自由职业者累的点，真的不一样
前几天跟几个朋友吃饭，其中一位刚出来做自由职业不久的朋友说了一句话，让我一整晚都在回味。
NOTES FROM WORK & LIFE
文章.
关于 AI、工作与生活，把实践中的思考记录下来。
116篇文章
10个主题
AI 生成视频，你踩过的坑我都帮你踩过了
在最近的一期线下培训课上，我讲到了如何用 AI 生成带货视频。
你说不清楚的，AI 永远做不好
上周，我同时经历了两个看似毫无关联的场景：一场和老朋友的深夜技术交流，以及一期线下 AI 培训课程的收官。
我在课堂上当着20个人的面，让 AI 翻了车
封面为 AI 生成的课堂示意图，非现场照片
不是因为看到了希望才去做，而是做了才有希望
8月底，我在整理旧节目录音的时候，看到了这样一句话：
Vibe Coding 上线篇：从 ECS 到 ESA Pages、Vercel，搞懂域名解析怎么配
代码已经写好了，项目也部署成功了，为什么用自己的域名还是打不开？
我用 WorkBuddy 把期刊官网资料整理成一份可核查的投稿指南
以 Nature 为例，记录一次真实的 WorkBuddy 实践：核对期刊官网、整理作者要求、保存页面证据，并交付可追溯的 Word 投稿指南。
AI 让生产提效后，瓶颈更可能转向分发与承接
当 AI 明显提高生产效率之后，我更在意的已经不是能不能做出来，而是有没有分发出去并承接住。
新培训商机来了：如何用 AI 写方案
AI TRAINING · METHOD
AI 做标书，先成稿，再质检
AI × 投标工作方法
不懂技术，也能转型 AI：一次咨询后，我给出的 5 步路径
AI 转型案例 2026.08
辅导实录｜一次完整的 AI 编程实践，从原型
用 AI 写代码，卡住人的往往不是懂太少，而是没把链路跑通。
辅导实录｜一次完整的 AI 编程实践，从原型到前后端
昨晚做了第一次一对一辅导，对面是一位有多年开发经验的技术人。聊了快两个小时，临结束他说了一句话：
我做了 8 年知识管理，去年把印象笔记停了
——AI 时代，你该管的不是信息，是你自己
我做了 8 年知识管理，去年把印象笔记停了
AI时代，知识管理该管的不是信息，而是你自己。
说清验收条件，比让 AI 快速动手更重要
我这几个月反复验证下来，AI 编程里最影响结果的，不是让模型尽快开始写，而是先把验收条件说清楚。验收条件越明确，模型越能围绕同一个目标稳定迭代，直到真正交付。
GEO 官网的一次完整实操记录
备案下来了，代码在 GitHub 上，构建也没问题——剩下的就是把它挂到自己的域名上。
先标准化，再智能化
我在一天的业务梳理里反复看到同一个结论：培训、销售质检、话术库、老师匹配，真正要先解决的不是 AI 能不能上，而是标准有没有立住。
我是如何设计一个高质量 Skill 的？
今天，我花了一整天时间，在跨境电商 AI 场景里把这套方法完整跑了一遍。最终做出了选品、Listing、爆款视频拆解、智能客服回复、达人邀约等多个 Skill。
想建立自己的 GEO 官网，到底应该怎么部署？
开始做 GEO 的时候，品牌官网是最核心的操作，但当网站真正做完之后，还会遇到一个非常现实的问题：
最近在研究 AI 装修，目前跑通的流程是：拿到一张户型图，可以直接出下面这些图
最近在研究 AI 装修，目前跑通的流程是：拿到一张户型图，可以直接出下面这些图。对装修风格的参考来说，还是有挺大帮助的[呲牙][呲牙][呲牙]
如何让大模型可靠地完成任务？
HARNESS ENGINEERING
上下文工程：让AI看到该看的东西
这是我前段时间在备课的时候整理的AI上下文工程的基本逻辑，记录下来备忘。
AI 转型怎么学？ 从会用工具，到改造工作流
最近，一位朋友问了我一个很典型的问题：她想转向 AI，但并不打算成为算法工程师或 Agent 架构师。她更希望懂得如何使用 AI、与多个 Agent 协作，再把自己的产品、组织与业务经验带进来。
把 AI 培训设计成完整业务工作流，而不是一堂工具课
我最近重新梳理了一次面向某内部学习团队的 AI 实操培训方案，最大的收获是：培训真正有价值的地方，不是讲了多少工具，而是有没有把 AI 嵌进完整业务工作流。
一个人开始做生意，要不要注册公司？
