Career-Growth on All about Raspberry Pi

学 AI 要学让你赚钱的 AI

Fri, 18 Sep 2026 00:00:00 +0000

上周在高铁上，邻座一路都在聊 AI。听内容是一群做自媒体的人，各自交流学 AI 的心得，声音不大，但关键词密集：工具、课程、变现。

我没听全，但有一句记住了：

学 AI 要学让你赚钱的 AI，不然不要学。判断标准就一条：学完之后，有没有人愿意为它付钱。

我的第一反应是想笑——这话听着太像焦虑贩卖课的开场白了，卖课的人最喜欢把「赚钱」两个字挂在嘴边。但后来越想越觉得，这可能是普通人在 AI 学习上能拿到的最好过滤器。不是因为「赚钱」正确，而是因为 「有没有人付钱」是唯一无法伪造的标准。

点赞可以刷，收藏可以自嗨，「感觉学到了」更是大脑最擅长制造的幻觉。只有付钱，要求另一个真实的人掏出真金白银换你的产出——这个信号伪造不了，你也骗不了自己。

人生是一个 Loop：AI 时代开发者的六个信念

Mon, 14 Sep 2026 00:00:00 +0000

9 月的一个深夜，我在翻 blog2 仓库里的一个文件，翻到有点不舒服。

skills/hugo-blog/SKILL.md，版本号 3.4.0，1078 行。第一次写它的时候只有几十行。中间模型换了好几代，这个文件一行没删，只加。加进去的每一行背后都是一次真实翻车——「Wan2.7 的 prompt 里不要写中文」「Gemini 的 landscape 必须是 1280x896，小了直接返回 400」「加粗标记内侧不能有空格」。

不舒服的点在这里：让我踩下这些坑的那几个模型，现在一个都不用了。但这 1078 行，一行都没作废。

我盯着它看了很久，意识到自己看的不是一个文件，是一条 loop 的沉淀物。

然后一个念头冒出来：模型训练是一个 loop，Agent 是一个 loop，人生也是一个 loop。 三个 loop 的结构完全一样——行动、观测、评估、更新。区别只有三条：反馈延迟多久、单次迭代多贵、状态能不能跨轮留下。

选 Agent 项目，我第一个看的是反馈密度

Mon, 14 Sep 2026 00:00:00 +0000

9 月初，我的数字员工「涌现」在一周里掉了三次链子。

它每天早上八点跑一轮「早读」：读公众号后台、读 GA、digest 小红书、更新 token 消耗、读 aibase——五步，预算一小时。8 月 31 日、9 月 2 日、9 月 5 日，三次吃了同一个兜底。前两次重启了事，第三次我让 opencode 做了一轮十五分钟的验尸：模型网关的机器名，被 /etc/hosts 里一行陈年映射和 DNS 搜索域联手坑了——解析结果里混进一条不通的 IPv6 路由，我常用的工具个个有回退所以毫无察觉，Agent 的运行时没有回退，当场死亡。整个排查过程我写成了谁停掉了数字员工的早读。

事后回想，我当时的感受不是恼火，更接近于交学费的踏实。这个「早读」场景，技术上毫无炫技之处——定时任务、抓取、摘要、发消息，任何一个传统后端工程师一天就能搭完。但正是这个普通的场景，在过去几个月里每天给我生产真实的执行、真实的失败、真实的修复。我对 Agent 工程的大部分真实认知，不是从论文和 demo 里来的，是从这条 loop 里长出来的。

这让我越来越确信一个判断：Agent 应用工程师的核心竞争力，不是会不会调 Prompt、接 MCP、做 RAG，而是能不能建立一个真实的、持续运行的 Agent Loop。 而在选择做什么项目时，我会把一个指标放在非常靠前的位置：这个场景每天能给我多少次真实的执行反馈。

忙力所能及的事，是一种安全感

Thu, 10 Sep 2026 00:00:00 +0000

昨天我做了一件拖了半年的事：把自己博客的搜索系统整个换掉了。

我没自己动手。我给一个 AI Bot 发了一句话：「搜索基于一个没人维护的组件，越来越慢，给我一个更好的方案。」三个多小时后它交回来一个 676 行的 PR，我花不到二十分钟验收，点了合并。

值得琢磨的是前面那半年。这件事我一直想做，但每次要动手就先算一笔账：看懂旧代码一天，设计新方案一天，改完测试再上线一天——三天工时，还可能把线上搜索搞坏。算完就觉得，下个月再说吧。

