AI會為人打工，但不一定會為你打工，老金來告你真相是什麼
整理版優先睇
AI唔係神燈，真正拉開差距嘅係人嘅認知結構同拆解任務嘅能力。
呢篇文章係老金喺學員羣入面回應一啲關於Codex Hook嘅提問時有感而發。佢發現好多人唔係想用AI幫手完成具體任務，而係希望AI變成一個硅基員工，自己學習、自己判斷、自己交付，人就可以開擺。老金認為呢種「許願型」心態好危險，因為AI並唔係神燈，佢會放大你嘅認知，但如果你連問題都定義唔清，結果只會係一堆漂亮廢話。
老金指出真正嘅差距唔係Prompt，而係Loop——人點樣定義問題、補上下文同驗收結果。佢引用咗世界經濟論壇、Anthropic、OpenAI同Microsoft Research嘅報告，說明AI正在吞掉具體任務，但同時將人嘅價值向上推。佢將AI用家分成四層：許願型、外包型、協作型、系統型，而只有後兩層先食到AI紅利。佢嘅免費課程就係想幫人從術（工具玩法）提升到道（認知閉環）。
最後，老金建議普通人唔好一開頭就想改變世界，而係要揾一個最煩最重複嘅流程，問自己四個問題，然後讓AI介入。佢強調AI係放大器，你腦裏面有系統，佢先會放大系統。所以別問AI幾時替你思考，先問自己值唔值得俾AI放大。
- AI會為人打工，但不一定會為你打工，老金來告你真相是什麼
- AI會為人打工，但不一定會為你打工，老金來告你真相是什麼｜重點 2
- AI會為人打工，但不一定會為你打工，老金來告你真相是什麼｜重點 3
- AI會為人打工，但不一定會為你打工，老金來告你真相是什麼｜重點 4
- AI會為人打工，但不一定會為你打工，老金來告你真相是什麼｜重點 5
飛書開源知識庫（實時更新 交流羣）
老金嘅開源知識庫，包含AI相關教學資源。
老金嘅小破站
含老金開源嘅項目同AI相關內容。
許願型心態：AI唔係神燈
老金喺學員羣見到好多人唔係想用AI完成具體任務，而係希望AI變成一個硅基員工，自己學習、自己判斷、自己交付，人就開擺。佢話呢類要求最近愈來愈多，本質上唔係提效，係許願。
AI越強，你越危險。因為AI會為人打工，但不一定會為你打工。
你唔會拆問題、唔會畀上下文、唔會判斷結果、唔會驗收過程，AI越強你越危險。
許願型心態
真正嘅差距係Loop，唔係Prompt
好多人以為AI時代最重要係Prompt，但Prompt只係入口。真正拉開差距嘅係認知結構——人點樣定義問題、補上下文同驗收結果。
Prompt只係入口
認知結構
一個會拆任務嘅人，一晚上能讓AI跑出一套可檢查的方案；一個只會許願嘅人，折騰三日都係一堆漂亮廢話。
- 世界經濟論壇2025就業報告：技能缺口係企業轉型最大阻礙。
- Anthropic Claude使用分析：AI更多係增強人嘅能力而唔係純自動化。
- OpenAI GDPval：衡量模型完成真實經濟任務嘅能力。
- Microsoft Research：信息處理、寫作、溝通等工作活動同AI高度重合。
技能缺口已經係企業轉型最重要的阻礙之一
用AI嘅四層：你喺邊層？
老金將用AI嘅人分成四層，只有後兩層先食到AI紅利。
只有後兩層先食到AI紅利
- 1 許願型：俾一句大目標就等AI自己變聰明，冇抓手。
- 2 外包型：知道將文案、代碼等交給AI做，但只看最終結果，唔睇過程，好靠運氣。
- 3 協作型：會畀背景、拆步驟、要求中間稿、關鍵節點停下來檢查，開始有真實生產力。
