2023 年对我来说是特别的一年。不仅大学毕业，AI 突然也火了。还记得实习的时候，我碰到一个功能需求。逻辑不复杂，但要处理大量图片和判断，纯手工写估计得好几天。我当时想，试试 ChatGPT 吧，看它能帮上多少。我把思路和需求一股脑输进去。不到一小时，它给我返回了完整的代码框架，还带了注释和思路说明。不是因为代码写得多完美，而是它居然真的”懂”我要什么。那种感觉很奇怪，一半是惊讶，一半是——妈的，这东西以后可能会让我失业。2023年初申请到 ChatGPT 的时候，我的第一反应是：你问 ChatGPT，它直接给你答案，还能跟你对话、帮你理清思路、推翻你刚才的想法。国内大模型百花齐放，但我只留下了 DeepSeek2024 年上半年到2025年，国内大模型开始冒出来。文心一言、通义千问、讯飞星火、ChatGLM……那段时间，几乎每周都有新模型发布。说实话，大部分用完就删了，没有”想留下来继续用”的冲动。其他的模型，试了一下就没再深入了。不是它们不好，而是我找不到留下的理由。在 ChatGPT 爆火之后，大家玩得比较多的是大模型应用框架。那个时期大家都在想同一件事：大模型很强，但怎么把它用到实际场景里？LangChain 的核心思路很简单：把大模型”串”起来。
LangChain 把这整套流程封装成了”链”（Chain），你可以像搭积木一样组合不同组件。那段时间，LangChain 的教程满天飞，几乎每个做 AI 应用的团队都在用它。大思路是：通用大模型很强，但如果你让它学习你领域的专业数据，它就能变得更专业。那时候 Hugging Face 的 Transformers 库几乎人手一份，各种微调教程、各种开源模型，真的是百花齐放。Agent 是”你给它一个目标，它自己拆解、自己执行、自己完成”，它是个员工。2025 年年底，有两件事让我觉得，AI 的应用层终于爆发了。字节的豆包推出了智能手机助手，可以让 AI 直接操作你的手机。点外卖、发微信、查地图，全都可以用自然语言指挥 AI 完成。这意味着 AI 不再是”对话框里的助手”，而是真的能”动手干活”的助手。大模型就像一台裸发动机，OpenClaw 就是给它装上方向盘、轮胎、底盘，让你真的能”开”起来。本质上，OpenClaw 也是调用大模型，但它给大模型上了一个脚手架。- 工具调用能力：大模型可以调用外部 API、执行代码、读写文件
- 多模型编排：不同任务用不同模型（比如代码生成用 Claude，搜索用别的）
有了这个脚手架，大模型才真正从”聊天机器人”变成了”能干活的数字员工”。你可以跟它说：”帮我调研一下竞争对标产品，整理成一份报告。”
这两个概念最近提得很多，但很多人搞不清楚它们是什么关系。比如你有一个”微信读书笔记导出”的 Skill，那么 AI 就多了一个能力：帮你导出微信读书的笔记。有了 Skill，AI 就不是只会”说话”，而是真的能”做事”。MCP（Model Context Protocol）是 Anthropic 提出的一个协议，解决的是另一个问题：MCP 就是那个”插座”，让 AI 能插上这些插头，调用这些工具- Skill 是”能力描述”：告诉 AI”你能做什么”
- MCP 是”连接方式”：告诉 AI”怎么连接到工具”
一个 Skill 可以基于 MCP 来实现，也可以不基于。但 MCP 让 Skill 的开发变得更标准、更简单。这三年，我从一个”AI 小白”变成了一个”AI 工具重度用户”。有时候，我会想，再过几年，当更多Agent和智能设备进入生活，AI可能不只是助手，而像一个懂你习惯的伙伴，能提前帮你把事情安排好。想想就有点激动，又有点紧张——毕竟，这意味着我们的生活方式可能会彻底不同。
个人来说，这一路体验下来，每一次新功能、新平台的尝试，都像在认识一个新朋友——有惊喜、有好奇，也有摸索，但最终你会发现，这个朋友带来的便利和价值，远超你最初的想象。
未来，或许我们和AI的关系不会只是“使用”，而会变成“合作”——它帮你做事情，你帮它“学会”你的习惯和思路。那种感觉，既奇妙又让人期待。
你最近在用哪些 AI 工具？有没有哪个让你觉得”哇，这个真的好用”？欢迎在评论区聊聊，我打算整理一期”2026 年最值得用的 AI 工具清单”，你的推荐可能会出现在下一篇文章里。 
