龙虾openclaw需要燃烧什么

最近互联网养龙虾真的是杀疯了，刷十个视频，八个都在养，还有好多小伙伴私信我说刚入手一头雾水，不知道该怎么养，该怎么选，该怎么用，甚至踩了一堆坑。今天咱们就把所有问题一次性说透，从选择到变现，从避坑到省钱，新手看完之后可以直接上手，不花冤枉钱，也不用做无用功。 咱们先回应五个最火的问题，再补充你们比较关心的一些隐藏的疑问，全程干货，记得点赞收藏，避免刷着刷着找不着了。第一个问题，龙虾该怎么选？ 这是避坑的第一点。现在市面上各大厂都出了在线安装，一键安装，我实测下来，真心劝大家一定要装原生版的龙虾，那些所谓的什么什么可乐 仿生版龙虾，基本上都是阉割版的，上手感觉跟高版本的扣子没什么太大的区别，功能其实砍了 一大半，大部分是只能处理蚊子型的工作，离真正的原生龙虾真正的感受下来，可以说是差了十万八千里。所以说，新手如果选择要装，最好是装原生版的龙虾，只在装直接装在自己的电脑上。第二个问题，龙虾究竟能干什么？真有那么神吗？ 这么说吧，他是真的神，但又不是万能的，他最牛的地方就是能替代你所有重复性、逻辑性的工作，原则上电脑上能干的活，他基本上全都能扛下来。 写文案，剪视频，做表格，整理邮件，生成周报，甚至帮电商卖家二十四小时做客服，监控库存，帮设计师出出稿啊，晒素材，不用你熬夜加班，他二十四小时不停的在工作，那就包括现在他还在我后面这台电脑上一直在工作，就是妥妥的是一个全能的小助理。 而且他能接入微信，接入飞出这些常用的工具啊，不用额外装新的 app， 你 就可以在电脑端直接控制它。 第三个问题，为什么你装的龙虾不好使，跟别人的不一样？嗯，很多人装完之后就犯愁，说他啥也不会啊，其实不是龙虾不行，是你没装，找对方法。 龙虾不是装上之后他就是超人，他需要学习，需要被教育，就像养宠物一样，就像初代的贾维斯一样， 越养他越能干，你不能上来就跟他说，你帮我干活，你帮我去赚五百块。你这个要求太笼统，他听不懂啊，你要具体的告诉他啊，比如说帮我写一篇抖音的口播文案，主题是龙虾壁坑，语气要口语化一分钟左右 啊，指令越具体他越好用，慢慢教他就会越来越贴合你的要求，甚至能记住你的做事风格。 第四个问题，普通人用龙虾变现最快的途径是什么？作为一个做自媒体的来说，我的感受就是变现最快的途径就是做自媒体啊，写公众号图文， 写短视频脚本，做网站，出项目方案，这些活龙虾全都能帮你高效的去完成。原来一个人一天可能只能最多写十篇文案，但是现在有龙虾的帮助， 基本上五十天是打底，你的收入自然而然他就会涨啊。第五个问题，消耗 talk， 也就是算力贵不贵，普通人能不能承担的起？这个是完全可以，别被算力 talk 这些词吓住。普通人买一个 mini max 的 四十九元包月的套餐完全够用 啊。我测试是第一天就靠龙虾帮我写公众号，把四十九块钱的费用就完全已经覆盖掉了啊。更省的方法是，你日常做轻任务可以用免费的模型，用中度任务的话就用 mini max 的 模型啊，重度任务你再换高端的一些模型啊，普通人基本上用不到啊，你像那个 cloud 的 模型， 一次任务执行下来就大几百块甚至上千块。第六个问题，教育龙虾有什么技巧，怎么让他更听话啊？这是很多人关注的一个问题。技巧其实很简单，你就记住两点，一个是指定要具体，第二一个是要定期的清理记忆， 别跟他说笼统的一些话，一定要越具体越好啊。另外是要定期清理他的过期记忆啊，别堆太多没用的内容，这样他响应会更快更精准，还能节省你的 talking， 长期用下来，他就会越来越懂你， 干活也就会越来越高效啊。说一个小要点，就是跟他对话尽量要使用长句，这样会比较节省 tokin 啊，不然你的 tokin 就 会消耗的特别快。第七一个问题，那就是有些人问的，龙虾能帮我剪视频做海报吗？ 啊，这个是必须能，你只需要告诉他你常用的风格是什么样的，做什么类型的海报，你的做海报的逻辑是什么，他就能替代你做这些重复性的工作 啊，包括帮你剪视频，修图，做 ppt， 写代码，帮你查看所有的最便宜的机票啊，帮你盯一些所外所谓的啊曲线图都完全可以。 最后再总结一句话就是养龙虾一定要选对版本啊，我建议大家用原生版啊，教对方法，用对套餐，它就是你最省力赚大钱的一个机器。

兄弟们，就在刚刚，我发现了目前为止可能是最简单的 open 库的安装方式，只需要一分钟，不仅同时适用于 windows 系统还有 mac 系统，而且可以直接部署到你的本地。最关键的是，它优化了原版中间一些做的好的技能还有插件，看完这篇，立刻帮你省下四百九十九块钱的安装费，保证任何人都能最快速度用上属于你自己的手相。 这个呢，就是自古刚刚发布的 autocool， 它跟之前的小龙虾安装最大的不同就是你再也不需要担心环境的部署了，也不需要输入命令行，整个过程就像你安装一个 app 一 样的简单还有快捷。你只要打开它们的官网，下载安装包，然后去登录账号，弹出这个界面，就输入真的是 完全安装好了。如果你还想部署到飞书上使用，其实也特别的简单。我用我这里的 mac 来举例子， mac 和 windows 稍微有个明显的不同，那 那么 mac 呢？你点击链接飞书以后，它会自动弹出一个弹窗，开始自动配置。你只需要扫完飞书，登录二维码，剩下的全部交给 ai， 它全部会自动化帮你都配置完成， 你就会看到目前为止我可能认为是最丝滑的 ai 操作了。还需要什么教程吗？一键安装不响吗？而 windows 系统呢，就会稍微复杂一点点，需要按着操作文档一步一步来，因为这方面还没有设备的特别好，这一块你们跟着做也完全没有问题，我就不再敷。 那除了配置过程呢？小龙虾 tommy 的 消耗量也是劝退大部分人的一个主要因素。这一次制服他做了两个优化，第一个是呢，用了一个龙虾的专属模型，叫 pony r four two， 这是 一个匿名的模型，还没有正式发布，就是先上来做一个测试。它的任务的成功率和它的调度其实都是有一些优化的，而 tommy 的 消耗量是有了一些甩减的。另一个呢，就是他们做了一个专门的页面，贴心的帮你把用量统计给显示出来，你再也不用担心他到底花了多少。 