飞飞的AI实验室

凌晨两点，你窝在沙发上刷手机。突然想起来，白天那个支付模块的 Bug 还没修。

以前你得爬起来，走到电脑前，打开终端，启动 Claude Code，然后开始干活。光想想就累了。

现在不用了。你打开 Telegram，给你的 Claude Code 机器人发一条消息：「帮我看看 payment.ts 里的空指针异常，修完跑一下测试。」

几秒后，家里那台 Mac Mini 的屏幕亮了。Claude Code 开始翻文件、改代码、跑测试。你继续躺着刷手机。

早上醒来，PR 已经挂在 GitHub 上了，测试全绿。

这不是科幻。这是今天刚发布的 Claude Code Channels。

发生了什么

就在今天（3 月 20 日），Anthropic 的 Claude Code 团队工程师 Thariq Shihipar 宣布：Claude Code 新增 Channels 功能，支持通过 Telegram 和 Discord 远程控制编程会话。

用 VentureBeat 的标题来说：Anthropic 刚刚发布了一个「OpenClaw 杀手」。

你有没有遇到过这样的场景：每天早上打开钉钉，几十条未读消息，然后切到 AI 表格里更新项目进度，再切回群里通知相关同事。来回切换，一个小时就没了。

如果有一个 AI 助手，能直接在对话里帮你查表格数据、新增记录、甚至自动同步更新——你只需要说一句话，剩下的它来做，会不会好很多？

这就是 OpenClaw 接入钉钉 AI 表格能做到的事。

钉钉在去年 7 月发布了全新的 AI 表格，把 AI 变成表格的原生能力——每个单元格都是 AI 的入口。而 OpenClaw 作为 2026 年最火的开源 AI Agent 平台（GitHub 24 万+ Stars），天然具备连接外部服务的能力。两者一对接，AI Agent 就能直接操作你的业务数据了。

今天这篇文章，我手把手带你跑通整个流程。

钉钉 AI 表格是什么，为什么值得接入

先快速了解一下钉钉 AI 表格。它不是传统的 Excel 在线版，而是一个面向 AI 时代的数据应用搭建平台。

几个核心能力：

• 每个单元格都是 AI 入口：内置 100 多款字段 Agent，覆盖文本生成、图片识别、音频转文字等多模态处理
• 表格即文档：每一行记录都可以是一个独立文档，自由嵌入文字、图片、视频
• 自动化工作流：设定触发条件和执行动作，数据一变 AI 就自动响应
• AI 仪表盘：数据到图表一键转换，业务趋势一目了然
• 单表支持千万行：真正的企业级容量

想象一个场景：每天早上 7 点，你的 AirPods 自动播报今天的日程和未读邮件摘要；你在 iPhone 上给 AI 发一条 iMessage，它帮你把会议纪要整理到 Apple Notes 里；下班前，它自动在 Apple Reminders 里创建明天的待办事项。

这不是科幻电影，这是 OpenClaw 配合 Skills 就能实现的事。

如果你还不知道 OpenClaw——它是 2026 年增长最快的开源 AI Agent 平台，GitHub 上超过 24 万颗星。它跑在你自己的机器上，通过 Skills 系统可以连接几乎所有外部服务。而苹果生态，恰好是社区投入精力最多的方向。

今天这篇文章，我带你从零开始，用 OpenClaw 的 Skills 打通整个苹果生态。

先搞清楚：Tools 和 Skills 到底什么关系

很多人刚接触 OpenClaw 会被这两个概念搞晕。其实很简单：

Tools 是器官，Skills 是教材。

Tools 决定 OpenClaw「能不能」做一件事。比如 exec 让它执行命令，write 让它写文件，message 让它发消息。没有 Tool，就像没有手——什么都干不了。

Skills 决定 OpenClaw「会不会」做一件事。比如 apple-notes 教它怎么操作备忘录，imsg 教它怎么收发 iMessage，calctl 教它怎么管理日历。Skills 本质上是 Markdown 写的操作手册，告诉 AI 怎么组合 Tools 来完成任务。

你可能已经注意到了——身边越来越多的程序员，打开电脑第一件事不是写代码，而是给 AI 下指令。

2026 年，85% 的开发者在使用 AI 编程工具。这个数字一年前还只有 41%。AI 编程市场规模已经膨胀到 85 亿美元，而站在这个战场中央的两个名字，你一定不陌生：OpenAI 的 Codex，和 Anthropic 的 Claude Code。

一个是 AI 行业的”老大哥”，一个是由前 OpenAI 员工创办的”叛逆者”。两家公司在编程这个赛道上杀红了眼。

这场仗，到底打成了什么样？

数据不说谎：Claude Code 领跑，Codex 狂追

一组让 OpenAI 坐不住的数字

先看收入。Claude Code 在 2026 年 2 月的年化收入达到了 25 亿美元，占 Anthropic 总收入的近五分之一。而 Codex 在 1 月底的年化收入刚刚突破 10 亿美元。

差距有多大？WIRED 拿到了一组内部数据：2025 年 9 月，Codex 的使用量只有 Claude Code 的 5%。到 2026 年 1 月，这个数字追到了 40%。

追得很猛，但还没追上。

如果你是 Python 开发者，这两天你的朋友圈大概率被一条消息刷屏了——OpenAI 宣布收购 Astral。

Astral 是谁？就是做出 uv、Ruff 和 ty 的那家公司。这三个工具，你可能每天都在用，只是没怎么想过它们背后的公司。uv 每月下载量超过 1.26 亿次，Ruff 达到 1.79 亿次。这不是一个小众工具，这是 Python 生态的基础设施。