- 4 系統型：將重複流程拆出來，接上資料、規則、檢查標準同反饋機制，AI進入工作系統反覆慳時間。
工具負責擴展手腳，認知負責決定手腳往哪伸。
追按鈕永遠追不完
今日行動：一個流程、四個問題
老金建議唔好一開頭就想做全自動數字員工，而係揾一個最煩最重複嘅流程，問自己四個問題，然後讓AI介入。
唔好一開頭就想改變世界
- 呢件事而家點解煩？
- 我能否俾到AI足夠嘅資料同樣例？
- 中間每一步我點檢查？
- 最後結果點樣先算用得？
呢四個問題答唔出，就唔好急住上Agent；答得出，就可以讓AI先接管一個小流程。
呢個先係普通人真正能落地嘅AI路線
加我入AI討論學習羣，公眾號右下角「聯絡方式」
文末有老金嘅 開源知識庫地址·完全免費
尋日學員羣入面有人問我，可唔可以更新嚇Codex嘅玩法，特別係Hook。
我嗰陣第一反應其實有啲無語。因為開源教程一直有更新，免費課、付費課、我嘅開源項目入面都有講過。Hook呢樣嘢本身都唔神秘，Claude Code做到嘅嗰套，換到Codex度邏輯都差唔多。
GitHub同我嘅飛書知識庫上都睇到，以GitHub為準。
但真正令我寫呢篇嘅，唔係Hook。
係後面有人接咗句，大概意思係養個agent，等agent自己學課程，自己讀老金.skill，自己喺新項目入面應用MetaKim開發，人就可以攤抖了。
呢啲說話我最近聽得越來越多。好多人而家用AI，已經唔係提升效率，而係喺度許願。
佢唔係想AI幫佢將某個煩瑣流程消滅，亦都唔係想AI將一個具體任務拆清楚，而係希望AI直接變成一個矽基員工，自己學習、自己治理、自己判斷、自己交付，最後人坐喺側邊聽匯報。
問題係，你乜都靠曬AI，最後你嘅作用係乜？
老金我越來越肯定一件事，AI嘅發展唔係令人可以停止學習，啱啱相反，佢喺反向逼住人嘅認知成長。你唔識拆問題，唔識畀上下文，唔識判斷結果，唔識驗收過程，AI越強，你越危險。
因為AI會為人打工，但唔一定會為你打工。
佢會為嗰個識定義問題、識搭系統、識驗收結果嘅人打工。
AI唔係神燈
好多人而家提需求，基本上就係一句空話。
幫我做個矽基人，等AI全自動管理公司，將我嘅生活全部交畀AI，甚至係做一個可以自己學習、自己開發、自己優化嘅系統。
呢個唔係需求，係願望。
願望唔係唔可以有，但願望唔可以直接交畀AI。你將一個空目標掉畀AI，佢一定會畀你一個睇落好完整嘅答案。佢會寫架構，會寫流程，會寫模塊，會寫路線圖，甚至會將每一步都講到幾似樣。
但你只要放落真實工作度，就會發現完全唔係嗰回事。
數據喺邊？權限喺邊？邊個判斷結果啱唔啱？錯咗之後點樣回滾？中間產物點樣檢查？人幾時介入？乜嘢情況一定要停？乜嘢情況可以繼續行？
呢啲嘢唔講清楚，AI跑得越快，錯得越快。
呢個就係我一直講嘅，人做嘅係系統，唔係文案。
寫一篇文案，AI畀你一個差唔多嘅版本，你改改都用得。做系統就唔係咁樣。系統入面有數據、流程、邊界、權限、反饋、驗收，仲有一大堆臨時判斷。你唔可以一開始就幻想老細管理AI聽匯報，你要先證明自己識管理一個任務。
真正嘅差距已經唔係Prompt，而係Loop
好多人以為AI時代最重要嘅係Prompt。Prompt只係入口，真正拉開差距嘅係認知結構。
同樣一句叫AI幫我做一個增長方案，唔同人拎到嘅結果完全唔一樣。一個人只係催AI寫多啲、再具體啲、再專業啲。另一個人會先話畀AI聽業務階段、目標用戶、現有渠道、歷史數據、約束條件、唔可以掂嘅紅線，然後叫AI先列假設，再叫佢拆驗證路徑，最後逐條驗收。