当然，如果你想填自己的 a p i k， 你 用你自己的模型也完全没有问题。 autocool 支持全世界所有的 a p i 模 型。那除此之外呢，还有一个不错的优化点，就是 autocool 在 内制了原本小龙虾技能包的同时呢，还对这个核心的 skill 进行了一些优化。比如说呢， to research 这个 skill 优化后，它能解锁到的内容无论是质量还是新鲜度都比原本的 open go 强了不少。还有一个他们优化的比较好的 是一个操作你浏览器的，基本上你涉及到一些网页的操作的模拟点击都需要这个东西。相比 open code， 它原有自带的 for use， 它其实是能力强的非常多，而且非常适配国内的互联网生态，懂的都懂。 那讲真的，智普这个 open code 呢，是我目前用过最方便的一个小龙虾了，技术其实从来不缺牛的，缺的就是如何让普通人真的用得上 open code 走到了这一步。你至于以后能走多远呢？说实话我也不知道，但就现在这个版本，我觉得它已经值得你花一分钟的时间去装一下，来真正的去亲身体验一下 agent 的 魅力。

我靠，今天玩 open 卡拉奥养龙虾差点给干破产了。事情是这样子的，我中午的时候在云端服务器装了一个新的 open 卡拉奥， 然后下午的时候呢，只是和他聊了几句，但是当我下班的时候，发现我的头肯已经用完了，我账户上的钱已经花完了， 大模型服务商给我打来电话说你余额不足了，幸好我没有绑定信用卡，幸好没有自动扣费，否则啊，真的要破产了。 open 卡拉奥养龙虾为什么偷可以用的这么多，为什么这么贵呢？其实啊，是有两方面原因。 第一呢，本身 open 卡拉奥他要和大模型进行交互，由于他的内在运行机制呢，在啊，接受我们任务的时候，需要去调用很多的资源， 当我们和龙虾进行交互的时候，龙虾他自己会调用啊相关的技能包，调用相关的模型，而且 啊，他会把大量的这个问题信息都送给大模型去解答，那么这个时候大模型他收到的投肯会非常多，自然而然的就会使用大量的投肯，所以呢，本身 open 卡拉奥的他就是非常耗费投肯的，他的他的机制和原理就是这样 啊。第二个原因呢，就是我们选择的那个大模型可能是太贵了啊，我看了一下，今天我之所以这么快去花费了所有的金钱，是因为之前 我用的一个非常轻量的模型，但是这一次我在配置服务器的时候呢，我选择了啊百度的一个主力模型，而主力模型呢，比非主力模型他的费用呢，是要贵上十倍不止的。 那么有没有办法让使用 token 更便宜一些呢啊，目前是有这几个方式，第一个方式呢，我们在配置的时候呢，选择非主力模型，那么它的费用会低一些，带来的后果是 使用效果严重受损啊。第二个呢，就是来选择现在按包月的方式来计费的这样一些模型服务， 比如说现在啊，字节啊，腾讯阿里啊等等都推出了按月来付费的这样的。呃，大模型调用服务大概是几万次啊，每月，每月的话初月大概是四十块钱左右， 当然如果你抢到优惠券的话，还能更便宜一些。据说 open 卡拉奥龙虾是大魔蟹公司做的一个局， 由于 open cloud 耗费大量的投垦，这使得大模型公司终于找到了一个能够能够进行模型能力变现的渠道了，大家说是不是这个原因呢？

二零二六年最火的 ai 工具是什么？是 open core， 一个二十四小时能帮大家干活的智能体。今天呢，迪姐就用最简单的方式和大家分享一下如何养一只属于自己的龙虾，让他成为我们的 ai 专属数字员工，从部署到训练到具体的场景应用， 全程干货，建议码住收藏不迷路哦。第一部分是我们使用前的准备，首先呢，开始养虾之前，我们需要准备三样东西，第一个呢是运行环境， 一台普通的电脑就可以了， windows， mac， linux 都可以，或者是租一台云服务器，但也非常建议大家可以用自己平常闲置的电脑去进行一些运行，因为还涉及到一些数据权限的问题。那第二个呢，就是 ai 模型的 api key， 这个是龙虾的大脑，新手比较推荐国内的模型，比如说像 mini max， kimi， 智普 ai， 免费额度多，而且访问速度也会比较的快，如果大家预算充足呢，也可以用 cloud 或者是 gpt， 能力会更强一些。 第三个就是打通的通信渠道，就是大家平时用的聊天工具，像 facebook 啊， telegram， discord 都可以，这个可以用来给龙虾去下具体的指令。准备好这三样，我们就可以准备开始了。 第二部分是三种的部署方案，大家可以根据自己的这个过去的呃，这个技术的一些基础和目前自身的一些需求去进行选择。 那第一种方式呢？是桌面一键安装最适合小白上手的客户端，呃，去进行网页的交互式的这个安装， 然后填入 api key， 绑定飞书或者是 telegram， 五分钟就可以搞定，而且零成本，然后上手都是交互型的界面，复杂度极低。那第二种方案就是云端的托管服务，这个呢是最省心的，比如说像 kimi claw 或者是 max claw， 直接在网页上点击部署，按月订阅，大概是呃一百九十九一个月不用管服务器， 七成二十四小时在线。那第三种方案呢，就是云服务部署，它是呃最灵活的一种方式，比较适合开发者和企业用户。租一台云服务器，然后用 docker 一 键启动 opencloud， 完全是自主控制的，数据的私密性高，成本大概是每个月两美刀起， 新手呢就建议从方案一开始熟悉之后再慢慢的去升级。那第三部分就是核心的配置了，部署呢是完成了第一步，接下来的配置是关键，这步决定了我们的龙虾员工是不是好用。第一步是身份录入，那这个是养的核心，我们需要通过对话去告诉龙虾，你是谁啊？你的身份是什么？你需要什么？ 比如说我们会跟他讲，我是自媒体的内容创作者，日常需要你帮我整理资料，拷写出稿，管理日程，我习惯简洁直接回复，每一天上午九点向我汇报代办事项。以上内容请永远记住，这样龙虾就会有永久的记忆，越用就会越懂你，越知道你的诉求。 那第二步就是安装一些 skill 技能，就是龙虾的手脚决定它能干什么。那新手建议四个必备的安装技能。