接上次那条关于「小舅子想学计算机，AI 时代到底该怎么学编程」的推文。 130 多条高质量回复里，有老程序员对底层的坚守，也有在校生踩过坑的血泪史。 传统那种「先死记语法、写学生管理系统、刷算法题」的推土机式教学，在今天彻底被 AI 击碎了——新手花半小时手写个算法，AI 几秒钟给出带测试用例的更优解，极其挫败。 梳理完大家真实撞墙和破局的经验，我认为 AI 时代真正有效的计算机学习路径，其实是一套逆向穿透法。 一、以终为始，先用 AI 把正反馈拉满 别一上来就死扣语法规则和繁琐的环境配置。 正如一位推友说的：“You don’t have to be ready, you just decide to be ready!” 自然语言驱动，让 AI 帮你快速落地第一个能跑通的玩具工具或 Web 页面。 这一步的核心不是背诵代码实现，而是学会像产品经理一样拆解需求，像架构师一样定义模块边界。 AI 出现前，很多优秀的项目经理早就把程序员当“人肉 Coding Agent”在 Vibe 了；现在你的第一课，是把这种顶层抽象与表达能力练出来。 二、角色转换，从「写代码工人」变成「首席代码审查官」 如果只会在 AI 面前一路狂点「Yes Yes Yes」，最后出来的只是一堆无法维护的 AI Slop（代码屎山）。 这一阶段的重心从「会写代码」转向「会判断代码」： AI 给出实现，逼自己逐行做 Code Review：为什么选这个库？并发会不会炸？内存开销有多大？ 借助 AI 去阅读成熟开源项目的源码，对比工业级实现和 AI 生成代码的差距。 看得懂代码是及格线，它决定了你能把 AI 带到多高的高度。 三、走出玩具心理，去真实生产环境历练 推友里一位学生讲得很扎心： 早期 Vibe 出的项目只管功能跑不跑得通，一旦面对多用户直接雪崩——没有 Trace ID，没有分级日志，一个组件崩溃直接引发级联雪崩。 还有机械生做独立产品，上架 Steam 后被刷接口、扫漏洞，才明白架构和边界是被攻击过的人才懂的痛。 从 Demo 到商业产品的分水岭，从来不是核心功能能不能跑，而是“系统坏了怎么好修，遭遇异常怎么兜底”。 四、带着真实问题，穿透到底层，从而补齐 CS 四大件 计算机基础课（计网、操作系统、数据结构、组成原理）不是不用学，而是不再为了期末考试死记硬背。 当你面对 AI 烧了 10 万 Token 还反复横跳、修不好的 Bug 时： 遇到高并发连接超时与数据错乱 → 去翻计算机网络与数据库事务；遇到底层锁竞争与内存暴涨 → 去啃操作系统调度与数据结构；学 C 语言不是为了应聘 C 工程师，而是看清机器运行时的物理代价。 计算器普及了这么多年，小学依然要教算术。底层内功，是你在 AI 彻底卡壳时的唯一解药。 总结一下这套新路径： 目标驱动落地 (MVP) ➔ 对抗式审查 (Review) ➔ 真实世界碰撞 (Production) ➔ 溯源下潜补内功 (CS Core)。 AI 抹平了语法的记忆门槛，却无情地放大了系统设计、工程化防线和底层归因的差距。 会按回车调用工具的人满大街都是，真正理解计算机系统的人，在这个时代反而是更稀缺的资产。

豆包工作是字节跳动发布的重磅产品，直接整合了 coze、飞书。它是豆包面向办公场景的独立 Agent，能按目标拆解任务、调用工具、操作电脑和浏览器，并与飞书打通企业资料，直接推进完整工作流程。 上手时先抓住这些重点： • 界面分三块：左侧找功能，中间下任务，右侧看过程和结果。从新工作任务开始即可。 • 下任务时写清目标，选择本地电脑或云电脑，选择按需确认，并把文件加进输入框。提示词里写了文件名，还要确认输入框里已经出现文件卡片。 • 技能用来保存并复用固定流程。连接器用来接入邮箱、会议、办公系统等外部服务。项目用来管理同一批对话、文件和规则。定时任务用来按固定时间重复执行已验证的流程。工作伙伴是预设好角色和能力的专用助手。 • 第一次先完成一件能核对的事，例如分析一份 Excel：保留源文件，单独列出异常数据，注明计算口径，交付清洗表和结论摘要，再核对数字是否对应。 • 一条任务跑通后，再做 PPT、会议整理、飞书协作，或改成定时执行。上传资料前先确认权限并脱敏。删除、发布、发信、付款等动作需要人工确认。 先完成一个能核对结果的任务，再使用技能、连接器、项目和定时任务。产品更新较快，入口以当前页面为准。资料进得去，规则写得清，过程看得见，结果对得上。

