AI

不开端口，不买服务器，不折腾 nginx。Cloudflare Tunnel + OpenClaw，零成本远程访问你的 AI Agent。 起因 我在家里的 Mac Mini 上跑了一支 AI Agent 团队： 🤖 主力助手 — 管日程、写文章、分析数据 🩺 健康管家 — 管体检报告、用药记录 📊 分析师 — 每天分析 AI 热帖 💻 代码工人 — 7×24 写代码提 PR 底层是 OpenClaw，一个开源的 AI Agent 框架。它有个 WebUI，可以在浏览器里看到所有 Agent 的状态、对话、任务进度。 但问题是——WebUI 跑在 localhost:18789，出了家门就访问不了。 传统方案的痛 远程访问内网服务，传统方案一大堆： 公网 IP + 端口映射 — 运营商不一定给，安全风险大 内网穿透（frp/ngrok） — 要买中转服务器，配置繁琐 VPN — 得搭 WireGuard/OpenVPN，手机连 VPN 耗电 Tailscale — 不错，但想要更简单的方案 我想要的很简单：手机打开一个网址，直接看到家里的 AI Agent 团队在干啥。 ...

译者说：这篇文章来自 CitriniResearch，我觉得挺有意思，翻译分享给大家。作者把自己放到 2028 年，回头看 AI 怎么一步步引发经济危机。虚构场景，但逻辑链条值得思考。 译者总结 虚构场景分析。 作者把自己放到 2028 年 6 月，回头看 AI 怎么一步步把经济搞崩的。 核心观点： AI 能力持续指数级增长，白领工作被大规模替代 失业 → 消费萎缩 → 企业利润下滑 → 更多裁员 → 更多 AI 投资，形成负反馈循环 SaaS 行业首当其冲，然后是中介服务业（旅行、保险、房产经纪） AI Agent 绕过信用卡支付，转向稳定币，冲击支付巨头 私募信贷市场违约潮，波及保险公司 房贷市场面临结构性风险——借款人的收入预期被永久性削弱 政府税收下降（因为收入来源是人类劳动），但支出需求上升 文章立场： 别当末日论看，作者只是在探索一个很少有人认真讨论的左尾风险。场景推演，不是预测。 如果我们对 AI 的乐观判断继续正确……而这恰恰是利空呢？ 以下是一个场景，不是预测。这不是贩卖焦虑的末日论，也不是唱衰 AI 的檄文。这篇文章的唯一目的是推演一个很少有人认真讨论的场景。我们的朋友 Alap Shah 提出了这个问题，我们一起头脑风暴了答案。 希望读完这篇文章后，你能对 AI 让经济越来越扭曲时可能出现的左尾风险有所准备。 这是 CitriniResearch 2028 年 6 月的宏观备忘录，详述全球智能危机的演进和后果。 2028 年 6 月 30 日 今早失业率公布为 10.2%，比预期高 0.3%。市场因这个数字下跌 2%，使标普 500 从 2026 年 10 月的高点累计回撤达到 38%。 ...

