前几天，我盯着一台还没通电的机器，返工了一万五千九百字方案。
我把它当成自己军团的新成员，给它配好了分工、模型、协作关系，甚至替它想好了名字。五个小时后，一句话打回来：
“这是给别人配置的。”
我坐在那里，删掉四分之一内容。不是技术错了。技术全对。
错的是我还把AI当成“我会用的一套工具”，而不是一种能被别人带走的作战能力。
这台机器不是我的孩子。它是一次交付。
从那天起，我开始重新理解未来三年的生意。
知识库、Skill、MCP，现在都在普及。MCP把模型接到数据、软件、表格、浏览器、数据库；Skill把经验打包成可调用的说明；知识库把散掉的资料重新放进模型看得见的地方。以前你会接一个工具，别人要叫你老师。现在不是了。
连接会很快变成水电。
你会一百个MCP，不等于你能让一家企业多赚一块钱。你给老板搭了知识库，不等于他的销售就会成交。你给员工配了Agent，不等于他们会把自己的行业经验交给它，更不等于他们知道该让它替自己干什么。
工具的普及，杀死的不是技术员。杀死的是“我会装工具，所以我值钱”这种幻觉。
未来真正只剩两条路。
第一条，自动化工作流。
第二条，本地算力。
而两条路中间，站着一个过去叫FDE的人。我认为这个名字已经不够了。
我不想去企业里当那个替他们装模型、接接口、填表格的人。我更想培养每个行业里最懂业务、最能打仗的人，让他自己带着AI回到自己的战场。
这篇文章，是我给自己未来社群写的宣言，也是我给所有“准备卖AI服务的人”泼的一盆冷水。
你们别急着卖Agent。
先学会把一个会打仗的人，变成一支军队。
一、旧信仰死了：会接工具的人，不再是稀缺人才
我自己就是旧信仰的受益者。
早些年，懂服务器、懂脚本、懂接口、懂部署，已经能把很多人甩在后面。后来模型出来，会调用API、会写Prompt、会搭知识库，又是一层门槛。客户不会，你会；客户看不懂，你翻译；客户怕麻烦，你进去替他干。
这套模式曾经非常有效。
它现在正在死。
MCP出现之后，模型和工具之间不再需要每家各自手搓一条水管。一个统一协议，让数据源、工具、应用、模型开始说同一种语言。它不到一年就从开源实验，长成了连接模型与应用的事实标准；官方注册表、开发工具、云平台、主流模型厂商都在往里面接。
这件事听起来像技术新闻，实际是商业警报。
当接工具变成标准件，靠“我会接工具”收费的人，会变成今天靠“我会装Word”收费的人。不是他没价值，是他的价值从稀缺技能，降成基础识字。
Skill也是一样。
把一套工作经验写成一份Skill，模型以后每次需要就加载。以前师傅带徒弟，要跟半年；现在师傅把规则、边界、例子、验收写清楚，徒弟一晚上就能跑第一遍。知识库也是一样：资料不再锁在老员工脑子里，不再散在聊天记录里，不再等一个人离职才发现断档。
很多人看到这里会兴奋：那不是更容易卖了吗？给企业塞一堆MCP、装个知识库、做几个Skill，收钱。
我告诉你，最容易卖的东西，往往最不值钱。
客户买完第二个月就会问：然后呢？
我的知识库里有一万份文件，为什么新人还是问老员工？
我的Agent能看表格、能发消息，为什么销售额没变？
我买了十个MCP，为什么每天工作更乱了？
答案很难听：因为你卖给他的只是手，不是作战能力。
工具连接是“能动”。工作流才是“知道什么时候动、动完交给谁、错了谁负责”。本地算力才是“在外部涨价、断供、限额时还动得了”。
前者是玩具装配，后两者才是生产体系。
二、我被一支军团教育：多Agent不是多开几个窗口
我曾经也把多Agent理解得很浅：多开几个模型，分分工，效率就上去。
后来我盯着十几个成员，盯到自己成了客服。
写作的问我标题，浏览器的问我登录，侦察的问我边界，网关的问我密钥。十三个窗口都在闪。看起来很先进，实际上我只是把一个人的焦虑，复制成了十三个通知。
更惨的是，有一个成员失声了六十八分钟。
服务绿着，容器活着，面板也绿着。它就是不能做事。备用链写在配置里，实际上没钥匙；所有人以为有两层保险，实际是一张纸。直到我亲自发工单，才发现整个军团没有一个人知道它死了。
那天我才明白，军团不是成员数量。