就在昨天，一群从未见过面的人，因为相识于推特，在腾讯会议里开了第一次股东大会，决定一起创办一家公司。 回头看，AI Spark并不是从这场股东大会开始的。 它真正的起点，是2026年1月，我决定开始做自媒体的时候。 那时，我先从抖音开始做。不到一个月，单条视频的播放量基本都在1万以上，有的甚至到了十几万。因为私信的人太多，账号被封了30天。 就在被封的这30天里，我刷到一条消息，说推特推出了创作者分成计划。我想，这或许是一个机会，于是来到推特开始发帖。 刚开始，发什么都没有流量。 说实话，我对创作者分成计划没有多大兴趣，但把达到创作者门槛当成一个目标，本身就是一个可以持续写的话题。于是，我开始每天打卡，记录自己距离门槛还有多远。 后来，我偶然刷到了前端哥社群，随便进了一个群。群里没有什么明确的目标，大家每天都在散聊。为了完成自己的流量目标，我自告奋勇当了群管理。因为有了群管理这个身份，群成员之间的热帖和互动也越来越多。 但我来到推特，从来都不是为了赚流量费。 别人来这里，可能是想找点副业，赚点兼职；而我从一开始想找的，就是一份事业。 那时，我并没有把所有事情想清楚。我不知道应该从哪里开始，不知道具体要做什么项目，也不知道自己手里到底有哪些资源。 我只是模糊地想明白了一件事：这件事一定要从自媒体开始。 至于做什么内容、卖什么产品、通过什么方式赚钱，我都没有想明白。 但有一件事，我非常确定：推特绝对不是我最终创业的地方。 因为我的客户说的是简体中文，他们在国内，不在推特。对我来说，推特只是我还没有想清楚下一步该往哪里走之前，一个短暂的栖息地。 可也正是在这个栖息地里，我慢慢找到了创业最初的资源。 社群里的人大多是技术出身，他们拥有天然的技术优势。运营社群的那段时间，我突然意识到：这些人，就是我手里最初的资源。 于是，我开始误打误撞地写AI小白内容，自己也开始学习AI。 后来，推特账号逐渐做起来了，我第一时间回到抖音，重新开始做国内账号。有了推特积累下来的内容经验，国内短视频起量也很快。 可新的问题很快出现了。 我只在意视频有没有流量，却没有想清楚这些流量该通过什么方式变现。 视频有播放，账号也在增长，但它们并没有变成一门真正的生意。 那依旧是一场空欢喜。 于是，我一边更新视频，一边尝试各种可能的变现方式。 4月，我第一次带着社群里的人做AI小白培训。课程采用两天线上直播的形式，内容是Codex，第一批报名的人不到20个。 虽然没有达到预期人数，但这是我第一次真正尝试把内容变成产品，把流量变成收入。 这次直播结束以后，我发现了很多问题。 直播课受到时间、交付方式和人数的限制，很难持续增长。对知识付费来说，纯直播并不是一个好的产品形态。 于是，我把课程改成了线上视频课。 可产品做好以后，我又发现渠道受阻。 我的短视频账号讲的是AI科普，卖的却是Codex学习课程。来看视频的人和愿意购买课程的人并不是同一群人。 流量和产品错配了。 我开始意识到，有流量并不等于有生意。只有流量、产品和销售方式全部对上，钱才会真正进来。 