我发这个写代码无用论已经没有程序员喷我了 要是两年前，大家不得喷死我。 但事实就是这样，写代码越来越廉价了。像我这种技术中上一点的人也不得不面对这个事实：别人不太需要我的技术了。 我之前说过，上班这种形式最后也很被动，被很多人喷了。不知道过多久会有人理解我说的话。 我其实不鼓励辞职，反而我羡慕拿高薪然后投AI对冲风险的。 但我出来2年多了也没回去上班，我起码言行合一。 那些喷我的人呢？你们做得到你们口中宣称的自己吗？

推荐 OpenAI 24 门免费课程，2026 年起陆续附带官方认证 我按 14 周排好顺序，简单到困难一步一步学 第 1–2 周｜入门基础 1. ChatGPT 101: A Guide to Your AI Superassistant OpenAI 团队亲讲 44 分钟，覆盖各模型、核心能力、最佳实践，新手起点。 2. ChatGPT Fundamentals 工作场景下 ChatGPT 基础能力速览，配合 101 食用。 3. OpenAI, LLMs & ChatGPT 理解 OpenAI 模型与大语言模型的工作原理。 第 3–4 周｜提示工程 4. Introduction to Prompt Engineering OpenAI prompt 团队亲讲，结构、误区、改写策略一次讲清。 5. Mastering Prompts 跨模型、多步任务、长上下文的进阶提示工程。 6. Advanced Prompt Engineering 高级 prompt 结构，做精准控制。 7. Prompting Resource Hub 按场景分类的 prompt 模板速查表。 第 5–6 周｜多模态与搜索 8. Multimodality Explained ChatGPT 怎么同时处理文本、视觉和多种输入。 9. ChatGPT Search ChatGPT 内的高级搜索与研究工作流。 10. ChatGPT for Data Analysis 直接用 ChatGPT 分析数据、图表、表格。 第 7–8 周｜工作流与项目 11. ChatGPT 102: Leveraging AI to Do Your Best Work 进阶旗舰课 40 分钟，Deep Research、Projects、Custom GPTs 一次过。 12. ChatGPT Projects 用动手项目练真实世界的 prompt 技能。 13. Deep Research 用 Deep Research 拿详细、有来源的洞察。 14. Skills 把重复工作流变成 ChatGPT 可复用 Skill 的具体方法。 第 9–10 周｜自定义与角色 15. Introduction to GPTs 怎么构建和自定义自己的 GPT。 16. ChatGPT & Reasoning 训练 ChatGPT 进行逻辑思考并解释推理。 17. ChatGPT for Any Role 市场 / 销售 / 设计 / 法务 / 财务 / HR 不同岗位的 ChatGPT 用法清单。 第 11–12 周｜开发者方向 Codex 18. Introduction to Codex Codex 入门 webinar 60 分钟，能力、安装、工作流，企业部署必看。 19. Codex Fundamentals OpenAI 工程师直播 Codex 在企业开发的最佳实践，可看录播。 20. Solution Accelerator: Voice Solutions 用 Realtime API 构建 voice agent 的完整方案包，含架构图、代码、部署指南。 第 13–14 周｜企业部署与垂直行业 21. Workspace Agents: Guidance for ChatGPT Enterprise Admins 给企业 IT admin 的 agent 部署指南。 22. Professors Teaching with OpenAI 高校教师 ChatGPT 教学的完整资源库，83 个资料。 23. OpenAI for Government 政府部门用 AI 的指南、prompt 包、合规建议。 24. 行业专题集合 高校 / K-12 / 公益 / 小企业 / 医疗 / 退伍军人六大行业资源集合。 全免费，全官方。先 mark 再开学。 你也可以看看下面我关于Agent记忆的爆文👇

根据我阅读多次Claude文章的经验 X上很多Claude的文章都是付费的，Codex的反而少不少。 国内的大模型公司为什么不找我呢？ 我的文章浏览量都是10w+，古法手工，个人也写过大爆款1200w的大爆款。 该不会筛选博主的工作都外包出去了吧🤣

没想到我这篇技术文章竟然能跑到18w浏览 我已经两年没关注技术，为了写这篇文章，看了OpenClaw的代码，搞了好几天。 不过，技术的基本底子还在，还能看懂论文。 哎，不过这和赚钱没啥关系，技术搞多了占用人生时间，一辈子只能是个高级打工人。 还不如研究一下管理和营销。🤡

