因为自己每天都会把自己的时间日志发给 AI，让 AI 去分析。今天突然联想到一个很好的 AI native 转型技巧：把自己每天做过的事发给 AI，然后让 AI 自己来分析，哪些可以用 AI 进行提效。
今天第一个实践就是让小龙虾帮自己 review 代码，效果还不错。

传统企业在向 AI native 转型的过程中，企业文化、组织结构的适配升级可能和引入、落地 AI 技术同等重要。

所有的事情、所有的问题，都可以和 AI 先聊一聊。AI 不一定能够真正的解决，就像很多物理世界中的问题。
但是AI 的价值不仅在于执行，更在于启发。

上周自己在公司内网一键部署配置简化版的龙虾，1分钟搞定，极简但看不到底层配置。昨天和今天自己在Mac上手动部署并对接飞书，折腾了近6小时，踩了很多配置坑。
但也正因手动配置，才真正理解它的能力边界、定制项与灵活性。
便捷部署虽然爽，却容易忽略工具的深度；麻烦的过程，反而让人真正掌握它。
越折腾，越懂本质。

养龙虾，这三个字其实很好地道出了和龙虾相处的本质：它不是一个能力在出厂时就固定的工具，它可以动态的在工作中、在交流中，不断成长、不断丰富技能、不断变得更强大，就像一个应届毕业生逐渐变成了技术专家一样。
同时，这个也提醒我们在和龙虾协作的过程中，刚开始一定不要只抱怨他笨，你对他一定要有一个培养的过程。
期待自己的下篇感悟是由自己的龙虾来发的。

今天自己突然意识到一个错误：这一周自己在看一个老项目的代码。看的过程中，遇到一些不懂或者不熟悉的 API，自己让 AI 给自己解释，并且在解释完成之后，自己还让 AI 给自己整成一个学习文档。第二天自己又重新复习这个文档，以尝试记住这个 API 的用法和特性。
今天自己突然意识到，这很有问题：在 AI 时代，不要再尝试去记具体的语言、语法的特性，因为自己也不可能去手写这些代码，AI 能更好地完成这些。对自己真正有价值的是快速理解代码逻辑背后的业务，这才是对自己最重要、最有价值的东西。
这件事让自己意识到自己还没有真正识别 AI 时代的本质不同和核心需要，幸运的是，现在自己又前进了一步。

在普遍存在且日益加重的 AI 焦虑下，市场上有两个非常明确的机会：第一，是通过贩卖焦虑进行卖课或者是知识付费。第二，就是通过某些方式缓解大家的焦虑，重新发现生命的兴趣和意义。
第一个很多人已经在做了，第二个目前还没有发现大量的涌入者。

之前自己尝试用 Bmad-method 或者 SpecKit 进行代码开发，但是使用起来都感觉有点重，可能有提效，但人非常累。
今天突然发现另外一个思路: 就是在完成方案设计后，让 AI 一个点一个点的去写代码，每写完一处，自己就检查一下逻辑，并让 AI 补充一下单测。每次只完成一个局部很小的点，直到整个需求开发完成。整个过程中感觉提效了不少，并且人也没那么累。

真诚讨论：在 AI 时代，还有什么比亲自参与一个综合的、商业的 AI 项目能更快地提升 AI 能力吗？

今天用 OpenClaw 把个人的目标跟进和注意力守护任务搭建了起来，测试了一下，效果还挺好的。在和它沟通的过程中，我说什么它做什么，我第一次有一种和真人在沟通的错觉。
下一步规划是，把之前搭建的个人记忆系统生成的所有文件提交到 Git，然后让 OpenClaw 知道我所有的记忆，然后可以更好地帮助我跟进目标，分析我的行为模式、性格特点等等，想想就很激动，并且意外的惊喜是，之前搭建的个人记忆系统的价值终于开始体现了出来。