大家好，我是手工川，一名 OPC（一人公司），也是一名 AI 布道师。

我的头衔有一长串：手工川工作室（Lovstudio.AI）主理人，AI 布道师，连续创业者，全国 OPC 先锋人物，上海陆家嘴数智港 OPC 代表，清智孵化器首个入驻 OPC。除了连续创业者，其余五个都是 2026 年才有的，每一个背后都对应一件具体的事：

四个名字

我一共给自己取过四个名字：溪钰残殇、九见风、南川、手工川。第一个用在 2015 年的股票论坛，第二个短暂用来写小说，第三个从大学起一直用到 2025 年，第四个从 2025 年用到今天。

网上有些 AI 会把我的账号误解为传统手作，但此手工，非彼手工。它是搞笑博主手工耿的“手工”。这几年我在 GitHub 上创建和维护了几百个开源项目，像极了软件版的手工耿。从科技的角度，我应该叫“自动某某”或者“AI 某某”，但我最终把这类工具属性浓烈的词都去掉了，因为我与 AI 相处越多，越意识到“人”本身的意义与价值。

所以手工川工作室官网的 tagline 是：在 Agent 时代，寻找人的价值。

我每个月给 AI 付多少钱

现在我每个月给 AI 付大约 300 美金。过去一年，我平均每天消耗大约 10 亿 token。

2026 年 9 月，我在支付宝外滩大会上做了一场分享，题目是《Skill 开发最佳实践与商业化探索》。准备讲稿的时候，我把自己过去一年的 AI 使用记录翻了个底朝天：扫描了 3,195 份 Claude Code 和 Codex 的会话记录，从里面确认出 1,852 次 Skill 调用。

Skill 是我写给 AI 的“工作说明书”，每调用一次，就是 AI 按我的方法完成了一次工作。所以调用记录，基本就是我这一年的工作日志。

排在第一的是 Git Commit，也就是把改好的东西提交保存，401 次。第二是发布上线，165 次。第三是事实核查，130 次。写文章、画图、写代码，都没有排进前三。

需要说明的是，这个数字只是下界：子 Agent 的调用没有算进去，Claude 的早期会话记录也有裁剪。

2026 年的公开现场

2026 年，OPC 从一个圈内说法，变成了很多城市在认真做的事，我也受邀去了不少现场。

1. 2026-03-12
   北京发改委一人公司配套制度改革座谈调研
   以人工智能 OPC 企业代表的身份参加。
2. 2026-03-14
   联合清华创协发起龙虾大会
   在北京，讨论 Agent 时代的人机协作。
3. 2026-04-08
   新疆哈密 OPC 发布会
   演讲《欢迎来到OPC时代》。
4. 2026-05-19
   浦东新区引领区企业座谈会
   以陆家嘴数智港 OPC 代表的身份参加。
5. 2026-07
   OPC 共创节
   分享《置身 OPC 之内》，获评 25 位全国 OPC 先锋人物之一。
6. 2026-09
   支付宝外滩大会
   分享《Skill 开发最佳实践与商业化探索》，讲 Agent Skill 怎么商业化。
7. 2026-11-01
   「超越之旅」第一期，广州工美港
   我的第一堂公开大课。

我也受邀在长江商学院、清华 Attrax 黑客松、AI 原点社区、七牛云等地方做过分享或担任评委，接受过钛媒体创投家、AI 故事计划、搜狐科技、WeOPC、EchoSpark 等媒体的采访。

写文章、剪视频、开源

我从小偏科，数学好，语文一直是短板，两次高考语文都只考了九十多分。可现在我坚持写原创的技术创业文章，公众号「手工川」从 0 到 1 积累了数万粉丝。今年起，我开始深度基于 AI 剪辑视频，视频号的粉丝每天都在稳步增长。

代码这一边，我在 GitHub 上创建和维护了几百个开源项目。写文章、剪视频、做产品、办活动，我都给自己写了 Skill。截至 2026 年 11 月 1 日，Lovstudio.AI 官网上架了 229 个，其中 208 个免费开源。

收入是一块一块拼起来的：众筹、产品、商单、活动。到现在，总算拼出了一个初步的商业闭环。

六期创造营

2026 年 4 月到 10 月，我在北京、上海、深圳连续办了六期手工川 AI 创造营。第一期原计划 20 个名额，12 个小时就报满了。在初步实现商业闭环的同时，也认识了非常多有趣的朋友。往期现场与学员作品都在 forge.lovstudio.ai，每一期是怎么被问题推着改的，在开篇「发起背景」那一节。

写《置身 OPC 内》那篇长文的时候，我回头看了一遍这些年，想明白了一件事：

我现在对自己的一句话介绍是：手工川工作室（Lovstudio.AI）主理人，致力于探索超级个体的能力边界与孵化。

能力边界，我拿自己当样本去测；孵化，是把测出来的东西交到更多人手里。前一件事的起点很早，2015 年我 20 岁，有一个问题开始一直跟着我：我个人能力的边界，到底在哪里？它的来历，在「为什么做这个」那一节。

拿自己当样本

前几年创业，我招过助理、运营、设计、研发，尝尽了苦头。后来我发现，问题出在我自己身上：我兜得住底，所以我从来不真的信任别人；事情交出去，最后还得自己替人收拾。

想明白这件事之后，我对自己说：要不我就一个人，我就用 AI，看看能干到什么程度。

我的 OPC 启动成本，是每个月 200 美金的 Claude Code，最开始还是朋友赞助的。现在我每个月给 AI 的花费大约是 300 美金。下面是我现在的“队伍”：

这就是我理解的超级个体：用 AI 补齐短板，一个人顶一支团队。 2025 年我 30 岁，一个人走了全国大概 30 多个城市，交付了四五个中小企业的 AI 落地项目，自己定义与开发了十几款产品和工具。

但“一个人能干很多活”只是开始。能干活的人很多，能把活变成一门持续的生意的人很少，后者才是 OPC。

边界画在哪里

测边界，测的也包括哪些事不能交给 AI。今年 9 月准备外滩大会分享时我统计过：Git Commit 的 401 次调用里，98.8% 是我手动触发的；深度调研有 93.8% 是 AI 自动触发的。提交意味着授权，这一版我认了，可以存档、可以发布；补充证据，则适合让系统自己去找。

发布上线是我调用第二多的 Skill，它也出现在“只留给自己”这一列。我留给自己的是决定权，不是每个动作：发布可以让 AI 去执行，但这一版发不发，只能由我来定。

还有一条边界是注意力。2024 年底我开始深入研究 AI Coding，计划一年做 50 个产品；到 2025 年底，自己定义与开发的产品和工具是十几款。最后我发现，做产品很容易，推广很难，商业化变现更难。为了数量做产品，注意力总落在下一个产品上，而不是手上这一个。

把测出来的东西做成产品

如今手工川工作室已经是“线上产品（含 Skill）＋自媒体＋线下培训”的综合服务体，主要是一个人，加一群 AI 实现。

它们有一个共同的来路：先解决自己的真问题，再把解法产品化。这个习惯从 2015 年把股票判断写成指标就开始了。官网上我写过一条做事方式：

另一半是内容和课。公众号和视频号「手工川」持续写、持续剪；六期创造营和今天的「超越之旅」，把这些方法当面交到人手里。

孵化：我先被孵化过

2024 年 7 月，我入驻北京海升人工智能大模型企业加速营，之后是北京的 AI 原点社区、清智孵化器，以及上海的陆家嘴数智港。启动 OPC 的那 200 美金，是朋友赞助的。

轮到我来做孵化，形式是一步步变出来的：先是线上写文章，再是线下创造营，再到第四期的「OPC 黑客松」，然后是今天和全国创联、WeOPC 一起的公开大课。开发课程本身就是梳理自己的一种很好的手段，只不过形式从线上迁移到了线下，从免费迁移到了付费，从分享过渡到了交付。

我想推动的，是一种更主动的个体创造方式：不是被迫一个人，而是在 AI 赋能后有能力主动选择一人公司。

两个常见的误会

第一个误会，是把超级个体理解成一个人硬扛。早期 OPC 最该想清楚的，是“我要买什么杠杆”：有些杠杆来自 AI，有些来自 SaaS，有些来自外包，有些来自合作伙伴，最后才轮到全职员工。招人只是把原本模糊的问题，变成更贵的问题。

第二个误会，是以为交给 AI 的越多越好。我交出去的是执行，留下的是判断和决定。回头看一人队伍那张表，研发、设计、写作、视频、研究这五行，后半句都落在我身上：我做判断和验收，我管好不好看，我逐段审读，我审片，我决定信什么。

2015 年，我 20 岁，退学在家。

我用三个月时间琢磨出 30 多个股票分析指标，以“溪钰残殇”的名字把研究写成文章，发在理想股票技术论坛上，累计阅读超过 500 万。其中一个叫“南川三代分时”，卖 3000 块一份，卖出去几十份。后来，三位素未谋面的前辈一起投了我 10 万块。

那是我人生的第一桶金，也让我第一次相信，一个人是可以做成一些事的。从那以后，两个问题一直跟着我：

• —我到底能给这个世界留下什么？
• —我个人能力的边界，到底在哪里？

一个自学者

2023 年底，我写过一篇长文《十年》，开头这样介绍自己：

十八岁那年，我翻完整本高考志愿填报书，十秒钟之内决定去千里之外的电子科技大学，因为我想做乔布斯、比尔·盖茨那样的人物。第一学期期末，我在网吧连续玩了七天七夜的英雄联盟，结束后才知道，自己已经错过了两门期末考试。2014 年，我从电子科大退学。

2015 年 6 月股市崩盘后，我去复读，后来进了南京审计大学。大二实习时，我用一周自学了 VBA，然后两小时干完了全组一周的活；第一次参加华为软件精英挑战赛，我刚学会一点 Python，连二分法都不知道，却一度把这所商科院校冲到了初赛榜首。

我在金融和软件之间来回走了很多年，最后选了软件，唯一的理由是迭代速度：经济学的反馈以年计，软件改一行，立刻知道对不对。

后来我在一篇文章里写过：

一条来来回回的路

如果把这些年画成一条线，它一次次出去，又一次次回来。我把它叫作自己的奥德赛之旅。

《十年》的结尾，我写的是三文鱼。我从它那里得到的启示是：一生只奔向一次大海，然后溯游而上，回家。

两座山

骑川藏线的决定，我只花了一个晚上。第十天，白天已经骑了八个小时，我还要在暴雨里翻过海拔 4700 米的卡子拉山。队友住下了，我执意继续：“我要是怕死我就不会来川藏线了！”天黑以后，无灯、暴雨、大雾，我只能以路边的白色带为参考往前骑，白色带外面就是悬崖。到了深夜，一辆送货去理塘的车停在我前面，我才对师傅说：“师傅，载我去理塘吧，谢谢。”

第 36 天，暴雨里我从林拉公路的桥墩下冲出去，那天晚上写下：杀出去不会死，呆在原地才会死。后来我一路翻了十四座高山，骑到了珠峰大本营。到大本营那天，我在朋友圈只写了几行字：一人，一车，两个月，三千公里，八年长梦破晓之期。

2026 年 9 月，我去转了冈仁波齐，翻过海拔 5650 米的卓玛拉垭口，下垭口时踩到冰面，结结实实摔了一跤。离开西藏那天是 9 月 21 日。五年前骑完川藏线，我坐上回程的青藏铁路，也是 9 月 21 日。

两座山之间，是很多座城。过去两年，我连续三次累计跑了 40 多座城市。在西安的背包十年，我曾经连续一周没跟一个人说话；到了清迈，我差点没回来，也是在那里意识到，AI 不是生活的全部。

AI 改写了学习这件事

2021 年，我接了一个对那个领域完全没概念的项目。我去上海图书馆借了两本书，坐在甲方办公室里，第一周甲方在我面前走来走去，我就看那本书，看完才开始写代码。那是没有 AI 时代的学法：先厚积，再薄发。你不知道怎么按图索骥，因为你连图都没有。

有了 AI 之后，那段记忆成了过去式。我身边有一位对计算机完全不了解的博士，就一直跟 AI 聊：什么叫前端，什么叫后端，各种数据库怎么选。半年之后，他已经做了很多小程序、很多 APP。

所以我在 2026 年 3 月写过：黑客松可能比大学还有用。 Project-based Learning，碰到问题就学，缺什么补什么，这种方式在有 AI 之后变得无比高效。

外面的数字也在往这个方向走。新华网 9 月转载的一篇人民邮电报报道里说，过去很长时间里，黑客松的参赛者几乎清一色是程序员，这个格局在过去两年被 AI 改变了。招聘平台 Dr.Job 的报告估算，全球每年组织的 AI 黑客松，从 2024 年的约 2800 场增长到 2026 年预计的 4200 场；据不完全统计，2026 年以来，仅粤港澳大湾区就办了 28 场。