最开始，我考虑注册公司，是想给自己缴职工社保。
灵活就业医保和养老保险怎么交？
从参保登记到完成缴费，一篇讲清两个不同入口，以及医保、养老保险断缴分别有什么风险。
AI落地不是魔法，而是业务逻辑工程
这两天连续聊了几类看似不同的话题：内容被AI看见、销售流程里的AI协作、企业培训与研究服务。表面上都在谈工具，真正决定效果的却不是工具本身，而是业务逻辑是否清楚、流程边界是否明确、团队是否愿意长期迭代。
AI 让做产品快了 10 倍，但有件事必须慢下来
上周在高校做AI coding 训练营，答辩环节有个细节印象深刻；
这个月用 AI 踩的坑，帮你省下 30 个小时
最近这个月我几乎天天在用 AI 干活——写标书、做原型、生成海报、跑视频、造小工具。踩了不少坑，也攒下几条真正省时间的经验。
为什么说 AI 时代最值钱的，是快速把想法变成可汇报的东西
这两天我连续做了几场客户汇报。
为什么你的AI越用越乱？大概率是这个问题
最近发现了一个让很多人头疼的AI使用问题，有个准确的名字叫"上下文污染"。
我花了一周备课，发现自己之前根本没学会这件事
今年办了几场AI编程培训，加起来面对一百多个学员。
产品立项的起点，不是先列功能
我重新确认了一件事：产品设计真正的起点不是功能清单，而是先把“为什么做”想清楚。AI 时代原型越来越快，这一步反而更不能省。
高校学生学 AI Coding，真正要学的不是“让 AI 写代码”
在高校训练营里，我越来越确定：会让 AI 生成一个页面只是起点，真正决定学生能否进入企业交付现场的，是能不能把需求、方案、开发、测试和复盘串成闭环。
AI 会写代码，但不会替你负责：从 Chatbot 到 Agent
Chatbot 给答案，Agent 尝试完成任务。理解感知、计划、执行和反馈这条循环，才能知道 AI 编程工具为什么强，也知道人的责任边界在哪里。
把 AI 当成实习生：提示词、上下文与任务拆解
提示词不是咒语，而是一份任务委托。背景、目标、任务、交付和约束写清楚，再把上下文控制在一个主题里，AI 才更容易稳定工作。
Ask、Plan、Craft 怎么选？AI 编程任务的三种执行方式
Ask 用来理解，Plan 用来降低复杂任务的不确定性，Craft 用来直接完成明确改动。真正重要的不是记住模式名称，而是让任务风险与执行方式匹配。
企业项目为什么不能一上来就写代码？先说清 ROI 和 MVP
企业立项首先回答值不值得做，而不是页面怎么设计。ROI 决定项目是否启动，MVP 决定第一笔资源花在哪里，两者共同防止 AI 把错误方向做得又快又完整。
80% 初学者都会跳过的需求分析：业务、页面、功能三层法
初学者常从页面和按钮开始，结果越画越乱。三层需求法先站在用户视角梳理业务目标，再确定页面承载，最后进入正常与异常功能逻辑。
如何让 AI 稳定生成 PRD：从提示词到 Rule、Skill 和模板
稳定的 PRD 不是靠一句万能提示词，而是把确认过的需求、输出结构、项目规则和重复流程分层管理，让 AI 的随机性被一套可复用方法约束。
为什么直接把 PRD 丢给 AI，生成的原型通常又丑又残？
PRD 解决需求表达，却没有自动给出技术边界和视觉方向。先规划范围、预选设计风格、按模块生成并自动测试，才能把随机结果变成可评审原型。
原型不是效果图，而是成本最低的需求沟通工具
原型最重要的价值不是展示漂亮页面，而是把不同人脑中的理解放到同一个可操作对象上，让分歧在开发前出现，让需求通过提问逐步变清楚。
从原型到生产代码：技术方案必须回答的四个问题
原型证明需求能够被看见，技术方案则说明系统怎样被可靠实现。技术选型、系统架构、部署架构和整体风险，是开发前必须共同确认的四部分。
不要急着开发功能：先搭一个真正跑得起来的项目骨架
脚手架的意义不是生成目录，而是尽早证明前端、后端、数据库和接口能够真实连通。所有关键路径先跑起来，再逐个增加业务功能，项目风险会小得多。
AI 写代码越快，越要小步迭代、自动测试和持续重构
AI 会同时加速功能生成和代码腐化。把需求实例化为验收标准，用自动化测试守住行为，再通过职责分离持续重构，开发者才能保持主控。
CodeBuddy 三种模式实操：什么时候问、规划和直接开发
