即刻App年轻人的同好社区
下载
置顶🔥ChatGPT 中文指南🔥震撼发布
一周内 GitHub 狂揽 500+ ⭐，帮助中文用户了解和使用 ChatGPT，收集了丰富的 ChatGPT 工具、应用与示例。项目持续更新，欢迎关注，欢迎 Star⭐~
一周内 GitHub 狂揽 500+ ⭐，帮助中文用户了解和使用 ChatGPT，收集了丰富的 ChatGPT 工具、应用与示例。项目持续更新，欢迎关注，欢迎 Star⭐~
GitHub - yzfly/awesome-chatgpt-zh: ChatGPT 中文指南，指令指南，精选资源清单，更好的使用 chatGPT 让你的生产力 up up up!
391 45334
懂业务的人，一旦把AI用透，简直是无敌的。
最近在公司内部大规模推行组织的再一次AI化，目前来看进展还是超预期的。一圈看下来，最大的体感就是：懂业务的人，一旦把AI用透，简直是无敌的。
而且必须认清一点——把AI用好，早就不是什么“顺手为之”的加分项，而是当下必然且必备的底层核心能力。
当技术发展到极致，它首先生产出的就是它自身的掘墓人。今天AI的每一次进化，都在加速剥夺“纯技术门槛”的稀缺性，把权杖交还给真正懂业务的人。
以前让懂AI的技术人去啃业务，理解成本太高、损耗太大；现在反过来了，本身就懂业务的同学，只要把AI作为标配的基础武器，经常一下子就能把原本需要多方配合的事情，自己给完整闭环了。上下游的协作压力瞬间骤降。
单纯停留在“用过AI”早就不稀缺了，接下来的核心护城河一定是“深度的业务理解 + 必然的AI闭环能力”。
基于这个判断，我们内部的AI基建主要认准了两件事去打透。
第一是往死里降门槛。直接把最好、最贵的Opus模型Token给大家敞开用。不要心疼浪费，在这个阶段，早期的“浪费”就是帮大家跨越心理和使用门槛的必要开销。只要能蹚平大家解决业务问题的卡点，这笔账怎么算都划算。
第二是做平台级的赋能。光给工具是不够的，我们把内部最高级的业务标准和审美，直接封装成打通业务系统的Skill。比如我做的 awesome-design-html这个案例已经开源在 github.com ，就是一个典型的示范。我把顶级的UI审美和前端设计规范直接封装了进去，这样一来，任何不懂代码的业务同学只要调用这个 Skill，跑出来的页面底线质量就是过去专业前端才能干出的顶配水平。这不再是简单的提效，而是全员业务能力的一次跨越式拉升。
推行下来，人跟人的分化其实挺残酷的。一部分人依然困在过去的舒适圈里不愿意迈出这一步；但那些本身懂业务、想法多、又把AI内化为必备基本功的同学，产出变得非常可怕，这类人才接下来会越来越贵。
但最终，要把这种个人的“无敌”转化为整个团队的“无敌”，依然不能只靠几个猛人。拼的还是底层的组织机制——要把AI的基础设施、知识沉淀和文化土壤，真正在组织里彻底夯实落位。
最近在公司内部大规模推行组织的再一次AI化，目前来看进展还是超预期的。一圈看下来，最大的体感就是：懂业务的人，一旦把AI用透，简直是无敌的。
而且必须认清一点——把AI用好，早就不是什么“顺手为之”的加分项，而是当下必然且必备的底层核心能力。
当技术发展到极致，它首先生产出的就是它自身的掘墓人。今天AI的每一次进化，都在加速剥夺“纯技术门槛”的稀缺性，把权杖交还给真正懂业务的人。
以前让懂AI的技术人去啃业务，理解成本太高、损耗太大；现在反过来了，本身就懂业务的同学，只要把AI作为标配的基础武器，经常一下子就能把原本需要多方配合的事情，自己给完整闭环了。上下游的协作压力瞬间骤降。
单纯停留在“用过AI”早就不稀缺了，接下来的核心护城河一定是“深度的业务理解 + 必然的AI闭环能力”。
基于这个判断，我们内部的AI基建主要认准了两件事去打透。
第一是往死里降门槛。直接把最好、最贵的Opus模型Token给大家敞开用。不要心疼浪费，在这个阶段，早期的“浪费”就是帮大家跨越心理和使用门槛的必要开销。只要能蹚平大家解决业务问题的卡点，这笔账怎么算都划算。
