夜雨聆风故事是这样的。
前几天凌晨两点，我在改一条视频脚本的开头钩子，改到第三稿的时候脑子彻底空了。就那种一个字都憋不出来的状态。愚钝如我，坐在椅子上发了会儿呆，然后随手在终端里敲了一句「用 li-opening skill 给这条脚本换个开头」。
我起身去倒了杯水，回来的时候，屏幕上钩子已经换好了。附带三版备选，每一版都写了它做的判断和参考的素材。
我盯着屏幕看了好几秒。
那一刻我突然意识到，一年前的这个时候，我干这件事的样子是这样的：开五六个 tab，一个查资料，一个整理笔记，一个写脚本，一个改错别字，一个做封面文案。
坦率的讲，我一年前也不会用 Claude Code。我在 ChatGPT 里粘代码，粘素材，粘对话历史。写一条选题要开五六个 tab。写完之后再复制回自己的文档。
那时候我觉得做 AI 内容就是把「提示词写得够好，模型选得够强」当核心。我把 GPT-4 换成 Claude 3.5，把 3.5 换成 4.5 Sonnet，产出质量确实有变化。但生产方式没变。我还是那个每天开五六个 tab 的手工作坊主。
我跟你说，这个事儿我踩过坑。
用 Claude Code 用了一年之后回头看，我才反应过来 chatbot 和 agent 根本不是同一种东西。差别不在哪个更聪明，在哪个能自己往前跑。
我突然想起来 1880 年代美国电力普及的那段历史。那时候很多工厂主花大价钱买了发电机和电动机，装在自己厂里，装完之后发现生产效率并没有显著提升。因为他们只是用电动机替代了蒸汽机，整个工厂的布局，流程，管理方式都没变。真正吃到电力红利的那波人，是最早想明白电力到底能带来什么的那批人。他们重新设计了工厂，让电动机不再是「更好的蒸汽机」，而是让流水线成为可能的地基。
我一直觉得，2026 年的 AI 就挺像 1880 年的电力。
大多数人现在的用法，是把 AI 当成一个更聪明的搜索框。你打一句，它回一句。你打完复制回文档，然后关掉页面。这就是拿电动机当蒸汽机用。
而 Claude Code 是让你重新设计工厂的那把钥匙。
chatbot 是打字机，你打一句，它回一句，你不打它就停在那儿。agent 是员工，你说一句帮我搞定 X，它自己去读文件，自己去调工具，自己去写，自己去改，自己往前跑，中间不需要你一直盯着。
同样都叫 AI。两个物种。
回到正题这块，我知道你现在肯定想问，你怎么知道你用的到底是打字机还是员工？
其实吧，市面上现在自称「智能体」的产品一抓一大把。都叫自己 Agent。但真按下面几条标准过一遍，绝大多数都是套了皮肤的 chatbot（聊天机器人）。
第一，它能不能自己动手。
我跟你说个真实场景。我说「记录选题：做一期 Skill 保姆级教程」，Claude Code 会自己读我的选题 skill，自己扫我的选题记录文件查有没有撞车，自己抓我之前写过的相关笔记，自己写到选题记录文件里。
chatbot 只能告诉你「你可以这样做」，agent 直接替你做完。
这话听着有点刺耳但，你打开豆包让它「帮我把这段素材整理成一个深化选题文件，保存到我的 Documents 目录下」，你看看它能不能干？
第二，它记不记得你昨天说过什么。
Claude Code 每次会话都从 CLAUDE.md 加载我的项目上下文，从 memory 目录加载我的偏好，从 wiki 文件（我自建的）加载我的长期判断。我不需要每次重新解释「我是谁，我在做什么，我不喜欢什么」。
大多数 chatbot 每次开新对话都是白板。你花五分钟铺背景，聊完关掉，下次再开还是白板。你就像一个每天要重新自我介绍一次的人，认识了 365 天，还是每天从「你好我叫」开始说起。
想想都累。
第三，它能不能被你调教。
这条差别最大。我告诉 Claude Code「以后写脚本不要用『我们不妨』这种词」，它会把这条规则写进对应的 skill 文件里，下次自动遵守。这条规则永远在那儿。
chatbot 是一次性的，你这次告诉它，下次它忘。
上一条我说的是「它记不记得你」，这条说的是「你的规矩能不能刻在它的岗位说明书里」。前者是记忆，后者是纪律。差一条腿都跑不起来。
第四，它能不能给自己装外挂。