差距唔喺AI本身，而係人點樣定義問題、補上下文同驗收結果。AI越強，呢個分別越明顯。以前工具弱嘅時候，大家都慢，人之間嘅差距冇咁刺眼。而家工具強咗，一個識拆任務嘅人，一晚可以令AI跑出一套可檢查嘅方案。一個只會許願嘅人，搞三日，拎到嘅仲係一堆靚但冇用嘅廢話。
世界經濟論壇2025年嘅就業報告入面有一個大判斷，到2030年，工作結構會有重大變化，會出現新工種，同時亦會有大量工種消失。佢仲提到，技能缺口已經係企業轉型入面最重要嘅阻礙之一。
呢個唔係話所有人聽日就失業，佢真正說明嘅係，工作唔會喺原地等你。
Anthropic做過一個Claude使用分析，入面有個比例好有趣。Claude上面嘅AI使用更偏向增強人嘅能力，而唔係純自動化。即係話，現實入面更多高價值使用唔係將人換走，而係人帶住AI一齊做嘢。
OpenAI做GDPval，都係向真實工作任務去測模型能力。佢嘅方向唔係問AI識唔識背題，而係問AI可唔可以完成有經濟價值嘅真實任務。
Microsoft Research嗰篇關於AI同職業嘅研究都類似。佢分析嘅係Copilot真實使用數據，結論唔係AI會即刻完整取代某個職業，而係信息處理、寫作、溝通、研究呢啲工作活動同AI高度重疊。
呢幾份資料擺埋一齊睇，方向好清楚。AI正在吞佔一部分具體任務，但同時將人嘅價值向上推。以前你識執行，就可以生存。以後你只識執行，空間會越來越細。你要識判斷、識定義、識組織流程、識驗收結果。
如果對你有幫助，記得關注嚇~
用AI嘅人分四層
我而家睇好多人用AI，大概可以分成四層，呢部分老金其實之前已經寫過，再同大家加深嚇印象。
第一層係許願型。
呢類人最常見。畀AI一句大目標，然後等佢自己變聰明。叫佢做矽基人，叫佢自己學習，叫佢自己開發，叫佢幫自己賺錢。聽落都係未來，但落到今日嘅任務度，基本上冇着力點。
第二層係外包型。
呢類人已經比許願型好少少。佢知道將文案、代碼、總結、方案交畀AI做，自己最後睇結果。但問題係，佢淨係睇最終產物，唔睇過程。結果好唔好，好大程度上靠運氣。
第三層係協作型。
呢類人開始進入真正生產力。佢會畀背景，會拆步驟，會叫AI先交中間稿，會喺關鍵節點停低檢查。佢知道AI好叻，但亦都知道AI會亂估，所以佢唔會將成個任務一次過掉出去。
第四層係系統型。
呢類人先係真正食到AI紅利嘅人。佢唔係每日換一個新工具，而係將自己嘅重複流程拆出嚟，接上資料、規則、檢查標準同反饋機制。AI唔係一次性幫佢寫個嘢，而係進入佢嘅工作系統，反覆幫佢慳時間。
我而家利用每個星期日做咗2個季度嘅課程，我真正想將人帶去後兩層。
免費開源教程一直有更新工具玩法。Codex更新咗，我會睇。Claude Code更新咗，我都會睇。Hook、Skill、MCP、Agent、Workflow呢啲嘢，該講就講。呢個亦都係第1期直播課嘅核心內容，先令大家知道AI有啲乜嘢功能同技巧。
佢係術，係實現嘅手段，手段同方法會一直隨住科技迭代而迭代。
但第2期課開始唔會淨係圍住按鈕轉。因為按鈕會變，模型會變，工具會變。今日叫Hook，聽日換個名。今日係Codex，聽日又係另一個客戶端。你如果淨係追按鈕，永遠追唔曬。
佢係道，係你要設定嘅目標同提升嘅認知，你要清楚知道你到底要做啲乜，唔可以做啲乜。
真正值錢嘅係你知道幾時用AI，點樣將問題拆畀AI，點樣判斷AI交出嚟嘅嘢用得唔用得。呢個先係我所講嘅閉環。
工具負責擴展人嘅手腳，認知負責決定手腳向邊度伸。
