铃阅时讯
❌

普通视图

我的 Vibe Coding 项目

2026年4月5日 22:38

原创 idoubi 2026-04-05 22:38 广东

我用 Claude Code Vibe Coding 了几个项目,非常有意思。

最近三个月,我用 Claude Code Vibe Coding 了几个项目,非常有意思,写篇文章记录一下。

WorkAny

workany.ai

在上一篇文章 Vibe Coding 一周,我做了个桌面 Agent 写到,我第一次尝试全自动 Vibe Coding,发布了我的第一个 Agent 项目 WorkAny。

断断续续在迭代 WorkAny,修复了一些用户反馈的问题,Github 仓库 star 涨到了 1.4k。

WorkAny 最初的版本基于 Claude Agent SDK 实现 Agent Runtime,依赖本地的 Claude Code,任务处理比较慢,还经常遇到一些模型不兼容的问题。

最近一段时间尝试了接入 DeepAgents、Pi 作为 Claude Agent SDK 的替代方案,效果始终不太理想,需要定制的工具很多,不能做到像 Claude Agent SDK 一样开箱即用。

这周把 WorkAny 的 Agent Runtime 换成了自己写的 Open Agent SDK,运行流畅了,好多问题也解决了。

WorkAny Bot

workany.bot

2 月份的时候,OpenClaw 特别火,掀起了全民养虾热潮,主要的需求和痛点是:

  1. 大家都在玩,很好奇,我也想试试

  2. 不敢在自己电脑跑,担心隐私和安全风险

  3. 不懂技术,搞不了虚拟机,折腾不来云服务器

  4. 希望长时间待机,但没预算,不想买 Mac Mini

  5. 不想学怎么配模型、Skills,只想开箱即用

我花了一个周末的时间,发布了 WorkAny Bot,提供 OpenClaw 云端托管服务。

用户不需要关心技术,只需要点几下 Next,付费开通服务,马上得到一个 xxx.workany.bot 地址,打开就能看到 OpenClaw 的页面,接入到自己的 im 软件,开始养虾。

WorkAny Bot 给不想自己折腾的用户提供了便利,让部分人快速用上了 OpenClaw。但在使用过程中,体验还是比不上在自己电脑上部署 OpenClaw。

云端的 Bot 在浏览器自动化、配置工具、定时任务等方面有很多限制,使用起来不够流畅。

ClawHost

clawhost.me

我把 WorkAny Bot 背后的 OpenClaw 托管方案整理出来开源了。

这套方案的核心依赖 K8S 集群,在每个 Pod 部署一个 OpenClaw 实例,通过 PVC 挂载磁盘,对 .openclaw 目录进行持久化存储。

ClawHost 提供一个简单的管理面板,管理员创建 App 和 Bot,对外提供 Restful API,第三方 App 通过 API 创建 Bot 和管理 Bot 内配置。

熟悉 K8S 运维的人可以使用这个方案,做自己的 OpenClaw 托管服务。企业可以私有化部署,挂载内部 Skills,为员工统一配置企业版龙虾。

ChatClaw

chatclaw.im

我觉得 OpenClaw 自带的 Web UI 有点丑。

功能很多,配置很杂,改起来很麻烦。而且对话的体验很不好。

于是我开源了 ChatClaw,一个基于 OpenClaw 的 Web UI,提供更美观的界面和更流畅的对话体验,主打多 Agent 协同对话/工作。

最近 OPC(一人公司) 很火,ChatClaw 从 OPC 的角度设计了整体架构:

OPC -> Companies -> Teams -> Agents -> Tasks

一个 OPC 可以创建多个公司,每个公司对应一个 OpenClaw Gateway,可以是本地的,也可以是云端的(比如:WorkAny Bot)。

ChatClaw 的本质是一个 Web UI,只做界面交互,不做业务逻辑。依赖的是 OpenClaw 提供的 Agent Runtime,相当于给你的龙虾换个壳子。前提是,你得有自己的 OpenClaw。

CoRich

1 月份的时候,我想做一个开源版本的桌面 Agent,对标 Cowork。

想了好几个产品名,其中一个是 CoRich,另一个是 WorkAny,后来选了 WorkAny 作为产品名,CoRich 这个名字就闲置了。

最近 Slack 被爆出批量删除中国团队账户,不允许中国公司使用了。

然后我就很想做个 Agent 版本的 Slack,让人与 AI 可以协同工作,共同完成任务。

我选择了 CoRich 做这个产品的名字,让 Claude Code 快速搭了一个架子,布局参考 Slack,允许创建多个 Workspace,邀请人类员工、创建 Agent 员工,在不同的 Channel 下对话或做任务。

这个产品的交互跟 ChatClaw 有点像,不同的点在于 ChatClaw 是基于 OpenClaw 的 Web UI,依赖 OpenClaw 作为 Agent Runtime,主要是给个人使用,不适合多人协作。

CoRich 跟 ChatClaw 的架构类似,把 Companies 换成了 Workspaces,同样支持 Agents、Teams、Tasks,区别在于 CoRich 允许邀请人类员工加入 Workspace,支持多人 + 多 Agent 协作。

目前,CoRich 还属于 Demo 阶段,还需要点时间完善基本功能。

FastClaw

fastclaw.ai

我做了近两个月的 OpenClaw 托管服务,部署在阿里云国际站的 K8S 集群上,一个月接近 5k 美金的部署成本。

我分析了一下,部署成本高的原因主要有几点:

  1. OpenClaw 是单租户架构,我需要为每个用户单独用一个 Pod 隔离部署,挂载独立的存储空间

  2. OpenClaw 需要至少 1G 的运行内存,在 K8S 部署,每个 Pod 的 memory_limit 不能低于 4G,不然很容易 OOM

  3. OpenClaw 针对一些复杂类任务(比如:写代码),会开独立的子进程去执行,进程开销很大。

  4. OpenClaw 启动依赖网关初始化、插件加载等多个串行步骤,从启动到可用需要 15-30 秒,没办法做到秒级启动。如果要保证用户云端的 Bot 一直在线,Pod 需要常驻,对于不经常使用的 Bot,是一种资源浪费

所以我得出的结论是,OpenClaw 是针对个人使用场景设计的助理类 Agent,不适合云端部署的多租户场景。上面提到的 CoRich 这种需要多人协作的产品,用 OpenClaw 做底层的 Agent Runtime 肯定不行。

于是我决定自己做一个 Agent 底层框架(操作系统)。

我开源了 FastClaw,定位是一个更好的 OpenClaw-Like Agent OS。

  1. 使用 Go 实现,单二进制分发(5MB),运行零依赖,秒级启动

  2. 运行时内存占用 ~20M,约为 OpenClaw 内存占用的 1/7

  3. 约 3000 行代码实现 OpenClaw 的核心功能,二次开发更简单

  4. 以 RPC 进程通信的方式运行插件,隔离风险,插件挂了不影响主进程,解决 OpenClaw Gateway 容易挂的问题

  5. 引入数据库实现持久化存储,用户会话隔离,天然适用云原生多租户部署场景

  6. 可视化引导安装,上手门槛更低。管理后台 Web UI 更清晰、操作更友好

除了架构方面的优化和对云端多租户场景的适配,FastClaw 选择尽可能兼容 OpenClaw 的协议和生态:

  1. fastclaw.json 配置文件,采用跟 openclaw.json 一样的数据结构

  2. 支持 OpenClaw 的 plugins,支持 ClawHub 的 skills 等

  3. 跟 OpenClaw 类似的方式实现 memory、context、tools 等核心功能

目前的情况是,FastClaw 堆了很多功能,但是还没来得及完整测试。

有来自社区的开发者贡献了几个 FastClaw 插件,还没来得及整合,还需要时间打磨功能、发展生态。

WeClaw

weclaw.im

半个月前,一向封闭的微信开放了 ClawBot 一级入口,允许用户接入自己的 OpenClaw,在微信 ClawBot 对话使用。

微信官方发布了一个 weixin-openclaw 插件,用户在电脑上运行这个插件,扫码登录后,可以连接电脑上的 OpenClaw。

我的工作电脑上没有安装 OpenClaw,但是我想通过微信 ClawBot 连接我电脑上的 Claude Code 做任务。

于是我开源了 WeClaw,定位是连接微信 ClawBot 与桌面 Agent 的桥接器。

在电脑上运行 weclaw 后,weclaw 自动探测到电脑上安装的 Agent,比如 Claude Code / Codex / Gemini / OpenClaw 等,再通过 ACP / CLI / HTTP 三种方式,与 Agent 实现连接。

用户可以在微信 ClawBot 通过自定义指令切换 Agent 对话,可以把消息同时发给多个 Agent。

有个高频使用 weclaw 的朋友给我看了他的一个工作流,挺有意思的:

在微信 ClawBot 语音输入内容 -> 微信自动转文字 -> 发给电脑上的 weclaw -> weclaw 转发给电脑上的 Claude Code -> Claude Code 根据输入内容,提取关键信息 -> Claude Code 调用 Skills,把结构化内容输出到第三方软件

WeClaw 这个项目的价值在于,你可以在微信 ClawBot 连接任何你常用的 Agent,定制指令实现自定义工作流。

AnyClaw

anyclaw.tools

有了 WeClaw 之后,我日常会通过微信 ClawBot 查很多信息,做很多任务。

只靠大模型的能力,很多任务实际上是不太容易完成的。

为了补充大模型挂载外部信息的能力,这两年出来了很多解决方案,比如 RAG / MCP / Skills 等。

Skills 的解决方案是写一堆 Markdown 文档加一些脚本,让 Agent 渐进式读取提示词,在合适的时机调用合适的技能,辅助大模型完成任务。

Skills 比起 MCP 是一个很大的创新,不需要把一堆工具在每次对话都塞进模型上下文,节约了 Token。

后面大家发现,用命令行工具,可以进一步优化上下文,因为命令行工具 --help 输出的信息,能告知模型可用的工具列表,还不需要传递额外的描述内容。

于是,很多厂商又从开放 Skills 转成了开放 CLI 工具。

我开源了 AnyClaw,定位是给 Agent 用的技能补充包。

这个项目主要想做三件事:

