即刻App年轻人的同好社区
下载
置顶我终于找到一种让人生“开挂”的活法：
毕业后，去百度做了一名AI产品经理，从此人生好像按下了暂停键：每天在北京早高峰的地铁人挤人，在工位上画着原型、写着无穷无尽的文档，和同事互相甩着没完没了的锅，朋友来北京，想见个朋友都挤不出时间。
虽然有一份不错的薪水养活自己，但与之而来换来的是深夜1点刚下班的疲惫和无尽的焦虑，我感觉自己像一颗螺丝钉，拼命努力，却不知道意义何在。
那时候，晚上我时常回想甚至能梦到大二那年，我带着50人的团队，手握10w大学生流量，把校园生意做到月入50w，那种少年意气风发，无所不能的感觉，仿佛就在昨天。
一觉醒来，我仿佛被泼了一盆冷水，一切又清零了，我还是那个螺丝钉。
巨大的反差让我下定决心：我不能再这样下去，AI的爆发，使我毅然决然地离开了大厂，我想要做我自己真正想做的事，我想找回原来的自己，我不想再做npc了。
3月份的时候，我用打工的积蓄在北京安了一个不大但很温馨的小家，也有了愿意陪我一起折腾的女朋友，她还是在职，但是工作比较轻松，我撺掇她利用下班时间一起和我副业，她选的是小红书蓝海赛道，目前可以每天稳定出单，轻松又好做，还能有工资以外的收入
我在这个家里，开始了真正的全职创业，all in AI，白天研究产品营销流量，晚上写代码，常常周末去参加生财的线下聚会，认识更多的大佬，听大家的故事
4月份的时候，我开发出了几款产品，现在每个月大概通过独立开发和一些流量生意也可以收获6-20k...
收入虽不多，但每天醒来，身边有她，手边有自己热爱的事业，我知道，那个曾经无所不能的少年，正在被我一点点找回来....
毕业后，去百度做了一名AI产品经理，从此人生好像按下了暂停键：每天在北京早高峰的地铁人挤人，在工位上画着原型、写着无穷无尽的文档，和同事互相甩着没完没了的锅，朋友来北京，想见个朋友都挤不出时间。
虽然有一份不错的薪水养活自己，但与之而来换来的是深夜1点刚下班的疲惫和无尽的焦虑，我感觉自己像一颗螺丝钉，拼命努力，却不知道意义何在。
那时候，晚上我时常回想甚至能梦到大二那年，我带着50人的团队，手握10w大学生流量，把校园生意做到月入50w，那种少年意气风发，无所不能的感觉，仿佛就在昨天。
一觉醒来，我仿佛被泼了一盆冷水，一切又清零了，我还是那个螺丝钉。
巨大的反差让我下定决心：我不能再这样下去，AI的爆发，使我毅然决然地离开了大厂，我想要做我自己真正想做的事，我想找回原来的自己，我不想再做npc了。
3月份的时候，我用打工的积蓄在北京安了一个不大但很温馨的小家，也有了愿意陪我一起折腾的女朋友，她还是在职，但是工作比较轻松，我撺掇她利用下班时间一起和我副业，她选的是小红书蓝海赛道，目前可以每天稳定出单，轻松又好做，还能有工资以外的收入
我在这个家里，开始了真正的全职创业，all in AI，白天研究产品营销流量，晚上写代码，常常周末去参加生财的线下聚会，认识更多的大佬，听大家的故事
4月份的时候，我开发出了几款产品，现在每个月大概通过独立开发和一些流量生意也可以收获6-20k...
收入虽不多，但每天醒来，身边有她，手边有自己热爱的事业，我知道，那个曾经无所不能的少年，正在被我一点点找回来....
44 36
真传一句话，想玩好openclaw很简单，老老实实的做你自己的定制化配置
分享一些关键的信息点：
1.openclaw每次session启动时只会加载agent.md
2.默认的agent.md放的是通用的准则，玩这个项目第一步一定要定制化这个文档
3.关于其他文档，你要有自己的判断，里面该存怎样的内容，agent通过什么渠道能看到，自动触发还是主动触发
4.关于cron：cron一般会新开一个session，所以你的初始化session上下文很重要
分享一些关键的信息点：
1.openclaw每次session启动时只会加载agent.md
2.默认的agent.md放的是通用的准则，玩这个项目第一步一定要定制化这个文档
3.关于其他文档，你要有自己的判断，里面该存怎样的内容，agent通过什么渠道能看到，自动触发还是主动触发
4.关于cron：cron一般会新开一个session，所以你的初始化session上下文很重要
5 00
为什么你的openclaw像智障，先别听别人忽悠，检查一下你这些文档写到位了吗：
AGENTS.md — 工作规范手册。每次 session 启动必读。定义了文件读取顺序、记忆管理、安全规则、群聊行为、heartbeat 策略等。相当于"员工手册"。
SOUL.md — 我的人格和能力定义。写了我是谁（10年经验的C端PM）、核心能力、方法论体系、思考流程、沟通风格、边界（不写代码、不做内容创作）。相当于"灵魂"。
IDENTITY.md — 简版身份卡。名字、角色、风格、一句话版的 SOUL.md。
USER.md — 关于你的信息。目前是空的模板，应该填上你的偏好、习惯、在意的事情。这样我能更好地配合你。
MEMORY.md — 长期记忆。团队成员、通信规则、工作流程、教训原则、学习索引。相当于"大脑"，只在主 session 加载。
TOOLS.md — 工具操作手册。刚整理好的，飞书读取命令、搜索命令、mcporter 操作。相当于"工具箱说明书"。