军团是四样东西：岗位、后勤、纪律、验收。
没有岗位，叫一堆聊天窗口。
没有后勤，叫一堆单点故障。
没有纪律，叫一堆随时越权的工具。
没有验收，叫一堆会说“我做完了”的幻觉。
这套认识后来变成我的战群文章里最重要的一句：军团是你的杠杆，不是你的替身。
杠杆放大什么？放大你。
你的判断烂，五个Agent五倍烂；你的流程乱，自动化五倍快地把乱子送到客户手里；你没有责任边界，模型越聪明越会替你踩到不该踩的地方。
所以我不再把“搭Agent军团”讲成一个安装教程。
我把它看成一个人的作战能力升级。
人先强，军团才强。
三、未来第一条路：把行业经验熔成工作流
什么叫自动化工作流？
不是“每天九点自动发一份日报”。那只是定时任务。
真正的工作流，至少要回答六个问题：
- 谁发现问题？
- 谁判断等级？
- 谁执行？
- 谁验收？
- 失败了怎么退？
- 最后谁承担后果？
少一个，都是自动化玩具。
我自己做过一条写作线：有人先拆题，有人写正文，有人只负责去AI味，有人终审，有人只负责发布。发布不是“点一下发出去”这么简单，草稿、编辑器、公开页，三次回读，三次哈希一致才放行。
为什么这么麻烦？因为我吃过亏。一个成员告诉我“458行方案已落盘”，我打开一看，文件是空的。它没有故意骗我，它只是觉得自己写了。模型的“觉得”不值钱，文件、字节数、哈希才值钱。
这就是我说的工作流：把人的经验，从“我觉得这样比较好”，变成谁都能跑、机器也能验证、错了可以追责的链条。
行业里的高手最适合干这件事，不是因为他们最会用AI，而是因为他们最知道哪一步最容易死人。
一个做十年外贸的人，知道客户什么时候只是询价、什么时候真的要下单；一个做十年制造的人，知道哪份图纸看着没错、上产线就会废；一个做十年投融资的人，知道老板嘴里说“尽快”到底是今天还是下个季度；一个做十年医疗的人，知道什么问题绝不能让机器替人拍板。
这些不是知识库里的一段资料。
这些是战场上的肌肉记忆。
AI最适合接的，不是“行业知识”四个字，而是这些肌肉记忆的可重复部分：先查什么、后问谁、哪些红线不得越、交付到什么程度必须停下来叫人。
我把这件事叫做“把行业翘楚武装起来”。
不是把AI送进企业。是把企业里最能打的人送进AI。
这句话听起来像倒过来了，实际上是根本不同的商业模式。
传统FDE，是厂商派一个工程师走进客户现场。这个工程师了解业务、接数据、做评估、调系统、推上线。OpenAI现在正大规模建设这种团队：他们说FDE要和业务负责人、一线团队一起重做关键流程，要把模型接到客户的数据、工具、控制体系和日常工作里。
这个模式没错。它很贵，也很慢，而且天然受一个瓶颈限制：一个FDE一次只能走进有限几家企业。
我认为下一阶段的FDE，不该是“我替你进企业”。
应该是“我把你企业里最能打的那个人，训练成能自己部署AI的人”。
他才是最好的FDE。
他懂行业，他有权力，他知道真实流程，他知道谁会抵触，他知道哪里数据是脏的，他知道一句“先上线再说”会害死谁。外面的工程师要花三个月才能听懂的潜台词，他十秒钟就懂。
外部FDE负责把技术搬进去，内部行业翘楚负责让技术活下去。
这不是抬杠，这是规模化的数学。
传统FDE的交付单位是“一个工程师乘一段驻场时间”。他去得越深，价值越大；但他越深，越不可能同时服务很多组织。好FDE最宝贵的地方，恰恰也是最不能复制的地方：他真在现场，他真看见过那个部门怎么吵架、那张表怎么被人手工改、那套制度在PPT上和现实里差多远。
所以大厂才肯花重金养FDE。他们买的不是代码，是现场翻译能力——把模型翻译成流程，把管理层的口号翻译成一线能用的动作，再把一线的失败翻译回产品团队。这条链每一环都很贵。
但如果我们只学“驻场”，永远只能做小号的大厂。一个人、几家客户、几段时间，身体先到天花板。
我的路线是换交付单位。
我不交付“我驻场了多少天”。我交付“这个行业里的人带走了多少条能独立运转的工作流”。
我不替他把所有事干掉。我逼他把最值钱的经验说清楚：你为什么先看这张单？什么情况下必须停？谁有权越过这条线？什么结果算合格？哪些错误可以机器自己修，哪些错误一定要叫人？