现在，这些基础设施归 OpenAI 了。

这件事值得每个开发者停下来想一想。

为什么是 Astral？

三年做到 Python 生态的”水电煤”

Charlie Marsh 三年前创办 Astral，种子轮只拿了 400 万美元。他的初心很简单：让 Python 开发体验不再痛苦。

用过 Python 的人都知道那个经典的痛：环境管理。pip、venv、conda、poetry……工具一堆，但没一个让人省心的。XKCD 有一幅著名的漫画，画的就是 Python 环境管理的混乱——各种路径像意大利面一样纠缠在一起。

Astral 的解决方案是用 Rust 重写一切。

三个月前，我还在为招人发愁。

一个人做独立项目，内容要写，代码要改，竞品要盯，邮件要回，社交媒体要运营。每天早上列 todo，晚上看一眼——完成了不到一半。

我试过外包。找了一个兼职文案，沟通成本比写作本身还高。找了一个运营，干了两周说风格不合适，走了。

后来有人跟我说：”你试过 OpenClaw 吗？可以搭一个 AI 团队。”

我试了。

三个月后的今天，我的”公司”有 16 名”员工”。全年无休。7x24 小时在线。月成本不到 100 美元。

这 16 个”员工”是 16 个 AI Agent，跑在一台 20 美元/月的 VPS 上，通过 Discord 频道和我协作。每天早上 9 点，研究员自动推送行业简报。内容编辑根据简报生成文章草稿。SEO 分析师检查关键词密度。社交媒体运营把文章拆成短内容分发。

我做什么？喝着咖啡审批。

这篇文章，聊聊我是怎么一步步搭起这支”AI 团队”的，踩了哪些坑，以及这种模式到底靠不靠谱。

上周有个朋友问我：”我想让 Claude Code 在做代码审查的时候自动查 Sentry 的报错日志，我应该写一个 Skill 还是接一个 MCP？”

我反问他：”你想教 Claude 怎么做代码审查，还是想给 Claude 一个能查 Sentry 的工具？”

他愣了一下：”这……有区别吗？”

有。而且区别很大。

在 Claude Code 的生态里，Skill 和 MCP 是两个最容易被搞混的概念。很多人把它们当成同一种东西的不同写法。甚至有人在社区里问：”Skill 是不是要取代 MCP？”

答案是：不会。因为它们根本不是同一类东西。

Towards Data Science 上有一个很精准的类比：MCP 是厨房——刀具、锅碗、食材。Skill 是菜谱——告诉你怎么用这些东西做出一道菜。

厨房和菜谱，缺一不可。但你不会把菜谱当刀用，也不会拿刀当菜谱读。

今天把这两个概念彻底说清楚。

昨天晚上 11 点，我在终端里启动了一个大规模重构任务——把项目里 30 多个文件从旧的认证库迁移到新方案。

Claude Code 开始工作了。我盯着终端看了两分钟，突然觉得——我为什么要坐在这里等？

于是我输入了一条命令：/rc。

终端上弹出一个二维码。我用手机扫了一下，然后端着杯茶走到沙发上躺下。

手机屏幕上，Claude 正在一个一个文件地改。改完一批，问我要不要继续。我点了”批准”，翻了一页书。

30 分钟后，30 个文件迁移完成。我全程躺在沙发上。

这就是 Claude Code Remote Control——Anthropic 在 2026 年 2 月 24 日发布的新功能。一条命令，把你的手机变成 AI 编程的遥控器。

Remote Control 是什么：一句话解释

Remote Control 让你在终端启动 Claude Code 会话，然后用手机、平板或任何浏览器继续控制它。

3 月 12 日，Y Combinator 的 CEO Garry Tan 在 X 上发了一条推文：

“我用 Claude Code 做了一套工作流，开源了，MIT 协议，拿去用。”

然后整个开发者社区炸了。

几天之内，GitHub 上冲到近 2 万星，2200+ fork。 Product Hunt 趋势榜冲到前列。一位 CTO 试用后直接在推文下评论：

“你的 gstack 太疯狂了。这就是 God Mode。你的工程审查发现了一个隐蔽的 XSS 漏洞，我觉得我的团队自己都没发现。我打赌从今天起，超过 90% 的新项目都会用 gstack。”

这条评论又被 Garry Tan 转发，继续引爆。

到底什么是 gstack？它凭什么这么火？

先说这个人：Garry Tan 是谁

理解 gstack，先要理解做它的人。

上周五下午，我的一个朋友给我发了条消息：”面试挂了。”

他是一个有 6 年经验的后端工程师。技术不差，Go 和 Java 都很熟，系统设计也能聊。但面试官问了一个他没准备的问题：

“你平时用什么 AI 编程工具？能描述一下你的 AI 协作工作流吗？”

他愣了两秒。”我……偶尔用 Copilot 补全一下代码。”

面试官没有继续追问。但他知道，那个瞬间，他已经出局了。

2026 年了。AI 编程不再是”加分项”。它是”基本功”。

不会用 AI 编程工具的程序员，就像 2010 年不会用 Git 的程序员、2015 年不会用容器的运维工程师——不是不行，是在这个行业里越来越难生存。

今天聊聊：这件事到底有多紧迫，为什么你必须现在就开始，以及从哪里开始。

数据不会骗人：AI 编程已经是行业标配