最近用 AI 比较多，也有一些自己的感受，零散记一下。
1. 大模型、Agent 和平台
大模型就像发动机，Token 是汽油，Agent 智能体相当于汽车，各种 CI/CD 平台就是路和基础设施，OpenClaw 这类工具大概是汽车的智驾。不一定非常准确，大概这么个意思。
2. AI 写代码这件事，现在到底到哪了
春节前，AI 辅助写单元测试，能完成大概六七十。春节后，用上 plan 模式 + Claude Opus/Sonnet 4.6 之类，至少 80%，部分场景 85% 以上。
对于初中级程序员能干的事，AI 基本已经碾压了。简单的功能、函数、小模块，没什么问题。
但是，遇到复杂项目，多模块互相关联、调用链条复杂的那种，目前国内国际顶级模型都还不太行。这块儿目前是高级程序员最后的阵地。但以 AI 目前的迭代速度，这个阵地估计也撑不了太久。
下一个真正的护城河，可能是：对现网复杂问题的经验判断，行业 context 的深度积累。这些东西 AI 目前基本还是胡说八道的多。
3. 真正的护城河在哪
不是什么人文关怀、情感这些，这些 AI 是可以模拟的，而且会越来越好，对这方面的护城河持悲观态度。
真正难被替代的是：私有数据、行业经验、关系网络、运营资源、信息差。这些才是门槛，其他的比如做个 to-do list 应用、学英语 app 之类，基本没有任何护城河，扯淡。
4. 技术跟进节奏
不必追 .0 版本，等到 .1、.2，大版本相对稳定了再跟进。但也不能隔三五个大版本才去关注，那就太晚了。这个思路对 AI 新技术和传统开源软件都一样。
5. 关于 OpenClaw 的实际使用体验
用了一段时间，整体来说，选对模型 + 配好 skills，效果还不错。我这边主要用来：定时提醒股票、花粉等信息、处理 F-Stack 开源项目的 issue，效率比较好。
后续计划用来给 F-Stack 生成架构文档、规范文档，以及尝试用 SDD（Spec-Driven Development）模式开发或优化一些新功能，具体效果后续再看，有些功能对 Claude Code 来说确实也有点吃力。
对其他人的建议：任务复杂但选了弱模型，效果就很差，基本不可用。如果平台只能用自动分配的国产模型，建议换个可以手选模型的，至少选 GLM5、Kimi、MiniMax 这类相对好的。有条件的话还是上海外顶级模型，效果差距很明显。
Token 消耗大的话，可以按任务分级：简单任务用国产模型，复杂的工程化连续任务建议用海外顶级模型；定期做记忆压缩也有帮助；尽量使用Coding Plan。
当然，小龙虾目前这么火，肯定也少不了各种宣传导致的全民焦虑，以及卖铲子和盒饭的推波助澜。
就这些，比较零散，凑合看。
本文是个人提供零散信息后，由 OpenClaw + Claude Code Sonnet-4.6 模拟个人风格整理生成。