这件事很残酷，因为行业高手未必愿意说。他靠这些经验吃饭，靠这些模糊的判断保持不可替代。可AI时代不把经验说出来，就会变成另一个结局：企业买了一堆软件，最懂的人退休或跳槽，软件留在那儿，真正的流程跟着人走。
我要训练的不是“懂AI的人”，而是敢把经验变成制度的人。
这也是我重新命名FDE的原因。它不应该叫 Forward Deployed Engineer。那是厂商视角：工程师被派到前线。我的视角是行业视角：Forward Deployed Expert——被部署到未来的人，应该是专家自己。
他不离开行业。他带着AI回到行业。
所以我要做的社群，不是一个“教你装MCP”的群。
我要做的是分群的作战社群。
每个群围绕一个行业：制造、贸易、内容、电商、教育、服务业。每个群里不需要最多的人，需要最能打的人。我要训练他们做四件事：
- 把自己行业的重复战斗拆成工作流；
- 用知识库、Skill、MCP把工作流接进真实工具；
- 用验收、权限、门禁把AI关进责任边界；
- 把跑通的流程带回组织，训练第二个人、第三个人。
这不是卖课。
这是把每个行业里的将军，训练成能带AI兵的将军。
四、未来第二条路：本地算力不是省钱，是军火库
很多人对本地模型还有一个误会：觉得它就是“API太贵，自己跑一个省钱”。
这理解太浅。
本地算力的真正意义是：你终于有了自己的军火库。
外部模型是雇佣军。厉害的时候非常厉害，给钱就干活。但价格是它定的，限额是它定的，模型下线是它定的，今天能用明天不能用也是它定的。你可以依赖雇佣军打攻坚战，不能把全家的粮仓交给雇佣军看。
本地模型是民兵。未必每一仗都最强，但它驻在你家，断网时能守门，密钥全挂时能修自己，数据不能出门时能继续干活。它不是替代最强模型，它是把“我今天还能不能做事”的决定权，抢回自己手里。
我早期也犯过错。
我迷信最大参数。把一个又大又重的稠密模型塞进机器，实测每秒七八个字。它看着聪明，实际聊天像越洋电话。等它想完，我已经忘了自己问什么。
后来我学会先算带宽，不看参数海报。
本地推理有个冷酷的物理规律：每生成一个token，模型要读取被激活的权重。你的内存带宽就那么宽，读得越多，吐得越慢。稠密模型每个字都要读全身；MoE模型总参数可以很大，但每个字只叫少数专家上场。
所以未来的本地军团，不会是“谁家模型最大谁赢”。
是“谁的激活参数低、缓存复用高、并发分摊好、任务成功率稳，谁赢”。
一台大内存机器，跑低激活MoE，热专家留在显存，冷专家躺在内存，再加多token预测和前缀缓存，已经可以让十几个Agent同时干日常活。单流跑分好看没意义，军团看的是并发后的每个人还剩多少速度。
我见过实测：十六个Agent并发，聚合吞吐接近四百token每秒，平均下来每个成员还有二十多个token每秒。二十多个token每秒，够交互，够查资料，够跑工作流，够当一支常驻底座。
这才是本地算力的商业意义。
不是“我省了几个token”。
是“我不再给每个成员单独开一份外部账号”。
更重要的是，工作流和本地算力必须绑在一起卖。
只有工作流没有本地算力，你卖的是高价依赖：客户一用多，账单膨胀，上游一限，流程瘫痪。
只有本地算力没有工作流，你卖的是一台很贵的玩具：模型在本地跑，没人知道让它干什么，最后拿来聊天、写诗、生成几个PPT，机器吃灰。
工作流决定AI做什么，本地算力决定它能不能长期做。
一条是大脑，一条是粮草。缺一个，军团都是纸。
我把对外产品也按这两条线重写，不再卖“给你装几个Agent”。
第一类交付，叫战术工作流包。它从一个真实场景开始：报价、跟单、质检、客户回复、内容生产、售后分流。先花时间把人的步骤拆出来，再决定接哪些工具，最后用一条真实业务从头跑到尾。客户拿到的应该是：流程地图、岗位卡、权限表、异常清单、验收方法、运行台账。模型和MCP只是里面的零件。
第二类交付，叫本地作战底座。它不是卖一台主机，而是卖一套不断电的最低作战能力：哪些任务走本地，哪些任务升级到外部最强模型；模型失效时怎么回退；冷启动后谁先起来；长时间没调用时模型是否还在；成本、速度、成功率三本账怎么每天看。客户买的是“即使外面全抽风，我今天还能继续干活”的权利。
