撞墙之后

判断一次失败值不值得继续，看你撞墙之后是想搞明白墙后面有什么，还是想赶紧离开这堵墙。

你有没有过这种时刻——听说AI很厉害，终于鼓起勇气试了一下，结果满屏报错，然后想：算了，这东西现阶段可能就不行。

5月的最后一天在WaytoAGI活动上，我就经历了这样的时刻。

我用QClaw试着生成一个旅游小程序。QClaw是腾讯电脑管家团队出的一个AI Agent，能通过微信远程操控电脑，本地执行任务。我之前听过不少AI工具的介绍，但都是"别人说好用"，自己没真正上手过。这次活动给了个机会，我想：那就试试吧，看看AI到底能干到什么程度。

我给它的任务是生成一个旅游小程序。不是什么复杂的东西，就是一个能展示景点、推荐路线的简单页面。QClaw接了活儿，开始跑代码，一开始还挺顺利——页面框架出来了，内容填进去了，我看着屏幕上一点一点成型的东西，心里确实有种"居然还能这样"的惊喜。

然后就开始报错了。

在润色环节报错。前面的框架和内容生成都没问题，但一到细节打磨，QClaw就像撞上了一堵看不见的墙——先是样式调整报了个语法错误，我让它修，修完又冒出来一个权限问题；权限刚解决，API接口又报过时了。一个BUG接着一个BUG，像剥洋葱一样，修一层露一层。我试了好几轮，每修一个就冒出新的，最后这个小程序还是没跑通。

说实话，那一刻是有挫败感的。坐在电脑前盯着满屏的红色报错信息，我确实想过：算了，这东西现阶段可能就不行。

但我没关掉那个页面。因为就在那些报错信息的缝隙里，我看到了一个之前根本不存在的可能性——小程序还能用这种方式生成。我之前对小程序的认知，是写代码、调接口、上线审核那一整套流程，门槛高、周期长，不是技术人员基本不用想。但QClaw让我看到了另一条路：你只需要告诉AI你想要什么，它就能帮你从零开始搭。虽然这次没跑通，但"这条路存在"这件事本身，已经改变了我的认知。

我后来发现，撞墙的不只我一个。有个开发者在腾讯云桌面上部署QClaw，想让AI帮他7×24小时在线抓新闻。他踩的坑比我还多——云桌面区域选错、用户绑定配置遗漏、初始化耗时超预期。但他说了一句话，我特别有共鸣："这个过程远比想象中曲折，但也比想象中有趣。"他最后跑通了，而且对AI Agent的理解从"聊天机器人"升级到了"系统级自动化助手"——这个认知跨度，不是看教程看出来的，是撞墙撞出来的。

这让我想起之前看到的一个故事。一家药企把AI使用率写进了员工的KPI考核——你必须用AI，用了才算完成指标。结果呢？员工确实用了，但用得敷衍、用得痛苦。遇到AI生成的内容有问题，他们不是去琢磨怎么调，而是想"这东西不行，赶紧交差完事"。KPI逼着他们用AI，但好奇心反而被磨没了。

差别在哪？不是能力，不是技术背景，是动力来源。我是自己想试，他们是被迫交差。内在好奇心驱动的失败，让人想钻进去看个究竟；外部考核压力下的失败，让人只想赶紧翻篇。

这不是鸡汤。大多数人学一个新东西的思路是：先学，学会了再干。但1962年，经济学家阿罗用数学模型证明，这条路反了——知识不是你学完之后带去工作的，而是你在干活的时候撞墙撞出来的。你不是先学完再干，而是在干的过程中，不可避免地会碰到问题、思考问题、解决问题，知识就这么长出来了。

那个旅游小程序我还没放弃。下次再试，我知道该从哪里接上了。