哈喽，我是飞飞。
上周回老家，我妈问我：”你天天说的那个 AI，是不是就是手机里的语音助手？”我愣了一下，然后意识到——她是认真的。
这不是个例。我发现身边很多非技术圈的朋友，对 AI 的理解停留在”Siri 能听懂我说话”这个层面。而我们这些天天跟 AI 打交道的人，已经在讨论 Agent 会不会取代 SaaS、上下文窗口该选 200K 还是 1M 了。
这个认知差距，比我想象的大得多。
去年年底，DeepSeek 开源之后，AI 突然”出圈”了。很多普通人第一次真正接触到大模型。接触之后发生的事情，让我意识到这个认知差距有多夸张。
场景一：我妈以为 AI 会”偷看”她的隐私
我给我妈装了 DeepSeek，教她用语音输入问问题。她试了两次之后突然问我：”这个东西是不是会把我说的话都记下来？会不会被别人看到？”
我解释说这只是个工具，不会泄露隐私。她半信半疑：”那它怎么知道我问的问题？肯定是记下来了。”
上一篇文章讲了 token 是什么，很多人在评论区问：那”上下文窗口”又是什么？200K 上下文和 1M 上下文有什么区别？
这个问题问得好。如果说 token 是 AI 的”计费单位”，那上下文窗口就是 AI 的”工作记忆”——它决定了 AI 一次能”记住”多少东西。
今天这篇文章，我用最直白的方式把上下文窗口这件事讲清楚。
我跟朋友聊天的时候发现一个事——聊了半小时之后，话题从天气聊到工作，从工作聊到周末计划。我说”所以我觉得还是算了”，他立刻就知道我说的是周末爬山那事。这就是上下文的作用。
上下文窗口，就是 AI 的”聊天记忆容量”。
但 AI 的记忆跟人不一样。人的记忆是模糊的、有选择性的——你会记住重点，忘掉细节。AI 的记忆是精确的、机械的——它要么记住所有东西，要么什么都不记得。
上下文窗口的大小，用 token 来衡量。比如：
你有没有注意过，ChatGPT、Claude 这些 AI 工具的定价页面上，写的都是”每百万 tokens 多少钱”？
第一次看到这个词的时候，我也懵了。什么是 token？为什么不直接按字数收费？输入 token、输出 token、缓存 token 又是什么鬼？
后来搞明白之后我才意识到：理解 tokens，是理解 AI 定价的钥匙。 不懂 tokens，你就不知道自己的钱花在了哪里，更不知道怎么省钱。
先忘掉所有技术术语。
想象你去一家餐厅点菜。菜单上的价格不是按”一道菜”标的，而是按”食材克数”标的。你点了一份红烧肉，厨房不看”这是一道菜”，而是拆开看——猪肉 200 克、酱油 30 毫升、糖 15 克——然后按食材的总量给你算钱。
Token 就是 AI 世界里的”食材克数”。
你发给 AI 的每一句话，AI 不是”读一句话”，而是先把这句话拆成一个一个的小碎片——这些碎片就叫 token。AI 按 token 的数量来计算工作量和费用。
举个例子：”我想学编程” 这五个汉字，大概会被拆成 3-5 个 token。”I want to learn programming” 这句英文，大概是 5-6 个 token。
Claude Code 用了一段时间之后，你会发现一件事：原生的 Claude Code 只是个底座。真正让它变强的，是 Skill。
Skill 就是给 Claude Code 装插件。每个 Skill 是一段预设的工作流程，用 /skill名称 呼出，Claude 立刻知道该怎么干。不用每次写长 prompt，不用反复解释你的需求，一个命令，一套完整的专业流程就跑起来了。
我用下来觉得最值钱的有 10 个，按实用程度排下来，跟你分享一下。
这是我用得最高频的一个 Skill。
/browse 给 Claude Code 接上了一个无头浏览器。你说”打开这个页面截图”，它真的去打开，截图发给你；你说”测试一下这个按钮点了有没有反应”，它真的去点。不是模拟，是真实的浏览器操作。
场景很多：验证部署是否成功、测试一个表单有没有 bug、对比改版前后的页面长什么样、拿竞品截图做参考。以前这些事要自己手动做，现在丢给 Claude，它跑完把结果发给你。
“这个输入框用起来怎么这么难受？”
这是我帮朋友安装 Claude Code 时，她说的第一句话。光标不知道跑哪去了，想删一个词删了一整行，想换行直接把消息发出去了。刚接触终端输入的人，几乎都会在这里被卡住。
但其实 Claude Code 的输入框不难用，难的是这些快捷键没人告诉你。我自己摸索了两三周才把常用的都找齐，现在整理出来，非技术背景的朋友照着用就行，用过一周你就知道为什么不想换回去了。
用鼠标选中再删是很多人的本能反应。但终端里没有鼠标，这时候这两个快捷键就是你的救命稻草：
Ctrl + A — 把光标跳到这一行最前面（A = 开头/All the way back）Ctrl + E — 把光标跳到这一行最后面（E = End）举个场景：你写了一长串 prompt，发现开头有个错字。不用按着方向键慢慢移，直接 Ctrl+A 跳过去改，改完 Ctrl+E 跳回末尾继续写。
按单词移动更快：
昨天下午，Sora 官方账号在 X 上发了一条让人错愕的帖子。
“We’re saying goodbye to Sora.”
