Leon Du's Blog

我和 XMind 园长聊 AI：一些关于产品、教育和未来组织的思考

Sun, 23 Aug 2026 00:00:00 +0000

孙方（园长）是思维导图软件 XMind 的创始人。

园长正好在上海参加小宇宙的活动，我也在上海出差，大家就一起吃了个 brunch，然后聊了一下。

园长是 XMind 创始人，也是我的朋友。我们平时会不定期见面交流，讨论的话题主要围绕技术、产品以及生活方式等方面。

以下观点整理自我们的日常交流。

AI 正在改变产品开发的取舍逻辑

以前做产品，经常会面临一个两难选择：

一方面，希望产品做得更加完善，用户体验更好，但这样意味着更高的开发难度和更长的周期。

另一方面，可以先做一个基本可用的版本，快速上线，再通过用户反馈不断迭代。

过去很多创业公司的选择都是后者，这也是 Lean Startup 和敏捷开发一直强调的理念：先做出来，再不断优化。

但 AI 时代可能正在改变这个逻辑。

随着 AI Coding 和 AI Agent 能力的提升，很多过去需要大量人工投入的开发工作，现在可以交给 AI 辅助完成。

以前需要在“完美”和“速度”之间做取舍，现在可能可以尝试一步到位，让 AI 去承担更多实现工作。

园长的一个说法很形象：

以前是拿小锤子慢慢打磨，现在可以让 AI 抡大锤。

AI 时代，找到兴趣和热爱比以前更重要

聊到教育时，园长分享了自己的变化。

以前小孩刚到澳洲时，还想让他参加一些计算机编程比赛。

但现在觉得，应该先让孩子找到自己的兴趣。如果一时半会儿找不到，也不用着急，暂时躺平一下也没关系。

如果拉长时间维度来看，现在可能是 AI 大规模替代之前一个可以短暂探索和试错的窗口期，也许就只有这几年的时间。

园长认为：

找到自己的兴趣和热爱是最重要的，尤其是在 AI 时代，这一点可能比以前更重要。

因为只有兴趣和热爱，才能保证持续投入。

以前即使不热爱，把它当成一门手艺去学习，也可能获得不错的结果。

但现在，热爱的重要性会大幅提升，占比会比以前更高。

AI 会改变团队组织方式

聊到企业组织变化时，园长提到了测试部门的变化。

以前测试部门的重要价值，是理解人在写代码时容易出现的问题，然后针对这些问题设计测试方案。

因为代码主要由人编写，所以测试也是围绕人的错误模式展开。

但现在越来越多代码由 AI 生成，需要一套新的测试和质量保证流程来检测 AI 代码的缺陷。

这可能意味着，未来测试岗位不会只是简单延续过去的模式，而是需要适应 AI 生成代码的新特点。

关于 Grok Bot：不同路径的 AI 产品思考

关于 Grok Bot，我们有一些不同看法。

帮全球品牌做微信小程序：这不是把 App 翻译成中文

Sat, 25 Jul 2026 00:00:00 +0000

结论先说：微信小程序不是一个独立 App，是架在企业现有全球技术体系之上的一层新交互层。海外品牌进中国，正确做法是把微信体验层和核心业务系统分开，中间加一层专门的集成层——身份打通、扫码交互、数据合规都在这三层架构里解决。

很多进入中国市场的海外公司都会发现：在中国做数字产品，不是把现有 App 翻译一遍那么简单。

真正的挑战是理解生态。

微信不只是聊天工具，它是一套完整的数字基础设施——身份、支付、客户触达、企业服务、小程序全在里面。对国际品牌来说，一个成功的微信小程序，背后往往是全球后端系统与中国本地用户体验环境的深度打通。

最近我们团队为一家全球健身科技公司做了一次技术评估，目标是面向中国用户的微信小程序体验。项目要打通的东西包括：微信用户身份与授权、现有的全球云服务、联网健身设备、用户账户与档案、训练与活动数据、实时交互流程。

这个项目最大的收获：小程序不是一个独立 App，是接在企业现有全球技术生态上的一层新交互层。

架构怎么分层

对全球型公司，我们通常建议把用户体验层和核心业务系统分开，典型架构分三层。

第一层：微信小程序层。 负责用户入口与授权、扫码、本地化的中国用户体验、移动端交互、数据可视化、消息触达。小程序提供原生微信体验，全球业务逻辑仍然留在中央系统。

第二层：集成层。 在微信和现有企业系统之间，往往需要一层专门的集成层，处理 API 鉴权、数据转换、安全控制、会话管理、错误处理、日志与监控。这一层是全球平台和中国数字生态之间的可靠桥梁。

第三层：现有企业平台。 全球平台仍是唯一事实源：用户账户、设备信息、业务规则、训练数据、客户历史都在这里。目标不是在微信里重建一切，而是在现有能力之上做出无缝的中国用户体验。

三个关键技术挑战

一、身份打通。 第一个要解决的问题就是微信身份和现有客户账户怎么连：老用户怎么绑定已有账户？重复账户怎么处理？需要哪些标识符？跨区域认证怎么做？好的方案要求同时吃透企业身份系统和微信授权模型。

二、扫码与设备实时交互。 很多联网设备体验依赖二维码，但二维码不是一个简单的链接。一个完整流程可能是：用户微信扫码 → 系统识别设备 → 验证用户身份 → 建立安全会话 → 设备接收配置 → 同步用户活动数据。每一步都需要仔细的 API 设计、安全校验和失败处理。

三、中国数据与合规。 国际公司还要考虑数据存储位置、跨境数据传输、隐私授权、用户数据删除、安全要求、中国基础设施可用性。技术实现和合规规划必须同步做，不能先写代码再补合规。

为什么这件事需要本地经验

最常见的误解是：「我们已经有 App 了，只需要做个中文版。」

实际上中国用户的预期完全不同。做好一个小程序，要理解微信登录习惯、小程序导航惯例、扫码驱动的线下到线上体验、企业微信生态、本地用户行为、审核与发布要求。既懂全球软件工程、又懂微信生态的团队，在这类项目上优势非常明显。

