一、 为什么最近“消失”了？

!图片'%20fill='%23FFFFFF'%3E%3Crect%20x='249'%20y='126'%20width='1'%20height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

一、 为什么最近“消失”了？

很久没更新了。

很多人在后台留言，问我最近忙啥呢，怎么也不见更新了。

真实的原因很简单：我被那种“资讯过载”的虚假繁荣搞累了。

每天打开手机，全是“某某模型吊打 GPT-4”、“某某神器改变世界”，AI急速发展。但关上手机回到电脑前，我发现绝大多数所谓的“神器”解决不了我的实际问题。我依然要花大量时间去调试代码，事情的推进还是要靠自己，依然在为低效的流程头疼。

于是我决定把那些噪音切断，自己跳进那个所谓的“金矿”里去实地挖一挖。如果不亲自上手把那些工具用到“冒烟”，我写出来的东西就是对大家时间的谋杀。

这段时间，我只干了三件事：

• 用 Claude Code 试着从 0 搭建一个完整可运行的 SaaS 工具。
• 重新审视我的AI订阅账单，思考每一分钱花得值不值。
• 把各种 Agent 框架拆开揉碎，看看到底什么才是“普通人的变现机会”。

今天，我把我挖到的三块“真金”拿出来，和老朋友们交个底。

二、 第一块金子：从“写代码”到“高并发意图执行”

很多人聊 AI 编程，总喜欢说“以后人人都是程序员”。这话太虚了，或者说程序员的定义已经变了，不再是狭义的写代码，而是有能力实现自己的需求。

我这段时间一直在高强度使用 Claude Code。它不是一个简单的对话框，而是一个直接扎根在你终端里的“开发搭子”。

我踩到的第一个坑：上下文的“迷失”。很多人用 AI 写代码，习惯一个对话框聊到底。结果就是代码越写越乱，AI 记不住前面的逻辑。我在用 Claude Code 重构一个自动化工具时，因为它一次性读取了太多的文件上下文，结果在修改一个权限校验逻辑时，由于定位偏差，它把我的生产数据库配置项给误删了。

这就是实战带来的教训：AI 依然是“概率机器”，它没有真正的全局观。

但我依然认为它是“金子”。为什么？ 因为它改变了我的工作颗粒度。以前我写代码，是“写每一行”；现在我是在“调配意图”。

比如，我想给我的应用加一个“GitHub 自动同步”的功能。以前我要查 API 文档、写鉴权、写 Webhook、调格式，起码半天时间。现在，我只需要在终端里跟 Claude Code 描述：“帮我写一个 MCP 服务器，打通 GitHub 的仓库操作，并把权限控制放在环境变量里。”

它会瞬间生成逻辑，我只需要审核，然后敲下 Y 确认执行。

这不再是编程，这是“意图的自动化落地”。 这种能力的提升，不是让你少敲几行键盘，而是让你从一个“码农”，变成了一个“意图执行者”。你能一个人指挥一群 AI 模块，去实现以前一个小组才能干出来的活。

三、 第二块金子：Token，其实是脑力的度量衡

如果你现在看 API 账单时只心疼那几块钱，那你的思维还停留在“消耗品”阶段。我其实也订阅了很多AI会员，但实际应用的到底有多少呢，有没有高效的利用呢，我认真衡量了一下。

这段时间做了一个实验。我记录了两个任务的 Token 消耗：

• 任务 A：一个复杂的 SQL 优化，涉及五个表的关联和索引重建。
• 任务 B：一个简单的前端 UI 布局调整。

结果很有意思。任务 A 消耗的 Token 远多于任务 B，但它为我节省了起码 4 小时的深度思考时间。

我突然意识到：Token 是人类历史上第一个可以量化“脑力劳动”的指标。

!图片

以前，我们衡量工作量是用“工时”，但工时里有水分，有摸鱼。而 Token 是实打实的逻辑推理支出。

• 如果你是一个高手，你能用 500 个 Token 指导 AI 完成一个复杂的架构设计，这叫 “高脑力密度”。
• 如果你不清楚自己的需求，来回拉扯消耗了几万个 Token 还没出结果，这叫 “脑力耗散”。

