昨天学员群里有人问我，能不能更新一下 Codex 的玩法，尤其是 Hook。
我当时第一反应其实有点无语。因为开源教程里一直在更新，免费课、付费课、我的开源项目里也都讲过。Hook 这玩意儿本身也不神秘，Claude Code 里能做的那套，换到 Codex 里逻辑也差不多。
Github 和我的飞书知识库上都能看到，以 Github 为准。
但真正让我想写这篇的，不是 Hook。
是后面有人接了一句，大概意思是养个 Agent，让 Agent 自己学课程，自己读老金.skill，自己在新项目里应用 MetaKim 开发，人就可以开摆了。
这类话我最近听得越来越多。很多人现在用 AI，已经不是在提效，而是在许愿。
他不是想让 AI 帮自己把某个繁琐流程干掉，也不是想让 AI 把一个具体任务拆清楚，而是希望 AI 直接变成一个硅基员工，自己学习、自己治理、自己判断、自己交付，最后人坐在旁边听汇报。
问题是，你什么都靠 AI 了，最后你的作用是什么？
老金我越来越确定一件事，AI 的发展不是让人可以停止学习，正好反过来，它在反向逼着人的认知成长。你不会拆问题，不会给上下文，不会判断结果，不会验收过程，AI 越强，你越危险。
因为 AI 会为人打工，但不一定会为你打工。
它会为那个会定义问题、会搭系统、会验收结果的人打工。
AI 不是神灯
很多人现在提需求，基本就是一句大空话。
帮我做个硅基人，让 AI 全自动管公司，把我的生活全部交给 AI，甚至是做一个能自己学习、自己开发、自己优化的系统。
这不是需求，这是愿望。
愿望不是不能有，但愿望不能直接交给 AI。你把一个空目标丢给 AI，它一定会给你一个看起来很完整的答案。它会写架构，会写流程，会写模块，会写路线图，甚至会把每一步都说得挺像那么回事。
但你只要往真实工作里放，就会发现完全不是一回事。
数据在哪？权限在哪？谁来判断结果对不对？错了以后怎么回滚？中间产物怎么检查？人什么时候介入？什么情况必须停？什么情况可以继续跑？
这些东西不说清楚，AI 跑得越快，错得越快。
这就是我一直讲的，人做的是系统，不是文案。
写一篇文案，AI 给你一个差不多的版本，你改改也能用。做系统不是这样。系统里面有数据、流程、边界、权限、反馈、验收，还有一堆临时判断。你不能一上来就幻想老板管 AI 听汇报，你得先证明自己会管理一个任务。
真正的差距已经不是 Prompt，而是 Loop
很多人以为 AI 时代最重要的是 Prompt。Prompt 只是入口，真正拉开差距的是认知结构。
同样一句让 AI 帮我做一个增长方案，不同的人拿到的结果完全不一样。一个人只会催 AI 多写点、再具体点、再专业点。另一个人会先告诉 AI 业务阶段、目标用户、现有渠道、历史数据、约束条件、不能碰的红线，然后让 AI 先列假设，再让它拆验证路径，最后一条条验收。
差距不在 AI 本身，在人怎么定义问题、补上下文和验收结果。AI 越强，这个区别越明显。以前工具弱的时候，大家都慢，人的差距还没那么刺眼。现在工具强了，一个会拆任务的人，一晚上能让 AI 跑出一套可检查的方案。一个只会许愿的人，折腾三天，拿到的还是一堆漂亮废话。
世界经济论坛 2025 年的就业报告里有一个大判断，到 2030 年，工作结构会发生很大变化，会有新岗位出来，也会有大量岗位消失。它还提到，技能缺口已经是企业转型里最重要的阻碍之一。
这不是说所有人明天就失业，它真正说明的是，工作不会原地等你。
Anthropic 做过一个 Claude 使用分析，里面有个比例很有意思。Claude 上的 AI 使用更偏向增强人的能力，而不是纯自动化。也就是说，现实里更多高价值使用不是把人拿掉，而是人带着 AI 一起干活。
OpenAI 做 GDPval，也是往真实工作任务上测模型能力。它的方向不是问 AI 会不会背题，而是问 AI 能不能完成有经济价值的真实任务。
Microsoft Research 那篇关于 AI 和职业的研究也类似。它分析的是 Copilot 真实使用数据，结论不是 AI 马上完整替代某个职业，而是信息处理、写作、沟通、研究这些工作活动跟 AI 高度重合。
这几份资料放在一起看，方向很清楚。AI 正在吞掉一部分具体任务，但它同时把人的价值往上推。以前你会执行，就能活。以后你只会执行，空间会越来越小。你得会判断、会定义、会组织流程、会验收结果。
用 AI 的人分四层
我现在看很多人用 AI，大概能分成四层，这部分老金其实之前已经写过，再来给大家加深下印象。
第一层是许愿型。
这类人最常见。给 AI 一句大目标，然后等它自己变聪明。让它做硅基人，让它自己学习，让它自己开发，让它帮自己赚钱。听起来都是未来，但落到今天的任务里，基本没有抓手。
第二层是外包型。
这类人已经比许愿型好一点。他知道把文案、代码、总结、方案交给 AI 做，自己最后看结果。但问题是，他只看最终产物，不看过程。结果好不好，很大程度靠运气。