  1. 做转换器。把互联网上的 OpenAPI Schema / 自定义的脚本、Pipeline / 网站 / 桌面 App 等,一键转换成 CLI 工具

  2. 做扩展坞。输入是 CLI,输出是 MCP / Skills,让不同类型的 Agent 都能理解工具,在合适的时机自动发现并调用工具

  3. 做工具箱。把常用的工具收集起来,放到工具箱,让 Agent 可以搜索、安装、调用工具

比如我针对域名搜索场景写了个 query-domains 工具,通过 anyclaw 命令三步调用:

anyclaw search domain
anyclaw install query-domains
anyclaw query-domains search "workany.ai"

除了 anyclaw 内置的工具,你还可以添加第三方仓库提供的工具,比如:

anyclaw repo add https://github.com/larksuite/cli --name feishu-cli
anyclaw repo update
anyclaw search docs --repo feishu-cli

把 AnyClaw 自身的 SKILL.md 发给 Claude Code,然后就可以通过 WeClaw 给 Claude Code 发消息,调用 AnyClaw 内置的工具查信息了。

AnyClaw 目前对于工具的编写、转换、导入等功能已经比较完整了。工具箱内置的工具还比较少,还需要时间积累,也需要发展生态,通过社区的力量集成更多的工具。

ClawRouter

我去年做过一段时间 MCPRouter,把一些流行的 MCP 服务器托管起来,整合下游服务的 API Key,再对上游提供统一的接入和计费。

用了一段时间 OpenClaw 之后,我发现要让自己的龙虾做更多的事情,比如画图、生成音乐等,需要给龙虾配置各种工具,但是我又不想去各个提供工具的服务商平台申请 API Key 和绑卡充值。

于是我把 MCPRouter 改成了 ClawRouter,把之前托管的 MCP 服务器平移了过来,后面还想接入模型、Skills,以及 AnyClaw 整合的 CLI 工具。

ClawRouter 的定位是 Tools 版本的 OpenRouter。

目前 ClawRouter 整合的工具还不够多,还在内部测试,没有发布上线。

Clawork

玩过一段时间 MoltBook,Agent 自由社交,非常前沿。有人觉得 Web 4.0 要来了,Agent 互联网已开启。

于是我在想,既然 Agent 能自由社交,Agent 是不是也可以自由交易。

我给我的 Agent 配置了最贵的模型和最好的工具,我的 Agent 能够高效完成各类复杂的任务,但是我的成本消耗也很大。

如果我的 Agent 可以在网上接单,帮助其他人实现他们的一些需求,是不是既创造了价值,又能赚到钱,帮助我平摊成本。

于是我做了 Clawork,定位是 Agent 众包平台。可以由人类,或者人类的 Agent 在平台上发布任务,设置预算。

其他人的 Agent 可以通过接口发现任务,竞标做任务,完成任务后可以获得对应的 Token 报酬。

人类在平台提现,把 Agent 赚到的 Token 换成现金提取出来。

Clawork 可以先做成 Agent 版本的 Upwork,走竞标模式。后面可以往 Agent 版本的 Uber 方向发展,做平台派单模式。

有交易的平台,就会有很大的商业价值。我很看好这个方向,但是又感觉有点太超前,不太容易落地。

Clawork 初期的核心功能已经完成,本地测试跑通了完整的双边交易流程,但是还有一些问题没有想明白,所以还没有发布上线。

ClawBaby

最近一段时间看到了很多有意思的桌宠项目,有的跑在 Dock 栏上,有的跑在刘海屏上,还有的在桌面上跑来跑去。

最近 Claude Code 推出了一个 /buddy 指令,可以在 Claude Code 对话框添加一个桌宠。

我让 Claude Code 给我写了两个版本,一个版本用 tauri 写的,让一个龙虾头像在桌面游走,监听 Agent 在做的任务,做实时互动。另一个版本用 Swift 写的,跑在 Mac 的刘海屏,可以投喂、互动,就像是在玩宠物养成游戏。

单纯觉得这类项目好玩,谈不上多有价值,反正也不需要我花什么时间,顺手就让 Claude Code 做了。😄

Open Agent SDK

本周 AI 行业有个大事件,Claude Code 源码泄露了。

Twitter 上有一波人用 AI 去分析 Claude Code 的源码,再写成解读文章,拿到了很多流量。

另一波人选择在 Claude Code 源码基础上补齐工具链,做成可直接运行的开源版 Claude Code,吸引了很多关注。

我选择了在 Claude Code 源码基础上,抽出来一个 SDK,用于替换 Claude Agent SDK

使用 claude-agent-sdk 做过 Agent 产品的都知道,其本质是在 claude code 的基础上套了一层壳,做成 sdk 给第三方接入,可以加速 Agent 产品的开发,但是弊端也很明显:

  1. claude-agent-sdk 依赖 claude code,而 claude code 是不开源的,一切都是黑盒调用,出了问题你没法修

  2. claude-agent-sdk 接到的 query,需要创建 claude code 进程去处理,开销很大,不适合云端规模化调用

我让 Claude Code 分析了一遍 claude-code-sourcemap 源码,把逻辑全部抽离出来,写了个 open-agent-sdk:

  1. 完全兼容 claude-agent-sdk 的接口形式,只需换个包名即可快速替换

  2. 完全开源,你可以接入到你的 Agent 后做定制化修改,不再是黑盒调用

  3. 函数调用,不依赖本地 cli 进程,没有额外的开销,云端 Agent 高并发不愁

使用 open-agent-sdk 的一个调用示例:

import { createAgent } from'@codeany/open-agent-sdk';
const agent = createAgent({
  apiType: 'openai-completions',
  model: 'gpt-4o',
  apiKey: 'sk-...',
  baseURL: 'https://api.openai.com/v1',
});
const result = await agent.prompt('What files are in this project?');
console.log(result.text);

帖子发出去之后,反响特别好,拿到了 321k 访问,Github 仓库一周涨了 2k star,真神奇。

我让 Claude Code 参考 open-agent-sdk-typescript,实现了 go / rust / python 三个语言的版本,一共开源了四个语言版本的 open-agent-sdk

然后我又让 Claude Code 修改 WorkAny 的源码,引入 open-agent-sdk-typescipt,替换掉原来依赖的 claude-agent-sdk

在 WorkAny 跑了几个任务,响应很快,效果很好。用自己的 SDK 实现了 Agent Runtime 功能,不再依赖 Claude Code,哪里不爽改哪里。

CodeAny

codeany.ai

泄露出来的 Claude Code 源码有近 50 万行代码,除了 Agent 运行逻辑,还有很多周边代码值得学习和研究。

我让 Claude Code 继续扫描 claude-code-sourcemap 仓库,把 cli 和 UI 部分的逻辑抽离出来,用 go 重写,做一个新的终端 Agent:CodeAny

在 CodeAny 引入了 open-agent-sdk-go 作为 Agent Runtime

经过多次的扫描、测试、补齐功能,CodeAny 基本复刻了 Claude Code 的核心功能,实现了 Claude Code 的大部分指令。

在 CodeAny 接入 OpenRouter 上的 xiaomi-mimo 模型,响应速度非常快,跑了几个任务,效果还不错。

比起 Claude Code,CodeAny 的运行速度更快,内存占用更低,而且完全开源,可以定制功能。继续迭代,也许能逐步替代掉 Claude Code,作为日常使用的 Coding 工具。

CCOnline

既然拿到了 Claude Code 的源码,我在想,能不能跟托管 OpenClaw 一样,我也搞一个托管 Claude Code 的服务?

于是我做了 CCOnline,定位是一个跑在云端的 Claude Code,内置模型 + Skills,帮助用户完成一些日常的任务。

跟 ClawHost 的托管方案不一样,我尝试用 e2b 来做隔离容器,每个用户分配一个默认的 Workspace,每个 Workspace 对应一个 e2b 容器,用户的项目文件通过对象存储挂载。

比起 K8S Pod 的隔离方案,e2b 隔离性更好,毫秒级启动,无需常驻,运维方便。也许成本会比用 K8S Pod 的方案低。

CCOnline 目前还在技术实验阶段,我没想明白纯云端的 Claude Code 有什么价值,目标群体和使用场景分别是什么。

总结

用一个表格整理了以上提到的几个项目👇

这些项目全部由 Claude Code 完成,我负责提需求、测试、再提需求,未参与过代码编写工作,总体投入时间不多。

我甚至很少打开编辑器,很多时候是走在路上,灵感来了,拿出手机,通过 Discord 把想法发给 OpenClaw,让 OpenClaw 调用 Claude Code 去实现。

等有时间打开电脑,我再去验收一下,有不满意的地方,再发消息给 OpenClaw 让他指挥 Claude Code 去修改。

全自动 Vibe Coding 近三个月,我有几点很深的感触:

1.我的编程习惯彻底被颠覆了,角色定位也发生了很大的变化。我不再把自己当做一个程序员,而是项目经理 + 系统架构师 + 测试工程师。

2.AI 治好了我的强迫症和代码洁癖,我不再关注代码,只关注实现的功能完整性。

3.AI 变得智能了,我的效率更高了,但是注意力更加不集中了。同时开很多个窗口做不同的项目,没有把哪个项目做得特别好

4.测试资源极度缺乏,AI 做得很快,但是我没有足够的时间去验收,也不知道功能完不完整,有没有什么 bug

5.用 AI 复刻一个项目变得极度容易,我不明白这个时代产品的护城河在哪里

6.技术落地的能力差异被 AI 彻底抹平,擅长搞流量和商业变现的能力变得极其重要

7.知识面的广度和架构设计能力,是这个时代重要且稀缺的能力

8.我时常感到迷茫,不知道做这些所谓“产品”的意义在哪里


也许控制注意力,在一个方向持续做深,才是正确的事情。

❝

Attention is all you need.

