夜雨聆风
人的幻觉，有时候比 AI 的幻觉更严重。
这段时间，OpenClaw 很火。
它的火，因为它挂着本地 Agent、多 Agent、技能系统这些时髦标签，也因为它刚好踩中了当下很多人的心理：大家都隐约感觉到，AI 正在把工作方式往前推一大截，但多数人又还没真正建立起自己的新工作流。
于是每当这种看起来已经很完整的工具出现，人就会很自然地把自己的期待、焦虑和想象，一股脑地投射上去。
很多人看到它，第一反应不是它适不适合我的工作，而是别人都已经开始用了，我是不是也该赶紧装上。
这个念头一出来，后面的事情就偏了。
因为你关心的已经不是问题本身，而是自己有没有赶上这波热潮。
再往后一步，幻觉就出现了：
好像只要把它装上，本地跑起来，接上几个渠道，再配几个 Skill，自己就已经半只脚踏进一个人公司的时代；好像你离拥有一个数字分身，只差一条命令。
AI 时代有一种很典型的幻觉：把工具的出现，当成自己能力的获得。
一、你在焦虑什么？
很多人装 AI 工具，不是因为真的有明确需求，而是因为大家都在用。
朋友圈有人发 Midjourney 的图，社群有人聊 ChatGPT 新玩法，订阅号推送某某工具改变了我的工作方式，短视频里每天都在上演一个人顶一个团队的神话。
你看多了以后，很难不焦虑。
你会开始担心，别人是不是已经借着这些工具完成了一轮升级，而自己还停在旧时代的工作方式里。
这就叫 FOMO。
它当然不只发生在 AI 领域，但在 AI 这里尤其剧烈，因为 AI 带着一种能力跃迁的诱惑感。
买一件新硬件，学一个新软件，感觉都不太一样。接上 AI，你会有一种暗示：原来做不到的事情，现在有机会做成了。
问题恰恰在这里。FOMO 驱动的行为，最大的问题不是盲目，而是你根本不知道自己为什么要做这件事。
你不是从问题出发去找工具，而是从别人的热闹出发，倒推自己也该有一个。
没有目标的学习，很容易变成自我感动。没有问题的工具，也很容易变成数字闲置。
OpenClaw 这波热潮，本身就很能说明问题。它当然很强，也正因为强，所以更容易让人误判。
你看它的介绍，会觉得一切都已经就位了：它能接消息，能调工具，能管理文件，能执行任务，能持续运行。
你缺的仿佛只是一层调用能力，只要把这层能力接上，你原本那些分散、琐碎、推进困难的工作，就会自动被重新组织起来。
但现实不是这样。
现实是，很多人装完以后，马上会进入一种奇怪的停滞状态。
不是工具不能用，而是你忽然发现自己不知道该让它干什么：
不知道哪些任务值得交给它，不知道怎么给上下文，不知道什么时候该新开 Session，什么时候又该延续旧的，甚至不知道自己到底是想拥有一个助理，还是只是想暂时缓解一点被时代甩下的焦虑。
到这一步，问题就暴露出来了：人很容易把接触到强工具，当成已经拥有了驾驭它的能力。
这是两回事。
工具可以下载，能力得自己生长。
二、Photoshop 也没让你成为设计师
换个例子，这件事就更容易看清楚了。
Photoshop 是全世界最强大的图像处理软件之一，能做海报、修照片、合成特效，几乎涵盖了视觉创作的大多数场景。
但 Photoshop 普及这么多年，有多少人因为装了它，就真的成了设计师？
很少。
大多数人的状态其实很熟悉：装了，打开，面对一堆面板，不知道从哪里下手。
别说做海报了，裁一张图都要研究半天。
为什么会这样？原因并不复杂。
工具的强大和你会用它之间，没有必然联系。
Photoshop 只是一个放大镜，它放大的是你的能力，不是凭空创造能力。
你不会设计，不会配色，不会排版，装了 Photoshop 也依然不会。最多只是让你更具体地意识到，自己原来不会的东西，比想象中还多。
AI 工具也是一样。
很多人总以为，自己缺的是工具。文件太乱了，想装个 AI；任务太多了，想装个 AI；写作没思路了，想装个 AI；效率不够高，还是想装个 AI。