推荐Anthropic 13 门免费课程，还附带证书 我按 12 周排好顺序，简单到困难一步一步学 第 1–2 周｜基础 1. Claude 101 上手 Claude 的日常使用，是后面所有课的前置。 2. AI Fluency: Frameworks & Foundations 人机协作的四原则，建立怎么跟 AI 合作的心智模型。 第 3–4 周｜接 API 3. Building with the Claude API 旗舰课 8 小时，从基础调用打到生产部署。 第 5–6 周｜MCP 协议 4. Introduction to Model Context Protocol 工具、资源、提示三要素入门，把外部工具接到 Claude。 5. MCP: Advanced Topics 用 Python 深度构建 MCP server 和 client。 第 7–8 周｜Claude Code 与 Skills 6. Claude Code in Action 配 CLAUDE.md、Hooks、CI 集成，把它变成日常工具。 7. Introduction to Agent Skills 写、配置、分发可复用的 Skills，agent 的积木。 第 9–10 周｜上云 8. Claude with Amazon Bedrock 在 AWS 上跑 Claude，IAM 与企业账号调用模式。 9. Claude with Google Vertex AI 在 GCP 上跑 Claude，与 Vertex 其他服务串联。 第 11–12 周｜角色专项 10. AI Fluency for Students 学生怎么把 Claude 当导师而不是作弊器。 11. AI Fluency for Educators 教师怎么把 AI 融入课堂与作业设计。 12. Teaching AI Fluency 怎么把四原则教给别人，培训师工具包。 13. AI Fluency for Nonprofits 公益组织在预算和合规下怎么落地 AI。 全免费，全官方。先 mark 再开学 你也可以看看下面我关于Agent记忆的爆文👇

据我观察，99%的企业使用Agent的方式存在巨大的问题。 大部分企业每天的工作：开会沟通，做各种决定。 假如不能第一时间将这些信息传递给Agent。员工们下次用AI的时候，就不得不回忆起信息，然后转述给AI。 你知道的，人们不喜欢记录信息，容易遗忘信息，事后转述还会产生偏差。所以企业里面的Agent永远只能获得不完整，带有偏差的信息。 假如连得到的信息都是错误，Agent如何协助企业提效呢？ 这就是为什么新一代的企业协同工具，都尝试尽可能快的将信息写入Agent的长期记忆中。 你在协同工具里面开的每个会，和客户的每次沟通，都会立即存入Agent的长期记忆中。 下次使用Agent的时候，只要你开口，一切都会很顺利。再也没有重复的纠错，低质量的交付了。 如果你在寻找这种AI-native企业协同办公软件，可以看看下面👇

招一个产品经理？年薪40w 招一个老程序员？年薪50w 招一个设计师？年薪35w 招一个营销专家？年薪40w 找一个文职人员？年薪25w 这得花190w了 或者 你可以准备好5个的markdown文档 设定目标和环境，让Agent不眠不休运行 这最多就花几百元token 在招人花掉的大部分资金之前，先试试这个方法 或许你不需要那么人，只要5个markdown文件

觉得Claude消耗TOKEN太多了？ 可以试试这个叫Claude-Mem的项目，目前已经75k star 具体功能如下： 持久化内存 - 上下文跨会话保留 📊 渐进式披露 - 分层内存检索,具有令牌成本可见性 🔍 基于技能的搜索 - 使用 mem-search 技能查询项目历史 🖥️ Web 查看器界面 - 在 http://localhost:37777 实时查看内存流 💻 Claude Desktop 技能 - 从 Claude Desktop 对话中搜索内存 🔒 隐私控制 - 使用 标签排除敏感内容的存储 ⚙️ 上下文配置 - 精细控制注入的上下文内容 🤖 自动操作 - 无需手动干预

终于让我找到了一个AI-native企业协同办公软件了！！ 事情是这样的，今年愚人节那天，我朋友的Slack工作区被锁死了！！ 几年和客户的聊天记录，大家做决策的过程，公司的知识库，没就没了。 更可怕的是随着这些数字资产消失，企业的 AI 提效将变为空谈。 他开始疯狂找替代品，飞书、钉钉、企微，挨个试遍。 突然他意识到：只要数据还在别人服务器上，就有可能说没就没 他问我：有没有一个能把数据紧紧握在手里协同办公软件？ 我推荐他用Tanka AI替代Slack，因为他们承诺：数据完全归用户所有，支持完整导出。 而且，它还我梦寐以求的企业级别的 AI 功能，在我看来简直是一个AI-native 公司操作系统。

清华几个人把 Google Maps 用了 41 年的算法给超了 从 1984 年算到现在，41 年没人做到过 那个算法叫 Dijkstra，你没听过没关系，你每天都在用 但这个卡了 40 年突破不了，因为有一道数学上的排序屏障横在中间 全世界最聪明的几个脑袋都默认这玩意儿绕不过去 去年算法界传奇 Robert Tarjan 还专门拿了个奖 证明 Dijkstra 已经是理论最优 这事看起来已经没法突破了，对不对？ 但清华这帮人不走这条路 他们的想法很简单: 找最短路径，干嘛非要把所有点都排个序 把 Bellman-Ford 那套逻辑，跟一种叫递归部分排序的方法拼起来,最后跑出来 O(m log^{2/3} n) 的复杂度 官方意义上比 Dijkstra 更快,放在小图上你感觉不到差别 但在网页级、全球物流级的大图里，这个差距是真实存在的 明天早上你的 GPS 不会突然变快 但整个最短路径问题的在很多领域发生了根本性的变化