夜雨聆风
最近看到一个公司创始人亲自下场用AI做招聘的实践。
我整理后发给了好几个朋友，都回复说很震撼。而我，说实话，我看完第一反应是慌。
在深圳，他带着一个月薪六千的刚毕业的应届生，加上一套 AI 工具，在一个月内从 1.5 万份简历里筛出了 13 个合格候选人，全部顺利入职。
而对比组，是这个公司在杭州的成熟团队。两三个经验丰富的资深 HR，拿着相同的预算招同样的人，效率竟然被这个在深圳的「应届生+AI」组合按在地上摩擦。
我自己是做 HR 出身的。看到这个对比，那种「岌岌可危」的感觉非常真实。
那个应届生拿着 AI 生成的面试题去打电话，录音转文字，再扔给 AI 打分。
AI 帮她问出了她自己根本问不出的专业问题——比如针对候选人简历里的某个冷门项目深挖细节。
过去只有干了十年、面过几百人的老 HR 才懂怎么挖这些坑，现在一个刚毕业的人加上 AI 就全干了。
「普通人 + AI」被生生拉到了资深专家的水准。
这不是孤例。你去看现在的招聘市场，有公司让四个刚毕业的大学生配上 AI 做亚马逊运营，业绩干平了七八年经验的老运营；
我了解到还有一家小型创业公司，团队20多人，7个人是实习生，他们让实习生配上一套 AI 工作流，产出质量直接对标资深内容编辑。
很多在职场干了八年十年的人，现在最大的焦虑就是：我积累了十年的经验，是不是在 AI 面前一文不值了？
刺破焦虑：那个应届生到底赢在哪？
带着这种恐慌，我把深圳这个招聘案例（创始人叫 Albert）从头到尾拆解了一遍。结果发现，事情的真相和「AI 淘汰老员工」这套叙事完全相反。
那个应届生能抵得过几个资深 HR，核心根本不是因为她多聪明，或者那个 AI 工具多神奇。
核心是因为 Albert（老板）做了一件事：他把自己五年做业务看人的标准、公司需要的岗位要求、踩过的所有坑，全部整理成了一套结构化文档，喂给了 AI。
那个应届助理其实不需要做任何专业判断，她只是个操作员。真正在做判断的，是 Albert 装在 AI 脑子里的那套「经验库」。
这件事让我瞬间想通了一个极其重要的底层逻辑。
我们在大组织里干了十年，沉淀了一套看问题的方式、做事的框架、踩坑后的直觉。过去，这些东西全装在我们脑子里——离开平台带不走，换个岗位用不上，教给下属他们还听不懂。
很多人害怕 AI，觉得 AI 会替代自己。但其实，AI 越强，高质量的上下文越稀缺。而你的 10 年经验，就是 AI 时代最好的上下文。
刚刚毕业三年的人，熟练掌握了一堆 AI 工具。但他没有业务体感，他不知道怎么判断一份简历是不是在包装，不知道一份行研报告的核心要点在哪。他没有值得喂给 AI 的「干货」。
你有。
Albert 做的事，本质上就是把脑子里的经验，封装成了 AI 能读懂并执行的资产。一旦封装完成，他的经验就可以被无限复制、放大。
砍人不是最优解，封装经验是扩大边界
上周和一家头部咨询的合伙人聊天。他下面的顾问现在已经在试点 OPC+AI 模式，每月给顾问发几千块AI工具费，如果月度token使用额度达不到标准，就算考核不合格。
他将自己过去二十年的咨询经验，整理成多个skills，然后打包共享给团队顾问用。自己负责接单和工具优化。结果发现几个月下来，咨询顾问晚上不需要再加班了。
他们最近接的一个某行业龙头单子，就是帮客户盘点：公司里哪些岗位能被 AI 替掉，然后出配套一系列方案。
这种「用 AI 砍人」的逻辑，其实我不太认同。用 AI 砍人，可以作为现在“降本增效”的一个名头，但是也相当于做空一只股票，最多赚 100%。
如果把人的经验封装起来和 AI 协同，把产出放大几倍几十倍，才是做多，这样能向上扩大业务边界。
岗位确实需要盘。但不是盘「砍谁」，而是盘我们自己的经验库里，有哪些可以封装成 AI 资产？
比如，你做了 10 年法务，你看合同的风险点能不能封装？你做了 8 年内容，你改爆款标题的直觉能不能封装？
未来这些资产，还可以让别人“租用”，越好用，租用的人越多。就像前面提的那个咨询合伙人将自己做成skills让下面顾问用那样。
我也在寻找装经验的最佳「容器」
想明白了这件事，我这段时间就开始折腾各种 AI 工具，试图找一个能把我自己工作流封装进去的最佳容器。