后来，我开始尝试用直播销售课程。 因为完全没有直播经验，刚开始的数据非常惨。一场直播下来，不仅没有成交，直播间里甚至没有几个人。 但这件事反而让我非常确定：直播销售课程，就是最终的形态。 方向没有错，只是我还不懂其中的门道。 于是，我开始每天直播两场，早上一场，晚上一场。 我不断打磨话术、测试流量、研究直播方式。每天面对的，都是没什么人看的直播间和几乎为零的销售额。 就这样坚持了一个月以后，我终于卖出了第一单。 结果下播以后，账号直接被封了30天。 卖出去的那唯一一单，也退款了。 我非常崩溃，崩溃了三天。 三天以后，我再次打开直播电脑，继续开播。 团队所有的小伙伴都以为我会就此放弃，但我的信念是：坚决不下牌桌。 因为我非常清楚，我不是在找一份兼职，我是在创业。 我看得见远处的喜马拉雅，而眼下的小山坡，也需要我一步一步走完。 就这样，我又回到了那段暗无天日的日子。 每天没有销售额，直播间也没什么人看，但我还是继续播。 又播了几天以后，我开始反思。 直播间没人看，说明直播内容有问题。于是，我重新调整了直播内容。调整以后，直播间终于开始有人看了。 但依然没有成交。 这说明流量的问题暂时解决了，剩下的就是产品和价格的问题。 当时，团队里的人都不赞同我换品。但我还是决定换。 我自己用AI生成封面图，自己把新产品上架。很多东西都没有准备充分，就这样开始测试。 第一天，依旧是0单，但已经有人开始咨询了。 第二天，卖了2单。 第三天，卖了11单。 产品终于跑通了。 团队连夜开始更新和迭代新品。不到三天，整个产品被补充完整。 从那以后，我们真正开始了团队的直播生涯，也开始了团队每天都有钱进账的日子。 我也开始培养新的主播。 过去那段没日没夜、看不到结果的直播经历，并没有白熬。那些失败的话术、无人观看的直播、零成交的数据，最后都被我沉淀成了一整套直播流程。 我带的第一位团队成员，从直播间0人到第一次开张，一共用了15天。 他们不需要再经历我经历过的那段暗无天日的时光，也不需要把所有错误重新犯一遍。 因为他们走的，已经是一条被验证过的路线。 直到这时，AI Spark才真正具备了成为一家公司的基础。 我们已经有了可以成交的产品，有了能够持续销售的直播方式，也有了可以培养新主播的流程。 一个人的偶然经验，开始变成一群人可以重复使用的能力。 于是，就在昨天，一群从未见过面、相识于推特的人，在腾讯会议里开了第一次股东大会，决定一起创办一家公司，正式经营我们的业务。 有人说：“你们不就是个卖课的吗？” 对，没错。 AI Spark现在就是个卖课的。 但它不止于此。 一家公司总要先有一门正在赚钱的营生，才能真正运转起来，而不是只靠梦想和情怀。 我们现在要做的，就是先把眼前这门生意扎扎实实地做好，让公司先活下来，再一步一步走向更远的地方。 至于AI Spark最终会走到哪里，现在没有人知道。 但我知道，我们已经坐上了牌桌，而且不会轻易下去。 AI Spark未来的创业故事，我都会继续写在这里。