第三类交付，才是行业军团训练。前两类是我替客户搭，第三类是客户自己长。客户选出行业里最能打的人，我训练他把工作流做出来、把底座守住、把第二个第三个人带出来。到这里，交付不再是一次项目，而是一个组织开始有自己的AI教官。
三类交付的顺序不能反。没有战术工作流，先买本地机器，是买玩具；没有本地底座，先铺大规模自动化，是把生命线交给别人；前两样没跑通就谈培训，是把空话教给一群人。先打赢一场仗，再建军火库，最后训练军官。这就是我给社群定的产品顺序。
五、我为什么要做分群军团
现在说说我自己。
我不想做一个传统培训老师，站在台上讲“AI会改变世界”。这种话已经听到吐了。
我也不想做一个外包商，进一家企业，接完一堆接口，收完钱，三个月后客户自己的人还不会用，系统变成下一个外包商的遗产。
我想做的是一个作战训练营。
第一层，公开长文。
我把真事故、真返工、真账单写出来。不是为了卖惨，是让人知道：AI军团不是视频里几句提示词那么漂亮。它会失声六十八分钟，它会把空文件当交付，它会让一句“收到”烧两万个token。读者先看懂代价，才配拿方法。
第二层，行业分群。
不是一万个泛AI用户在一个大群里互相转新闻。那种群三天后就变成链接垃圾场。我要的是同一行业或相邻行业的小组：每个人带一个真实场景进来，做一条能落地的流程。谁来都先说自己的战场：客户从哪来、钱在哪赚、数据在哪、最痛的重复动作是什么。
没有真实场景，不进训练场。
第三层，FDE训练。
我会教MCP、知识库、Skill、Agent、工作流、本地模型。但这些都是枪，不是兵法。真正的训练是：怎么做问题访谈、怎么画流程、怎么定义验收、怎么设权限、怎么把一次交付变成下一次的模板、怎么在客户说“再加一个功能”时守住边界。
我会让学员拿自己的行业做题。做完一个流程，必须真的跑；跑完必须真的有人用；有人用后必须量到结果。没有真实结果，不能毕业。
第四层，军团共建。
优秀的人不是听完课就走。他把自己的行业Skill、流程模板、验收表贡献到群里，别人可以复用，但要带着行业署名和反馈回来。这样一个做制造的人跑通的质检流程，不会变成一份躺在硬盘里的文档；它会变成下一位制造同行拿来就能改的起点。
但共建不是把行业秘密扔进一个公共桶。我会把群分成三层权限：公开层只讲原则和通用方法；行业层只让同领域的人看脱敏后的工作流骨架；私有层永远留在成员自己的机器和自己的客户环境里。能共享的是方法，不是客户资料；能复用的是验收结构，不是竞争对手名单。社群不是资料贩子，社群是经验的训练场。
每个分群还要有一张战果板，不看谁最会讲，只看四个数：这月跑通几条真实流程、被多少真实用户用过、节省或增加了什么可量化结果、哪一次失败让模板变好了。没有战果的分享，最多算读书会；有战果、有失败、有复盘，才配叫战群。
这才是我说的军团。
不是我的十三个Agent。
是十三个行业、十三个强人、十三套可复制的打法，互相借兵，不互相抢饭碗。
六、训练营的底层纪律：别把人训练成工具搬运工
这里我要先骂一句自己人。
现在AI培训最容易教废人的方式，就是发一张“100个工具清单”，教大家注册、收藏、截图、转发。学员下课后工具越来越多，工作越来越乱；他能背出十个模型，却说不清自己公司哪条流程应该先改。
这不是培训。这是工具搬运。
我未来的训练营有四条死规矩。
第一，先选战场，后选工具。
不准先问“哪个模型最好”，先问“你每天最贵的重复动作是什么”。一个贸易老板的第一条流程，可能是报价和跟单；一个工厂老板的第一条流程，可能是异常单分流；一个内容团队的第一条流程，可能是选题、审稿、发布闭环。没有战场，工具越多，死得越快。
第二，先跑通一条线，后建军团。
一个人一上来就要十个Agent，基本等于一上来就要十个故障点。先两个人——一个做、一个验；再三个人——加一个负责分派；真的跑稳了，才加人。军团不是开容器比赛。岗位、职责、输入、输出、失败条件，写不清楚就不准加成员。