第二是做平台级的赋能。光给工具是不够的，我们把内部最高级的业务标准和审美，直接封装成打通业务系统的Skill。比如我做的 awesome-design-html这个案例已经开源在 github.com ，就是一个典型的示范。我把顶级的UI审美和前端设计规范直接封装了进去，这样一来，任何不懂代码的业务同学只要调用这个 Skill，跑出来的页面底线质量就是过去专业前端才能干出的顶配水平。这不再是简单的提效，而是全员业务能力的一次跨越式拉升。
推行下来，人跟人的分化其实挺残酷的。一部分人依然困在过去的舒适圈里不愿意迈出这一步；但那些本身懂业务、想法多、又把AI内化为必备基本功的同学，产出变得非常可怕，这类人才接下来会越来越贵。
但最终，要把这种个人的“无敌”转化为整个团队的“无敌”，依然不能只靠几个猛人。拼的还是底层的组织机制——要把AI的基础设施、知识沉淀和文化土壤，真正在组织里彻底夯实落位。
9 01
时间折叠：向Agent要时间，要效率
很多朋友好奇我平时是怎么用 AI 的，其实我的核心心法只有四个字：时间折叠。
通过重塑人机协作流，把睡觉、开会等“非操作时间”全部转化为“
Agent生产时间”，从而实现个人时间的 Double。
最近Agent的一个重大变化是：Agent执行长程复杂任务的能力迎来了质变。我最近跑过最长的一个任务，它自己跑了7个小时。这其实释放了一个巨大的红利——它彻底把我睡觉和日常开会的时间给盘活了。
我现在跑通了一个很顺畅的异步工作流：
睡前，我会集中精力和AI深聊，把我的需求、Plan以及架构核心决策盘透，形成极度清晰的Spec。
你边界定义得越准，Trade-off 做得越好，它后续的产出质量就越高。盘清楚之后，直接挂上 Claude Code 或 CodeX 的 /goal 指令（“干到死”模式），让它基于讨论的共识自己去搓架构和代码，然后我就可以去睡觉了。
第二天醒来，中间死等AI吐代码的时间已经被完全折叠。当然初版肯定有毛病，没关系，我集中坐下来花一两个小时系统性地Review，把问题详细记录，再次跟它高密度对齐，让它一波去改完。
这套玩法最爽的点，不仅是不需要在对话框前傻等，更是它完美保护了我的“心流”。
我以前试过多任务并行，边等AI边干别的，结果脑子切来切去极其内耗。
现在，我把跟AI沟通的零碎时间全部挤压掉了，个人的精力被极致地集中在两头：极度前置的“深度思考与理清需求”，和极度后置的“效果Review与迭代”。大脑只做最高密度的决策，讨论清楚一个就彻底放手，换下一个。
其实顺着这个思路，我们内部现在搭的多Agent网络，本质上也是在做同样的“时间套利”。让Agent基于团队的上下文长期挂机跑，看着系统在无人值守的黑夜里自己Builder、自己迭代，那种时空被折叠的体感真的太真实了。
当下最佳的AI范式，还是AI通过改变软件改变世界，所以AI的杠杆不是比谁敲键盘快，而是看谁能用最高密度的思考，去换取算力日夜不休的执行。
很多朋友好奇我平时是怎么用 AI 的，其实我的核心心法只有四个字：时间折叠。
通过重塑人机协作流，把睡觉、开会等“非操作时间”全部转化为“
Agent生产时间”，从而实现个人时间的 Double。
最近Agent的一个重大变化是：Agent执行长程复杂任务的能力迎来了质变。我最近跑过最长的一个任务，它自己跑了7个小时。这其实释放了一个巨大的红利——它彻底把我睡觉和日常开会的时间给盘活了。
我现在跑通了一个很顺畅的异步工作流：
睡前，我会集中精力和AI深聊，把我的需求、Plan以及架构核心决策盘透，形成极度清晰的Spec。
你边界定义得越准，Trade-off 做得越好，它后续的产出质量就越高。盘清楚之后，直接挂上 Claude Code 或 CodeX 的 /goal 指令（“干到死”模式），让它基于讨论的共识自己去搓架构和代码，然后我就可以去睡觉了。
第二天醒来，中间死等AI吐代码的时间已经被完全折叠。当然初版肯定有毛病，没关系，我集中坐下来花一两个小时系统性地Review，把问题详细记录，再次跟它高密度对齐，让它一波去改完。