我去做分享的那届外滩大会上，还公布了外滩黑客松·AI Coding 大赛的结果。这场比赛面向所有人，不限编程方式：上万名参赛者完成了上万件 AI 应用作品，近七成参赛者未满 18 岁，最小的只有 6 岁，冠军是一名 9 岁的选手。

我在三月那篇文章里还写过一个判断：大家的目光已经开始从大学生投向高中生、初中生、小学生。不是因为年纪小就厉害，而是因为社会规训少，切换成本低。

所以我做了这件事

这几年我看到的，是两群人之间越来越大的落差。一边是一群 00 后技术创业者，用着最好的模型，一天烧几个亿 token；另一边是另一群人，只会用豆包，甚至连豆包也用不明白，对着自己摇摇欲坠的工作岗位迷茫、焦虑。

技术越来越便宜，信息差却越来越参差。即便是我，也常常搞不定一个稳定的 Claude 账号。这是我决定做 AI 布道师、办创造营的原因。

2026 年 4 月 23 日凌晨 2 点 59 分，我宣布正式成为 AI 布道师。那天我写下，我真正的激情与热情，在创造、分享与链接本身。

从第四期起，创造营做成了「OPC 黑客松」：提价、缩班、16 个小时，每个人带着自己的问题做出一件作品。这和我对学习的判断是同一件事：直接 build，缺什么补什么。

那两个问题，直到这两年，我才开始看到一些答案的轮廓。我想让更多普通人有能力主动选择一人公司，而不是被迫一个人。

不必照抄的部分

我的路上有很多不值得照抄的地方：退学，网吧的七天七夜，一个晚上就决定去骑川藏线。创业也一样。

可以照着做的，是一个很朴素的动作：带着一个真问题出发，碰到什么学什么，做出来，再公开给别人看。

五年后，二十岁时的那两个问题，我还在问。如果我可以，你也许也可以。

我的队伍里，常驻的只有我一个人。研发、设计、写作、视频、活动、研究，以前每一样都要找人，现在都有 AI 参与。卡片正面是岗位，背面是以前找谁、现在怎么做。

每一项里都还有我：代码我做判断和验收，文章我逐段审读，视频我审片，资料我决定信什么。AI 接走的是劳动，判断留在我这里。

我从小偏科，数学好，语文一直是短板，两次高考语文都只考了九十多分。可现在我写的原创技术创业文章，让公众号从 0 到 1 积累了数万粉丝；今年起我又开始深度基于 AI 剪辑视频，视频号的粉丝每天都在稳步增长。写作这块短板，是 AI 帮我补上的。

被放大的是判断

2026 年 5 月 19 日，我以陆家嘴数智港 OPC 代表的身份参加浦东新区的引领区企业座谈会。讲到超级个体，我是这么说的：

我的电脑上经常同时开着几个 AI 工作终端：一个写代码，一个做研究，一个整理材料，一个生成文档，一个改产品。外面看只有我一个人，实际更像在调度一支随时可以重组的数字团队。

我判断一个人算不算超级个体，先看他手里有没有一样别人认的东西，审美、专业经验、对客户的理解都算；再看他能不能把这样东西交给 AI 放大，并且验收得住。这两件事，就是 S6 里的前两个必要条件。

组织密度可以变低，能力密度必须变高。一个人的队伍人少，可研发、设计、内容、销售每个位置上该有的能力，一样都不能缺。

和几个相近的词放在一起

超级个体、独立开发者、数字游民、个体户、OPC，这两年常被混着用。这几个词一起热起来，是因为有了 AI，一个人的生产力、主体性和能动性都在大幅提升。一个人可以完成过去三五个人、甚至十几个人才能完成的研发、设计、内容、销售和运营，也不再只是某个组织流程里的螺丝钉，可以直接定义自己的产品、客户和交付方式。

区别都在最后一列。一个人可以是超级个体，但如果所有收入都依赖某个平台的流量分发，账号一限流、内容一疲劳、热点一过去，收入曲线立刻坍塌，那他更像媒体人或 KOL（有影响力的博主）。一个人可以是独立开发者，但如果只会写代码，不会定价、获客、处理退款，就很容易卡在“我明明做了一个很牛的东西，为什么没人买”里。

超级个体和 OPC 差在哪

超级个体强调的是个人能力和影响力。一个人能干很多活，只是开始。

OPC 多了一个要求：把个人能力变成一个可被市场验证、可被复用、可被持续交付的经营系统。很多 OPC 正是从超级个体、独立开发者、数字游民里长出来的，我自己也是这个顺序：先成了一个能用 AI 顶一支队伍的人，再去补获客、交付、收款这些公司该有的东西。这段路我在 S5 里讲，OPC 本身放在 S9 和 S10。

三个常见误解

• —以为超级个体什么都得会。 超级个体是拿 AI 补短板的人。我的短板是写作，长板是写代码和做产品；先有长板，补短板才有意义。
• —以为超级个体就是单打独斗。 我的 OPC 启动成本是每个月 200 美金的 Claude Code，这笔钱最开始是朋友赞助的。一个人的队伍里有 AI，也有朋友、社区和外部伙伴。
• —以为粉丝多就是超级个体。 影响力只是其中一部分。能力和影响力最好落在你自己拥有的东西上：作品、产品，和一个经得起追问的名字。

2025 年 6 月 18 日，Wix 宣布以大约 8000 万美元现金收购 Base44。这是一个让人用自然语言搭应用的 vibe coding 平台，由 Maor Shlomo 一个人起步，成立大约 6 个月，没有拿过外部融资。

我挑了六个案例，海外三个，国内三个。挑的标准有两条：数字能在公开报道或本人访谈里查到；他们拉动的杠杆各不相同。先看六个数字，翻过来看它属于谁。

海外三个案例

农场游戏《星露谷物语》2016 年发售，程序、美术、音乐和设计都由 Eric Barone（网名 ConcernedApe）一个人完成。截至 2024 年 12 月，它的全平台累计销量超过 4100 万份，其中 PC 端约 2600 万份。

这发生在 AI 之前。一个人想把每个工种都做到能卖的水准，只能自己一样样硬啃。可一旦做成，游戏卖一份和卖一千万份的成本几乎一样，这就是软件的杠杆。

Pieter Levels 是荷兰的独立开发者，Nomad List、Remote OK、Photo AI、Interior AI 都出自他手。Lex Fridman 在第 440 期播客的开场这样介绍他：自学成才，设计、编程、上线并运营过 40 多个创业项目，其中不少非常成功，大多数时候都是他一个人做的。他用的技术栈是原生 HTML、jQuery、PHP 和 SQLite。

他在访谈里说：“我不用风投的钱，所有事都自己做。”按他自己的说法，Interior AI 上线一周左右，月收入就到了 1 万到 2 万美元，访谈时已经上线两年左右，每月仍有 4 万到 5 万美元。同一期里他也说，大部分想法都行不通。

回到开头的 Base44。Wix 向 TechCrunch 确认，卖掉时 Maor Shlomo 已经有 8 名员工，8000 万美元里有 2500 万美元作为留任奖金分给他们。以色列财经媒体 Globes 还报道，2029 年另有一笔按里程碑支付的款项。一个人起步，交割时已经是一支小队伍。

国内三个案例

2016 年 3 月，靠一个人拍短视频起家的 papi酱，获得真格基金、罗辑思维、光源资本和星图资本共 1200 万元投资。罗辑思维包办了她视频的首次贴片广告权，4 月的拍卖会上，这支广告被丽人丽妆以 2200 万元拿下。就在拍卖前几天，广电总局要求她的视频去掉粗口，整改后才能重新上线。

一个人做的内容，撬动了千万级别的资本和广告；可分发握在平台手里，监管一要求整改，视频就得先下线。

手工耿是一个搞笑博主，一直在做各种“没什么用”的机械装置，截至 2026 年 7 月 6 日，他在 B 站有 811.1 万粉丝。我名字里的“手工”就取自他。他的荒诞和认真时常感染我，和 AI 行业满口英文的精英主义形成很强的反差，尽管我们都在 build in public（公开构建）。

2026 年 1 月 28 日，《人民日报海外版》报道了中关村 AI 北纬社区里的几家 OPC，其中一位是北京时间茧教育科技有限公司首席执行官李涛。他 2025 年 9 月入驻，自己准备留学时发现选校太难，就用 AI 工具抓取海外高校的数据，做了选校工具“选校鸟”：用户输入成绩、专业和目标国家，AI 自动匹配 5 所学校。从想法到落地，用了 2 个月。同一篇报道提到，这个社区第一批入驻了 21 家 OPC 企业，初创团队普遍是 1 至 4 人。

放在一张表里

读案例的四个误区

• —把收购价、投资额当成收入。 8000 万美元是收购价，1200 万元是投资额，都不等于一个人每年能赚多少。
• —只看成功者。 Levels 做过 40 多个项目，自己承认大部分想法行不通。我 2025 年初宣布一年做 50 个产品，最后做出来十几个。新闻只会写成功的那几个。
• —把“一个人”理解成“没人帮忙”。 Base44 交割时已有 8 名员工，papi酱身后有投资方，贴片广告由罗辑思维包办，Levels 的 GPU 算力用 Replicate、收款用 Stripe。一个人起步，指的是决策和责任集中在一个人身上。
• —忽略平台风险。 papi酱拿到投资一个月后，视频就被要求整改，改完才能重新上线。收入全靠平台流量，规则一变就得从头来。

1937 年，经济学家罗纳德·科斯发表了一篇论文《企业的性质》，问了一个看上去很傻的问题：既然市场的价格机制这么有效，为什么还需要公司？

他的回答大意是：通过市场做事是有成本的。找人、比价、谈判、签合同、盯着对方交付，每一步都要花钱、花时间。当这些成本高到一定程度，把人招进来、在公司内部直接安排，反而更便宜。公司的边界，就画在这两种成本打平的地方。

放到超级个体身上，要算的是 AI 改变了哪几笔成本，让一个人也算得过这笔账。

以前，一个人卡在手不够

没有 AI 的年代，我在完全没有安卓和 VR 开发经验的情况下接过一个 VR 外包，客户希望一个月内实现用自研安卓设备操控 VR 眼镜。一起做的朋友一周内就被劝退了。我在上海图书馆自学了一周 framework，又拉来一位前美团高级工程师，多干了一个月才勉强搞定。

手不够，最自然的办法是招人。前几年创业，我招过助理、运营、设计、研发，结果发现方向还没跑通的时候，招聘、管理、沟通和试错的成本都会迅速放大。

AI 压低了哪几笔成本

生产这一笔最直观。以前一个人做产品，处处卡在人手上；现在研发、设计、写作、视频，我都和 AI 一起做，它出劳动，我出判断。

协作这一笔最容易被误解。一个人加一群 AI，没有例会，没有排期，但协作成本没有变成零。我得把口头偏好、项目约束、验收标准、工作习惯写进文档和 Skill 里，AI 才能按我的方法干活。管人的成本，换成了写清楚的成本。

试错这一笔改变的是沟通方式。传统外包要靠访谈、原型图、PRD、排期、开发、测试，一轮下来，客户的热情可能已经凉了。现在客户先讲自然语言需求，我把业务背景、约束、截图、数据结构和验收标准交给 AI，让它先跑出一个可点击、可演示的版本。哪怕第一版很糙，也比停在 PPT 里强：一旦有了东西，沟通就从“你理解我了吗”变成“这里改一下”。

分发不需要别人点头

分发这一笔，纳瓦尔说过：劳动力杠杆需要有人愿意跟着你干，资本杠杆需要有人把钱交给你；写代码、写书、录播客、做视频，不需要任何人许可。

Kevin Kelly 2008 年写过一篇《一千个铁杆粉丝》（1,000 True Fans）：一个创作者不需要百万粉丝，有一千个每年愿意为你花 100 美元的铁杆粉丝，一年就有 10 万美元，够大多数人谋生。互联网让一个人能直接找到这一千个人。

AI 让代码和媒体这两根杠杆都更便宜了，一个人也能同时拉动它们。代价是拥挤，人人都能用 AI 生产内容之后，可信的内容反而稀缺，这一点在 S6 里展开。

杠杆有先后

成本降下来以后，早期最该想清楚的，是“我要买什么杠杆”。我的默认顺序是从左往右：

剪辑、海报、财税、法务、场地、活动执行，如果不是你的核心能力，完全可以先外部化。产品方向、客户关系、定价判断、品牌叙事、核心交付，最好自己抓。这些一旦交出去，你很容易变成一个什么都懂一点、什么都无法负责的中间人。