用三个真实任务练习 Ask、Plan 和 Craft：先读懂陌生项目，再规划跨文件功能，最后处理明确的小改动，并用运行结果而不是完成提示验收。
AI 修改页面的三种方法：选中元素、可视化调整与截图标注
页面修改不必靠猜文件。选中真实元素、直接调整可控样式，或用截图框出问题，再通过浏览器截图检查桌面与移动端，能显著减少误改。
第一次把 AI 项目部署上线：从本地页面到公网链接
上线不是获得一个链接，而是让远端环境能够从仓库重复构建、正确读取配置，并通过公网完成核心流程。本教程用 Git 部署建立最小上线闭环。
Git SSH 配置完整指南：让代码推送不再重复输入密码
SSH 的核心是让本机私钥与代码平台上的公钥建立可信身份。生成专用密钥、加入代理、上传公钥、切换远程地址并实测拉取推送，才算配置完成。
AI 生成的功能报错了，如何用浏览器状态码定位问题
不要把“页面没反应”直接丢给 AI。用浏览器网络面板记录请求、状态码、响应和服务端日志，先判断问题在哪一层，再给 AI 一份可以复现的证据包。
用 FizzBuzz 学单元测试：验收实例、参数化测试与基础重构
从两条简单规则开始，逐轮加入包含判断和优先级，再用实例化验收、Vitest 参数化测试和职责分离守住纯函数行为，为后续 UI、API 测试与复杂重构打基础。
如何设计一场 AI Coding 结业项目与答辩
结业项目不该只评页面是否漂亮，而要验证学生能否从问题、需求和方案走到运行、测试与复盘。用阶段证据和统一评分表，才能看到真实交付能力。
Playwright UI 自动化测试实操：只验证关键行为，不测试整个页面
把课堂里的浏览器手工验收固化成可重复命令：用准备、执行、验证组织用例，以用户可见行为选择定位器，并用少量高价值冒烟测试守住主流程。
API 测试怎么写：状态码、数据隔离与业务逻辑下沉
从注册登录与计算接口出发，区分 HTTP 契约、服务端业务规则和数据持久化，用独立测试数据验证成功、失败、权限与重复提交。
用镀金玫瑰练习重构：先用测试守住行为，再消灭坏味道
面对嵌套条件、重复规则和含糊命名，不让 AI 一次重写：先建立行为基线，再用小步提交改善结构，并把策略类或工厂视为可选方案而非标准答案。
先定框架，再让学生走完整个 AI 产品开发闭环
一次训练营筹备让我更确定：AI 时代真正该教的，不是零散技巧，而是从需求到测试的完整流程感。
把边界感练出来，是我这几年最重要的一堂职场课
我越来越确认，成熟的职场关系不是一味退让，也不是情绪化对抗，而是在冲突、协商与自我保护之间，慢慢练出边界感。
多用户聊天里，先把会话隔离想清楚
这两天和技术同学对接口逻辑时，我重新确认了一个很基础但很容易被低估的问题：多用户聊天产品里，如果不同用户没有各自独立的会话，上下文就可能互相干扰，最终影响用户信任。
先奖过程，再奖结果：我对 AI 落地绩效设计的一点判断
如果 AI 绩效一开始只看业绩，组织往往会失去启动动力。更稳妥的做法，是先用过程指标驱动流程梳理、工具使用和培训覆盖，等真实增量出现后，再把奖励重心切到结果分润。
带着原型去汇报，沟通和决策会快很多
今天做完两场方案汇报后，我又确认了一条很实用的经验：带着原型去讲，沟通会更清晰，决策效率也会更高。顺着这次实践，我也把原型制作方法重新梳理了一遍。
AI 视频生成里，最容易出错的是对工作流的想当然
一次首尾帧视频生成尝试没有达到预期，让我更清楚地意识到：AI 视频生成的问题，很多时候不只是效果问题，而是自己先把工作流想简单了。
OpenClaw：从个人自动化到企业数字员工
基于 OpenClaw 沙龙武汉站分享整理，系统梳理 OpenClaw 如何从个人主动助手、自动化流水线，进一步演进为企业数字员工与 AI 转型底座。
AI 能写测试，但不能替你拥有测试体系
AI 可以帮助我们写单元测试、接口测试，但注册、登录、账号过期这些真实用户路径，仍然需要有人对测试体系负责。
AI 编程不是让人更忙，而是让流程更清楚
一轮团队 AI 编程实战之后，我更确定：AI 编程的重点不是多塞几个工具，而是把需求、接口、规约、验证和责任边界变得更清楚。
学了十几年英语，我才发现自己一直在用错误的方式听
午饭后照例去楼下散步，随手刷着视频号，被一个讲英语学习的博主抓住了眼球。
