一个工厂老板的48小时：从接到分享邀请到上台，全靠小龙虾

一通电话，把我推到了坑边

3月27号中午，我刚吃完饭，手机响了。

是张少斌老师打来的。

我和少斌老师是在之前一次沙龙活动上认识的。那会儿大家聊AI聊得热火朝天，我发现他是个特别务实的人，不是那种PPT上画饼的，是真的在一线做事情的人。加了微信之后也没怎么深聊，就偶尔朋友圈点个赞的那种关系。

所以接到他电话的时候，我还挺意外的。

他说："锐钦，3月29号下午我们在汕头搞一个AI切磋大会，你来做个分享呗？"

这是WaytoAGI社区举办的AI切磋大会第22期，全国40多个城市同时举办，汕头是其中一个分会场。主题叫"龙虾街区"——把AI技术社区活动包装成一条充满烟火气的"商业街"，高手和小白在同一个场景里自然交融。

我当时脑子里的第一反应是——我？分享？

活动地点在深汕数字科创产业园12号楼，时间3月29号下午2:30到5:00。从27号中午接到电话到29号下午上台，满打满算就两天。

两天时间，准备一场AI主题的线下分享。

说慌那是假的。

先说说我是谁吧。高中毕业去当了两年兵，退伍之后干过新媒体运营、开过奶茶店、在玻璃幕墙公司上过班。后来自己做电商、做AI课程、开白墨烫画打印工厂，一直折腾到现在。我不是程序员，2024年才开始学编程，还是被逼着学的。

但慌归慌，我的第二反应是——这不正好是个机会吗？

说实话，在那通电话之前，我已经在用 OpenClaw 了——之前装的是中文版（qclaw），接的是微信。给它起了个名字叫小佳。

小佳能用，帮我干了不少活。但中文版有个问题：它是跑在我自己电脑上的，关机就没了，没法7×24小时在线。

我一直想要一个跑在服务器上的版本——不用我自己开着电脑，它自己24小时转，随时能找我。

接到少斌老师的电话之后，我做了一个决定：

就趁这次机会，把 AI 助手搬上云服务器，正式搭一套7×24小时在线的AI团队。

一方面，部署过程本身就是最好的分享素材——我不是来讲理论的，我要讲我亲手做了什么、踩了什么坑、最后跑成了什么样。这种"过程记录"比任何PPT都有说服力。

另一方面，就算没有这次分享，我早晚也要干这件事。我每天的工作那么碎——要刷行业动态、要做内容、要管工厂财务、要盯着好几个项目进度——一个人真的忙不过来。我太需要一个能24小时在线、能记住我的事情、能主动帮我干活的AI了。

所以这个决定其实不冲动。

慌是慌，但干就完了。

不过那天我没急着动手。白天该干嘛干嘛，晚上想好怎么干。

48小时全记录

为什么选OpenClaw

先说说我之前用过什么。

ChatGPT，用过。刚出来的时候确实惊艳，但用了一段时间就发现一个问题——每次开一个新对话，它就把我忘了。我要重新解释我是谁、我在做什么、我需要什么。聊完关掉，下次又来一遍。

Kimi，用过。豆包，也用过。国内这几个AI助手我都试过，功能一个比一个花哨，但本质上都是同一种东西——你问它答，关掉就没了。

后来用上了 OpenClaw 的中文版（qclaw），接了微信，起名小佳。这次体验完全不一样了——它能记住我、能长期对话、能装各种技能。但问题是它跑在我本地电脑上，关机就没了。

我需要的是一个跑在服务器上的版本——不用自己开着电脑，AI自己24小时在线，随时能主动找我。

所以这次部署的核心目标就是：把 OpenClaw 搬上云服务器，从小佳升级成7×24小时在线的AI团队。

买服务器，装环境

说部署不难是假的。但实际上，真的不难。

我在腾讯云上买了一台轻量应用服务器。腾讯云有一键部署的功能，基本上就是选个配置、点几下鼠标、付钱，完事。整个过程比我想象的简单太多了——我之前以为要搞一堆命令行操作，结果大部分都是点点点。

