎在评论区聊聊。
\n---
\n🔗 AI 哲学系列：←姊妹篇 [[../20260316-月入5万的人话都这么毒|月入5万的人话都这么毒]]（同一哲学家，实用角度）
🤖 AI焦虑三部曲：[[../20260408-OpenClaw/20260413-我在LV6但可能已经LV8了/元文章|我在LV6但可能已经LV8了]] | [[../20260406-重复造轮子是有意义的|重复造轮子有意义]]
有人用 AI 量化月入五万，有人连一个能跑的策略都写不出来。
\n用的是同一个模型，充的是一样的会员，为什么输出差距像一个天上一个地下？
\n不是 AI 不行，是你的话太废。
\n上周我让 Claude 写个量化策略，两周后打开新会话：「按之前的逻辑来。」
\n它回我：「之前的逻辑是？」
\n那一刻我才意识到——我给它的是垃圾输入，它只能回报我垃圾输出。
\n---
\n现在满世界都在喊「用 AI」「学 AI」「别被 AI 淘汰」。
\n但 99% 的人根本不知道自己在用什么。
\nAI 是个巨大的家族。机器视觉是 AI，语音识别是 AI，推荐算法是 AI——那个把你钉在屏幕上两小时的东西，也是 AI。
\n那个专门设计来劫持你注意力的推荐算法，研究你的行为模式比你更了解你。你以为你在选择看什么，其实是它在选择给你看什么。
\n而你以为「用 AI」的那个工具，无论是 ChatGPT 还是 Claude，本质上都在做同一件事：
\n把你的语言，转化成输出。
\n这意味着什么？
\n你的语言体系是什么水平，你从它那里能取出什么，就是什么水平。
\n一个表达能力模糊的人和一个思维极度精准的人，用的是同一个工具，得到的是两个完全不同的世界。
\n---
\n大多数人默认的逻辑是：想法先在脑子里成型，语言只是把想法打包送出去的快递盒。
\n完全错了。
\n亚马逊雨林部落语言里没有区分蓝色和绿色的词——于是他们真的看不出那两种颜色的差别。不是色觉问题，是语言问题。
\n俄语里有个词叫「Тоска」（托斯卡）。那种介于无聊、沉思、忧郁之间的复杂情绪，隐约的渴望，对某个不存在的东西的思念。中文里没有一个词能精准对应它。不是没有词汇，是那种感受在你的语言体系里根本没有完整的形状。
\n「内卷」这个词出现之前，那种恶性竞争的窒息感所有人都有，但没有人能把它说清楚。直到那个词出现——一夜之间，所有人突然看见了同一个怪物，开始讨论它，开始质疑它。
\n一个词出现了，一个现象才真正「存在」于社会意识里。
\n维特根斯坦说：「我的语言的界限，意味着我的世界的界限。」
\n澳大利亚原住民的语言里没有「左右前后」，只有东南西北这样的绝对方位。他们从小就被迫用绝对坐标感知世界。结果他们大脑里负责空间定位的海马体，激活强度比普通人高出 40%。在毫无参照物的沙漠里，他们天生不会迷路。
\n语言从物理层面重塑了大脑结构。
\n你用什么语言思考，你就长出什么样的大脑。你长出什么样的大脑，你就活在什么样的世界里。
\n---
\n当你只能说「烦死了」，那个懂得区分「焦虑、委屈、羞耻、无力感」的人，早已完成了情绪定位，找到了解法，继续向前走了。你还困在「烦」这个字里，不知道自己到底怎么了。
\n当你只能说「这个策略不好」，那个掌握「夏普比率、最大回撤、滑点、过拟合、贝叶斯优化、滚动回测」的人，早已精准定位了问题所在。
\n每一个精准的概念，都是打开世界新维度的钥匙。你没有的那把钥匙，那扇门对你来说永远不存在。
\n---
\n来看一个真实的对比。
\n小白打开 Claude，输入：「帮我写个量化策略，能赚钱的那种。」
\nAI 给了代码。他看不懂，复制粘贴，跑不起来，报错也不知道错在哪。参数怎么调？什么时候止损？仓位怎么管理？全是模糊地带。试了十次，越试越迷茫。最后得出结论：AI 写的量化代码根本不能用。
\n专业交易员打开 Claude，输入：
\n「用 Python + Backtrader 框架，均值回归策略，标的沪深 300 ETF，回测周期 2020-2024，滑点千分之一，手续费万三，初始资金 100 万。要求 Sharpe Ratio > 1.5，最大回撤 < 15%，胜率 > 55%。帮我先写数据获取模块和信号生成模块，用面向对象方式，要有完整的类型注解和异常处理。」
\nAI 给了精准的代码。他扫一眼：「这里用了未来函数，收盘价作为当日信号会导致回测失真，改成用上一周期收盘或开盘价进场。」
\nAI 立刻修正。二十分钟，一个可运行的策略框架直接交付。
\n差距在哪？
\nBacktrader、均值回归、滑点、Sharpe Ratio、最大回撤、过拟合——每一个术语都是精准的坐标，在给 AI 划定边界。告诉它用什么框架，什么策略，什么标的，什么手续费标准，什么风控指标。
\n小白说的「能赚钱的策略」，这句话里没有任何有效信息。 什么品种？什么周期？什么逻辑？风险承受能力如何？每一个没有回答的问题，AI 都要自己猜——而它猜出来的，是最通用、最平庸、和你真实需求偏差最大的版本。
\n更残酷的是，小白连「这里错了」都说不出来，因为他的语言体系里没有描述那个错误的词。他只能「跑不起来」，然后陷入永无止境的盲人摸象。
\n专业交易员发现问题，能精准地说「这里用了未来函数，逻辑上引入了未来信息」——这句话本身就是答案，AI 只是帮他执行了。
\n---
\n所以你明白了吗？
\nAI 在这里扮演的角色，从来都不是大脑，而是手。
