最近对写公众号这事儿很倦怠，主要原因就是几万粉跟几百粉，阅读量差不多，甚至还不如新号——起码新号有新手流量扶持，还能被推荐出去。nn你看，不上不下，任何时候都是最尴尬的，上下不讨好。最难受的地方不是结果差，而是它会持续消耗你的判断力——你不确定是该继续推，还是该及时止损。nn所以这段时间大部分精力都扑在了 openclaw 上，从一台搞到三台，想找到最优解，结果把自己整得手忙脚乱。折腾的过程中，我发现自己犯了一个以前专门用来怼研发团队的经典错误——明明有现成的轮子，非要自己造。nn对，说的就是各种 skill。大部分其实都能找个现成的直接用或者在人家的基础上改造就行。nn当然咯，这个 skill 也是被 kol 们玩成了流量生意了，啥玩意儿都能包装成一个 skill。更有意思的是，原来很多在B圈混的kol们，现在摇身一变成了 AI 博主。nn这两天关于AI 时代的个人知识库整理方法，我三只龙虾都整上了，本质上是收藏这个动作本身会释放多巴胺……nn很多时候，我们的”知识管理”流程是：看到觉得有用→收藏/剪藏/扔进笔记→再也不看。只不过现在是换了个更有仪式感的垃圾桶而已，比如LLM+Obsidian，工具越高级，垃圾桶越精致。nn以前你可以说是大量收藏会制造一种”我已经掌握了”的虚假满足感，但是我们现在有理由了啊，我可以说是“养”我的AI：”我不是在收藏，我在喂养一个数字生命”。nn本地体验完Gemma-4之后，感觉以后这个本地模型+类似小龙虾这样的产品，就是真正意义上的每个人都有一个与众不同的贾维斯了，同样的，是不是也会像以前挖矿那样，可以把算力共享出来，把自己用不完的，闲置的token卖给别人。这么一来，token这个词倒是又回归本源了。nn这是一篇碎碎念，我说的可能都是错的。 15 5 月, 2026
好多东西变成流量生意之后就变味了，n找不到人骂是最难受的。n内容创作者说我只是在分享，n平台说我只是在推送，n品牌说我只是在投放，n每个人都洗得干干净净。n但屎是真实存在的，n喂你的时候你还挺开心，n吃完才发现不对劲。nn想找人算账，n发现那个账号三个月前就没了，n以前被骗至少还有个骗你的人，n现在是算法喂你的，n连恨都不知道往哪使。nn最绝的是这套系统是按人的弱点设计的，n不是按人的利益设计的，n你越用它越懂你，n越懂你越能坑你，n不是你太蠢，n是这个坑本来就是按你的形状挖的。nn我为什么说这个？n因为就在过去两个小时，n我满怀热情地拆开了一份被吹上天的项目，n然后发现，我吃屎了。n有点难受。 15 5 月, 2026
这一趟出来，其实就是看看都在AI搞什么，或者说想用AI搞什么。n这里会有很多机会，同样的也有很多坑。n这些坑，有的是当事人自己挖的，有的是合作伙伴或供应商不小心（或故意）埋下的。nn现在很多人的工作落地流程是这样的：n脑子里冒出一个方案想法，就直接去问豆包（或其他大模型）。nAI一本正经地给你输出一大堆听起来非常正确、非常乐观、步骤清晰的答案。n决策者一看，觉得靠谱、成本可控、效果可期，马上拍板。nn然后，他把同样的需求甩给自己的员工、内部团队，或者外部供应商。n得到的反馈往往完全不一样：要么技术上卡壳，要么成本远超预期，要么流程阻力巨大，要么干脆说“AI说的那些，在我们这儿根本落地不了”。nn这时候，决策者容易怒了——觉得下面的人太保守、跟不上时代，甚至怀疑供应商在坑自己。n殊不知，最大的坑，往往是自己先用AI挖下的。nn如何让你的公司对”AI 上头”?nn因为当前的大模型特别擅长“一本正经地讲废话”。它们追求的是流畅、连贯、听起来专业，但并不保证每句话都准确，尤其在具体业务场景、真实约束、最新数据面前，很容易产生幻觉。n它不会老实说“我不确定”，而是基于训练数据拼凑出最“中听”的答案。n结果就是：AI给的是理想化的通用模板，现实却是充满摩擦的复杂系统。n决策者带着AI的乐观预期去压团队或供应商，预期落空后，自然把锅甩给执行方。nn同样的，也有很多反过来的情况：n有些员工、供应商，或者自称所谓的“懂AI”的中间人，会根据自己的利益故意扭曲对AI的判断：n为了推脱责任、降低工作量、或者干脆不想干这活儿，就把AI说得一文不值：“AI现在还不行”“全是幻觉”“落地基本没戏”“国外的才行，国内的都不行”，直接给老板浇冷水，把项目打掉。n为了拿到更大的业务、更多的单子、或者更高的预算，又会反过来拼命夸大AI的能力，把方案说得天花乱坠、轻松落地、效果惊人，把风险和难度全部轻描淡写。nn同一拨人，在不同场景下能把AI讲成两个极端。n结果就是：决策者要么被过度乐观的画饼冲昏头脑，要么被过度悲观的论调吓退，最后都很难做出理性的判断。nSo，公司决策者其实也挺难的…… 15 5 月, 2026