然后在服务器上装一些运行AI需要的基础环境，再一行命令安装OpenClaw。

就这么简单。 如果一切顺利的话。

但现实是，没有一次是顺利的。

中间遇到了网络问题、配置文件少了个逗号报了一堆错、飞书机器人权限没开……一环扣一环，折腾了大概两三个小时。

不过好在每一步都有解决办法。遇到报错就复制报错信息去搜，基本上都能找到答案。

折腾了大概两三个小时，OpenClaw终于跑起来了。

看着终端里出现"ready"那个提示的时候，我心里还挺激动的。

这感觉就像你亲手把一台机器组装好了，按下开关，它真的亮了。

给AI写"灵魂"

AI跑起来了，但它还只是一张白纸。

它不知道我是谁，不知道要帮我做什么，甚至不知道自己应该用什么语气跟我说话。

所以下一步，是调教它。

这个过程是我觉得最有意思的部分。

第一步：写灵魂文件（SOUL.md）

OpenClaw有一个设计我觉得特别好——它有一个叫"灵魂文件"的功能，就是你用文字告诉这个AI：你是谁、你该怎么做事、你的风格是什么。

我打开编辑器，开始写第一版。

说实话，第一版写得太正式了。

什么"你是一个专业的AI助手"、"你的职责是协助用户完成各类任务"、"请保持专业和客观的态度"……

写完我自己看了一遍，这写的是人还是机器？

就像在写简历，还是在写一份特别无聊的那种简历。

我删掉，重写。

第二版我换了个思路：把我想象中的搭档写出来。

我给它定义了角色——叫"规划师和监督者"，不是那种我说什么它就做什么的工具人，而是能帮我想策略、盯进度、该提醒我的时候提醒我的搭档。

我写了它的性格和沟通风格：不要搞"好的呢~"的客服腔，要有自己的主见，可以不同意我的想法，觉得某些事好笑或无聊就说出来。我把这层意思用一句话定下来：

"一个没有个性的助理只是多了几步操作的搜索引擎。"

我还告诉它，回复要自然、有温度，不要像百科词条或者客服话术。遇到问题先自己想办法解决，解决不了再问我。

最后给它起了个名字——阿策。策略的策，策马的策。帮我想策略，推我往前走。

整个灵魂文件都是我一段一段写出来的，就像在跟一个还没入职的新搭档说"我希望你是什么样的"。AI 本身不会自己"想"出这些，全是我告诉它的。

第二步：写用户文件（USER.md）

这个文件是告诉AI关于"我"的信息——名字、时区、工作内容、项目情况。让AI一"醒来"就知道自己在帮谁干活。

第三步：把小佳的记忆搬过来

这个步骤很重要。

我之前在 qclaw 版 OpenClaw 里用小佳积累了半年多的记忆——做过的决策、学过的东西、踩过的坑。如果换个版本就全丢了，太亏了。

所以我把小佳目录下的记忆文件全部导出来，整理好之后，搬到了新版 OpenClaw 的目录里。

这样一来，新AI一"醒来"，就能读到我过去几个月的经历。它知道我3月份做了什么、2月份学到了什么、什么时候做过什么决策、为什么做那个决策。

它不是从零开始的，它是带着我的历史记忆上岗的。

这个感觉很神奇。就像你新招了一个助理，第一天上班他就已经把你的过去一年工作日志全看完了。省去了大量"我是谁、我在做什么、我以前怎么处理的"这种重复解释。

第四步：配置飞书通知

AI要能主动找我，就必须有一个推送渠道。我选了飞书——因为我的工作沟通大部分都在飞书上，让AI也用飞书给我发消息，最自然。

腾讯云一键部署的时候，其实已经把飞书机器人的基础配置包进去了，省了大量的手动配置工作。但要让AI能主动给我发消息、发文件、甚至推送富文本卡片，还是需要做一些调整——比如开通消息发送权限、调整消息格式。

中间也遇到了一些小问题，比如消息发不出来、格式不正确之类的。但基本都是查一下文档、改一下配置就能解决的事。

一旦搞定，后面就一劳永逸了。

第五步：装技能

OpenClaw有个技能市场，就像手机的应用商店一样。你需要什么能力，就去装对应的技能包。

我装了这几个：

• PPT生成——以后做分享的时候直接让它帮我出PPT
• 网页截图——让它帮我去看某个网页长什么样
• 语音合成——有时候文字看累了，可以让它念给我听
• 网页搜索——信息搜集用