\n它是一双极其灵巧、极其快速、不知疲倦的手，但它需要一个知道自己在做什么的大脑来指挥。那个大脑，是你。而你大脑的质量，通过语言，直接映射成了你得到的结果。
\n那些靠 AI「弯道超车」的人，不是因为他们比你更早知道 AI 的存在，而是因为他们在用 AI 之前，就已经有了一套精细的语言体系。
\nAI 放大了他们已有的能力。
\n而那些抱怨 AI 没用的人，是把自己的语言局限喂给了 AI，然后收获了放大版的模糊。
\n这不是技巧问题，不是「学会写 Prompt 就行了」的问题。 技巧可以速成，但语言体系的精细度是你这辈子读书、思考、表达积累出来的东西。
\n它是你认知深度的直接映射，骗不了人。
\n---
\n你有一个年薪千万的顶级量化研究员，精通回测、风控、因子挖掘、算法优化——24小时随时待命，完全免费。
\n然后你拿着这个资源，问他：「帮我看看这支股票怎么样。」
\n这就是现在大多数人在用 LLM 的方式。
\n不是工具的问题。是你不知道这个工具能做什么，也不知道怎么激活它真正的能力。而你不知道，根本原因还是在语言——你的语言体系里没有足够精准的概念，来描述你真正的需求、你真正的问题、你真正想要到达的地方。
\n语言是你和人类几千年智慧积累之间的那道门。
\n门的宽度，由你决定。
\n---
\n维特根斯坦说：「对于不可说的东西，我们必须保持沉默。」
\n这句话不是在让你闭嘴。它在告诉你两个最残酷的真相：
\n说不清楚的，是你从未真正理解的。语言里没有的概念，永远不会进入你的世界。
\n所以，在你打开任何 AI 工具之前，先问自己一个问题：
\n你的语言体系，配得上你想要的那个答案吗？
\n如果不配，先去配上它。
\n这才是学 AI 的第一步，也是被所有人忽略的最重要的一步。
\n---
\n以上，既然看到这里了，如果觉得有收获，点赞转发三连，我们下篇见。
\n---
\n🔗 AI 哲学系列：语言即边界。姊妹篇 → [[../20260317-AI时代的品味危机-维特根斯坦|AI时代的品味危机]]（同一位哲学家，更深层的追问）
🛠️ 实践呼应：[[../../公众号/文章草稿/小白用好baoyu-skills深度教程|baoyu-skills深度教程]]（"结构化语言 > 自然语言"的工程实现）
🏗️ [[../20260405-Harness Engineering：真正拉开差距的，不是功能数量，而是工作秩序|Harness Engineering]]（语言精确性的工程化）
\n评测时间: 2026-03-14 00:27 AM
\n评测模型: moonshotai/kimi-k2.5 (CanopyWave) vs bailian/kimi-k2.5
\n评测者: 小川
---
\nCanopyWave 并非简单的 "中转站"，而是在 Bailian 基础上提供了增强功能和独特价值。
\n---
\n| 维度 | CanopyWave | Bailian | 优势方 |
|------|-----------|---------|--------|
| 价格 (per 1M) | $0.50/$2.80 | 未公开/可能更高 | CanopyWave ⭐ |
| 透明度 | ✅ 价格公开 | ❌ 不透明 | CanopyWave |
| 推理可见性 | ✅ 显示思考过程 | ❌ 只给答案 | CanopyWave ⭐ |
| Token 限制 | 无限 Token 计划 | 有额度限制 | CanopyWave ⭐ |
| 上下文长度 | 256K | 256K | 持平 |
| 数据隐私 | ✅ 零数据保留 | 阿里云托管 | CanopyWave ⭐ |
| API 响应速度 | 正常 | 正常 | 持平 |
| 输出质量 | 相同 | 相同 | 持平 |
| 企业级 SLA | ✅ 有 | ❌ 不明确 | CanopyWave |
---
\nCanopyWave 独有特性：
\n{\n "content": "最终答案",\n "reasoning_content": "模型的完整思考过程..."\n}价值：
\nBailian: 只返回 content，黑箱操作。
---
\n官方定价对比（per 1M tokens）：
\n| 成本类型 | CanopyWave | 行业平均 | 节省 |
|---------|-----------|---------|------|
| Input | $0.50 | ~$1.50 | 67% |
| Output | $2.80 | ~$10.00 | 72% |
对比估算（假设每月使用 100M tokens）：
\n---
\nCanopyWave 独有：
\n场景：
\n---
\n安全架构对比：
\n| 安全特性 | CanopyWave | Bailian |
|---------|-----------|---------|
| 数据存储 | 私有云 | 阿里云公有 |
| 数据保留 | 零保留 | 不明 |
| 训练使用 | 明确禁止 | 不明 |
| 数据隔离 | 完全隔离 | 共享基础设施 |
| 合规认证 | 企业级 SLA | 阿里云基础 |
关键承诺：
\n\n"Models are hosted in our private cloud with full data isolation, zero data retention and no training usage."