唔好一嚟就想改變世界
羣入面仲有一個爭論，話矽基人係咪終極方向，個人有冇可能做出嚟。
願景可以傾，但老金我真係唔建議普通人一嚟就想咁大。
你今日最應該做嘅，唔係做一個通用矽基員工，亦都唔係做一個自己治理自己嘅AI公司。嗰啲嘢牽涉到模型能力、數據、權限、真實場景、組織結構、風控同長期反饋，唔係一句純架構問題就可以解決。
個人真正可以做嘅，係揾自己最煩瑣嘅事。
例如每日整理客戶資料，每星期寫覆盤，將會議紀要拆成任務，或者檢查文章有冇AI腔。
再例如將選題、資料、標題、正文、質檢連成一個小流程。
你先將一個小流程行得通，先再傾系統。一個小流程都行唔通，直接傾全自動數字員工，就係空想。
做產品十幾年，我從來未見過靠空想框架做成功嘅事。架構唔係先拍個腦袋畫出嚟，架構係從真實數據、真實流程、真實失敗入面生出來嘅。
你先令AI穩定幫你慳到每日30分鐘，然後再令佢穩定幫你慳到每日2個鐘。
最後將呢個流程沉澱成模板、腳本、Skill、Agent或者一個小工具。
呢個時候你先有資格傾系統。
人嘅價值會被重新定價
最近都話AI導致人俾大批裁員，我覺得好片面，因為表面上係人變少，底層其實係人嘅價值被重新定價。
以前識用電腦、識搜索、識寫PPT、識做表格，已經比好多人強。互聯網時代，本質上唔係報紙消失咗，而係信息發佈、信息獲取、信息分發嘅工具變咗。唔識用新工具嘅人，俾識用新工具嘅人拉開差距。
AI時代都係一樣，只係速度更快，覆蓋面更大。
你識唔識寫一段代碼，可能冇以前咁值錢。你識唔識將一個業務問題變成AI可以執行嘅任務，識唔識睇得明AI交出來嘅結果，識唔識將佢放入真實流程入面，反而會越來越值錢。
所以我一直唔贊成將目標講成幫老細有效裁員。
企業當然會追求效率，但真正嘅根本目標，唔應該只係少幾個人。根本目標係培養符合AI時代嘅人。
如果一個團隊入面全部都係可以用AI放大自己嘅人，點解要急住裁？我恨不得呢啲人越多越好，因為咁先代表組織有擴張能力。
真正危險嘅，係嗰啲唔學工具又唔補認知，淨係想等AI幫佢搞掂曬啲嘢嘅人。最後AI真係做到嘢，佢反而變成最先被換走嗰批。
今日先做一件小事
呢篇文睇完，老金我希望你先返去自己嘅工作，揾一個最煩、最重複、最容易判斷對錯嘅流程。
然後問自己四個問題。
第一，呢件事而家點解煩？
第二，我可唔可以畀到足夠嘅資料同樣例畀AI？
第三，中間每一步我點樣檢查？
第四，最後結果點樣先算用得？
呢四個問題答唔出嚟，就唔好急住上Agent。先將問題寫清楚。
如果答得出嚟，你就可以叫AI介入。唔係叫佢接管你嘅人生，而係叫佢先接管一個小流程。行得通之後覆盤，覆盤之後固化，固化之後再擴大。
呢個先係我哋普通人真正可以落地嘅AI路線。
AI越強，越唔適合許願。佢似放大器，先放大你嘅認知，再放大你嘅動作。你個腦係空嘅，佢只能夠將空放大。你手上有系統，佢先會將系統放大。
所以唔好再問AI幾時可以代替你思考。
先問一句，你而家值唔值得畀AI放大。
https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf
Claude Code & Openclaw & Codex 三大頂流全中文從零開始嘅教程：唔識寫Code一樣整到網站，老金15萬字Claude Code+OpenClaw教程免費開源
我嘅小破站（含我開源嘅項目）：https://www.aiking.dev/
