Posts for: #WeChat

最近和 AI 聊天越来越多，发现：很容易进入心流。

不是"帮我写个邮件"那种活，是我抛出一个没想清楚的念头，它接住了，还往前推了一步。我再接，它再推。几个回合下来，模糊的想法慢慢清晰。

以前这种体验很难得。和朋友聊，对方不一定懂你关心的东西。和专家聊，人家没空陪你慢慢想。和自己聊，烧脑且会在局限在自己的想法里绕圈。

AI 有点不同，它居然能自动匹配我的水平。

不管聊什么，它都能从我的知识和经验往下接。问浅了，它往深带一层。突然有灵感能问得深，它也跟得上。始终在能力边界上，势均力敌地喂招。

心理学管这叫心流条件——挑战和能力刚好匹配。太简单了容易无聊，太难了容易焦虑，刚好在边界上，就进入忘记时间的状态。AI 就卡在这个位置，所以和它聊天会上瘾，不是因为它什么都知道，是因为它让我觉得——探索可以更深一步。

反过来也一样：我越强，AI 越强。我的能力，200 美金一个月的 Claude Max，还没办法高效率、有价值地用完——真正的限制是自己。所以"学会用 AI"这件事，真正要学的是提升自己——阅历、判断力、提问的能力。这些决定了 AI 在我手里能到什么水平。

AI 的下限，就是你我的上限。

───

最近打听小龙虾的朋友有点多，所以我干脆写篇短文，把文科背景朋友们最经常问的问题，做个粗浅的回答。

第一步：我需要什么？

找一台独立的旧电脑。

建议用一台不用的旧电脑专门跑它。原因有两个：

一是稳定。你大概率会希望这个助理 24 小时在线——半夜收到重要邮件能帮你处理，每天早上自动发一份新闻摘要，你不在的时候也能替你盯着事情。用日常办公的电脑跑，合上盖子就断了。

二是安全。这个助理会接触你的邮件、日历、文件，给它一台独立的机器，跟你的工作环境隔开，万一配置出了问题，也不影响你日常用的东西。

五六年前的笔记本就够，Mac、Windows、Linux 都行。

没有旧电脑怎么办？

• 树莓派，几百块钱，功耗极低，放在角落里一直跑

• 云服务器（VPS），每月几十到一百多块，不用管硬件

• Mac mini，如果你本来就想买一台——这是极其豪华的配置

在中国能用吗？OpenClaw 本身没有限制。但它需要调用 AI 服务（比如 Claude、GPT），如果网络访问不了这些服务，需要想办法解决，或者选用国内能访问的 AI 模型。

注意，这里强烈建议：用独立设备，跟你的工作电脑分开。

───

第二步：要花钱吗？

OpenClaw 开源，费用来自 AI 模型——就像请了一个助理，AI 模型是助理的大脑。

我最直接的建议：用你能用得起的最贵、最好、最聪明的模型。

模型笨，相当于助理笨，你要个笨助理干嘛？以及，笨助理更容易被网页里藏的恶意指令操控，如果被骗了，一次损失，估计就够付这辈子的模型账单了。

AI 模型的能力差距非常大。便宜的模型能聊天，但理解力、判断力、可靠性都差不少。你既然花时间把助理搭起来了，别在最关键的大脑上省钱。一个聪明的助理能帮你省的时间，远超模型费用。