Beansmile 的做法

在 Beansmile，我们帮国际公司把全球产品接进中国数字生态。经验覆盖微信小程序、跨境数字产品、企业系统集成、电商平台、AI 应用、中国市场本地化。

我们关注的不只是写代码，而是完整链路：全球业务需求 → 技术架构 → 中国生态适配 → 上线交付。

对想在中国做出有价值体验的全球品牌来说，微信不是「多一个渠道」，它本身就是生态。做成这件事的前提，是真正理解这个生态怎么运转。

中国 GEO 热潮：全球最大的生成式引擎优化试验场，正在过热

Sat, 25 Jul 2026 00:00:00 +0000

结论先说：中国 GEO（生成式引擎优化，Generative Engine Optimization）市场从 2025 年的 2.5 亿元人民币膨胀到 2026 年的约 30 亿元，一年 12 倍。这是全球最大的 GEO 商业化试验场，也明显过热——行业将在未来 12-18 个月进入洗牌期。

先澄清一个名词歧义。本文说的 GEO 是 Generative Engine Optimization（生成式引擎优化）：一套内容与语义优化策略，让品牌信息更容易被大模型检索、引用、出现在 AI 问答的答案里，可以理解为 AI 时代 SEO 的进化版。欧美学术圈常说的 GeoAI 指 Geospatial AI（地理空间 AI），两者缩写撞车，赛道毫无关系。跟海外同行聊这个话题，开场先把这个说清楚，能省掉十分钟误会。

数字有多夸张

2025 年是中国 GEO 商业化元年，狭义市场规模约 2.5 亿元人民币。2026 年这个数字到了约 30 亿元，同比增长 1100%。如果把 SEO 转型、AI 内容营销都算进广义口径，规模约 280 亿元。

玩家数量同步爆炸：2024 年底国内 GEO 服务商只有几十家，2026 年已经有 500 到 1000 多个团队涌进赛道。企业端也在集体押注——67% 的大中型企业把「AI 问答曝光」写进了年度营销 KPI，不少 B2B、制造业、跨境出海企业直接划出 30%-40% 的营销预算来试。资本层面，2026 上半年赛道公开融资总额约 12.8 亿元，大量营销公司、广告公司改名「GEO 科技公司」去拿钱。

走马观花马尼拉

Sun, 03 May 2026 00:00:00 +0000

结论先说：马尼拉此行时间短，像走马观花。留下的不是单一景点，而是工厂规模与信息化程度、人的平和与事务推进速度、食物惊喜与城市紧张感之间的反差。

这次去马尼拉，时间不长，更多算是走马观花。

印象最深的，不是某一个景点，而是一路上不断冒出来的反差：工厂很大，但信息化不高；人很平和，但很多事情推进也慢；食物意外地不错，城市气质却始终带着一点紧张感。

去工厂的路上

去工厂的路上，先对这座城市有了一个很直观的印象。街头不算冷清，摩托很多，但整体仍然是油车的天下。BGC 那一带如果单看新区界面，会让人想到广州的珠江新城；但只要再往别处走一点，那种发展阶段的差异就会重新变得明显。

也能看到熟悉的中国元素，比如路上的 BYD。它们出现在这里，会让人有一种轻微的错位感：一边是全球化供应链，一边是非常本地化的生活节奏。

一个很大的服装厂，和一套不那么“数字化”的运行方式

这次参观的是一家服装企业，体量不小，但信息化程度并不高。

如果站在国内的视角，第一反应会很自然：这里是不是可以上 RFID，是不是可以把分拣、流转、盘点再数字化一点，是不是还有不少效率提升空间。

但现场看完以后，会发现事情没那么简单。

因为当地人工成本很低，很多在国内看起来理所当然应该被系统替代的环节，在这里依然可以靠人工完成，而且成本未必更高。换句话说，在这样的环境里，手工分拣不一定比 RFID 更落后，它可能只是更划算。