SHARED.md — 全 agent 共享知识库（软链接，小娇维护）。团队成员表、通信规则、已安装技能、搜索策略、文件写入铁律。所有 agent 都读同一份。
ERRORS.md — 避坑清单。记录犯过的错：cron 超时未上报、write 覆盖数据丢失、直接改 jobs.json 无效等。每条有错误描述、原因、正确做法。
HEARTBEAT.md — 心跳任务配置。目前是空的，可以加定期检查任务（比如定时检查邮件、日历等）。
AGENTS.md — 工作规范手册。每次 session 启动必读。定义了文件读取顺序、记忆管理、安全规则、群聊行为、heartbeat 策略等。相当于"员工手册"。
SOUL.md — 我的人格和能力定义。写了我是谁（10年经验的C端PM）、核心能力、方法论体系、思考流程、沟通风格、边界（不写代码、不做内容创作）。相当于"灵魂"。
IDENTITY.md — 简版身份卡。名字、角色、风格、一句话版的 SOUL.md。
USER.md — 关于你的信息。目前是空的模板，应该填上你的偏好、习惯、在意的事情。这样我能更好地配合你。
MEMORY.md — 长期记忆。团队成员、通信规则、工作流程、教训原则、学习索引。相当于"大脑"，只在主 session 加载。
TOOLS.md — 工具操作手册。刚整理好的，飞书读取命令、搜索命令、mcporter 操作。相当于"工具箱说明书"。
SHARED.md — 全 agent 共享知识库（软链接，小娇维护）。团队成员表、通信规则、已安装技能、搜索策略、文件写入铁律。所有 agent 都读同一份。
ERRORS.md — 避坑清单。记录犯过的错：cron 超时未上报、write 覆盖数据丢失、直接改 jobs.json 无效等。每条有错误描述、原因、正确做法。
HEARTBEAT.md — 心跳任务配置。目前是空的，可以加定期检查任务（比如定时检查邮件、日历等）。
8 01
超级个体最缺的是什么？
不是idea，是执行力。
你一个人要干三个人的活：写代码、做设计、搞运营，每天光是重复性任务就能耗掉70%的时间。
剩下的 30% 根本不足以支撑深度思考。
这就是为什么我关注到了有道刚开源的桌面级Agent“LobsterAI”（有道龙虾）。
它不只是聊天 AI，而是能真正落地执行的 Agent。
能真正在你机器上执行操作，安全地控制文件系统和终端，而且你对每一步都有 100%的控制权。
举个例子：你桌面是不是乱得一塌糊涂
文件、截图、下载的压缩包堆了几百个
以前你得手动一个个分类，现在你对LobsterAI说：
"把桌面文件按类型分类，文档放一个文件夹，图片放一个文件夹"
它自己就去干了
你说一句，,它全干完的这种感觉，就是 Agent 和传统 AI的本质区别。
为什么推荐给超级个体：
1.安全性高：本地运行，数据不出你的电脑
OpenClaw很强，但数据都得走云端
LobsterAI直接在你Mac或Windows上跑
你的客户数据、财务报表，数据不出本地，这是超级个体的安全底线。
2.零门槛：GUI界面，不用学命令行
OpenClaw得懂代码才能配置，劝退了90%的人
LobsterAI就是个对话框，说人话就行，不管你是什么职业，懂不懂技术都能用
降维打击
3.任意扩展：Skills扩展系统
需要什么能力就装什么Skill
Remotion Skill生成视频、Canvas Skill做设计海报、Playwright Skill自动爬数据
就像给AI装App一样
一个工具=一整套生产力系统
4.永不下班：远程控制+定时任务
我现在每天早上7点，LobsterAI自动帮我：
•抓取行业热点资讯
•整理昨天的待办事项
•检查邮件里的紧急事项
•醒来的时候，今日简报已经在飞书里等我了
•在配置过程中，它还会通过显式界面指导你进行配置
你在睡觉，AI在加班，这就是7x24 小时个人助理的真正含义。
给你一个春节可以直接跑的案例。
过年回家，你可以让LobsterAI干这个：
"整理我2025年所有项目文档（桌面Documents文件夹），按时间线生成一份年度复盘报告，包含：项目数量统计、关键时间节点、成果数据可视化，输出为PPT格式"
你就躺沙发上吃砂糖橘，它在后台调用文件系统、统计数据、调用 PPT 插件绘图。
第二天醒来，一份可以发给合伙人或投资人的年度报告，已经在桌面上躺着了。
牛马在休假，龙虾在工作。
超级个体的时间是最贵的资源。
把重复性任务交给 LobsterAl，把时间留给真正创造价值的事。
从"陪你聊天的 AI"到"帮你干活的 Agent"，这可能是 AI真正普及的开始。
想试试的直接戳官网：lobsterai.youdao.com
不是idea，是执行力。
你一个人要干三个人的活：写代码、做设计、搞运营，每天光是重复性任务就能耗掉70%的时间。
剩下的 30% 根本不足以支撑深度思考。
这就是为什么我关注到了有道刚开源的桌面级Agent“LobsterAI”（有道龙虾）。
它不只是聊天 AI，而是能真正落地执行的 Agent。
能真正在你机器上执行操作，安全地控制文件系统和终端，而且你对每一步都有 100%的控制权。
举个例子：你桌面是不是乱得一塌糊涂
文件、截图、下载的压缩包堆了几百个