这两年的几个信号

1. 2024
   “一个人的十亿美元公司”被广泛讨论
   Sam Altman 等人的说法提供了一个强叙事：一个创始人不招员工，也可能做到过去只有团队才能做到的规模。
2. 2025-01
   达沃斯有一场 One-Person Enterprise 讨论
   这是世界经济论坛年会上的一场讨论。Digital Watch 的整理里有一个判断：将来每个普通员工都可能成为 AI 的管理者。
3. 2026-01-28
   《人民日报海外版》：“一人公司”悄然兴起
   北京、上海、江苏、广东等地，有的发布了相关方案，有的打造了专门服务 OPC 的创业园区。
4. 2026-01-30
   新华社：一个人即可组建创新团队
   原文是：“一人公司”（OPC），即一个人即可组建创新团队，独立完成从创意萌芽到项目落地的全过程。

新华社用的词是“组建创新团队”。在我看来，这个团队里可以有 AI、工具、社区和外部伙伴，不一定都是劳动合同上的员工。政策层面的细节放在 S11 讲。

被迫一个人，还是主动选择

一个人做事，过去往往是被动的：找不到合伙人，招不起人，只好自己扛，很多个体户就是这样。现在多了一种可能：有了 AI 之后，主动选择一个人。我在工作室官网上写过一句：不是被迫一个人，而是在 AI 赋能后有能力主动选择一人公司。

三个常见误区

• —以为成本降下来，门槛就没了。 生产便宜了，内容就会拥挤，判断反而更贵。
• —以为一个人就不需要任何人。 新华社说的是组建团队的能力；孵化器、社区、朋友、外包，都是这支队伍的一部分。
• —以为先招人，创业才算真。 招人不是一种仪式。流程跑通、需求稳定、现金流能覆盖成本，再考虑招第一个人。

2026 年 4 月，手工川 AI 创造营第一期开课那天，早上 8 点 50，签到表没打印出来。我打开 Claude Code，说了一句：帮我做一个签到页，扫码就能上墙，每个人到了点一下名字，附一句自我介绍。然后我就去开门迎人了。

回来的时候，流程已经跑通。配色、后端、内网穿透这些技术活，都是它自己搞定的。

超能力，以前只属于工程师

很多年前，我在知乎上读到一个回答，说程序员有一种“超能力”：一件事，我想做，我去做，我做出来。多年以后我才知道，这种能力还有一个更酷的名字，叫“现实扭曲力场”。

这种超能力以前非常稀缺。我好几次撞上巨大的技术难题，每一次都要花掉一周甚至一个月。在一家 VR 公司时，我花一整周把安卓五的祖传代码逐版本升级到安卓十一，至今记得在望京的公寓里，凌晨四点吃着泡面、不知道最后能不能搞定的那种焦虑。

1. 2024
   一位朋友送了我一把 Cursor 的 key
   我接上 Anthropic 的 Sonnet 模型，效果远超预期。接下来两个月，做了一个羽毛球预约程序，完全不看代码做了一个飞机大战游戏，确认这条路是通的。
2. 2025 年三四月
   开始用 Claude Code，200 美金一个月
   AI 开始自己读仓库、跑命令、改文件、做验证，人类进入 Agentic Coding 的时代。
3. 2026
   OpenClaw 这类个人 Agent 火遍中美
   大家管它叫“龙虾”。它把使用 AI 的门槛，又往下拉了一大截。

至此，超能力终于不再是工程师专属。一个人想做产品，过去最大的问题是手不够；现在最大的问题变成了：到底做什么，卖给谁，怎样持续交付。

人和 AI 分工的四个阶段

我们都曾期望，有 AI 的世界应该是 AI 干活、人类写诗。真实发生的顺序，几乎正好反过来。

第四格里，人的工作变成了四个动词：设计环境，提供上下文，设置边界，验收产出。一个人能顶一支队伍，靠的是站到循环之上：不必亲手做每一步，每个关键节点上都有他。

在第二格、第三格都不丢人。2023 年，AI 辅助编码工具已经流行起来，我却依旧保持谨慎；除了网易云音乐和 Apple Music，我没有给任何软件和 AI 付费的习惯。

我用 AI 最多的地方

写文章、剪视频、做产品、办活动，我都给自己写了 Skill，让 AI 按我的方法去做。每调用一次 Skill，就是 AI 按我的方法完成了一次工作，所以调用记录基本就是我的工作日志。2026 年 9 月准备外滩大会的分享时，我统计了 1,852 次 Skill 调用的去向：

这个数字只是下界：子 Agent 的调用没有算进去，早期的会话记录也有裁剪。但比例足够说明问题：我用 AI 最多的地方，是交付、判断和查证，而不是生成。写出来只是第一步；写得对不对，能不能发出去，发出去之后能不能找回来、能不能复盘，这些才是真正花时间的地方。

哪些交给 AI，哪些留给自己

Git 提交那 401 次调用里，98.8% 是我手动触发的；深度调研有 93.8% 是 AI 自动触发的。提交意味着授权：这一版我认了，可以存档、可以发布。补充证据，则适合让系统自己去找。

第三列留给自己的是决定权，不是每个动作。这些决定一旦错了收不回来：发出去的消息、付出去的钱、删掉的文件，都没有撤销键。

AI 是合伙人，也会犯错

合伙人也会出错。它写得很快，也会很自信地写错。关键节点上没看改动、没看日志、没看截图，下一轮任务就可能建立在一个错误的前提上，等你发现时，已经不是改一行，是要拆一片。所以我对它的态度是：既要相信它，又要随时准备替它擦屁股。重要的东西要有版本管理，要能回滚。

三个常见误区

• —把 AI 当搜索引擎。 只问它你本来就能查到的东西。试着把一件真实的、有上下文的工作交给它，哪怕只是整理一个文件夹。
• —以为换一个更强的模型就能解决问题。 结果不好的时候，先看你给了它什么，再看它是谁。先查 Context，再怀疑模型。
• —追着工具跑。 每周都有新模型、新产品，追不完，也会过时。与其追十个工具，不如把一个判断固化下来。

前几年创业，我招过助理、运营、设计、研发，尝尽了苦头。后来我发现，问题出在我自己身上：我兜得住底，所以从来不真的信任别人；事情交出去，最后还得自己替人收拾。如果是这样，那所有的合作模式都会很惨。

想明白这件事之后，我对自己说：要不我就一个人，我就用 AI，看看能干到什么程度。

2026 年 4 月 26 日，第二期创造营的课上，我这样讲自己：真的是被逼的。为了让自己即便只有一个人，也能做出十个人的效果，我逼自己把所有东西尽量 AI 化。

一条弯路很多的路

我不是一开始就选择一人公司这条路的。做过团队项目，见过很多投资机构，也尝试过比较传统的创业路径。2026 年 5 月在浦东新区的座谈会上，我把这一路概括成：从背包客、数字游民，慢慢长成一个超级个体，再尝试成为一家真正意义上的 OPC。

2015 年那 10 万块，是我人生的第一桶金，也让我第一次相信，一个人是可以做成一些事的。之后几年，我做过工程师，短暂加入过创业团队，一直在接各种项目，也自己创业。一个人做事，总会反复撞上一堵看不见的墙：你知道自己有能力，但总觉得差了点什么，差一个团队，或者差一笔融资。

2024 年，拐点

转机来自 AI。2024 年，一位朋友送了我一把 Cursor 的 key，我接上 Anthropic 的 Sonnet 模型，效果远超预期。那年 7 月，我入驻北京海升人工智能大模型企业加速营，全面转向 AI Coding。年底我发布了开源项目 Oh My Commit，一个月内完成了 885 次提交。GitHub 的贡献日历，把这个拐点画得很清楚：

早期提交可能绑定过别的邮箱，贡献日历也不等于全部工作量。但 2024 年前后的落差，足够说明问题。

一个人的队伍和它的账本

2025 年三四月，我开始用 Claude Code，200 美金一个月。这就是我的 OPC 启动成本，而且这笔钱最开始不是我自己掏的，是朋友赞助的。

现在研发、设计、写作、视频、活动、研究都有 AI 参与，我负责判断、审读、审片和验收，分工表在 S1。我也一直在路上：过去两年，我连续三次累计跑了 40 多座城市，最近一次是 5 个月、14 座城。

弯路：一年 50 个产品

2025 年初，Vibe Coding 还不那么火，我在公众号高调宣布：一年要做 50 个产品。后来确实做了十几个。我很快发现，做产品很容易，推广很难，商业化变现更难。还有一个更隐蔽的问题：盲目追求数量，让我总把注意力放在“下一个”产品上，顾不上“这一个”。

被托住的一个人

这条路上，我一直被人托着。启动的 200 美金是朋友给的。我先后入驻了北京的海升人工智能大模型企业加速营、AI 原点社区、清智孵化器，以及上海的陆家嘴数智港；2026 年 3 月 31 日，我作为首位 OPC 创业者入驻清智孵化器。

这些头衔都是后来才有的。2026 年 3 月 12 日，我以人工智能 OPC 企业代表的身份参加北京发改委组织的一人公司配套制度改革座谈调研；5 月 19 日，以陆家嘴数智港 OPC 代表的身份参加浦东新区的引领区企业座谈会；7 月在 OPC 共创节上分享《置身 OPC 之内》，获评 25 位全国 OPC 先锋人物之一。

三个容易误解的地方

• —以为我天生适合一个人干。 我招过人、组过团队、见过投资机构，一个人是被逼出来的选择。
• —以为产品做得越多越好。 一年 50 个产品，最后做出十几个，学到的是注意力比数量值钱。
• —以为创业是唯一的路。 我的创业之旅几乎完全没有达到当初的预期。对普通人来说，创业的风险真的很大，有好的工作机会，请珍惜。

但人生没有回头路。创业磨炼了我，让我走向了另一种人生，也教会了我接受、忍耐和人性。如果我可以，你也许也可以。

2015 年，我 20 岁，退学在家。我用三个月时间琢磨出 30 多个股票分析指标，把研究写成文章，一篇篇发在理想股票技术论坛上，累计阅读超过 500 万。后来，三位素未谋面的前辈一起投了我 10 万块。

回头看，那件事里已经有三样东西：一项能拿出手的技能，把研究公开写出来的习惯，和愿意托付我的人。到了 AI 时代，还要再加两样：把真实工作交给 AI 并验收得住的能力，和一套能让自己长期跑下去的生活系统。

这五样，就是我理解的成为超级个体的必要条件。

一、一块能直接交付价值的长板

AI 补的是短板。前提是你得先有一块长板，否则没有东西可以放大。

我的短板是写作，两次高考语文都只考了九十多分；长板是写代码和做产品，GitHub 上创建和维护了几百个开源项目。AI 把写作这块短板补上之后，长板才有了出口：原创技术创业文章让公众号积累了数万粉丝，文章又为课程招来了学员。

写代码、写作、设计、销售、培训、咨询、投放、供应链都可以。

二、把真实工作交给 AI，并且验收得住

很多人用 AI 只问它本来就能查到的东西。交给它的应该是一件真实的、有上下文的工作，哪怕只是整理一个文件夹。

交出去只是一半，另一半是验收：真实打开页面，真实跑一遍流程，真实读一遍生成的内容，真实问一个客户有没有用。很多 AI 任务，最后都败在没人验收上。AI 时代最稀缺的，不是会不会生成，而是能不能及时发现它生成错了。

验收靠的是判断力、审美和专业经验，这正是超级个体被放大的部分。有个简单的自测：写下你每周至少重复 3 次的一个判断，比如“这份简历要不要进面试”“这周的选题写哪个”。写得出来，你就有了可以交给 AI 放大的东西。

三、一个经得起追问的名字

2015 年那三位前辈从没见过我，却愿意把钱投给我。公开创作有三个好处，我到今天都在用：它让陌生人信任你；它倒逼你把事情想清楚，写给别人看的东西不能只有自己懂；它会复利，一篇帖子写完就在那里，今天有人读，明年还有人读。

AI 让写文章、做视频、写代码都更便宜了，便宜也意味着拥挤。人人都能用 AI 生产内容之后，稀缺的是可信的内容：有真实经历，有真实数据，有一个经得起追问的名字在背后负责。

我前后给自己取过四个名字：溪钰残殇、九见风、南川、手工川。一个好的名字不一定要高大上，但最好能回答三个问题：为什么叫这个？它代表什么？它拒绝什么？

四、一张托住你的网

我的 OPC 启动成本，是每个月 200 美金的 Claude Code，这笔钱最开始是朋友赞助的。之后一路接住我的，还有孵化器、社区和朋友，这段经历在 S5 里讲过。