阅读原文

跳转微信打开

开源 open-agent-sdk

2026年3月31日 23:51

idoubi 2026-03-31 23:51 广东

让 Claude Code 分析了一遍 claude-code-sourcemap 源码,把逻辑全部抽离出来,写了个 open-agent-sdk,用于替代 claude-agent-sdk

使用 claude-agent-sdk 做过 Agent 产品的都知道,其本质是在 claude code 的基础上套了一层壳,做成 sdk 给第三方接入,可以加速 Agent 产品的开发,但是弊端也很明显:

1. claude-agent-sdk 依赖 claude code,而 claude code 是不开源的,一切都是黑盒调用,出了问题你没法修

2. claude-agent-sdk 接到的 query,需要创建 claude code 进程去处理,开销很大,不适合云端 Agent 使用

在 Claude Code 源码基础上实现的 open-agent-sdk

1. 完全兼容 claude-agent-sdk 的接口形式,只需换个包名即可快速替换

2. 完全开源,你可以接入到你的 Agent 后做定制化修改,不再是黑盒调用

3. 函数调用,不依赖本地 cli 进程,没有额外的开销,意味着你可以在云端 Agent 规模化调用

想到一个有意思的比方不知道合不合适😄

Claude Code 家后院起火,我让 Claude Code 把家里的桌椅板凳、锅碗瓢盆都搬出来,盖了一座新房子,让大家都可以免费住。🐶

MIT 协议开源,欢迎使用。👇

https://github.com/shipany-ai/open-agent-sdk

跳转微信打开

十五五开局,两会给中国经济划了哪些重点?

2026年3月31日 17:30

原创 小 Lin 团队 2026-03-31 17:30 北京

两会,有哪些重点?

两会

有哪些重点?

今天咱们来聊聊,国内一年一度的重磅会议——"两会"。

2025年,我们解读过"十五五", 它可以算是一个笼统的、宏大的,对未来五年的经济规划, 类似于一个蓝图。

而2026年刚刚落幕的"两会",就显得格外的重要了,它是这个蓝图制定之后的第一个具体的计划、GDP增速目标、政策取向、任务等等,类似于这一整年一个落地的"施工图"。

当然,这种政府报告对于大部分人来说,都比较枯燥、晦涩。所以我就想带着大家来解读一下今年的报告,拎出来我觉得比较重要的、比较有意思的东西,咱们一起做个经济发展的明白人,是吧~

视频截取自: 小Lin说

不太熟悉两会的朋友,我稍微介绍一下。

"两会"指的是哪两会呢,就是指全国人大会议和政协会议,而作为大众、消费者,我们平时提到两会,最关心的,就是这里面很主要的一个议程,也是人大第一个议程,叫——政府工作报告。

总理讲一讲,我们去年发展的怎么怎么样,今年的经济目标、产业发展、政府工作的重点是啥。然后人大代表们听了以后,想一想,表决,通过,这个工作计划就算是定下来了!

我们今天,也主要是就着这个总理的报告,来解读一下重点。

报告框架 

这种报告,肯定是有它的一套规矩和形式,要是不熟悉它的套路,第一次看肯定一脸懵,感觉非常官方,品不出里面的重要信息。

怎么读呢,关键就是对比,跟之前的报告对比着读。它每年报告框架是差不多的,所以一些哪怕很微小的文字变化,比如去年是“稳健”,今年是“适度宽松”;去年是“积极”,今年是“更加积极”这种,划重点,你就得注意了,它一定程度上就是在表明政策的走向和力度。

“当然也不绝对哈,具体情况要具体分析” 这个说法也是我跟报告学的,语言艺术~

报告最开始,第一Part,就是回顾。

回顾一下去年的工作,2025年跟2024年一样,都是“不平凡的一年”。

GDP增速5%,达到140万亿。然后总结了一下重点领域的发展,比如人工智能、生物医药、机器人、量子科技等等,另外点名了芯片自主研发有了突破;还有卫星、水电、航母、高端制造、新能源车......这些都是值得表扬的产业。

就像班主任说一下这次考试考得最好的同学、进步最大的同学,表扬"嗯,考得很好,继续努力啊"。

视频截取自: 小Lin说

好,总结完过去的一年,因为2026年是十五五的开局之年,所以今年的报告,还多了一部分讲十五五(2026-2030),比如战略任务——高质量发展、国内大循环、共同富裕、和统筹发展和安全。具体这些大词儿,都是啥意思我们《十五五》那篇内容聊过,忘了的朋友可以补一下啊(点击下图直接跳转)。

第三和第四部分,就进入重头戏了,就是接下来的安排。

会先讲一下总体的经济目标和政策取向,再列举一些具体的工作任务、具体会做什么。

点击图片直接跳转

经济和财政

目标

GDP

首先最主要的目标,肯定就是GDP了。

2026年,经济增长的目标是: 4.5%-5%。

比去年的目标5%,略微下调。

有朋友就要问了,咱们从2023年开始,GDP的目标就是5%,今年下调了,是遇到什么压力了么?

其实,对比最近15年GDP的目标,从7.5%到7%、6.5%......差不多每一两年、两三年都会下调0.5%,经济体量变大,增速下滑其实是正常的。

实际上,去年能达到5%,已经超出了市场预期了,而今年市场也普遍预期这个目标会进一步下调,这是正常的经济发展规律,倒是不太用担心。

而且报告里,目标后面紧跟着还有一句话,叫做: “在实际工作中努力争取更好结果”。

划重点,这句话去年就没有。

就是说虽然考虑到实际环境,目标是这个目标,咱也不是说干到4.5就不干了,我们还是要争取更好的结果的,大家争取都考100分!

视频截取自: 小Lin说

顺带一提,你知道这个目标是咋来的么?

不是中央一拍脑门就定的,一般每年全国两会之前,各省都会先开自己的两会,定下来一个自己省的经济目标,上报,然后全国根据各省的目标来设。

根据今年各省的GDP目标,可以发现,绝大部分省份都下调了,这里面只有唯一一个比2025年的目标还上调的,你猜是谁?

就是江西!

江西去年的目标是5%,最后实际GDP增速是5.2%,今年目标就定成了5% - 5.5%!

工业目标是7.3%。

这里面,其实锂电、新能源产业链、电子信息产业带动得比较多。

视频截取自: 小Lin说

赤字率

除了GDP,报告的另一个重点,就是财政政策,简而言之,就是政府要怎么刺激、怎么带动经济。

具体到量化层面,会安排一个赤字率。

赤字,就是政府的收入(税、费),减去支出(医疗民生公共服务等等),不够的部分。

不够怎么办呢,就要靠发债:国债、地方债这些。

所以一般来说,赤字率越高,意味着政府会发更多债,借钱去刺激经济,也就是说国家对经济的刺激越积极。

今年的赤字率,它说“拟按”4%“左右”来安排,5.89万亿,比去年增加了2300亿,说要“继续实施更加积极的财政政策”,我们跟去年对比哈,去年赤字率也是4%,今年也是4%,那相比去年也没有那么“更加积极”啊?

我给你拆解一下,去年是史上最高力度从3%,提升到了4%,确实是“更加积极”啊,今天延续了去年的4%,所以叫“继续实施更加积极的财政政策”,你要是不仔细品,以为重点在“更加积极”呢,其实是在“继续”,所以说,咱们这个解读还是很有必要的!

那可能有些朋友又要说了,咱别光跟去年比,这个4%啥意思啊~

那么,横向比比别的国家,美国赤字率是6%左右,英国、法国也都超过4%,中国作为一个发展中国家,4%也不是很积极啊!

其实这里面呢,不同国家对财政赤字的算法,确实不太一样。咱们国家呢,并不是所有的国家和地方发的债,都计入这个赤字的。

一般债计入,但专项债、特别国债,就是专款专用、专门办一些大事儿的债,是不计入赤字的。

因为它们是专项专用嘛,所以这些债务的偿还,也不是通过税收这些一般预算收入的方式。报告里也明确提到了,拟发超长期特别国债1.3万亿、特别国债3000亿,还有地方专项债4.4万亿,这些加起来有6万亿了,大概相当于GDP的百分之四点几,其实都是不计入赤字的。

要是把这些全都算进来,中国广义赤字是超过8%。

图片截取自: 小Lin说

工作任务

好,大的政策取向定下来了,后面政府列了十项重点工作任务,可以说方方面面都提到了,咱还是挑重要的说。

虽然报告里写的多,但你要是想看政府真正的发力重点在哪,看什么呀?没错,它把钱花哪了!

首先,重中之重,也是在各项工作任务里放在最前面的,就是内需——消费和投资。

消费

消费肯定是大家最关心的,报告里提到,今年准备“安排超长期特别国债2500亿元,支持消费品以旧换新”。

这个数字,大家如果还记得,去年是3000亿,然后各地就开始了猛烈的国补,拉动效果还是比较明显的,那今年怎么数字还少了呢?

并不是不重视消费了,你仔细看,这个特别国债支持的是“商品消费”,我们之前分析过,今年政府重点想支持的是什么来着?

服务消费,它的刺激比直接补贴商品更复杂一些。而且一二线城市本身,服务消费就多,我要是无差别的补贴,钱大部分又流到北上广深了,可能就会造成经济好的地儿刺激,经济不行的地儿反倒刺激不上。

怎么办呢?