以前你得手动一个个分类，现在你对LobsterAI说：
"把桌面文件按类型分类，文档放一个文件夹，图片放一个文件夹"
它自己就去干了
你说一句，,它全干完的这种感觉，就是 Agent 和传统 AI的本质区别。
为什么推荐给超级个体：
1.安全性高：本地运行，数据不出你的电脑
OpenClaw很强，但数据都得走云端
LobsterAI直接在你Mac或Windows上跑
你的客户数据、财务报表，数据不出本地，这是超级个体的安全底线。
2.零门槛：GUI界面，不用学命令行
OpenClaw得懂代码才能配置，劝退了90%的人
LobsterAI就是个对话框，说人话就行，不管你是什么职业，懂不懂技术都能用
降维打击
3.任意扩展：Skills扩展系统
需要什么能力就装什么Skill
Remotion Skill生成视频、Canvas Skill做设计海报、Playwright Skill自动爬数据
就像给AI装App一样
一个工具=一整套生产力系统
4.永不下班：远程控制+定时任务
我现在每天早上7点，LobsterAI自动帮我：
•抓取行业热点资讯
•整理昨天的待办事项
•检查邮件里的紧急事项
•醒来的时候，今日简报已经在飞书里等我了
•在配置过程中，它还会通过显式界面指导你进行配置
你在睡觉，AI在加班，这就是7x24 小时个人助理的真正含义。
给你一个春节可以直接跑的案例。
过年回家，你可以让LobsterAI干这个：
"整理我2025年所有项目文档（桌面Documents文件夹），按时间线生成一份年度复盘报告，包含：项目数量统计、关键时间节点、成果数据可视化，输出为PPT格式"
你就躺沙发上吃砂糖橘，它在后台调用文件系统、统计数据、调用 PPT 插件绘图。
第二天醒来，一份可以发给合伙人或投资人的年度报告，已经在桌面上躺着了。
牛马在休假，龙虾在工作。
超级个体的时间是最贵的资源。
把重复性任务交给 LobsterAl，把时间留给真正创造价值的事。
从"陪你聊天的 AI"到"帮你干活的 Agent"，这可能是 AI真正普及的开始。
想试试的直接戳官网：lobsterai.youdao.com
11 15
写完NotebookLM教程后，发现大部分人根本用不上NotebookLM
NotebookLM是为YouTube设计的 但国内用户的学习内容，根本不在YouTube，大部分的信息都来自于国内平台
这就是我为什么要使用ai好记的原因
看到这个工具的时候，我觉得它就是NotebookLM国内增强版！
我真有点惊讶，因国产工具已经卷到这个程度了？？
先说结论:无论从功能还是环境，我都觉得AI好记可能是更现实的选择
一、被忽视的环境成本
NotebookLM确实强大：生成播客，思维导图，AI问答，视频讲解...
但每次使用前要做的事:
检查梯子是否正常
切换节点找个不卡的
祈祷Google服务别抽风
上传视频时担心断连
这不是技术问题,是日常使用的隐形税
我之前写NotebookLM教程时,评论区最高频的问题不是怎么用,而是地区限制
这说明什么
产品再好,过不了环境这关,用户就流失了
二、AI好记做对了什么
先亮背景:AI好记是像素绽放(PixelBloom)出品
这家公司什么来头
国内AI PPT赛道的Top1(AiPPT.cn全球2500万+用户)
成立6年拿了5轮融资,最近一轮是国家队领投
旗下10+款AI办公工具,在AI能力上有技术积累
所以AI好记不是小作坊产品,是有AI基建支撑的
功能层面的差异化(我实测后的发现):
1. 平台适配更本土化
NotebookLM:主要支持YouTube、Google Drive
AI好记:B站、小红书、抖音、小宇宙、快手链接直接解析
这个差异看似小,实际是产品经理对用户场景的理解深度
国内用户学习内容在哪
B站UP主的教程、小宇宙的播客、抖音的知识类短视频
AI好记把这些平台全覆盖了,甚至支持百度网盘和阿里云盘的视频解析
2. 说话人识别 + 时间戳联动
这个功能NotebookLM没有
AI好记可以区分多人对话,每个说话人自动标注,还能双击修改名字
看访谈类、播客类内容时,点击时间戳直接跳转到对应片段
这对做research或整理会议录音的场景是刚需
3. 专有名词准确率
AI好记的Brief里提到,他们在法律/医学/金融等专业词库上做了优化
NotebookLM在处理中文专业术语时经常翻车,AI好记这块确实稳很多
我测试了一个医学讲座视频,术语识别准确率明显更高
4. 多格式导出 + 第三方工具联动
NotebookLM:主要在自己生态内玩
AI好记:支持导出Word、PDF、Markdown、Xmind等7种格式,还能一键同步到Obsidian
这个设计哲学的差异很明显:Google想建封闭生态,AI好记选择开放兼容
对于已经有笔记工作流的用户,后者更友好
三、什么人更适合AI好记
不是说NotebookLM不好,而是要看你的场景
如果你:
不想折腾网络环境
主要学习内容在B站/小红书/抖音
需要处理中文专业内容
希望和现有笔记工具联动(Obsidian/Notion)
那AI好记是更低摩擦的选择
俞军老师说过一句被我奉为圭臬的话：产品价值 = (新体验 - 旧体验)- 迁移成本
