每天都有 AI 产品"炸裂"，但我已经不焦虑了
Vibe Coding 诞生一周年，我发了条帖子纪念，很多网友的反应都是：“才一年？！”
DeepSeek R1 横空出世也才一年。都说成年后时间越过越快，AI 给了我相反的感觉：每天都有各种“炸裂了”的新技术新应用，信息密度大到一天顶以前一个月。
前几天看到一位网友的帖子，引起了很多人的共鸣：
求求你们了，别再整新玩意儿了！Manus 没用过，OpenCode 还没装，Cowork 还没捂热，又来个 Clawdbot。前脚 Remotion 干翻剪映，后脚 Pencil 打倒 Figma。学习和选择新工具的目的是为了搞出一个有用的东西来，而不是为了等着学习下一个工具啊！
求求你们了，别再整新玩意儿了！Manus 没用过，OpenCode 还没装，Cowork 还没捂热，又来个 Clawdbot。前脚 Remotion 干翻剪映，后脚 Pencil 打倒 Figma。学习和选择新工具的目的是为了搞出一个有用的东西来，而不是为了等着学习下一个工具啊！
我做 AI 自媒体，比大多数人更需要“尝鲜”各种 AI 模型和应用。但这几年下来，我学会了一件事：选择性尝鲜。
时间有限，精力有限，不可能每个新工具都试一遍。好在这几年积累的经验让我慢慢能分辨，哪些可能只是昙花一现，哪些可能真的有价值。
比如一周前 MoltBook 大火，我断言它火不过一周。现在一周过去了，果然没什么动静。还有 Pencil 这个无限画布+AI 设计工具，我也觉得不靠谱，结果也是火了几天就沉寂了。
反过来，Cursor 还没火之前我就大力推荐，Claude Code 在火之前也推荐过，前一段大力推荐的 Agent Skills，后来也证明确实有生命力。
当然我也经常被打脸。比如当初不怎么看好 Coding Agent，觉得 AI 不可能超过我这样资深的程序员，后来被狠狠打脸了。
这几年积累了一些经验，和大家分享一下我是怎么判断的。
一、慢半拍不要紧
真正有价值的工具和技术，不会一夜之间消失。让子弹飞一会儿，经过一周甚至一个月还很火的，再去尝试也不迟。
拿 Claude Code 举例。它刚出来的时候，我没有急着测试，先观望了一下。那时候普遍反馈 Token 烧得太厉害，只有少数不差钱的用户觉得“虽然烧钱，但确实厉害”。直到后来 Claude 让订阅用户可以共享订阅使用 Claude Code，我才去尝试，结果发现确实不错，一些以前 Cursor 做不到的事情它都能做到了，远远超出预期。
FOMO（害怕错过）心理很正常。但真正好的东西，你慢半拍去发现它，一点不亏。
二、亲手试试比听说靠谱
有人说某个 AI 模型或产品很好，不能说他们瞎吹，但每个人的应用场景和需求都不一样，适合别人的不一定适合自己。最好自己上手试一试，形成自己的判断。
如果没条件试，至少多看几个真实案例，比只听一家之言靠谱得多。
这里还有个前提：保持开放心态，随时准备被颠覆。我自己就是活生生的例子，当初觉得 AI 写代码不可能超过资深程序员，结果现实教育了我。
三、透过现象看本质
每一个新工具或技术的火爆，背后都有原因，可能是真的有创新，也可能是营销炒作或跟风。关键是分析它到底解决了什么问题，有没有持续发展的潜力。
比如我评价 OpenClaw 和 MoltBook，给了截然不同的判断。
OpenClaw 虽然问题不少，安装门槛高、Token 消耗大，但产品形态上是真正的创新：
• 通过 IM 就能让 Agent 操作电脑
• 能主动给用户发消息像个真正的助手
• 有长期记忆可以积累用户习惯
• 不需要手动管理上下文就能在一个对话里做很多事
这些都是用户真正需要，但现有 Agent 产品没解决好的痛点。它有点像当年的 Cursor 和 Manus，刚出来时问题一堆，但产品形态是开创性的，会持续迭代越来越好，也会吸引其他厂商跟进。所以虽然现阶段我日常不会用它，但会持续关注。
再看 MoltBook。这个“AI 版 Reddit”上线 48 小时涌入超过 10 万个智能体，Karpathy 说这是他见过最科幻的景象，马斯克转发，全网炸了。听起来很震撼对吧？但拆开来看，它踩中的是三个有保质期的引爆点：
• 蹭了 OpenClaw 的热度
• 满足了大众对“AI 专属社区”的好奇心
• “天网觉醒”叙事自带的科幻想象和恐惧效应
这三样东西的保质期都很短。
还有人觉得 Agent 在社区里互相交流就能自我进化，最终天网觉醒，这是把科幻小说和现实搞混了。现实中的大语言模型，训练完成后权重就是固定的，不可能通过 Agent 互相聊天就进化。
还有 Pencil.dev，它想让 AI Agent 自动做设计。但设计的上限取决于 AI 的审美，审美是极其主观的东西，不像代码有明确的对错。你很难用自然语言描述清楚设计意图，结果就是演示视频很炫酷，实际效果一般。
四、多关注不变的东西
AI 领域变化快，但很多底层核心技术反而是稳定的。比如提示词工程、上下文工程，再比如我一直推荐的 Agent Skills。
这类技术有个共同点：学好了不用担心短期内过时，能用得上。无论模型怎么迭代，它们都适用。而且正是掌握了这些底层技术，你才能做到前面说的“透过现象看本质”，才能判断一个新工具到底有没有真正的价值。
回到开头那位网友的吐槽，焦虑的根源不是工具太多，而是不知道怎么选。当你有了自己的判断框架，看到新工具的心态就会从“又来一个，我是不是又落伍了”变成“让我看看这个有什么新意”。
工具是拿来用的，不是拿来追的。找到适合自己的，把事情做出来，比什么都重要。