夜雨聆风
卸载OpenClaw之后，我反而想明白了一件事
别让“害怕错过”，变成“什么都试过”。
上一篇文章《试用两周后，我把OpenClaw卸了》发出去后
有人说“同感，我也卸了”；
有人说“是你不懂技术”；
也有人说“那你卸了之后怎么办？难道就不追AI了吗？”
最后一个问题，问到了点子上。
是的，卸了之后，我每天看着满屏的“XX AI又炸天了”“再不学就被淘汰”，说不焦虑是假的。
但作为一个在医院摸爬滚打十几年的“老后勤”，我越来越确信：
如果把时间全花在试用每一个新AI上，那本身就是最大的浪费。
今天不讲工具，聊聊我卸掉OpenClaw后，真正在做的事。
新事物刚出来，最热闹的总是两拨人：卖课的和尝鲜的。
前者希望你焦虑，后者希望你羡慕。两者一叠加，就有了“再不进场就晚了”的集体狂欢。
但真相往往是：
它没宣传的那么神，也没反对者说的那么烂。
它只是处在一个特定阶段——对极客是宝藏，对普通人还太早。
OpenClaw就是典型。
设想很迷人（数字员工），现实很骨感（开发者玩具）。两大硬伤我绕不过去：
烧钱：心跳机制、全屏扫描，哪怕躺着也在烧Token；
危险：一个能读文件、发邮件、控电脑的AI，权限失控谁负责？
这两个问题，不是我能解决的。
所以我选择：让子弹飞一会儿。
让极客去踩坑，等大厂把它打包成“一键可用”的SaaS，我再付费。
这不是落后，这是对时间和金钱的尊重。
卸了之后怎么办？
回到自己的领域，把事做深。
我管后勤、安保、设备、信息。
这里没有那么多高大上的需求，全是琐事：
设备报修、采购审批、巡检记录……
这些东西，不需要“全能AI”，只需要懂业务的半自动化。
于是我用飞书多维表格+AI，自己搭了一套后勤管理系统：
用户填单 → 自动派单 → 维修闭环 → 数据统计算法。
AI只做辅助，决策依然是人。
这套系统给我的便利，远比一个“会抓屏幕的龙虾”实在得多。
为什么？
因为我知道报修单要哪些字段，审批有哪些分支，报表要看哪些数据。
这是我十几年攒下的“底子”。
AI能加速，但不能替你思考。
你连SOP都说不清，AI怎么帮你自动化？
所以下半场的核心不是追工具，而是把自己的经验变成AI能执行的资产：
你能把你最烦的工作拆成10步吗？
你能把重复决策写成 if-then 规则吗？
你能把散乱的知识整理成结构化文档吗？
这些事，只能你自己做。
但一旦做了，AI就能带你起飞。
卸掉OpenClaw，我的时间回到了这三件事上：
① 优化现有的飞书系统
加了AI字段自动分类报修类型，加了超时自动升级提醒等等。
改动都不大，但每天又省出了1小时。
② 死磕自己的知识库
把散落在笔记、表格、群聊里的东西，统统归集到飞书知识库。
目前刚开了个头，离系统化还很远，但我知道：这件事越早做，复利越大。
③ 有选择地看AI
只看两类：
能和飞书集成的（多维表格插件）；
真解决安全和成本的（本地轻量模型）。
其他的？让子弹飞。
说到底，AI只是放大器。
如果你没深度，AI只能帮你写写文案、查查资料——这些豆包们已经做得很好了。
如果你够专业，哪怕只用基础功能，也能搭出让外行惊叹的系统。
卸掉OpenClaw后，我反而更踏实了。
我的竞争力，不在于“用过多少AI”，而在于我能不能用专业，让AI为我所用。
至于那些让你焦虑的标题——
让子弹飞一会儿，别让它们飞进你的脑子。
##如果你也在某个行业深耕，试着把你最熟悉的工作流画出来、写清楚。
你会发现，你需要的可能不是一只龙虾，而是一把顺手的好刀。
好刀，都是慢慢磨出来的。