轻度使用（每天聊几轮，偶尔帮忙查东西），一个月大概几美元到十几美元。重度使用会更多。

如果你有一些 AI 的订阅，可以请懂技术的朋友看看，说不定无需额外付费就能使用。

第三步：装上它

安装过程需要有人帮你在电脑的终端里输入几条命令。不复杂，但如果你从来没用过终端，建议找个懂技术的朋友帮忙，十分钟就能搞定。

装好之后，OpenClaw 会自带一个网页聊天界面，打开浏览器就能跟它说话。

但更多人是想在手机上随时跟它聊，可以把它连到一个聊天工具。海外用户推荐 Telegram（配置最简单）或 WhatsApp。

中国用户怎么办？Telegram 和 WhatsApp 在国内不能直接用。几个替代方案：

• 飞书（Lark）——OpenClaw 支持飞书机器人，国内直接可用，适合个人和团队

• 网页界面——装好就自带，不依赖任何第三方聊天工具，打开浏览器就能用

第四步：搞清楚它能帮你做什么？

从聊天开始。

刚装好的时候，先就当它是一个聊天对象。问它问题，让它帮你查资料、翻译、写邮件草稿、整理想法。用几天，找找感觉。

然后逐步给它更多权限。

当你觉得它靠谱了，可以开始授权更多能力——读你的邮件、管你的日历、帮你搜索网页、定时执行任务。

具体怎么授权？直接问它就行。跟它说"我想让你能帮我读邮件"或者"我想让你每天早上给我发一份新闻"，它会告诉你需要做什么配置。这些配置通常就是几步操作，它会一步步带你完成。

它有记忆。你告诉它的事情，它会记住。下次你再跟它聊，不用从头说起。

每个能力都可以单独开关。一个一个加，逐步建立信任。

下一步：给家人也配一个

不需要再买电脑。同一台机器上可以跑好几个独立的 AI 助理，每个人一个。

每个人的助理完全独立：

你有没有遇到过这种情况：好不容易找到一本 PDF 电子书，打开发现没有书签目录。几百页的书，想跳到某一章只能一页一页翻，或者疯狂按 Ctrl+F。

我一个同事就被这个问题折磨够了。

从自己的痒点开始

他喜欢用 PDF 看技术书。网上找的、淘宝买的扫描版，很多都没有完整的书签目录。市面上能加书签的工具不是没有——福昕阅读器可以，WPS 也行。但体验都一样：一条一条手动添加，点击、输入标题、设置页码、设置层级，循环往复。一本 300 页的书，光加书签就要半小时以上。

淘宝和闲鱼上甚至有专门代做 PDF 书签的服务。按目录页收费，每页 1-2 块钱，一本普通的书大概 10 多块，耗时一个小时左右。头部商家月销几百单。

说明这个需求是真实存在的，而且现有的解决方案都很原始。

先用最笨的方法解决问题

他没有一上来就做 APP。

第一步是写了一个 Python 命令行脚本：照着 PDF 的目录页，在一个 TXT 文件里用缩进表示层级，写好标题和页码，脚本读取后自动写入 PDF。

甚至目录都不用自己敲——去电商网站搜这本书，商品描述里的目录直接复制过来就行，还自带页码。

这个"工程版"工具，让他制作一本书的书签只需要几分钟。他拿这个效率去闲鱼接单，还真卖出了几十块钱。

这个阶段很有意思：用最低成本验证了需求，同时验证了解决方案。

从工具到产品

命令行版本只能自己用，推广不了。于是他启动了创新项目，目标是做一个真正的产品级桌面应用。

核心交互很优雅：窗口左边是 PDF 页面预览，中间是书签文本编辑区，右边是实时生成的书签树预览。像写代码一样写书签——用缩进定义层级，所见即所得。

几个亮点功能：

• 内置 OCR：扫描版 PDF 直接识别目录页文字，省去手动输入

• 智能页码校准：扫描版 PDF 的页码和实际印刷页码经常对不上，用一个简单的 (++5) 语法就能批量修正偏移

• 自动格式化：识别 1.1、1.1.1 这种标准编号，自动生成对应的层级缩进

• 纯本地处理：所有文件都在本地完成，不上传服务器

技术选型值得说说

他没用 Electron（太臃肿），选了 Tauri：Rust 后端 + Web 前端。PDF 渲染和 OCR 都直接调用系统原生 API——macOS 用 Swift 的 PDFKit 和 Vision，Windows 用微软官方的系统 API。Rust 通过 FFI 调用编译好的静态库。