这套玩法最爽的点，不仅是不需要在对话框前傻等，更是它完美保护了我的“心流”。
我以前试过多任务并行，边等AI边干别的，结果脑子切来切去极其内耗。
现在，我把跟AI沟通的零碎时间全部挤压掉了，个人的精力被极致地集中在两头：极度前置的“深度思考与理清需求”，和极度后置的“效果Review与迭代”。大脑只做最高密度的决策，讨论清楚一个就彻底放手，换下一个。
其实顺着这个思路，我们内部现在搭的多Agent网络，本质上也是在做同样的“时间套利”。让Agent基于团队的上下文长期挂机跑，看着系统在无人值守的黑夜里自己Builder、自己迭代，那种时空被折叠的体感真的太真实了。
当下最佳的AI范式，还是AI通过改变软件改变世界，所以AI的杠杆不是比谁敲键盘快，而是看谁能用最高密度的思考，去换取算力日夜不休的执行。
19 00
不能独立闭环的人，在AI时代已经没有位置了
刚才边走边想，如果在AI时代，一个人不能独立闭环一摊子事，那他在组织里可能真的就没必要存在了。
最近在带团队时，这种痛感特别强烈。作为技术Leader，你很多时候已经把方案想得很透彻了，去跟下面的同学传达。讲了十几分钟，发现对方还是一脸茫然；没办法，只能拉着他深扒细节，足足聊了一个小时，总算是把各种困惑解答完，觉得“对齐”了。
接着他去实现需求、提交代码，你来Review。结果一验收，发现根本没按预期走。于是，又得硬着头皮跟他陷入新一轮的沟通和返工拉扯里。这种时候真的非常痛苦，要么你被迫降级接受他现在的半成品，要么就不满意逼着他改，反复消耗。
最荒谬的是，表面上看组织里大家都在拥抱新技术，底下的同学也在用AI写代码。但为什么组织并没有提效？因为协作范式根本没变。原有的SOP、那些为了分工而设立的节点，依然死死卡在那里。
其实我自己深度用AI去写代码后，发现人机协作的流程跟带人是一样的：先跟AI把需求聊透，确认思路，然后它去执行，你现场看效果，不对就改，符合预期就继续往下走。但最大的区别在于，AI的意图理解和执行速度是降维打击。
以前，我花一个小时跟相应同学“对齐需求”，最后还得等他慢慢敲代码；以前我们自己可能只是用AI做个Demo，把细节验证交给相应同学去完善。但现在，随着AI能力越来越强，我跟AI的协作也越来越默契。同样是花一个小时对齐，我直接就能跟AI把这件事给干完。而且做出来的早就不是粗糙的Demo了，功能的完善度完全不输给原来那个同学敲出来的初版。
在这个流程里你会突然发现，传统协作链条上那个单纯作为“执行单元”的同学，已经没有他的位置了。
这就是我看到的组织架构正在发生的重构。过去我们迷信分工，但现在，分工带来的沟通磨损，已经远远超过了它的收益。很多岗位真的不需要分得那么细了，技术岗位的边界正在疯狂融合。
真正重要的，是那些能够对一整个事情独立、完整地为结果负责的人。AI有能力帮你把整个链路闭环掉，而那些习惯把自己切分在流水线上、只干一小段活儿的人，生存空间会越来越窄。
毕竟，与其在无穷无尽的沟通磨损中痛苦，不如直接转身，跟AI对齐需求，把结果拿出来。
刚才边走边想，如果在AI时代，一个人不能独立闭环一摊子事，那他在组织里可能真的就没必要存在了。
最近在带团队时，这种痛感特别强烈。作为技术Leader，你很多时候已经把方案想得很透彻了，去跟下面的同学传达。讲了十几分钟，发现对方还是一脸茫然；没办法，只能拉着他深扒细节，足足聊了一个小时，总算是把各种困惑解答完，觉得“对齐”了。
接着他去实现需求、提交代码，你来Review。结果一验收，发现根本没按预期走。于是，又得硬着头皮跟他陷入新一轮的沟通和返工拉扯里。这种时候真的非常痛苦，要么你被迫降级接受他现在的半成品，要么就不满意逼着他改，反复消耗。
最荒谬的是，表面上看组织里大家都在拥抱新技术，底下的同学也在用AI写代码。但为什么组织并没有提效？因为协作范式根本没变。原有的SOP、那些为了分工而设立的节点，依然死死卡在那里。