Claude Code 有 hooks，有 slash command，有 MCP 协议。你可以让它接自己的数据库，接自己的浏览器，接自己的飞书，接自己的语音识别。这是一个可以长手长脚的 AI，不是一个封在网页里的对话框。
四条能力，你去测那些自称 Agent 的 AI 助手，一条都占不上。
好了，我知道你现在读到这里可能会觉得，四条讲完了，接下来该讲怎么装了吧。
不是。我要讲一件让我盯着屏幕看愣的事。
前段时间我发了一条视频，评论区有个观众问了一个我从来没想过的问题。当时我的第一反应是「这个点该沉淀」，但我不知道要沉淀到哪个 skill 的哪个位置。
我随手把这个问题丢给 Claude Code。
它做了三件事。
一，它扫了一遍我所有的 skill 文件，找到最相关的一个，叫 li-writer。二，它在这个 skill 的 references 目录里找到最合适的位置。三，它在那个位置写了一条新规则，把评论区那个问题的答案变成下次生成脚本时的自动检查项。
我盯着屏幕看了好几秒。
刚才那条规则，是 AI 替我写的。
以后每次我让它写脚本，它都会自动跑过那条规则，我甚至不用再想这件事。
我当时脑子里冒出来的第一个念头，是我小时候读的一本科幻小说里的一句话。一个东西如果能修改自己，那它就跨过了工具和生命之间那道最模糊的分界线。
这就是 chatbot 做不到的事，它没有「下一次的自己」的概念。agent 有。
我的 .claude/skills/ 目录一年被编辑了 322 次。其中大概三分之一是 AI 自己发起的。它自己发现问题，自己找位置，自己写规则，自己塞进去。
真正的复利是在这一刻发生的。系统的复利不在我这边，在它那边。它每工作一次就更聪明一点，我反而越来越闲。
大时代啊，朋友们。
顺着上面的再聊聊数据。你可能会觉得我在吹牛，一年三分之一的规则是 AI 自己写的？那我甩点更硬的数据。
29 天，6994 次 tool 调用。日均 240 次。单日峰值 17 场会话。
我跟你说，打字机模式一天做不到 240 次操作。你想想你自己，坐在 ChatGPT 面前，一天能敲多少次回车？我算过一次，如果每次对话平均往返 3-4 轮，你打满一天大概 60-80 次已经算高强度用户了。240 次是打字机的三到四倍。
我这 6994 次调用按工具分了一下，结果挺意思的。
Bash 命令 2545 次，占 36.4%。Read 文件 1500 次，占 21.4%。Edit 修改 1424 次，占 20.4%。Write 新建 423 次，占 6.0%。
前四加起来 84%，全都是文件系统操作。这条数据本身就是「我在干活，不是在聊天」的硬证据。
你看这个饼图有没有让你恍惚一下。
我们一直以为 AI 的样子，是那个漂亮的对话气泡。你说一句，它回一句，气泡一个个飘出来。像微信聊天。
我这里的 AI 不长那样。它长得像一个终端，一个文件目录，一堆 .md 文件。它干的活是打开你的文件，读你的文件，改你的文件，保存你的文件。你在旁边看。
这块需要注意一下，我不是说气泡那种 AI 不好，用来查个字翻个句子挺好用的。我是想说，同样都叫「用 AI」，两个物种。
回到我这条流水线这块。
现在我的 Claude Code 里挂了 22 个自定义 skill。每一个都是一个专职 AI 员工。
li-recorder 负责选题记录，撞车检查，商单防火墙。li-topic 负责选题深化，圆桌讨论，素材消化。li-writer 负责脚本生成，长文生成，短文生成。li-cover 负责封面文案，标题优化。li-opening 负责钩子替换，视界诊断。li-analyzer 负责数据复盘，爆款规律沉淀。还有其他十几个我就不一一念了。
每一个 skill 都是一份 markdown 文件。它写清楚了这个岗位的职责是什么，判断标准是什么，遇到 X 情况怎么处理，跑完之后传给下一个岗位。
我说一句「记录选题，X」，li-recorder 跑完自动路由给下一环。我说一句「深化选题，Y」，li-topic 跑完自动路由给 li-writer。跑完自动路由给 li-cover 和 li-opening。
这是一条流水线，不是一个 AI 助手。流水线上有 22 个专职员工，每个员工的岗位说明书都在版本控制里，都能被修改，都能被替换。
再聊一个我最近才反应过来的事。