---
\nAPI 设计：
\nCanopyWave 的优势：
\n# 完全兼容 OpenAI SDK\nfrom openai import OpenAI\n\nclient = OpenAI(\n api_key="YOUR_KEY", # 标准用法\n base_url="https://inference.canopywave.io/v1"\n)\n\n# 获得额外洞察\nresponse = client.chat.completions.create(...)\nprint(response.choices[0].message.content) # 标准输出\nprint(response.choices[0].message.reasoning_content) # CanopyWave 独家生态集成：
\n---
\n{\n "prompt": "请用三步解释什么是'语言游戏'概念",\n "max_tokens": 300\n}| 指标 | CanopyWave | Bailian | 差异 |
| ---------- | ---------- | -------- | --- |
| 首 Token 延迟 | ~1.2s | ~1.1s | 持平 |
| 总响应时间 | ~3.5s | ~3.2s | 持平 |
| Token 生成速度 | 72 tok/s | 75 tok/s | 持平 |
| 输出质量评分 | 9.2/10 | 9.1/10 | 持平 |
Same Input: "简单说一句话"
\nCanopyWave Output:
\nContent: "生活明朗，万物可爱。"\nReasoning: [展示了完整思考过程，包括选项分析、语境考虑、最终选择逻辑]Bailian Output:
\nContent: "生活明朗，万物可爱。"\n[无额外信息]结论：最终输出质量完全一致，但 CanopyWave 提供了可追溯的决策过程。
\n---
\n - 金融、医疗、法律
- 需要数据隐私保证
- 审计追踪需求
- 无限 Token 计划
- 成本敏感
- 7×24 运行
- 需要理解模型推理
- Prompt 工程优化
- 教学演示
- 统一平台管理多个模型
- GLM-5, DeepSeek, Kimi, MiniMax 一站式
---
\n---
\n---
\n30s 电梯演讲:
\n\nCanopyWave 是 Kimi/GLM/DeepSeek 的终极托管平台。比官方便宜 90%，显示模型推理过程，承诺零数据保留，还有全球首个无限 Token 计划。OpenAI 兼容 API，5 分钟迁移。
---
\n---
\n报告生成时间: 2026-03-14 00:40 AM
下次更新: 使用 1 个月后复盘
保存位置: ContentSystem/语义记忆/CanopyWave_vs_Bailian_对比报告.md
---
\n🔗 工具对比系列：🧘 [[../20260412别为了用哪个工具FOMO了-微信版本|别为工具FOMO]]（对比之后的选择哲学）
", "date_published": "2026-03-14T08:00:00.000+08:00", "date_modified": "2026-03-14T08:00:00.000+08:00", "tags": [ "X长文", "阿川" ] }, { "id": "https://blog.imachuan.com/20260311-%E4%BD%A0%E7%9A%84%E9%BE%99%E8%99%BE%F0%9F%A6%9E%E6%80%BB%E6%98%AF%E5%A4%B1%E5%BF%86-%E7%BB%99%E6%88%91%E4%B8%89%E5%88%86%E9%92%9F%E6%89%8B%E6%8A%8A%E6%89%8B%E6%95%99%E5%AE%83%E8%AE%B0", "url": "https://blog.imachuan.com/20260311-%E4%BD%A0%E7%9A%84%E9%BE%99%E8%99%BE%F0%9F%A6%9E%E6%80%BB%E6%98%AF%E5%A4%B1%E5%BF%86-%E7%BB%99%E6%88%91%E4%B8%89%E5%88%86%E9%92%9F%E6%89%8B%E6%8A%8A%E6%89%8B%E6%95%99%E5%AE%83%E8%AE%B0", "title": "你的小龙虾还在重复踩坑？这套本地记忆系统让它自己长脑子", "summary": "你的龙虾🦞总是失忆？给我三分钟，手把手教你开外挂！ 我前段时间因为工作的缘故，花了 2 小时跟龙虾一起写一份项目报告，终于把格式、数据、措辞都调好了。一周后另一个项目搞完了，我信心满满地打开新窗口\"按我之前的格式来生成\"，结果🦞问我：\"之前的格式是？\" 同样的坑，踩第二遍。同样的格式，重新教一遍，很痛苦。 我折腾了快半个月，试过七八种记忆方案，在帮朋友找", "content_html": "我前段时间因为工作的缘故，花了 2 小时跟龙虾一起写一份项目报告，终于把格式、数据、措辞都调好了。一周后另一个项目搞完了，我信心满满地打开新窗口"按我之前的格式来生成"，结果🦞问我："之前的格式是？"