第一阶段：OpenClaw（小龙虾）我最开始用 OpenClaw，想把它当全能助理用，甚至一口气设计了 5 个 Agent。为了让它变聪明，我还专门在里面绑定了极其强大的 Codex（两周，五只小龙虾，十倍效率：我的OpenClaw实践）。
结果呢？它装了这么好的大脑，依然不好用。因为它设计机制的问题，非常耗费token。每天早上跑的日报已经够用掉近10%的codex一周额度。
另外有时候会出现幻觉。所以后来我总结定位它为一个助手是合适的（跑了一个月后，我终于看清AI助手真正适合干什么）。
涉及复杂的、需要自动化跑完的任务，它就力不从心了。我还是得盯着它，我依然比它忙。
第二阶段：Hermes（爱马仕）直到最近，身边开始有人讨论一个新的 Agent，叫 Hermes。而且在国外openrouter上5月token调用方面，Hermes甚至超过openclaw（只是它在国内比较低调而已）。
说句心里话，刚听到这个名字的时候我挺排斥的（什么爱马仕....），觉得大概率是个噱头。之前的「小龙虾」风头太盛，Hermes 的名气明显不如它。
但后来，我看到群里几个人晒出了实际跑出来的效果，还是挺惊讶的。于是决定试一试。这一试，直接颠覆了我的偏见。
它彻底赢在了三点：
迁移极其简单 跑出来的效果稳定，完胜小龙虾 精准命中了我的痛点
举个最直接的例子。我现在各种群加起来，每天有上千条信息。忙的时候几天不看积累几千条信息，靠人力一条条翻根本不现实，但里面又经常有重要的线索。
Hermes 竟然可以直接接管这件事。我忙完一天的工作，它已经在后台把上千条群聊自动扫完、按我的标准提炼出要点等我看了。
图：让Hermes盘点过去24小时某群讨论主题，哈哈，第一个热点主题就是讨论Hermes它自己
除此之外，它还能做很多事：比如重点关注的公众号一有新文就推送给我；每天自动去特定网站下载行业报告并归档；甚至支持多 Agent 协同工作。
这就相当于，你可以把你提炼信息的经验封装成一个 Skill 挂在 Hermes 上，它就不知疲倦地按你的标准每天自动执行。
图：帮我记录灵感，比openclaw整理效果更好。
还有极其关键的一点：Hermes 可以通过腾讯云部署。这意味着国内用户完全能顺滑地用起来，没有任何门槛。
AI 更新这么快，我会不会掉队？
1 月份大家追的还是大模型，3 月份换成了小龙虾，现在 5 月份又跑出来一个 Hermes。很多人看到工具迭代这么快，都会觉得焦虑，觉得这种「追星」式的跟风状态让人疲于奔命。
熟悉我的读者，应该知道我其实不是追风的人。除非一个工具确实明显好过另一个工具，而且迁移又简单的这种。为什么不去尝试？
只要你掌握了底层的内核逻辑，迁移就会非常快。
从0-1部署Hermes，我只用了一条命令（还是口语化的那种）。
同样，我只用一条命令，两个步骤，就完成了小龙虾到Hermes的迁移。而且，真心Hermes比小龙虾好用啊。
图：迁移后直接问它是谁，跟之前openclaw配置的agent完全一致
不管从小龙虾换到 Hermes，还是未来换到别的平台，本质上都是相通的——都是把你的经验变成结构化的提示词，把你的业务流程打包成 AI 规则。
这些核心资产是长在你身上的。了解了底层逻辑后，从小龙虾换到 Hermes，就像从豆包换到 GPT 一样，几乎没什么门槛。既然迁移成本这么低，而新工具又能成倍提升效率，那有什么理由不换呢？
工具会一直迭代，但你作为资深专家的行业经验和封装能力，只会越积越厚。大家千万别先给自己设限。
下周三晚上9点，我把这个过程拆给你看
这几周从小龙虾迁移到 Hermes，我踩了不少坑，但也真切地感受到了从「找个对话助手」到「雇了个全职管家」的体验跃升。
下周三晚上9点，我做一场直播，把这段经历和操作完整拆开：
从小龙虾到Hermes，哪些点可以帮助我们提效？ 怎么把我们脑子里的「老经验」，封装成 Hermes 里的一个自动化 Skill？ Hermes 腾讯云部署实操演示（国内用户直接能抄作业）
两个工作场景实操案例。帮你每天省下几小时
不讲虚无缥缈的概念，只讲我自己实际跑通的实操。如果你也想把自己的经验变成 AI 时代的杠杆，而不是被焦虑裹着走——这场直播一定对你有用（无回放）。
具体时间和报名方式，可以后台回复关键字「报名」，拉你进群，获得第一时间通知。
推荐阅读