AI 时代，大多数人的未来其实都悬着。 早上刷到 @python_xt 一条推，说个体要像泥鳅一样找缝隙、钻生态位。他说得对，我补充点我的想法：光钻不够，得每一步都能攒下点什么。 聊聊怎么钻、往哪钻、钻完之后怎么让它值回票价。 1. 关于"没有舒适区、没有确定性"这件事 这件事，很多人其实已经在经历了，而且会越来越明显。 岗位、技能、工具、平台，现在过气的速度越来越快，今天的安全感大多来自历史惯性，AI 一来，很多东西加速洗牌，大多数人的未来其实都悬着。 一个做自媒体的朋友之前涨粉很猛，算法一变，数据直接腰斩。做外包的，平台规则三个月一变；做技术的，工具半年换一轮。做产品的，方向一年推翻 n 次。嘴上说要稳定，身体早就不稳定了。 因为这里有个误区： 很多人听完这些话，理解成那我就一直折腾、一直换、一直追风口。 结果就是表面很忙，轨迹却东一榔头西一棒槌，没有任何累积。 所以关于"没有舒适区、没有确定性"这件事是很现实的描述，并非未来预言。 只是很多人还没反应过来。 既然稳定指望不上，那能指望什么？我觉得是方向感。 2. 快很重要，但更重要的是方向感 千万别白跑，faster / smarter 这些词很燃，但有个事没说：你得先知道自己在朝哪个方向跑。 否则更快只会更早撞墙。 举几个常见场景。 有人一年学了一堆 AI 工具： AIGC 画图玩过，Agent 搭过，自动化脚本写过， 最后问他赚了多少钱？零！ 你说他没努力吗？不是，是劲儿没往一处使。 对比另一类人： 用 AI 帮老板做 PPT，一单 300 后来直接做模板卖，月几千 再后来接企业内训，一场几万 起点很土，路径却是往上叠的。 快是加速器，方向错了，加速只会更快回到原点。 我判断一个人有没有在往上走，就看三点：解决的问题有没有变大，承担的责任有没有变重，做的事有没有被更多人复用和信任。 做到这几点，后面会越来越顺，哪怕短期现金流并不好看。 3. Niche ≠ 小众技能，Niche 是独特组合 生态位往往长得一点都不酷，很多人理解生态位，会去找别人不会的冷门技术。 现实中更稳的路径是把几样你还行但不算顶尖的能力，组合成一个别人不好复制的位置。 很多人一心想学别人不会的东西，但其实： 别人不愿意长期干的活，往往藏着位置。 我认识一个做医疗软件的朋友，技术一般，但他能把医生说的"这个流程不顺"翻译成工程师听得懂的需求文档。就这一件事，他在公司里不可替代。 之前还看到一个案例，一个做 ToB 销售的，本身不懂技术，但他花了三个月搞明白了 AI 能干什么不能干什么，现在专门帮客户做 AI 落地咨询，报价翻了三倍。 你看，真实世界里的生态位，很少有长得像"AI 专家"这种词的。更多是懂业务的技术接口人、能把 AI 讲明白还能卖出去的人。单看一点都不性感，但组合在一起就很难替代。 ...

最近中推圈在疯传"怎么写 Claude Skills"。 这让我想起去年4月，老板大笔一挥决定搞 MCP。不到百人的团队,不到一年时间，搞出了上百个 MCP。 当时各团队竞相汇报 MCP，很多人还挺骄傲的。 结果呢？真正常用的不到10个。 现在 Skill 的风要来了。我猜2个月后，国内会大热。 但我也猜，大部分公司会重蹈覆辙。 为什么？因为大家又在把"组织变革"的问题，当成"工具采购"的问题来解决。 1. 先说说 MCP 的教训 去年4月，MCP 刚出来的时候，团队很兴奋。 “终于可以让 AI 连接数据库了！” “可以读业务服务了！” “可以调用API了！” 为什么最后大部分没人用？ 做了个连 Jira 的 MCP，没人用。因为工作流程根本没变，AI 只是"查询工具"，还不如直接打开 Jira。 做了个连业务服务的 MCP，用了两次就不用了。因为还得去专门定制 mcp，跟直接写接口区别不大。 做了个连代码库的 MCP，团队说"挺好"，但实际使用频率很低。因为大家的工作方式没变，AI 还是"辅助工具"而不是"工作方式"。 问题不是工具不好，是我们没想清楚工作方式该怎么变。 现在 Skill 来了。我看到的趋势是：大家又在重复同样的错误。 教程满天飞，都在讲"怎么写 Skill"。但很少有人问：为什么要写 Skill？它解决的是什么问题？ 2. Skill：不只是工具，更像是镜子 Skill 用下来，最大的收获不是学会了怎么写。 而是看清了一个问题：大部分组织还在用前 AI 时代的方式运作。 Skill 不是工具升级，它更像是一面镜子，照出了组织该怎么改变。 要理解这一点，得先看看 Skill 是什么。 如果你一直在关注 AI 工具的发展，应该经历过这样的演进： 最早是写 prompt 模板，把常用的提示词保存下来，每次对话时复制粘贴进去。 后来有了 MCP（Model Context Protocol），可以让 AI 连接外部工具和数据源，比如连接后端服务、查询数据库。 现在又出现了 Skills。 ...