今天一個很深的感受是： 不必焦慮自己沒有用 OpenClaw / Codex 這類 Agent build 出什麼“特別宏大、特別有價值”的東西🧐 先把 AI 用進自己的日常，哪怕只是為了提升體驗，本身就已經非常值了 我之前一直在折騰一件事： 想研發一個屬於自己的“AlphaGo”，去儘可能全自動通關《殺戮尖塔2》。 後來發現這條路並不順，離真正穩定、泛化、可靠的全自動還差得很遠。 但也是在這個過程中，我突然轉了個方向： 既然一時半會兒做不好“完全替我玩”，那為什麼不先做“高質量輔助我玩”？ 結果遊戲體驗直接直線攀升😎 這種提升，不只是“多打通了幾關”這麼簡單。 更重要的是，原來那些繁瑣、零散、重複的事情，被大幅壓縮了，而且還能做到高度私人定製。 比如第一個變化： 以前拿獎勵卡牌的時候，我經常要反覆去查網站，看這張卡強不強、適不適合當前構築。 現在我直接讓 AI 幫我做了個 Mod， 把指定網站上的卡牌評級數據，直接顯示到遊戲裡的卡牌名字後面。 也就是說，信息直接嵌進遊戲本體。 以前要麼自己來回查網頁，要麼只能等別人先把 Mod 寫出來。 現在我可以直接描述需求，讓 Agent 幫我把它做出來。 第二個變化： 以前很多攻略、經驗、路線判斷，主要靠自己記，或者臨時去翻攻略、搜視頻。 現在我讓 AI 直接把： 網上的經驗 已有攻略 以及我們自己的實戰記錄 綜合起來，生成策略建議。 而且這不是一個靜態攻略庫， 而是一個會隨著實戰不斷迭代升級的“專用外置大腦”。 我每次按下快捷鍵， 它就自動讀取遊戲內信息， 然後給出詳細、可定製的建議。 這和“去搜一篇通用攻略”完全不是一個體驗層級。 第三個變化： 人的記憶是有限的，而且會磨損。 以前一個遊戲隔很久不玩，再回來基本等於重新學習一遍。 以前你得重新回憶、重新查資料、重新建立感覺。 現在可以直接把這些經驗沉澱給 AI。 只要平時把文檔和過程記錄清楚， 下次回來時，外置大腦基本可以一鍵幫你恢復上下文。 如果這些事情全靠人自己做， 無論是記錄，還是閱讀記錄、恢復記憶，其實都很累。 但 AI 特別適合幹這種持續積累、隨叫隨到的輔助工作。 我現在越來越強烈地覺得： Agent 最容易被低估的一點，不是“它能不能直接替你做成一個大項目”， 而是它已經可以非常絲滑地嵌進各種具體場景裡， 去增強那些本來就需要動腦的事情。 遊戲只是一個例子。 只要一個場景裡包含： 信息檢索 上下文理解 經驗整合 實時判斷 長期記憶 AI 都有機會帶來巨大提升。 關鍵是，這套東西現在的建設成本，已經低到了非常誇張的地步。 如果你覺得 AI 還不夠聰明，很多時候問題未必出在模型本身， 而是出在兩個地方： 需求沒有描述清楚 沒有給足夠有效的上下文 AI 不是憑空讀心， 它更像一個能力極強、但需要被準確引導的系統。 你給它的目標越明確， 給它的上下文越紮實， 它輸出的質量通常就越高。 我一開始也覺得 AI 對《殺戮尖塔》這類具體遊戲有點懵。 後來我直接把幾個殺戮尖塔相關的開源項目、Mod 網站、攻略站地址都餵給它， 讓它去提取、理解、利用。 結果它很快就抓住了關鍵上下文， 開始持續交付遠超我預期的東西。 所以我現在的看法是： 目前這些 Agent，可能還不能讓一個沒什麼軟件工程經驗的人，輕鬆做出大型複雜系統。 但它們已經完全足夠幫助普通人， 圍繞現有的大型產品、遊戲、工作流， 搭建一層真正服務於自己的私人定製化軟件。 這件事的門檻，已經比很多人想象得低太多了。 如果一上來就逼自己“必須用 AI 搞個大項目”， 過程往往很痛苦，也很容易挫敗。 不如先把它帶進自己的日常場景裡， 先讓自己真實地感受到體驗上的質變。 當你真的開始離不開它時， 你反而會更有動力繼續探索、更復雜的方向。 這可能才是普通人擁抱 Agent 最現實，也最有複利的一條路。 以下是實際使用視頻，使用 Codex 搭建：