好像 AI 是一种万能中介，只要把它接进来，原本混乱的东西就会自动变得有序，原本拖延的工作就会自动开始推进，原本模糊的判断也会自动变清楚。
但事实恰恰相反。
一个人的工作如果本来就没有被组织好，那么 AI 进来之后，放大的通常不是秩序，而是混乱。
你的文件本来就乱，它只会更快地在乱文件里帮你生成更多内容；
你的任务本来就没有优先级，它只会更快地帮你把低价值的事情做得很热闹；
你的判断标准本来就不清楚，它也只会输出一堆看起来像那么回事的东西，让你更难分辨真正有用的部分。
工具不会替你生成结构。它放大你原有的结构。如果原来没有结构，被放大的就只是失控。
很多人不是在用 AI 提升效率，而是在用 AI 加速自己的混乱，只是因为速度更快、界面更新、反馈更即时，所以这种混乱看起来一度还挺像生产力。
三、打字就行是人类最大的幻觉
大模型刚出来那会儿，有个沟通说法叫提示词工程。
这个说法一流行，很多人立刻就产生了一种误会：仿佛只要学会怎么和 AI 说话，它就能帮你完成一切。
于是网上铺满了万能提示词模板、三句话让 AI 帮我写代码、一句话生成完整方案之类的内容，好像掌握了某种话术，就掌握了新世界的钥匙。
这纯粹是人的幻觉。
AI 会胡编乱造，这当然是幻觉。
但很多时候，人的幻觉比 AI 更严重。
AI 的幻觉，是输出一个看起来像真的答案；人的幻觉，是觉得自己只要说清楚，就能做到一切。
可问题是，打字谁不会？会打字，不等于会表达；会表达，不等于会判断；会下指令，更不等于真的知道自己想要什么。
提示词不是咒语，它只是一套上下文描述方式。
你觉得说清楚就行，但实际上，真正决定结果质量的，从来不是你说了多少字，而是你背后有没有清楚的目标、标准、边界和取舍。
你的目标是什么，你真的清楚吗？什么算好，你的标准是什么？什么算完成，做到什么程度算完？中间的边界在哪里，什么该做，什么不该做？
这些都不是 AI 能告诉你的，它只能在你明确目标的前提下，帮你更高效地到达。
所以，一个不懂业务的人，写不出好的提示词。
因为提示词的本质，不是让 AI 听懂，而是把你脑子里那些本来就存在的判断标准，翻译成 AI 能够执行的语言。
你觉得写合同就是把条款写清楚，但你心里真的清楚清楚是什么意思吗？哪些地方必须写死，哪些地方故意留白反而更有操作空间？
这些不是 AI 能教你的，它们本来就是你的专业能力。
你判断一份合同有没有风险的标准是什么，你区分一个案件要不要接的依据是什么，这些往往是多年经验的沉淀，不是看几篇提示词技巧就能学会的。
没有这些，写再多结构化提示词模板，也还是空中楼阁。
你以为你在指挥 AI，很多时候，你只是在暴露自己的思维盲区。
看似有用，不代表真的有用。
AI 没有把复杂问题变简单，它把复杂问题的入口，伪装成一场轻松的对话。
四、OpenClaw 也是一个 Photoshop
回到 OpenClaw。
很多人看到它的介绍，会觉得太棒了，这就是我需要的。
然后装上之后，发现不知道该怎么真正用起来。
这是必然。
因为 OpenClaw 确实强大，但它的前端又足够简单，一个对话界面，点几个按钮，好像就能跑起来。正因为这种表面简单，它更容易制造一种错觉：好像自己终于可以直接通过语言去调动复杂系统了。
这和 Photoshop 很像。（相对）简单的界面背后，是复杂的功能模块。
Skill 是什么，怎么写？Session 怎么管理，什么时候开新的，什么时候用旧的？上下文怎么构建，给多少信息才不算过度喂养？多 Agent 为什么要协作，协作的边界又在哪里？
这些问题没有统一答案，因为每个人的工作流不同，需求不同，沉淀不同。
你以为自己缺的是会不会用，实际上你缺的是一整套此前没有被显性整理过的工作结构。
所以，工具只是框架，真正的能力是你往框架里填的东西。
一个不懂自己工作流程的人，用 OpenClaw 和用 ChatGPT，很多时候没有本质区别，反正都是问一句，答一句。