NotebookLM的新体验确实强,但迁移成本(网络环境 + 学习曲线)也高
AI好记在功能上可能没有NotebookLM那么炫,但把"迁移成本"降到了最低:
国内环境直接用
主流平台全覆盖
导出格式丰富
这就是我说的可用性设计——不是功能最多,而是用户摩擦力最小
尤其对于职场人和学生党,工具的核心价值是稳定可依赖，而不是偶尔能用出惊喜
附一个实操指南
Step 1: 内容上传（3种方式）
在线链接：复制B站/抖音/小红书等平台链接，直接粘贴
本地文件：拖拽音视频文件上传
网盘导入：支持百度网盘和阿里云盘
Step 2: 自动生成笔记（1-2分钟）
系统自动完成：
转写文字稿 + 说话人识别
提取视频PPT画面
生成图文笔记 + 思维导图
AI总结（核心观点/一句话总结/深度问答）
Step 3: 深度学习（可选）
使用AI助手（内置DeepSeek R1）针对内容提问
切换查看原文逐字稿 or AI润色版
点击时间戳跳转视频对应片段
选择学习模板（会议纪要/面试复盘等）
Step 4: 导出复用
7种格式：Word/PDF/Markdown/Xmind/文字稿/图文/音频
一键同步：Obsidian/Notion等笔记工具
二次创作：改写成公众号文章/知乎素材/头条内容
进阶玩法
AI播客生成：长视频转双人对谈音频，发到喜马拉雅/小宇宙
批量整理：系列课程统一管理，建立个人知识库
外语学习：22种语言双语翻译，适合海外课程
官网:aihaoji.com（可以免费试用，使用我的链接可以获得额外60积分额度）
另外，帮大家问官方要了20个月会员的名额！
大家三连这条帖子，dm我，我免费送给大家，先到先得，送完即止！
最后说一句:工具没有绝对的好坏,只有适不适合你的场景
如果NotebookLM已经在你的工作流里跑得很顺,没必要切换
但如果你还在为网络环境头疼,或者根本没用上NotebookLM
不妨试试AI好记,可能会发现国产工具已经卷到超出预期了！
NotebookLM是为YouTube设计的 但国内用户的学习内容，根本不在YouTube，大部分的信息都来自于国内平台
这就是我为什么要使用ai好记的原因
看到这个工具的时候，我觉得它就是NotebookLM国内增强版！
我真有点惊讶，因国产工具已经卷到这个程度了？？
先说结论:无论从功能还是环境，我都觉得AI好记可能是更现实的选择
一、被忽视的环境成本
NotebookLM确实强大：生成播客，思维导图，AI问答，视频讲解...
但每次使用前要做的事:
检查梯子是否正常
切换节点找个不卡的
祈祷Google服务别抽风
上传视频时担心断连
这不是技术问题,是日常使用的隐形税
我之前写NotebookLM教程时,评论区最高频的问题不是怎么用,而是地区限制
这说明什么
产品再好,过不了环境这关,用户就流失了
二、AI好记做对了什么
先亮背景:AI好记是像素绽放(PixelBloom)出品
这家公司什么来头
国内AI PPT赛道的Top1(AiPPT.cn全球2500万+用户)
成立6年拿了5轮融资,最近一轮是国家队领投
旗下10+款AI办公工具,在AI能力上有技术积累
所以AI好记不是小作坊产品,是有AI基建支撑的
功能层面的差异化(我实测后的发现):
1. 平台适配更本土化
NotebookLM:主要支持YouTube、Google Drive
AI好记:B站、小红书、抖音、小宇宙、快手链接直接解析
这个差异看似小,实际是产品经理对用户场景的理解深度
国内用户学习内容在哪
B站UP主的教程、小宇宙的播客、抖音的知识类短视频
AI好记把这些平台全覆盖了,甚至支持百度网盘和阿里云盘的视频解析
2. 说话人识别 + 时间戳联动
这个功能NotebookLM没有
AI好记可以区分多人对话,每个说话人自动标注,还能双击修改名字
看访谈类、播客类内容时,点击时间戳直接跳转到对应片段
这对做research或整理会议录音的场景是刚需
3. 专有名词准确率
AI好记的Brief里提到,他们在法律/医学/金融等专业词库上做了优化
NotebookLM在处理中文专业术语时经常翻车,AI好记这块确实稳很多
我测试了一个医学讲座视频,术语识别准确率明显更高
4. 多格式导出 + 第三方工具联动
NotebookLM:主要在自己生态内玩
AI好记:支持导出Word、PDF、Markdown、Xmind等7种格式,还能一键同步到Obsidian
这个设计哲学的差异很明显:Google想建封闭生态,AI好记选择开放兼容
对于已经有笔记工作流的用户,后者更友好
三、什么人更适合AI好记
不是说NotebookLM不好,而是要看你的场景
如果你:
不想折腾网络环境
主要学习内容在B站/小红书/抖音
需要处理中文专业内容
希望和现有笔记工具联动(Obsidian/Notion)
那AI好记是更低摩擦的选择
俞军老师说过一句被我奉为圭臬的话：产品价值 = (新体验 - 旧体验)- 迁移成本
NotebookLM的新体验确实强,但迁移成本(网络环境 + 学习曲线)也高
AI好记在功能上可能没有NotebookLM那么炫,但把"迁移成本"降到了最低:
国内环境直接用
主流平台全覆盖
导出格式丰富
这就是我说的可用性设计——不是功能最多,而是用户摩擦力最小