第一次用终端 Agent，最容易翻车的不是安装，是它说「做完了」你就信了。 文件写到哪、原稿改没改、人名日期漏没漏，很多人看都不看。 所以我写了一篇零基础实操，只做一件能验收的事，中间把这几件事讲清楚： 1. 单独建练习目录，用虚构会议记录生成行动清单 2. 任务结束不看它自己的总结，回到命令行核对原文件、输出和截止日期 3. 本地 Agent 不等于本地模型，@文件、AGENTS.md、Skill、Extension 也不是一类东西 4. Project Trust 不是沙箱，「不要访问目录外」只是提示词，不是系统锁 用的是 macOS、iTerm、Pi 0.80.10。会打开软件、复制文字、找到文件，就能跟着做。 先走通这一趟，再去装模型和插件，会轻松很多。

卧槽，Agent 可以直接操作你的安卓手机！📱 介绍一下：android-remote-control-mcp 像人一样操作任何安卓 App手机自己跑 MCP server → 不用 root，不用数据线，不用电脑跑 ADB 中转装一次，人在外面也能遥控家里那台手机读屏、点按钮、划屏幕、打字、开 App、拍照、读通知，57 个工具全给你。 立即开搞👇 我在模拟器上从零跑了一遍，读一整屏的 UI 树只有 4000 字符出头，一千个 token 左右，比那些 dump XML 的方案省太多。 下面是完整安装步骤，手机和模拟器两条路都写了。如果嫌麻烦其实可以用 Airtap 的云手机，直接发送短信，免安装，开箱即用。 我录了一段 Agent 实际操作 Android 手机的过程，一句话丢给 Agent，它自己在模拟器里读屏、找按钮、点下去。 一、手机直接装（最简单） 手机浏览器打开项目的 Releases 页，下载最新的 APK（当前 v1.11.1，包 169 MB） APK 有两个版本，按手机选：GMS 版给正常带 Google 服务的手机，不确定就选它；FOSS 版给去谷歌化的 ROM，不依赖 Google 服务。 点开下载好的 APK 安装，中途会问你要不要允许「未知来源」，允许 打开 App，Server 页顶部会有一条权限提示，进去把无障碍服务打开。这一项是必须的，读屏和点击全靠它，不开的话所有工具都会报错 Android 13 以上，用 APK 侧载安装的应用，无障碍开关是灰的，点不动。去「设置 → 应用 → Android Remote Control MCP」，右上角三个点，选「允许受限设置」，验证一下指纹或密码，再回来开就正常了。 相机、麦克风、定位、通知这几个是可选的，对应的工具用不上就不用给 回到 Server 页点 Start。页面上会显示 IP、端口和一串 token，这三个待会儿要给 Agent 二、模拟器装（没有安卓手机，或者不想拿自己手机试） 先在电脑上装一台安卓模拟器。装 Android Studio 是最省事的路，它自带模拟器和 adb，建一台 Pixel 7、Android 15 的机器就行。 模拟器起来之后，剩下的步骤和真机完全一样：把 APK 拖进模拟器窗口装上，打开 App 开无障碍，回 Server 页点 Start。 模拟器不用管「允许受限设置」那一步，无障碍开关直接就能点。 三、接进 Agent 这一步别自己查文档了，把仓库链接丢给 agent，让它自己配： 读一下这个仓库的 README，把它的 MCP server 配到我的 Agent 里，配完验证能连上。 它会自己去看 README、写配置、跑一遍连通性检查。你只要把 App 里 Server 页显示的那串 token 和地址给它。 地址给哪个，取决于你怎么连：手机和电脑在同一个 WiFi 下，就在 App 里把绑定地址改成 0.0.0.0，用它显示的局域网 IP；用模拟器就是本机地址；人不在家，在 App 里开 Remote Access 隧道，用它给的那个公网地址。 仓库里还自带一个 Claude Code 插件，作用是反过来的——把手机上的通知、WiFi、地理围栏这些事件推进你的 Agent 会话里。这个也一样，让 agent 顺手一起装了。

一篇稿子，改了 21 版。 第一版看起来没什么大问题。第十一版把开头整段换掉。到最后一版，结尾又删了一截。如果把这二十一份全部塞给 AI，它记住的内容越多，反而越难知道你现在到底要用哪一版。 这不是记忆太少，是记忆没有失效时间。 网上最后只留下终稿。中间删过什么、为什么删、哪一次改动被证明有效，几乎没人记。可对一个要长期跟你干活的 Agent 来说，值钱的恰恰是这些没出现在终稿里的过程。 @legacyvps 拿这 21 版去测 OpenContext，测完最清楚的不是「它能存」，是「存下来以后怎么办」。 文件夹可以按时间排，向量搜索也能捞出相似段落。下次让 Agent 给这篇文章做摘要，它依然可能把你已经删掉的结尾找回来。找得到，不代表它知道这段已经不用了。 所以真正要过的关就三句： 记得住，不是把旧稿全找回来，是能在跨会话、跨项目的历史里，拿出当前仍然有效的那一版。 学得会，不是把轨迹直接拿去训练，是从你的删改和反馈里，提炼下次还能用的经验。 做得成，不是指标好看，是下一次交稿，真的少走一次已经证伪的弯路。 他本地跑的时候也很老实。官方包没起来，自己拉源码修写入读取，接到 SQLite。消息能存、能读、能手动标 current / superseded。语义搜索没配 embedding，接口直接报错。失败截图他留着，没补一个看起来成功的结果。 这比完美 demo 有用。因为边界就在这儿：保存只是最前面一步。Agent 还得知道一段话什么时候失效，后来被什么取代，当时又为什么改掉它。 新内容也不能因为来得晚就自动赢。证据不够，就标成 contested，把来源一起交给你，而不是悄悄替你选一个。被删掉的形容词没必要一直占着上下文；导致整段重写的那个判断，却值得留——它能解释你为什么走到现在这一版。 我现在看 Agent 记忆，已经不太关心它能存多少条了。 我更在意旧内容什么时候失效，以及一次修改为什么会发生。只保存最终结果，Agent 看不到过程。什么都舍不得放下，它又会把过期答案带回来。 等它不只记住 21 版，还能说清为什么留下第 21 版，并把这个判断用到下一篇里，「每完成一次交付，就获得一次成长」才不只是口号。