换句话说，他并没有真的进入 Agent 协作的阶段，只是把原本的对话式使用，换了一个更复杂也更容易让人兴奋的界面。
到这一步，问题就清楚了：
AI 对每个人原本都差不多。你和别人用同一个模型，问同一个问题，得到的东西大同小异。因为 AI 不知道你是谁，也不知道你有什么特别。
只有你不断地把自己暴露出来，给 AI 足够多作为你自己的上下文，它才有可能真正产出对你有用的东西。
这也是 OpenClaw 这类工具真正有意思的地方。
它不是单纯替你做事，而是在逼你第一次正视一些以前可以一直糊弄过去的问题：你的工作流到底是什么样的，你的上下文应该如何保存，你的项目该如何拆分，哪些信息要长期记住，哪些信息只属于一次性会话。
到这一步你会慢慢发现，问题已经不是会不会用某个 AI 工具。
真正的问题是：你有没有一个足够清楚、足够稳定、足够可维护的自己。
如果没有，工具越强，幻觉越强。你容易产生一种错觉，好像自己已经可以跳过这些基础工作，直接进入高阶协作。
但你跳不过去。
凡是原本需要你承担的判断、组织、取舍和维护，它们只会以另一种方式重新回来。
五、所以你应该怎么做？
写到这里，不是劝退。
只是想让人冷静下来想一想。
最糟糕的状态，不是不会用 AI，而是在一轮又一轮热潮里反复兴奋、反复配置、反复失望，最后把自己弄得像是在学习，实际上却没有真正解决任何问题。
第一，先找问题，再找工具。
不要因为这个工具很火就去学。先问自己，我的痛点是什么？什么工作让我反复重复劳动？什么任务让我觉得繁琐，或者总是推进不下去？
你只有先把问题钉住，工具才有位置。否则你得到的只是一堆看起来很先进、实际上和你生活没有真正关系的功能列表。
第二，工具要学，但别只学操作。
学一个工具，不只是学怎么点按钮，而是学它背后的设计逻辑是什么。
OpenClaw 的 Skill 机制为什么这样设计，Session 为什么要这样管理，上下文为什么不能一次给太多，这些都不是枝节，而是它之所以能工作、或者之所以会失控的核心。
只学操作的人，最后只能停留在表层试用；理解设计逻辑的人，才有可能把工具真正嵌进自己的工作流里。
第三，接受学不会这件事。
不是所有工具都适合所有人，也不是所有阶段都值得把某个工具硬塞进来。
如果你发现自己装了某个 AI 工具，但三个月没打开过一次，这不一定是你的问题，也可能只是它真的不适合你现在的需求。
删掉它，不丢人。
真正丢人的，不是卸载一个不适合的工具，而是为了维护我没有落后的幻觉，继续假装自己在使用它。
结语
OpenClaw 很火，这没有问题。
真正值得警惕的，是人会在这种热潮里迅速产生一种错觉：好像自己终于可以不必那么费力地面对复杂性了，好像只要把一个更强的 AI 工具接进来，原本那些定义不清的问题、组织不好的信息、推进不了的项目、拿不稳的判断，都可以被一起打包带走。
但复杂性不会因为一个新工具出现，就自动退出历史舞台。
它只会暂时躲起来，躲进更顺滑的界面里，躲进更聪明的反馈里，躲进打字就能搞定的承诺里。
等到你真正开始用它做事，开始要判断结果，开始要接管细节，开始要维护系统，它就会重新出现，而且往往会以一种更集中、更难回避的方式出现。
到那个时候，你会明白一件事：
AI 时代最需要被修正的，也许不是模型的幻觉，而是人的幻觉。
因为模型只是会胡说。人却会在一次又一次的热潮里，误把工具当能力，误把入口当掌控，误把新鲜感当生产力。
模型的错误通常还能被发现，人的这种误判却更隐蔽，因为它往往以行动的形式出现。
而这，才是更常见也更难识别的问题。
新增微信交流群
如果人满或者过期了，可以添加我微信我手动拉群
作者
杨卫薪律师/专利代理师/律所 AI 部门负责人/ SuitAgent 框架开发者
专注知识产权、数据与 AI
探索法律 AI 工程化、Vibe Working System、Context Engineering