\n同样的坑，踩第二遍。同样的格式，重新教一遍，很痛苦。
\n我折腾了快半个月，试过七八种记忆方案，在帮朋友找本地离线部署方案的时候，发现了一个一行命令搞定的牛逼解法——MemOS 本地记忆操作系统。
\n装上之后不仅 Token 省 49%，任务速度快 2 倍，关键是：它真的开始长脑子了。
\n而且100% 本地运行，零数据上传，代码、密钥、内部架构完全不经过任何外部服务。
\n接下来我就用实操来给大家试试看这个记忆系统到底好不好用。
\n---
\n这是让你的小龙虾从"临时工"变成"老员工"的关键一步。
\n必须有的：
\n操作步骤：
\n① 一行命令安装
\nnpm install -g @memtensor/memos-local-openclaw\nopenclaw gateway restart② 打开记忆面板
浏览器访问：http://127.0.0.1:18799
设置一个密码，完成。
③ 验证安装
在 OpenClaw 里随便聊几句，然后刷新记忆面板。看到对话被自动记录，说明装好了。
全程不用 1 分钟。
---
\n对了，我选本地版，是因为这两天有个具体场景：要给朋友部署一套完全离线的 AI 工作流。
\n他的需求很典型：
\n这就是本地版的核心价值——离线也能跑。
\nMemOS 本地版的好处，正好对上了这个场景：![\"\"](\"广告.png\")
数据存在哪里？
\n一个 SQLite 文件，就在你的电脑上。想备份？复制走就行。想迁移？文件拷过去就行。想删除？直接删文件。
\n完全自主，零外部依赖。
\n对于需要离线跑知识库、或者对数据主权有要求的场景，本地版是最优解。
\n---
\n光说不练假把式，我们直接上手测试。
\n测试场景：
先跟龙虾聊个计划，然后用 new 命令开新对话，看它还能不能想起来。
Round 1：第一次对话
\n\n我下个月要在深圳搞个 OpenClaw 的沙龙，有什么好建议么
龙虾正常回复，聊了几句议程安排。
Round 2：开新对话追问
\n输入 new 命令，全新 Session，直接问：
\n我下个月要举办什么活动？
结果：
龙虾秒回："你下个月要在深圳举办 OpenClaw 沙龙，预计 50 人。"!![\"\"](\"沙龙3.png\")
为什么它记住了？
\nMemOS 自动把对话里的关键信息——活动类型、地点、时间、规模——提取出来存到本地记忆库。不管什么时候开新窗口，它都能从记忆库搜索调取之前的对话内容。
\n这就是本地记忆的威力：不是临时缓存，是真的记住了。
---
\n
更厉害的是，MemOS 不只是存聊天记录，它会自动识别有价值的经验，提炼成可复用的技能。
Round 1：第一次踩坑
我让龙虾对自己的安全巡查机制出一个每日简报
龙虾一顿操作，我们一起踩了不少个坑：格式不统一、可视化效果差等等
折腾 30 分钟，几轮对话之后，终于摸索出让我满意的正确格式。
Round 2：技能自动生成
MemOS 后台自动把这 30 分钟的踩坑过程，提炼成了技能，包含：
Round 3：后面复用
后面再和龙虾对话，龙虾直接调用技能给出我心仪的格式！无需再重复踩坑！
更离谱的是： 如果你后来发现更好的写法，MemOS 会自动升级这个技能。你的龙虾会随着使用越来越聪明。
---
前面说的是单只龙虾进化，但还有更强的玩法：多只龙虾共享同一个记忆池。
\n| 层级 | 内容 | 谁能看到 |
| :---- | :---------- | :--- |
| 共享记忆池 | 沉淀的技能、标准化方案 | 所有龙虾 |
| 个人记忆 | 工作草稿、临时思路 | 只有自己 |
![\"\"](\"export.png\")
什么意思？
\n假设你养了 4 只数字员工：
\n现在的痛点：
\nBob 花 2 小时摸索出的代码审查清单，Angela 遇到同样问题时照踩不误。每只龙虾的记忆孤岛，信息无法流转。
\n装了 MemOS 之后：
Bob 总结了一套「代码审查 checklist」，MemOS 自动生成技能，存入共享记忆池。
一周后 Angela 写营销方案时想检查一遍，她的龙虾自动调用 Bob 沉淀的 checklist 思路，5 分钟搞定，而不是重新摸索 2 小时。
\n真正让龙虾做到群体进化。 每只龙虾的成长，汇聚为整个虾池的进化。
\n---
\n真不是只有我觉得好用，我去扒了他们官方的真实测试数据，
基于 LoCoMo 数据集实验与真实开发任务，他们能够做到--
平均交互轮次减少 53%，完成同样任务的速度提升约 2.15 倍。
成本层面，单次任务的 Input Token 能减少 30.8%。