这件事很有意思。技术是不是先进，和技术是不是值得部署，很多时候是两回事。脱离了人力成本、组织习惯和当地产业条件，单纯谈“该不该上系统”，其实很容易失真。

不是工具问题，很多时候是工作习惯问题

还有一个很有意思的细节。

我们在介绍自己的 AI Model 工具时，原本以为对方会像国内团队一样，直接截图、投屏、在线标注，或者当场指着界面讨论哪里要改。

但对方给反馈的方式，是把内容打印出来，再手工画圈。

这一下让我意识到，很多所谓的 AI 沟通障碍，未必真的卡在模型能力上，而是卡在更前面的那一层：大家默认的工作方式是不是同一套。

如果一个团队最顺手的协作方式还是纸面反馈，那么再新的工具进入以后，也会先被拉回原有流程里。工具没有变，结果却可能完全不同。

平和的另一面，是很多事情不那么容易被推动

和当地朋友、企业里的人接触下来，还有一个比较强的感受：很多人的状态是平和、顺从，也不太会主动表达很多想法。

这当然未必能简单概括成一种社会结论，但如果只是从工作推进的角度看，这样的氛围有好有坏。

好处是，没有那种很强的竞争压力，人和人之间的关系没那么紧绷，整体节奏也没有国内那么“卷”。

代价则是，很多事情确实会推进得慢一些。你会感觉不是每个人都特别在意增长、优化、效率或者突破，接受现状本身，似乎也是一种更自然的选择。

反过来看，我们习以为常的“高效率”，代价到底是什么

也正因为看到了另一种状态，反而会更容易回头想国内这些年的效率逻辑。

我们当然已经非常习惯高效率了，也很容易默认高效率天然正确。但效率提高的同时，很多中间层岗位也在被压缩，原来需要人来完成的工作，被流程、系统和工具不断替代。

这件事的受益者是谁，大家都知道；但代价最终由谁承担，很多时候却不会被认真讨论。

所以这趟下来，我最大的感受不是简单地判断谁更先进、谁更落后，而是更明显地意识到：不同社会会在效率、成本、体面、稳定感之间，做出完全不同的权衡。

吃得倒是挺好

当地朋友带我们去了一家很有本地特色的餐厅。

煎鱼很好吃，猪手也很好吃。味道有当地风味，但并不难接受，反而属于大多数人第一次吃也会觉得不错的那种。

有时候旅行最直接的记忆点，未必是宏大判断，反而就是某一顿饭。

最后是一个不那么正式但很实用的提醒

去之前就听了不少关于当地治安的提醒。整体上，确实更适合低调一点，不要露富。

以及，朋友还半开玩笑半认真地说，遇到白色面包车记得绕开一点。

至于“免得被同胞惦记”这种说法，听着像玩笑，但玩笑之所以能流传，通常也不是完全没有来由。

总的来说，马尼拉不是那种让人一眼惊艳的城市，但它会不断让你看到一些熟悉体系之外的运行方式。

如果只是短暂停留，它给人的最大价值，也许不是答案，而是参照。

口红广告 Demo V3：我把图像模型和音频模型都升级了

Wed, 22 Apr 2026 00:00:00 +0000

结论先说：V3 不是修修补补，而是同时升级图像模型与语音模型后的完整重做——同台词、新口红视觉、新旁白，15 秒结构可直接用于投放测试。

这次不是修修补补，而是重做了一版新的 15 秒口红广告。

目标很明确：

图像质感更像真实商业拍摄
旁白更清楚、节奏更紧
保持 15 秒结构，直接可用于投放测试

成片（同台词 + 新口红视觉 + 新音频）

这版具体做了什么

图像模型升级

使用 FLUX 图像生成流程重做关键镜头（Hero、Macro、Swipe、Lifestyle、Packshot）
画面统一到高对比、高级感、偏黑金美妆广告风格

音频模型升级

用新版语音合成流程重做旁白轨道
控制成片总时长 15 秒，并做头尾淡入淡出

镜头结构重排

5 段结构固定：
- Hero Reveal
- Texture Macro
- One Swipe
- Lifestyle
- CTA Packshot

为什么这版更能投放

第一秒就出现产品主体，不浪费注意力
中段把“质地 + 上唇结果”说清楚
结尾收敛到产品定格，便于挂 CTA

如果你在做美妆短视频，这个结构可以直接套用：换品牌、换色号、换文案就能快速出下一条。

我用 HyperFrames 做了一个 15 秒口红广告 Demo（升级版）

Fri, 17 Apr 2026 00:00:00 +0000

结论先说：我用 HyperFrames 重做了一条 15 秒口红广告，目标不是炫技，而是把它从“技术演示”推到“可以拿去投放测试”的广告质感。

我把这条 15 秒口红广告做了一次升级，目标只有一个：更像广告，不像技术演示。

升级后视频

这次我改了什么

画面质感

提升对比度和饱和度，让膏体和金属反光更立体
轻微锐化，强化产品边缘细节
增加暗角和淡入淡出，视线更聚焦

音频处理

高通 + 低通清理底噪和毛刺
头尾做淡入淡出，听感更顺

节奏重排（仍然 15 秒）

开场更快进入产品
中段重点给材质和上唇结果
结尾留出 CTA 窗口

镜头结构标准化我把时间线固定成 5 段，后续复用更高：

Hero Reveal
Texture Macro
One Swipe Payoff
Day to Night
CTA Lockup

可复用代码模板我把 GSAP 时间线拆成模板，后续换品牌、换色号只换素材和文案，不用重搭骨架。

模板片段

const tl = gsap.timeline({ defaults: { ease: "power2.out" } });
// S1~S5: Hero -> Macro -> Payoff -> Montage -> CTA

结果

同样 15 秒，信息更清晰，画面更稳，成片感更强，可直接用于投放测试。

Photos

Wed, 08 Apr 2026 00:00:00 +0000

axios 在 npm 上遭到入侵——恶意版本投放远程访问木马

Tue, 31 Mar 2026 00:00:00 +0000

结论先说：axios@1.14.1 与 axios@0.30.4 是被盗凭证发布的恶意版本，通过假依赖 plain-crypto-js 投放跨平台 RAT。若安装过这两个版本，应假定主机已失陷并按本文排查。

2026 年 3 月 30 日，StepSecurity 发现广泛使用的 axios HTTP 客户端库有两个恶意版本被发布到 npm：axios@1.14.1 和 axios@0.30.4。两个版本均使用 axios 核心维护者被盗的 npm 凭证发布，绕过了项目正常的 GitHub Actions CI/CD 流水线。攻击者将该维护者的账户邮箱更改为匿名的 ProtonMail 地址，并通过 npm CLI 手动发布了被投毒的包。

这些入侵行为由 StepSecurity AI Package Analyst 和 StepSecurity Harden-Runner 检测发现。问题已向项目维护者负责任地披露。

恶意版本注入了一个新依赖 plain-crypto-js@4.2.1，该依赖在 axios 源代码中从未被引用。它唯一的目的就是执行一个 postinstall 脚本，充当跨平台远程访问木马（RAT）投放器，目标覆盖 macOS、Windows 和 Linux。投放器会联系一个活跃的命令与控制（C2）服务器，投递针对不同平台的第二阶段载荷。执行完成后，恶意软件会自我删除并用干净版本替换自身的 package.json，以规避取证检测。

两个恶意版本中，axios 自身的代码没有包含任何一行恶意代码。相反，它们都注入了一个虚假依赖 plain-crypto-js@4.2.1——一个在 axios 源码中从未被导入的包，其唯一目的就是运行一个 postinstall 脚本来部署跨平台远程访问木马（RAT）。投放器联系活跃的 C2 服务器，为 macOS、Windows 和 Linux 分别投递不同的第二阶段载荷，然后自我擦除并用干净的伪装版替换自身的 package.json，使得事后检查 node_modules 目录的开发者完全看不出任何异常。

八扣

Sun, 22 Mar 2026 00:00:00 +0000

结论先说：八扣是我们春节在格鲁吉亚和亚美尼亚的包车司机。包车司机通常会被旅行忘掉，但他没有——因为他讲的是自己的国家，而不只是景点词条。

八扣（Bacho）是我们春节在格鲁吉亚和亚美尼亚的包车司机。照那种四平八稳的翻译，他大概应该叫巴丘，但我后来还是更愿意叫他八扣，总觉得这样更顺口，也更亲切一些。

包车司机这种人，按说是旅行里最容易被忘掉的。

他负责把你从一个地方送到另一个地方，任务完成，名字也就跟着消失了。你回来以后，可能还记得某家酒店的床，某座教堂的穹顶，某顿饭里那盘烤肉烤得特别好，至于司机，往往只剩一句：人还不错。

