上周自己用一台之前安装了代理的腾讯云服务器，重装系统后部署了小龙虾。这两天自己一直在想，什么时候找个时间再把代理部署上去。今天无意间知道，小龙虾可以自己在宿主服务器上面把代理一次性全部装好。
自己被惊到了，这才是妥妥的 AI First 思维啊！

少就是多。
少就是指数级的多。全部事情都做是不自信的表现，是没有把握到要解决的核心问题是什么的现象。

因为自己每天都会把自己的时间日志发给 AI，让 AI 去分析。今天突然联想到一个很好的 AI native 转型技巧：把自己每天做过的事发给 AI，然后让 AI 自己来分析，哪些可以用 AI 进行提效。
今天第一个实践就是让小龙虾帮自己 review 代码，效果还不错。

传统企业在向 AI native 转型的过程中，企业文化、组织结构的适配升级可能和引入、落地 AI 技术同等重要。

所有的事情、所有的问题，都可以和 AI 先聊一聊。AI 不一定能够真正的解决，就像很多物理世界中的问题。
但是AI 的价值不仅在于执行，更在于启发。

上周自己在公司内网一键部署配置简化版的龙虾，1分钟搞定，极简但看不到底层配置。昨天和今天自己在Mac上手动部署并对接飞书，折腾了近6小时，踩了很多配置坑。
但也正因手动配置，才真正理解它的能力边界、定制项与灵活性。
便捷部署虽然爽，却容易忽略工具的深度；麻烦的过程，反而让人真正掌握它。
越折腾，越懂本质。

养龙虾，这三个字其实很好地道出了和龙虾相处的本质：它不是一个能力在出厂时就固定的工具，它可以动态的在工作中、在交流中，不断成长、不断丰富技能、不断变得更强大，就像一个应届毕业生逐渐变成了技术专家一样。
同时，这个也提醒我们在和龙虾协作的过程中，刚开始一定不要只抱怨他笨，你对他一定要有一个培养的过程。
期待自己的下篇感悟是由自己的龙虾来发的。

今天自己突然意识到一个错误：这一周自己在看一个老项目的代码。看的过程中，遇到一些不懂或者不熟悉的 API，自己让 AI 给自己解释，并且在解释完成之后，自己还让 AI 给自己整成一个学习文档。第二天自己又重新复习这个文档，以尝试记住这个 API 的用法和特性。
今天自己突然意识到，这很有问题：在 AI 时代，不要再尝试去记具体的语言、语法的特性，因为自己也不可能去手写这些代码，AI 能更好地完成这些。对自己真正有价值的是快速理解代码逻辑背后的业务，这才是对自己最重要、最有价值的东西。
这件事让自己意识到自己还没有真正识别 AI 时代的本质不同和核心需要，幸运的是，现在自己又前进了一步。

在普遍存在且日益加重的 AI 焦虑下，市场上有两个非常明确的机会：第一，是通过贩卖焦虑进行卖课或者是知识付费。第二，就是通过某些方式缓解大家的焦虑，重新发现生命的兴趣和意义。
第一个很多人已经在做了，第二个目前还没有发现大量的涌入者。

之前自己尝试用 Bmad-method 或者 SpecKit 进行代码开发，但是使用起来都感觉有点重，可能有提效，但人非常累。
今天突然发现另外一个思路: 就是在完成方案设计后，让 AI 一个点一个点的去写代码，每写完一处，自己就检查一下逻辑，并让 AI 补充一下单测。每次只完成一个局部很小的点，直到整个需求开发完成。整个过程中感觉提效了不少，并且人也没那么累。