拖延了半年的任务，我用一个思路一小时搞定
那天是深夜，睡不着，刷着手机，突然被一件事戳到了。
AI 时代，1 小时做出可演示原型，不是炫技，是基本交付能力
以前做产品，很多团队习惯先开会、再写文档、再排期，
我花 8 年写日记，终于跑通了 AI 时代的个人知识管理闭环
很多人都在问一个问题： 笔记越记越多，为什么人反而越来越焦虑？
企业推AI失败，通常败在这四件事没做对
和很多人聊企业 AI 落地，发现大家面对的困境惊人地相似：
我发现，很多"应该做系统"的需求，其实一个Skill就够了
最近做了一件让自己挺震撼的事情。
半天 vs 三天：同一件事，AI熟手和新手的差距让我震惊
上周，我遇到了一件让我印象深刻的事。
存了八年笔记，AI花三天把它们变成了我的「个人维基百科」
你有没有这种感觉：
你有没有发现：用了AI之后，反而没有以前轻松了
前段时间，一个朋友跟我说了一句话，让我思考了很久：
Agent、Workflow 和提示词工程的边界
真正的 Agent 并不是“提示词写得更长”，也不是“多接几个工具”。在企业业务里，更常见、更可控的路径，反而是 Workflow 加提示词工程，再用本地数据兜住准确性。
AI 时代，真正稀缺的是注意力管理
AI 让我们能同时推进更多事情，但真正的瓶颈变成了注意力。并行、串行、自动化，应该按任务类型重新分配。
AI 读完我七年日记后，说我是这样的人
他是一个把生活当作实验的人。
我把AI助手养成了7×24小时实习生，它现在会主动给我打工
我给自己的AI助手起了个名字——小龙虾。
我用FFmpeg折腾了两个月，踩了所有坑，最后回到了原点——但赢了
三个月前，我在推特上刷到一个博主分享FFmpeg，截图里是一串命令行代码。我的第一反应是：这跟我有什么关系？
我的角色在悄悄变：从工具使用者到「领航员」
前两天花了整个下午做内部产品方案。用 BMA 框架和自己写的 Skill，两小时内就拉出了完整的产品方案和原型。业务同事看完震撼得不行。
两年后，会用 AI 的人遍地都是，你凭什么还有优势？
一、一个值得警惕的问题
你以为自己在拖延，其实你在酝酿
那天下午，我要准备一次公司内部的 AI 培训分享。
你用AI的方式，决定了你能拿走多少
前段时间录了个教学视频，需要剪辑。
你每天看那么多，为什么还是什么都记不住？
收藏夹里躺着几百篇文章，从没打开过第二次。
AI 产品的下一种形态：数据、API 与 Skill
AI 时代里，界面会变得越来越便宜，真正决定产品能力的是底层数据建模、API 化能力，以及能否包装成可复用的 Skill。
智能体不能只有大脑，还要有手脚
很多智能体方案可以分析和规划，但真正落地要看工具、权限、记忆、校验和异常处理能否连成闭环。
数据底座不牢，再好的智能体也是空中楼阁
智能体回答质量差，很多时候不是模型不够强，而是检索策略、资源库、分类体系和数据接入没有做好。
OpenClaw 实战：10 个场景让你的效率翻倍
进行 daily review 和 weekly review，提醒我并触达相关事项，保证 GTD 外部大脑和内部大脑的信息同步，接管 OmniFocus，帮自己整理任务
OpenClaw 凭什么这么火？4 个核心价值让 ChatGPT 都黯然失色
它是一个超级 AI 工具的底座。
春节折腾 OpenClaw：从云端到本地，我踩过的坑
OpenClaw 最近在 AI 社群里火得一塌糊涂。
同样的AI工具，为什么别人效率比你高3倍？
工具只是基础，真正拉开差距的，是你对AI的认知深度。搞懂这三个底层认知，你手里的AI工具才能真正发挥威力。
我们花3个月试了30多款AI工具，最后只留下这8个
同样是用AI，有人已经把它当成了第二大脑，每天节省2-3小时；有人却还在原地踏步。差距在哪？可能不是因为后者不够努力，而是缺了一张地图。
为什么我们不直接用Coze，而是选择自己搭平台？
当AI要从个人提效走向企业落地，该怎么选方案？我们最终选择基于OpenClaw自建智能体平台，而不是直接用扣子这类现成SaaS。这篇文章把思考过程完整分享出来。
我在用 OpenClaw 做哪些事
折腾了这么久，到底在用它做什么？这篇做个盘点。有些场景已经在跑了，有些还在计划中，都是真实的想法。