第一个呢就是 capability involver， 这个能让龙虾自己进行优化，越用越聪明。第二个就是 agent browser， 它能够操作浏览器，自动查信息，填表格。 第三个就是 summarize， 快 速总结 pdf 网页长文档。第四个就是 find skill， 需要新功能时让它自己去找， 在 clawhub 市场搜索这些技能的名字，一键安装就可以。第三步就是对接工作渠道，把龙虾接入到我们的飞书或者是 telegram。 以飞书为例，直接在飞书的开放平台创建企业自建应用， 开启机器人的权限，获取 app id 或者是 secret， 填入 open claw 配置页，就能够在飞书当中直接艾特你的小龙虾了。第四部分就是具体的使用场景示意， 配置完成之后呢，我们就可以像指挥员工一样去下达自然的语言指令了。第一个场景呢，就是办公的自动化，把我的邮箱里所有来自客户的未读邮件摘要整理成表格发到非书群里。第二个场景，信息处理 监控 abc 三个竞品和官网的社交媒体，每天下午五点给我一份动态摘要。第三个场景就是内容创作，根据我昨天整理的会议纪要，生成一份公众号推文的大纲，要求风格活泼。第四个场景就是定时任务了， 每周一早九点提醒我更新项目的周报。这些重复性的任务我们都可以交给龙虾，我们只需要专注创造性的工作。当然我们也需要注意一些事情，就是安全哈，务必设置以操作权限的白名单，避免执行一些特别危险的指令。就是还所以还是推荐比较用 docker 的 杀虾模式去去运行。 第二个就是控一下成本，其实因为如果按照 token 去计费的话，这个消耗还是挺大的，呃，或者是呃建议大家可以选择 maxclaw 这种固定式的订阅服务，也可以节省一些成本。第三个就是从简单开始，就是一次性，我们不需要装太多，从一个核心的需求，比如说像整理文件啊，然后 去解决一个子场景的一个小问题，一步一步去构建自己的这套体系。好啦，这就是二零二零年 openclaw 的 完整使用指南。 养虾呢，其实是一个持续部署和调优的过程，那后续迪姐也会在频道当中持续去更新 opencloud 安装部署，具体的呃使用场景等等相关的内容。如果大家感兴趣可以关注订阅迪姐的频道，我们就下一期视频，再见！拜拜！

我觉得从现在开始要深度认真的关注龙虾，就 openclaw 的 这个概念，接下来我要聊的几点理由，相信我最多只有百分之十的人能听懂我在说什么。 第一，我觉得不要盯着网上那些龙虾的小表格，那些概念股啊，今天尤其调整，大家就觉得这是纯的概念炒作，这个概念已经彻底结束了。 openclaw 你 要明白是二六年截止到现在最火的一个智能体， 从现在开始你对它的理解要把它当成一个载体，我觉得你要把它当成一个再次点燃人工智能赛道的一个引爆点。我们简单回忆一下二四年，二五年的时候海外最火的铲 g p t 大 冒险，然后在二五年年初以后，我们有了自己的 deepsea， 本质上 deepsea 做了一次技术性的颠覆，也就是说不需要那么疯狂地去推算力了， 当时全球人工智能市场是一片哗然，这些都不重要，最关键的是未来我们国产化龙虾会不会像二五年 deepsea 一 样再次做一次行业性颠覆，它的示威性，能不能让这个新的人工智能体更多的让所有的大众都能够用到？我们非常清楚，以腾讯为首的一批大厂现在已经在做这个事情了。 上边我们聊到的是技术迭代，包括技术颠覆的问题。还有一个大家忽略了，就是在我们这边做产业推进的时候，做产业发展的时候必须要一个非常强有力的知识，就是政策扶持。然后我们看一下，这是今天盘面传的一个新闻，对吧？在 长江地区，我们发现很多地区已经开始为龙虾养殖做相关的财政补贴啊，对技术开发者或使用企业都有一波不同力度的补贴调节， 正在打造产业集群。那为什么要打造产业集群？我觉得在刚刚结束的两会里边，已经很清晰的解释了这一点。我们要明白人工智能加的这个课题已经连续三年写进了政府报告，在上周我的五部门回答经济问题记者会里边，大家有没有记住 未来食物规划里边人工智能的产业规模要做到多少？没错，十万亿。所以说现在人工智能我觉得已经从之前的概念探索，扎扎实实走到了产业深度落地的阶段，这是所有人都能清楚的看到这个趋势，他已经不是一个简单的概念了。做聊到交易层面，今天可能 龙虾的相关概念有一些调整，大家觉得这个概念走吧，我还是那句话，您看的太窄了，您看的太偏了。简单短期来说，因为龙虾的使用对吧？ 一些因为 api 的 调用，最直观的一些大模型，最火的，目前比如说 minmax， 比如智普，其实其实过去两天都是一个大涨的，这个我们都能看到。第二个就是大量的投坑消耗以后导致啊，一些算力租赁，算力租赁包括 ai、 d、 c 啊，有一部分通道包括云商啊，迎来一波涨价的需求， 大家能看到的是面上这些东西，市场也在交易这个东西，这些是没有问题的。最重要的是未来有国产化的龙虾，未来可能会有国产化的螃蟹，更多的这种智能体开始走进企业，开始走进我们每个人生活当中的时候， 一定会消耗这个市场更多更多的算力，那除了我们刚才看到的简单的这些模型，包括一些云商，包括一些算力租赁，支持这一切的底层就各个列表上的硬件，比如说推理的 gpu， 比如说存储，比如说在 a i t c 树算中心的一些最直观的，比如说叶冷，比如说电源， 这些都会因为整个算力的需求疯狂扩大以后，迎来一波新的通胀。今天关于 opencloud 的 探讨我们就留到这里，还是那句话，别把龙虾当成一个简单的概念，它极有可能变成一个点燃人工智能赛道，一个新的引爆点。