所以我说超级个体也不是孤勇者。你得能长期独处，一个人连续写代码、写文章、改方案；也得能走出去，见客户、见同行、见投资人、见政府和社区。独处是为了把活干深，不是为了把自己活成孤岛。

五、一套生活系统

AI 可以连续跑，人不能。精力管理，信噪比，微信消息回复，熬夜与睡觉，健身与发胖。每天只做三件最重要的事，听起来很简单，执行起来极难。

如果一个人长期睡不好、吃不好、动不了、见不到真实客户、沉迷低质量信息流，再强的 AI 也救不了他。

常见误区：把这些当成门槛

自测：你现在最缺哪一样

以前一个人想做产品，最大的问题是手不够：代码要人写，设计要人画，视频要人剪。

这两年，我一个人写文章、剪视频、做产品、办活动，手终于够了。问题换成了另外三个：到底做什么，卖给谁，怎样持续交付。

机会是实打实的

工具这一侧，我每个月在 AI 上花大约 300 美金。研发、设计、写作、视频、研究，过去要分别找人，现在 AI 做大部分活，我负责判断和验收。协作成本也跟着降了：一个想法从脑子里冒出来，到原型、页面、文章、视频、报价单，中间少了很多求人、等人、找人的环节。

外面的支持也多了起来。新华社报道，临港集团 2025 年 8 月推出“超级个体”计划，打造的“零界魔方”社区 5 个月里吸引了 150 多家“一人公司”或小型创业团队入驻；浦东新区给新注册的“一人公司”提供最高 30 万元的免费算力。我自己从 2024 年 7 月起，先后入驻了北京海升人工智能大模型企业加速营、AI 原点社区、清智孵化器和上海陆家嘴数智港。

同样的 AI，也在对手和客户手里

门槛是对所有人降的。前沿智能加快了我们推进市场的速度，也同样加快了友商、甚至潜在客户自己解决问题的速度，快到他们有时不再需要我们。

我为此交过一笔很贵的学费。2024 年上半年，我和团队在做一个微信群总结机器人。那时候模型的上下文窗口只有 8K，群聊记录塞不进去，我写了一个 K 型压缩算法：首尾多保留，中间压缩，递归压到 6K 以内。这是我们的核心技术。几个月后，上下文窗口从 8K 涨到了 200K，这项核心技术一夜之间归零。

不要把力气花在大模型公司下个版本就会顺手做掉的地方。 模型的能力会一直涨，涨上来的那部分不属于你；属于你的，是你的资料、你的判断、你的流程。

地基不在自己手里

我每天依赖的模型、账号和网络，大多不在我手里。即便是我，也常常搞不定一个稳定的 Claude 账号。第五期创造营报名时，有位学员写：Codex 一直用不了。

在我看来，这不是他的问题，是依赖结构的问题。一台建在你控制不了的东西上的工作台，它随时可以不是你的。所以我建议每个人至少走通两条路线：一条是你最喜欢的，一条是你在任何情况下都能用的。对大多数在国内的同学来说，后一条就是 DeepSeek。

信息差在变大

这几年我看到的，是两群人之间越来越大的落差。一边是一群 00 后技术创业者，拿着投资人的钱，用着最好的模型，一天烧几个亿 token；另一边是另一群人，只会用豆包，甚至连豆包也用不明白，对着自己摇摇欲坠的工作岗位迷茫、焦虑。

技术越来越便宜，信息差却越来越参差。这是我决定做 AI 布道师、办创造营的原因。

最难的一关是生活

一个人做事，最大的挑战反而是生活：

• —精力管理
• —信噪比
• —微信消息回复
• —熬夜与睡觉
• —打车与地铁
• —健身与发胖
• —开源与节流

每天只做三件最重要的事，听起来很简单，执行起来极难。如果一个人长期睡不好、吃不好、动不了、见不到真实客户、沉迷低质量信息流，再强的 AI 也救不了他。

在西安的背包十年，我曾经连续一周没跟一个人说话，戴着耳机写代码，那里成本低、效率高。到了清迈，那两个月我一次耳机都没戴过，每天早上关心的是吃什么早餐，不是又发了什么新模型。也是在那里我意识到，AI 不是生活的全部。

机遇与挑战对照

三个常见误区

• —以为难在技术。 手够了以后，难的是做什么、卖给谁、怎样持续交付。
• —把力气花在模型会顺手做掉的地方。 动手之前先问一句：下一个版本的模型会不会自带这个功能？
• —把省下来的时间还给信息流。 如果省下的时间都拿去刷手机，它根本没有被兑现。

我从小偏科，数学好，语文一直是短板，两次高考语文都只考了九十多分。

可现在我写的原创技术创业文章，让公众号从 0 到 1 积累了数万粉丝。今年起我又开始深度基于 AI 剪辑视频，视频号的粉丝每天都在稳步增长。写作这边，我写底稿，AI 按我的文风整理和润色，我逐段审读；视频那边，素材整理、字幕、剪辑、封面交给 AI 流水线，我审片。

我的教室里坐着谁

从 2026 年 4 月到 10 月，我办了六期手工川 AI 创造营。学员里有字节、蚂蚁、千问的 HR、PR 和运营，有从没写过代码的产品经理，甚至还有艺术家。尽管我们每一句都会提到 AI，但你并不需要计算机背景。

第四期在上海陆家嘴，是一场 16 小时的“OPC 黑客松”，一共 7 个人。7 位学员每人都完成了一件自己的 vibe coding 作品。有一位学完之后驾驭 AI 的能力突飞猛进，直接升职成了跨部门负责人；还有一位从没写过代码的产品经理，在小红书的 Vibe Coding 比赛上拿到了名次。

不会编程，要会三件事

vibe coding，大意是用自然语言告诉 AI 你要什么，让它写代码，你看结果、提意见，而不必读懂每一行代码。它让不会编程的人也能做出工具，可它并不是把活丢给 AI、人就离场。你得会三件事：

• —说清楚要什么：做给谁用，输入什么，输出什么，什么叫做对了；
• —看得懂结果：打开页面点一点，跑一遍流程，看它是不是真的能用；
• —说得出哪里不对：别说“不太好”，要说“点了提交按钮之后没反应”。

这三件事，恰好都不需要你会编程。

Skill 也是一样。我管这叫 Skill 平权：平权不是人人都要会编程，而是人人都能定义 Agent 如何替自己工作。你只要能说清自己通常怎样完成一件事，就可以把它变成一个 Skill。

那个 13 岁的初中生

2025 年我在广州办活动，遇到一个 13 岁的初中生。他用 AI 才两周，已经能让 AI 给他做小项目了：能描述清楚自己要什么，能在 AI 跑偏时及时纠正，能把一个复杂的任务自然拆成几步。他没看过任何 prompt 工程教程，也没买过任何 AI 课。

成年人开始用 AI 时，脑子里装着一堆既有的模型：机器是死的，得告诉它每一步；问别人事情要客气一点；复杂的事情要先列提纲。这些大多是对的，放在跟 AI 协作上反而成了束缚。他没有这些历史包袱。

我在《普通人穿越 AI 的 7 道墙》里，把这种差别算作第 6 道墙：还没养成 AI Native 的思维。

你过去学会的东西是存量，在 AI 面前，这些存量的杠杆变低了。增量在你今天开始往哪个方向长。

可以，不等于自动做到

第四期结束两周后，我做了一次回访，分水岭出现了。有人的东西还在长，有人的东西停在了那个周末。差别不在作品质量，在有没有留下一套还能接着用的东西。所以到了第五期，我们让每个人 DIY 一台自己的 Agent 工作台。

起点也不一样。从第五期起，我们定了一条铁律：上课时间一到，停止全员逐个安装，仍有问题的人立刻降级，用助教的机器，和同伴共用，或者先走纯网页的路径。不允许单个设备阻塞全班。

还有一种起点差异是钱。也是从第五期起，创造营开放了公益计划：如果你真心想来，但确实存在经济或生活上的困难，可以联系我，我会部分或全部减免学费，并尽我所能帮你争取 AI 行业的就业机会。

从一个判断开始

如果你想今天就开始，先写下一个你每周至少重复 3 次的判断。注意不是“一件事”，是“一个判断”：你每次都要动一次脑子，但每次的思路其实一样。比如“这份简历要不要进面试”“这条评论要不要回复”“这周的选题写哪个”。

重复发生，说明值得固化；需要动脑子，说明它有价值；思路每次都一样，说明它可以被写下来交给 AI。先自己用，再谈别人。

2026 年 3 月 12 日，我以人工智能 OPC 企业代表的身份，参加了北京发改委组织的一人公司配套制度改革座谈调研。从年初开始，我在北京、上海、新疆、清迈、西安反复聊 OPC，发现大家对它的想象差异极大。

有人觉得 OPC 就是注册个体户，有人觉得就是独立开发者，有人觉得就是数字游民：背个包去清迈，找个咖啡馆，电脑一打开，就开始全自动赚钱。

听起来很美，也很危险。一个新词最危险的时候，往往不是没人懂，而是所有人都觉得自己懂。

先看 C，再看 O

OPC，One Person Company，一人公司。这个词有两个核心。

第一个核心是 C，公司。OPC 首先是一个公司，一个合法经营的主体。这就和独立开发者、超级个体、数字游民、博主这些词区别开来了，尽管这些词背后的主体，往往正是一个 OPC。既然是公司，就要面对纳税、就业，天然具有商业属性和投资潜力。

第二个核心是 O，一个人。2024 年前后，Sam Altman 等人关于“一个人的十亿美元公司”的讨论被媒体广泛传播。这个说法提供了一个很强的叙事：AI 可能让一个创始人在不招聘员工的情况下，做到过去只有团队才能做到的规模。它把“一人公司”从工商登记问题，推到了创业想象问题。

2026 年 1 月，官方怎么写

到了中国，这条叙事和国产大模型普及、地方产业政策结合在了一起。2026 年 1 月，几个信号非常密集。

新华社这个说法我很喜欢。它说一个人开始拥有“组建创新团队”的能力，并没有说一个人拒绝团队。只是这个团队里可能有 AI、工具、社区、外部伙伴，不一定都是劳动合同上的员工。

什么才算一家 OPC

我的标准是一句话：

这五个词看起来很土，但公司就是这么土。只要其中任何一个环节完全靠运气，OPC 就还不是公司，只是项目、兼职、机会、偶发收入，甚至是一段自我感动。

我以前做外包时常犯一个错。一个需求来了，先兴奋，觉得技术上能搞定；搞到一半，发现范围不清；终于上线，发现验收标准变了；钱到账之后，才发现这次交付既没有沉淀产品，也没有沉淀流程，下次还得重新来一遍。很累，也很难复利。

OPC 里那个 C，逼着一个人重新面对公司最无聊、也最重要的东西：合同、发票、报价、售后、知识库、现金流、品牌、口碑、可复用的资产。这些东西没有任何浪漫可言，但它们让一个人从“会干活”变成“能经营”。

它和几个相近的词差在哪

个体户这一行我想多说一句。个体户并不天然等于落后，它当然重要，也当然体面。差别在“一个人”的心理来源：很多个体户是被动选择一个人，成本不允许、门店就这么大、订单就这么多，只能先自己扛着；OPC 是有了 AI 之后主动选择一个人，先不招，把协作拆给 AI、SaaS、外包、社区、客户和临时伙伴，主动压缩组织半径。

其余几行差的是同一样东西：一套能被市场验证、能复用、能持续交付的经营系统。人在望京还是在清迈，产品做得多好，都替代不了它。我在哪里不重要，系统仍然要交付。

这一年我在哪些现场聊它

1. 2026-03-12
   北京发改委一人公司配套制度改革座谈调研
   以人工智能 OPC 企业代表的身份参加
2. 2026-04-08
   新疆哈密 OPC 发布会
   演讲《欢迎来到 OPC 时代》
3. 2026-05-19
   浦东新区引领区企业座谈会
   以陆家嘴数智港 OPC 代表的身份参加
4. 2026-07
   OPC 共创节
   分享《置身 OPC 之内》，获评 25 位全国 OPC 先锋人物之一

2015 年上半年，我一个人写了 30 多个量化交易策略。那一年我在理想论坛上发股票指标，其中一个叫“南川三代分时”，卖 3000 块一份，卖出去几十份。很多年后我才意识到，原来这就叫 KOL 与创业。

用今天的话说，那时候的我已经算一个超级个体，可离一家公司还差得很远。

2026 年 4 月 28 日，手工川工作室成立。如今它已经长成一个包含线上产品（含 Skill）、自媒体和线下培训的综合服务体，而这一切，主要是一个人加一群 AI 实现的。