每次我都想提一提，呢個唔係炫耀，係希望有想法嘅人勇敢去試。
我唔識寫Code，我英文都唔好，但我整咗好多嘢出嚟。
我真心希望可以影響更多人嚟嘗試新技巧，迎接新時代。
多謝你睇我嘅文章。
如果覺得唔錯，順便點個讚、睇、轉發三連啦🙂
如果想第一時間收到推送，都可以畀我個星標⭐～多謝你睇我嘅文章。
加我進AI討論學習羣，公眾號右下角“聯繫方式”
文末有老金的 開源知識庫地址·全免費
昨天學員羣裏有人問我，能不能更新一下Codex的玩法，尤其是Hook。
我當時第一反應其實有點無語。因為開源教程裏一直在更新，免費課、付費課、我的開源項目裏也都講過。Hook這玩意兒本身也不神秘，ClaudeCode裏能做的那套，換到Codex裏邏輯也差不多。
Github和我的飛書知識庫上都能看到，以Github為準。
但真正讓我想寫這篇的，不是Hook。
是後面有人接了一句，大概意思是養個agent，讓agent自己學課程，自己讀老金.skill，自己在新項目裏應用MetaKim開發，人就可以開擺了。
這類話我最近聽得越來越多。很多人現在用AI，已經不是在提效，而是在許願。
他不是想讓AI幫自己把某個繁瑣流程幹掉，也不是想讓AI把一個具體任務拆清楚，而是希望AI直接變成一個硅基員工，自己學習、自己治理、自己判斷、自己交付，最後人坐在旁邊聽彙報。
問題是，你什麼都靠AI了，最後你的作用是什麼？
老金我越來越確定一件事，AI的發展不是讓人可以停止學習，正好反過來，它在反向逼着人的認知成長。你不會拆問題，不會給上下文，不會判斷結果，不會驗收過程，AI越強，你越危險。
因為AI會為人打工，但不一定會為你打工。
它會為那個會定義問題、會搭系統、會驗收結果的人打工。
AI不是神燈
很多人現在提需求，基本就是一句大空話。
幫我做個硅基人，讓AI全自動管公司，把我的生活全部交給AI，甚至是做一個能自己學習、自己開發、自己優化的系統。
這不是需求，這是願望。
願望不是不能有，但願望不能直接交給AI。你把一個空目標丟給AI，它一定會給你一個看起來很完整的答案。它會寫架構，會寫流程，會寫模塊，會寫路線圖，甚至會把每一步都說得挺像那麼回事。
但你只要往真實工作裏放，就會發現完全不是一回事。
數據在哪？權限在哪？誰來判斷結果對不對？錯了以後怎麼回滾？中間產物怎麼檢查？人什麼時候介入？什麼情況必須停？什麼情況可以繼續跑？
這些東西不說清楚，AI跑得越快，錯得越快。
這就是我一直講的，人做的是系統，不是文案。
寫一篇文案，AI給你一個差不多的版本，你改改也能用。做系統不是這樣。系統裏面有數據、流程、邊界、權限、反饋、驗收，還有一堆臨時判斷。你不能一上來就幻想老闆管AI聽彙報，你得先證明自己會管理一個任務。
真正的差距已經不是Prompt，而是Loop
很多人以為AI時代最重要的是Prompt。Prompt只是入口，真正拉開差距的是認知結構。
同樣一句讓AI幫我做一個增長方案，不同的人拿到的結果完全不一樣。一個人只會催AI多寫點、再具體點、再專業點。另一個人會先告訴AI業務階段、目標用戶、現有渠道、歷史數據、約束條件、不能碰的紅線，然後讓AI先列假設，再讓它拆驗證路徑，最後一條條驗收。
差距不在AI本身，在人怎麼定義問題、補上下文和驗收結果。AI越強，這個區別越明顯。以前工具弱的時候，大家都慢，人的差距還沒那麼刺眼。現在工具強了，一個會拆任務的人，一晚上能讓AI跑出一套可檢查的方案。一個只會許願的人，折騰三天，拿到的還是一堆漂亮廢話。