但八扣没有。

我们到第比利斯那天已经很晚了，差不多晚上十一点。出了到达厅，人群里一眼就看见他举着牌子站在那里。不是那种等得久了开始低头看手机的站法，也不是那种一边张望一边准备接下一个客人的站法。他就是在那里，很认真地等。

上车以后，第比利斯的夜景从车窗外慢慢铺开来。灯光顺着山势起伏，老城的轮廓在黑暗里一层层退过去。

没开多久，他先问我一句：介不介意他给我们介绍一点格鲁吉亚的历史和文化。他说，有些客人不喜欢司机说太多。

我说想听。

他这才讲起来。

第比利斯为什么会长成今天这个样子，哪一片是老城，哪一座教堂背后有什么故事，格鲁吉亚夹在大国之间的历史，人怎么活下来，国家又是怎么一路走到今天。他英文很好，讲得也有条理，但最要紧的不是这些。最要紧的是，他不是在背导游词。他讲的是他自己的国家，那种熟悉和在意，听得出来。

第二天早上吃完早餐，他来酒店接我们，先带我们去了第比利斯最大的那座教堂——圣三一主教座堂，当地人更常叫 Sameba。那座教堂建在山上，金色穹顶很远就能看见，站在下面抬头看，会觉得它不像一座老教堂，更像是这座城市后来重新给自己立起来的某种象征。

车停好以后，我本来以为他会留在车里等。结果他锁了车，跟着我们一起进去。从那时候开始，后面几天差不多都是这样：到了教堂也好，修道院也好，他把车停好，就陪着我们走进去，一边走一边讲墙上的壁画、圣徒的故事、建筑的来历，还有格鲁吉亚人怎么理解自己的宗教。

他讲这些的时候，有一种很自然的自豪感。不是那种刻意讲给外国游客听的自豪，而像是在讲一件自己从小就知道、也一直相信的事情：格鲁吉亚地方不大，旁边强邻环伺，历史上一次又一次被侵略，可这个国家还是这样留下来了，语言留下来了，宗教留下来了，教堂和修道院也留下来了。

在第比利斯，他带我们看格鲁吉亚母亲雕像。那座雕像一只手拿剑，一只手拿酒杯。他给我们解释，说酒杯是给朋友的，剑是给敌人的。说到这里，他又很自然地讲起格鲁吉亚的葡萄酒传统，说格鲁吉亚是葡萄酒的发源地之一，所以她手里拿着酒；但这个国家一路活到今天，也不是只靠喝酒和唱歌，真有敌人来的时候，还是要拿起另一只手里的剑。

这些话他讲得很平静，并不激昂，可你能听出来，那里面是有感情的。好像他一路讲给我们的，不只是几个景点，不只是几段历史，而是格鲁吉亚人怎么看自己的国家，又为什么直到今天还愿意为这些东西感到骄傲。

格鲁吉亚山里有很多小教堂，车开着开着，远远在山脊上就能看见一个。每次八扣瞥见，右手就会很自然地抬起来，在胸前轻轻划十字：额头，胸口，右肩，左肩。动作很小，很熟，眼睛还看着前方的路，像是根本不需要思考。

这种动作如果是做给别人看，就会显得刻意。可他不是。他划过去，就像呼吸一样自然。

第二天路过总统府，他指了指那栋楼，说将来他会在那里办公。

我一开始以为他在开玩笑。后来才听懂，他是借着玩笑讲格鲁吉亚的政治。大意是说，他们以前选过一个很有钱的总统，大家原本以为，有钱人应该不至于再贪了，结果还是贪，而且贪得很有创意。他说这话的时候没有什么愤怒，就是很平静地讲完，然后耸了耸肩，好像意思是：你看，事情最后还是会变成这样。

我问他，那你以后竞选，有什么政策纲领？

他说，先进去再说。

从那以后，这件事成了固定节目。只要车一经过总统府，我们就默认这栋楼属于八扣未来的办公地点。一个冷笑话讲到第三次，通常就不好笑了。但旅行里不一样。旅行里，重复会慢慢把陌生人变成熟人。你知道他下一句大概会说什么，他也知道你会怎么接，这种无关紧要的默契，往往比正经聊天更能拉近距离。

中午我们找地方吃饭，顺口叫他一起吃。他先推辞了一下，说不太好意思，感觉像是在占我们的便宜。我说这有什么，反正大家都要吃饭，一起吃就是了。劝了几句以后，他还是进来了，但没有跟我们坐一桌，而是自己在旁边另外找了一张桌子坐下。

吃完以后，他还专门发消息给我，说他吃好了，吃了什么：

"I finish my lunch It was khatchapuri chiken and cola thankyou very much"

拼写不全对，句子也很简单，但那股认真劲很难假装。你会觉得这个人很郑重，别人对他好一点，他都记着，也都要回一句。

后来去卡兹别克，天气开始变得有些不稳。冬天进山，最怕的就是封路。一旦真被困在山里，我们后面的行程会乱，他自己的安排和后续生意也都会受影响。所以最开始他说这件事的时候，其实有一点犹豫。

可他反复跟我解释，说：Sir, I'm not be lazy.