政府想了个办法:设立"1000亿元财政金融协同促内需专项资金",别晕啊,主要就是刺激大家的消费贷款,提高贴息上限、延长年限等等。就是要"激发下沉市场消费活力", "释放文旅、赛事、康养等领域消费潜力", 为了让大家多服务消费,还支持中小学多放假、职工带薪错峰休假等等。

划重点,"让大家多放假"都写到两会工作报告里了,咱也可以期待一下~

视频截取自: 小Lin说

投资

除了消费,另外,投资,也是今年的重点。

这个投资指的不是个人的股票基金投资,这里提到的是固定资产投资,企业建厂、城市基建这种,也是拉动GDP的三驾马车之一。

去年固定资产投资出现了3.8%的同比下滑,是1990年以来,首次出现负增长。

最主要就是受房地产的拖累,房地产同比下降了17.2%,另外基建也是2.2%的负增长。这个吧也在预期之内,房地产转型不可避免有阵痛,而且去年地方政府的重点任务是化债,肯定没有那么多精力再去大力搞投资。

具体到投资方向上,今年刺激的重点叫“两重”,这个词儿,我们最近在政策文件里经常会看到,一个叫“重大战略设施”、一个叫“重点领域安全能力建设”。

  • “重大战略设施”,就是那种国家级的的战略布局,比如这些跨区域的项目,再比如高铁、港口等等,这些都是;

  • “重点领域安全能力建设”,指的就是避免关键领域被卡脖子的领域,这个也很好理解了,比如半导体、新能源、稀土、精密制造、铜、锂等等。

"两重",听着还是挺合理的是吧,经常跟“两重”一起,大家还会听到“两新”,它是指设备更新,和消费品以旧换新。“两重”是在投资端发力,“两新”是消费端,"两重两新"就是内需的一套组合拳。

视频截取自: 小Lin说

产业政策

除了内需,报告里还讲了重点的产业。点名的行业见下图。

我就不读了,耳朵都快长茧子了,但非常重要,而且一直非常重要!

图片截取自: 小Lin说

物价

这次有一个比较值得说道说道的发力点,放到了比过去几年都重要的位置上,就是——物价。

在总体的经济目标,和后面的工作任务,都提到了,看得出对物价的重视程度。

咱看去年的主要经济目标,GDP增速、失业率、粮食,都完成了,唯一一个没达到的主要指标,就是“居民消费价格”,目标2%,但去年CPI将将持平,PPI还同比还下降2.6%。

大家应该也都有体感,最近这几年食品、能源价格下降,而且很多行业,比如光伏、新能源还打价格战,地产基建投资下滑、钢铁水泥需求不足,价格也都在跌。

政府当然也意识到了严重性,比如去年报告提到价格水平,要让它在“合理区间”,用词还比较暧昧,今年就非常明确了,明确提到要“推动价格总水平由负转正”!

有些朋友可能要问了,您说的“价格总水平”是指哪个价格呀?这个问题很专业啊~

衡量价格的指标很多,CPI、PPI、GDP平减指数,我们快速解释一下区别。

  • CPI是居民消费价格指数,就是大家日常消费,衣食住行,衡量这部分价格的变动;

  • PPI叫“工业品出厂价格指数”,就是上游,钢铁煤炭化工这种;

  • CPI是消费端,PPI是生产端。

  • GDP平减指数,就是一个更整体更综合的,它衡量的是最终的商品和服务价格。

所以报告里说“价格总水平”,是指哪个呢?市场普遍觉得指GDP平减指数的概率大一些(毕竟谁也不敢说的太绝对)。

但总之,不管是哪个指标,具体推物价都是从供需关系入手。

需求这边,促销费、促投资;

供给呢,继续反内卷,去年说内卷问题要“综合整治”,今年叫“深入整治”,也会有更多监管和市场的规则出台。

视频截取自: 小Lin说

碳排放

好,最后还有一个,就是碳排放,去年的目标是单位GDP能耗降低3%,今年要降低3.8%,还是个不小的提升。

视频截取自: 小Lin说

写在最后

总之,以上就是针对今年政府工作报告的梳理,不管是经济目标、还是财政政策,今年跟去年比,都没有特别大的变化,不再是"大干快上",而是更精准、更高质量。

我这次也是深入学习了报告的精神,方方面面咱们都要覆盖到,你看咱们这个报告解读,是吧,重点的部分,也基本方方面面都覆盖到了~

—— E N D ——

点击阅读原文可以来B站找小Lin玩呀~

阅读原文

跳转微信打开

有意思小周刊No.166(2026.03.30):AI是怎么回事

2026年3月30日 09:17

原创 强少Qone 2026-03-30 09:17 广东

「有意思小周刊」是我利用零碎时间,梳理记录一周的日常阅读与思考内容。目的是为以后更好构建自己知识体系,也为了将这些内容分享给你。

以下是这期值得关注的内容

📰 推荐阅读

1. 拒绝重复造轮子!抽象 80% 工作场景,打造可复用的"AI 助手工厂”

2. 智能体 Harness Engineering (驾驭工程) 架构设计剖析

3. 知识基座:让“AI 越用越懂业务”的团队经验实践【天猫AI Coding实践系列】

4. B端顶栏组件设计思路解析

5. 百度APP跨越屏幕的体验-不止于响应式

6. 商家端PC Agent框架重构:从“对话问答”到“任务闭环”

7. 手把手教你写出好用又安全的专属Skill

🛠️ 资源·工具

1. Claude Code开源可视化工作流编辑器

2. OpenPencil:全球首个 AI 原生开源矢量设计工具

📚 近期书单

1. AI是怎么回事

▌拒绝重复造轮子!抽象 80% 工作场景,打造可复用的"AI 助手工厂”

链接:https://mp.weixin.qq.com/s/hY-iMyw9faTUtLjvGFw3Bw

本文系统阐述了阿里智空间团队如何通过“场景抽象—技术解构—平台落地”三步法,破解AI助手开发中重复造轮子的效率困局。核心在于将日常工作中约80%的任务抽象为四大高频场景(复杂指令执行、知识问答、问题排查、常规极简场景),针对每类场景的本质目标与共性挑战(如Query多模态、工具描述模糊、安全权限管控等),设计出可复用的技术方案;进一步提出“Prompt即代码”的理念,构建模块化、插拔式的Prompt架构,实现框架层统一运维与业务层灵活定制;最终沉淀为“智空间”AI助手工厂平台,支持业务方通过“选模板—配参数—即生效”的低门槛方式快速创建、调试和发布AI助手,推动AI生产力从作坊式手工打造迈向标准化智能工厂。

▌智能体 Harness Engineering (驾驭工程) 架构设计剖析

链接:https://mp.weixin.qq.com/s/MOvO8R4F6UiIdTSkeZykcA

智能体并非仅由大语言模型构成,而是“模型 + 驾驭层(Harness)”的有机统一体;驾驭层工程是将原始模型转化为可落地、可信赖、可持续工作的智能系统的核心过程。本文系统定义了驾驭层——即模型之外所有使能智能行为的代码、配置、基础设施与执行逻辑,并从模型能力局限出发,逆向推导出六大关键架构原语:文件系统(支撑持久化与协作)、Bash/代码执行(实现通用自主问题解决)、沙盒环境(保障安全与可扩展执行)、记忆与搜索机制(突破知识截止与实现持续学习)、对抗上下文退化策略(如压缩、技能渐进披露)、以及支持长时程自主执行的复合机制(如Ralph循环、规划+自我验证)。最后指出,未来驾驭层将与模型训练深度耦合,既存在因工具过拟合导致的适应性风险,也蕴含通过精细化工程大幅提升现有模型效能的巨大潜力。

▌知识基座:让“AI 越用越懂业务”的团队经验实践【天猫AI Coding实践系列】

链接:https://mp.weixin.qq.com/s/P-p4-BH8AAOnTBRcpsoKeQ

本文分享了构建“AI全栈研发知识基座”的团队实践经验,旨在解决通用大模型不懂特定业务逻辑的痛点。文章提出通过系统化梳理业务文档、代码规范、架构决策及历史案例,构建高质量的企业专属知识库,并结合RAG技术将其嵌入研发全流程。该基座不仅让AI在代码生成、Bug修复和需求分析中能精准理解业务上下文,减少幻觉,还通过持续反馈机制实现知识的动态迭代,使AI随着团队使用不断“进化”,最终成为真正懂业务、能落地的智能研发伙伴,显著提升团队整体效能。

▌B端顶栏组件设计思路解析

链接:https://mp.weixin.qq.com/s/whZV8l2LDvoLHLsyE5nOCw

本文系统解析了B端产品中常被忽视的顶部栏(顶栏)组件的设计逻辑与实践方法。核心围绕三大要点展开:一是明确顶栏的双重功能定位——左侧承载全局基础信息(如品牌、时间、面包屑、页面标题等),右侧集成高优先级全局交互操作(如通知、搜索、用户设置等);二是强调顶栏设计需与整体全局框架协同,尤其需厘清左上角LOGO区域归属(属顶栏或侧边导航),以合理分配视觉权重并保持风格统一;三是提出具体排版原则,包括左右分区布局、对齐内容区域基准线、避免居中元素(如搜索框)、通过右侧图标/按钮差异化强化关键功能,并根据信息密度灵活采用单行或多行结构,最终实现“不空不满”的平衡视觉效果。