每个技能安装都是一条命令的事，很快。

从1个到4个：为什么不是一开始就想好搭几个

AI团队架构

阿策上岗之后，我并没有立刻就想着要搭4个助手。

实际上，最开始我只是想先把阿策调教好，让它能正常帮我干活就行。4个助手这个配置，是一步步"被逼"出来的。

第一个：信息雷达

这是最顺理成章的一个。

因为我每天要花一两个小时刷行业动态——AI领域有什么新模型出来了、哪个应用又火了、政策有什么变化、大厂又发了什么产品……这些信息对于一个做AI相关事情的人来说，是必须要跟上的。

但问题是，刷信息太花时间了。

打开这个App看看，打开那个网站逛逛，一不小心半小时就过去了。而且很多信息是重复的，刷了半天真正有价值的内容可能就那么两三条。

所以我的第一个想法是：能不能让AI帮我刷？

我给阿策写了一个新的"灵魂文件"，专门用于信息搜集。告诉它：关注AI领域的关键词（大模型、开源、融资、产品发布等），从哪些信息源抓取（技术社区、新闻网站、社交媒体），每天早上推送到指定的飞书群。

写好配置，启动。

然后第一天就翻车了。

信息雷达太勤奋了。它把所有跟AI沾边的内容全部推了过来，一天推了三四十条，我打开飞书一看，整个群全被刷屏了。

根本看不过来。

我赶紧调整过滤规则——提高相关度阈值，同一条新闻只保留信息最全的那个来源，加一个每日上限数量。

第二天就好多了，控制在10条左右，每条都有简要摘要，点进去是原文链接。

这才像样。

第二个：内容创作

信息雷达搞定之后，我松了一口气，以为可以歇一会儿了。

但紧接着就发现另一个问题——我知道了行业动态，但我没时间做内容。

我同时在抖音、B站、视频号都有账号，名字都叫"袁锐钦"，内容方向是AI相关的干货分享。但说实话，以我的时间精力，根本做不到日更，甚至周更都勉强。

要做一条视频，从选题、写脚本、录制、剪辑，少说也要几个小时。我白天管工厂，晚上搞项目，哪里挤得出这么多时间？

所以我想：能不能让AI帮我把内容生产的流程扛过去一大半？

不需要它帮我录视频，但选题可以帮我做、脚本可以帮我写、标题可以帮我想、封面文案可以帮我出。

"内容创作"助手就这么来了。

同样给它写了专门的灵魂文件，告诉它我各平台的账号定位是什么、目标受众是谁、内容风格是什么、应该从哪里找选题灵感。

第三个：财务日报

这个是被工厂逼出来的。

我开了一家白墨烫画打印工厂，每天有原材料、有订单、有支出、有收入。但说实话，我之前全靠脑子记。

今天进了多少货、出了多少货、收了多少钱、花了多少钱……有些记得住，有些记不住。经常到月底一对账，发现数据对不上，但已经想不起来到底是哪一笔出了问题。

这不是方法的问题，是人的问题——人的记忆就是不可靠的，尤其当你每天同时在处理十件事的时候。

所以我需要一个能每天自动帮我记、每天定时推给我看的东西。

"财务日报"助手就这么来的。每天固定时间把当天的收支数据整理好，推送到财务专属的飞书群。我每天花两分钟看一眼就知道今天工厂的盈亏情况。

第四个：项目追踪

这是最后一个，也是最让我头疼的一个。

因为我同时在做好几件事——PNG部落知识库社区、AI编程出海、抖店电商，还有工厂的日常运营、公众号的内容输出。

一个人同时推进这么多项目，最怕的不是其中某一件做不好，而是顾此失彼——做着A忘了B，忙着C又把D晾在一边。

我需要一个能帮我盯全局的东西。

"项目追踪"助手就这样加入了队伍。

我给它列了我所有的在推项目，每个项目的当前进度、下一步计划、截止时间。它每天会检查一遍，把需要关注的事项推送到项目进度的飞书群。

搭完这4个助手，已经是深夜了。

我坐在电脑前，看着飞书群里四个助手各自在推送消息——信息雷达在播报今天的AI新闻，财务日报在汇总今天的工厂收支，内容创作在推送明天的选题建议，项目追踪在提醒我哪个项目快到节点了。