世界經濟論壇2025年的就業報告裏有一個大判斷，到2030年，工作結構會發生很大變化，會有新崗位出來，也會有大量崗位消失。它還提到，技能缺口已經是企業轉型裏最重要的阻礙之一。
這不是說所有人明天就失業，它真正說明的是，工作不會原地等你。
Anthropic做過一個Claude使用分析，裏面有個比例很有意思。Claude上的AI使用更偏向增強人的能力，而不是純自動化。也就是說，現實裏更多高價值使用不是把人拿掉，而是人帶着AI一起幹活。
OpenAI做GDPval，也是往真實工作任務上測模型能力。它的方向不是問AI會不會背題，而是問AI能不能完成有經濟價值的真實任務。
Microsoft Research那篇關於AI和職業的研究也類似。它分析的是Copilot真實使用數據，結論不是AI馬上完整替代某個職業，而是信息處理、寫作、溝通、研究這些工作活動跟AI高度重合。
這幾份資料放在一起看，方向很清楚。AI正在吞掉一部分具體任務，但它同時把人的價值往上推。以前你會執行，就能活。以後你只會執行，空間會越來越小。你得會判斷、會定義、會組織流程、會驗收結果。
如果對你有幫助，記得關注一波~
用AI的人分四層
我現在看很多人用AI，大概能分成四層，這部分老金其實之前已經寫過，再來給大家加深下印象。
第一層是許願型。
這類人最常見。給AI一句大目標，然後等它自己變聰明。讓它做硅基人，讓它自己學習，讓它自己開發，讓它幫自己賺錢。聽起來都是未來，但落到今天的任務裏，基本沒有抓手。
第二層是外包型。
這類人已經比許願型好一點。他知道把文案、代碼、總結、方案交給AI做，自己最後看結果。但問題是，他只看最終產物，不看過程。結果好不好，很大程度靠運氣。
第三層是協作型。
這類人開始進入真實生產力了。他會給背景，會拆步驟，會讓AI先交中間稿，會在關鍵節點停下來檢查。他知道AI很強，但也知道AI會亂猜，所以他不會把整個任務一次性丟出去。
第四層是系統型。
這類人才是真正吃到AI紅利的人。他不是每天換一個新工具，而是把自己的重複流程拆出來，接上資料、規則、檢查標準和反饋機制。AI不是一次性幫他寫個東西，而是進入他的工作系統，反覆幫他省時間。
我目前利用每個週日做了2個季度的課程，我真正想把人往後兩層帶。
免費開源教程一直在更新工具玩法。Codex更新了，我會看。ClaudeCode更新了，我也會看。Hook、Skill、MCP、Agent、Workflow這些東西，該講就講。這也是第1期直播課的核心內容，先讓大家知道AI都有什麼功能和技巧。
它是術，它是實現的手段，手段和方法會一直被科技迭代而迭代。
但第2期課開始不會只圍着按鈕轉。因為按鈕會變，模型會變，工具會變。今天叫Hook，明天換個名字。今天是Codex，明天又是別的客戶端。你如果只追按鈕，永遠追不完。
它是道，它是你要設定的目標與提升的認知，你要清晰的清楚你到底要做什麼，不能做什麼。
真正值錢的是你知道什麼時候該用AI，怎麼把問題拆給AI，怎麼判斷AI交出來的東西能不能用。這才是我說的閉環。
工具負責擴展人的手腳，認知負責決定手腳往哪伸。
不要一上來就想改變世界
羣裏還有一個爭論，說硅基人是不是終極方向，個人有沒有可能做出來。
願景可以聊，但老金我真不建議普通人一上來就想這麼大。
你今天最該做的，不是做一個通用硅基員工，也不是做一個自己治理自己的AI公司。那種東西涉及模型能力、數據、權限、真實場景、組織結構、風控和長期反饋，不是一句純架構問題就能解決。