其实我自己深度用AI去写代码后，发现人机协作的流程跟带人是一样的：先跟AI把需求聊透，确认思路，然后它去执行，你现场看效果，不对就改，符合预期就继续往下走。但最大的区别在于，AI的意图理解和执行速度是降维打击。
以前，我花一个小时跟相应同学“对齐需求”，最后还得等他慢慢敲代码；以前我们自己可能只是用AI做个Demo，把细节验证交给相应同学去完善。但现在，随着AI能力越来越强，我跟AI的协作也越来越默契。同样是花一个小时对齐，我直接就能跟AI把这件事给干完。而且做出来的早就不是粗糙的Demo了，功能的完善度完全不输给原来那个同学敲出来的初版。
在这个流程里你会突然发现，传统协作链条上那个单纯作为“执行单元”的同学，已经没有他的位置了。
这就是我看到的组织架构正在发生的重构。过去我们迷信分工，但现在，分工带来的沟通磨损，已经远远超过了它的收益。很多岗位真的不需要分得那么细了，技术岗位的边界正在疯狂融合。
真正重要的，是那些能够对一整个事情独立、完整地为结果负责的人。AI有能力帮你把整个链路闭环掉，而那些习惯把自己切分在流水线上、只干一小段活儿的人，生存空间会越来越窄。
毕竟，与其在无穷无尽的沟通磨损中痛苦，不如直接转身，跟AI对齐需求，把结果拿出来。
21 24
用概念锚点和锚点家族精准对齐AI
之前我讲过用 AI 的时候，模型经常会做大量隐含假设，为了规避不正确假设容易导致规则越写越长，上下文也重。
在agent环境下我通过 memory 记忆我的偏好来消解这些隐含假设，在纯 Chat 原生环境里，我更习惯扔一些“概念锚点”来消解这些隐含假设。
所谓“概念锚点”，本质上就是个“高密度概念召唤词”——一个压缩包。你给一个短词，模型自动在后台解压出几十个隐含条件。
比如写一个“toC化设计”，它一次性就召回了：面向普通用户、视觉吸引、降低认知门槛、情绪表达、网感等一整套范式。反义就是“toB化设计”（信息密集、功能优先、克制）。“苹果风”“赛博朋克”“极简主义”也是同理，直接调用一整个概念簇。
优势是省字、信息密度极高；劣势是它的解读依赖模型对这个概念的“先验”。冷门或新造的词没有语料支撑，就什么也召唤不出来。
所以现在的习惯是：把锚点词当骨架，再用 1–2 句原则去校准方向。
随手盘了一下自己常用的几种锚点类型：
1. 概念锚点： 比如“Bauhaus”“学术综述风格”，一次性召回一个范式簇。
2. 范例锚点： 用具名的产品或人定位。别说“现代感”（那是模糊云），直接说“Linear 的现代感”或者“Wes Anderson 的构图”。模型对具名实体的记忆，定位比形容词准一个数量级。
3. 原则锚点： 告诉模型在两条路之间怎么选，切出非平凡的取舍。比如“宁愿少一句，不要多一句”、“能用动词就不用名词”、“介绍同事，不是卖功能”。
4. 反锚点 / 负向锚点： 把模型的 default 倾向挡回去。点名具体反面，“不要太正式”没用，“不要律师函口吻”、“避免 ChatGPT 默认的那种 bullet 列表”才有效。
5. 关系锚点： 用 X 即 Y / X 不是 Y 的结构。比如“Agent 即同事”、“博客不是论文”。一句话同时完成了正向定义、负向排除和情感定调。
6. 体裁锚点： “changelog 风格”“字典词条”“Twitter thread”。体裁自带结构和节奏，一个词代替五条格式规则。
7. 角色锚点： 给身份打包视角，比如“精算师视角”。最好和原则锚点搭着用——身份给视角，原则给行为，别让模型滑向刻板的 roleplay。
写 prompt 没必要堆砌字数，把锚点词当骨架，用 1–2 句原则或元描述校准方向，基本就够用了。
之前我讲过用 AI 的时候，模型经常会做大量隐含假设，为了规避不正确假设容易导致规则越写越长，上下文也重。
在agent环境下我通过 memory 记忆我的偏好来消解这些隐含假设，在纯 Chat 原生环境里，我更习惯扔一些“概念锚点”来消解这些隐含假设。
所谓“概念锚点”，本质上就是个“高密度概念召唤词”——一个压缩包。你给一个短词，模型自动在后台解压出几十个隐含条件。