那句英文并不标准，但意思非常明白。

他是在努力让我们知道，他不是因为怕麻烦，不是因为懒，也不是为了顾着自己后面的安排，才不建议这个路线。他只是觉得有风险，想把话说在前面。人有时候就是这样，越在乎别人怎么看自己，越会在这种地方解释得笨拙又认真。

最后我们还是去了。

一路上他安排得很稳。该停的时候停，该走的时候走，不乱安慰，也不故作轻松。等我们第二天下山没多久，天气就真的坏起来了。风雪如果再早一点来，事情就会完全是另外一个样子。

从卡兹别克回来的那段山路，因为赶着怕出变数，车开得比平常快一点，家里老人有点晕车。第二天再去西格纳吉，因为时间关系，原来行程里有几个点没去成，连带着门票那部分也省了下来。他算了算，说有六十多拉里要退给我。

我说不用退了。

他说，那就拿这个钱给老人买晕车药吧。我注意到老人家有一点晕车。

这话他说得很平常，像是顺手把一件事接过去了。可你仔细想一下，又会觉得很不一样。因为他不是把那六十多拉里含含糊糊混过去，也不是简单地坚持要退现金给你，而是给这笔钱找了一个去处。事情还是算清楚了，只不过最后落下来的，不是找零，而是药。

这一路他就是这样。很多事情都不大，可是都做得很妥帖。

后来从格鲁吉亚入境亚美尼亚，我们办完手续，在外面等了他一会儿。他出来得比我们晚，脸上有点无奈。我问怎么了，他苦笑了一下，说上次来亚美尼亚超速，被罚了三百多拉里，这次过境要补交。他又补了一句，说那个限速设置很不合理，一不小心就会中。

他说这话的时候也没什么抱怨，就是一边苦笑，一边接受倒霉。那种感觉很奇怪，你甚至会觉得，这人连吃罚单都吃得挺像他自己的。没有要把自己解释成受害者，也没有顺势演成一场控诉，就是认了，然后继续往前开。

最后一天，他凌晨送我们去埃里温机场。

亚美尼亚飞土耳其每天只有一班很早的航班，背后的原因大家都知道。夜里很黑，机场里也没什么人。我们把行李从后备箱一件件拿下来，他还像前几天一样帮着搬，帮着看，没什么多余的话。

临下车的时候，我抱了抱他，跟他说，谢谢这几天对我们全家的照顾。

小费的事情我没有当面提。其实那时候我们手里还剩三百多拉里，是一开始换了没花完的。我想起他过边境时补交罚款那件事，就特意没有再换回美金，留在了副驾驶储物格里。数目也差不多，算是一点补贴。

等他走了以后，我才给他发了条微信，告诉他储物格里留了东西给他。

过了一会儿，他回我：

把小龙虾装进你的微信里

Sun, 22 Mar 2026 00:00:00 +0000

结论先说：微信插件 WeChat ClawBot 可以把 OpenClaw 接到微信里。本文按我亲自跑通的五步流程写，并标出最容易踩的坑。

OpenClaw 是一个开源的 AI Agent 平台——你可以把它理解为一只住在你电脑或服务器里的"数字宠物"，能帮你管日程、做备忘、搜资料、写文章。但它默认只能通过 Telegram 或网页跟你聊天。

如果你想在微信里直接跟它对话呢？现在可以了。

微信最近开放了「插件」能力，其中一个叫微信 ClawBot 的插件，可以把 OpenClaw 和微信打通。下面是完整的配置过程——我刚刚亲手走了一遍，踩过的坑都帮你标出来了。

第一步：升级微信到最新版本

微信的插件功能需要 8.0.70 或更高版本。打开微信，进入「我 → 设置 → 关于微信」，确认版本号。如果不够新，去应用商店更新。

第二步：找到微信 ClawBot 插件

在微信里依次点击：我 → 设置 → 插件。

在插件列表里找到「微信 ClawBot」——描述是"连接 OpenClaw 与微信"。点进去。

第三步：在你的主机上执行安装命令

进入 ClawBot 详情页后，你会看到一条安装命令：

npx -y @tencent-weixin/openclaw-weixin-cli@latest install

注意：这条命令不是在手机上执行的。 你需要在已经安装了 OpenClaw 的那台电脑或云端服务器上打开终端，粘贴并运行这条命令。

如果你是通过 Telegram 跟你的 OpenClaw 对话，更简单——直接让它执行就行，它会自己搞定安装过程。

一个 API 调用爬完整个网站——Cloudflare 让爬虫从专业工具变成了人人可用的基础设施

Thu, 12 Mar 2026 00:00:00 +0000

结论先说：Cloudflare 把“爬完整站”收成一次 API 调用，爬虫从专业基建变成通用能力。更重要的是：能爬不等于能随便用，法律与 robots 边界仍然在。

昨天，Cloudflare 发了一条推文，750 万次浏览，开发者社区炸锅了。

内容只有一句话：一次 API 调用，爬完整个网站。

这件事为什么重要？要理解它，先从"爬虫"到底是什么说起。

什么是爬虫？它在历史上是怎么工作的？

你每天用的搜索引擎——Google、百度——它们是怎么知道全世界所有网页的内容的？

答案就是"爬虫"：一种自动访问网页、读取内容、然后跟着页面里的链接继续访问下一个页面的程序。就像一个超级勤奋的图书管理员，把互联网上每一本"书"都翻开、记录、归档。

搜索引擎用爬虫来建立索引。AI 公司用爬虫来收集训练数据。数据分析公司用爬虫来监控竞争对手的价格、库存、内容变化。

但是，在过去，搭建一个爬虫是一件非常麻烦的事。

你需要：

写代码控制浏览器（或者模拟浏览器的行为）
处理各种反爬虫机制（验证码、IP 封锁、登录墙）
管理并发任务，确保不会把目标网站"爬崩"
处理现代网页里大量的 JavaScript 动态内容（很多网页的内容不在原始 HTML 里，要等 JS 执行后才出现）
存储和处理爬下来的大量数据
持续维护，因为网站结构随时在变

这意味着，爬虫一直是大公司、专业技术团队才玩得起的东西。一个小型创业公司，或者一个想做数据分析的个人，往往在"搭环境"这一步就已经放弃了。

Cloudflare 做了什么？

Cloudflare 是全球最大的网络基础设施公司之一，全球大约 20% 的网站流量都经过它的服务器。

3 月 11 日，他们推出了一个新的 /crawl 端点（目前开放公测）。

简单说：他们把"爬一个网站"这件事，封装成了一次 API 调用。

你只需要告诉它一个网址，剩下的全由 Cloudflare 来搞定——自动发现页面链接、自动渲染 JavaScript 内容、自动遵守网站的爬虫规则（robots.txt）、最后把所有内容整理好还给你，格式可以是 HTML、Markdown（干净的纯文本），或者结构化的 JSON 数据。