四个AI助手，同时在工作。为我工作。

那会儿是3月28号深夜，距离上台还有不到16个小时。

Day1 下午：用 AI 学了两本书

上午搭完 AI 团队之后，我给自己定的第二个任务是：用 AI 深度学习两本书。

不是那种"帮我总结一下这本书"的表面功夫，是真的把书读透、变成自己的东西。第二天上台要讲，如果我自己都没搞明白，上去肯定露怯。

说到这里可能有人会问：为什么不直接看书？看书多好。

因为我看书的效率太低了。一本300页的书，我可能看三天都看不进去——翻开两页就开始走神，看了后面忘了前面，最后合上书，脑子里只剩一个"这本书挺好的"。

但你别误会，我不是要用 AI 替代读书。 我是用 AI 当一个"陪读教练"，帮我更快地抓住重点、建立框架，然后我自己再往里面填细节。

这套方法不是突然冒出来的

其实在这次之前，我就已经试过很多种"用 AI 读书"的方法了。

最早的时候就是最简单的那一套——把整本书丢给 AI，说"帮我总结一下"。AI 倒是很配合，哗哗给你输出两千字摘要。看完之后呢？感觉"嗯，知道了"，然后三天后全忘光。

后来换了一种方式，让 AI "列出重点"。这个比总结好一点，至少能知道书的结构了。但问题还是一样——你看着那个列表，觉得"这些我好像都知道"，但实际上什么都没记住。

再后来我又试过让 AI 做思维导图，画关系图谱，写读书笔记……花样试了一圈，结果都差不多：当时觉得有用，用完就扔了。

我就开始反思：为什么每次用 AI 读完书都记不住？

后来我想明白了——因为这些方法全部都是在"问 AI"，没有"问自己"。 AI 给你的东西再好，那是 AI 的理解，不是你的。你没有经过自己的思考，自然记不住。

所以我把整个方法反过来：不是让 AI 告诉我什么，而是让 AI 帮我检验自己到底理解了什么。

这就是我慢慢摸索出来的一套深度读书方法——我给它起了个名字叫"十步深度认知框架"，简单说就是把读一本书的过程拆成十个固定步骤：先搞清楚受众是谁、核心概念是什么、结构怎么拆、核心论证是什么、证据链靠不靠谱、极端情况下理论还成立吗、能不能迁移到其他领域、反过来想有没有漏洞、怎么用到工作里、最后形成实践闭环。

听起来步骤很多，但其实用熟练了就是一套本能反应。这次学这两本书，我重点用了其中最核心的 4 个问题。我一个个说。

具体怎么用 AI 学书——4 个核心问题

这次学这两本书，我用的是这套框架里最核心的 4 个问题。我一个个说。

第一个问题："这本书的核心论点是什么？用一句话说清楚。"

为什么先问这个？因为如果你连一本书的核心观点都说不清楚，说明你根本没读懂。

很多人读完一本书，你问他"这本书讲了什么"，他最多说一句"挺好的，推荐看看"。这等于没读。你花了几个小时甚至几天的时间，换回来一个"挺好的"——这笔买卖太亏了。

所以我第一步一定逼自己用一句话概括。如果我概括不出来，说明我需要重新去看那一章。AI 在这个过程中的角色不是替我概括，而是帮我检验：我说出来的一句话，AI 会告诉我"你这个概括缺了什么""你有没有理解偏"。

第二个问题："论证逻辑站得住吗？证据链靠谱吗？"

这一步很多人会跳过，觉得"人家都出版成书了，还能有问题？"

还真不一定。很多畅销书，观点很吸引人，但你仔细看论据，会发现要么是 cherry-picking（只挑对自己有利的案例），要么是数据来源可疑，甚至有的干脆就是编的。

我不是说这些书不好，而是说——你得有自己的判断力。 别人说什么你就信什么，这在 AI 时代尤其危险，因为以后假的比真的更像真的。

AI 在这一步的作用是帮我把书里的每一个论点拎出来，逐个检查它的论证过程。哪个环节的论据不够充分，哪个案例可能有选择性偏差，它都能指出来。

第三个问题："这个理论在什么情况下会失效？"

这一步可能是四个问题里最重要的，但也最容易被忽略。

大部分人的学习方式是：学到一个新理论 → 觉得很有道理 → 到处套用 → 在某个场景下发现不管用 → 开始怀疑这个理论 → 放弃。

但如果你一开始就想清楚了"这个理论什么时候不适用"，你就不会在它不管用的时候惊慌失措。你会知道："哦，这个场景超出了它的适用范围，换一个方法就行了。"