爆火的龙虾 open cloud 到底是什么呢？今天一条视频给大家讲清楚最近聊的很火的 ai 工具 open cloud， 因为它的图标是一个红色的小龙虾，所以大家就很习惯的称呼它为 龙虾，其实它是由一位奥地利的开发者做出来的开源 ai 智能体项目。那它和现在常见的 ai 到底有什么区别？大家简单理解一下就行，现在大多数的 ai 一 问问题，它就给你答案，分 之上还是属于聊天工具。而像 opencloud 这种 ai 智能，它其实更像是电影钢铁侠里面莫妮的人工智能贾维斯，它不仅仅只是问问题， 你还可以给他去下指令，让他帮你完成任务。举个例子，你可以让他分析一下今天黄金的涨跌情况，然后整理成一份报表，再发送到你的邮箱，也就是说 它不仅能思考和回答，还能帮你去执行具体操作。那为什么很多人要专门去安装呢？因为 open cloud 目前是属于开源免费的，你需要去下载源代码，然后部署到你的云服务器或者电脑上运行 才能真正去使用，那这个过程当中多少会有一点技术门槛的，所以最近就出现了很多专门帮人家安装部署的，也就是网上帮人家安装 ai 几天赚了二十多万的新闻。那最后总结一下， opencloud 本身是属于一个可以执行任务的 ai 智能体， 比普通的 ai 聊天更进一步，那至于它未来会不会成为新的趋势，还要看接下来的技术发展，你听明白了吗？

六分钟带你搞懂 openclaw 为什么这么火，以及你一定要知道三大风险。自从我出了 openclaw 保姆级安装教程后，也收到很多评论在问，这么麻烦，折腾一通，最后不还是个对话式 ai 吗？它和豆包、 deepsea 到底有什么不一样？今天我用四大特点，三大风险带你快速了解 openclaw。 特点一，常记忆如果你去问 deepsea， 你 对我有什么了解，他会告诉你，他对你的一切了解都来自于当前的对话，也就是说，新开一个对话，他就啥也不知道了。但 open globe 不 一样，在 open globe 的 用户目录里有个 memory 点 m d 文档， 里面储存了他整理出来的长期记忆。记录者对你的长期了解，比如你的偏好、雷区、习惯等等。而且这份记忆不是固定不变的， 它会随着你不断使用，持续更新，不断沉淀，慢慢变成一份可以长期调用的用户档案。如果你不满意 openclaw 现在记住的内容，可以通过 openclaw dashboard 的 命令，打开控制台后，在代理的 files 下面直接去改这个文档，想让它忘掉什么就删掉，想让它记住什么就加进去，然后点击 save 保存。 你也可以直接对 open call 说，把这件事好好记住，他就会主动把这条信息写进记忆里，也就是说， open call 有 机会变得越来越懂你。不过这一点光从体验上并不算特别，但 gpt 在 二零二四年就推出了全聚记忆功能，卷奶、豆包等也都陆续跟进了，那么就要说到第二个特点了。 特点二，本地数据访问与操作像豆包、 deepsea 这类常见的对话式 ai， 如果你想让它读取本地文件，要先手动上传到对话框里，但 openclaw 可以 直接读取你电脑里的本地文件，甚至进一步执行操作。 那么像批量重命名文件、整理桌面、分些磁盘空间占用、清理无用文件，这些事情啊，它都可以帮你做，只要你打开权限，对它下达指令。所以 openclaw 可以 成为你电脑的本地 ai 操作系统。 但也正因为它能直接接触你的本地环境，你必须意识到的第一个大风险是高权限，也意味着高破坏力。以 menace 为例，它会给每个任务分配独立的云虚拟机，就是为了把风险隔离开，避免 ai 的 误操作干崩用户自己的电脑。但我们一旦把本地访问和操作权限放开给 open call， 他如果理解反了，执行偏了，后果就不只是回答错误了，而可能是文件被误删、内容被乱改，甚至影响整个本地环境。比如之前 met 的 ai 安全专家让 opencall 整理邮件，特意叮嘱他必须得到确认后才能删除邮件， 结果它还是开始批量删除。人类不断下达停下的指令，它也没有立刻刹车，最后只能靠物理关机停下。所以你必须意识到的是， ai 执行任务并不是完全可控的，它不是传统软件那种写定逻辑、稳定输出的模式，而是所有输出和行为都带有概率性。概率性就说明它存在发疯的可能。 尤其是当任务复杂、上下文长、调用的工具多的时候，模型更容易出现理解偏差，甚至把错误一步步放大。那么你就要从最坏的角度去设想 ai 能造成的后果。这也是为什么很多人会把 open call 安装在闲置的老电脑上，或者部署到语音服务器里， 目的就是把它和自己真正重要的本地环境隔离开。你可能会想， lock code 之类的工具不是也有本地文件访问权限吗？那么就要说到第三个特点了。 特点三，心跳机制。很多 ai 工具的工作方式啊，本质上还是一问一答，需要人类主动发起。而 opencloud 的 心跳机制会按固定间隔定期主动检查有没有什么值得注意的事情，而不是只能等人类发消息才工作。默认的频率是每三十分钟一次，那每次被唤醒后，它要检查什么？可以提前写在 heartbeat 点 m d 文档里， 比如可以让他定期看看有没有紧急邮件，接下来俩小时有没有日程，有没有代办事项需要提醒。而如果你需要的是精准时间执行， opencall 还支持通过 chrome 去设定定时任务 进步，变成一个会按时间自动干活的 ai 助手。比如你可以让他每隔二十分钟汇报某支股票的价格，每天早上七点发晨报，每周一九点写周报，或者是二十分钟后提醒你做一件事情。这个功能听起来很香，但相应流利的风险是我们人类的心跳消耗头等。 比如之前有开发者让 opencall 提醒自己明天买牛奶，结果第二天早上起来一看，之前充值的二十美元一晚上就全烧光了。因为 opencall 每隔三十分钟就会检查一次，现在到白天了吗？然后一次次得出结论，不还是晚上 平均下来啊，每检查一次 cloud ops 模型就要花掉零点七五美元。这就引出了你必须知道的 openclaw 第二大风险费用消耗。需要知道的是， openclaw 不是 一个单纯的大模型，而是一个智能体系统。智能体一旦开始工作，背后消耗的啊，不只是你看到的那一句回复，还包括它整套任务执行链条里的成本。 比如一次看起来很简单的任务，背后可能已经包含了先读去上下文再立定的目标，然后决定要不要调用工具，调完工具以后再读去结果，继续推理下又不知道怎么做，有时候还会反思当前路线对不对，判断是否需要重试修正，最后才输出给你一个结果。所以，一个你以为很小的任务 overclock， 最后真实会消耗的头更很可能远远超出想象。