比如写一个“toC化设计”，它一次性就召回了：面向普通用户、视觉吸引、降低认知门槛、情绪表达、网感等一整套范式。反义就是“toB化设计”（信息密集、功能优先、克制）。“苹果风”“赛博朋克”“极简主义”也是同理，直接调用一整个概念簇。
优势是省字、信息密度极高；劣势是它的解读依赖模型对这个概念的“先验”。冷门或新造的词没有语料支撑，就什么也召唤不出来。
所以现在的习惯是：把锚点词当骨架，再用 1–2 句原则去校准方向。
随手盘了一下自己常用的几种锚点类型：
1. 概念锚点： 比如“Bauhaus”“学术综述风格”，一次性召回一个范式簇。
2. 范例锚点： 用具名的产品或人定位。别说“现代感”（那是模糊云），直接说“Linear 的现代感”或者“Wes Anderson 的构图”。模型对具名实体的记忆，定位比形容词准一个数量级。
3. 原则锚点： 告诉模型在两条路之间怎么选，切出非平凡的取舍。比如“宁愿少一句，不要多一句”、“能用动词就不用名词”、“介绍同事，不是卖功能”。
4. 反锚点 / 负向锚点： 把模型的 default 倾向挡回去。点名具体反面，“不要太正式”没用，“不要律师函口吻”、“避免 ChatGPT 默认的那种 bullet 列表”才有效。
5. 关系锚点： 用 X 即 Y / X 不是 Y 的结构。比如“Agent 即同事”、“博客不是论文”。一句话同时完成了正向定义、负向排除和情感定调。
6. 体裁锚点： “changelog 风格”“字典词条”“Twitter thread”。体裁自带结构和节奏，一个词代替五条格式规则。
7. 角色锚点： 给身份打包视角，比如“精算师视角”。最好和原则锚点搭着用——身份给视角，原则给行为，别让模型滑向刻板的 roleplay。
写 prompt 没必要堆砌字数，把锚点词当骨架，用 1–2 句原则或元描述校准方向，基本就够用了。
4 00
为了确定性，有时候宁愿慢一点。
最近出门的最高礼遇，变成了“打车到地铁站”。
以前总觉得点对点的打车最省心，但当你在四环上眼睁睁看着导航的红线越来越长、到达时间一分钟一分钟往后蹦的时候，那种失控的焦虑，比肉体上的挤压更折磨人。
地铁呢，要转车，带着东西还累，甚至有时候它并不比打车快。但它能给我提供这个城市里最稀缺的东西——确定性的时间。
越来越愿意为这些确定性去做出妥协和努力了。这不算什么生活方式的降级，相反，这是一种对生活节奏的重新夺回。用身体的一点点折腾，换取精神上百分之百的笃定。在那些不可控的洪流里，抓住一个百分之百能握住的锚点。
慢慢走，反而能准时到。
现代生活的焦虑，本质上不是因为“慢”，而是因为“失控”。打车在路上堵着，你把掌控权交给了路况和运气，人就变成了被动等待的客体；而进地铁，是用主动的选择和身体的劳作，把掌控权夺回到了自己手里。
最近出门的最高礼遇，变成了“打车到地铁站”。
以前总觉得点对点的打车最省心，但当你在四环上眼睁睁看着导航的红线越来越长、到达时间一分钟一分钟往后蹦的时候，那种失控的焦虑，比肉体上的挤压更折磨人。
地铁呢，要转车，带着东西还累，甚至有时候它并不比打车快。但它能给我提供这个城市里最稀缺的东西——确定性的时间。
越来越愿意为这些确定性去做出妥协和努力了。这不算什么生活方式的降级，相反，这是一种对生活节奏的重新夺回。用身体的一点点折腾，换取精神上百分之百的笃定。在那些不可控的洪流里，抓住一个百分之百能握住的锚点。
慢慢走，反而能准时到。
现代生活的焦虑，本质上不是因为“慢”，而是因为“失控”。打车在路上堵着，你把掌控权交给了路况和运气，人就变成了被动等待的客体；而进地铁，是用主动的选择和身体的劳作，把掌控权夺回到了自己手里。
17 21
公司不 AI Native，产品转化率和对手至少相差 10 倍
最近在用各家的产品服务，这个体感很深。
有的产品文档能复制为干净 Markdown 的文档，1 秒复制出 API 说明，丢给 Claude Code，快的话 5 分钟写好接入代码，直接能用。