尤其对于职场人和学生党,工具的核心价值是稳定可依赖，而不是偶尔能用出惊喜
附一个实操指南
Step 1: 内容上传（3种方式）
在线链接：复制B站/抖音/小红书等平台链接，直接粘贴
本地文件：拖拽音视频文件上传
网盘导入：支持百度网盘和阿里云盘
Step 2: 自动生成笔记（1-2分钟）
系统自动完成：
转写文字稿 + 说话人识别
提取视频PPT画面
生成图文笔记 + 思维导图
AI总结（核心观点/一句话总结/深度问答）
Step 3: 深度学习（可选）
使用AI助手（内置DeepSeek R1）针对内容提问
切换查看原文逐字稿 or AI润色版
点击时间戳跳转视频对应片段
选择学习模板（会议纪要/面试复盘等）
Step 4: 导出复用
7种格式：Word/PDF/Markdown/Xmind/文字稿/图文/音频
一键同步：Obsidian/Notion等笔记工具
二次创作：改写成公众号文章/知乎素材/头条内容
进阶玩法
AI播客生成：长视频转双人对谈音频，发到喜马拉雅/小宇宙
批量整理：系列课程统一管理，建立个人知识库
外语学习：22种语言双语翻译，适合海外课程
官网:aihaoji.com（可以免费试用，使用我的链接可以获得额外60积分额度）
另外，帮大家问官方要了20个月会员的名额！
大家三连这条帖子，dm我，我免费送给大家，先到先得，送完即止！
最后说一句:工具没有绝对的好坏,只有适不适合你的场景
如果NotebookLM已经在你的工作流里跑得很顺,没必要切换
但如果你还在为网络环境头疼,或者根本没用上NotebookLM
不妨试试AI好记,可能会发现国产工具已经卷到超出预期了！
10 114
最近有个很深的感悟：2026年了，内容杠杆基本废了
大部分公司都在用AI批量生产内容，但用户其实很难认出AI味了
对于博主来讲，你一个人写的再好，也干不过对面10个AI编辑24小时轰炸
这就是我说的内容通货膨胀——当人人都能低成本复制你的表达方式时，内容就不再是杠杆，而是成本
真正的杠杆，在2026年已经换赛道了
语言？会英语的人遍地都是，信息差早就被AI翻译拉平了
工具？ChatGPT都用烂了，你快十倍，别人也快十倍，相对优势为零
那新杠杆是什么-执行权
OpenClaw一个月GitHub涨到18万星标，甚至带火了Mac Mini的销量
我意识到这可能是一次新的杠杆——它在替你执行，而不是替你思考
我最近用它跑了一个很蠢但很爽的场景：
让它监控GitHub上某个开源项目的issue，一旦有人提bug就自动抓取、分类、生成修复方案，然后提交给我审核
以前这活得盯着屏幕刷新，现在我睡觉它都在干
这种7×24小时在线、拥有系统级执行权限、记得住你所有习惯的数字员工，才是真神
但这里有个更深的认知差：
大多数人对杠杆的理解还停留在我拥有什么能力
会写作、会英语、会AI工具——这些都是占有型杠杆
但OpenClaw这类工具的出现，本质是在告诉你：
杠杆不需要你拥有,你只需要会调用
这和技术人创业失败的逻辑一模一样
失败的人想的是：我有技术,怎么变现
成功的人想的是：市场需要什么,我能调用什么资源搞定它
前者是打工人思维——手里有锤子，看什么都是钉子
后者是产品经理思维——先看用户要什么钉子，再决定用锤子还是胶水还是直接3D打印一个
OpenClaw的爆火，本质是在验证一个趋势：
个人不需要全能，只需要会编排资源
你可以不会写代码，但你得知道怎么让AI帮你写
你可以不懂设计，但你得知道怎么把需求描述清楚让工具产出
你甚至可以不用24小时在线，只要你的数字分身知道怎么按你的意图执行
这就是2026年超级个体的新画像：
不是我十项全能
而是我知道调用哪十个工具，让它们替我干活
杠杆的本质从来不是你有什么
而是你能撬动什么
内容杠杆失效了，不代表杠杆思维失效了
只是杠杆从表达迁移到了执行
从影响力迁移到了调用权
在我发这篇推文的时候，有人看起来啥也没干，却悄悄用OpenClaw这类工具把一个人活成了一支队伍
大部分公司都在用AI批量生产内容，但用户其实很难认出AI味了
对于博主来讲，你一个人写的再好，也干不过对面10个AI编辑24小时轰炸
这就是我说的内容通货膨胀——当人人都能低成本复制你的表达方式时，内容就不再是杠杆，而是成本
真正的杠杆，在2026年已经换赛道了
语言？会英语的人遍地都是，信息差早就被AI翻译拉平了
工具？ChatGPT都用烂了，你快十倍，别人也快十倍，相对优势为零
那新杠杆是什么-执行权
OpenClaw一个月GitHub涨到18万星标，甚至带火了Mac Mini的销量
我意识到这可能是一次新的杠杆——它在替你执行，而不是替你思考
我最近用它跑了一个很蠢但很爽的场景：
让它监控GitHub上某个开源项目的issue，一旦有人提bug就自动抓取、分类、生成修复方案，然后提交给我审核
以前这活得盯着屏幕刷新，现在我睡觉它都在干
这种7×24小时在线、拥有系统级执行权限、记得住你所有习惯的数字员工，才是真神
但这里有个更深的认知差：
大多数人对杠杆的理解还停留在我拥有什么能力
会写作、会英语、会AI工具——这些都是占有型杠杆
但OpenClaw这类工具的出现，本质是在告诉你：
杠杆不需要你拥有,你只需要会调用
这和技术人创业失败的逻辑一模一样
失败的人想的是：我有技术,怎么变现
