一个普通人，重新学习 AI。

我不是程序员出身，也不是 AI 领域的专家。但我越来越确信，AI 不只是「多一个工具」，它会改变普通人怎么工作、学习、整理经验、建设自己的数字资产。

每天用 AI 的方式已经变得很杂——ChatGPT 讨论和解释，Claude 写长文和判断架构，Codex 在本地执行和验证，Kimi 处理中文长上下文，本地模型承担隐私和实验场景。单看每个工具都能说出一堆优缺点；但真正进入一天的工作以后，问题不是「哪个工具最强」，而是这些工具一起参与一个任务时，现场会变得很乱。

一个判断可能出现在聊天里，一个验证结果留在终端里，一个页面状态在浏览器里，一个设计决定写进本地文件里。当天我当然知道它们之间的关系，但过几天以后，只剩下一堆材料。下一个窗口进来时，它不一定知道哪个是草稿，哪个是中间态，哪个是真的验收。所以我后来意识到，我缺的不是更多 AI，而是一个能把经验收起来的地方。

我以前总觉得这类网站应该很专业、很像技术展示。后来才发现，对我来说它更像一份长期工作笔记：今天试过什么、哪里判断错了、为什么后来换了方法、哪些东西以后还值得继续用，都应该留下来。

所以 YunLab.ai 大致记录四类东西：

1. AI 工具怎么进入真实任务——不是测评参数，而是它在具体工作里帮到了哪里，又在哪里不可靠。
2. Agent 工作流怎么从会聊天变成能接任务——这里会写角色、边界、交接、权限和验收。
3. 个人知识系统怎么从保存材料变成压缩判断——聊天、报告、截图和文件，只有被整理后才可能成为资产。
4. OpenClaw 这类长期工程怎么一步步修出来——重点不是展示结果，而是留下判断、错误、审计和边界。

如果这些过程只留在聊天记录里，很快就会散掉。所以我把一部分脱敏后的实践写到这里：哪些想法跑通了，哪些判断后来被推翻了，哪些系统看起来能用但还不值得托付。

这里会保留方法、判断和阶段性复盘，不公开私人资料、未脱敏内容、内部账号、密钥、客户信息或不适合公开的项目细节。

所以你看到的不是完整后台，而是我认为可以公开沉淀的那部分经验。