S4AI 与超级个体：人站到循环之上

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。