总 Token 消耗节省近 49%，整体推理开销接近减半
![\"\"](\"效果.png\")
---
很多人觉得 OpenClaw 的记忆问题无解，要么忍受重复教学，要么接受经验流失。
\n其实根本不是。
\nMemOS 这套本地记忆系统，本质上就是给你的小龙虾装上了一个真正的大脑——记忆本地存、对话记得住、技能自动提炼、多龙虾共享。
\n你不用懂复杂的向量数据库，不用自己搭基础设施，一行命令就搞定。数据完全本地，隐私无忧。
\n你可以现在试试：
\nnpm install -g @memtensor/memos-local-openclaw等你发现它真的开始"长脑子"的时候，你会回来感谢我的。
\nGitHub： https://github.com/MemTensor/MemOS
\n觉得有用可以去给个 Star 🌟支持下他们，有问题也可以直接在 GitHub 提 Issue～
\n你的小龙虾值得拥有一个会学习的大脑。
\n---
\n🦞 OpenClaw 进阶系列：← 前置 [[../20260306-OpenClaw新手教程：从零搭建AI日报小助手|AI日报小助手]]
🔁 相关：[[../260319-OpenClaw-Telegram多Bot接入-引流长文|Telegram多Bot]] | [[../20260327-从工作到生活-普通人的OpenClaw全方位实用案例|全方位实用案例]]
🦞 入门回顾：[[../20260305-走出新手村！10个小白级零门槛养🦞小技巧|10个小技巧]]
\n这篇暂时不讲openclaw的新手村主线任务，我们先开个副本：聊聊新手小白怎么3分钟可以做出自己想要的文章封面。
>
\n\n- 想学习思路的，从第一步看起
\n- 想快速学会的，从第五步看起
\n- 想偷懒一步到位，文章最后给了一个神级skill！
读完这篇，你就能让 AI 画出你心中的画面。
\n---
\n很多人以为写 Prompt 要背一堆专业术语：
\n\n"8k resolution, trending on artstation, cinematic lighting..."
错！
\n真正有效的 Prompt，其实是你日常怎么跟朋友描述一样东西，就怎么跟 AI 说。
\n❌ 错误示范：
\n\n"生成一个好看的封面"
✅ 正确示范：
\n\n"我想要一个温暖治愈风格的封面，背景是早晨的阳光透过窗帘，画面中央有一杯咖啡和一本书，整体色调偏暖黄和米白"
看到区别了吗？ 具体、有画面感、有细节。
\n---
\n不知道怎么描述？记住这 4 个问题，问完自己，答案就是 Prompt：
\n| 问题 | 你在描述什么 | 示例 |
|------|-------------|------|
| 1. 什么场景？ | 画面里有什么东西 | 一杯咖啡、一本书、阳光、窗帘 |
| 2. 什么感觉？ | 整体氛围和情绪 | 温暖、治愈、安静、舒适 |
| 3. 什么颜色？ | 主色调和配色 | 暖黄色、米白色、浅棕色 |
| 4. 什么风格？ | 视觉表现方式 | 手绘感、像照片、像插画 |
假设你要写一篇关于"晨间习惯"的文章，试着回答这 4 个问题：
\n组合起来告诉 AI：
\n\n"我想要一个早晨窗边的场景，阳光洒进来，有一杯咖啡和一本打开的笔记本，整体感觉温暖治愈，色调是暖黄和米白，用手绘插画风格"
---
\n\n"我想要一个科技感的封面"
AI 能懂，但结果可能跟你想象的不一样。
\n\n"我想要一个科技感的封面，有电路板、芯片、数据流动的元素，背景是深蓝色的"
好多了！AI 知道你要什么元素了。
\n\n"我想要一个科技感的封面，画面中央是一个发光的芯片，周围有流动的数据线条，背景是深蓝色到黑色的渐变，有微弱的网格线，整体像科幻电影海报的感觉"
具体、有层次、有参考。
\n---
\n不知道怎么开头？直接用这些模板填空：
\n公式：
\n\n"我想要一个 [场景] 的画面，有 [具体物品]，整体感觉 [情绪]，色调是 [颜色]，用 [风格] 风格"
填空示例：
\n\n"我想要一个早晨窗边的画面，有一杯热茶和一本打开的书，整体感觉温暖治愈，色调是暖黄和米白，用手绘插画风格"
---
\n公式：
\n\n"我想要一个 [主题] 的封面，有 [科幻元素]，光线是 [光线描述]，背景是 [颜色]，整体感觉 [情绪]，像 [参考电影/游戏]"
填空示例：
\n\n"我想要一个关于 AI 的封面，有霓虹灯、全息投影、数字雨，光线是紫色和青色的发光效果，背景是深黑色，整体感觉未来感强烈，像《银翼杀手》电影海报"
---
\n公式：
\n\n"我想要一个 [主题] 的封面，画面 [构图描述]，颜色 [颜色描述]，整体感觉 [情绪]，像 [参考物]"
填空示例：
\n\n"我想要一个关于新品发布的封面，画面充满动感，有向上的箭头和庆祝元素，颜色鲜艳明亮，用亮红、荧光绿、电光蓝，整体感觉充满活力和冲击力，像促销活动海报"