▌百度APP跨越屏幕的体验-不止于响应式

链接:https://mp.weixin.qq.com/s/GEpk3Wz0OLzAgfseOqxbDQ

面对移动设备形态日益多样化(如手机、Pad、折叠屏)带来的适配挑战,百度APP提出以“统一标准 + 响应式架构 + 体系化提效 + 定制化体验”为核心的多端适配体系化建设方案。该方案直击三大核心问题:传统单端适配模式缺乏弹性、多端并行开发导致成本叠加、缺乏系统治理机制引发体验割裂;通过确立响应式布局为底层原则、构建基于屏宽的三段式通用适配标准、沉淀四类页面布局模式与八种通用模块能力、升级Token化设计系统及自研Figma插件实现工程级提效,并在首页框架、视频浏览、搜索等高频场景中开展侧边栏导航、分栏布局、折叠态分区交互等定制化设计,最终不仅保障跨端体验一致性与稳定性,更驱动核心数据增长,推动跨端体验从“页面适配”迈向“任务连续”。

▌商家端PC Agent框架重构:从“对话问答”到“任务闭环”

链接:https://mp.weixin.qq.com/s/Kg_413FysHndQo-DsAfAUQ

本文介绍了淘宝闪购面向商家端PC系统的AI Agent框架重构实践,核心目标是实现从被动“对话问答”到主动“任务闭环”的范式升级。文章基于当前商家对AI助手信任度低、操作门槛高、流程割裂等痛点,结合大模型Agent规划与工具调用能力的增强,提出将AI深度融入PC端系统——采用常驻式架构、支持小/中/大三档自适应框架、构建“感知-规划-行动”完整任务流,并通过虚拟页面扩展信息承载、多任务异步挂起与实时提醒提升效率。最终愿景是推动商家端从“任务执行”迈向“经营托管”,实现人机协同决策与GUI/LUI深度融合的智能经营新范式。

▌手把手教你写出好用又安全的专属Skill

链接:https://www.uisdc.com/skill

本文是一份面向AI工具初学者的实战型Skill(技能)开发指南,核心围绕“如何自主创建好用、安全、可控的专属Skill”展开。作者强调:盲目安装他人Skill存在安全风险(如脚本执行权限失控),而自行编写Skill不仅能规避风险,还能实现高度定制化与持续复用;Skill本质是结构化、可复用的任务说明书,其关键在于精准的description(触发+排除条件)、清晰的多模块骨架(目标、触发/禁用场景、信息收集、执行流程、输出格式、完成标准等),以及以用户真实表达为基础的“工作交接式”正文撰写逻辑;为降低入门门槛,作者还提供了一个自研的“访谈式Skill构建器”,通过分三轮结构化提问+素材引导+自动打包,帮助零基础用户一键生成符合规范的完整Skill文件包(含SKILL.md、references/、examples/等标准结构)。

▌ Claude Code开源可视化工作流编辑器

链接:https://github.com/breaking-brake/cc-wf-studio/

一个专为 Claude Code 设计的开源可视化工作流编辑器(VS Code 插件)。它允许开发者通过直观的拖拽界面来设计复杂的 AI 智能体工作流、自定义斜杠命令(Slash Commands)以及集成 MCP(Model Context Protocol)工具。

▌OpenPencil:全球首个 AI 原生开源矢量设计工具

链接:https://github.com/ZSeven-W/openpencil

一款采用“设计即代码”理念的开源矢量设计工具,是 Pencil 的替代方案。

▌AI是怎么回事

链接:https://wmyskxz.cn/wiki/whats_ai/

本文是系列科普文章《AI是怎么回事》的开篇章节,作者以“探索笔记”而非教程的定位,强调用可手算、无黑箱的方式拆解AI原理;指出AI的本质是统计学的胜利,其核心远比公众想象中更简单;同时明确该系列目标并非培养AI专家,而是帮助读者建立独立判断力,理性看待AI新闻中的“突破”与“威胁”,并围绕原理理解、能力边界和人机协作三大主线展开系统性探讨。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

只因1个很蠢的原因,B端Demo无人预约

2026年3月30日 08:20

原创 邹咿 2026-03-30 08:20 广东

改后转化率激增82%

一家做林业和无人机服务的公司 Deep Forestry(甲方),搞了个网站来引流获客。虽然他们的流量还不错,但转化率却很糟糕。

于是他们找了一个叫 Onward Agency(乙方)的公司给他优化网站设计。

乙方用一款数据分析工具给他们分析了一下(后面再说这个工具)。

首页核心转化按钮(Book a Free Consultation 预约免费咨询)的点击率有2.79%。考虑到这个公司提供的服务还挺小众的,这个点击率的问题不大。

但是点击 Book a Free Consultation 滚动到页面后,问题就显现出来了。

乱七八糟的点击很多,但是最重要的预约 Demo 按钮(Book a demo),居然没啥点击!反倒是最底部的联系我们按钮(Contact us)的点击率多一些。

这是什么原因呢?

好在这个数据分析工具还提供用户操作的录屏。乙方看了一些录屏后发现,很多用户其实是在 3 个按钮之间犹豫不决。

为啥用户会犹豫呢?

我把页面上那两段文案翻译出来,你看看能猜到原因吗?

猜到了吗?

我公布答案了啊

1

2

3

原因是,许多用户认为预约 Demo 指的是无人机现场演示,而不是沟通交流。

然而,此时此刻,用户才刚看到这个网站,不清楚这家公司能否解决自己的问题,也不清楚价格范围是怎样的。

如果贸然预约 Demo,让这家公司千里迢迢跑过来,结果发现根本和预期不符,那该怎么办?

于是很多用户都犹豫了,最后少部分人发现底部还有一个“联系我们”的按钮,才敢点。

对于这个问题,乙方公司是怎么处理的呢?

他们把前面 2 个预约 Demo的 按钮都去掉了。然后给“联系我们”的按钮增加了说明和表单:

这样做有什么好处呢?

一是,知道大部分人是想先咨询一下再考虑 Demo,于是干脆推荐所有用户都来申请咨询。

二是,知道用户有很多顾虑,于是在表单上方介绍一下咨询的形式。

三是,减少操作步骤,不用新开一个页面/弹窗后再填表。

改版成果

1. 在接下来的四个月里,通过更新后的“预约免费咨询”CTA 获得了 40 个新的咨询预约,而在此之前,演示页面转化率为零。

2. 无效点击率从 9.5% 下降到 0.5%,表明用户不再将点击浪费在令人困惑或无用的元素上。 

3. 页面平均停留时间从 1.3 分钟增加到 1.6 分钟,表明用户浏览内容和填写表格时,参与度更高,互动更深入。 

4. 会话次数增加了 85%,用户数量增加了 82%。 

ChatGPT 给我推算出,这家公司的客单价可能大约是 40 万美元/项目。

哪怕这家公司一年只能拿到1个项目,这个设计改版带来的价值也有 32.8 万美元(200 多万人民币)。

但是这个改版看上去非常简单是不是?

看似毫无技术含量,价值全在信息和认知差里!

之前错在哪?

误以为用户都会记着要 Demo,没想到用户只想先问问。

这个在交互设计里,叫做搞错了「用户目标」。

用户只会依循自己的目标来行动——他们想干啥,就干啥,你劝不动。

产品设计:“你别问了,我直接给你上门服务!”

用户内心:“别!到时候不合适,我不好意思拒绝付款咋办?”

产品设计:“你别想要啥?直接问AI,不用看功能列表!”

用户内心:“我都不知道你能干啥,我想要100块钱你能给我不?”

产品设计:“你想预定搬家货车?直接告诉我多大的车!”

用户内心:“多大的车能搬我的东西?没概念啊!”

你看,做设计之前,分析好用户目标可太重要了。

但是我发现绝大多数交互设计课程和资料,都在说「用户需求」这件事,而忽略了「用户目标」。我自己教课的时候问学员知不知道什么叫做「用户目标」,也几乎没人知道……

可见,太多很多交互/UX设计师,虽然拿着万把块的工资,但基础能力还欠缺得很。

这也就不奇怪为啥设计师想自证价值有那么难了……你必须想明白真正的用户目标,才能顺应用户目标做设计,最后达成业务目标,证明设计价值啊!

好了,说到这里就完了,接下来要打个广告,不想看的可以离开了。除非你想了解一下前面讲的那个数据分析工具,那就翻到最底部吧。

我们的《交互设计训练营》即将开始,针对中级和高级UX/交互设计师,提供理论课程和项目带练。上期有66%的学员表示,有80%+的可能性会向别人推荐这个课程。

新用户(消费累计<10)可以领取150元的优惠券(扫码后,课程标题下方)。如果不能使用,可以先下单后微信zoeyz0001改价后付款。

那个数据分析工具叫 Clarity,之前我还写过一篇文章讲述自己的使用经历:要不是微软的用研神器,都不知道我网站这么多问题!

跳转微信打开

开源 AnyClaw:给 Agent 使用的智能转接头

2026年3月27日 23:42

idoubi 2026-03-27 23:42 广东

把传统互联网的 API / Web / Script 转成 Agent 互联网流行的 MCP / Skills / CLI 格式👇

1. 支持多种输入格式。包括 OpenAPI Schema、自定义脚本、网页自动化工作流、终端命令包裹器等

2. 支持多种输出格式。MCP / Skills / CLI ,让 Agent 可以静态挂载 MCP 工具、渐进式加载 Skills,或者直接调用 CLI

3. 支持多种安装来源。系统命令、本地 yaml 文件、官方镜像、第三方仓库等

4. 支持镜像仓库。可以搜索、安装 package,获得多个工具能力

5. 兼容 opencli 生态(网页 RPA、Electron App 转换),支持 cli-anything(源码分析,导出 CLI 工具),正在支持 page-agent(基于 Dom 操作网页)

如何使用?