能干活，和能经营

超级个体，是用 AI 补齐短板、一个人顶一支团队，它强调的是个人能力和影响力。但“一个人能干很多活”只是开始。能干活的人很多，能把活变成一门持续的生意的人很少。后者，才是 OPC。

从作品到公司，中间隔着两步

作品变成项目，靠的是第一个真实的用户和第一次真实的反馈。项目变成公司，靠的是五环闭环：下一个客户从哪来，做的东西有多少能复用，交付怎么验收，钱怎么收回来，每做完一单留下了什么。

所以做出第一件作品之后，最重要的一件事，是找到第一个愿意用它的人，哪怕是你的同事、你的朋友。先别急着加功能。

一个人的“团队”长什么样

新华社把一人公司概括为“一个人即可组建创新团队”。我自己的结构可以写成 1 + 小 N + AI：1 是我，小 N 是几个关键节点上的合作伙伴，AI 是一整套工具链。先把组织收缩到最小可行单元，跑通闭环，再谈扩张。

早期 OPC 最该想清楚的，是“我要买什么杠杆”，要不要招人反而排在后面。杠杆有先有后：

剪辑、海报、财税、法务、场地、活动执行，这些如果不是你的核心能力，完全可以先外部化。但产品方向、客户关系、定价判断、品牌叙事、核心交付，创始人最好自己抓。这些东西一旦交出去，你很容易变成一个什么都懂一点、什么都无法负责的中间人。

招人这件事我吃过亏。前几年创业，我招过助理、运营、设计、研发，尝尽了苦头。后来我发现，问题出在我自己身上。我兜得住底，所以从来不真的信任别人，事情交出去，最后还得自己替人收拾。很多时候，招人只是把原本模糊的问题，变成更贵的问题。

OPC 不是孤勇者

我的 OPC 启动成本，是每个月 200 美金的 Claude Code。这笔钱最开始不是我自己掏的，是朋友赞助的。后来我先后入驻了北京海升、AI 原点社区、清智孵化器和上海陆家嘴数智港，也成了清智孵化器首个入驻的 OPC。

所以我一直觉得，OPC 不是孤勇者，是一个被信任、被支持、被托付的个体。一个人的公司，背后照样需要朋友、社区和客户。

不是每个超级个体都要变成 OPC

OPC 听起来很自由，实际上非常不自由。你没有老板，所以所有问题都直接找你；你没有固定工资，所以现金流会非常诚实地反馈你的认知水平。我觉得适合做 OPC 的人，大概有四个特征：

1. 01能长期独处，但不封闭。 能一个人连续写代码、写文章、改方案，也能走出去见客户、见同行、见投资人。
2. 02至少有一项硬技能能直接交付价值。 技能叫什么不重要，重要的是它能不能在市场里换回钱、信任和复购。
3. 03愿意做脏活。 很多人喜欢聊 AI Agent，不喜欢整理发票。OPC 会把你逃避的东西，一件件端到你面前。
4. 04对时间主权有强需求，对增长神话有免疫力。 如果只是想快速做大，OPC 可能只是一个过渡阶段；如果真的在意自己如何工作、如何生活、如何持续创造价值，OPC 会是一个很好的容器。

对普通人来说，创业的风险真的很大，很难。如果有好的工作机会，请珍惜。第四期有一位学员，学完之后升职成了跨部门负责人。用好 AI，不一定要去开公司。

前几年创业，我招过助理、运营、设计、研发，烧掉了不少钱和心力。2025 年三四月，我开始用 Claude Code，200 美金一个月。现在我每个月在 AI 上花大约 300 美金，写文章、剪视频、做产品、办活动，主要靠一个人加一群 AI。

个人的账很好算。不好算的是，为什么这种组织形态偏偏在 2026 年被全国讨论。

企业为什么存在

1937 年，经济学家罗纳德·科斯发表了《企业的性质》。他问了一个朴素的问题：既然市场能靠价格配置资源，为什么还需要企业？

他的回答是，用市场是有成本的。找到合适的人、谈价钱、签合同、盯质量，每一笔交易都要花钱、花时间。企业把一部分交易收进内部，用管理代替一次次谈判。企业会一直扩张，直到在内部多组织一笔交易的成本，和去市场上完成它的成本一样高。

AI 给这道算术题加了第三个选项。一个 Agent 不用面试、发工资、做绩效考核，这点不像雇员；也不用签约、对齐、担心跳槽，这点不像外部供应商。当这一层的交易成本趋近于零，企业的最优规模就会往一个人收缩。

纳瓦尔的三种杠杆

纳瓦尔·拉维坎特在《How to Get Rich》里把商业杠杆分成三类：人力、资本，以及边际复制成本为零的产品，也就是代码和媒体。前两种需要别人许可，要有人愿意跟你干，要有人愿意给你钱。代码和媒体是无需许可的杠杆，你睡觉的时候，它们也在替你工作。

以前一个人做产品，处处卡在人手上：代码要人写，设计要人画，视频要人剪。AI 把这些劳动力压缩进了产品里，原本要别人点头的第一种杠杆，开始变成不需要许可的第三种。

这是我今年 4 月在新疆哈密 OPC 发布会上讲“OPC 为什么成立”时用的理论基础之一。到了 10 月，我觉得应该已经不会有人再质疑 AI 给代码和媒体这两种杠杆带来的价值了。

天花板换了位置

传统公司是人管人，瓶颈在管理幅度，一个人能有效带的下属是有限的。OPC 是人管 AI，瓶颈在认知带宽：你能同时想清楚多少件事。

我经常同时开很多个会话：一个在修 bug，一个在写文章，一个在查资料，一个在做审查，另一个在跑测试。哪些可以并行，哪些必须串行，哪些适合交给 AI，哪些必须人来判断，这就是 OPC 从“一个人干活”走向“一个人组织生产”的关键一步。

为什么偏偏是 2026 年

OPC 的 C 是公司，公司就要面对纳税和就业，所以政府在推 OPC 这件事上不遗余力。上世纪九十年代的下岗潮、十年前的双创，都有相近的社会诉求。

新华社那篇《“一人公司”近来何以兴起？》把原因归到几处：“人工智能赋能千行百业，降低了创业门槛”；多地出台专项支持政策、建起“一人公司”社区，从办公场地、资金补贴、资源对接上给创业者减负。浦东新区给新注册的“一人公司”提供最高 30 万元免费算力，就是一个例子。

一人公司多了，钱没跟上

Carta 的《Solo Founders Report 2025》统计，在使用 Carta 的初创公司里，2024 年成立的约有 30% 是单人创始；同一年定价股权融资的现金，只有 14.7% 流向了它们。

一个人开公司越来越常见，风险投资却没有同步跟上。我见过三四十家一线资本机构，我的建议一直是：如果你做的是个人品牌、垂直服务、咨询培训、工具订阅、内容产品，融资未必是第一优先级，先把现金流跑出来，再决定要不要融资。

什么时候它不成立

新华社也写了另一面：成本焦虑、资源孤岛、存续风险高。一位受访的创始人说，创意研发、产品营销、客户服务都要一肩挑，“脑子很少闲着”。

五环里任何一环还要靠运气，OPC 就还只是一个项目。如果你做的是典型的风险投资模型，市场足够大，边际成本足够低，增长可以复制，资本能明显换来时间，那融资可能是必要的选择。

2025 年 5 月，Anthropic 的 CEO Dario Amodei 在 Code with Claude 开发者大会上被问到：第一家只有一名员工的十亿美元公司，会在哪一年出现？他的回答是 2026。

这类预言我听过很多。我反而觉得，一人独角兽最应该谨慎对待。

OPC、OPE、OPU，顺序不能反

现在再看 OPC，还要引入两个词：OPE 和 OPU。

2025 年达沃斯世界经济论坛有一场题为 One-Person Enterprise 的讨论。Digital Watch 整理这场讨论时写到，未来每个 individual contributor 都可能成为 AI 的管理者。一种解释是每个人都会用 AI 管理自己的工作，另一种更激进，某个人真的可以只靠 AI agents 运营一家完整的公司。前一种是能力普及，后一种是组织跃迁。

OPU 是最容易被误读的那一层。独角兽不是经营形态，而是资本市场给出的估值结果。OPC 可以今天就开始做；OPE 需要一套越来越成熟的系统；OPU 需要极强的市场、技术、分发、资本、治理与信任结构，甚至还需要一点时代运气。一上来就盯着独角兽，很容易把自己带歪。

Base44 也招了人

2025 年 6 月，Wix 用 8000 万美元现金收购了 Base44。这家 vibe coding 公司当时成立大约 6 个月，没有融过资，股权只在创始人 Maor Shlomo 一个人手里。不过 Wix 向 TechCrunch 确认，他手下其实有 8 名员工。

最常被当作一人公司样板的案例，也是有员工的。OPC 本来就不是永远不招人：当一个流程已经被你反复验证，需求稳定，验收标准清晰，现金流能覆盖成本，并且这个岗位能释放你最关键的瓶颈时，就可以考虑招了。

它正在被做成基础设施

到 2026 年初，OPC 已经不只是公司法条文里的一个词，它被做成了一套城市创新创业基础设施：社区、工位、算力、补贴、服务包。深圳的行动计划写得最具体，到 2027 年底：

大公司内部也在长出类似的组织方式。新华社报道，追觅创新科技（苏州）有限公司已经孵化了 200 多个基于“一人公司”模式的业务单元，平均搭建时长只有 12 天。

政策能接住多少，要看制度细节。今年 3 月我参加北京那场座谈，讨论的不是 OPC 好不好，是 OPC 需要什么制度配套：注册地址和经营范围，算力和补贴，数据合规，场景落地，算法和大模型备案，知识产权，记账开票，还有金融机构的信贷支持。

社区和工具也一样。不同阶段的 OPC 需要的东西完全不同：有人缺低成本工位和工商财税，有人缺媒体曝光和首单客户，有人缺算力与模型资源，也有人只需要一个靠谱的同路人。社区活动不能只停留在热闹；工具也不能只追求演示效果，OPC 真正需要的是稳定、便宜、可追踪、可恢复、可接入自己工作流的工具。

产品的护城河在变薄

这一年，我和身边一些创业者越来越难回答一个基本的问题：你们这个产品，和 Claude、Codex 有什么区别？

最近一两个月，我把 Agent 的推理深度拉到最高档之后，它在大多数问题上已经是一个相当靠谱的许愿屋：指定某个 Skill，再指定某个目标，最后指定某些素材，东西就出来了。

AI 先解放了生产力，又解放了创作力。在这个前提下，人更容易做出令人欣赏的作品，做出大众需要的产品反而更难。大众需要，不来自生产力暴涨的办公室，来自生活的每一方寸之间。AI 能帮我把内容做得更深，却很难给我对时代精神的感受，这一块只能自己去生活里找。

我自己的版本答案

对我这样脱离主流叙事的人来说，ultra、旅居与自媒体，似乎成了一个版本答案：把 AI 的推理开到最深，把自己放回真实的生活里，再把看到的东西写出来、拍出来。过去两年，我连续三次累计跑了 40 多座城市，最近一次是 5 个月、14 座城。

这条路显然不适合所有人，就像我从来不会推荐人去创业一样。它只是一种可能性。

今年 4 月在新疆哈密的 OPC 发布会上，我在台上说过一句话：

希望我们每个人，都是自己人生的主角。

两个半小时的会议

2026 年 5 月，我跟大学老师和一位读博士的学妹开了两个半小时的腾讯会议，题目是“AI 如何辅助学术”。聊到一半我发现，我们这些天天泡在 AI 一线的人，和 AI 圈外的朋友之间隔着好几堵墙。第一堵，是对 AI 本身的想象。

大多数人刚开始用 AI，脑子里都是这样一张图：我、一个叫“AI”的东西、我的工作，连成一条线。AI 在这张图里是一种统一的、神秘的新能力，于是你开始逐项盘点：这件 AI 能干吗？那件呢？登录付费数据库这件呢？

这是绝大多数人撞上的第一道墙，也最容易被忽略。

教科书怎么说

“人工智能”这个词出自 1955 年的一份研讨会提案，提案人是麦卡锡、明斯基、罗切斯特和香农；第二年夏天，研讨会在达特茅斯学院举行。麦卡锡后来给过一个朴素的定义：制造智能机器、尤其是智能计算机程序的科学与工程。