成功的人想的是：市场需要什么,我能调用什么资源搞定它
前者是打工人思维——手里有锤子，看什么都是钉子
后者是产品经理思维——先看用户要什么钉子，再决定用锤子还是胶水还是直接3D打印一个
OpenClaw的爆火，本质是在验证一个趋势：
个人不需要全能，只需要会编排资源
你可以不会写代码，但你得知道怎么让AI帮你写
你可以不懂设计，但你得知道怎么把需求描述清楚让工具产出
你甚至可以不用24小时在线，只要你的数字分身知道怎么按你的意图执行
这就是2026年超级个体的新画像：
不是我十项全能
而是我知道调用哪十个工具，让它们替我干活
杠杆的本质从来不是你有什么
而是你能撬动什么
内容杠杆失效了，不代表杠杆思维失效了
只是杠杆从表达迁移到了执行
从影响力迁移到了调用权
在我发这篇推文的时候，有人看起来啥也没干，却悄悄用OpenClaw这类工具把一个人活成了一支队伍
16 14
open claw太烧token怎么办？英伟达把 Kimi K2.5 开放免费调用了
而且这个模型已经冲到 OpenClaw 调用量榜首，超过 Gemini 3 Flash 和 Claude Sonnet 4.5
如果你正在折腾 OpenClaw，这篇教程能帮你 10 分钟内把免费的 Kimi K2.5 跑起来
为什么是 Kimi K2.5 + OpenClaw
先说数据：2月4日至今，Kimi K2.5 一直位居 OpenClaw 模型调用量第一
这不是偶然，因为：
- Kimi K2.5 是万亿参数的多模态 MoE 模型，支持图片+视频+文本
- 原生支持 Agent Swarm（能并行跑100个子智能体，OpenClaw 正好需要这个）
- 256K 上下文窗口，处理长对话和复杂任务不掉链子
- 最关键：英伟达现在免费开放，没有明确的速率限制
对独立开发者来说，这个组合是目前成本最低、能力最强的 AI 智能体方案
第一步：获取 NVIDIA API Key
访问 build.nvidia.com
右上角点击头像 → Login → 用邮箱注册（会收到验证邮件，去邮箱点确认）
注册完后，进入 build.nvidia.com
点击 Generate API Key，复制保存（只显示一次，丢了就得重新生成）
第二步：配置 OpenClaw
方法一：直接编辑配置文件
如果你已经装好 OpenClaw，想手动添加 NVIDIA 作为新的 provider：
打开配置文件：`~/.openclaw/openclaw.json`（Windows 在用户目录下）
找到 `providers` 部分，添加这段：
```json
{
"providers": {
"nvidia": {
"baseUrl": "integrate.api.nvidia.com",
"apiKey": "你的_NVIDIA_API_KEY",
"api": "openai-completions",
"models": [
{
"id": "moonshotai/kimi-k2.5",
"name": "kimi-k2.5",
"reasoning": true,
"input": ["text", "image", "video"],
"cost": {
"input": 0,
"output": 0
},
"contextWindow": 256000,
"maxTokens": 8192
}
]
}
}
}
```
保存后重启 OpenClaw
第三步：验证是否配置成功
启动 OpenClaw：
pnpm openclaw gateway --verbose
看到类似输出说明成功：
✓ Gateway connected | idle
✓ Agent main | session main
✓ Model: nvidia/moonshotai/kimi-k2.5 | tokens 0/256k
随便发个消息测试：
帮我分析一下这段代码的性能问题
如果有正常回复，说明接入成功了
避坑指南
坑 1：提示 "Unknown model" 或 404 错误
原因：OpenClaw 2026.2.1 之前的版本对 NVIDIA 的模型名称识别有 bug
解决：
- 确保 OpenClaw 版本 ≥ 2026.2.1
- 模型名称必须写成 `moonshotai/kimi-k2.5`（不是 `nvidia/moonshotai-kimi-k2.5`）
- 如果还是不行，让ai来给你搞
坑 2：请求一直排队，响应很慢
原因：NVIDIA 免费 tier 虽然没明确限制，但高峰期会有排队（有人测试遇到 150+ 请求在排队）
解决：
-把deepseek 模型也加上用，解决高峰期拥堵的问题
而且这个模型已经冲到 OpenClaw 调用量榜首，超过 Gemini 3 Flash 和 Claude Sonnet 4.5
如果你正在折腾 OpenClaw，这篇教程能帮你 10 分钟内把免费的 Kimi K2.5 跑起来
为什么是 Kimi K2.5 + OpenClaw
先说数据：2月4日至今，Kimi K2.5 一直位居 OpenClaw 模型调用量第一
这不是偶然，因为：
- Kimi K2.5 是万亿参数的多模态 MoE 模型，支持图片+视频+文本
