2025-云南
https://photos.app.goo.gl/F1eHnnXJAGzeqzHTA

分享一个我常用的AI开发设定。基础思路是，通过检查和反思，自动降低AI工作后被交还到人手里时，成果出错的概率。代价就是AI会执行更长时间。
基本逻辑是，先设计，然后让人类检查设计。一旦同意设计，就用subagent分别实现代码和测试。然后依次运行静态质量检查，测试，AI review。当三者均通过时，虽然不能保证代码一定正确，但起码会少很多低级错误。三者成本依次升高，所以是这个次序。
https://github.com/shell909090/ai/blob/main/prompts/AGENTS.md

我刚发现有些人还没意识到风险，提示一下。如果你在玩openclaw或这类的无审查自动agent，那就绝对不要用中转站，或者任何你无法信任的供应商。中间人只要在返回内容里投毒，多一次tool calling调用，就能给你种后门。考虑一下。

越有能力的人，未来越可能通过AI挣钱。这个可能还要有一点纠正——越有能力的人，一般越有钱。这个不一定对。但是越有钱的人，越可能通过AI来挣钱，这个一般没什么错。AI和之前互联网时代有个很明显的区别——边际成本巨大。因此，企业找不同的人做项目，本质更接近风投，而不是雇佣。顶级的专家，想做什么项目，可以无限制的使用顶级的模型。Claude Opus或者GPT-5.4，或者Gemini-3-pro。随便烧。最后成品总体来说是可以弥补支出的。所以顶级专家可以免去亲自检查代码细节。最多是让两个高级模型互相检查。如果你做过实践就知道，这也很贵。我这里做了6小时开发，按量计费就是40多美金。这还不是多agent并行全力开发。全力并行加两个大模型互查，一天100刀轻轻松松。目前可以买各种套餐来避免花费，但未来一定有一天，钱是需要实打实付出去的。如果是一个初级程序员，你敢不敢给他一个月2000刀的额度，看看他能烧出什么项目来？如果不敢的话，用次级模型来加速工作是起码的。一个月可能也就几十刀。但代价就是，他需要亲自review输出的代码。工作效率自然比不上前面所说的专家。

最近用AI推导了一下未来20年的中国人口和抚养比。结果显示，即便是从最严苛的角度来看，20年内抚养比上升的空间也有限。(0.654->0.801)真正导致20年内养老金问题暴雷的原因，在于快速的城市化。原本农村人口是几乎没有养老金的。城市化过程中，首先扩大的是劳动力基数。在劳动力退休后，才会变成领取养老金的人。所以，领取养老金人口要比劳动力基数晚30-40年增长。中国城镇化的黄金增长期是1995-2020年，对应的养老金领取人数上涨是2025-2060，其中2035-2050是高峰增长区间。中国实际上享受了长达30年的，低养老金抚养比的黄金窗口。这个窗口，恰好处理了之前工人由国家养老转为社会养老后留下的缺口。然而，随着这个黄金窗口关闭，未来养老金收发比例将会快速恶化。我计算出来的是，2045年养老金缴纳领取人数比例，将比现在大2.5倍。换言之，同购买力水平下，要么缴养老金的多出2.5倍钱，要么领取的只有1/2.5的收入，要么政府补贴，要么延迟退休，不可能一个都不来。从实践来看，大概率就是按照购买力计，拿钱的变成1/2.5。这也是为什么国家一直在推个人养老金的核心理由。

刚刚搞了一个有趣的实验，用chrome-devtools-mcp，加上devtools，让agent完全操控浏览器。然后agent就可以和我共享一个浏览器，我登录进去，agent想做啥操作做啥操作。

AI时代的最佳生产力工具很可能不是电脑，而是平板加远程云。因为AI时代，打字能力并不是特别重要，精确操控编辑能力也不是特别重要，但是大量阅读的大屏幕是很重要的。把这三个条件加到一起，首先否决手机，其次电脑没有必要性，最后可以用平板。

AI时代最重要的工作工具是独立隔音的办公环境。因为AI时代，大部分人的打字速度是跟不上AI的输入速度的。所以必须使用语音输入法予以补正。而语音输入法在嘈杂环境中效果会差很多，而且看起来非常奇怪。

今天搞出一个新玩法...用手机查看招行的投资记录，然后截图长屏——招行的很多投资数据没有导出功能——然后直接扔给豆包，让它给我算IRR。它自己会OCR。

用AI解决了一个很有意思的问题。我想知道中国房地产的折旧率年化大概是多少。然后我让AI帮我找相邻两个小区，房子的建设时间相差10年或以上的。然后计算它们的平米地价，从而得出年份差异和房屋折价的关系。最后算出来大概在2.6~5之间。