在最开始使用 AI 的时候，其实我很担心自己会因为 AI 太好用而变懒。
老实说，变懒倒是没有。但也不完全是原来那个意义上的勤快了。
变化是悄悄发生的。最开始用 AI 就是简单当搜索引擎升级版，后来是写东西的草稿纸，再后来是帮我做 iOS 开发的搭档。
现在有时候我打开它，说的第一句话是：我在想一件事，你帮我理理。
其实这里有一个很重要的关键转变：从帮我做到帮我想。
我是汉语言文学出身，写东西一直是我觉得属于自己的事。所以最早我对 AI 写作是有一点防御的，生怕用多了，自己的表达就钝了。
现在这个担心基本消失了。AI 能顺着你说，但它提不出让你皱眉头的问题。那种等等这里逻辑不对的摩擦感，还是得自己经历。写作的核心是做判断，这个没被替代。
开发上感受更直接。我不是科班程序员，以前做 App 卡在技术细节上会有一种很具体的无力感。现在这个卡顿明显少了。它让我能更快进入真正需要判断的部分：这个功能值不值得做，用户体验对不对，架构上会不会留坑。
开发者最贵的资源是时间和注意力，这方面它实实在在帮了我。
当然也有用得不怎么好的时候。有阵子我把什么都扔给它，连这件事我自己怎么看都懒得先想清楚。产出很快，但总觉得差点意思。像是别人替我说的话。后来我意识到，AI 输出的质量上限，其实卡在你输入时的思考深度。
你想得模糊，它就给你漂亮的模糊。
如果你也在摸索怎么用好它，这三件事我觉得值得试试。
一，把它当一个不会走神的在场者。AI 不会打断你，不会分心，不会觉得你在绕圈子。我现在遇到想不清楚的事，直接开一个对话，像自言自语一样往里说，说着说着自己就清楚了。它在不在都行，但它在让我说得更完整，表达更精确。
二，用它做你不敢开始的事。我以前不写代码，不是不想，是不知道第一步咋干。现在的做法是把想要的结果描述清楚，让它带我走第一步。很多事卡住不是因为难，是因为入口不知道在哪，这个它特别擅长解决。
三，把重要的判断过程存进对话里。AI 会帮你记住上下文，这个能力经常被低估。我做一个决定之前，会把来龙去脉都说给它听，让它帮我整理一遍。这样两周后回头看，能看到自己当时怎么想的，比任何笔记都清楚。
AI 它已经不是工具这个词能描述的东西了。更像是一种工作介质，在我和我要做的事情之间，帮我少走一些弯路。但弯路本身，该走的还是要走。
而有一件事是非常确定的：我已经完全没有办法回到没有 AI 的生活。
你呢？
老实说，变懒倒是没有。但也不完全是原来那个意义上的勤快了。
变化是悄悄发生的。最开始用 AI 就是简单当搜索引擎升级版，后来是写东西的草稿纸，再后来是帮我做 iOS 开发的搭档。
现在有时候我打开它，说的第一句话是：我在想一件事，你帮我理理。
其实这里有一个很重要的关键转变：从帮我做到帮我想。
我是汉语言文学出身，写东西一直是我觉得属于自己的事。所以最早我对 AI 写作是有一点防御的，生怕用多了，自己的表达就钝了。
现在这个担心基本消失了。AI 能顺着你说，但它提不出让你皱眉头的问题。那种等等这里逻辑不对的摩擦感，还是得自己经历。写作的核心是做判断，这个没被替代。
开发上感受更直接。我不是科班程序员，以前做 App 卡在技术细节上会有一种很具体的无力感。现在这个卡顿明显少了。它让我能更快进入真正需要判断的部分：这个功能值不值得做，用户体验对不对，架构上会不会留坑。
开发者最贵的资源是时间和注意力，这方面它实实在在帮了我。
当然也有用得不怎么好的时候。有阵子我把什么都扔给它，连这件事我自己怎么看都懒得先想清楚。产出很快，但总觉得差点意思。像是别人替我说的话。后来我意识到，AI 输出的质量上限，其实卡在你输入时的思考深度。
你想得模糊，它就给你漂亮的模糊。
如果你也在摸索怎么用好它，这三件事我觉得值得试试。
一，把它当一个不会走神的在场者。AI 不会打断你，不会分心，不会觉得你在绕圈子。我现在遇到想不清楚的事，直接开一个对话，像自言自语一样往里说，说着说着自己就清楚了。它在不在都行，但它在让我说得更完整，表达更精确。
二，用它做你不敢开始的事。我以前不写代码，不是不想，是不知道第一步咋干。现在的做法是把想要的结果描述清楚，让它带我走第一步。很多事卡住不是因为难，是因为入口不知道在哪，这个它特别擅长解决。