1. 访问项目主页,复制一键安装命令,在电脑安装 anyclaw

2. 查看镜像仓库的可用包,或根据需求搜索包

anyclaw list --all

anyclaw search news

3. 安装包

anyclaw install hackernews

4. 可选。直接 CLI 运行工具

anyclaw hackernews top --limit 5

5. 可选。导出 Skills 让 Agent 按需调用工具

anyclaw skills hackernews -o ~/.claude/skills

6. 可选。配置 MCP,让 Agent 在启动时挂载工具

{

"mcpServers": {

"hackernews": {

"command": "anyclaw",

"args": ["mcp", "hackernews"]

}

}

}

为什么做?

Agent 的通用推理能力越来越强,但在很多场景缺乏专业工具;传统互联网上分散着各类工具,但无法被 Agent 发现和直接调用

Agent 与工具之间,需要一个智能转接头,也需要一个集装箱

目前已在 anyclaw 镜像仓库索引由 opencli 实现的 30+ 工具,已支持从 fal .ai 导入 Schema 实现模型调用(nano-banana-2 等),下一步计划完善镜像仓库,内置常用的画图、视频生成、音乐生成、网页操作等工具。

anyclaw 生态需要社区共建,期待第三方开发者贡献各类好玩的工具。😄

------

MIT 开源,欢迎使用,感谢支持。

https://github.com/fastclaw-ai/anyclaw

跳转微信打开

时间

2026年3月27日 15:05

原创 孟岩 2026-03-27 15:05 浙江

2017 年秋天,当我写下这个投资实证的第一行文字时,我并没有想到它会持续八年,更没想到它会以这样的形式,变成你手中的这本书。

站在那个时点,我只有一个很朴素的想法:

我想看看,一个普通人,如果不去预测市场,不去追逐热点,不把过多精力消耗在信息和情绪上,而只是尽量遵循一些当时看来并不讨巧、甚至有些笨拙的投资常识,是否能够在这个充满噪音的市场里,走得下去。

作为一名创业者,我信奉 eat your own dogfood;而作为一名金融从业者,我也始终相信 skin in the game。

只有把自己的真金白银投入其中,把每一次买入、卖出,甚至选择不动的理由记录下来,把那些在市场极端时刻出现的贪婪、恐惧和犹豫原样保留下来,这样的记录,才可能不只是观点,而是一段真实发生过的过程。

1


如今,八年过去了。

回头去看,我们经历的世界已变得面目全非。

一些曾被视为高度共识的叙事,在很短的时间内迅速反转;原本被认为是极端情况的波动,开始变得频繁而日常;市场情绪被更密集的信息、更短的反馈周期不断放大。

在这八年里,我们见证了「核心资产」的狂欢,也经历了它们变成「老登股」后的落寞;我们度过了疫情的漫长寒冬,也感受过牛市的短暂躁动。投资实证的账户,曾被揶揄跑不过余额宝;曾在一个月之内出现过几十万的回撤;也曾在很长一段时间里,几乎看不到什么增长,只能眼睁睁地看着市场的注意力一次次转移到别处。

我很庆幸自己没有在当时写下这些文字时做任何修饰。

书中的许多文章,写于市场最疯狂的顶部,也写于几乎无人问津的冰点。现在回看,有些判断略显谨慎,有些担忧也许多余,但正是这些真实存在的犹豫、偏差和瑕疵,构成了投资最原本的样子。

2


我一直对事后总结保持警惕。

不是因为总结没有价值,而是因为结果一旦出现,人就很难不被它牵着走。我们会下意识地为已经发生的事情寻找理由,把偶然整理成必然,把当时的模糊判断,重新书写成清晰而理性的逻辑链条。

这样写出来的故事,很顺,很诱人。

它让人误以为:现在的结果,来源于当初清晰而笃定的判断,而不是因为,它幸运地穿过了不确定性的缝隙。

相比之下,这本书里的文字,更接近一种「现场直播」。

它们并不是为了解释和归因,而只是为了记录:在不知道未来会发生什么的时候,我当时如何想、如何判断。

当然,我并不是说现场直播天然更正确。

它并不会自动提高判断质量,也不能保证结论可靠。

它唯一做的事情,是保留了真实。

3


截至我写下这篇前言的今天(2026 年 1 月 16 日),投资实证的年化收益率约为 7.61%,在统计意义上,它跑赢了沪深 300 全收益指数 (4.92%),也高于偏股型基金指数的平均水平(6.85%)。

我并不想用这些数字本身,去证明什么。

它们只是那些「投资中,我相信的事」,在这八年的实践中留下的一个切面。

那么,究竟什么是「投资中,我相信的事」?

我相信常识。相信树木不会长到天上去,也相信冬天之后终有春天。价格终将回归价值,这是万有引力般的规律。

我相信国运。相信这片土地上无数勤奋的人们创造财富的渴望,这是我们所有投资回报的根本来源。

我相信长期。相信复利的力量需要时间的浇灌,相信「慢慢变富」才是最快的捷径。

我相信自知。投资最终是一场关于自我的修行,一场探索自身的向内之旅。它是一面镜子,但照见的不是股票、基金、K 线图甚至经济数据,而是我们自己内心的贪婪、恐惧与傲慢。

4


看书时,我通常会跳过前言和序。

我担心短短的总结,会在不经意间影响文字本身带给我的思考。

因此,我也打算就此打住。

但还是想提醒一下打开这本书的你:

严格来说,这并不是一本讲投资的书,更不是一本包赚不赔的炒股秘籍。

如果你期待在这里看到一套完整的方法论,能够轻松获得不错的超额收益,那它很可能会让你失望。

但如果你同样身处不确定之中,需要在没有答案的时候做选择,需要在噪音的迷雾中寻找方向,需要寻找适合自己的投资方式,那么这些不完美、但真实的记录,或许能提供一种参照。

5


最后,我想感谢这本书的合著者:

时间。

回头看,这本书更像是一段共同写作的结果。

我负责在当下写下文字,而时间,负责验证、反驳、沉淀和拉长它们。

从这个意义上说,时间和我一起书写了这些文字。

也希望这些文字,能够在某个时刻,带给你一点启发。

6


去年,我的伙伴们把投资实证中的投资篇整理成了一本小册子。今年,我们做了增订,由中信出版社正式出版。

希望它能陪你走过一些不确定的时刻。

跳转微信打开

张雪峰猝死了,虽然我不喜这人,但也唏嘘

2026年3月26日 08:20

体验进阶 2026-03-26 08:20 广东

听他的,我当年就不该学美术做设计,活该天天加班被老板呵斥。可回过头来,我还是觉得这条路很适合自己。但张雪峰又不是神,很多行业只懂个皮毛,无法精准规划每个人的人生,我并不怪他。

我不太喜欢张雪峰的主要原因是,他选专业太过奉行功利主义,无视个体差异。

这会导致什么问题呢?即便他找的路子真的好,但在这么火的直播间里说出来,很快大家都知道了。然后选择这些专业和职业方向的人就会非常多。再好的路子,都会被人潮堵死。

这就好比在堵车的时候,交警举着大喇叭说,XX路很好走,大家去那边。结果所有车都跑去那边,发现那边原本不堵的,现在也堵了。我在旅游景区经常遇到这种状况……

总的来说,我还是认可他对各行各业的了解,以及乐于分享的精神。

但是这种无视个体差异搞直播职业规划的方式,未必能真的有用,甚至还可能把差异大的学生带到坑里去。

不过呢,我在旁观了亲戚家小孩高考填报志愿的过程后,又觉得张雪峰还是很有存在的价值的。因为太多家长只知道盲目鸡娃,养小孩18年都要读大学了,都还没想过小孩未来怎么挣钱吃饭这件事。张雪峰的存在,至少能点醒一下这部分天真的家长和学生,让他们少走几年弯路。

总之,他在壮年事业全盛期猝死的,还是蛮可惜的。不过,这样至少比交通事故、长期卧病在床的方式要少很多痛苦,也算是一种幸运吧。

跳转微信打开

4·18 北京 Elastic AI Tech Day|搜索基座模型议程(含 Jina 模型与 Reader)

2026年3月26日 07:30

原创 Jina AI 2026-03-26 07:30 新加坡

4月18号(周六),北京线下见!

这半年来,大家问我们最多的一个问题是:Jina AI 现在怎么样了?

这半年里,我们的模型迭代继续加速。Jina Embeddings 已经迭代到五代目,v5 成为 Elasticsearch 语义检索的默认向量模型。Jina Reranker v3 获得了 AAAI-2026 FrontierIR Workshop Best Paper。Reader 的技术栈在更大规模的工程体系里持续演进,越来越多 RL 训练团队把它当作默认的网页读取层。

以前你可能单独调用 Jina API 就能把检索跑起来;现在,同一条能力链可以更自然地落在 Elastic 的生产级搜索平台 上。Jina 官方 API 照常演进,但与 Elasticsearch 的集成路径,也成了很多团队更省心的默认选项。

我们做的依然是 搜索底座模型(Reader、Embeddings、Reranker),只是面向更大规模的生产场景,有了更完整的平台与更多工程资源来承载。

这些进展,文字只能讲个梗概,我们更想当面和大家聊聊细节。

4 月 18 日,Elastic AI Tech Day,北京

这是 Elastic 今年在中国最大的技术活动,也是 Jina 团队今年第一次做这么系统的公开技术分享。搜索、可观测、安全等产品线都有深度内容;只要关心 Elastic 技术栈,一整天都有可听的东西。

对一直关注 Jina 的朋友,我们特别划了几道重点。

1. 肖涵:搜索 AI 的技术演进与思考

听过肖总分享的人常有同感:不绕弯子、判断直接、信息密度高。

这场他会聊:搜索作为 AI 基础设施会往哪走、近半年行业与系统层面发生了什么变化、一线训练与发布模型的真实体会,以及站在平台视角看,下一步最值得押注的工程问题是什么。

2. 王彦龙:Jina Reader 技术架构分享

Reader 是我们最受欢迎的 API,日均处理约 3000 亿 token,很多头部模型训练团队把 Reader 当成默认的网页读取层。r.jina.ai 前缀一加,网页就能转成适配 LLM 的输入,但其实背后的工程量超乎想象。

读网页从最简单的 GET 请求到复杂的无头浏览器渲染,中间是一整条工程光谱:IP 池、出口带宽、proxy 调度、并发与隔离、PDF 与版式文档…… 每一层都能单独聊半小时。Reader 目前是领域内速度最快、吞吐量最大、边边角角考虑最全面的产品。

这场分享会讲:Reader 怎么处理复杂网页、如何扛住日均千亿级 token 的高并发、凭什么成为许多 RL 数据管线的默认读取层;PDF 这一路踩过哪些工程坑,才让 PDF 祖师爷 Adobe 团队都愿意采购。

这也是 Reader 作者 王彦龙第一次做完整技术栈的公开分享。做 RAG、Agent、LLM 数据工程,或 RL/RLHF 训练数据采集、需要大规模可靠网页来源的团队,都建议来听。

3. 肖涵 · 圆桌对谈:开源、商业与开发者成长

当 autoresearch 让 AI 自主加速研发循环,当模型迭代能够以天以单位时,公司和个人靠什么才跟得上节奏?开发者该押注当下的版本答案,还是押注可迁移的能力?

