在我上推特之前，只听过梯子、翻墙，至于怎么操作完全一头雾水。 我电脑只会开机关机，但这不重要。 我的原则只有一条：先去干。 借朋友的美区ID下载推特，不会搭梯子就用快连。 简介不写无所谓，先更新内容再说。 创作者收益门槛看不懂英文，就用豆包一句一句翻译，按教程一个一个完成。 先完成，再完美。 让事情推着你走，而不是等一切准备好。 提现怎么搞？没收益的时候根本不操心。 先把内容做好，有收益了再一步步来，有钱驱动反而完成得飞快。 一开始我完全照着小红书的格式发推，数据还行，但互动少得可怜。 没关系，边做边调整。 现在每天互动多到回不完。 内容也不知道发什么？那就什么都试：失业、裁员、搞钱方法、行业内幕…… 发完看数据，哪条反馈好就往那个方向深挖。 核心其实就两句话： 1. 你能掌控的永远只有内容本身，平台规则、算法、提现流程这些，都是“事情推着走”时自然会学会的。 2. 大部分人卡在“想清楚再开始”，而真正跑起来的，都是“先干起来再调整”。 行动永远比完美计划更重要。 先上车，后补票。 等你真正跑起来，很多曾经觉得天大的问题，都会变成小问题。

未来几年最热们的岗位会是 agent工程师， agent工程师要解决的问题是，怎么把一个 agent 接进公司的真实流程里，拿到该拿的数据，调用该调用的工具，知道什么时候动手，什么时候该停下，什么时候交给人审。 当Anthropic 在 2024 年底推出 MCP时，意思很简单：让 AI assistant 用一种更标准的方式连接外部工具、文件和数据源。后来加上了 CLI、AGENTS.md、各种本地 skills，agent 开始从“会回答问题”变成“能在系统里跑流程”。 所以呢，真正稀缺的人是那种懂业务现场，又敢碰一点技术边界的人。 这个人走进 marketing的场景，不是简单来让 AI 写文案的，而是解决线索从哪里进来？CRM 里哪些字段可靠？ 品牌风险谁来审？营销campaign 复盘怎么自动整理？ 什么时候 agent 可以直接生成下一步建议，什么时候必须停下来等人拍板？ 他走进 life sciences research的场景，是要知道数据库从哪来，证据等级怎么分，哪些结论不能乱下，实验记录怎么保留，什么地方必须有人类专家接手。 这里面每一步都需要业务判断。也需要一点技术手感。 MCP 要懂一点，因为 agent 总要接工具。 CLI 要会一点，因为严肃工作不能只靠图形界面点来点去，很多流程最后都要落成可重复的命令。 写作能力要变成skills，因为真正有用的指令要能版本管理、能复用、能被团队审。 AGENTS.md 也得要熟悉，因为 agent 需要知道这个项目的规矩、权限、构建命令、测试方式、交付边界。 再往下，就是 business acumen。 这个是最难补上的。 但是本来懂业务的人如果愿意学这些工具，就会突然变得很值钱。因为懂业务的人知道流程里真正卡人的地方在哪里，也知道哪些自动化看起来炫其实捣乱。 技术人如果只懂 agent，不懂业务，容易做出一堆 demo。demo 能跑，流程进不了公司。 中期，这个角色会发张成为AI workflow lead、automation architect、或垂直行业AI specialist， 因为企业接下来面对的是比“要不要用 AI”更麻烦的问题。 原来围绕人设计的 workflow，需要改成围绕 agent 设计。 过去很多流程默认人是路由器。邮件分发，人来判断。会议同步，人来追进度。表格更新，人来检查。审批催办，人来盯。 agent 一进来这套结构就开始松动啦。 所以这个岗位的门槛会很怪。它不要求你是传统软件工程师，但它也绝对不适合“不懂技术，只负责提需求”的人。 未来最吃香的可能就是这类复合工程师。懂一个具体行业，能写清楚规则，能跑命令，能配置工具，能看日志，能设计人工复核点，也知道哪一步出了错会让公司亏钱。 带着业务责任使用 agent的人才，才会值钱。