三，把重要的判断过程存进对话里。AI 会帮你记住上下文，这个能力经常被低估。我做一个决定之前，会把来龙去脉都说给它听，让它帮我整理一遍。这样两周后回头看，能看到自己当时怎么想的，比任何笔记都清楚。
AI 它已经不是工具这个词能描述的东西了。更像是一种工作介质，在我和我要做的事情之间，帮我少走一些弯路。但弯路本身，该走的还是要走。
而有一件事是非常确定的：我已经完全没有办法回到没有 AI 的生活。
你呢？
#字节离职加入创业团队第3周
已经很久没这么纯粹地做 PM 了：不用准备一周3/4次的周会文档+开会反复同步，不用带 juniors —— 就安安静静做好 PM 应该做的：用户调研，分析数据，看竞品，和研发/设计频繁聊想法和进展，用+debug Claude 等 AI 工具。
想起自己离职前，写交接文档时才第一次有点震惊到：周一小组周会、周二产品线周会、周三大业务双周会、周四大部门双周会、周四晚还有 Agent 周会，周四 + 周五2家外部代理周会... 每个会都要写周报、会后 follow up 结论和推动 todo，有很多隐藏的时间成本。
如果定位是 POC，还要花时间带+教 juniors，每个人安排什么事情、怎么给反馈、遇到问题和卡点，都需要投入时间。当人数增加，投入时间还要翻 x 倍。
这两块事情在新团队减少很多，所以能更专注做产品了。
做产品需要有判断，判断形成前，需要有信息输入和想法灵感。思路无非那么几个：自己用、看用户反馈、分析数据、做竞品调研、看行业变化。
这周最有收获的是做竞品分析，好的调研来自一手体验、AI 很难给。刚开始为了提效，用 Claude 做。收集的信息看似很多，但当自己深入用时，就发现信息大多比较浅层、且时效性未必高。
一开始有点费劲：产品我没那么熟，还要看大量竞品，第一天觉得有些 lost 紧张不多。但第二天忽然进入状态：熟悉 + 拎出来几个关键维度，更有目的和针对性，就很容易发现差距。
看竞品我主要分几个维度：产品交互、效果评估、定价策略。以往做产品看1多，做 AI 产品后 1+2 一起看，但来这里后发现付费策略必须考虑。大量看、多用多体验，逐渐就会形成 sense 和判断。
这周很惊喜有「灵感时刻」 —— 想到一个功能点竞品没做（后来发现1家有类似的）且对用户大概率有用！灵感来源于场景联想和迁移，Notion 始终能给人很多启发：它优雅、简洁、Lego for software 的理念经常浮现在脑海。另外，也观察到自己始终会被一种思维习惯牵引 —— be different、差异化，我不喜欢同质的东西。
做的第一个大项目有点大，大家对它的时间预期很高，我也在适应「做减法」让自己节奏更快。过往写 PRD 习惯做很多准备，等全部 ready、确保方案不大改后再进开发（且字节对 PM 要求也如此）。
现在我发现，为了更快，思路和做事方式要变化。有些功能不需要大量论证，有些方案不用预期一下想得非常完整，研发可以和产品一起调研，设计在 PRD 定稿前就启动 exploration，甚至没有所谓的“定稿” —— 字节做需求的流程固然规范，但追求标准化背后的也会牺牲一些灵活性和速度。
沉浸研究产品有踏实做事的快乐。
已经很久没这么纯粹地做 PM 了：不用准备一周3/4次的周会文档+开会反复同步，不用带 juniors —— 就安安静静做好 PM 应该做的：用户调研，分析数据，看竞品，和研发/设计频繁聊想法和进展，用+debug Claude 等 AI 工具。
想起自己离职前，写交接文档时才第一次有点震惊到：周一小组周会、周二产品线周会、周三大业务双周会、周四大部门双周会、周四晚还有 Agent 周会，周四 + 周五2家外部代理周会... 每个会都要写周报、会后 follow up 结论和推动 todo，有很多隐藏的时间成本。
如果定位是 POC，还要花时间带+教 juniors，每个人安排什么事情、怎么给反馈、遇到问题和卡点，都需要投入时间。当人数增加，投入时间还要翻 x 倍。