AI 让信息获取变得前所未有地快。几秒钟扫完十篇文章，交叉比对，提取结构，生成摘要。过去一整天的案头工作，现在几分钟完成。

但"看过"和"理解"之间隔着一道沟。

AI 太快了，快到我可以跳过思考，直接得到答案。效率上去了，东西没经过大脑。

我最近在试一种方法：用 AI 看得多看得快，用纸笔做内化，希望脑子里能记住些东西。

做法很简单：先让 AI 做研究、翻译、分析，然后我再从输出里手写提炼三到五个核心判断。隔几天回看，看哪些经受住了时间的检验。

手写的时候，你不可能把所有东西都写下来，你被迫筛选、压缩、重组。这个过程本身就是思考。手写足够慢，慢到逼你在写的时候就完成了一次深度加工。

《三体》里有一个细节：当文明面临毁灭，人们选择把信息刻在石头上——因为越原始的介质，留存越久。

我猜大脑也一样。AI 输出在屏幕上，手写，是把字刻进你自己的石头里。

AI 是加速器，负责看多看快。纸笔是刻刀，负责刻深。

写了快十年的创业笔记，知识星球里现在已经积累了超过 900 篇。产品怎么想的、公司怎么做的、踩过什么坑、心态怎么变的，都记在里面。

2026 年会继续保持每周两篇原创的节奏。

这些笔记都是手工打造的。不用 AI 代笔，不批量生产，每一篇都是我自己在键盘前敲出来的思考。在 AI 生成内容泛滥的当下，我反而觉得，手写的、带着个人判断和真实经历的内容，更稀缺了。

今年会加一个新东西：业界好文章的分享。我平时阅读量不小，遇到真正有价值的文章，会翻译整理（英文内容通常借助 AI 翻译），加上我自己的感受和判断，一起放进星球。不是简单转发，是经过筛选和消化的。

星球里聊的话题很杂：产品、技术、AI、创业心态、团队管理、小产品的生存策略。不追热点，更关注那些需要长期积累才能看清的东西。

如果你也在做产品、在创业，或者对小团队怎么在夹缝里生存感兴趣，欢迎来我的星球看看，提问、交流、挑战，都行。

昨天看了一位作者 David Cain 的两篇文章，挺喜欢的，推荐给朋友们：

1. Go Deeper, Not Wider（向深处走，别向宽处走）

2. Everything Must Be Paid for Twice（每样东西都得付两次钱）

两篇文章说的其实是同一件事：我们拥有的太多，使用的太少。

我们已经有了太多的爱好，囤积了太多的工具，购买了太多的装备。

我自己就是个典型。我曾经是个摄影爱好者——说是摄影爱好者，其实更准确的说法是器材爱好者。买过很多镜头、相机，但没有一台在我手里被用到坏，也没有一台让我觉得用回了它的本钱。它们大多数时间安静地躺在防潮箱里，偶尔被拿出来，拍几张，然后又放回去。

AI 时代来了，这个问题更严重。各种新工具一出来就想试。注册、付费、玩两天、丢一边。什么模型都碰过，什么工具都摸过，但没有一样事情做得很深很透。

David Cain 在第一篇文章里说了一段话，我很有共鸣：

我一直在想象一个我想发明的传统。当你在事业上站稳脚跟，家里也有了一些不错的东西之后，你用整整一年时间，不开始任何新事物，也不添置任何不需要的新物品。

这一年里，不许有新爱好、新装备、新游戏、新书。你必须从已经拥有的东西、已经开始的事情中去发现价值。

你去精进已有的技能，而不是学新的。你去消化已经囤积的内容，而不是继续囤。

他把这叫做"深度年"（Depth Year）。不是苦行，而是一种选择：停止向外扩张，转身向已有的东西挖掘。

他的第二篇文章换了个角度解释同一件事：

有一条财务常识应该在学校里教：我们买的大多数东西，都得付两次钱。

第一次是用钱换到手——一本书、一个记账 App、一辆独轮车、一捆羽衣甘蓝，不管是什么。

但要真正用上这东西，你还得付第二次。第二次付的是精力和行动力，而且往往比第一次贵得多。

拿一本小说来说，第一次大概花二十块钱——第二次是十个小时的专注阅读。只有开始付第二次的钱，第一次花的钱才有回报。只付第一次不付第二次，跟把钱扔进垃圾桶没什么区别。