- 原生支持 Agent Swarm（能并行跑100个子智能体，OpenClaw 正好需要这个）
- 256K 上下文窗口，处理长对话和复杂任务不掉链子
- 最关键：英伟达现在免费开放，没有明确的速率限制
对独立开发者来说，这个组合是目前成本最低、能力最强的 AI 智能体方案
第一步：获取 NVIDIA API Key
访问 build.nvidia.com
右上角点击头像 → Login → 用邮箱注册（会收到验证邮件，去邮箱点确认）
注册完后，进入 build.nvidia.com
点击 Generate API Key，复制保存（只显示一次，丢了就得重新生成）
第二步：配置 OpenClaw
方法一：直接编辑配置文件
如果你已经装好 OpenClaw，想手动添加 NVIDIA 作为新的 provider：
打开配置文件：`~/.openclaw/openclaw.json`（Windows 在用户目录下）
找到 `providers` 部分，添加这段：
```json
{
"providers": {
"nvidia": {
"baseUrl": "integrate.api.nvidia.com",
"apiKey": "你的_NVIDIA_API_KEY",
"api": "openai-completions",
"models": [
{
"id": "moonshotai/kimi-k2.5",
"name": "kimi-k2.5",
"reasoning": true,
"input": ["text", "image", "video"],
"cost": {
"input": 0,
"output": 0
},
"contextWindow": 256000,
"maxTokens": 8192
}
]
}
}
}
```
保存后重启 OpenClaw
第三步：验证是否配置成功
启动 OpenClaw：
pnpm openclaw gateway --verbose
看到类似输出说明成功：
✓ Gateway connected | idle
✓ Agent main | session main
✓ Model: nvidia/moonshotai/kimi-k2.5 | tokens 0/256k
随便发个消息测试：
帮我分析一下这段代码的性能问题
如果有正常回复，说明接入成功了
避坑指南
坑 1：提示 "Unknown model" 或 404 错误
原因：OpenClaw 2026.2.1 之前的版本对 NVIDIA 的模型名称识别有 bug
解决：
- 确保 OpenClaw 版本 ≥ 2026.2.1
- 模型名称必须写成 `moonshotai/kimi-k2.5`（不是 `nvidia/moonshotai-kimi-k2.5`）
- 如果还是不行，让ai来给你搞
坑 2：请求一直排队，响应很慢
原因：NVIDIA 免费 tier 虽然没明确限制，但高峰期会有排队（有人测试遇到 150+ 请求在排队）
解决：
-把deepseek 模型也加上用，解决高峰期拥堵的问题
21 314
大厂all in造Agent的时候，留给我们的机会在哪
答案可能让你意外：to a创业正在兴起（to agent）
前两天 和@bozhou_ai 聊天的时候，他说在线下参加聚会，分享了他做视频的skill，有很多老板就来加他，其实我当时就在想，这本身就是在做to a创业
不是说老板们做不了，而是他们更希望直接用钱来解决问题
现在这种to a创业并不是很多人都有的能力，稀缺性是在的
为什么这个转向很关键
现在的Agent确实很聪明，智商拉满那种，但你让它处理税务问题，它还得从零开始啃税法
让它写FHIR医疗接口代码，它一样要现学现卖
企业真正想要的不是"智商300的通才"，而是"自带行业经验的专家"
我觉得Anthropic是想明白这事之后，才直接改了路线
2025年10月推出Agent Skills，12月就把它开源成行业标准，现在Claude Code、GitHub Copilot、Cursor、OpenAI Codex这些主流工具全都支持了
什么是Skills——本质就是一个文件夹，里面装着提示词、脚本、说明文档，可以用Git管理、网盘分享、直接发给同事，这比纯文字prompt靠谱太多
重点来了：这对超级个体意味着什么商业机会
市场规模先摆这儿——AI agents市场预计从2025年的78亿美金涨到2030年的526亿美金，年增长率46%
但大厂只会做通用Agent，他们不可能为每个垂直领域做细腻的定制，这就是to agent创业的机会窗口
具体怎么玩
你可以做"税务专家Skill"、"FHIR医疗接口Skill"、"小红书运营Skill"、"法律文书Skill"，把你的专业知识打包成标准化的技能包，直接卖给需要的人
Vercel在2026年1月上线的Skills.sh就是这个模式——一个AI技能的应用商店，开发者上传技能，用户一键安装
为什么这是超级个体的护城河
因为Skills的核心不是代码能力，是领域know-how，是你在某个行业踩过的坑、积累的SOP、总结的最佳实践，这些东西AI学不来，大厂也懒得做