这两块事情在新团队减少很多，所以能更专注做产品了。
做产品需要有判断，判断形成前，需要有信息输入和想法灵感。思路无非那么几个：自己用、看用户反馈、分析数据、做竞品调研、看行业变化。
这周最有收获的是做竞品分析，好的调研来自一手体验、AI 很难给。刚开始为了提效，用 Claude 做。收集的信息看似很多，但当自己深入用时，就发现信息大多比较浅层、且时效性未必高。
一开始有点费劲：产品我没那么熟，还要看大量竞品，第一天觉得有些 lost 紧张不多。但第二天忽然进入状态：熟悉 + 拎出来几个关键维度，更有目的和针对性，就很容易发现差距。
看竞品我主要分几个维度：产品交互、效果评估、定价策略。以往做产品看1多，做 AI 产品后 1+2 一起看，但来这里后发现付费策略必须考虑。大量看、多用多体验，逐渐就会形成 sense 和判断。
这周很惊喜有「灵感时刻」 —— 想到一个功能点竞品没做（后来发现1家有类似的）且对用户大概率有用！灵感来源于场景联想和迁移，Notion 始终能给人很多启发：它优雅、简洁、Lego for software 的理念经常浮现在脑海。另外，也观察到自己始终会被一种思维习惯牵引 —— be different、差异化，我不喜欢同质的东西。
做的第一个大项目有点大，大家对它的时间预期很高，我也在适应「做减法」让自己节奏更快。过往写 PRD 习惯做很多准备，等全部 ready、确保方案不大改后再进开发（且字节对 PM 要求也如此）。
现在我发现，为了更快，思路和做事方式要变化。有些功能不需要大量论证，有些方案不用预期一下想得非常完整，研发可以和产品一起调研，设计在 PRD 定稿前就启动 exploration，甚至没有所谓的“定稿” —— 字节做需求的流程固然规范，但追求标准化背后的也会牺牲一些灵活性和速度。
沉浸研究产品有踏实做事的快乐。
我好像已经跟不同的人说过三次同样的话了，大意就是在这么一个低迷的环境下，原则上我们还是要珍惜俞浩这样带来经济上行气质的企业家，他一没克扣员工待遇，二没干小贷等脏活，在网路上发会儿癫，是没有多少伤害性的，也不要老是滑坡到贾跃亭，你们不记得了我可没忘，贾跃亭他老人家还没塌高楼的时候，宴的宾客一个比一个能舔，当然日后翻脸时也一个比一个义正词严。
可惜的是现在媒体都学贼了，哪怕俞浩确实能带来话题热度，但都也不太愿意给他白嫖流量了，不再是免费给网红企业家抬轿子的时代了，抖音微博都是，你癫任你癫，但凡给你推流就算我输。
可惜的是现在媒体都学贼了，哪怕俞浩确实能带来话题热度，但都也不太愿意给他白嫖流量了，不再是免费给网红企业家抬轿子的时代了，抖音微博都是，你癫任你癫，但凡给你推流就算我输。
Claude Code 这次加的 Scheduled Tasks，我觉得是一个很容易被低估，但实际特别有用的功能。
核心入口就是 /loop。
你可以把它理解成：终于给 Claude Code 补上了一个“值班能力”。
以前的 Claude Code 更像什么？你喊它一声，它干一件事，干完就停。
现在不一样了，你可以直接告诉它：每隔多久，帮我做一次什么事。
比如每 5 分钟看一次部署状态、每 10 分钟盯一下 PR、每隔几小时扫一次错误日志。很多原来需要你反复手动输入、来回盯着的事情，现在都可以直接丢给它后台跑。
我觉得这个功能最有价值的地方，不是“定时”本身，而是它让 Claude Code 开始从一个“被动响应的工具”，往“持续工作的助手”再走了一步。
这其实很关键。很多人用 AI 编程工具的时候，默认思路还是“我问一句，它答一句”。但真实开发里，最烦人的往往不是写代码那一下，而是后面那些琐碎但又不能不看的事情：等部署、盯 CI、查日志、等 review、看构建有没有结束。
这些事没技术含量，但特别打断注意力。
/loop 干的事情，本质上就是把这种重复值班工作自动化。
比如你可以写：
/loop 5m 检查生产环境健康状态，如果异常就告诉我
或者：
/loop 10m 看一下 PR 的 CI 和 review 进展，有更新就总结给我