特点四，自学习 overclock 还可以通过新增和调整 skills， 不 断扩展自己的能力。具体来说，当某类任务反复出现以后， 你可以把一套做事方法、工具、使用说明、处理流程整理成一个 skill 交给他。 skill 里通常会写清楚这个技能是干什么，适合在什么场景下使用，具体应该按什么步骤，执行过程中要调用哪些工具，或者依赖什么环境。比如这个就是一个简单的 skill 的 例子。 这样一来啊，下次再遇到类似问题，他就不需要再从零开始摸索，而是可以直接按这套更成熟的方法去做。你教他的越多，他处理同类任务啊，就会越熟练。而且这个 skill 啊，不一定都要你自己从头写，也可以直接下载安装别人已经写好的 skill。 比如官方提供的 call top， 相当于是一个技能市场，你可以在上面搜索需要的 skill， 然后把链接直接复制给 opencloak， 让它安装使用。但这里要引出 opencloak 的 第三大风险，有毒 skill。 安装 skill 相当于把别人写好的一套规则说明，甚至脚本和依赖直接接近你的智能体系统里。问题就在于，不是所有 skill 都是安全的，有些 skill 里面可能暗藏有害指令、危险操作、数据外传， 甚至夹带一些你根本没注意到的高权限行为。 call help 官方的扫描器啊，就在 skills 生态里发现了五百多个严重安全问题，包括凭证暴露、代码注入和提示词注入。所以啊，来源不明的 skill 不要随便装，安装之前也最好看一下 call help 页面上这个 skill 的 security scan 标识， 至少先确认它是不是安全扫描通过的状态。如果你还不放心啊，也可以安装一个 skill betting 的 skill， 它可以对其他 skill 做一层额外的安全性审查。那如果这个视频对你有帮助，欢迎点赞和关注。那如果你在了解了 opcode 三大风险后， 还是想继续养虾的话，欢迎评论 skill 如果需要的人多，后面我会继续出一期视频，带你盘点 opcode 那 些安全靠谱实用的壁装 skill。 我 们下个视频见。

大家好，昨天和大家科普了鼎鼎大名的龙虾 open crawl， 那 今天作为一只炸裂的开源的液压智能体， 简单点说，它是一个可以自己思考、自己干活的液压大脑。之所以叫痒，是因为它不像普通软件一样装好就可以使用。 而刚配置的 openclaw 就 像孩子，你需要通过不断地提示时投喂任务训练，让他不断地去了解你，并且学习你的工作习惯。那从自动回邮件到全掌写代码，它进化的越快，也就意味着你的工作效率啊，是越高的。 那 token 在 这里到底饰演什么角色呢？它是 opencry 的 血液，是燃料，更是饲料。在 ai 的 世界里，并没有电费和饭费啊，只有 token 费。 opencry 每理解你的一句话，每生成一段代码，每做出一个决策，要消耗输出 token， token 烧的越为精准，那你的龙虾呢，就越聪明了。 那现在随着国产大模型让 token 的 成本降低到了白菜价，养龙虾的门槛呢？已经非常低了。那 无锡等地甚至开始补贴企业部署这类智能体，这就意味着谁率先养出一只高效的龙虾，谁就拥有了超级的生产力。好了，关注我，带你穿越牛熊的大 a 逻辑课代表！

最近这只龙虾是不是刷爆了你的朋友圈？先别琢磨是蒜蓉还是麻辣啊，这可不是吃的，它是一款能直接住进你电脑里的 ai 私人助理 open claw。 因为图标是一只红色的龙虾，所以大家亲切地称它为龙虾。 他最近有多火？有人在腾讯大厦的门口排队等着安装，还有人靠上门安装几天就赚了二十六万。但我必须提醒您，这东西很香，但也烫嘴。 先简单说清楚，龙虾到底是什么？咱们平时用的 ai 基本都是你问，他答只动嘴不动手。但龙虾既动嘴又动手，你说帮我订个餐厅，整理电脑桌面，处理文件，他都能自动执行。 可问题也来了，你让他干活，就得给他一把最高权限的钥匙。这意味着他能看你的所有文件，翻你的相册，动你的所有资料。 这不，前一阵就有人让他帮忙整理邮件，结果他直接批量删除了。最后没办法，只能拔电源，物理关机。 这哪是助理啊，这分明啊，就是一个执行力超强的熊孩子！还有，这个也是要花钱的，软件是可以免费安装，但 ai 干活他要消耗算力，就像车免费给你了，但油你得自己花钱加。 那咱们普通网友到底能不能安装啊？能装，但没那么简单，可能懂技术的人很快就能搞定咱，咱不懂的人，折腾一晚上可能都跑不起来。这也是为什么有人愿意花几百上千找人上门安装。 其实大家要明白一个道理， open club 确实代表了未来 ai 从只动嘴真正走向会动手， 但他现在可能还有些智能，能干事也可能添麻烦。这不，前两天工信部还发出提醒，配置不当极易造成信息泄露。 所以真想尝鲜拿台旧电脑不重要的账号先试试水。银行卡密码、私密文件，这千万别让他碰。科技最好，安全第一。

哈喽，大家好啊，大家应该最近都听说过一个特别火爆的 a 项目啊，叫 open club 啊，大家都戏称它为养龙虾啊，龙虾 ai 啊，因为它的这个项目的这个图标啊，给自己化成了一个非常可爱的一个龙虾的形状，然后这个项目火爆到一个什么程度呢？就是有的人光提供这个项目的远程部署的服务啊，然后就大概在几周的时间内赚到了二十六万美元， 然后有的人呢就开始去尝试这个这个 openclaw 啊，然后可以部署到自己的这个手机里边啊，然后现在我去看了一下 github 上的这个项目啊，就是说从去年十二月份到现在，短短的几个月时间，其实已经达到了二十九点六万的四大，到现在这个四大还在疯狂的往上涨，这个是非常恐怖的一个事情啊。 但是我去思考了一下，说为什么现在这个 open club 它能这么火呢？它其实是一个 ai agent， 那 这个 agent 是 什么呢？