理解了这一点，你就明白为什么我说 Token 是“度量衡”。在 AI 时代，你的竞争力不再是你懂多少代码，而是你“调动逻辑”的效率。

同样，不同的AI订阅其实意味着我们是否可以高效的利用，比如ChatGpt的会员可以用于生活工作任何场景，比如gemini的deep research和nano banana生图，比如claude的编程。以及国内的GLM、Minimax等。我现在的习惯是，每做一个项目，我都会计算它的 “脑力/Token 转化比”。如果一个任务消耗了大量 Token 却没产生真正的价值，那说明我的意图出了问题。如果一个会员的订阅没有高效的应用起来，那意味着可以暂时不用订阅这个。这是我们作为实战派，在 AI 时代必须要建立的一种新型成本观。

四、 第三块金子：OpenClaw 与“Skills 经济”

这是最让我兴奋的部分，也是我看到的普通人最实在的“掘金”路径。

大家都在聊 Agent（智能体），但大多数 Agent 依然停留在网页端的“对话框”里。直到 OpenClaw（小龙虾） 的出现。

它解决了一个核心痛点：AI 怎么真正操作我的电脑 and 工具？

OpenClaw 背后的一套逻辑是 MCP（Model Context Protocol）和 Skills。简单来说，就是给 AI 装上了一排“标准接口”。通过这些接口，AI 能直接读取我的日历、操作我的电脑、甚至去操作我的本地数据库，给AI强大的大脑穿上了钢铁侠的战衣。

重点来了：什么才是“卖 Skills”能挣钱？

很多人觉得做一个“翻译 Skill”或者“总结 Skill”就能卖钱。醒醒吧，那是大模型的自带功能，根本没人买单。

真正的“金矿”在那些 “高频、垂直、且带业务逻辑”的 Skills 里。 举个我正在研究的例子：“独立开发者的全自动推广 Skill”。它的逻辑是：监测 GitHub 上的关键词 -> 自动分析项目价值 -> 自动生成有针对性的文章 -> 自动通过发送给自己，经过编辑或者可以直接转发到X或者小红书。

这种 Skill，背后包含了对开发者社区的理解、对不同平台算法的理解。这就是 “业务逻辑的封装”。

如何构建你的第一个 Skill？

• 找痛点：找一个你每天都要重复操作 10 遍以上的恶心事。
• 定义接口：用 Python 或者 Node.js 写一个简单的本地服务，把这套逻辑封装成 MCP 协议。或者更简单，让小龙虾自己搞一个Skills。
• 赋予大脑：把这个 Skill 挂载到 OpenClaw 上，让它跑起来。

后续，我会在掘金社里详细教大家怎么写这些 Skills。这才是真正的“数字资产”，是真正可以提升自己的能力。

五、 终极占位：别在爆发前选择“躺平”

很多朋友跟我说：“AI 这么厉害了，普通人是不是该歇着了？”

恰恰相反。现在的门槛确实降低了，但 “平庸”的代价变高了。

当所有人都能通过 AI 快速产出 60 分的内容和代码时，那 60 分的东西就不值钱了。你必须利用 AI 带来的效率红利，去追求那 90 分、100 分的深度。

消失的这段时间，我在这座矿山里最大的感悟就是：AI 不会奖励懒人，它只会奖励那些“更有野心的实干家”。

你要努力去占领那个“意图发起者”的位置。你要比以前更努力地去理解业务、理解用户、理解逻辑。工具越强，握着工具的那只手，就必须越稳。

结语：

AI不会替代人类，但AI会替代工作。 “掘金”代表着我们的目标——不仅看热闹，更要拿结果。

复更后的掘金社，我不打算发任何形式的“新闻搬运”。我会死磕实战，把每一个像 Claude Code、OpenClaw 这样的工具玩透，然后把带血的实战经验、避坑指南和赚钱路径发出来。

我们要做的，是在这个 AI 爆发的时代，一起守住那块属于我们的“金地”。

评论区聊聊：你在使用 AI 编程或自动化工具时，踩过最大的坑是什么？或者，你最想让 AI 帮你自动完成哪项枯燥的工作？