第三层是协作型。
这类人开始进入真实生产力了。他会给背景，会拆步骤，会让 AI 先交中间稿，会在关键节点停下来检查。他知道 AI 很强，但也知道 AI 会乱猜，所以他不会把整个任务一次性丢出去。
第四层是系统型。
这类人才是真正吃到 AI 红利的人。他不是每天换一个新工具，而是把自己的重复流程拆出来，接上资料、规则、检查标准和反馈机制。AI 不是一次性帮他写个东西，而是进入他的工作系统，反复帮他省时间。
我目前利用每个周日做了 2 个季度的课程，我真正想把人往后两层带。
免费开源教程一直在更新工具玩法。Codex 更新了，我会看。Claude Code 更新了，我也会看。Hook、Skill、MCP、Agent、Workflow 这些东西，该讲就讲。这也是第 1 期直播课的核心内容，先让大家知道 AI 都有什么功能和技巧。
它是术，它是实现的手段，手段和方法会一直被科技迭代而迭代。
但第 2 期课开始不会只围着按钮转。因为按钮会变，模型会变，工具会变。今天叫 Hook，明天换个名字。今天是 Codex，明天又是别的客户端。你如果只追按钮，永远追不完。
它是道，它是你要设定的目标与提升的认知，你要清晰的清楚你到底要做什么，不能做什么。
真正值钱的是你知道什么时候该用 AI，怎么把问题拆给 AI，怎么判断 AI 交出来的东西能不能用。这才是我说的闭环。
工具负责扩展人的手脚，认知负责决定手脚往哪伸。
不要一上来就想改变世界
群里还有一个争论，说硅基人是不是终极方向，个人有没有可能做出来。
愿景可以聊，但老金我真不建议普通人一上来就想这么大。
你今天最该做的，不是做一个通用硅基员工，也不是做一个自己治理自己的 AI 公司。那种东西涉及模型能力、数据、权限、真实场景、组织结构、风控和长期反馈，不是一句纯架构问题就能解决。
个人真正能做的，是找自己最繁琐的事情。
比如每天整理客户资料，每周写复盘，把会议纪要拆成任务，或者检查文章有没有 AI 腔。
再比如把选题、资料、标题、正文、质检连成一个小流程。
你先把一个小流程跑通，再谈系统。一个小流程都跑不通，直接谈全自动数字员工，那就是空想。
做产品十几年，我从来没见过靠空想框架把事情做成的。架构不是先拍脑袋画出来的，架构是从真实数据、真实流程、真实失败里长出来的。
你先让 AI 稳定帮你省下每天 30 分钟，接着再让它稳定帮你省下每天 2 小时。
最后再把这个流程沉淀成模板、脚本、Skill、Agent 或一个小工具。
这时候你才有资格谈系统。
人的价值会被重新定价
最近都在说 AI 导致人被大批量裁员，我觉得很片面，因为表面上是人变少，底层其实是人的价值在被重新定价。
以前会用电脑、会搜索、会写 PPT、会做表格，就已经比很多人强。互联网时代，本质上不是报纸消失了，而是信息发布、信息获取、信息分发的工具变了。不会用新工具的人，被会用新工具的人拉开差距。
AI 时代也是一样，只是速度更快，覆盖面更大。
你会不会写一段代码，可能没以前那么值钱了。你会不会把一个业务问题变成 AI 能执行的任务，会不会看懂 AI 交出来的结果，会不会把它放进真实流程里，反而会越来越值钱。
所以我一直不赞成把目标说成帮老板有效裁员。
企业当然会追求效率，但真正的根本目标，不应该只是少几个人。根本目标是培养符合 AI 时代的人。
如果一个团队里都是能用 AI 放大自己的人，为什么要急着裁？我巴不得这样的人多一点，因为这样组织才有扩张能力。
真正危险的，是既不学工具，也不补认知，只想等 AI 替自己把事全干了的人。最后 AI 真的能干活了，他反而成了最先被拿掉的那部分。
今天先做一件小事
这篇看完老金我希望你先回到你自己的工作里，找一个最烦、最重复、最容易判断对错的流程。
然后问自己四个问题。
第一，这件事现在为什么烦？
第二，我能不能给 AI 足够的资料和样例？
第三，中间每一步我怎么检查？
第四，最后结果怎么样才算能用？
这四个问题答不出来，就别急着上 Agent。先把问题写清楚。
如果答得出来，你就可以让 AI 介入了。不是让它接管你的人生，而是让它先接管一个小流程。跑通以后复盘，复盘以后固化，固化以后再扩大。
这才是咱普通人真正能落地的 AI 路线。
AI 越强，越不适合许愿。它更像放大器，先放大你的认知，再放大你的动作。你脑子里是空的，它只能把空放大。你手里有系统，它才会把系统放大。
所以别再问 AI 什么时候能替你思考。
先问一句，你现在还值不值得被 AI 放大。
想了解更多 AI 编程与 Agent 开发的实战技巧？欢迎来 云栈社区 一起交流，这里有关于 Claude Code、Codex 等前沿工具的深度教程和源码分析，帮你从“许愿型”真正进化为“系统型”开发者。
发表于 1 小时前
|
查看: 4|
回复: 0