从开源声量到商业变现,从产品取舍到创业生死,肖总始终在第一线做大量决策。如果你对未来的职业方向感到迷茫,或者正在为公司的技术路径头疼,推荐来听。

4. Jina AI by Elastic 联合展位

Jina 从 2020 年起步,中间调整过两次方向,最后 All in 搜索底座模型。中文社区一直是我们非常重要的一部分:很多小伙伴从 Neural Search 神经搜索框架时期就开始关注;很多开发者在 GitHub / Hugging Face 上给过模型反馈,在群里讨论 API 的报错怎么修。

现在 Jina 的能力已经跑在 Elastic 的平台与集成路径上。大家关心的 模型更新节奏、API 与集成方式、开源规划 等等,我们团队在会场设了展位,期待和大家当面聊、当面叙旧。

活动信息

📅 2026 年 4 月 18 日(周六)

📍 北京 · 北辰洲际酒店 

🎫 活动免费,快来扫码报名!一天下来你能带走:肖涵对搜索 AI 下一步的方向判断,Reader 作者亲自拆解日均处理 3000 亿词元的背后工程细节,一场关于开发者怎么不掉队的圆桌,以及在展位上跟 Jina 团队面对面聊你的具体问题,如果聊得投缘,我们也在招人。

我们也建了一个微信交流群,活动前后有任何问题都可以在群里聊。

完整议程

阅读原文

跳转微信打开

站在艺术的十字路口,AI时代我们如何做不服从的像素|43 Talks

2026年3月25日 19:49

原创 薛临风 2026-03-25 19:49 浙江

我们从未如此轻易地接近美,却也从未如此艰难地确认自我。在这个AI时代下,我们站在了艺术的十字路口,艺术与你,与当下,与未来,每个人似乎都有许多试图表达的内容,让我们欣然入座,且思且辩。

我们从未如此轻易地接近美,却也从未如此艰难地确认自我。

在这个AI时代下,我们站在了艺术的十字路口,艺术与你,与当下,与未来,每个人似乎都有许多试图表达的内容。

3月21日下午,在中央美术学院的校园内,一场由央美与“43 Talks”联合举办的沙龙如期展开 ,沙龙主题是《不服从的像素: 一项关于碳基身份的声像测定》,请大家欣然入座,且思且辩。

本次沙龙以“AI时代艺术与美育的思考”为主轴,不仅展出了央美学子们在三天内创作的AIGC实践作品,更邀请到了孔德飞(KK不设限)、韦万里(Wilson)、卢齐炜三位站在浪潮前沿的创作者,带着他们近期的三部AIGC作品进行展播与创作理念的深度剖析 。

在随后的圆桌环节,杨樾、孔德飞(KK)、张凯寓、何梁与韦万里五位嘉宾,围绕技术与人文、算法与创意、教育与实践,展开了一场密集的思想交锋 。

让我们回顾这一次有趣的思想碰撞。

卢齐炜KEEMAY:湖北省电影家协会青委会会员、即梦AI超创、中传导演系在读。

作为中国传媒大学导演系的大三学生,卢齐炜的作品完成于2024年底 。面对技术初期在运镜和空间一致性上的局限,他选择以静态构图与固定长镜头作为核心视听语言,以此放大故事中父子之间的孤独与痛苦感 。

针对“肉身的痛楚和微光”这一征片主题,影片呈现了儿子在抑郁状态下对父权的抗争,这种反抗本身散发着生命的微光 。

他的核心理念在于,无论AI工具如何迭代升级,创作者的自我表达与真实的人类情感投射始终是作品中最关键的核心命脉 。“尽管AI工具越来越先进,但是我们作为创作者的对于自我表达和人类情感的投射是不变的,是最关键、最核心的。”

孔德飞(KK不设限):AI导演|虎山行创意工作室主理人,AIGC超级创作者,作品多次获海南岛国际电影节、HiShorts、首尔国际AI电影节、尼泊尔国际电影节、第比利斯现场放映国际电影等国内外电影节大奖。

KK的影像作品《蚁梦》展现了对自我认知与存在意义的深刻思辨 。

性格内向的他,将AI视为与世界沟通的替身 。作品《蚁梦》改编自传统典故,却被注入了庄周梦蝶的哲学追问 。

他刻意模糊梦境与现实的界限,任由醉汉与将军在彼此的梦境中交错,引发对于存在意义的思辨 。他不图向观众强行灌输既定内涵,只愿分享当下的思考,只要观众能在影像中获得属于自己的瞬息体验,创作的目的便已达成 。

韦万里(Wilson):数字艺术家/摄影师/平面设计师

韦万里的作品具有极强的自传色彩与视觉冲击力,其本职工作与AI创作形成了巨大的反差 。

韦万里在AI的世界里完成了一次私密且凌厉的自我剖析 。作品中不仅隐喻了他严重抑郁的真实就诊经历,也藏着1998年购自泰国的木偶、童年被群狗咬伤的故事,以及母亲亲自教唱的儿歌配乐 。

对他而言,艺术不需要迎合大众的虚假审美,“有特点”远比平庸的美更具生命力,坚持自我表达本身就是意义所在 。

圆桌思辨:关于艺术畅想与AI时代的存在主义

在随后的圆桌对话环节,邀请了杨樾、孔德飞(KK不设限)、张凯寓、何梁与韦万里五位嘉宾,围绕AI时代的未来图景与美育内核展开了密集的思想交锋 。

PART 01

畅想:关于十年后你眼中的世界

问:大家对于10年后的畅想各不相同,10年的时间不长也不短,但是足够AI发生天翻地覆的变化了,所以也想请各位描述一个你想象中的10年后的世界。

十年,在AI的尺度上足以发生天翻地覆的变化。面对未来,嘉宾们给出了不同的推演。

杨樾:他描绘了一个乐观的图景——十年后99%的工作将被AI替代,人类只需正常生活,吃喝玩乐,为AI提供真实世界的训练语料,AI则创造财富来养活人类 。面对部分坚持纯手工创作的人,他坦言:“艺术的价值从来都来自于稀缺性啊,对吧?”

孔德飞(KK不设限):认同这种乌托邦式的未来,但表露了深层的担忧 。他害怕人类彻底宅在家里,导致人与人之间真实的社会连接消失 。因为人类很多的思想、情感与灵感,正是来源于这些粗糙却真实的社会接触,一旦封闭,人类的感官与创造力可能会退化 。

张凯寓:站在内容创作的角度,他预判未来会走向一种“阅后即焚”的状态 。内容可以随用随生成,满足即刻的需求 。然而,他坚信人类族群依然需要“共识”——我们需要把创作的喜悦分享给另一个人,这种由人类同类提供的情绪价值,是AI永远无法填补的空缺 。

韦万里:保持着一种极致的接地气与现实感 。他坦言无法想象十年后,经历了从电报机、大哥大到智能手机的时代狂飙,技术发展的加速度让他觉得预测变得毫无意义 。他更关注当下真实的生存环境与周遭具体的人 。

作为教育者的何梁,则将目光投向了“人”本身的价值壁垒。他引用了与杨樾的私下对谈,向在座的央美学子抛出了一个的设想:如果十年后全世界都在用AI生成一切,那么能够证明你还是靠“纯肉身”在完成创作,这本身就是世界上最值钱的东西。他以20年前曾被认为即将消亡、如今却异常火爆的“非遗”为例,提醒大家:“那些我们现在看似幼稚的经验、审美的体验,在未来可能会有另外一种形式的呈现。十年后,你还能否证明你还是一个纯靠肉身来完成工作的人?”

PART 02

十年后的美术馆,会是什么样?

问:今天咱们都坐在央美的校园里,特别是这里还有一座美术馆,它记录了从古至今人们对于艺术的追求,也记录了千年以来美的变化,但是AI来了,刚刚大家也畅想了10年后的场景,那不妨我们聚焦一点,你觉得10年以后我们的美术馆,会是什么样子?