同一件事，换一种算法，「敢」就突然出现了。不是我变勇敢了。

从会做 Agent 到制造 Agent：一个应用工程师的成长路线

Wed, 02 Sep 2026 00:00:00 +0000

今天和一个朋友聊天。他说自己做了一个非常精简的 Agent Harness，准备开源，让大家可以直接用。

我第一反应不是问他写了多少代码，而是问：

你看过 Pi Agent、OpenCode、DSH 吗？

他说，没有深入研究过。

那一刻我没有继续追问，但一个问题在我脑子里转了一下午：今天成为一个 Agent 应用工程师，真正重要的到底是什么？ 是能够自己写一个 Agent Loop，还是能够把 Agent 真正做成一个有价值、能生产、能赚钱的产品？

这篇文章把那条成长路线完整画出来。

别再用技能衡量自己：AI 时代的成长单位是闭环

Mon, 17 Aug 2026 00:00:00 +0000

前几天，那个年轻人又给我发消息了。

月初我在从用好 AI 到管理 AI 里记录过他的困惑：每天都在用 AI，prompt 也调得不错，但总觉得还是在「自己干活」。我当时的回答是，他卡在「用好 AI」这一级，要往「带 AI」「管理 AI」走。

他回去照做了。这次他告诉我：又订了三个工具，整理了 30 条常用 prompt，还刷完了两门 AI 课程。然后他问了一个新问题：

「我的工具更多了，效率也确实高了。但为什么反而更焦虑了？如果明天出一个更好的工具，把这些全做了，我还剩下什么？」

我当时没有马上回答。不是问题难，而是他问的已经不是「怎么用好 AI」，而是一个更根本的问题：AI 时代，衡量一个人成长的单位，到底是什么？

几天后，吴恩达在 The Batch 上发了他的新来信，标题是「AI 奖励能构建新技能的通才」。这封信把这个问题往前推了一步——但我觉得，还可以再推一步。

从用好 AI 到管理 AI：年轻人最低成本的管理训练场

Sun, 09 Aug 2026 00:00:00 +0000

上周和一群刚工作的年轻人交流。有人问我一个问题：我每天都在用 AI，prompt 也调得不错，效率确实提高了——但为什么总觉得，我还是在「自己干活」？

我反问他：你的 AI，会不会越用越好？

他愣了一下：好像不会。每次新开一个对话，都像第一次认识一个新同事。

问题就在这里。他很会用 AI，但他从来没有管理过 AI。

这两件事的差距，比他以为的大得多。

AI 时代，成为有目标感、有判断力、有勇气的人

Mon, 22 Jun 2026 00:00:00 +0000

今天早晨刷短视频，无意间看到一句话：

「真正的自信不是你知道答案，而是你不知道答案的时候也相信自己能把它搞明白。」

刷过去又刷回来，反复看了两遍。说不上为什么被击中，但回想过去几年——从带团队做 AI 产品，到自己从零搭工具链——支撑我撑过来的，确实不是「我什么都会」，而是「不会但我能搞明白」。不是鸡汤，是真实感受。

「老」工程师在 AI 时代的价值

Tue, 02 Jun 2026 00:00:00 +0000

前几天，我的一位同事在内部发了一篇文章，标题是《AI 时代，工作十年的钉钉人如何从「专家」变成「乘数」》。起因是他读了另一篇关于校招生用 AI 加速成长的文章后，坐不住了——年轻人用 AI 一两周就跑通了以前需要几个月才能建立的工作节奏，那工作十多年的老同事呢？

他找了三位在钉钉超过十年的老架构师聊，得出了一个结论： AI 没有替代他们的经验，而是把经验变成了可以复制、可以扩展、可以乘以 N 的东西。

我在评论区写了一段话，后来觉得值得展开写一篇。

AI 时代，校招生如何成为好架构师

Mon, 20 Apr 2026 00:00:00 +0000

上周一个计算机大四学生加我钉钉问：“朱老师，我们宿舍最近吵翻了。一个室友说现在 Cursor 能秒写算法题，刷 LeetCode 是浪费时间，应该去学系统设计；另一个说大厂面试还在考八股，老老实实刷题才靠谱。我已经拿了 offer，再过 4 个月入职——我现在应该学什么？”

这个问题很典型。它背后其实藏着一个更深的认知误区——把"写代码"和"做架构"看作两个独立的阶段，仿佛 AI 替代了前者，后者就可以直接上手。

但真相恰恰相反。AI 不是让你跳过写代码，而是让你在写代码的过程中，同时训练架构思维。 传统的架构师成长路径是"先写 5 年代码，再学系统设计"，而 AI 时代的路径是"从你写第一行代码起，就让 AI 帮你同时跑两条线"。

这篇博客就是写给正在毕业、或者刚入职 1-2 年的计算机专业同学的。我会给你一个可以从今天就开始执行的成长路径。