夜雨聆风第一件：一个18岁的高中生Matteo Paz，用机器学习处理了NASA 2000亿行数据，发现了150万个此前从未被记录的未知天体。他不是天文学博士，他连大学都还没上。
第二件：快手今天发布了KroWork——一个可以把你的AI工作流「固化」成本地桌面软件的工具。核心逻辑是：教AI干一次，把干活的结果留下来，后续零消耗。
这两件事让我意识到同一个问题：
大多数人用AI，是在「每天重新教AI干活」。真正的高手，是把AI的工作能力变成了自己的工具资产。
🌌 先说这个18岁高中生的故事 |
📍 Matteo Paz，加州帕萨迪纳高中，18岁 他做了什么： • 独立开发了一套机器学习算法 • 接入NASA退役红外望远镜NEOWISE十年积累的2000亿行观测数据 • 识别出150万个此前从未被记录的未知天体 他用的是什么：ChatGPT + 自己搭建的分析工作流 他不是什么：不是博士、不是天文学家、不是Caltech正式学生 同期，OpenAI评选出「首批ChatGPT原住民」26人，他是其中最年轻的。 这批人的共同特征：高中就开始用AI，不是用来「聊天」，而是搭工作流解决真实问题。 |
区别在哪里？普通人用AI是一次性的：问一个问题，得一个答案，下次再来问。Matteo建的是一套系统：一次搭好，让它跑完2000亿行数据，结果自动出来。
📊 普通用户 vs 高手——用AI方式的本质差距 |
用AI的方式 | 普通用户 | 真正的高手 |
使用节奏 | 每次打开，重新描述需求 | 工作流固化一次，永久复用 |
重复任务 | 每周重复相同的提示词 | 让工具自动跑，不需要人参与 |
数据安全 | 数据上传云端，存在泄露风险 | 工作流本地运行，数据不离设备 |
token消耗 | 每次操作都烧token | 仅在判断环节调用，其余本地执行 |
结果稳定性 | 同一提示词结果可能不同 | 固化后代码执行，像软件一样稳定 |
时间投入 | 每次都要思考怎么问 | 搭建一次，后续零边际成本 |
这不是技术水平的差距，是思维方式的差距。高手做的事情只有一件：把「和AI的对话」变成「可以反复运行的工具」。
🛠️ KroWork：快手今天把这个逻辑做成了产品 |
快手今天发布的KroWork，本质是在做一件事：把「教AI干活」这个过程做一次，然后把干活的能力永久保存下来。
❌ 传统用法 • 每次打开ChatGPT • 重新描述格式要求 • 重新粘贴数据源 • 结果有时候不对 • 每次都烧token | 🚀 KroWork做法 • 自然语言说一次需求 • AI自动生成桌面软件 • 后续直接点开运行 • 像普通软件一样稳定 • 仅判断环节才调用模型 | 🎯 适合什么人 • 有重复性工作的人 • 不会写代码但会用AI • 需要处理定期数据 • 想把工作流「产品化」 • 零基础即可上手 |
一个实际例子：
做AI自媒体的人每天要追各平台热点。传统做法：打开ChatGPT，描述需求，等回答，手动整理。每天重复。
KroWork的做法：用自然语言说一次「帮我抓取X、Hacker News、Reddit过去24小时最热的AI话题，按热度排序，附原始链接」——KroWork生成一个本地桌面应用。明天、后天、下个月，直接点开，结果自动刷新出来。
🎯 5个普通人可以立刻固化的工作流场景 |
不需要KroWork，用任何AI工具都可以。核心是「搭一次，跑很多次」。
场景①📰 每日热点追踪器 • 需求描述：抓取指定媒体/平台过去24小时热点，提取前10条，按热度排序 • 搭建方式：Claude/KroWork自然语言描述，生成抓取+排序脚本 • 固化后：每天打开自动刷新，无需重新提问 💰 效果：每天节省40-60分钟信息收集时间 |
场景②📊 竞品监控台 • 需求描述：监控3个竞品的官网更新/社交媒体发布/定价变化 • 搭建方式：设定监控源+关键词+变动触发通知 • 固化后：有变动才推送，不用每天手动盯 💰 效果：竞品情报响应速度从「周」缩短到「小时」 |
场景③📝 周报/日报自动生成 • 需求描述：每周五汇总本周工作记录，生成结构化周报，发至指定邮箱 • 搭建方式：连接工作记录数据源，设定模板+定时触发 • 固化后：每周五自动跑，无需人工参与 💰 效果：周报从「写30分钟」变成「确认2分钟」 |
场景④🔍 论文/报告追踪器 • 需求描述：按关键词追踪arXiv新论文，提取摘要+核心方法+代码链接 • 搭建方式：设定关键词+数据源，生成可导出的阅读清单 • 固化后：每日自动跑，新论文自动入库 💰 效果：保持行业前沿认知，不再漏掉重要论文 |
场景⑤💬 AI辅助文案标准化流水线 • 需求描述：输入关键词/主题，自动生成符合平台调性的标题×5+正文框架+发布时间建议 • 搭建方式：把提示词+输出格式固化成模板，一键调用 • 固化后：每次输入主题，直接得到可用的内容框架 💰 效果：内容生产效率提升3-5倍，质量标准统一 |
💡 核心结论：AI的正确使用方式 |
❌ 错误：把AI当搜索引擎，每次重新问 ✅ 正确：把AI的能力固化成可复用的工具 💡 目标：让AI替你工作，不是让你替AI解释工作 |
18岁的Matteo能发现150万个天体，不是因为他比天文学家更聪明。是因为他没有在手动问「这个星球叫什么名字」——他搭了一套系统，让AI去把2000亿行数据跑完。
✅ 今天就能开始的3件事 |
⚡ 今天就能开始的3件事 □ 第1件：列出自己工作中最重复的一件事（每周至少做一次的）——这就是你第一个要固化的工作流 □ 第2件：打开Claude/KroWork，用一句话描述这个任务，让AI帮你生成执行方案（不需要完美，先跑通） □ 第3件：把跑通的方案存成模板/工具，下周直接调用，不要每次重新描述 |
用AI2年和用AI2个月的人，差距不在工具，在于有没有把「用AI」本身当成一项需要系统设计的事。
Matteo证明了一件事：当你开始把AI工作流当资产来搭建，它能替你处理的事情，远比你想象的大得多。