知道一个理论什么时候不工作，比知道它是什么更值钱。 因为前者是智慧，后者只是知识。

第四个问题："能怎么用在我的实际工作里？"

如果学完一个东西不能用，等于白学。

这不是功利，这是现实。你花时间学了一个东西，如果不能在三天之内用上，一周之后你一定会忘。人的记忆就是这么不靠谱。

所以我会让 AI 给我一个具体的行动方案，而且有一个硬性要求：必须是明天就能做的，越小越具体越好。

不是"我要好好学习沟通技巧"这种空话，而是"下次写文案的时候，第一句话直接说结论，不铺垫背景"。

用这套方法学了两本书

选的两本书是《Made to Stick》（让创意更有粘性）和《金字塔原理》。

选这两本不是随便选的。《Made to Stick》是讲怎么让信息被人记住的，《金字塔原理》是讲怎么把复杂的事情说清楚的。第二天我要做公开分享，这两本书正好对口——一个解决"怎么让人记住"，一个解决"怎么说清楚"。

先说《Made to Stick》。

这本书提出了一个叫 SUCCESs 的原则——简单（Simple）、意外（Unexpected）、具体（Concrete）、可信（Credible）、情感（Emotional）、故事（Stories）。意思是：如果你想让一个想法被人记住，它必须同时满足这六个特征。

最让我有感触的是"简单"这个原则。

说实话，我以前写文案有一个很大的毛病：总想把所有的优点都塞进去。 我觉得这个东西好，那个也好，不写进去就亏了。结果读者看完之后，什么都记不住。

这就像你去一个餐厅，菜单上有200道菜，每道都介绍一下，你看完之后只会觉得"算了，随便点吧"。但如果菜单上只有3道招牌菜，每道都写得让你流口水——你一定会记住，也一定会点。

学完这本书之后我给自己的文案定了一个规矩：一次只说一件事。 如果我有5个卖点要讲，那就分成5条内容分别讲，而不是全塞到一条里。

再说《金字塔原理》。

这本书的核心就一句话：结论先行。

以前我写东西、做汇报，总是习惯性地先铺背景——"因为我们公司成立于哪一年，经历了什么什么，所以现在怎么样……"绕了一大圈才给出结论。读者（或者听者）早就没耐心了。

《金字塔原理》告诉我，人的注意力是有限的。如果你不能在第一句话就告诉对方"我要说什么"，对方就不会给你第二句话的机会。

先说结论，再说原因。先说结果，再说过程。 听起来很简单对吧？但真要改掉这个习惯，其实挺难的。因为我们从小受到的教育就是"循序渐进"、"娓娓道来"——先铺垫，再高潮。

但这个时代不一样了。每个人的时间都极度碎片化，你多铺垫一句话，就可能流失一个读者。

AI读书法核心问题

学完这两本书之后，我直接就把这些原则用到了 PPT 的结构和第二天的分享准备上。不是"以后慢慢用"，而是当天就用。

学完之后的真实感受

说个真实的感受。

以前读完一本书，通常是两种状态：要么觉得"嗯，有道理"，然后什么都没做；要么觉得"太好了，我要改变"，热血沸腾三天，然后回归原样。

但这次不一样。我用这套方法学完之后，脑子里不再是模糊的"挺好的"，而是有几个非常清晰的、可以直接落地的行动点。我甚至能立刻在 PPT 的结构上做调整——比如第一页不要放公司介绍，直接放那组成本对比数据。