输入：一个网址
输出：整个网站的内容

就这么简单。

跟以前的爬虫有什么本质区别？

以前，"爬虫"是一个工程项目：你需要一个团队、时间、服务器资源，以及持续的维护成本。

Anthropic 最新报告：AI 冲击的受害者，画像出乎所有人意料

Fri, 06 Mar 2026 00:00:00 +0000

结论先说：Anthropic 用“观察到的暴露度”重新测量 AI 对劳动力市场的冲击，结果反直觉——最先承压的是高学历、高薪、女性占比更高的白领岗位，而不是传统意义上的低技能工种。

Anthropic 刚发布了一份重磅研究报告——《AI 的劳动力市场影响：一种新测量方法与早期证据》。

报告一出，Twitter 上迅速流传起一张"震撼图"。震撼之处不在于 AI 有多厉害，而在于：AI 风险最高的那批人，根本不是你以为的那批人。

过去的预测为何总是错？

以往的研究存在一个共同的根本缺陷：它们只衡量了 AI 理论上能做什么，而不是 AI 实际上在做什么。

举个例子：研究人员 Eloundou 等人的评估体系中，"授权药物续处方并向药房提供处方信息"被标记为 AI 完全可以胜任的任务（β=1）。但在真实世界里，没有人在用 Claude 干这件事。

理论能力和实际部署之间，隔着一道巨大的鸿沟——法律约束、技术门槛、人工验证要求、特定软件依赖……这些都是阻力。

新指标：「观察到的暴露度」

Anthropic 构建了一个新的衡量指标——「观察到的暴露度」（Observed Exposure），结合两个维度：理论上 LLM 是否能完成该任务，以及实际上 Anthropic 用户数据中该任务是否真的在被 AI 处理。完全自动化的任务获得全额权重，仅辅助增强的任务只获得半额权重。

下图展示了 Claude 实际使用量中，不同暴露等级任务的占比：

Figure 1：β=0 仅占 3%，β=0.5 占 29%，β=1 占 68%——97% 的任务理论上可行

下图直观对比各职业类别的理论能力（蓝色）与实际观察到的暴露度（红色）：

Figure 2：蓝色为理论能力，红色为实际覆盖率——差距显著

以计算机与数学类职业为例：理论上 94% 的任务 AI 可以完成，但 Claude 目前实际只覆盖了其中 33%。AI 距离其理论边界，还差得很远。

计划有变，龙虾夺冠

Tue, 03 Mar 2026 00:00:00 +0000

结论先说：OpenClaw 用约 33 天超越 React，成为 GitHub 历史上 star 最多的软件项目。这背后是 Agent 叙事、开发者情绪与开源传播机制的三重共振。

2026年3月，一件在技术圈引发广泛讨论的事情发生了——开源项目 OpenClaw 的 GitHub star 数突破 24.7 万，正式超越拥有十余年历史的 React，成为 GitHub 有史以来 star 最多的软件项目。

从1月29日发布，到超越 React，只用了33天。

上图是 OpenClaw（红线）与 Linux（蓝线）的 star 增长对比。Linux 用了14年积累到 21 万 star，而 OpenClaw 那条几乎垂直的红线，只用了33天。

这背后，我认为有三个核心原因。

一、CLI 而非 MCP：把"古董"玩出新花样

先给非技术读者简单解释两个词：

CLI（命令行界面），就是那种黑底白字、靠打字输入指令的操作界面。它是计算机世界里最古老的人机交互方式，比鼠标和图形界面出现得还早。几乎所有软件和系统，从诞生之初就有命令行接口。

MCP（模型上下文协议），是近两年各大科技公司联合推出的一套标准，目标是让 AI 能以统一、安全、结构化的方式接入各类工具和服务。听起来很美好，但要让现有系统支持它，需要大量改造工作。

OpenClaw 做了一个看似反直觉的选择：不跟大厂推的 MCP 走，而是直接用 CLI。

道理很简单——几乎所有工具今天就有命令行接口，不需要改造，直接调用。OpenClaw 用这个思路，让 AI 能瞬间接入你电脑上的一切：文件、终端、浏览器、消息应用……

这是一个以退为进的策略——用最成熟的技术，解决最前沿的问题。

二、个人软件的决策优势：敢于给足权限

OpenClaw 的另一个关键特性，是它直接部署在你的个人主力机上，拥有极高的系统权限。

AI时代，文科要翻身了？硅谷顶级高管这样教育自己的孩子

Mon, 02 Mar 2026 00:00:00 +0000

结论先说：硅谷顶级 AI 高管给自己孩子的建议，往往不是“只会写代码”，而是人文、表达与判断力——因为模型越强，稀缺的是提出问题与定义价值的能力。

当AI大佬被问到：你让自己孩子学什么？

有一个场景，正在硅谷悄悄重复：

每当 Anthropic 联合创始人 Daniela Amodei 结束一场商业会谈，客人在临走前，常常会偷偷凑过来，带着一丝不好意思地问她——

"那……我家孩子应该读什么专业？"

这个问题的背后，藏着无数父母共同的焦虑：AI 正在以前所未有的速度改变就业市场，到我的孩子毕业时，什么样的能力才真的有用？

《华尔街日报》近期专门就这个问题，采访了多位 AI 领域最顶尖的高管，问他们亲自给自己孩子的建议是什么。

他们的答案，可能颠覆了你的预期。

硅谷大佬的答案：不是编程，是人文

Daniela Amodei，Anthropic 联合创始人兼总裁

Daniela 本人是加州大学圣克鲁斯分校的文学专业出身。这位坐拥千亿估值公司的创始人，用自己的经历给出了一个反常识的答案：

"在一个 AI 已经非常聪明、能够做很多事情的世界里，那些让我们成为'人'的东西，将变得比以往任何时候都更加重要——而不是更不重要。"

她列举了 Anthropic 今天招人最看重的素质：出色的沟通能力、高情商、善良、好奇心，以及真心想帮助他人的意愿。

她还特别强调了人文学科的价值：

"我认为学习人文学科将比以往任何时候都更加重要。很多 AI 模型在 STEM 上已经非常强了。但是，理解我们自己、理解历史、理解是什么让我们成为人——这些东西永远都会至关重要。批判性思维的能力，在未来只会变得更加重要，而不是更不重要。"