其实，呃，我可能要需要给大家去做一个科普啊，就这个 open club， 它并不是第一个做出 ai agent 的 一个项目啊，但是它可能是在 github 上第一个开源并且方便大家去部署的这么一个 一个 agent 的 项目，所以说大家可能之前对 agent 并不了解啊，呃，很多人可能只知道什么大模型啊，拆的 gpt 啊， deepfake 啊啊，但其实在大模型后续的演化当中，我们演化出一种模态叫模式叫 agent 啊，那为什么就我们在讲 agent 之前啊？我们可能需要先讲一个问题啊，就说为什么现在这么多这个大模型这么强呢？就尤其是这几年疯狂的这个往外涌呢啊，其实答案呢，都是和一个东西有关系啊，叫 transformer， 然后 transformer 这个架构呢，其实是在二零一七年，谷歌发表了一篇论文叫 it's all you need 的， 然后他提出这么一个神奇的框架叫 transformer， 那 他做了一个什么事情呢？ 哎，这个这个框架可以说是我们现在所有大模型的一个一个基啊，没有这个框架，我们现在所有大模型都出不来的。就说他做了一个什么事情呢？我们传统的一些深度学习的模型啊，比如说 rnn， 他 只能在训练的时候呢，他是一句话一句话的去学习，而这个 transformer 呢，提出了一个注意力机制， 哎，这个注意力机制可以达到一个什么效果呢？他可以一下子看一整段话啊，我们这一整段话当中哪些字比较重要，甚至他还能去额外的去关注，哎，这就造成了一个什么意思呢？就是他可以有非常高效的并行计算， 那么这种病型呢，带来了它算力上，我们在同样的算力水平下，我们可以训练的模型规模越大，那么在之前的人们的尝试当中，在 open ai 大 概是二二年左右啊，他们去尝试一些非常大的一些模型，哎，他们发现其实发现了一个非常神奇的现象啊，就是说当我们的参数规模，就我们这些模型训练出来，其实它都是一些参数啊，这 些参数就是最后类似于这个矩阵运算一样，我们可以打通过一个输入啊，得到一个非常好的结果，哎，然后那在 open ai 在 后边去做一个临界点的时候，哎，模型突然就会 涌现，哎，就它的效果会非非常的这个突然就非常的好，然后甚至产生了一些滞呢，然后它可以自主的去思考一些问题，哎，但是为什么会出现涌现这个现象？其实到现在为止，我觉得应该是没有人能够解释清楚的，哎，所以说这就是所有的大模型的一个起源，就是都是因为 photoshop 这个架构，它提供了非常强大的并行计算能力，哎，然后在这个基础上呢， 我们可以进行大规模的并行训练，然后从而产生这么多目前这个大规模的一些这个，这个开一些这个大模型啊，或者说一些开源的模型啊，比如像 deepsea 他， 他的一个模型训练量，他可能要达到好几好几十个 g 啊，这个可能是就一个参数的量，光这个参数可能就好几十个 g 啊， 所以说我们现在手手里的这个模型随着越来越大呢，然后现在他的一个我们日常使用的这个大模型普遍都是问答形式，对吧？哎，我们告诉他一个， 告诉他一个事情，哎，让他给我们一个答案，其实更多的呢，他其实起到的是一个你可以认为他是一个高效的搜索引擎啊，他可以从很多的这个数据里面帮你去总结，帮你去啊搜索他其实是一个高效的引擎，但他其实并不执行任何的动作。 后续 agent 他 他其实是和这个现在的这些大魔镜有啥区别呢？他其实是，呃可以进行一些执行的动作，哎，他怎么去执行呢？比如说他可以拿到我们操作系统当中的一些这个权限啊，比如说我们的鼠标的权限 啊，我们这个各种 app 的 权限，哎，我们日常用这个电脑说我们可能是鼠标划过去的吧，双击哎，然后再去输入文字啊，或者说怎么怎么样，对吧？但实际上我们哪怕没有这个鼠标也好，我们其实只需要一个终端，我们正常来讲我们只需要一个终端，那我们也是可以对电脑进行任何的操作的 啊，我们可以去发送发送一些信息啊，我们可以去这个复制文件夹呀，我们去可以打开关闭某些浏览器啊，这些都是可以通过指令执行的。那么当这个 app 呢？当这个大模型啊，我们拿到这些权限，拿到这个权限之后，它是可以自己编辑这些指定的脚本，那相比于我们之前的问答形式，它给你回答的这些答案，它的觉得一些合理的步骤， 那么它就可以自行的去实时编辑一些脚本，然后去调用这些我们给他的权限，然后来在操作系统当中呢，哎，然后自己去执行这些动作，这就是 agent， 而 agent 他 为啥强大呢？就是因为他拿到了这些权限，哎，比如说我现在如果跟他说，我说我现在需要发布一个抖音的视频啊，你帮我去先调用某个工具去生成一个视频， 然后这个视频的内容大概跟他讲一下，然后再去调用这个啊，抖音的这个接口，然后我去自动的去发布这个视频啊，每个月给我发一条，其实这些 agent 都是能够做到的，就现在都是能够做到，但是质量怎么样我不 太不太清楚啊，但是 agent 呢？其实远到远在这个 open cloud 火之前就已经就是已经我们业内一个特别特别大家都熟知的一个词了， 甚至很多人都在去做一些相关的研究。比如说去年的时候，清华大学那边有一个老师做了一个一直能叫牛牛，然后当时呢这是他们的一个商业工具啊，就是说可能是人家需要在公司当中去的一个产品啊，然后当时需要这个去很多人去做这个测试，然后我也我这个当时也申请了一个测评的一个一个账号，一个名额，然后当时也去尝试了一下这个软件 啊，我就跟他说，我说给我所有的这个微信好友啊，然后去发送一个新年祝福，那么他是可以在我的整个电脑当中呢，他先通过截图的形式啊，我猜啊，他们原理我是不知道的，我猜测啊， 他是可以通过先截图我的电脑的屏幕啊，找到这个具体的微信的坐标，然后再把鼠标的位置移过去，然后双击哎，打开我的微信，然后再通过截图的形式啊，找到我所有的好友的框啊，然后每一个通过点击鼠标并且给他打字的形式发送新年祝福。 这个其实是非常已经不是一个什么特别新鲜的东西啊，但是 opencall 它的它是一个什么呢？而 opencall 呢？其实它最开始的时候只是一个奥地利的程序员，他叫 peter 啊，然后这个程序员呢，他可能是做了一个自己的小玩具啊，然后他就是觉着他每天干很多的这个工作上的一些琐事，非常的麻烦，他想通过这种啊 agent 接入到自己的聊天软件里边，然后通过打字， 这样他把电脑呢在家里开着，然后他出去玩的时候，或者出去的时候，他能通过打字的形式，然后来唤醒这个 agent， 让他去帮他处理一些小的琐碎的工作上的事情啊，结果一下子就把这个 agent 呢捅到大众的视野里边了。