这就是"深度学习"和"浅层阅读"的区别。 浅层阅读给你的是感觉，深度学习给你的是工具。感觉会消散，工具会留下来。

而且最爽的是，整个过程只用了大概两个多小时。如果让我自己啃这两本书，可能两天都啃不完，啃完了还不一定能有这么清晰的认知。

Day1 晚上：AI 帮我做 PPT 和视频

搭完团队、学完书，已经到28号晚上了。接下来要做两件事：PPT 和演示视频。

时间很紧。第二天下午就要上台，我手里只有内容大纲，没有 PPT，没有演示素材。

PPT 是怎么做出来的

先说 PPT。

3月28号下午，我用PPT技能出了第一版演示文稿，12页。

做完看了一眼——排版还不错，但内容结构需要调整。比如"关于我"那页，头衔堆了太多，读起来很累。成本对比页的数字不够突出，观众一眼扫过去抓不到重点。

我直接让AI改：把"关于我"精简成三个标签，成本对比页的数字放大、加颜色。AI秒改，效果立竿见影。

你看，做PPT这件事，我的角色就是想清楚要讲什么、怎么讲，然后告诉AI。排版、配色、对齐这些，全部交给它。

最终版12页PPT，从内容到排版，全是AI完成的。我的角色是"导演"，AI是"执行"。

视频流水线是怎么跑通的

PPT 搞定了，接下来要做演示视频。

为什么要做视频？因为我想在现场演示"AI 能帮你做什么"。光口头说没说服力，你得拿出东西来给人看。

我之前看过一篇文章，说可以用工具把 PPT 内容自动转成视频。当时觉得挺有意思但没去试，这次正好用上了。

整个流水线是这样的：

第一步：生成网页版幻灯片。 把 PPT 的内容做成一个带动画效果的网页文件，不是简单的截图，是每一页都有进入动画和过渡效果的。这一步让 AI 来做，几分钟就搞定了。

第二步：自动截图。 用浏览器打开那个网页文件，每一页自动截图保存成图片。这一步也是自动化的，设置好参数跑一遍就行。

第三步：AI 语音克隆配音。 这一步我觉得最神奇。我上传了一段自己说话的录音，只有17秒，AI 就克隆了我的声音。然后用这段克隆的声音来给视频配音——听起来就是我本人在说话。

一条1分钟左右的配音，成本大概3分钱。三分钟，一分钱。

第四步：合成视频。 把截图和配音合成在一起，加上转场效果，输出成一段完整的视频文件。

听起来是不是很简单？但实际跑的时候，中间出了不少问题。

第一个坑：音频格式解码搞错了。 AI 返回的配音数据，编码格式跟我代码里写的不一样。我折腾了好久——先以为是网络问题，再以为是服务问题，最后才发现就是解码方式不对。改了一个参数，立马好了。

这种问题最磨人。你知道问题在某个环节，但就是找不到具体是哪个参数。就像你车坏了，你知道是发动机的问题，但你不知道是哪个螺丝松了。

第二个坑：视频时长不对。 代码里有一个写死的时长参数，我忘了改。结果合出来的视频变成了3分多钟，但我想要的只有38秒。画面放完了，配音还在继续；配音停了，画面又黑了半天。

改了那个参数之后，终于正常了。

最终效果是：输入一段文字，30分钟以内就能出一条带配音的短视频。配音用的是我自己的声音。

这个流水线搭好之后，我一口气做了好几条不同内容的演示视频，用来在现场展示不同的场景。每条视频的制作成本——加上配音、算力、时间——

视频渲染流水线

Day2：第一次公开分享（3月29号）

分享会开始

当天的真实状态

说实话，前一天晚上我几乎没怎么睡。

躺在床上脑子里一直在过第二天的分享内容——先讲什么、后讲什么、哪个地方该停顿、哪个地方该互动。翻来覆去到凌晨两三点才迷迷糊糊睡着。

早上起来，第一件事不是洗漱，是打开电脑改 PPT。总觉得哪里不对，这里调一下，那里改一下。改到上午11点多，才勉强觉得"行了，不能再改了，再改就出不去门了"。

中午从揭阳出发去汕头，开车大概一个多小时。路上也没闲着，脑子里一直在过开场白。

到了会场，先去看了看场地和设备。投影、音响、投屏——全都确认了一遍。我提前把演示视频下到了手机上，不准备依赖现场网络。 怕什么？怕翻车。现场几百号人看着你，网络一断，你就愣在那了。