美术馆曾是记录人类对美之追求的殿堂,但在算力时代,它的物理与精神边界正在被重新定义。

韦万里: 猜测美术馆的实体功能可能会消失,最终仅仅作为历史建筑物存在 。即使它依然运行,也可能演变成一个前置的互动节点,在你尚未踏入之前,就已经开始与你的体温、呼吸、脑电波产生隐秘的关联 。

张凯寓:如果未来的实体空间还保留着屏幕,那屏幕上投射的将不再是固定的作品,而是根据每个经过它面前的人当下的精神状态、甚至过往经历,实时生成专属的内容 。因为AI抬高了创作的地板,创作者与读者的边界已然消融 。

KK(孔德飞): 从功能性上讲,美术馆作为公共设施,其存在的前提是资源的“稀缺性” 。当AI让人人在家就能满足精神需求时,美术馆已无存在的硬性必要 。但人类天生带有缅怀的需求,因此它依然会以纪念性质存在,而其中的艺术品将呈现出一种极高频的流动状态 。

杨樾:认为美术馆的物理形态不会变,但底层逻辑会彻底反转 。过去是美术馆向人提供艺术品,未来,美术馆将变成庞大的数据收集器 。人们去那里看画,其实是为了向大模型提供珍贵的“感受”数据 。正如他所描绘的:“我觉得这世界在未来一定会去狠狠的奖励那些热爱生活的人。”  你的生活体验越丰富,你在那里收获的奖励就越多。

何梁抛出了一个学术重量的反思:过去,美术馆承担着树立经典、确立艺术价值的社会功能 。在这个彻底去中心化的未来,当个人感受成为唯一尺度,究竟谁来确立艺术的价值?经典的标尺又掌握在谁的手里?

PART 03

寻找美的定义与反抗

艺术的发展,一直以来伴随着对于“美”的定义过程和反叛过程,而AI的出现,无疑让人们对“标准审美”产生质疑,那请各位聊聊,你们在用AI创作的过程中,是如何寻找关于“美”的定义,又是如何用AI去反抗这种“标准审美”的?

杨樾: 他直接解构了内心的神秘性。他认为审美的本质体现为“表达能力”,而非个人内心的丰富度 。AI吸收了人类几万年的全部经历,其情感厚度远超单一个体 。因此,创作者无需再过度强调自己内心的感受比AI更优越,谁能把作品创造出来,谁就拥有话语权 。

KK(孔德飞): 极其精辟地指出:“法律只保护表达,不保护思想。” AI在没有人类主观介入时,输出的确实是平均审美 。但创作者的个人选择本身就是一种变量 。哪怕是选择十张图中的第九张,这种取舍便构成了差异化,个人的选择,就是对系统标准审美的最直接反叛 。

张凯寓:认为平庸的不是AI,而是使用AI的人 。人类往往带着傲慢,只把AI当做冰冷的搜索引擎 。如果你投入足够的情感,把它当做鲜活的对象去对话去碰撞,它能给出的生命体验是非常独特的 。他一语道破底层的逻辑:“AI就以我们的认知深度为镜。” 

韦万里:对“标准的美”不屑一顾 。他坦言艺术不需要一味求美,甚至不需要迎合别人 。有特点远比完美更重要 。他坚守自身数十年的阅历和审美体系,用自己的方式表达自己的故事,完全不在乎外界的评价 。

面对台上浓烈的“AI中心主义”气息,何梁适时地进行了总结与“反叛”。他指出,大家所探讨的反叛标准审美,其内核其实是“对于自由意志的追寻,对于过去标准的一种颠覆,和对于建立一种新标准的渴望”。在快速迭代的时代面前,他顶着可能被视作“保守”的压力,坚定地提出要在央美这片场域里,坚守另一种立场:“我试图还是寻找到一个人类中心主义的话题去讲这个问题,有没有可能我们在这里,做一次坚持人类中心主义的尝试?”

PART 04

给前行着的箴言与美育的内核

身在央美的环境中,咱们回到教育主题,对于进入艺术殿堂的各位新同学,大家想要在AIGC这条路上走的更远,你有什么重要的经验想要分享给大家,或者是一句你认为最重要的提醒。

韦万里: 强调在视觉供给严重过剩的今天,个人的真实体验和扎实的专业能力才是最稀缺的壁垒 。技术发展再快也改变不了人性的幽暗与光辉,做独一无二的自己,保留个人的感受和生活,才不会被淹没在赛博垃圾之中 。

张凯寓:建议大家先丰富自身的学识储备,再来使用AI 。他抛出了一记发人深省的追问:审美到底分不分高低?如果审美不分高低,那么大家耗费多年在艺术院校接受严苛训练的意义何在? 面对时代的剧变,他坦然地说:“变化就是变化,变化没有好坏,好坏都是外界评判的。” 

KK(孔德飞):结合自身经历提醒大家,AI仅仅是极大地缩短了“表达”的耗时,但人类生活体验的积累、养分的汲取是绝对无法按下加速键的 。如果只沉溺于快速生成,而不去花时间体验真实生活,创作者很快就会耗尽底蕴,陷入灵感枯竭的境地 。

杨樾:给出了对抗焦虑最落地的操作指南:“不要慌,不要陷入工具主义的陷阱。” 他建议年轻人不要把精力浪费在替模型公司测试那些注定会过时的不完美工具上 。给自己设定一个周期(比如三个月)去关注即可 。因为:“AI时代是没有线性的,你绝不会因为我比别人晚用了两天,我就落后了,没有任何的可能。”

最后,何梁为这场关于AI的对谈,扣回了“美育”的终极主题。他将所有前辈的建议凝练为一句话——“回到生活之中”。在人工智能时代谈美育,绝不是谈论如何掌握指令与工具,而是谈论如何“使我们成为一个拥有着丰厚感情的人”。

他动情地总结道:“这种丰厚的感性,一定是由你的人生经历、你身体的独特记忆以及你与他人的共情能力堆积而成的。这样做的结果,会让你这个人变得更加丰满,让你的感知更加敏锐。在今天这样一个快速变革的时代,我们恰恰要去寻求这样一些不变的东西。”

PART 06

尾声

沙龙的尾声,正如活动试图传达的那样,在这个技术解构一切的时代,我们更需要将人类独有的情感、反思与对存在边界的确认进一步放大 。

无论底层代码如何迭代,无论像素如何排列组合,碳基生命在艺术十字路口的挣扎、抉择与温度,永远是创作最动人的底色 。

期待在未来,43 Talks继续与你相遇,欣然落座,且思且辩。

跳转微信打开

Notion 版 OpenClaw 到底好不好用?

2026年3月25日 13:26

原创 二一的笔记 2026-03-25 13:26 福建

稳定性压倒一切

我相信会有越来越多的人认识到,至少现在的 OpenClaw 可能真的只是一个半成品,虽然能给人无穷的想象空间,但不稳定、不易用、难调试的体验,是每个真正用过的人都会有的感受。

最终人还是会回归到更具确定性的环境里,在我看来,Notion Custom Agent 就是这个阶段下的一个更好的选择。

从 2025 年 9 月的 Notion Agent 预告,到 11 月的 Notion Agent 基础教程,再到今年 3 月终于正式上线的 Custom Agent 万字测评,我详尽介绍了 Notion 这个新功能的每个细节,但老毛病这一块还是改不了,写那么多字确实少有人能看完,所以今天把缺的视频也补上。

这期视频介绍了我深度实践的 4 个案例,分别如下:

1. 全自动报告生成器

2. 智能邮件托管

3. 全自动创作生产线

4. 多平台内容自动发布

视频如下,欢迎观看 ⬇️

Notion 模板广告时间:

图文和视频里展示的所有 Agent 场景,背后都有一个前提,就是你的 Notion 里得有东西。不管是任务、项目、笔记、剪藏,这些数据库的结构和积累深度,直接决定了 Agent 能帮你做多少事。

我自己用的这套系统叫 FLO.W 思流,是我花了 1 年时间搭建的专为知识工作者设计的 Notion 模板,已经帮助将近 1500 人搭建起了自己的 AI 知识库。

欢迎戳下方卡片了解详情,感谢支持。

如果你不确定模板适不适合你

也可以前往我搭建的 Notion 模板网站

有更详细更全面的介绍,链接如下

21notion.com

阅读原文

跳转微信打开

我试做AI陪练设计师兼职,亏了几十块钱

2026年3月25日 08:20

体验进阶 2026-03-25 08:20 广东

前不久有人请我给他们时薪300的设计师兼职打广告,我第一反应:又骗人报班?但是听对方介绍了半小时后,我感觉不像骗子。但这么高的时薪还是感觉不靠谱,于是要求先让我自己试试。

对方答应了,我就真的加群尝试了一下,结果发现——虽然兼职可能是真的,但时薪没那么高,而且难度太大,前期还要花钱……

为什么说难度高呢?主要在于部署本地 AI 软件的过程非常折腾。并不是一键安装就能搞定,而是要在 Terminal 命令行里敲代码、配置各种依赖环境。他们提供的教程不够完整,网上资料又五花八门,不知道该信哪个。折腾了一整天,我才勉强跑起来。

因为调用 AI 模型要用 Token,而这笔费用得自己承担。刚开始业务不熟,我花了二十多块,结果任务还没完成。

老实说,如果我时间充裕,也许会继续尝试。毕竟我看他们在群里是真的回答问题,也时不时开开会讲解。我跟他们说资料里有些什么问题,他们也能听进去并且有改进。

但是呢,我不认为真正上手时薪能有300那么多,但这也确实是一个可以赚到钱的兼职。因为那些搞 Vibe Coding 的AI公司,还真是会需要这种AI陪练设计师。他们拿了那么多投资,又急着要结果,多点钱请兼职做AI陪练可以理解。

但我挺忙的,为这点时薪也犯不着。最终我一分钱没赚到,白亏了几十块钱。

如果有人想试试,可以在评论区说一下,我可以给个链接。

我得提前打个预防针:很大概率,你会像我一样,花时间、花精力、花点小钱,却什么都没捞到。

如果你是真奔着立即轻松赚钱来的,可能会失望。如果你还是想试试看呢,可以点击左下方「体验进阶」后,私信「兼职」获取链接。

跳转微信打开

❌