因为受伤，我已经大半年没有运动了。医生说要适当运动，这件事听起来很简单。对于一个很久没有运动、身体还没完全恢复的懒人来说，最难的往往不是运动本身，而是开始运动之前的那一下心理阻力。尤其是当看到一套几十分钟的康复课程时，身体还没动，心里已经先累了。

于是我自己手搓了一个小工具，叫“动一动 AI”。它的功能很简单：我告诉它今天想动多久，身体状态怎么样，它就给我生成一些轻量运动建议。它不是为了让我练出什么效果，也不是为了替代专业康复。它的主要目的只有一个：让我先动一下。

这件事说小很小，小到甚至不像一个正式产品。但做完之后，我对 AI、产品、软件，以及我们正在经历的变化，有了一些更真实的体感。

一、软件可能都是 Token 的壳

之前看到一句话，说未来所有程序本质上都是“套壳消耗 Token”。以前我觉得这句话有意思，但不够具象。做完“动一动 AI”之后，我理解这句话了。这个小工具的界面、交互、功能，本质上都可以一次性低成本搭出来。真正持续发生的成本，是每一次使用时，背后模型的推理。也就是说，软件的外壳越来越便宜，真正的消耗变成了 Token。

过去我们说一个软件，通常会想到代码、数据库、服务器、界面和功能模块。但 AI 之后，很多软件可能会变成另一种东西：前端是一个入口，后端是一个模型，中间是 Prompt、上下文、路由，以及一堆工程缝合。说到底，它是一个 Token 消耗装置。‘所有软件都是套壳卖 token’这句话很形象。

二、AI 把个人能力边界往外推了一圈

“动一动 AI”这个东西并不复杂。如果一个程序员来看，可能会觉得没什么技术含量。但问题是，我不是程序员。放在以前，我大概率不会因为这么一个个人需求，就真的去做一个工具。不是想不到，而是中间隔着太多东西。写代码、调页面、接模型、做部署、处理语音、适配体验。每一步都不一定难到不可完成，但它们叠在一起，就足够让一个普通人放弃。

AI 改变的不是“世界上有没有人能做这件事”。而是“我自己能不能做这件事”。这个区别很重要。

以前，一个想法要变成产品，需要找到合适的人，组织资源，承担沟通成本，等待排期。现在，一个小需求可以直接从我的生活里长出来，然后被 AI 承接住，变成一个勉强可用的东西。这不是效率提高了一点点。这是一个人的能力边界被往外推了一圈。

三、80 分、90 分的产品不值钱

有意思的是，AI 一方面让做东西变得更容易，另一方面也让我更清楚地意识到：一个 80 分、90 分的产品，其实是不够的。

用 AI 做一个“能用”的东西，已经越来越容易了。甚至做一个看起来还不错、功能也基本完整的东西，也没有那么难。但这恰恰意味着，80 分和 90 分的门槛在下降。

真正稀缺的，是最后那 9 分、10 分。

比如“动一动 AI”现在能用。但如果它要变成一个真正能被更多人使用的产品，还有很多事情要做：

• 首页要更简单。
• 增加自然顺滑的语音功能。
• 模型选择要更聪明。

   现在我用的是 DeepSeek V4 Flash，主要优势是快。但不同用户可能需要不同模型：有人只想要快速建议，有人需要更细致的动作设计，有人可能还需要根据历史反馈调整训练方案。如果要做模型路由，就不只是换个模型这么简单。还要考虑输出速度、等待体验、缓存设计，以及用户在等待时看到什么。

• 如果进一步做成小程序或 App，还可以存储用户身体状态、历史运动记录、完成反馈。锻炼结束后，再让模型基于反馈给出下一次建议。

再往前走，它甚至不一定只是一个工具：

• 它可以被封装成一个 Skill。
• 也可以变成轻运动或康复运动领域的垂直 Agent。

这些方向都成立。但每一个方向继续往下走，都会变成一个很大的工程。

这也是我这次很明显的体感：AI 可以很快帮你做完前 80 分，甚至前 90 分；但最后那一点点，反而更考验人。考验审美，考验产品判断，考验对用户状态的理解，考验你愿不愿意在那些“不显眼的小地方”继续磨。