大学里用得最广的教材之一《人工智能：一种现代方法》，把历史上的定义归成四类：像人一样思考、理性地思考、像人一样行动、理性地行动。作者 Russell 和 Norvig 选了最后一种，把 AI 看作研究“理性 Agent”的学问：在给定条件下，尽量做出最好的行动。Agent 这个词，A5 会细讲。

今天大家嘴里的 AI，多数时候指大语言模型和用它做成的产品，比如 ChatGPT、DeepSeek、Claude、豆包。它们读过海量文字，学会了根据上文预测下一个词，再经过人类反馈的调教，能对话、写作、写代码。它背后没有一个标准答案库，每一次回答都是现场生成的，所以它会出彩，也会一本正经地出错。

这些定义都没错，可它们帮不了你决定下周一那件事该不该交给 AI。

判断给 AI，执行给自动化

• —自动化：每一步都一样、能写死成脚本的事。批量改文件名、定时抓某个网页、把同一份模板填进十封邮件、在某个软件里点固定的几个按钮。
• —AI：需要判断的事。理解一句模糊的话、根据上下文选用不同的回应、把图里的内容描述成文字、把一段杂乱的笔记整理成提纲。
• —AI 驱动的自动化：把两者拼起来。AI 负责需要判断的那几步，自动化负责执行的那几步。

自动化其实是一个非常成熟的领域。二十年前就能“录制按钮、自动重放”；RPA（机器人流程自动化）在金融、保险、电信行业吃掉了大量后台流程；汽车流水线几十年前就在自己跑。

那为什么白领的桌面工作，大多还靠人点点点？因为流程一碰到“这里需要判断一下”，就推不下去了，只能配一个人。人会请假、会犯错、要培训、要审批，整条流程跟着被卡住。

想清楚这一层，再回头看开头那张图，就知道它错在哪：我和工作之间站着四个选项，人、自动化、AI、AI 驱动的自动化，AI 只是其中之一。

先猜，再翻

下面六件事，先在心里给个答案，再看我的判法。

什么时候别用 AI

跨过第一道墙，很多人马上撞上第二道：什么活都丢给 AI，结果更慢、更贵、更不准。我管这叫“AI 万能锤症候群”。

这一层，我最喜欢侯世达的破题。他在《哥德尔、艾舍尔、巴赫》里问过：一台会思考的计算机，加法会算得很快吗？他的推测是未必。在我看来，加法早就被算法压缩到了极致，计算器做得很好；智能该用在没法用机械算法解决的地方，比如跳出当前框架、识别隐藏的模式、判断哪一条规则在这里适用。

让 AI 算“3.7% 的复合年化 20 年是多少”，是浪费。把几千行 Excel 按既定规则分类，写个脚本更好。把一篇杂乱的访谈纪要整理成结构清晰的文档，这才是 AI 的活。这个反射练熟了，你也不会再被“AI 一晚上跑完所有活”这类自媒体标题骗到。

分诊之后，管好 Context

交给 AI 之后，决定它干得好不好的，是 Context。Context 中文常译作上下文，指 AI 在回答你之前能看到的全部东西：你的问题、你给的文件、它之前做过的事、你定下的规矩。

我把过去两年 199 篇公众号文章提炼成书的时候，白板上反复写的就是这句话。同一个模型，喂给它不同的 Context，得到的是完全不同的结果。所以结果不好的时候，先看你给了它什么，再看它是谁。

三个常见误区

• —把 AI 当搜索引擎。 只问本来就能查到的东西。试着把一件真实的、有上下文的工作交给它，哪怕只是整理一个文件夹。
• —把 AI 当万能锤。 精确计算、固定流程也丢给它，又慢又贵，结果还不稳定。
• —以为换个更强的模型就好了。 先查 Context，再怀疑模型。

1950 年，图灵在论文《计算机器与智能》里问了一个问题：机器能思考吗？他没有正面回答，换成了一个“模仿游戏”：如果一台机器在文字对话里，让人分不出它是人还是机器，我们就该认真对待它会思考这件事。

五年后，麦卡锡、明斯基、罗切斯特和香农写了一份研讨会提案，第一次用上 Artificial Intelligence 这个词。1956 年夏天，研讨会在达特茅斯学院召开，学界一般把这一年当作 AI 的起点。到今天，正好七十年。

一条七十年的时间轴

两次寒冬，三次换挡

前五十多年，AI 的热情和经费几次被高估的承诺透支。1973 年英国的《莱特希尔报告》批评 AI 的进展远不及承诺，经费随之收紧；1987 年前后，专家系统和 Lisp 机器的市场崩塌，又是一轮寒冬。那些年，不少研究者宁愿换个名字介绍自己的工作。

把 AI 带到每个人面前的，是三个节点。

1. 012012 年，AlexNet。 辛顿和两位学生用 GPU 训练的深度神经网络，在 ImageNet 图像识别比赛里把前五错误率压到 15.3%，第二名是 26.2%。深度学习从此成为主流。
2. 022017 年，Transformer。 谷歌团队在论文《Attention Is All You Need》里提出一种新的网络结构，让模型能并行处理整段文字。今天的 GPT、Claude、DeepSeek，都是在它的基础上长出来的。
3. 032022 年 11 月 30 日，ChatGPT。 底层技术早就有了，GPT-3 在 2020 年就已发布。ChatGPT 做对的事，是把它装进一个人人会用的聊天框：5 天 100 万用户，两个月月活过亿，是当时增长最快的消费级应用。

之后的节奏按月计算。2025 年 1 月 20 日，DeepSeek 发布开源推理模型 R1，性能对标 OpenAI 的 o1；一周后，英伟达单日市值蒸发近 6000 亿美元。一支中国团队用开源的方式，让整个市场重新估算做大模型到底要花多少钱。

最近四年：Chat、Tools、Agents、Claws

2022 年之后的变化，我习惯按“AI 能替你做到哪一步”分成四段，每段差不多一年。这是粗分，有些能力出现得比标注的年份更早。讲这一段时，我参考了王巍老师（onevcat）在 Let's Vision 26 上开源的分享《AI Agent 的道与术》，在此致谢。

四个名字不用背，记住它们之间的关系：Chat 没有消失，它成了 Agent 里的对话层；Tools 也没有消失，它成了 Agent 的工具调用。

人和 AI 的分工：四个阶段

我们都曾期望，有 AI 的世界应该是 AI 干活、人类写诗。真实发生的顺序几乎正好反过来：模型先学会了写文章、画画、作曲，人反而在后面给数据打标签。

接着 AI 也开始干活，可每一步都要人看一眼、点一下、确认一次，人成了瓶颈，这叫 human in the loop。到今天，AI 自己规划、执行、检查，人站到循环之上，只在关键节点出现，这叫 human on the loop；极端情况下人彻底出局，就是 human out of the loop。

你现在在哪一格？在第二格、第三格都不丢人。

我自己的四年

1. 2023
   保持谨慎
   AI 辅助编码工具已经流行，我却没跟。除了网易云音乐和 Apple Music，我没有给任何软件和 AI 付费的习惯。
2. 2024
   一把 Cursor 的 key
   朋友送的。接上 Anthropic 的 Sonnet 模型后，两个月里做了一个羽毛球预约程序，又在完全不看代码的情况下做了一个飞机大战游戏，确认这条路是通的。
3. 2025 年三四月
   开始用 Claude Code
   200 美金一个月。AI 开始自己读仓库、跑命令、改文件、做验证，进入 Agentic Coding 的时代。
4. 2026 年春
   龙虾
   OpenClaw 这类个人 Agent 火遍中美。我和清华大学创业协会的朋友在北京办了一场龙虾大会。
5. 2026 年 5 月
   回到图形界面
   从 Claude Code 转到 Codex App，写了一篇《再见Anthropic，拥抱OpenAI》。创造营的教学也一度用它。
6. 现在
   每月约 300 美金
   写文章、剪视频、做产品、办活动，都有 AI 在跑。

这几年，我给 AI 细分赛道每年记一个关键词：2023 年是 Prompt，2024 年是 MCP，2025 年是 Agent Skill。2026 年我押注两个方向：产品的 Skill 化，与 Skill 的产品化。后面讲 Agent Skill 的部分会把它们展开。

两个常见误会

• —以为 AI 是 2022 年才出现的。 ChatGPT 是一个产品节点，它底下的技术，2012 年和 2017 年就埋好了。
• —以为新一波会让旧东西作废。 Chat 和 Tools 都还在，只是换了位置。等下一波再学的人，会发现自己还得从这一层补起。

9 亿、7 亿和 7250 亿美元

2026 年 2 月 27 日，OpenAI 宣布 ChatGPT 的周活跃用户到了 9 亿，付费订阅用户 5000 万；四个多月前，这个数字还是 8 亿。9 月底，中国互联网络信息中心（CNNIC）发布报告：截至 2026 年上半年，国内生成式人工智能用户超过 7 亿，普及率超过一半。

钱也在往里砸。据 Tom’s Hardware 等科技媒体汇总，亚马逊、微软、Alphabet、Meta 四家 2025 年的资本开支约 4100 亿美元，2026 年的计划合计约 7250 亿美元，涨了将近八成。这些是计划数，各家口径不同，也不全花在 AI 上。

从聊天到干活

Anthropic 在 2026 年 6 月的经济指数报告里说，随着 Claude Code 等产品的增长，越来越多的会话变成了长时间运行的 Agent 任务。它在 2025 年 11 月的一项研究里还估算过：Claude 处理的典型复杂任务，如果由人来做平均大约需要 1.4 小时，AI 介入后完成时间约减少 80%。

我自己的账本也是这样。现在我每个月在 AI 上花约 300 美金。2026 年 9 月准备外滩大会的分享时，我扫描了过去一年 3,195 份 Claude Code 和 Codex 的会话记录，从里面确认出 1,852 次 Skill 调用：排第一的是 Git Commit，也就是把改好的东西提交保存，401 次；第二是发布上线，165 次；第三是事实核查，130 次。

生成能力没有排在前面。我用 AI 最多的地方，是交付、判断和查证。 一个只会聊天的 AI 火不到今天这个程度，让它火起来的，是它开始替人把活干完。

一件事，我想做，我去做，我做出来

很多年前，我在知乎上读到一个回答，说程序员有一种“超能力”：一件事，我想做，我去做，我做出来。

这种能力以前非常稀缺。我在完全没有安卓、VR 开发经验的情况下接过一个 VR 外包，客户要在一个月内实现用自研安卓设备操控 VR 眼镜。一起做的朋友一周内就被劝退了；我在上海图书馆自学了一周 framework，又拉来一位前美团高级工程师，多干了一个月才勉强搞定。半年后我加入了那家甲方公司，花一整周把安卓五的祖传代码逐版本升级到安卓十一。我至今记得在望京的公寓里，凌晨四点吃着泡面，不知道最后能不能搞定的那种焦虑。

2024 年，我在 Cursor 里接上 Anthropic 的 Sonnet 模型，完全不看代码做了一个飞机大战游戏。2026 年 4 月第一期创造营，下午我要连讲 4 小时，那份 60 页的课件是我中午用 Claude Code 半小时生成的，效果好到我自己都不太敢信。

瓶颈换了位置

我在金融和软件之间来回走了很多年，最后选了软件，唯一的理由是迭代速度：改一行，立刻知道对不对。AI 又把软件的迭代速度压缩了一个数量级。一个人想做产品，过去最大的问题是手不够；现在手够了，问题换到了别处。

热度的另一面：落差

这几年我看到的，是两群人之间越来越大的落差。一边是一群 00 后技术创业者，拿着投资人的钱，用着最好的模型，一天烧几个亿 token；另一边是只会用豆包、甚至连豆包也用不明白的人，对着自己摇摇欲坠的工作岗位迷茫、焦虑，甚至失去意义感。

即便是我，也常常搞不定一个稳定的 Claude 账号。这是我决定做 AI 布道师、办创造营的原因。2026 年 4 月 23 日，我发文招募第一期手工川 AI 创造营，原计划 20 个名额，12 小时内就报满了。

两个常见误区

• —把热度当成自己会用。 9 亿用户和 7250 亿美元说明大家在押注，不说明你已经把 AI 用进了自己的工作。
• —以为火的是聊天框。 改变工作的是能干活的那一层：它读你的文件、跑你的流程、把结果交到你手上。

一次归零

2024 年上半年，我和团队在做一个微信群总结机器人。那时候模型的上下文窗口只有 8K，群聊记录塞不进去。我写了一个 K 型压缩算法：首尾多保留，中间压缩，递归压到 6K 以内。这是我们的核心技术。