不能复制的呢？光手动整理文档就花 5 到 10 分钟，复制出来还不干净，agent 写的调用代码动不动就出功能问题。API
接口参数多、结构复杂，这个差距在单接口上已经明显了。一旦涉及复合调度——比如同时对接大模型
API、数据存储、语音服务——文档质量的差距被成倍放大。agent 读不准一个接口的参数，后面整条链路全是连锁反应。
同样一个开发任务，文档对 agent 友好的，十分钟跑通。不友好的，折腾半天还在调 bug。速度差 10 倍。
而且人是有惯性的。开发者用 agent
接了三五个服务之后，哪家顺、哪家卡，手上全有数。下次选型不用比功能、不用比价格，手感已经替他决策了。
对 agent是否友好，短期影响接入速度，长期塑造开发者的倾向性。
这个事很小。但它让我想了一些更大的东西。
我们天天说 AI native，但 AI native 的核心到底是什么？不是 AI 更强了，是人类世界对 agent 开放了。
就体现在这样一些细节上——能不能转干净的 Markdown，能不能接 MCP，能不能接 Skill。
人类文明的全部基础设施，都是给人建的。文档给人读，界面给人点，流程给人跑。现在多了一类用户——agent。但整个世界没有为它开门。
就像互联网来的时候，不是把纸质目录扫描成 PDF 就叫"上网"，是信息的组织方式从根上变了。
现在也一样，不是给文档加个"复制为Markdown"按钮就叫 AI native，是所有承载知识、服务、能力的东西，都要重新长出一层给 agent 用的接口。
历史上每次出现新的"用户"，旧世界都得重建接口。文字是给记忆建接口，印刷术是给知识建接口，互联网是给信息建接口。
现在 agent 来了。整个人类世界欠它一层接口。这层接口落到实处，至少三件事：
1. Markdown 是 Agent ·文档的接口。 人看网页，agent 读 Markdown。文档不能干净地转成 Markdown，agent 就读不懂你的知识。
2. MCP 是 Agent 服务的接口。 人用 GUI 点按钮，agent 通过 MCP 调用服务。没有 MCP，agent 面对再强的平台也只能干看着。
3. Skill 是 Agent 能力的接口。 人靠经验和判断做事，agent 靠 Skill 封装的流程做事。能力没有 Skill 化，就只留在人的脑子里，agent 接不住。
哪个接口不通，agent 就在哪里断掉。
说实话，自己公司 WhoBot 在这一点上当前也做得不够好。但这件事一定会推——文档 Markdown 化，接口 MCP 化，能力 Skill 化。一个一个通。
人类世界的东西，要和 agent 世界开放互通。这是这一代基础设施要做的事。
最近在用各家的产品服务，这个体感很深。
有的产品文档能复制为干净 Markdown 的文档，1 秒复制出 API 说明，丢给 Claude Code，快的话 5 分钟写好接入代码，直接能用。
不能复制的呢？光手动整理文档就花 5 到 10 分钟，复制出来还不干净，agent 写的调用代码动不动就出功能问题。API
接口参数多、结构复杂，这个差距在单接口上已经明显了。一旦涉及复合调度——比如同时对接大模型
API、数据存储、语音服务——文档质量的差距被成倍放大。agent 读不准一个接口的参数，后面整条链路全是连锁反应。
同样一个开发任务，文档对 agent 友好的，十分钟跑通。不友好的，折腾半天还在调 bug。速度差 10 倍。
而且人是有惯性的。开发者用 agent
接了三五个服务之后，哪家顺、哪家卡，手上全有数。下次选型不用比功能、不用比价格，手感已经替他决策了。
对 agent是否友好，短期影响接入速度，长期塑造开发者的倾向性。
这个事很小。但它让我想了一些更大的东西。
我们天天说 AI native，但 AI native 的核心到底是什么？不是 AI 更强了，是人类世界对 agent 开放了。
就体现在这样一些细节上——能不能转干净的 Markdown，能不能接 MCP，能不能接 Skill。