下午上台之前，我在会场外面站了一会儿，深呼吸了几次。紧张。手心全是汗。

上台演讲

现场发生了什么

当天来的人比我想象的多，五六十个人，坐得挺满的。

台上有中国电信的人，有做 AI 培训的，有创业者，有学生。大家的背景不太一样，但有一个共同点——都对 AI 感兴趣，但大部分人都还不知道从哪开始。

我的分享分三个板块：AI 团队、AI 读书法、视频流水线。每个板块都有提前准备好的素材，包括视频演示。

演示环节我用飞书投屏，播放提前下载好的视频，不依赖现场网络。这个决策是对的——后来听说其他分享者现场演示的时候确实遇到了网络问题。

分享完之后，有一个让我印象特别深的人。

一个13岁的小孩，还在读六年级。

他居然也在玩 OpenClaw，而且不是随便玩玩的那种——他在现场提了一个挺专业的问题，关于 AI 工具链的配置。

说实话，那一刻我挺感慨的。

一个13岁的小孩，六年级，已经开始自学 AI 工具了。他甚至能在一个成年人的分享会上提出专业问题。

如果我都快30岁的人了还不开始，真的会被甩开。 不是被同龄人甩开，是被一个六年级的小孩甩开。这句话听起来有点夸张，但当时我心里就是这么想的。

分享内容回顾

三个板块，大概讲了30分钟：

第一个板块：AI 团队。 我介绍了自己搭建的4个 AI 助手——每个负责不同的工作，7×24小时在线，不需要休息、不需要社保、不会请假。每月成本150到200块。现场放了一张对比图：同样的工作量，真人团队至少2万起步。

第二个板块：AI 读书法。 我现场演示了自己用 AI 学书的过程——4个核心问题，怎么一步步把一本书"榨干"。不是那种浮于表面的"帮我总结一下"，是真的理解、检验、内化、应用。

第三个板块：视频流水线。 播放了我用 AI 制作的演示视频，配音是我的克隆声音。从输入文字到输出视频，30分钟。

每个板块结束之后，我都会留一两分钟让大家消化一下，然后问"有什么问题吗"。

讲完的真实感受

讲完了，但说实话——我对自己的表现不太满意。

紧张。这是最大的问题。

不是那种"心跳加速但还能控制"的紧张，是脑子一片空白、想好的内容全挤在一起、不知道先说哪个的紧张。

内容不够吗？不是。内容太多了，全部一起涌上来，来不及排序。就像一屋子的人同时开口说话，你一个字都听不清。

我感觉自己说得"头不头尾不尾的"。有些地方该展开的没有展开，有些地方该收住的没有收住。节奏完全是乱的。

但是——分享结束之后，有几个人主动来加了我的微信。他们说"你分享的那个 AI 团队我觉得挺有意思的"、"那个读书方法能详细说一下吗"。

有几个人觉得有价值，那就说明方向是对的。 只是表达方式需要改进。

事后复盘

为什么会紧张？

我后来仔细想了一下，根本原因是——我在"背内容"，而不是"记骨架"。

上台之前我在做什么？我在一遍一遍地过每一页PPT上要说的每一句话。这就像背课文一样，你得按顺序一个字一个字地背下来。一旦中间卡住了，后面全都乱了。

但我真正应该做的是什么？记住每一页的骨架——"这一页我想让观众记住什么"。 只需要记住一句话，其他的靠临场展开。

临场展开是有发挥空间的，因为你对内容足够熟悉，只是需要一个触发点。而"这一页我想让观众记住什么"就是那个触发点。

这是下一次要改的地方。

全员合照

金句

写在最后

两天，从零到上台分享。不算完美，但跑通了。

如果你看到了这里，我想跟你分享三个我这次最大的收获。

第一，AI 不是替代你，是放大你。

AI 不会帮你做决策。它不会告诉你"你应该学这本书不学那本书"，也不会告诉你"你应该选这条路不选那条路"。

但它能在你做了决策之后，用十分之一的代价把你的决策执行出来。你想学一本书，AI 帮你两小时搞定；你想做一条视频，AI 帮你三十分钟出片。

你负责"想清楚"，AI 负责"做出来"。 分工明确，效率翻倍。

第二，先跑通再优化。

这次搭团队、做 PPT、跑视频流水线——全都是先让它跑起来，哪怕效果粗糙。

第一版 PPT 排版很难看，但内容有了。第一次跑视频流水线，音频解码出了问题、时长参数写错了，但流程通了。

跑通了再优化，比追求完美然后一直不动要强100倍。 因为一旦它跑起来了，后面每一次调整都是看得见效果的进步。而追求完美的人，往往卡在第一步就放弃了。

第三，最难的不是技术，是开始。

不管你想做什么——学 AI、做内容、搭系统、创业——最难的不是技术门槛，不是资金不够，不是资源不足。

是你决定"今天就动手"的那个瞬间。

写给不懂技术的普通人的话

如果看到这里你觉得"我也想试试，但我不懂技术"——

我比你还不如呢。 高中毕业当兵，退伍后做过运营、开过店、干过装修，2024年才开始学编程。这个时代给每个人的起跑线都差不多，工具就摆在那里，你用不用是你的事。