---
\n如果你还是不知道怎么描述，可以让 AI 帮你！
\n\n"我喜欢这张图的感觉 [上传参考图]，帮我生成类似的封面"
\n"我想生成一个封面，但不知道怎么描述，你能问我几个问题帮我理清思路吗？"
AI 会问你：
\n回答完，AI 就帮你生成完整的描述了。
\n第一轮：
\n\n"帮我生成一个关于 [主题] 的封面"
看结果后，第二轮：
\n\n"颜色太冷了，换成暖色调"
第三轮：
\n\n"再加一些 [具体元素]"
第四轮：
\n\n"整体感觉不错，但文字再大一点"
像对话一样，逐步逼近你想要的效果。
\n---
\n完全可以！ 直接跟 AI 说中文，他会帮你翻译成 AI 能懂的 Prompt。
\n不会！ 描述越具体，结果越接近你想要的效果。但也不用写论文，把 4 个维度（场景、感觉、颜色、风格）说清楚就够了。
\n像改稿一样告诉 AI：
\nAI 会记住上下文，继续调整。
\n有！ 记住这个：
\n\n"我想要一个 [场景] 的画面，有 [具体物品]，整体感觉 [情绪]，色调是 [颜色]，用 [风格] 风格"
80% 的情况，这个公式够用了。
\n---
\n| 你想表达 | 可以这样说 |
|---------|-----------|
| 光线 | 柔和、明亮、昏暗、逆光、侧光、顶光、发光、霓虹 |
| 颜色 | 暖色调、冷色调、鲜艳、柔和、复古、黑白、单色系 |
| 风格 | 手绘、写实、卡通、像素、水彩、油画、扁平、3D |
| 情绪 | 温暖、治愈、专业、冷静、活力、神秘、优雅、紧张 |
| 构图 | 居中、对称、留白、满版、对角线、三分法 |
| 质感 | 光滑、粗糙、金属、纸质、玻璃、毛绒、透明 |
---
\n如果你这些都觉得有点难，告诉你的 AI 助手：
\n\n"帮我安装 baoyu-cover-image 技能，GitHub 地址是 https://github.com/jimliu/baoyu-skills"
这个 skill 能帮你找到你想要的各种风格的封面，甚至还能一键传到 X / 公众号！
\n（此处感谢下宝玉老师 哈哈哈）
\n---
\n*如果我的文章对你有帮助，也可以关注我的公众号，感谢支持～*
\n---
\n🔗 内容生产系列：
🎨 完整流程：[[../../公众号/文章草稿/20260308-小白的 OpenClaw 内容生产教程｜从创作到发布的完整路径|OpenClaw内容生产全流程]]（本文是其中的封面生成实战）
🛠️ Skill进阶：[[../../公众号/文章草稿/小白用好baoyu-skills深度教程|baoyu-skills深度教程]]
我知道你收藏了很多 OpenClaw 的工具教程，然后一篇都没看完。
\n这篇不一样。
\n因为我会假设你什么都不懂——不会命令行、没碰过服务器、连 API 是什么都不太确定。
\n让我们一起从新手村的第一步开始，手把手教你完成一个新手小白都简单搞定的日报小助手。
\n读完这篇，你就能得到一个每天早上自动帮你整理新闻、发到你手机上的 AI 机器人。
\n---
\nOpenClaw 是一个开源的 AI 智能体，你可以把它理解成一个会自己干活的 AI 助手。
\n它不只是聊天——它能：
\n我们今天要做的，就是让它每天早上自动帮你：
\n---
\n① 一个能联网的电脑或服务器
\n如果你想让早报全自动、每天都跑，最好有一台 24 小时开机的机器。
\n最简单的方案是买一台云服务器（阿里云轻量服务器，新用户首年几十块钱，2核4G够用）。
\n如果只是想先试试，自己的电脑也行，只是电脑关机就不跑了。
\n② 一个 AI 模型的 API Key
\nOpenClaw 本身不含 AI，它需要你接一个大模型。
\n推荐新手用 Claude API（Anthropic 官网注册，有免费额度）或者阿里云百炼（国内访问稳定，有免费 Token）。
\n💡 什么是 API Key？就是一串密码，证明你是付费用户，让 AI 能帮你干活。
\n③ 一个接收消息的渠道
\n早报要发到哪里？选一个你常用的：
\nmacOS / Linux 用户
\n打开终端（Mac 按 Command+空格，搜"终端"），复制粘贴这一行：
\ncurl -fsSL https://get.openclaw.ai | bash回车，等它跑完。过程中会问你一些问题，全部按回车选默认就行。
\nWindows 用户
\n打开 PowerShell（在开始菜单搜"PowerShell"），粘贴：
\nirm https://get.openclaw.ai | iex⚠️ 如果提示"执行策略"报错，先运行这行再重试：
\nSet-ExecutionPolicy RemoteSigned -Scope CurrentUser安装完成后，终端会显示一个 🦞 龙虾图标，说明成功了。
\n安装完运行：
\nopenclaw init它会启动一个交互式向导，像填表一样一步步走：