养一个懂你的数字分身
大家都在说「养 AI」，但我一直没太搞清楚这个词是什么意思。直到折腾 OpenClaw 的时候，我才真正理解了它。
用 OpenClaw 给公司同事提效，我是怎么设计的
我在公司负责一些技术方向的工作，这段时间折腾 OpenClaw，脑子里一直有一个问题：这个东西能不能帮公司同事用上更好的 AI？
OpenClaw 部署在哪里？个人用和企业用，答案完全不同
装完 OpenClaw 之后，我花了挺长时间纠结一个问题：到底应该部署在 VPS 上，还是本地机器上？这个问题看起来是个技术选型，但其实背后是两种完全不同的使用场景。
从零开始装 OpenClaw，我踩了三个坑
整个安装过程不算难，但有几个地方很容易卡住，而且文档里基本不会告诉你。我把这些坑都记下来了，希望你能少走一点弯路。
春节折腾了一个 AI 项目，我觉得它可能会改变我用 AI 的方式
春节假期，别人在走亲戚、打麻将，我在对着一台云服务器折腾一个开源项目。它叫 OpenClaw，和 ChatGPT 解决的根本不是同一个问题。
我用 AI 端到端交付了一个项目，全程没写几行代码
前三篇把工具选型、协作方法论、工程配置都讲完了。
你的 AI 编程项目迟早会烂掉，除非你做了这件事
前两篇聊了工具选型和协作方法论。
AI 编程的真正基本功，不是会写 Prompt
上一篇聊了工具选型和模型选择。这一篇讲更重要的东西——怎么和 AI 协作。
为什么你用 AI 写代码，效率还不如手写？
折腾了大半年 AI 编程，踩了不少坑，也摸出了一些门道。
写一次代码，跑遍手机、电脑、小程序
前段时间，我给自家小朋友做了一个专属的小应用，Web 版的，里面有三个板块：玩游戏、培养习惯、听故事。
离职了，聊聊这七年我都经历了什么
说实话，写这篇文章之前我犹豫了很久。
给四岁半儿子做了一款专属 App，聊聊作为程序员老爸的折腾全过程
我一直有个想法：给小朋友做一款他专属的 App。
Skills 探索：自动生成睡前故事与公众号文章
Skills 是 Claude Code 推出的一项强大功能，它允许用户将复杂的任务流程固化为可重用的工作流。通过编写规范化的提示词，Skills 可以让大模型自主地完成多步骤任务，并能够调用 Shell 命令、MCP 工具等外部能力，大大提升了自动化工作的效率。
广州长隆亲子游攻略：带上宝贝开启欢乐之旅
周末带娃去哪里？广州长隆无疑是华南地区最受欢迎的亲子游目的地之一。无论是野生动物世界的奇妙探险，还是欢乐世界的刺激体验，都能让大朋友小朋友玩得尽兴。今天就来为大家分享一份超实用的长隆亲子游攻略！
敏捷团队如何开会
本文探讨敏捷团队开会的最佳实践，从会议流程、角色分工到高效沟通技巧，帮助团队实现更有成效的协作。
团队的精细化管理之路
探索团队精细化管理的实践路径与思考，打造高效协作的团队文化。
我的AI产品探索之旅
从RAG智能客服到Agent智能体，再到强推理模型下的范式转移。记录从2024年到2025年Q4的AI产品实践历程，分享知识库建设、提示词工程、MCP架构治理与模型升级的深度思考。
技术团队的数据分析入门课
为技术同学量身打造的数据分析核心指南：认清数据真相、常见分析陷阱、实用分析流程、落地常用工具。用工程师视角讲透从业务到实现的全链路数据驱动！
RAG 原理解析
将 RAG 拆解为冰山模型：冰山之下是离线数据工程（ETL + 向量数据库），冰山之上是在线服务链路（检索、提示词组装、生成）。核心难点在于 ETL 策略，而非数据库本身。
为 MCP tools 进行分组，提高大模型调用工具的准确性
在AI Agent开发中，借助统一的前缀为工具进行分组，通过命名空间将同一类型或同一子领域下的工具归类，有效减少调用错误、提升可维护性，并有助于Agent工具自适应和推理。
10条与AI协作的核心实践
从心态归零到建立规则，10条经过实战验证的AI协作核心实践，帮你从被动等待转变为主动掌控，真正将AI转化为高效的生产力工具。
AI端到端全流程交付
从狂热到阵痛，三个月实践沉淀下的AI协作心法。从74次迭代的痛苦经历到95%需求由AI主导完成，分享一套稳定、高效的AI协作工作流与实践框架。
已展示 116 篇文章 · 保持好奇，持续记录。