几个月后，模型的上下文窗口从 8K 涨到了 200K。我的核心技术一夜之间归零。

所以有人问我 AI 还能火多久，我先看能力曲线，它涨得比我当时预想的快得多。股价和估值，我判断不了。

说“泡沫”的人看到了什么

• —期待在回落。 Gartner 2025 年的人工智能技术成熟度曲线，把生成式 AI 放进了“幻灭低谷”；AI Agent 和“AI 就绪的数据”正处在“期望膨胀的顶峰”。
• —回报没跟上。 MIT NANDA 项目 2025 年 7 月的报告《The GenAI Divide》说，企业在生成式 AI 上投了 300 亿到 400 亿美元，95% 的组织没有看到可衡量的回报。它的样本是 153 位企业高管的问卷、52 次访谈和 300 多个公开案例，“95%”这个说法本身也有争议。
• —开始借钱扩张。 美国银行 2025 年 12 月提醒投资者，2026 年 AI 投资可能遇到一段“气穴”：变现还没跑通，电力是瓶颈，巨头靠经营现金流撑资本开支越来越吃力，五家云巨头 2025 年发了约 1210 亿美元的债。它同时明确说，这不是 2000 年那样的泡沫。

这几条放在一起看，投入跑在了回报前面。

说“基础设施”的人看到了什么

• —用的人还在变多。 ChatGPT 周活跃用户从 2025 年 10 月的 8 亿涨到 2026 年 2 月的 9 亿；CNNIC 的报告显示，国内生成式 AI 用户在 2026 年上半年超过 7 亿，普及率过半。
• —钱还在加码。 亚马逊、微软、Alphabet、Meta 四家 2025 年的资本开支约 4100 亿美元，2026 年的计划合计约 7250 亿美元。
• —能干的活越来越长。 METR 测算，AI Agent 以 50% 成功率能完成的任务长度（按人类专家耗时计），2019 到 2025 年大约每 7 个月翻一番。METR 自己也提醒过：任务时长翻倍，不等于自动化程度翻倍。
• —聊天变成了干活。 Anthropic 2026 年 6 月的经济指数报告说，越来越多的会话变成了长时间运行的 Agent 任务。

把这些证据排成一条光谱，你可以拖动看看，自己站在哪一段。

我怎么看

两边的数据并不矛盾。资本市场会不会回调、哪家公司会倒下，是另一类问题；作为一种干活的能力，AI 到今天还在变强，用它的人也还在变多。2000 年前后的互联网泡沫破裂时，很多公司没了，网络本身留了下来。

2026 年 3 月，龙虾最热的时候，我在《新世界没有旧神》里写过一句很重的话：

放到今天，我会把“上桌”说得更具体一点：AI 跑出来的东西，要能进入你的交付系统，每天替你干真实的活。

两个常见误区

• —等它冷下来再学。 冷下来的是讨论量。Chat、Tools 这些上一波的东西都还在，只是换进了下一层。
• —追着热度跑。 每周都有新模型、新产品，追不完，也会过时。与其追十个工具，不如把一个判断固化下来。

一个被用滥了的词

2025 年底，我把奇绩创坛四季路演日的 224 个项目放在一起看。2024 年春季，81% 的项目跟大模型有关；到 2025 年秋季，54 家里有 31 家讲的是 Agent，占 57%。那一季大家在问的问题是：Agent 能扮演谁？

一个词火到这种程度，意思就会变得模糊。有人把聊天机器人叫 Agent，有人把一段写死的流程也叫 Agent。先把这个词本身弄清楚，下一节讲 AI Agent 时会省掉很多误会。

Agent 原本是“代理人”

Agent 来自拉丁语 agere，意思是“做、行动”。英语里它最常见的意思是代理人：旅行社的 travel agent、房产中介 real estate agent、电影里的特工 secret agent，都是替别人去办事的人。

经济学里有个经典问题叫“委托—代理”：老板把事交给经理，两人的目标不完全一致，经理掌握的信息又比老板多，于是要设计激励和监督。

这层意思放到今天的 AI 上同样成立。Agent 替你去做事，有了手脚，也就有了跑偏的可能，所以交出去之前要想清楚：它替谁办事，要做成什么样，能动哪些东西。

教科书的定义：感知和行动

人工智能领域用得最广的教材之一《人工智能：一种现代方法》，开篇就把 AI 定义为研究 Agent 的学问。书里的定义宽得出人意料：

按这个定义，人是 Agent：眼睛耳朵是传感器，手脚和嗓子是执行器。扫地机器人是 Agent：摄像头和碰撞传感器负责感知，轮子和吸口负责行动。软件也可以是 Agent：它感知的是键盘输入、文件内容和网络数据，行动是在屏幕上显示、写文件、发出网络请求。

教材关心的是“理性 Agent”：面对感知到的一切，选出最有可能把事情做好的那个动作。什么叫“做好”，由一个事先定下的评价标准说了算。后面讲 AI Agent 时你会反复遇到它：你没说清楚什么叫做好，Agent 就只能猜。

所有 Agent 都在转同一个圈

这个圈，我习惯借军事战略家约翰·博伊德的 OODA 循环来讲：观察、定向、决策、行动，转完一圈再转下一圈。博伊德的观点是，赢的往往是循环转得更快的一方。放到用 Agent 上，就是别一次丢一个巨型需求，拆成几步，让每一圈都短一点，跑偏了也能早点发现。

从反射到学习，五种 Agent

教材里把 Agent 分成几类。从上往下，Agent 决定下一步时自己要想的东西越来越多。

按这张表，恒温器也算 Agent：它感知温度，开关加热，属于最简单的反射型。可今天大家嘴里的 Agent，默认指表格的下半部分，还要再加一点：它能自己选工具、自己安排步骤，根据结果随时调整。

我为什么直接说 Agent

Agent 在中文里常译作“智能体”，也有人译作“代理”。“智能体”偏重它聪明，“代理”偏重它替人办事，这两层意思它都有，哪个译名都只说了一半。所以我在课上一直保留英文。

三个常见误区

• —把会聊天的都叫 Agent。 聊天机器人回答完就停了，不会自己去行动，也不会根据结果再调整。
• —以为 Agent 一定很复杂。 按教科书，一个看到脏就吸的吸尘器程序也是 Agent。复杂的是目标和环境。
• —只看它多聪明，不看它替谁办事、能动什么。 代理人会跑偏，Agent 也会。目标、权限和监督，要在交出去之前想好。

8 点 50，签到表没打印出来

2026 年 4 月，手工川 AI 创造营第一期开课那天，早上 8 点 50，签到表没打印出来。

按老办法，我应该手忙脚乱地翻 Excel、贴桌签。那天我打开 Claude Code，说了一句：帮我做一个签到页，扫码就能上墙，每个人到了点一下名字，附一句自我介绍。然后我就去开门迎人了。

回来的时候，流程已经跑通。配色、后端、内网穿透这些技术活，都是它自己搞定的。第一节课还没开始，第一节课已经开始了。

我只给了一个目标。要写哪些文件、跑哪些命令、怎么让大家的手机扫得到，都是它自己决定的。这就是 AI Agent 和一个聊天框的分别。

一句话定义

Anthropic 在 2024 年 12 月发表的《Building effective agents》里，有一句我很喜欢的话：

拆开看是三样东西。模型负责想；工具负责做，比如读写文件、执行命令、打开网页；循环负责“做完看结果，不对再改”。少了循环，它就是一次问答；少了工具，它只能说不能做。

工作流和 Agent 的分界

同一篇文章把这类系统分成两种。工作流用预先写好的代码路径，把模型和工具串起来；Agent 让模型自己动态决定流程和工具怎么用，自己掌控完成任务的方式。

Anthropic 的建议很实在：先找最简单的方案，只在确实需要时再加复杂度；很多场景里，把一次模型调用优化好就够了。这和 A1 讲的分诊是一个道理：步骤固定、要求稳定的，用工作流；步骤事先说不清、要边做边判断的，才值得交给 Agent。

一台 Agent 工作台的四层

我习惯把一台能持续干活的 Agent 工作台拆成四层：上下文层、模型层、能力层、闸门层。

大部分人只在模型层上花心思：哪个模型最强，哪个最便宜。可模型是所有人都能买到的，真正拉开差距的是上下文层和闸门层，前者决定它懂不懂你，后者决定你敢不敢把事交给它。

把这几层装在一起的运行环境，有一个专门的名字叫 Harness，原意是马具。后面讲 Agent Harness 的部分会专门展开。

它会自己设循环，也会误解你

2026 年 4 月，我在准备第一期海报时迭代了小几十个版本。快要定稿的时候，Claude Code 自动压缩了一次上下文，注意力出现偏差，误以为我要重构设计。它给自己设了一个“设计、实现、审阅、再设计”的循环，几分钟后重构出一版让我震惊的成品，一次通过。

我盯着屏幕想：设计真的不存在了。可这件事也有另一面，它是在误解我的前提下动的手。那次是惊喜，换一个场景就可能是事故：第一期创造营的一位嘉宾讲过，他上台那天早上发现，前一晚的 PPT 被自己跑的某个 Agent 覆盖了，花了一个小时回滚版本才找回来。

三个常见误区

• —把 Agent 当函数。 丢进去，等结果。它是一个循环，你可以在任何一轮介入：方向错了就打断，卡住了就贴日志，它说完成了就让它跑一遍测试。
• —以为 Agent 越多越好。 一个人同时开三台车，不叫车队。多个 Agent 的价值在实现、审查、裁判的分工，关键是验收口径不同。
• —它说完成了，就当完成了。 在终点放一道检查：自动跑测试、看改动、让另一个 Agent 审一遍，没过就接着改。这类机制叫 Stop Hook。

按“它能替你做到哪一步”来分

市面上的 AI 工具每周都有新名字。我给学员的分法只有一个标准：它能替你做到哪一步。按这个标准，大致只有三层；2026 年又冒出了住在聊天软件里的个人 Agent，和不限于写代码的通用 Agent。

第一层：网页和 App 里的对话

ChatGPT、Claude、DeepSeek、豆包、Kimi，打开就能用，适合问答、写作、改稿、头脑风暴。门槛最低，但它只能看到你粘贴进去的东西，做完的结果也要你自己复制出来。这一层也在长出 Agent 的能力，比如联网做深度研究、替你操作网页。

第二层：编辑器里的助手

Cursor 这类带 AI 的编辑器，国内有 Trae、CodeBuddy。它能看到你打开的项目，帮你补全和修改，但大多数时候还是你在主导每一步。2024 年我就是在 Cursor 里接上 Sonnet 模型，第一次确认 AI 写代码这条路是通的。

第三层：命令行 Agent

Claude Code、Codex、DeepSeek Harness、Gemini CLI、OpenCode 都在这一层，Kimi 等国内厂商也推出了自己的命令行版本；Codex 后来还有了图形界面的桌面 App。它能读写你电脑上的文件，能执行命令，能自己检查结果，失败了自己换方案。前面讲的签到页和海报，都是这一层干的活。

Claude Code 出来之后，一大批资深工程师意识到，软件开发可能不再需要图形界面了。这一层看起来最吓人，因为要打开一个黑底白字的终端窗口；真用起来，你要敲的命令只有几行，剩下的都是用中文说话。

DeepSeek Harness 是 DeepSeek 官方推出的 Agent 运行环境，目前是开发者预览版。它带一个网页界面，对第一次接触 Agent 的人最友好，第五期创造营我们全班用的就是它。

个人 Agent：龙虾

2026 年春天火起来的 OpenClaw，是跑在 WhatsApp、Telegram 这类聊天软件里的个人助理，能清收件箱、发邮件、办登机牌、管日历。国内的腾讯元宝、豆包、Kimi 也在往这个方向走。它为什么在年初突然火、后来又为什么降温，后面三节专门讲。

桌面和云端的通用 Agent

还有一类不限于写代码的通用 Agent。Anthropic 2026 年 1 月推出的 Claude Cowork 跑在你的电脑上，直接读写你授权的文件夹，面向写代码以外的工作；Manus 在云端跑开放式任务。

把五类放在一张表里，切换不同的维度看：

我的工具是怎么换的

我从 2024 年开始高强度使用 AI 编程工具，Cursor、Windsurf、Claude Code、Codex 都用过，各种模型轮番换。2026 年 5 月，重度用了一年命令行之后，我从 Claude Code 转到了带图形界面的 Codex App，还专门写了一篇《再见Anthropic，拥抱OpenAI》。创造营的教学一开始也选了它，因为它真的好用；可大部分新手搞不定最基本的账号问题。到第五期创造营，我们全班用的是 DeepSeek Harness：它接 DeepSeek 的 API，在国内可以直接使用，按量付费。