写这篇长文的时候，我做了一次圆桌讨论，让 AI 扮演 Simon Willison 从他的视角挑刺。这哥们是造 prompt injection 这个词的人，也是 Claude Code 的一线布道者之一。
他挑出一条我从来没在国内内容里看过的。
原话是，agent 时代的门槛在你有没有给它画边界的直觉，不在装不装 Claude Code。不装是懒，乱装是蠢。
给我一下子整不会了。
我以为读到这里的兄弟大概率会觉得，「必须装」四条我都记住了。结果 Simon 说，装了也可能翻车，而且翻的是那种能把你私有数据吐出去的车。
他造了个词叫 lethal trifecta，翻译过来大概是致命三件套。
私有数据（你的文件，你的数据库，你的密钥）。不可信输入（网页内容，邮件，用户提交）。外部通信通道（发邮件，调 API，上传）。
三个凑齐，agent 就有被劫持的风险。攻击者在网页里塞一段指令，AI 读到之后照着做，把你的私有数据发到外部。
黑暗森林。
chatbot 用户不用担心这件事，因为它没手没脚。agent 用户开始就得想这件事，因为它有手有脚。
能动手，也可能动错手。
这不是「AI 太危险不能用」的意思，是「你要装的不是工具是员工」的意思。真员工需要培训，需要边界，需要审计。你不会让一个新入职的实习生随便碰你的银行密码。同理，你也不该让 agent 随便碰。
Simon 这条判别没进最开始的四条清单，但它是第五条隐藏判别。所有 agent 都自带这个风险，chatbot 用户拿着 chatbot 的直觉去用 agent 就会翻车。
安全，安全，还是安全。
聊到这我知道你可能要问了。
那这么好的东西，是不是所有人都该装？
不是。有三类人可以不装。
我非常理解这种感觉。你不是程序员，不需要写代码。你不是 AI 博主，不需要天天写脚本。你就是一个普通的上班族，每天处理一些琐碎的工作。AI 能帮你什么？
其实答案很简单。
第一类，只需要问答的。你就是想问「这个字怎么写」，「帮我翻译一段英文」，「帮我总结这篇文章」，用 ChatGPT 就够了，Claude Code 是杀鸡用牛刀。
第二类，不喜欢学习新东西的。Claude Code 是有学习成本的。你打开它看到的是黑框子，不是漂亮的对话气泡。如果你不想学，别硬装，用起来你会痛苦。
第三类，不愿付费的人。这里得诚实说一下。
AI API 的费用可以看作是员工工资。
不愿付工资的人，就先别雇员工。
这话听着可能有点刺耳，但我一直觉得，这是这一年我最想让读者听进去的一句话。
坦率的讲，我知道很多人一听到「一个月要 20 美元」就已经开始骂了，别说 200 美元。但你想想看，你付 200 美元请到的是一个 24 小时随时上线，会写脚本会写代码会分析数据会记住你所有偏好的员工。
你在北京上海请一个初级实习生，一个月工资是多少？
回到最开始这块。
写到这里，我想回到开头那句话，分水岭不在模型，在谁在按回车。
90% 用中文 AI 的人现在打开的是网页，粘的是文字，按回车的是他们自己。他们在跟 AI 聊天，不在用 AI。
10% 的人已经在跑 agent。他们打开的是终端或者编辑器，说的是一句话，按回车的是 AI。他们在给 AI 派活，不在跟 AI 聊天。
这是心智差别，不是技巧差别。
我一直觉得，同样是 AI 时代，有人越用越焦虑（模型越强，我越觉得自己没用），有人越用越轻松（员工越多，我越有时间去想真正重要的事）。区别就在这。
技巧可以现学。心智不能。
心智不换，AI 越强你越焦虑。
想想 1880 年那些买了电动机装在旧工厂里的人。工厂主觉得自己已经拥抱工业革命了。但他们没意识到，真正的革命不是买电动机，是重新设计工厂。
写到最后我想说一句可能有点私人的话。
真正的复利不在你这边，在系统那边。
你每次判断被写进 skill，下一次你的 AI 员工就自动带着这条判断跑起来。跑到某一天，你会看着屏幕愣 30 秒。因为你意识到，你不再是那个在打字的人了。
你成了那个设计工厂的人。
我是鲤哥builder，独立开发者，在做「一人公司」，用 AI 把一个人变成一个团队。
这个公众号会持续分享：
用 AI 把一个人变成一个团队的方法论 一人公司 Build in Public 的真实记录 已开源的两个项目：AI 私董会 + 内容创作 Skills