就像我说在这之前呢，可能很多人对这个 呃这对这个大模型的这个理解还停留在 chat gpt 这种呃 chat 形式的这样一个聊天窗口上。但实际上现在 agent 真的 已经特别就是已经非常成熟了。而 open cloud 爆火的原因呢？其实也有一个原因，就是因为一般来讲我们普通的 agent 呢，我们没办法部署在手机当中啊，为什么呢？因为它特别的大，它需要特别多的算力，我们没有一个特别好的服务器，我们是不足以支撑这些 智能体的运作的。但是他干了一个非常非常有意思的事情啊，我觉得这个事情非常的巧啊，但是他他是确实是做的比较好啊，就是一个他把我们常用的一个编程的这个智能体叫 cloud code 啊，让他把他和我们常用的聊天软件对接起来了，这样的话我们就可以通过普通的聊天软件，然后呢对接到这个所谓的我们别人的智能体上。然后 这个智能体呢，它是部署在云端的，它是有服务器支撑的，它是有算力的，我们通过聊天的形式也能和呃这也和这个 open cloud 去聊天啊，它其实能和我们就像我们和拆的 gpt 聊天一样，能够去调用这些相关的整体，然后并且去完成一些脚本的编辑啊生成，然后去执行这些后面后续的 action。 所以 说这个可能是它爆火的一个原因啊，因为普通的这个 a 智能很难部署到这个手机里边啊，所以说 我我个人觉得这个其实是一个非常有意思的事情啊，那在未来的这个发展里边，那这个 agent 有 没有可能？呃，随着这个 技巧越来越多啊，随着这个科技的进步，我们有没有可能真正的把它用到手机当中啊，或者把它用到一些我们小型的这个移动设备当中啊？我们不需要大大量的算力，我们也能把它对，把其他的算力对接过来啊，然后我们也能让这个 a 证呢去运作 啊，当然这个 a 证其实也是有隐患的，我发现他们很多人去部署之后啊，有的人把这个账号密码什么的啊，包括银行卡的信息啊，全都泄露出去了 啊，然后这个其实是本身就是一个非常有风险的通道，因为的话他是没办法进行后续的 action 的， 那这些权限交接给它本身就是一种风险，对吧？那至至于这个 open color 的 实际作用啊，我，我目前感觉它并不大啊，因为它的这样一个非常简，非常简洁，非常呃，并不复杂，就是它所能执行的一些任务啊，其实非常的简单啊，它并不是一个特别复杂，有复杂复杂的这个逻辑的一个 支撑的一个 a 阵塔，它其实是一个非常普通，就像一个小玩具一样啊，就像这个奥地利这位程序员 peter 一 样，它只是只是一个小的玩具，它只能负责做一些非常小的工作，但是它很很有趣啊，很适合大家去。 呃，去看到一些前沿的一些科研的工作啊。我觉得这个能让能让这个 open club 把 agent 这个概念带到大大众的视野出圈，我觉得这个事情就非常有意义了。好吧，我们期待一下这个 agent 在 下一代当中啊，它或许会有一个什么样的进展。

小伙伴们，最近 ai 圈的顶流非 opencloud 莫属，因为标志性的红色龙虾图标，它被网友亲切称为小龙虾， 短短两个月就火遍全网。今天就带大家了解这款能让你躺平的 ai 神器 opencloud 到底是什么。简单来说，它不是只会聊天的嘴炮 ai， 而是能真刀真枪帮你干活的数字员工。由软件工程师 peter steinberg 开发， 它可以部署在你的电脑或云端主机，通过终端或者微信、钉钉、 telegram 等通讯工具接收指令， 帮你完成各种繁琐任务。说到这里，很多人会问， openclaw 能帮我们做什么呢？它的核心能力覆盖办公、开发、生活全场景，无需编程，用自然语言即可下达指令。首先它是办公党的福音， 对他下达指令，他就能帮我们处理邮件、各类文档，还能帮我们做日程管理，只需要动动嘴，就能让你成为时间管理大师。 同时他也是程序员的神器，调试代码、审查代码、 ppt 操作构建、部署样样精通，还能帮你监控服务、排查日制，这一套工作下来，能保护程序员多少头发呀？ 当然，文件整理、信息查询、定时任务，这些他都会真的能彻底解放你的双手。 overclock 就 像一位住在你电脑里的二十四小时不打烊的私人管家， 能听懂你的自然语言，能帮你处理文件、管理系统，抓取数据、运行代码，把重复繁琐的工作全搞定，让你专注于更有价值的事情。说到这里，感兴趣的小伙伴赶紧把你的龙虾养起来吧！

最近 openclaw 火的太不正常了，我深入仔细的研究了很久，我发现这玩意完全就是个割韭菜没啥意义的东西，这不就是个豆包，手机电脑版加智能按键精灵吗？什么不学 openclaw， 你 的职业生涯仅剩三十天，学会用龙虾，马上就当甩手掌柜。我已经开始让龙虾给我炒股赚钱了。 我相信咱们大部分人啊，已经被这些吹龙虾的营销号标示党们轰炸的非常焦虑了，甚至有些人吹啊，能直接靠它赚钱，但是这玩意真的有用吗？它到底能干什么呢？它凭什么激起了如此巨大的全民热情？这个视频我就一次性给你讲清楚， 我的答案可能跟全网的大多数人都不太一样，但是我今天呢，想把这件事彻底讲透，不是这只龙虾好不好，而是在当前这个时间点，你根本就不需要为这件事情焦虑，甚至龙虾你用的越多，对你可能还是有害的。 当前这个阶段用龙虾干活，他能力是真不行啊，给你机会你也不中用啊，不如当然，咱们还是要用发展的眼光看问题啊，莫欺 ai 少年穷，他现在不行，不代表以后不行嘛。哎，真这么想你就真中计了。龙虾当前最大的学徒，最吸引人去用的就在于此， 它号称是未来 a g i 的 雏形，也就是虽然我现在啥也不是，但是以后但凡只要能用电脑处理的工作，我龙虾全部都能给你干了，但这也是最大的 bug。 你 想一想，一个号称要成为通用人工智能雏形的产品， 现在就连部署到你电脑上，都需要专门花钱请人工来帮你装，连你大白话下的指令都不利索。那么我就来问一句了，这算哪门子通用人工智能啊？ 来我家遛个弯，你还得请护工坐轮椅，这就是 agi 吗？