三个常见误区

• —把产品名当成类别。 产品会改名、合并、下线，先看它在哪一层、能碰到什么。
• —只看榜单。 评测分数说明不了它在你的任务、你的网络、你的预算下好不好用。
• —一上来就追最复杂的。 多 Agent 编排这类工具，最受益的是已经把单个 Agent 用熟的人；连一个会话都还没管明白就急着上，多半是缴学费。

被问得最多的问题

用哪个 AI 最好？这是我被问得最多的问题。

我的回答是：不要信仰单一模型，也不要信仰单一产品。模型能力、价格、产品形态都变化得太快，今天最强的，不一定明天最强；今天最顺手的，不一定适合下一个任务。

选型分两层：壳和脑子

AI 选型至少分两层，而且经常被搞混。第一层是 Agent，它是你跟 AI 协作的“壳”：决定你怎么跟 AI 对话、AI 能调用哪些工具、能不能动你的文件、能不能跑你的命令。第二层是模型，它是壳里的“脑子”。

同一个壳可以换脑子。Claude Code 可以用 Anthropic 自己的模型，也可以按 DeepSeek 官方文档接上 DeepSeek；Codex 也一样。壳和脑子还可以混搭，我经常同时开好几个会话，让不同的模型做不同的活。

四个问题，定下你的工具栈

1. 01我的主要场景是什么？写代码、写文章、看长 PDF，还是做客户支持？
2. 02我能接受的延迟和成本是多少？
3. 03这套工具需不需要在国内网络环境下稳定工作？
4. 04数据需不需要留在本地，不出我的电脑？

把这四个问题答完，你的工具栈基本就定了。

按失败成本给任务分层

你也可以把本周要做的 10 件事，按失败成本分成三档：

• —A 档，放心交给 AI：做错了重来就行。
• —B 档，交给 AI 但必须验收：做错了有损失，但能发现、能补救。
• —C 档，只留给自己：做错了收不回来，或者它定义了你是谁。

然后看一眼 A 档：这些事你现在是不是还在亲手做？

三条入门路线

不管走哪条，我都建议先准备一把 DeepSeek 的 API Key：它在国内可以直接使用，按量付费，三条路线都能接上它。下面是路线 A 的五步，最容易卡住的是选工作区，不选中，输入框是灰的。

我在课堂上踩过的坑

创造营的教学一开始选的是 Codex App，因为它真的好用。可大部分新手搞不定最基本的账号问题。

第三期创造营，为了解决大家的环境安装问题，所有工作人员提前 3 个小时到场。即便如此，我还是深刻意识到：每个人的精力和能力都很有限，AI 本身就是千人千面，用半天时间统一安装复杂环境，代价太高了。

从第五期起，我们定了一条铁律：上课时间一到，停止全员逐个安装；仍有问题的人立刻降级，用助教的机器、和同伴共用，或者先走纯网页的路径。不允许单个设备阻塞全班。

所以我建议每个人至少走通两条路线：一条是你最喜欢的，一条是你在任何情况下都能用的。对大多数在国内的同学来说，后一条就是 DeepSeek。下面四道题，帮你挑出第一条先走的路。

四个常见误区

• —问“哪个最强”。 这个问题没有答案，不同场景下“最强”的定义不一样。
• —追着工具跑。 每周都有新模型、新产品，追不完，也会过时。与其追十个工具，不如把一个判断固化下来。
• —为了“看起来很 AI”买硬件。 如果不跑本地大模型，早期最值得花钱的是输入、输出、网络和备份。
• —把账号和 Key 当小事。 账号要符合服务条款，Key 泄露了就立刻删掉重建。

过去两年，我跟 AI 干活的方式一直很“工程师”：盯着它一步步写，一有偏差就马上纠正，“你这是错的，你再好好想想”。

今年春天，我开始学着放手。AI 已经足够聪明，我越是松开缰绳，它跑出来的结果反而越好。

我们以为的分工，和真实发生的

我们都曾期望，有 AI 的世界应该是 AI 干活、人类写诗。真实发生的顺序几乎反过来：模型先学会了写文章、画画、作曲，人反而在后面给数据打标签。

再往后，AI 写诗也干活，人却成了瓶颈。每一步都要人看一眼、点一下、确认一次，这叫 human in the loop。

到第四个阶段，AI 自己规划、自己执行、自己检查，人只在关键节点出现，这叫 human on the loop；人彻底出局，就是 human out of the loop。

在第二格、第三格都不丢人。2023 年 AI 编程工具已经流行起来，我还保持着谨慎，除了网易云音乐和 Apple Music，没有给任何软件和 AI 付费的习惯。

画笔、员工、大师

2 月 26 日在上海的龙虾局上，OpenClaw 的核心贡献者杨天润把人用 AI 的方式分成了三层。这个分法我后来在很多场合引用过。

画笔模式，你告诉它字号多大、颜色多深、代码怎么写，它照做。员工模式，你开始派活，却忍不住规定先做什么、再做什么、用什么架构，因为你觉得自己是专家，它是下属。大师模式，你告诉它“你是这个领域前十名的专家”，然后只设终点，不管过程。

天润问过一个很扎心的问题：如果它已经是世界前十的大师，你凭什么有资格去指导它走什么路径？

我在员工模式里待了很久。写代码的人看得懂它的方案，就很难忍住不去改。Will 在一次直播里说过一个比喻，我一直记得：我们骑着自行车，旁边的 AI 是一辆跑车，结果我们让跑车跟着自行车跑。

让它告诉我该做什么

那几周的龙虾饭局上，有一句话被反复提起：AI 最大的价值应该是告诉我们做什么，而非我们告诉 AI 做什么。

大多数人用 AI，是自己想好要做什么，再让它执行。聚会上产出最高的那些人，用法正好相反：他们把自己的使命、愿景、价值观、偏好和上下文全部喂给 AI，然后问它：你觉得我应该做什么？

我把这叫一次依赖倒置。以前是人指挥机器；现在人先把自己交给机器去理解，再让它反过来给人派活。所以我在文章里写过，你给 AI 的不应该是指令，而是你这个人的“人格说明书”：使命、愿景、价值观、原则与喜好。

我来学，AI 来做，我来养

龙虾火起来之后，我觉得人和机器打交道的方式又变了一次。

• —旧范式是“我来学”。软件有多少功能，人就得学多少操作。
• —AI 范式是“AI 来做”。你说一句话，它替你做完一件事。
• —龙虾范式是“我来养”。一个有记忆、有上下文、有工具权限、能自己跑任务的 Agent，更像一个可以持续训练、持续校准、持续复利的数字工位。

养的是什么？我的理解是 AI 对你的理解。你每天和它打交道，其实是在把“它不知道的你的偏好”一点点变成“它已知的你的偏好”。第一天和第一百天的龙虾，能力天差地别，模型还是那个模型，变的是它对你的了解。

我用 AI 做过一条科普片《如何用 AI 制作视频》，片尾写了一句话：本片从调研到剪辑全部由 AI 完成，人做的是提要求和说“不行”。提要求，是设计环境和提供上下文；说“不行”，是设置边界和验收产出。

放手，也要有护栏

放手会出事。天润有一次对他的 Agent 说“越快越好”，它把速度的优先级拉到最高，质量断崖式下降，跑去 GitHub 社区的评论区密集 @ 项目维护者，被 OpenClaw 的管理员发了封禁警告。天润像一个闯了祸的孩子的家长，花了几个小时去向社区道歉。

我在文章里写过：AI 没有道德，它只有目标。你给它什么目标函数，它就优化什么。

我自己的护栏来自一组数据。过去一年我的 Skill 调用记录里，Git Commit 用得最多，401 次里有 98.8% 是我手动触发的；深度调研则有 93.8% 是 AI 自动触发的。提交意味着授权，这一版我认了，可以存档、可以发布；补充证据则适合让系统自己去找。

发布上线是我调用第二多的 Skill，它也出现在“只留给自己”这一列。我留给自己的是决定权，不是每个动作：发布可以让 AI 去执行，这一版发不发，由我来定。

三个常见误区

• —只把它当画笔。只让它执行你想好的步骤，上限永远是你自己。
• —把放手当撒手。只设终点、不管过程，不等于不设边界、不做验收。
• —以为关系定下来就不变。同一个 Agent，改草稿时可以当大师用，碰到付款和对外发送，就得回到人来拍板。

2026 年 4 月，手工川 AI 创造营第一期开课那天，早上 8 点 50，签到表没打印出来。我打开 Claude Code，说了一句：帮我做一个签到页，扫码就能上墙，每个人到了点一下名字，附一句自我介绍。然后我就去开门迎人了。

回来的时候，流程已经跑通，配色、后端、内网穿透这些技术活都是它自己搞定的。现在交代任务，我常用一个四行的模板，拿这个签到页来写，是这样的：

要做什么：一个签到页，扫码就能打开，每个人到了点一下自己的名字，附一句自我介绍，签到结果实时显示在大屏上。
给谁用：今天来上课的学员，用手机打开；我用电脑投屏。
什么叫做对了：用两部手机各签到一次，大屏上能看到两条记录，刷新之后还在。
默认决策：能查的自己查，能跑的自己跑，遇到报错自己换方案。只有要删除文件、要花钱、要对外发送的时候，停下来问我。

前三行告诉它终点在哪，第四行让它少来打扰你。很多 Agent 跑不长，原因不在模型，在于它很快把问题抛回给你：“你希望我怎么做？”“是否继续？”“要不要运行测试？”默认决策在任务一开始就写清楚，长跑才不会断。

先读，再计划，再动手，最后验证

第一次和一个 Agent 合作，我会先让它读一遍目录：“请读一遍这个文件夹，告诉我里面有哪些东西，按用途分一下类，再说说你觉得哪里可以整理。先不要修改任何文件。”

最后一句最要紧。先只读不改，看过它的判断，觉得靠谱，再让它动手。它读完说的话准不准，也直接反映你的目录整不整齐。

把它不知道的写下来

Context，中文常译作上下文，指的是 AI 在回答你之前能看到的全部东西：你的问题、你给的文件、它之前做过的事、你定下的规矩。同一个模型，喂给它不同的 Context，得到的是完全不同的结果。

怎样知道自己的 Context 缺了什么？我常用一个四格的乔哈里视窗。

把“我知道、它不知道”的东西写下来交给它，是上下文工程。去探索“它知道、我不知道”的那一格，是学习。两件事都比换一个模型有用。

上下文也不是越多越好。我在规则文件里写过上千行，结果要么 Context 越塞越胖，要么 Agent 视而不见。

比一长串规则更有用的，是一份“人格说明书”：使命、愿景、价值观、原则和喜好。我在《新世界没有旧神》里给的建议是，把这些交给 AI，然后说一句：让我醒来的时候惊艳我。

会话要管

Claude Code、Codex 这类工具里，你和它的每一次连续对话叫一个 session。session 一长，token 一多，AI 就开始犯懵：忘掉前面说过的话，开始重复、跑偏、自相矛盾。我越来越觉得，每天用 AI 的效率，很大一部分取决于 session 管得好不好。

自动压缩我也见过它的另一面。准备第一期海报时迭代了小几十版，快定稿的时候，Claude Code 自动压缩了一次上下文，误以为我要重构设计，几分钟后交出一版让我震惊的成品，一次通过。这种惊喜可遇不可求，日常干活，压掉什么还是自己定。

在终点放一道检查

你以为 AI 收工太早是因为它懒。换个角度看，它是在努力节省 token、避免越做越错：上下文不够、证据不够、边界不清的时候，它会倾向于提前宣布“我已经完成了”。

所以要在结束点放一道检查。它准备结束时，自动跑测试、看改动，或者让另一个 Agent 审一遍，没过就接着改。这类机制叫 Stop Hook。

比不中断更重要的，是中断之后接得上。网络会断，模型会限流，电脑会重启，人的判断也会变。每一步都留下计划、检查点、提交记录和失败原因，比一个 Agent 神神叨叨跑一整夜更重要。

为了写一篇线下活动定价的文章，我让 AI 抓了活动行上 3,839 个活动，一共跑了四轮。每一轮的失败，都变成了下一轮的配置改动，没有一轮是从头再来。

用嘴说

AI 时代最常见的瓶颈之一是输入。谁能更低摩擦地把想法、判断、约束、反馈喂给 AI，谁就更容易把 Agent 用起来。我们最近用 Typeless 做语音输入比较多，说话比打字快，还能针对常用词、项目名、产品名做适配。

常见误区

• —把 AI 当搜索引擎，只问本来就查得到的东西，永远停在视窗的第一格。
• —结果不好就换模型。先查你给了它什么，再怀疑它是谁。
• —相信它说的“已经完成”。打开页面自己点一遍，让它截图，能跑测试就跑一遍。
• —一个会话用到底。任务换了，会话也该换。