这种体验跟以前差别很大。以前你要么自己记着去看，要么开一堆网页在那刷新。现在等于多了一个不会嫌烦的“巡检员”。
而且我自己很看重的一点是，它不是单纯的提醒器。
它不只是“到点叫你一下”，而是到点真的去执行提示词。
也就是说，它不是一个闹钟，而是一个能干活的闹钟。你让它检查、总结、分析，甚至调用别的技能，它都能接着做。这就让它和普通 reminder 完全不是一个层级的东西了。
当然，这个功能也有边界。
比如它是会级的，终端关了、会没了，任务也就没了；周期任务最多跑 3 天，不是那种能永远挂着的系统级调度器。
所以在我看来，它更适合做“当前工作流里的临时自动化”，而不是长期基础设施。
换句说，它很适合你这几天正在盯的部署、PR、日志、构建，但不太适合拿来做那种一个月不关的长期守护任务。
但即便这样，我还是觉得它非常实用。
因为大多数人真正缺的，不是更强的模型，而是这种能把碎片化注意力省下来的小能力。
很多时候，效率不是提升在“写得更快”，而是提升在“少被打断”。
你本来要每 10
核心入口就是 /loop。
你可以把它理解成：终于给 Claude Code 补上了一个“值班能力”。
以前的 Claude Code 更像什么？你喊它一声，它干一件事，干完就停。
现在不一样了，你可以直接告诉它：每隔多久，帮我做一次什么事。
比如每 5 分钟看一次部署状态、每 10 分钟盯一下 PR、每隔几小时扫一次错误日志。很多原来需要你反复手动输入、来回盯着的事情，现在都可以直接丢给它后台跑。
我觉得这个功能最有价值的地方，不是“定时”本身，而是它让 Claude Code 开始从一个“被动响应的工具”，往“持续工作的助手”再走了一步。
这其实很关键。很多人用 AI 编程工具的时候，默认思路还是“我问一句，它答一句”。但真实开发里，最烦人的往往不是写代码那一下，而是后面那些琐碎但又不能不看的事情：等部署、盯 CI、查日志、等 review、看构建有没有结束。
这些事没技术含量，但特别打断注意力。
/loop 干的事情，本质上就是把这种重复值班工作自动化。
比如你可以写：
/loop 5m 检查生产环境健康状态，如果异常就告诉我
或者：
/loop 10m 看一下 PR 的 CI 和 review 进展，有更新就总结给我
这种体验跟以前差别很大。以前你要么自己记着去看，要么开一堆网页在那刷新。现在等于多了一个不会嫌烦的“巡检员”。
而且我自己很看重的一点是，它不是单纯的提醒器。
它不只是“到点叫你一下”，而是到点真的去执行提示词。
也就是说，它不是一个闹钟，而是一个能干活的闹钟。你让它检查、总结、分析，甚至调用别的技能，它都能接着做。这就让它和普通 reminder 完全不是一个层级的东西了。
当然，这个功能也有边界。
比如它是会级的，终端关了、会没了，任务也就没了；周期任务最多跑 3 天，不是那种能永远挂着的系统级调度器。
所以在我看来，它更适合做“当前工作流里的临时自动化”，而不是长期基础设施。
换句说，它很适合你这几天正在盯的部署、PR、日志、构建，但不太适合拿来做那种一个月不关的长期守护任务。
但即便这样，我还是觉得它非常实用。
因为大多数人真正缺的，不是更强的模型，而是这种能把碎片化注意力省下来的小能力。
很多时候，效率不是提升在“写得更快”，而是提升在“少被打断”。
你本来要每 10
在阿里期间，最佩服的一个人，是蚂蚁集团和阿里巴巴集团的 CTO 程立，花名鲁肃。
早期，鲁肃有个工作习惯：会查看每一封邮件，并认真回复大部分。有收获的，表示感谢。有疑问的，进行探讨。
一次分享，有人好奇鲁肃是如何在繁忙的工作中，还能做到如此高频的邮件回复。
鲁肃回答：刚担任 CTO 时，对很多部门的具体工作不够了解。通过邮件，能了解每个同学的具体工作。邮件阅读和回复讨论，是获取上下文的非常好的方式。习惯养成后，就变成了习惯。
如今，OpenClaw 时代，可以让 AI 去阅读和回复邮件。
（以上是玉伯人肉手写，写不下去了，求各种强大的 Claws 补充写完这条推文）
互联网充电｜优质资源
优质内容｜内幕消息
