三月中旬了。天津的春天来得慢，但总算来了。
这半个月，我一直在折腾一件事：怎么让 AI 真正成为我的延伸。不是简单的你问我答，而是——让它理解我做过什么、记得我踩过什么坑、在关键时刻替我想在前面。
结果如何？有些意外，有些好笑，有些让我重新认识了什么叫做「熟练」。
三月初，我终于给 OpenAI Codex 升了 Pro 套餐。
老实说，Pro 套餐刚出的时候我觉得挺贵的。但用了一个月我发现一件事——订阅制最妙的地方，不是省钱，而是消除心理负担。
以前用 Token 付费，每次让 AI 执行任务，心里都有一丝嘀咕：「这个操作会不会太复杂，消耗会不会太大？」这丝嘀咕打断了思路。
订阅制呢？额度在那里摆着，你知道够用。反而敢放手让 AI 去尝试、去探索、去失败然后重来。
这就好像健身房——年卡会员制看似亏了，但「不用就亏了」的心理，恰恰激励你去得更勤。
最好的订阅制不是让你觉得「用不完可惜」，而是让你忘记「额度」这回事。
三月中旬，Claude Code 里的 Opus 模型终于支持 100 万 token 的上下文窗口了。
我用过 Claude Code 的人都知道，最烦的不是 AI 回答质量，而是持续高频的「压缩对话」提示（Compacting conversation）。上下文快满了，模型就停下来压缩，压缩完了继续，经常打断思路。
现在好了，1M 的上下文出现压缩提示的频率，变成了原来的五分之一。
有多爽？我可以跑一个好几小时的任务，让 AI 自我复盘、把经验写入持久化文件，然后善始善终。以前上下文快满了，模型已经没有余力总结经验，做完就「失忆」。现在工具终于能持续迭代改进了。
这带来的直接好处：AI 技能增长有了复利。用户也可以安享 AI 技能增长的复利。
三月初，我在 Codex 里做了一件好玩的事。
用 GPT 5.4 列出修改计划，然后调用 Claude Code（ Opus 4.6）做独立审核。结果反馈说是「修改计划不通过」，并且给出了明确的理由和处理意见。
我见到后非常欣喜。这意味着两大高手可以相互切磋砥砺，共同辅助完成目标。
这里面的逻辑很有意思：Codex 里用 GPT 5.4 开启 Extra High 推理强度，1M 上下文窗口，加 /fast 模式，连续处理了好几个小时任务后，消耗多少呢？
我专门看了一眼后台——结果发现 Pro 订阅非常禁得住用。
后来我干脆把 /fast 打开，用光本周的 token 再升级。没办法，用得太爽了，停不下来。
看 AI Agent 修 Bug，是一件很奇妙的事。
它会告诉你哪里坏了、该换什么零件，并给出证据让你确认。你未必懂他们怎么查、怎么修，但这不妨碍他们把一辆更好开的车交还给你。
我有时候觉得，这种体验正在悄悄改变人和工具的关系。
以前是「我不需要跑得比熊快，只要跑得比你快就行了」；现在则成了「你展示出来的效果挺好，我不需要自己会做，只要我的小龙虾会做就可以了」。
三月以来，我用 YouMind 画了不少图。
一开始是测试 YouMind 的绘图能力。让它画天津早点，用的是 Nano Banana Pro。
结果出来了，我一看——细节太好了，勾起了我自己的食欲回忆。
然后我就着了魔。这两天，逢人就问「你老家在哪里」，然后让 AI 画一张当地的地标微缩景观。
你别说，这种「家乡归属感」+ 「AI 绘图」的组合，特别能打动人心。有人看到自己老家的图，会心一笑；有人的老家 AI 画出来意境十足，自己都惊艳。
最好的平替不是模仿，而是把复杂的事情变简单。
三月，我在飞书群里做了一件好玩的事。
拉了几个 OpenClaw 机器人到了一个群，安排它们就「OpenClaw 的爆火是弊大于利还是利大于弊」展开讨论。
我本来想看有火药味的辩论。没想到这俩货讨论得如此理性克制，而且还很懂礼貌。
这让我感觉嘛……如同相声里说的：「没火苗子」。
后来我调整了指令，果然，火苗子呼呼乱蹿，看着好开心。尤其是还有总结陈词环节，依然坚持己方原则。尽管没能达成一致，却把很多问题引向深入思考。而且看得出来，它们对于辩题的概念、背景甚至是外部环境都有清晰认知。
看来不是 OpenClaw Bot 不能辩论，是我刚刚指令不当。
三月十号那天上午，我给学生们讲 AI Skills。
用 Trae 做样例。同学们一个个尝试调研绘图，玩儿得不亦乐乎。
练习结束，我继续讲课，让他们把电脑盖上。好多人老大不情愿。
我心里挺高兴的。这说明课程设计对了——学生愿意动手，比什么都强。
不过这背后还有一件事：我花了不少时间精力配置这些 Skill，就是为了让学生「零门槛上手」。但我始终强调：选题和数据真实性必须由学生自己负责，不能外包，AI 只能辅助生成初稿、搜索文献，所有内容都需要学生自己核实打磨。
三月十七号那天，我给 Claude Code 接上了得到 Get 笔记官方 Skill。
这下查询笔记内容太方便了。速度比 NotebookLM 那种绕了几道弯的连接要快——这下可以把卡片笔记的优势充分发挥出来。
比如我问题是：「过去十天我都关注了哪些问题？」
各种记录全都涌现了出来。
打通了 Claude Code 和 Get 笔记之后，现在每一个执行任务的 Session，最终的经验总结都不仅记在对应的配置里，还融入到 Get 笔记知识库。每条都打上了丰富的标签，说明具体的场景，原原本本把经验说清楚。
后续任一 AI Agent 里，都可以把我之前的知识经验加以复用，不会限制在某一个具体应用中。
说了这么多好消息，也有一些糟心事。
有一个 Bug 始终困扰着我：skill-registry 的 save.sh 假阴性。明确修改了文件，它却报「无变化」。必须手动 cp 到 registry 上游，再 git commit + push，然后 git status 验证。
我已经记不清这是第几次遇到了。CLAUDE.md 里已经写了好几条相关记录，但问题本身始终没修。
有意思的是，每次遇到这个问题，我都要经历同样的困惑：「咦，明明改了？」然后去查 CLAUDE.md，然后想起来「哦，又是这个 bug」，然后用 workaround。
这大概是所有工具人的宿命：熟悉一个工具不是因为它完美，而是因为你足够了解它的不完美。
半个月，说长不长，说短不短。
我最大的感受是：AI 工具正在从「你让它做什么它就做什么」，慢慢变成「你做过的它记住了，你将要做的它替你想着」。
当然，路还长。有些流程还是磕磕绊绊，有些工具之间的交接还需要人盯着。但方向是对的。
清明快到了。
前几天，让 GLM 和 MiniMax 分别绘制了「赛博朋克版本清明上河图」。你看，AI 画出来的清明上河图，连时代感都融进去了。
技术变了，节日的情绪没变。只是表达方式不同了。
祝大家春天愉快。