人类文明的全部基础设施，都是给人建的。文档给人读，界面给人点，流程给人跑。现在多了一类用户——agent。但整个世界没有为它开门。
就像互联网来的时候，不是把纸质目录扫描成 PDF 就叫"上网"，是信息的组织方式从根上变了。
现在也一样，不是给文档加个"复制为Markdown"按钮就叫 AI native，是所有承载知识、服务、能力的东西，都要重新长出一层给 agent 用的接口。
历史上每次出现新的"用户"，旧世界都得重建接口。文字是给记忆建接口，印刷术是给知识建接口，互联网是给信息建接口。
现在 agent 来了。整个人类世界欠它一层接口。这层接口落到实处，至少三件事：
1. Markdown 是 Agent ·文档的接口。 人看网页，agent 读 Markdown。文档不能干净地转成 Markdown，agent 就读不懂你的知识。
2. MCP 是 Agent 服务的接口。 人用 GUI 点按钮，agent 通过 MCP 调用服务。没有 MCP，agent 面对再强的平台也只能干看着。
3. Skill 是 Agent 能力的接口。 人靠经验和判断做事，agent 靠 Skill 封装的流程做事。能力没有 Skill 化，就只留在人的脑子里，agent 接不住。
哪个接口不通，agent 就在哪里断掉。
说实话，自己公司 WhoBot 在这一点上当前也做得不够好。但这件事一定会推——文档 Markdown 化，接口 MCP 化，能力 Skill 化。一个一个通。
人类世界的东西，要和 agent 世界开放互通。这是这一代基础设施要做的事。
18 44
总说不可能，是因为见到的「能」太少了
在北京，提前两个半小时出门都不一定能赶上大兴机场的飞机。
但那天，离起飞不到两小时，我还躺在床上。 最后不仅赶上了，还比先出发的女朋友更早到登机口。
我复盘了一下是怎么做到的。
——
过年前一天，8:55的飞机，我定了早上5点的闹钟，打算坐地铁去大兴机场，时间刚刚好。
结果闹钟没响。
睁眼看到外面蒙蒙亮，拿起手机一看，7:05。脑子嗡的一下就慌了。赶紧算了一下，导航说到机场一小时二十分钟，我心想现在应该没那么堵，拼一把的话最快一小时十分钟也许能到。管不了那么多了，先冲再说。
穿衣服，合行李箱，手机同时叫车，冲下楼。7:15坐进车里。从睁眼到上车，十分钟，这辈子出门最快的一次。
但是一上车看导航，预估到达时间要一个小时二十分钟，也就是8点半以后才能到。我自己估的是最快也要一小时十分钟，那也是8点半左右了。8:55的飞机，8点半才到机场，心又凉了一截。
然后就遇到了这个司机。
一上车他先问我要不要开发票、要不要报销。我当时急得要死，以为他想取消单不拉我，差点骂出来。他说"那你继续"，就开了。后来我才知道，打车平台对司机有限速，他其实是在确认能不能放开跑。
怎么说呢，在北京待了这么多年，打过无数次车，这是我坐过最快的一次。
他每个路口基本都是绿灯通过的。在北京开过车的人都知道，大路口等一个红灯意味着什么——减速，等一分多钟，起步，再提速，一个红灯轻松耗掉三五分钟。他全程几乎没吃到红灯，几个路口下来就省了十几分钟。
上了高速以后全程顶着限速跑，中间有慢车该超就超，干净利落。
最让我服的是路线规划。他主动跟我说别走导航推荐的那条，换了一条看着稍微远一点的路。我当时其实没底，但选择信他。那条路导航显示也有点堵，他说那种堵耗时更短。事实证明他是对的。
然后我就坐在车上，看着导航上的预估到达时间一路往前跳。8:35，8:25，8:15，8:05……最后8点出头就到了。
导航说一小时二十分钟，我自己估的最快也要一小时十分钟。他不到四十分钟就送到了。说实话，挺魔幻的。
到了机场我直接走急客通道，下车前就把航旅纵横的二维码准备好了，亮一下就过。最后不仅赶上了飞机，还比女朋友先到了登机口——她先出发的，我后到的机场，但我先到的登机口。
那天我给了他两倍车费，当过年红包。想想如果没赶上，机票改签加上多在北京待一天，损失远不止这个数。