做数字人，最容易犯的错是去找一个一体化工具，指望从选题到成片一把梭。用一阵子一定会出岔子。 因为一条数字人口播视频，其实只有五个位置：形象、声音、口型、内容、环境。五个位置互相独立，每个都可以单独换。 前三个让你「有一个数字人」。后两个才让它变成一条能发出去的营销视频。 绝大多数人的力气花在前三个上。卡住他们的，是后两个。 @MinLiBuilds 这篇把这件事拆到能下手。他自己先手搓了一条全本地链路：手机拍 30 秒素材当脸，VoiceBox 里跑 Qwen TTS 复刻自己的声音，再用 MuseTalk 把嘴逐帧重画，让口型和音频对上。脸是自己的，声音是自己的，稿子不用传给任何第三方。只做一个账号、量也不大，看到这里已经够用。 可真要做营销，这条链路会立刻露出四个洞：画面里只有人没有物，口型模型对姿势和构图很挑，没有环境也没有环境音，最要命的是——拍什么才能爆，它完全不管。 所以他后面把中间大半截换成了 Seedance 音画同出。给一张定妆参考图、一段描述，模型和声音一起吐出来。产品能进画面，构图不再被口型模型绑死，环境那一格也终于有东西填。他还从抖音里扒到一个词：ASMR。翻纸、脚步、杯子放下、室内那种说不清但确实存在的空气感，TTS 给不了，素材库也很难跟画面对上点。填满第五个位置的，不是语音模型，是视频模型。 但音画同出有一笔账必须先算清。它发挥空间太大，很难让它一字不差念完你的稿。产品名、价格、活动截止时间，念错一个字，这条就废。 所以本地那条他没删。两条是这么分工的： 要氛围、要环境、画面里要有产品：走 Seedance，一步到位。 逐字必须准，或者稿子不方便传出去：回本地，牺牲效果换可控。 别指望同时拿满。想清楚这一条视频要哪一头，比调参数重要。 还有一层比出片更值钱。选题不再沉进收藏夹，进一张每天自动变长的表；人设不再每次从零生成，先定妆，再做成主播库，换衣服换场景变成一次挑选。一条视频做完就结束了，一张表做完才刚开始。定妆卡沉淀成主播库，收藏夹沉淀成选题库，这两件事的收益是复利的。 本地负责可控，云端负责效果，表负责积累。数字人不是一个工具，是五个可以分开换的零件。

我先说一个用 Agent 的人都会撞上、但很少有人把它说清楚的事。 你让它干过的活，它其实都「记得」。会话记了，向量库也存了，上下文窗口再往上拉，上周改过的规则、上个月踩过的坑，搜一下都能翻出来。 可到下一次，它还是会犯一模一样的错。 人不是这样的。一个人处理过 100 次合同，第 101 次会更熟——他记得上次哪个条款被客户挑刺，记得哪位合伙人对风险更敏感，记得三个月前那次修改到底是为什么。Agent 处理过 100 次，第 101 次仍可能从入职第一天重新开始。 入职第 365 天，能力还停在第 1 天。这不是段子，是现在绝大多数 Agent 的真实工作状态。 过去两年行业一直在给它加记忆：更大的向量库、更长的上下文、更全的知识图谱。看起来都在解决「忘事」。可如果你盯得够紧，会发现我们解决的其实是检索，不是记忆，更不是学习。 检索能回答：用户说过什么，某份文件在哪。它回答不了：谁在什么时间、针对什么项目作过什么判断；这个判断后来为什么变了；现在真正有效的状态是什么。 一个特别日常的例子。周一在微信群里说：周五之前发季度总结。周二在飞书评论里改口：指标变了，推迟到下周三。周三又在微信里说：报告已经准备好了。 如果你的记忆系统只是把句子打成向量再召回，周一和周二会一起被塞进 Prompt。Agent 当场就乱了——截止日期到底是周五，还是下周三？ 这叫记忆腐烂。它找得到语义相似的历史碎片，拼不出一条仍然有效的时间线。 @Lonely__MH 这篇把这件事拆到了骨头上。一句总纲就够用： 一个 Agent 能找到过去，不代表它能从过去中学习。 别再问 Agent 有没有记忆了，该问的是它学没学会。 后面他讲的 Alloomi，不是又一个「我们做了更好的 RAG」。它把三件过去分散的事塞进同一个闭环：任务层把上下文当成带实体、来源、时效的业务状态来养，而不是一堆可搜的句子；脚手架层用专家锚定和回滚，挡住「越学越歪」；模型层才把筛过的经验压进权重，让下一次交付真的比上一次少犯一次错。 记得住，学得会，做得成。以后看一个数字员工，也许不该只问它今天能干什么，还该问三句： 它能不能找到正确、而且仍然有效的过去？ 专家改过的地方，会不会影响下一次交付？ 它学偏了，能不能被发现，并且回滚？ 我们缺的不是一个越来越大的历史检索系统。我们缺的是一个能把这一次的有效经验，带进下一次工作的 Agent。