個人真正能做的，是找自己最繁瑣的事情。
比如每天整理客戶資料，每週寫覆盤，把會議紀要拆成任務，或者檢查文章有沒有AI腔。
再比如把選題、資料、標題、正文、質檢連成一個小流程。
你先把一個小流程跑通，再談系統。一個小流程都跑不通，直接談全自動數字員工，那就是空想。
做產品十幾年，我從來沒見過靠空想框架把事情做成的。架構不是先拍腦袋畫出來的，架構是從真實數據、真實流程、真實失敗里長出來的。
你先讓AI穩定幫你省下每天30分鐘，接着再讓它穩定幫你省下每天2小時。
最後再把這個流程沉澱成模板、腳本、Skill、Agent或一個小工具。
這時候你才有資格談系統。
人的價值會被重新定價
最近都在說AI導致人被大批量裁員，我覺得很片面，因為表面上是人變少，底層其實是人的價值在被重新定價。
以前會用電腦、會搜索、會寫PPT、會做表格，就已經比很多人強。互聯網時代，本質上不是報紙消失了，而是信息發佈、信息獲取、信息分發的工具變了。不會用新工具的人，被會用新工具的人拉開差距。
AI時代也是一樣，只是速度更快，覆蓋面更大。
你會不會寫一段代碼，可能沒以前那麼值錢了。你會不會把一個業務問題變成AI能執行的任務，會不會看懂AI交出來的結果，會不會把它放進真實流程裏，反而會越來越值錢。
所以我一直不贊成把目標說成幫老闆有效裁員。
企業當然會追求效率，但真正的根本目標，不應該只是少幾個人。根本目標是培養符合AI時代的人。
如果一個團隊裏都是能用AI放大自己的人，為什麼要急着裁？我巴不得這樣的人多一點，因為這樣組織才有擴張能力。
真正危險的，是既不學工具，也不補認知，只想等AI替自己把事全乾了的人。最後AI真的能幹活了，他反而成了最先被拿掉的那部分。
今天先做一件小事
這篇看完老金我希望你先回到你自己的工作裏，找一個最煩、最重複、最容易判斷對錯的流程。
然後問自己四個問題。
第一，這件事現在為什麼煩？
第二，我能不能給AI足夠的資料和樣例？
第三，中間每一步我怎麼檢查？
第四，最後結果怎麼樣才算能用？
這四個問題答不出來，就別急着上Agent。先把問題寫清楚。
如果答得出來，你就可以讓AI介入了。不是讓它接管你的人生，而是讓它先接管一個小流程。跑通以後覆盤，覆盤以後固化，固化以後再擴大。
這才是咱普通人真正能落地的AI路線。
AI越強，越不適合許願。它更像放大器，先放大你的認知，再放大你的動作。你腦子裏是空的，它只能把空放大。你手裏有系統，它才會把系統放大。
所以別再問AI什麼時候能替你思考。
先問一句，你現在還值不值得被AI放大。
https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf
Claude Code & Openclaw &Codex 仨頂流全中文從零開始的教程：不懂代碼照樣造網站，老金15萬字Claude Code+OpenClaw教程免費開源
我的小破站（含我開源的項目）：https://www.aiking.dev/
每次我都想提醒一下，這不是凡爾賽，是希望有想法的人勇敢衝。
我不會代碼，我英語也不好，但是我做出來了很多東西。
我真心希望能影響更多的人來嘗試新的技巧，迎接新的時代。
謝謝你讀我的文章。
如果覺得不錯，隨手點個贊、在看、轉發三連吧🙂
如果想第一時間收到推送，也可以給我個星標⭐～謝謝你看我的文章。