更让我服的是，过完年回北京，我约了这个司机接机。那天十一点多落地，出来快十二点了，走高速。凌晨之后下高速是要收过路费的。这哥们掐着点，凌晨前两分钟从高速口出来了。
对时间和路线的掌控，真的是刻在骨子里的。后来我加了他微信，这种水平的司机，太少见了。
——
这件事对我触动挺大的。
天时地利人和，很多事是有可能做到的。
以前打车也说过赶时间，但体感上从来没超出导航预估太多，该赶不上还是赶不上。我一直觉得从家到大兴机场，七十分钟就是下限了，不可能再快。
结果同样的目的地，换个人来开，不到四十分钟，省了将近一半。
我突然意识到，自己脑子里有好多这种"不可能"。不是真的不可能，是我从来没见过有人做到过，就默认觉得不行了。
那天真的给我打开了一个口子。以后遇到事情，有机会能拼一把就拼一把，能闯一下就闯一下。不是说一定能成，但至少别还没试就自己先把路堵死了。
在北京，提前两个半小时出门都不一定能赶上大兴机场的飞机。
但那天，离起飞不到两小时，我还躺在床上。 最后不仅赶上了，还比先出发的女朋友更早到登机口。
我复盘了一下是怎么做到的。
——
过年前一天，8:55的飞机，我定了早上5点的闹钟，打算坐地铁去大兴机场，时间刚刚好。
结果闹钟没响。
睁眼看到外面蒙蒙亮，拿起手机一看，7:05。脑子嗡的一下就慌了。赶紧算了一下，导航说到机场一小时二十分钟，我心想现在应该没那么堵，拼一把的话最快一小时十分钟也许能到。管不了那么多了，先冲再说。
穿衣服，合行李箱，手机同时叫车，冲下楼。7:15坐进车里。从睁眼到上车，十分钟，这辈子出门最快的一次。
但是一上车看导航，预估到达时间要一个小时二十分钟，也就是8点半以后才能到。我自己估的是最快也要一小时十分钟，那也是8点半左右了。8:55的飞机，8点半才到机场，心又凉了一截。
然后就遇到了这个司机。
一上车他先问我要不要开发票、要不要报销。我当时急得要死，以为他想取消单不拉我，差点骂出来。他说"那你继续"，就开了。后来我才知道，打车平台对司机有限速，他其实是在确认能不能放开跑。
怎么说呢，在北京待了这么多年，打过无数次车，这是我坐过最快的一次。
他每个路口基本都是绿灯通过的。在北京开过车的人都知道，大路口等一个红灯意味着什么——减速，等一分多钟，起步，再提速，一个红灯轻松耗掉三五分钟。他全程几乎没吃到红灯，几个路口下来就省了十几分钟。
上了高速以后全程顶着限速跑，中间有慢车该超就超，干净利落。
最让我服的是路线规划。他主动跟我说别走导航推荐的那条，换了一条看着稍微远一点的路。我当时其实没底，但选择信他。那条路导航显示也有点堵，他说那种堵耗时更短。事实证明他是对的。
然后我就坐在车上，看着导航上的预估到达时间一路往前跳。8:35，8:25，8:15，8:05……最后8点出头就到了。
导航说一小时二十分钟，我自己估的最快也要一小时十分钟。他不到四十分钟就送到了。说实话，挺魔幻的。
到了机场我直接走急客通道，下车前就把航旅纵横的二维码准备好了，亮一下就过。最后不仅赶上了飞机，还比女朋友先到了登机口——她先出发的，我后到的机场，但我先到的登机口。
那天我给了他两倍车费，当过年红包。想想如果没赶上，机票改签加上多在北京待一天，损失远不止这个数。
更让我服的是，过完年回北京，我约了这个司机接机。那天十一点多落地，出来快十二点了，走高速。凌晨之后下高速是要收过路费的。这哥们掐着点，凌晨前两分钟从高速口出来了。
对时间和路线的掌控，真的是刻在骨子里的。后来我加了他微信，这种水平的司机，太少见了。
——
这件事对我触动挺大的。
天时地利人和，很多事是有可能做到的。
以前打车也说过赶时间，但体感上从来没超出导航预估太多，该赶不上还是赶不上。我一直觉得从家到大兴机场，七十分钟就是下限了，不可能再快。
结果同样的目的地，换个人来开，不到四十分钟，省了将近一半。
我突然意识到，自己脑子里有好多这种"不可能"。不是真的不可能，是我从来没见过有人做到过，就默认觉得不行了。
那天真的给我打开了一个口子。以后遇到事情，有机会能拼一把就拼一把，能闯一下就闯一下。不是说一定能成，但至少别还没试就自己先把路堵死了。
149 1817