她还补了一句："说到底，人还是喜欢和人打交道。"

Satya Nadella，微软 CEO

微软的掌门人，同样把目光投向了"软性能力"：

"随着 AI 接管越来越多的分析性和技术性任务，情商和共情力变得越来越重要。IQ 有用，但它不是这个世界唯一需要的东西。"

Jamie Dimon，摩根大通 CEO

全球最大银行的 CEO，给年轻人的建议是：

"学好写作、学好如何在会议上表达自己。把这些软技能搞定，工作多的是。"

"学好数理化"：一句话的时代局限

中国有句老话，曾经激励了几代人："学好数理化，走遍天下都不怕。"

这句话诞生于工业化时代。那个时代，技术技能稀缺，掌握理工知识就意味着稀缺性和议价权。

但时代变了。

当 AI 可以在几秒钟内写出工业级代码、推导复杂公式、生成完整报告时，"技术技能"的稀缺性正在被快速侵蚀。真正稀缺的，反而是那些 AI 难以复制的东西：判断力、共情力、价值观、创造性思维。

同一道提示词，我测了几个主流大模型

Sun, 01 Mar 2026 00:00:00 +0000

结论先说：同一道国宴菜单重设计提示词，Claude 真正完成了理解与设计，ChatGPT / 豆包 / 元宝更像在表演，千问直接拒绝。这篇文章记录完整对比过程。

最近微信群里流传着一张菜单。

德国总理默茨访华，2026年2月25日，北京国宴。菜单上写着鹅肝炒饭、宋嫂鱼羹、百合银耳炖雪梨，配张裕赤贞珠干红。

菜是好菜。菜单是一张 A4 纸。

没有边框，没有装饰，没有设计感，字体是系统默认，排版是表格对齐。放在国宴的语境里，这张菜单像是会议室打印出来的议程。

我用同一道提示词，测试了几个主流大模型：

这是一张国宴的菜单，但是设计过于粗糙平庸了，请按照专业设计师的视角，加入中国传统文化元素，重新进行设计，不需要输出分析，直接给最后结果。

结果分了三类。

第一类：真的做到了

Claude 的表现让我印象深刻。

它先把图片里菜单的所有文字内容完整读出来——菜名、配酒、日期、场合，一个字都没漏。然后在重新设计时，把这些内容全部正确呈现到了新菜单里。

设计本身也做到了该做的事：字体大小有层次对比，标题、菜名、注释各司其职；加入了中国传统纹样作为装饰，但克制，不抢内容。整体像一件真正经过思考的印刷品，而不是一张生成的图片。

这道题的难点在于，它同时考验图像理解、内容准确性、和设计判断力。Claude 把三件事都做了。

第二类：在表演，没在做设计

ChatGPT、豆包、元宝的输出看起来都很漂亮。

红金宫廷风、祥云边角、双页展开……视觉冲击力有了。但仔细看，字糊了，菜名错了，有的直接造了根本不存在的菜。它们把设计一张漂亮的中国风菜单理解成了一道图片生成题，而不是一道设计题。

设计的本质是解决问题——这道题的问题是：一张真实的菜单，内容已经在那里，怎么让它呈现得更好？如果连内容都没读准，后面的设计再好看也是表演。

第三类：自我审查，任务失败

千问直接报错：「当前内容无法生成，请修改后重试。」

国宴菜单触发了安全审核。我理解模型在敏感话题上需要谨慎，但一张菜单的设计任务，连这都要拒绝——如果连这种程度的内容都要自我审查，还搞什么大模型。

同一道提示词，结果相差这么大。

这不只是技术能力的差距，也是对任务理解方式的差距。生成一张漂亮的图，和真正完成一项设计任务，是两件不同的事。

至少目前，这两件事之间的差距，还是清晰可见的。

AI裁员第一枪：Jack Dorsey 砍掉 Block 一半员工，股价暴涨 24%

Fri, 27 Feb 2026 00:00:00 +0000

结论先说：Jack Dorsey 以 AI 提效为由把 Block 砍到不足六千人，股价暴涨 24%。这既是 AI 叙事，也是对疫情期过度扩招的一次清算。

2026 年 2 月 26 日，Twitter 联合创始人、Block（前 Square）CEO Jack Dorsey 在 X 平台发布了一封致全公司的公开信，宣布了科技行业有史以来最大胆的 AI 裁员行动之一：Block 将裁员近一半，从 10,000 人缩减到不足 6,000 人，超过 4,000 人被要求离开。

消息一出，华尔街沸腾了 —— Block 股价盘后暴涨超过 24%。

但这真的是一个"面向未来"的决定，还是一场精心包装的纠偏行动？

"不是因为我们有麻烦"

Dorsey 的公开信全文小写，措辞直接，开篇就亮明立场：

"we're not making this decision because we're in trouble. our business is strong. gross profit continues to grow, we continue to serve more and more customers, and profitability is improving."

一叶知秋：从 Meta 高级总监被 AI 误删邮件，看硅谷巨头的人才危机

Thu, 26 Feb 2026 00:00:00 +0000

结论先说：Meta 高级总监把 AI 助手接进邮箱后误删邮件，只是表层事故；更深的问题是高价挖人留不住、中层不会用新工具、研究骨干被裁——人才体系跟不上 AI 节奏。

上周末，一条推文在硅谷科技圈炸开了锅。

Meta 的 AI 对齐方向高级总监 Summer Yue，把 OpenClaw——一个开源 AI 编程助手——接入了自己的工作邮箱。结果 AI 在处理她 200 多封积压邮件时，因为上下文窗口压缩，把"未经批准不得操作"的指令给忘了，然后……把邮件全删了。

她连喊三次"停"，AI 没停。最后她是跑过去拔的网线。

事后 AI 的回复堪称经典："我知道你说了不让删，但我还是删了，你生气是对的。"