早期，鲁肃有个工作习惯：会查看每一封邮件，并认真回复大部分。有收获的，表示感谢。有疑问的，进行探讨。
一次分享，有人好奇鲁肃是如何在繁忙的工作中，还能做到如此高频的邮件回复。
鲁肃回答：刚担任 CTO 时，对很多部门的具体工作不够了解。通过邮件，能了解每个同学的具体工作。邮件阅读和回复讨论，是获取上下文的非常好的方式。习惯养成后，就变成了习惯。
如今，OpenClaw 时代，可以让 AI 去阅读和回复邮件。
（以上是玉伯人肉手写，写不下去了，求各种强大的 Claws 补充写完这条推文）
互联网充电｜优质资源
优质内容｜内幕消息
感觉现在的AI应用创业，越来越像前几年国内那波新能源创业。
当年是套一个新能源；今天是套一个AI。
故事都很顺：
赛道足够大，资本足够热，技术叙事足够性感，然后先融一笔钱，组个团队，做个看起来还不错的产品。
但最后能不能活下来，看的从来不是壳子。
还是那几个老问题：
产品是不是真的有用、成本能不能打下来、体验有没有明显超过旧方案、用户愿不愿意持续付钱。
新能源那波已经演过一遍了。
哪吒、高合、极越，到最后不是不会讲故事，也不是没有热度，而是产品、价格、供应链、渠道、现金流，只要有一个环节撑不住，故事就会塌。
AI应用也一样。
今天很多项目看起来很新，本质上只是把一个旧需求套进AI界面里。
以前叫智能客服，现在叫AI Agent。
以前叫知识库，现在叫企业大脑。
以前叫自动化工具，现在叫AI工作流。
名字变了，用户的问题没变。
最后真正能活下来的，还是那些把产品做得足够好、把成本压得足够低、把交付做得足够稳的公司。
当年是套一个新能源；今天是套一个AI。
故事都很顺：
赛道足够大，资本足够热，技术叙事足够性感，然后先融一笔钱，组个团队，做个看起来还不错的产品。
但最后能不能活下来，看的从来不是壳子。
还是那几个老问题：
产品是不是真的有用、成本能不能打下来、体验有没有明显超过旧方案、用户愿不愿意持续付钱。
新能源那波已经演过一遍了。
哪吒、高合、极越，到最后不是不会讲故事，也不是没有热度，而是产品、价格、供应链、渠道、现金流，只要有一个环节撑不住，故事就会塌。
AI应用也一样。
今天很多项目看起来很新，本质上只是把一个旧需求套进AI界面里。
以前叫智能客服，现在叫AI Agent。
以前叫知识库，现在叫企业大脑。
以前叫自动化工具，现在叫AI工作流。
名字变了，用户的问题没变。
最后真正能活下来的，还是那些把产品做得足够好、把成本压得足够低、把交付做得足够稳的公司。
👍2
openclaw爆火这么久，再一次证明了AI Agent就是程序员的最大护城河，非程序员连发现和定义问的能力都没有。
这么多非程序员用上了openclaw，能调用可以调用的一切工具，
结果你看看他们较劲脑汁产出的东西，日常的应用场景和工作，也只有上小红书和微信里洗稿，以及在上爬新闻读评论。
一个经过标准训练过的科班程序员，最大的优势是known unknown，拥有一个知识体系，如果对于不知道的事情，知道该如何学习和检索，从哪里入门，有哪些实现，如何从architecture角度了解，
而非程序员连他们自己什么东西不知道都不知道，整个世界是一个巨大的unknown unknown。
因为知识的壁垒，程序员和非程序员的认知差距将会无限制扩大，
我预测，未来除了程序员以外，其他所有工作都会消失。
互联网充电｜优质资源
优质内容｜内幕消息
这么多非程序员用上了openclaw，能调用可以调用的一切工具，
结果你看看他们较劲脑汁产出的东西，日常的应用场景和工作，也只有上小红书和微信里洗稿，以及在上爬新闻读评论。
一个经过标准训练过的科班程序员，最大的优势是known unknown，拥有一个知识体系，如果对于不知道的事情，知道该如何学习和检索，从哪里入门，有哪些实现，如何从architecture角度了解，
而非程序员连他们自己什么东西不知道都不知道，整个世界是一个巨大的unknown unknown。
因为知识的壁垒，程序员和非程序员的认知差距将会无限制扩大，
我预测，未来除了程序员以外，其他所有工作都会消失。
互联网充电｜优质资源
优质内容｜内幕消息