前 90 分是能力问题。最后 10 分是品味问题。

四、我们现有秩序还未做好和 AI 相处的准备

这次还有一个很强的感受：我们的社会系统还没有适应 AI 的速度。这个工具真正开发和上线，差不多七八个小时。其中主要功能可能三四个小时就跑出来了，大部分时间是 AI 在写代码。但后面的服务器托管、域名备案、各种配置和流程，反而拖了好几天。也就是说，AI 这一侧已经很快了。

慢的是外部世界。

过去，开发本身是主要摩擦。现在，很多时候摩擦开始转移到别的地方：服务器、域名、备案、支付、审核、平台规则、组织流程。当软件生产速度突然被 AI 拉快之后，原来那些不太显眼的制度性摩擦，就会变得特别显眼。像一个人已经跑起来了，但鞋带、红绿灯、安检和各种表格，还停留在旧时代。

五、面对 AI，关键不是 how，而是 what

做完这个小工具之后，我又回到一个老问题：

面对 AI，最重要的到底是什么？

以前我们很容易把重点放在 how 上。怎么写 Prompt，怎么调用模型，怎么搭建工作流，怎么让 AI 帮你写代码。这些当然重要。但它们越来越像基础设施层面的能力。

真正的区别可能不是 how，而是 what。你到底想做什么？你能不能从自己的生活里感受到一个真实的问题？你有没有能力判断这个问题是不是值得做？以及，当 AI 把一个东西做出来之后，你有没有审美能力判断它哪里还不对？

what 来自想法。审美来自对生活和世界的感知。AI 可以补很多能力短板，但它很难替你决定：什么东西是值得被做出来的。

六、“言出法随”正在变成一种工程现实

从某种角度看，AI 正在实现佛家说的“言出法随”。

当然，这里不是玄学意义上的言出法随。而是一个想法到一个结果之间，原本有很长的路径：你要学 Excel，学代码，学 UI，学部署，学产品，学各种工具。现在这些中间过程正在被压缩。你说出一个想法，AI 把中间很多步骤接过去，最后给你一个可运行的东西。想法和现实之间的距离，被缩短了。

这件事真正的变化，不只是效率提高。而是很多原本不会被实现的小需求，现在开始有机会被实现。一个人的生活里那些很细碎、很私人、很不值得创业的问题，突然也可以拥有自己的工具。

这可能是很有意思的地方。它不只是在制造大公司，也在让每个人拥有一点点自己的“微型生产力”。

七、很多中间物，都是临时脚手架，最终大部分都会被舍弃

最后还有一个感受。

不管是这个“动一动 AI”，还是我现在使用的 Hermes，或者之前的龙虾，以及中间出现的 harness、skill、各种 Agent 形态，它们可能都只是过渡时期的脚手架。在 AI 能力还不够强、Token 成本还不够低、上下文还不够长的时候，我们需要各种中间结构来帮它工作。需要 Skill，帮助它沉淀流程。需要 Harness，帮助它跑任务。需要 Agent，帮助它持续执行。

但如果 AI 能力继续提升，Token 成本继续下降，很多中间物可能会慢慢消失。它们不是不重要。恰恰相反，它们在当前阶段非常重要。只是从更长的时间看，它们可能更像脚手架，而不是建筑本身。脚手架的价值，是让建筑长出来。等建筑真的长出来，它也许就不需要以今天这种形态存在了。

回头来看，做这个小工具的过程更像是一次很小的未来预演。

一个具体的需求。一个 AI 承接的过程。一个勉强能用的产品。一堆旧世界的摩擦。以及一个越来越明显的判断：

AGI ing ！