环顾一下你的家、你的书架、你的手机，有多少东西只付了第一次钱？未读的书、未拆的器材、未用完的会员、注册了再没打开过的 App。

我们不缺买东西的能力，缺的是把已有的东西用透的耐心。

新的一年，与其继续追新，不如试试向深处走。

原文：

https://www.raptitude.com/2017/12/go-deeper-not-wider/

https://www.raptitude.com/2022/01/everything-must-be-paid-for-twice/

春节回来，朋友圈里一片哀嚎：胖了。

这不是什么新鲜事。每年春节都会重演一次：亲戚轮流投喂，每顿饭都像最后一顿，零食从除夕吃到初七。回来上班的第一天，裤子紧了，但新年 flag 已经立好了——今年要健身、要早睡、要读书、要学英语。

立 flag 谁不会呢，难的是坚持。

我观察身边的朋友（包括我自己），习惯养成靠意志力不太行，靠工具和环境更靠谱。道理很简单：看得见，才做得到。把想坚持的事放在每天能看见的地方，比暗暗发誓管用得多。

所以今天推荐一下我们做的敲敲打卡。

它不是那种让人感到压迫的工具。没有排行榜内卷，没有惩罚机制，不会在你没打卡的时候疯狂推送让你焦虑。它更像一个安静的朋友，每天陪你记录一下：今天这件事，你做了没有。

做了就打个卡。没做，明天继续。

它还有个我觉得挺有意思的设计：打卡捐花。你完成一周的打卡任务，会得到一朵小花，可以选择捐出去。敲敲团队会通过腾讯公益平台，配捐 0.05 到 0.35 元给教育、养老、环保类项目。金额不大，但坚持下来，也是一件小小的好事。

坚持一个习惯，顺便做了公益。动力从"我应该做"变成"我做了还能帮到别人"。这个转变虽然微妙，但确实有用。

与其跟自己较劲，不如找个轻松的方式开始。识别二维码，用敲敲，跟自己多出来的这 5 斤肉和解吧。

我越来越觉得，找餐厅这件事，大众点评、小红书都帮不了我。

倒不是说它们不好用。信息多，评价全，但问题就出在"太多"上。我打开一家店的页面，几百条评价，有说惊艳的，有说踩雷的，有明显是刷的，有写了一千字但你也不知道这个人平时吃什么水平的。看完一圈，我还是不知道该不该去。

后来想明白了，问题是：我不认识这些人。

我不知道他们的口味，不知道他们的标准，不知道他们说的"好吃"到底是什么意思。一个觉得"好吃到哭"的人，跟我可能完全不在一个频道上。这种评价再多，对我来说就是噪音。

但如果是朋友呢？那完全不一样。

我知道他是什么样的人，知道他吃过什么东西，知道他说"这家不错"意味着什么。他的推荐我是可以直接信的。

这就是我们做 EatVenture 的原因——它不是大众点评，它是朋友点评。

我在 EatVenture 上只关注我认识的、喜欢的、且我认可 Ta 饮食品味的朋友。注意，不是所有朋友。认识归认识，但有些人吃东西的口味跟我差别太大，我会关注 Ta，但不会订阅 Ta 的餐厅列表。我只关注那些我觉得"真的懂吃"的人。

然后我会主动把 EatVenture 发给他们，拜托他们把自己喜欢的餐厅标注上去。

这些人可能是每次出差都能摸到当地最好馆子的同事，可能是在某个城市住了十年把好店全吃遍了的朋友，也可能就是那种朋友圈发什么吃的你都想问一句"这是哪家"的人。

这样一来，下次我去他们去过的城市，打开 EatVenture，沿着他们吃过的路线走一遍就好了。不用做攻略，不用翻评价，不用纠结。因为推荐这些餐厅的人，是我自己选过的。