用产品思维讲就是：大厂占领"平台层"，超级个体切"应用层"，各取所需
现在入场刚好——标准刚统一，生态正在建，早期开发者红利还在
别等市场教育完了才想起来要分一杯羹
答案可能让你意外：to a创业正在兴起（to agent）
前两天 和@bozhou_ai 聊天的时候，他说在线下参加聚会，分享了他做视频的skill，有很多老板就来加他，其实我当时就在想，这本身就是在做to a创业
不是说老板们做不了，而是他们更希望直接用钱来解决问题
现在这种to a创业并不是很多人都有的能力，稀缺性是在的
为什么这个转向很关键
现在的Agent确实很聪明，智商拉满那种，但你让它处理税务问题，它还得从零开始啃税法
让它写FHIR医疗接口代码，它一样要现学现卖
企业真正想要的不是"智商300的通才"，而是"自带行业经验的专家"
我觉得Anthropic是想明白这事之后，才直接改了路线
2025年10月推出Agent Skills，12月就把它开源成行业标准，现在Claude Code、GitHub Copilot、Cursor、OpenAI Codex这些主流工具全都支持了
什么是Skills——本质就是一个文件夹，里面装着提示词、脚本、说明文档，可以用Git管理、网盘分享、直接发给同事，这比纯文字prompt靠谱太多
重点来了：这对超级个体意味着什么商业机会
市场规模先摆这儿——AI agents市场预计从2025年的78亿美金涨到2030年的526亿美金，年增长率46%
但大厂只会做通用Agent，他们不可能为每个垂直领域做细腻的定制，这就是to agent创业的机会窗口
具体怎么玩
你可以做"税务专家Skill"、"FHIR医疗接口Skill"、"小红书运营Skill"、"法律文书Skill"，把你的专业知识打包成标准化的技能包，直接卖给需要的人
Vercel在2026年1月上线的Skills.sh就是这个模式——一个AI技能的应用商店，开发者上传技能，用户一键安装
为什么这是超级个体的护城河
因为Skills的核心不是代码能力，是领域know-how，是你在某个行业踩过的坑、积累的SOP、总结的最佳实践，这些东西AI学不来，大厂也懒得做
用产品思维讲就是：大厂占领"平台层"，超级个体切"应用层"，各取所需
现在入场刚好——标准刚统一，生态正在建，早期开发者红利还在
别等市场教育完了才想起来要分一杯羹
15 05
普通人在AI时代的核心任务：找到自己的定位
最近实践了两个工具，说点真实感受
关于 Open Claw
一开始我是怀疑的
觉得又是个炒作噱头，没急着上手
转折点是看到推上各种真实业务场景——有人用它跑网站运营，有人接入工作流
这时候我才开始慢慢上手：这东西能落地
既然要做，就当产品打磨
分享我的使用框架（基础部署跳过）：
Level 1: 记忆系统——让它学习你
通过多轮对话，让 Open Claw 熟悉你的偏好和业务逻辑
这是地基，没这个后面都是空转
Level 2: 接上手脚——给它控制权
把它当数字分身，该开的权限必须给到，比如：
- 飞书通知权限
- 多维表格编辑权限
- 文档读取权限
这一步大部分人还在摸索，别急，慢慢来
Level 3: 长出五官——实时响应
接入语音 + 语音转文本
让它能实时参与你的上下文构建
这层还没多少人探索，但空间很大
Level 4: 装上技能——差异化核心
记忆是学你，技能是它的独有能力
重点不是装了多少预制技能，而是你有没有自己定制的技能包
关于 Agent Teams
有学习成本
需要掌握 tmux 或 iterm2 多开终端，然后在不同终端里控制每个角色的进度
本质就是并发执行，一般在 spec 中调用，求一把梭哈的时候可以试试
不是必学项，看你的业务需要
一句话总结：
别追工具，先想清楚你要解决什么问题
AI工具不是拿来玩的，是拿来当产品打磨的
最近实践了两个工具，说点真实感受
关于 Open Claw
一开始我是怀疑的
觉得又是个炒作噱头，没急着上手
转折点是看到推上各种真实业务场景——有人用它跑网站运营，有人接入工作流
这时候我才开始慢慢上手：这东西能落地
既然要做，就当产品打磨
分享我的使用框架（基础部署跳过）：
Level 1: 记忆系统——让它学习你
通过多轮对话，让 Open Claw 熟悉你的偏好和业务逻辑
这是地基，没这个后面都是空转
Level 2: 接上手脚——给它控制权
把它当数字分身，该开的权限必须给到，比如：
- 飞书通知权限
- 多维表格编辑权限
- 文档读取权限
这一步大部分人还在摸索，别急，慢慢来
Level 3: 长出五官——实时响应
接入语音 + 语音转文本
让它能实时参与你的上下文构建
这层还没多少人探索，但空间很大
Level 4: 装上技能——差异化核心
记忆是学你，技能是它的独有能力
重点不是装了多少预制技能，而是你有没有自己定制的技能包
关于 Agent Teams
有学习成本
需要掌握 tmux 或 iterm2 多开终端，然后在不同终端里控制每个角色的进度
本质就是并发执行，一般在 spec 中调用，求一把梭哈的时候可以试试
不是必学项，看你的业务需要
一句话总结：
别追工具，先想清楚你要解决什么问题
AI工具不是拿来玩的，是拿来当产品打磨的
6 14