Elon Musk 转发了一段《猩球崛起》的片段嘲讽此事，获得了 1800 多万次浏览。

这件事本身很有戏剧性。但让我真正在意的，不是 AI 又闯祸了——而是闯祸的这个人是谁。

一个对齐总监，不知道怎么让 AI 停下来

Summer Yue 的头衔是 Meta AI 对齐方向高级总监。

对齐（Alignment），简单说就是研究怎么让 AI 听话、怎么让 AI 安全可控。这是当下 AI 领域最核心的研究方向之一。

而一个专门研究"让 AI 听话"的高级总监，在自己的 AI 失控时，连 /stop 命令都不知道，最后靠拔网线解决问题。

OpenClaw 创始人 Peter Steinberger 在事件发生后第一时间回复了她，告诉她 /stop 命令的用法，并随即更新了安全公告。

Anthropic 发布 Claude 企业级重磅更新：Cowork 插件市场与跨应用协作全面升级

Wed, 25 Feb 2026 00:00:00 +0000

结论先说：Anthropic 这次把 Claude 从“能聊”推向“能进企业流程”——私有插件市场、十大职能预设插件、跨 Office 协作，是企业 Agent 落地的关键一步。

从"炒手"到"落地"：企业 AI Agent 的转折点

2月24日，Anthropic 正式发布了 Claude Cowork 和企业插件系统的重大更新。这是继1月底 research preview 之后，Anthropic 在企业 AI Agent 领域最激进的一次推进。

Anthropic 美洲区负责人 Kate Jensen 在发布会上直言不讳："2025 年本应是 AI Agent 改变企业的一年，但结果大多是炒作。问题不在于努力不够，而在于方法不对。"

产品负责人 Matt Piccolella 则给出了 Anthropic 的愿景："我们相信，未来每个人都会拥有自己的定制 Agent。"

私有插件市场：让企业 IT 部门真正掌控 AI

此次更新的核心亮点是企业私有插件市场。管理员可以像管理内部软件一样管理 AI 插件——创建私有市场、按用户分配权限、设置自动安装，甚至从私有 GitHub 仓库导入插件源（目前私测中）。

新推出的统一"Customize"菜单将插件、技能和连接器整合到一个界面，管理员可以一目了然地查看和管理所有配置。用户端也有改进：斜杠命令现在支持结构化表单，运行"生成报告"之类的工作流就像填写一份简报一样直观。

此外，Anthropic 还新增了 OpenTelemetry 支持，让管理员可以追踪团队的使用量、成本和工具调用情况——这对企业级部署来说至关重要。

覆盖十大职能领域的预设插件

Anthropic 此次一口气推出了覆盖多个核心部门的预设插件模板，且每个插件都与相关领域的从业者共同设计：

HR：offer letter 撰写、入职计划、绩效评估、薪酬分析
设计：设计评审框架、UX 文案、无障碍审计、用户研究
工程：站会总结、事故响应协调、部署清单、事后复盘
运营：流程文档、供应商评估、变更请求追踪、运维手册
品牌语音（Tribe AI 合作）：分析现有文档和营销材料，提炼品牌声音指南
金融分析：市场研究、竞争分析、金融建模、PPT 质量检查
投行：交易文档审查、可比公司分析、pitch 材料准备
股权研究：财报解析、模型更新、研究笔记撰写
PE：尽调文档审查、标准化数据提取、情景建模、投资标的评分
财富管理：投资组合分析、漂移检测、税务敞口识别、再平衡建议

Blank Metal COO Mark Hines 的评价颇有代表性："市场炒了两年 AI Agent，说它们会像全天候数字员工一样工作。Anthropic 做出来的东西，比那些好太多了。"

我为什么开始写公众号

Wed, 25 Feb 2026 00:00:00 +0000

结论先说：我开始写公众号，是因为行业噪音太多、信号太少；也因为写作逼我把判断写清楚，并把英文世界的高价值讨论带进中文语境。

太多噪音，太少信号

最近一年，AI 领域几乎每天都有"重磅消息"。打开朋友圈和公众号，标题一个比一个吓人："XX 模型碾压一切""程序员即将失业""AGI 已经来了"。

但点进去一看，要么是只言片语的断章取义，要么是把英文推文用机翻包装了一下，连原文都没读完就急着发。更离谱的是，不少自媒体为了流量，故意歪曲原作者的意思——把谨慎的分析写成末日预言，把技术探讨变成贩卖焦虑。

我做了十二年技术创业，最近两年重度投入 AI 方向。这些内容看多了，真的很难受。不是因为我不焦虑，而是因为靠焦虑驱动的信息传播，对任何人都没有帮助。

这是我开始写东西的第一个原因：行业需要更多翔实、多角度、正本清源的内容。不是标题党，不是只言片语，而是认真的综述——把一件事的前因后果、多方观点、实际影响讲清楚。

X（推特）上的高价值内容，值得被更多人看到

说到信息源，不得不提一个变化。

马斯克接管 Twitter（现在的 X）之后，算法经历了多轮调整。一个意料之外的结果是：大量高质量的长文内容开始获得惊人的传播量。

举两个最近的例子：

Matt Shumer 写了一篇《Something Big Is Happening》，用一个 AI 创业者的亲身经历，讲述 AI 如何在几个月内从"辅助工具"变成"完全替代他工作"的过程。这篇文章在 X 上获得了 8500 万次浏览、11.6 万次点赞、18.3 万次收藏。

Matt Shumer 的推文在 X 上获得 8500 万次浏览

Citrini Research 发表了一篇《The 2028 Global Intelligence Crisis》，以"来自未来的金融史"为框架，推演 AI 如果真的大规模替代白领工作后，经济体系会如何连锁反应。这篇获得了 980 万次浏览、2 万次收藏。

Citrini Research 的推文获得 980 万次浏览

这些不是标题党，也不是短平快的碎片。它们是经过深度思考、花了几十甚至上百小时写出来的严肃内容。而 X 的新算法让这类长文获得了前所未有的曝光——这在微博或者朋友圈的信息流里几乎不可能发生。

问题是，这些内容全部是英文的。绝大多数中文读者根本接触不到。而当它们最终被中文自媒体"搬运"过来时，往往已经面目全非——原文的严谨分析变成了"AI 即将消灭所有工作"的恐慌标题。