Phone Harness 最近挺火，它让我第一次很直观地看到，Claude Code 和 Codex 这种 Agent，已经可以通过 iPhone Mirroring 去操作真实 iPhone 里的 App。 但真放到自己的工作流里，我反而更喜欢 Airtap 这种思路。 不是把自己正在用的手机交给 Agent，而是直接发条 iMessage，让另一台云手机替我把活干了。比如做内容时经常会碰到一个很碎的小问题。文章已经写完了，临发布突然发现还缺一张配图。以前我得自己打开 Canva，找版式，改尺寸，换标题，调整字体和布局，最后再导出。每一步都不难，但就是需要人工来做耗时间。这次临发布缺图，我索性把设计要求直接发到了 @airtap_ai 的iMessage号码 +1 (650) 444-9517，让它去 Canva 里把图做出来。 我跟 AI 说的要求也很具体： 打开 Canva，帮我做一张横版配图，主题是 Claude Code vs Cursor vs Windsurf。做成简洁科技风，三栏布局，每个产品放 3 个特点，标题突出，文字不要太多。 接下来它自己在远程手机里打开 Canva，把版式、文字和布局一步步做出来。我觉得这里真正有意思的不是 AI 又会画图了。 而是原来只能停在建议层面的东西，现在可以继续往设计 App 里走。我只需要把主题、内容结构和想要的视觉方向说清楚，剩下那些选版式、排文字、调布局的机械操作，可以直接交给 Airtap。 以后做 AI 产品对比图、模型更新速览、工具推荐卡片、教程封面，其实都是类似的逻辑。内容每次都不一样，但没必要每次都从打开 Canva 开始重新点一遍。而且第一次做完不满意，也不用自己进去改。继续在 iMessage 里告诉它哪里要调整，它就回到 Canva 里接着改。 Phone Harness 更像是让 Agent 获得操作你 iPhone 的能力。 Airtap 对我更实用的一点是：我只负责把设计需求说清楚，真正进 Canva 执行的部分交给另一台云手机。

在 Ante 测评中既然提到了 Pi Coding Agent，给大家分享一下我最常用的 2 个 Extension。 因为Pi 代表着极致简单的理念，所以本身不具备一些常见 Agent 的常用功能。而 Ante 则是全都搭配上了。 我推荐的插件也是只推荐最有必要的： 1. 「pi-web-access 」—— 必备的 Web 搜索插件：为 Pi 代理提供网页搜索、内容提取和视频理解功能。支持的搜索工具包含十几种。 2. 「pi-subagents」—— Agent 必备的 SubAgent 插件：允许 Pi 将工作委派给专注于特定任务的子代理。它可用于代码审查、探索、实现、并行审计、保存的工作流、后台作业，以及任何其他需要第二或第三个模型视角才能完成的任务。 少即是多，这两个基本完全够用。

Claude Code 、Codex 这些原生都远程真不入用 UU 连上去，直接操作，缩小放到，键盘输入，点击操作，都特别流畅。 而且操作整台电脑得所有都软件，不仅仅室 AI 软件。

虽然 Claude Code、Codex、Grok Build 等等，这些都是主流 Agent 软件，占据的世界上 Agent 大部分份额。 但是，在中国大陆上，这些都是个人的“玩具”，因为无法大面积面向普通用户。To B Agent 的市场中国应该还没打开，或者说才刚开始。比如腾讯 WorkBuddy，政企事业单位已经准备开始采购了。😆