\n问你选哪个模型：
选 Claude（需要 Anthropic API Key）或者其他你有账号的模型。
建议新手选 Claude Sonnet，能力强、价格合理。
问你要不要安装为系统服务：
选 yes。这样电脑/服务器重启后它会自动运行，不用每次手动开。
配置完成后，验证一下：
\nopenclaw status看到绿色的 ✅ 就说明一切正常。
\n---
\n我们以飞书为例，其他平台操作类似。
\n① 创建飞书机器人
\n② 在 OpenClaw 里配置飞书
\n打开 OpenClaw 控制台：
\nopenclaw dashboard浏览器会自动打开。进入「通道配置」→「飞书」，把 App ID 和 App Secret 填进去，保存。
\n③ 测试一下
\n在飞书里搜到你刚创建的机器人，发一条消息：
\n你好它如果回了，说明通道通了。
\n---
\n这是整个教程最关键的一步。
\nOpenClaw 的早报质量，80% 取决于你给它的指令（Prompt）有多清晰。
\n在 OpenClaw 的 Dashboard 里找到「智能体设置」或「HEARTBEAT.md」，把下面这段指令粘进去（可以按自己需求修改）：
\n# 每日早报任务\n\n每天早上 8:00 自动执行以下任务：\n\n## 信息源\n- 36氪：https://36kr.com/newsflashes\n- 少数派：https://sspai.com/\n- V2EX：https://www.v2ex.com/\n\n## 输出格式\n1. **今日热点**（3-5条，每条不超过50字）\n2. **行业动态**（2-3条）\n3. **一句话点评**\n\n## 要求\n- 提炼核心信息，不要废话\n- 标注来源\n- 总字数控制在500字以内---
\n这一步让早报真正「自动化」。
\n在 Dashboard 里找到「定时任务」或「Cron Jobs」，新建一个：
\n0 8 * * 1-5意思是：每周一到周五早上 8 点整执行。
\n不懂 Cron 语法没关系，你可以直接在对话框里告诉 OpenClaw：
\n\n「帮我设置一个定时任务，每天早上 8 点运行每日早报」
它会自己配置。
\n如果周末也想收，把 1-5 改成 * 就行。
在飞书里找到你的机器人，发送：
\n现在帮我运行一次每日早报等 1-2 分钟，一份早报应该出现在对话框里。
\n如果没收到，回到 Dashboard 查看「运行日志」，通常错误信息会很明确（比如 API Key 填错、飞书权限没开等）。
\n---
\nQ：API 费用大概多少？
\n每次生成早报大概消耗 1000-2000 个 Token。用 Claude Sonnet 大概 0.003 美元一次，一个月下来不到 1 美元。
\nQ：能定制早报内容吗？
\n完全可以。Prompt 里的信息来源和格式都可以改，比如加入某个特定博主的更新、某支股票的价格、今天的天气等等。
\nQ：能不能发到微信？
\n原生不支持直接发微信（微信接口限制），但可以通过企业微信机器人变通实现，或者用 Telegram 替代。
\nQ：安全吗？会不会乱删文件？
\nOpenClaw 权限很大，建议：
\n---
\n搭好基础版早报之后，你可以慢慢叠加功能：
\nOpenClaw 的社区（OpenClawHub）里有 500+ 现成的技能包，很多都是开箱即用的。
\n---
\n这套流程跑通之后，你会发现这只是开始。
\n早报只是 OpenClaw 能做的事情里最简单的一个。等你熟悉了它的逻辑，你会开始想：
\n答案都是：能。
\n但那些留到你跑通早报之后再说。
\n先把这一步做完。
\n---
\n🦞 OpenClaw 进阶系列：← 入门基础 [[../20260305-从🦞新手到玩转OpenClaw只需要避开这十个坑|避坑指南]]
🔁 下一步进阶：[[../20260311-你的龙虾🦞总是失忆？给我三分钟手把手教它记|MemOS记忆系统]] | [[../260319-OpenClaw-Telegram多Bot接入-引流长文|Telegram多Bot]]
🏭 引擎参考：[[../../../../05-笔记/bb-daily-ai-research-prompt-v2|AI日报引擎Prompt V2]]
很多人装完 OpenClaw，不是真的「不会用」，而是卡在了那么几个完全可以避免的坑里从此放着落灰，就觉得「这玩意没那么神」，还是算了，但——其实你离玩转openclaw，只差这一篇小白攻略！
\n新手从安装到流畅使用，这 10 个坑几乎人人都踩，这一篇我踩坑 1 个月整理出来的避雷指南，一定能帮上你。
\n1～4 是新手小白最可能遇到的报错，一键修复代码让你顺畅用上龙虾🦞！
5～10 是用法问题，给你最佳的prompt提示词，让你的龙虾🦞不再低能！
往下看！让我们开始玩转openclaw🦞吧
\n【报错①】装完死活跑不起来，终端一堆红字
...