没有提前预警，没有解释原因，就这么一句话。距离 Sora 独立 App 正式上线，刚好六个月。
更魔幻的是，就在关闭公告发出前一天，OpenAI 刚刚发布了一篇博客——《Creating with Sora safely》，洋洋洒洒讲了他们为了让 Sora 更安全做了哪些努力，言辞之间全是”我们会继续改进”的意思。第二天，产品没了。
2024 年 2 月，OpenAI 第一次展示 Sora，是一段 AI 生成的雪地奔跑视频。我当时看完的第一反应是：这假的吧？反复看了三遍，找不到破绽。那时候我还以为这东西离普通人用上还有好几年，没想到不到一年就公开了。
同年 12 月，Sora 正式对外开放，但功能还比较克制，主要面向 ChatGPT Plus 用户。
真正的爆发是 2025 年 9 月。Sora 2 横空出世，配套推出独立 App。视频质量上了一个台阶，更重要的是有了社交功能——你可以生成视频、混剪别人的作品、发到公共 Feed 里。就像一个 AI 驱动的抖音。
你可能已经刷到过这个词了——“养虾”。
不是真养虾。是一群程序员、产品经理、甚至完全不懂代码的人，在手机上养了一只 AI “龙虾”，让它帮自己写代码、搞数据、做 PPT、甚至操作企业内部系统。上周我一个做运营的朋友还在问”MCP 是什么”，这周她已经让龙虾帮她自动生成日报了。
3 月 13 号，阿里云正式发布了 JVS Claw。一开始需要邀请码，很多人抢不到。现在，全面开放了。 访问 jvsclaw.aliyun.com 下载客户端，注册就能用，不用排队，不用邀请码。人人都能养一只自己的云端”龙虾”。
我昨天下载试了一下，说说真实感受。
JVS Claw 是阿里云无影团队做的产品。你可以把它理解成一台”跑在云上的电脑”，但这台电脑上住着一只 AI Agent——也就是那只”龙虾”。
具体来说，JVS Claw 有两个核心模块：
ClawBot 是那只龙虾本身。它是一个 AI 助手，能理解你的自然语言指令，然后去执行各种任务。你跟它说”帮我整理这份 Excel 里的销售数据，按季度汇总”，它真的会打开文件、操作表格、把结果给你。不是给你一段代码让你自己跑，是它直接动手干。
你有没有这种感觉：每次用 AI 写代码、写文章、做分析，都得把同样的话重复说一遍？
“帮我写一篇文章，要中文，2000 字左右，口语化表达，要有小标题……” 每次都这么说，累不累？
这就好比你招了一个能力很强的新员工，但他每天早上来上班都失忆了——你得从头跟他交代一遍工作流程。聪明是聪明，但你的时间全花在”交代”上了。
真正让 AI 变成”超级员工”的秘密，不是更好的模型，不是更长的上下文，而是——Skills。
简单说，Skill 就是一份写给 AI 的”岗位手册”。
你把某个任务的完整流程、要求、约束、输出格式写成一个 Markdown 文件，存到项目里。以后每次需要干这件事的时候，打一个斜杠命令（比如 /writing-agent），AI 就按照手册来执行，不用你再重复交代。
拿我自己的博客举例。我写了一个叫 writing-agent 的 Skill，里面详细规定了：
source/_posts/ 目录
3 月 19 号深夜，Google 悄悄干了一件大事。
AI Studio 原来是个 Gemini 模型的试玩场——你写个 prompt，它给你生成个前端页面，关掉浏览器就没了。没数据库，没用户登录，没后端逻辑，顶多算个交互式的 demo 生成器。
现在不一样了。Google 直接把 Antigravity 编程 Agent 和 Firebase 后端塞进了 AI Studio，搞出了一个全栈 Vibe Coding 平台。你用一句话描述你想要什么应用，它帮你从前端到后端、从数据库到用户认证、从开发到部署全链路搞定。
这一刀下去，Bolt.new、Lovable、Replit Agent 全成了被瞄准的靶子。
旧版 AI Studio 能干的事很有限——生成个好看的前端页面，加点动画效果，仅此而已。关掉浏览器标签页，你做的东西就消失了。想加个数据库？自己搞。想要用户登录？自己搞。想部署上线？还是自己搞。
新版 AI Studio 补齐了所有短板：
数据库和用户认证自动接入。 这是最大的变化。当你的 prompt 里提到”用户注册””保存数据”之类的需求时，Agent 会主动问你要不要启用 Firebase。点一下”Enable Firebase”，它自动帮你配好 Cloud Firestore 数据库和 Firebase Authentication 登录系统，连登录页面的代码都帮你写好了。
能调外部 API 了。 想接 Google Maps 拿实时定位？想接支付接口？现在可以了。AI Studio 新增了 Secrets Manager，你把 API Key 存进去，Agent 会自动检测什么时候需要用到，然后安全地调用。
上周五，《金融时报》爆了一个数字：OpenAI 计划在 2026 年底前把员工从 4500 人扩到 8000 人。
算一下，还剩大概 9 个月，要招 3500 人。平均每天招 12 个人。每天。
别的科技公司还在裁员、冻结 HC、”优化组织结构”，OpenAI 反过来开始搞人海战术了。这事儿乍一看挺猛，但仔细想想，它可能没有看上去那么自信——更像是一场被逼出来的加速。
OpenAI 现在不缺钱。最新一轮融资估值 8400 亿美元，软银孙正义领投，融资规模 1100 亿美元。年化收入已经突破 250 亿美元。手握这种量级的现金，招人的底气是够的。
那招来的人干什么？产品开发、工程、研究、销售——四条线同时铺。
但真正让我停下来想了一下的是一个新岗位——**”技术大使”（Technical Ambassador）**。这个角色不是写代码的，是帮企业客户把 OpenAI 的工具用起来的。说白了，就是 AI 行业的售前+客户成功。我上个月帮一个做零售的朋友接 OpenAI 的 API，光是搞清楚 function calling 的最佳实践就折腾了两天。这种”最后一公里”的痛苦，就是这个岗位存在的理由。
OpenAI 为什么要专门设这个岗？因为企业市场正在被 Anthropic 抢走。