如果大家管一个连人话都听不明白的东西叫 agi， 那 么我家的扫地机器人撞墙之后调个头是不是也能算自动驾驶了呢？那你可能会说，哎呀，早期嘛，能力弱一点是正常的，哎。对了，所以小龙虾这个东西，它就是一个中间产品。这里我想说的是一个更加根本的判断， 什么叫做中间产品呢？就是它注定是会被集成，被替代，被消化掉，最终变成一个更加成熟产品里的一个默认功能按钮。你还记不记得前两年有个特别火的概念，叫做提示词工程师， 哎，当时满世界都在教你哎，怎么写提示词，怎么跟 ai 对 话才能会有更好的结果，哎，甚至提示词工程师啊，能月入过万。结果我们又在一家公司里面看到 ai 提示词工程师这个岗位， 哎，倒是卖课的赚的盆满钵满，学习的人呢，焦虑的夜不能寐。结果呢，各家大模型迭代了几轮之后，他的理解能力是大幅提升的，你随便说句人话，他都能听得懂你的意思。那么提是词工程这门古法工艺啊，一夜之间就没人提了呀。而当前的小龙虾，正在走和提是词一模一样的路。 我这里可以给出一个非常严肃的判断，乐观一点，三到五个月之内，国内的主流 ai 应用，不管什么豆包、 kimi 还是小米还是什么别的，都 会把类似的功能直接内置到应用里，到时候呢，你打开 app 就 能用，不需要配置环境，不需要装插件，不需要找人工，不需要单独去烧 tokyo， 你 现在花几百块钱请人装，花几千块钱买课学的那套东西，到时候就是这个软件里一个现成的按钮， 你去按一下，你会用就可以了。再往远了，看到两三年的尺度上，连云端调用大模型这种方式本身都只是过渡， 真正的终局是端测计算， ai 要跑在你自己的设备上，核心预算在本地完成，只有在必要的时候才会去云端读取一下数据。到那个时候，你的手机，你的电脑本身就会直接内置一个类似于龙虾的工具， 根本就不会存在什么需要用户来单独部署这个概念。所以， bro 你， 我的朋友，你现在在焦虑什么呢？没什么好焦虑的， 你焦虑的那个玩意儿，几个月之后就会变成所有软件标配的功能，几年之后，它依赖的底层架构都会被淘汰。所以你现在冲进去学它，那不就相当于两千零七年的时候，你专门去上培训班学习如何使用诺基亚的塞班系统编程吗？你学完之后， iphone 就 来了呀。当然了，那些卖课的人，他肯定是不会告诉你这些的， 吹 a g i 的 营销号，那也不会管这些。总之呢，你越焦虑，你掏钱的动机就会越充裕，他们就越能赚到钱。 淘金先富卖产人，当某个技术还暂时不能帮你高效赚到钱的时候，教别人用这个技术赚钱，就成为了最好的挣钱方式。 这条铁律可以说是从互联网元年到如今，从来都没有失效过， never grow， 那 么可能你又要问了，既然又难用又烧钱，为什么感觉全网铺天盖地的各个大厂都在推呢？因为大厂们的 tokin 滞销了，需要你去帮帮他们。 这只龙虾到目前解决的最成功的问题就是大厂云服务器偷啃卖不出去的这个问题你不用，我不用，大厂这些年花了那么多钱去买的显卡，服务器存储，谁来买单呢？最后啊，帮安装的人赚钱了，做龙虾的人赚钱了，卖服务器的人也赚钱了，而只有你不如我的朋友，用龙虾的人在花钱。 但是你最初的目的是想让龙虾来帮你赚钱的，这是不是就有点搞笑了呢？最后呢，来说一次我觉得最值得琢磨的事情，为什么龙虾你用的越好，反而对你是越不利的？要想让这只龙虾真正的好用呢？你得做一件事情，就是把你的工作习惯，工作流程，行业经验，知识积累，也就是你个人的知识库，经验库， 那些你从没有对外分享过的积累这么多年的东西，要一股脑全部喂给他，他会每天看着你的电脑，他需要知道你怎么思考，怎么决策，怎么去处理各种问题，最终才能真正替你干活。 这听起来很合理吗？ ai 吗？你不教他，他怎么会会呢？但是你有没有想过一个问题，等你把自己的这些私人的积累，多年的全部的工作能力和经验都教会他的那一天，这个世界还需要你吗？最终是他帮你来工作赚钱，还是你会直接失去工作呢？ 要知道，你可是亲手训练出了一个在你的岗位上比你更快更便宜，不请假也不抱怨的数字分身。而且你不仅免费的提供了 所有独家的属于你的训练素材，你还自己花钱买 token 去承担了他的训练成本啊。最后，你出钱，你出力，你出经验，但是最后训练出来的那个东西却是平台所有。如果这个不叫剥削，那什么才能叫剥削呢？ 而且这件事情呢，还有一个更加宏观的推论，哪个行业的从业者最先积极地去拥抱这类工具，愿意把自己几十年积累的那些经验，毫无保留地彻底地喂给 ai， 哪个行业就会最先被 ai 替代？你以为是你在驯化 ai， 但其实是 ai 通过你来去驯化整个行业， 这个事情不是没有先例的。 ai 最先替代的是谁呢？ ai 什么技术最成熟？大厂里什么样的工种裁员最猛？就是那些最积极最无私，最猛烈，甘愿奉献自己一切代码去拥抱 ai 行业的程序员们。他们无私的把自己 几十年的经验和内部私密的代码库全部都交给了 ai。 好 了， ai 学会了，现在 ai 反过来把整个行业里的同行都裁的差不多， 我愿称之为 ai 降临派啊。所以啊，我就把我那天跟我朋友聊的那些话，今天原封不动的也讲给大家听一下。不要焦虑，这只龙虾目前和你的生活没有关系，它一定会变好的，而且会变得比现在简单一万倍。等它真正成熟的那一天，你不需要去学任何东西， 不需要配置任何环境，也不需要花钱找任何人来帮你装，它就会像水和电一样，自然而然的出现在你使用的每一个软件里。除非你是正身处其中的从业者，你需要去深入研究。 对于大多数的普通人，在那天到来之前呢，你需要做的事情就只有一件，把自己手头的活干好，把该积累的经验积累扎实。因为不管 ai 怎么进化，它替代的永远都是那些重复性的执行层的工作。 你脑子里那些靠十年二十年磨出来的判断力、直觉应对复杂的应变能力，面对人的能力，是最后才能被替代的东西。 那些告诉你现在不学就来不及了的人，你可以回想一下，他们去年是不是也在教你搞原宇宙？前年是不是也在教你做 web？ 三大前年他是不是还在手把手教你拍短视频？月入几十万？风口一直在变，但是收割焦虑的方式是从来没有变过的。我是你的韭菜保安牛顿，记得关注我两天没有好割的韭菜，我们下期再见！