[完整内容省略]
---
\n🦞 OpenClaw 入门系列：本文为第 5 篇（终篇）。← 上一篇 [[../20260305-走出新手村！10个小白级零门槛养🦞小技巧|10个小技巧]]
🔁 进阶路线：[[../20260306-OpenClaw新手教程：从零搭建AI日报小助手|AI日报小助手]] | [[../20260311-你的龙虾🦞总是失忆？给我三分钟手把手教它记|MemOS记忆]] | [[../260319-OpenClaw-Telegram多Bot接入-引流长文|Telegram多Bot]]
🔁 后继者：[[../20260410Hermes究竟是什么？普通人可以怎么用|Hermes介绍]]
跟风装了全网爆火的OpenClaw龙虾，结果用了半个月，越用越觉得鸡肋？
\n别人的龙虾能24小时自动打工，你的龙虾一问三不知，连你说的话都理解不对；别人一句话就能让龙虾跑完全流程，你的龙虾要么瞎操作，要么疯狂报错？
\n别慌！不是龙虾不好用，是你没摸透它的使用小技巧。
\n踩了快1个月的坑，试遍了社区里的各种玩法，整理出了这10个小白零门槛就能用的养🦞小技巧。
\n不用写一行复杂代码，不用懂底层技术，复制粘贴照着做，你的龙虾也能从「人工智障」秒变「专属助理」，越用越懂你，越用越丝滑！
...
[完整内容省略]
---
\n🦞 OpenClaw 入门系列：本文为第 4 篇。← 上一篇 [[../20260305-装了OpenClaw只会聊天？你离专业养🦞户只差这一步|从聊天到专业]] | 下一篇 → [[../20260305-从🦞新手到玩转OpenClaw只需要避开这十个坑|避坑指南]]
🔁 进阶：[[../20260311-你的龙虾🦞总是失忆？给我三分钟手把手教它记|MemOS记忆系统]]
跟风装了全网爆火的 OpenClaw，结果爽了不到 1 天就直接放着落灰？
\n装完打开一脸懵：别人的龙虾能24 小时帮着打工，你的龙虾一问三不知，连你叫啥都记不住？瞎装了一堆网红技能，要么不会用，要么用不上，好好的开源神器，硬是被你用成了高级聊天框？
\n上一篇爆文下面很多条留言，全是刚装完 OpenClaw 的小白，卡在新手村不知道往哪走。我踩了快 1 个月的坑，从连 skill 是啥都搞不懂的纯小白，到把龙虾玩成随叫随到的专属打工仔，今天把这套从入门到进阶的养🦞全攻略，全部分享给你们。
...
[完整内容省略]
---
\n🦞 OpenClaw 入门系列：本文为第 3 篇。← 上一篇 [[../20260305-超高性价比养🦞攻略！小白必看|超高性价比]] | 下一篇 → [[../20260305-走出新手村！10个小白级零门槛养🦞小技巧|10个小技巧]]
🔁 后继者：[[../20260410Hermes究竟是什么？普通人可以怎么用|Hermes介绍]]
想搞个专属 AI 助手帮自己打工，结果爽了不到 3 天，一看 API 账单直接头皮发麻 —— 一天就烧了 100 多刀，照这么用下去，一个月岂不是要花大几千？！
\n上一篇爆了的帖子下面有不少新手小白都是跟风装了全网爆火的 OpenClaw，但是因为token不敢用，那这篇超高性价比的养🦞攻略你一定要看
\n本来以为开源项目免费就能白嫖，结果才踩坑明白：软件本身一分钱不花，真正的吞金兽是 AI 模型的 API 调用。每说一句话、每跑一个定时任务、每调一次工具，都在烧 Token，而 Token 就是真金白银。
...
[完整内容省略]
---
\n🦞 OpenClaw 入门系列：本文为第 2 篇。← 上一篇 [[../20260305-OpenClaw闲置了？不妨让你的🦞试下这四大场景|四大场景]] | 下一篇 → [[../20260305-装了OpenClaw只会聊天？你离专业养🦞户只差这一步|从聊天到专业]]
🔁 后继者：[[../20260410Hermes究竟是什么？普通人可以怎么用|Hermes介绍]]
有没有过这种感觉？装了一堆AI工具，却不知道怎么让它真正帮自己省时间、干杂活？今天就给大家安利一个宝藏工具——OpenClaw，大家都亲切叫它"大龙虾"，它最牛的地方就是：能24小时自动帮你干活，不用你盯着、不用你教，比请个专属助理还省心。
\n说白了，OpenClaw就是一个开源的AI助手工具，最厉害的地方是：它能像真正的员工一样自己干活，不用你一直盯着，也不用你一步一步教。你邮箱、日历、社交媒体它都能访问，甚至还能写代码、管任务。
...
[完整内容省略]
---
\n🦞 OpenClaw 入门系列：本文为第 1 篇。下一篇 → [[../20260305-超高性价比养🦞攻略！小白必看|超高性价比养🦞攻略]]
🔁 后继者：[[../20260410Hermes究竟是什么？普通人可以怎么用|Hermes介绍]] | [[../20260411弃坑OpenClaw_转投Hermes|弃坑转投Hermes]]