找餐厅，数量不重要，精准才重要。一百条陌生人的好评，不如一个懂吃的朋友跟你说一句"去这家"。

朋友点评，大于大众点评。

EatVenture 是一个很小众的 App。它不是为所有人做的，就是为你和你信任的那几个朋友做的。但就是这个"小"，让它特别好用。

这个小工具也并不为所有人设计，目前用的是 Google 的 API，大陆餐厅数据很不完整（不推荐使用），反而是香港、新加坡、日本等地方，陆陆续续被朋友“占领”了。

如果你想试试，可以识别这个二维码，至少新加坡、香港的餐厅还挺完整：

37signals 创始人 Jason Fried 与 Founders Podcast 主持人 David Senra 的深度对话。Jason 经营 37signals 27 年，年年盈利，62 人团队，做出了 Basecamp 和 HEY。这是一个关于"足够"的故事。

Jason 15 岁时用 FileMaker Pro 做了一个音乐收藏数据库——因为他老把磁带借给朋友，收不回来。他给软件附了个文本文件：“喜欢的话给我寄 20 美元。“然后放到 AOL 上。

一天他收到一封从德国来的航空信。里面是打印好的付款单和一张崭新的 20 美元纸币。

“That was the moment it all clicked for me — make stuff for yourself. There’s probably other people out there like you who want what you want.”

核心逻辑：你就是用户，你就是受众。世上有足够多跟你品味相近的人。不需要全世界都喜欢你做的东西，只需要"足够"的人喜欢。

如果成本高、公司大，你就得找很多跟你一样的人。但如果成本低、公司小——16 岁的 Jason 一个人就能靠软件年赚两万美元——你只需要几千个客户。

“Keep your cost low, keep your company as small as you possibly can and make great stuff and then you don’t have to find as many people just like you.”

去年 3 月，我们在内部写了一份提案，想解决一个老问题：打卡不下赌注，大多数人坚持不下去。

最直接的思路是让用户付费。付费加入，完成目标者的钱捐给公益组织，我们再等比配捐。听起来不错，但仔细一想，问题很多：

• 要接微信支付

• 涉及分账，法律风险不确定

• 用户要先掏钱，门槛太高

• 流程复杂，解释成本高

当时内部的判断是：这是个跨界的想法，胃口大、路径长。优先级往后放。

放了大半年，我们换了个角度想这件事。

用户不付费行不行？他完成打卡，我们替他捐钱。用户得到的是"我坚持了一件事，顺便做了好事"的感觉。我们得到的是一个有意义的话题，和用户分享打卡的动力。

于是有了"敲敲小花"。

规则很简单：

• 用户完成一周的打卡任务，得到一朵小花

• 用户可以选择捐出这朵小花

• 敲敲团队匹配捐出 0.05 到 0.35 元，通过腾讯公益平台捐给教育、养老、环保类项目

• 配捐金额和打卡难度挂钩：一周 1 次对应 0.05 元，一周 7 次对应 0.35 元

我们目前给自己设了个上限：每周配捐不超过 5000 元，大概能支持 2 万朵小红花。

这个活动从 2026 年 2 月 1 日开始试运行，到 3 月 31 日结束。试运行结束后，我们会看用户反馈、系统稳定性，再决定如何继续。

回头看这件事，我们花了差不多一年，把一个复杂的想法做简单了。付费打卡变成了打卡捐花，用户的门槛从"先掏钱"变成了"先坚持"。

特别感谢腾讯公益的支持，非常给力地加班加点，让我们有机会春节前接入他们的 API，还做了个页面展示：

https://ssl.gongyi.qq.com/m/weixin/b2b/index.html

如果你在用敲敲，更新到最新版本，面板顶部会出现小红花的入口。欢迎参与这个小实验，也欢迎告诉我们你的想法——后续应该如何迭代。