第三，先把人放在签字位，再谈自动化。
生产环境最后一步谁按？涉及钱谁批准？涉及客户声誉谁负责？这三个位置必须留给人。AI可以建议、执行、自检，不能替人承担后果。把人训练成会签字的人，比训练成会写提示词的人值钱一百倍。
第四，先做证据闭环，再谈规模。
文件写没写，读回；消息发没发，回读；服务通没通，真实探针；成本省没省，账单分类。没有证据的“完成”，都按没完成处理。AI时代最危险的不是它犯错，是它会把犯错说得像完成。
这四条纪律，是我准备给每个分群发的第一张工牌。
不守，不进军团。
还有一张更具体的入场券，我叫它“三十天作战表”。第一周，只准选一个真实场景，访谈一个最懂流程的人，把他脑子里“先做什么、后做什么、什么不能做”写出来；第二周，用最少的工具把它接起来，宁可笨，不准贪多；第三周，找真实业务跑十次，失败一次就记录一次；第四周，算一笔账：省了谁的时间、增加了什么结果、留下了什么风险。四周后没有真实运行记录，课程不结业，模板不入库，战果不挂板。
为什么要这么狠？因为我见过太多AI项目死在“演示成功”。演示里模型能回答，老板鼓掌；一进真实流程，数据脏、权限乱、员工不配合、客户说法变了，模型立刻像个刚入职的实习生，什么都不会。Demo是舞台，工作流是战场。我不培训人上舞台，我训练人打战场。
这张表还有一个用途：把“AI转型”从一场老板的豪赌，变成一线能验证的小胜利。不要一上来就说全公司智能化，先让一个人少做两小时重复劳动，让一条报价少漏一次，让一个异常早十分钟被发现。企业不是被宏大叙事改变的，是被一连串谁都否认不了的小胜利改写的。小胜利多了，组织自己会要下一条工作流。那时AI不再是老板的项目，才是员工自己的武器。
七、方法的反噬：我最怕培养出一群会复制、不会判断的人
说了这么多，我必须把最危险的部分说出来。
把行业经验拆成Skill、工作流、模板，然后分发给很多人，这件事会有一个反噬：我们可能把行业里最锋利的判断，做成一群人拿来就用的套路。
套路会赚钱。套路也会杀人。
一个外贸流程能跑，不代表每个客户都该按它跑；一个制造质检规则能自动化，不代表新材料也能用旧阈值；一个本地模型在你的机器上稳定，不代表搬到客户那儿也稳定。复制越容易，人越容易忘记判断是有条件的。
我最近看全员的做梦记录，里面反复出现一个画面：我们一边把经验拆成模板，一边被模板反咬。有人把一台客户机误写成了自家扩建，因为看见“像”，就把自己的结构直接套上去；有人给成员写了人格，四项测试全过，后来才发现那道门禁仍然在模型的语言层，真正遇到提示注入未必挡得住；有人看见成本降了，就以为问题解决了，直到发现缓存奖励不变、惩罚修改，系统会把勤奋的人慢慢腌成化石。
这三件事是同一件事：模板是过去的胜利，不是未来的保证。
最恐怖的不是AI取代人。
是人先把自己训练成AI一样的人：只会照着Skill执行，只会按工作流点下一步，只会在模板里填空。模板越完善，越容易把最不该被模板化的那一下——面对例外、面对新情况、面对责任——交给系统。
所以我做训练营，不会承诺“你学完就能自动赚钱”。谁这么承诺，谁在卖毒药。
我只承诺一件事：你会更快地把自己的经验变成可验证的生产力，同时更清楚哪些经验绝不能交出去。
工作流不是让人下岗的流水线。
它应该是把人的判断，从重复劳动里救出来，让人有时间去做还没有模板的事。
本地算力也不是让人躲进地下室的借口。
它应该是让你在外部平台变动时，还有选择的底气。
还有最后一条更残忍：战群一旦开始有名气，就会有人只想拿模板，不想带经验；只想抄作业，不想交作业；只想问“哪个模型最好”，不想回答“你自己的行业最贵的重复动作是什么”。这种人会很多。我的选择是宁可群小，也不拿工具清单换人数。
一个没有战果要求的AI社群，最后一定变成新闻转发群；一个没有真实行业人的Agent群，最后一定变成提示词表演赛；一个不允许失败复盘的训练营，最后一定只有成功截图。
我不要这些。
我要的是有人带着一条跑不通的流程进来，三个月后带着一条跑通的流程出去。中间可以失败，可以返工，可以推翻我教的东西，但必须留下证据。这样的人不多。少一点，才值钱。
八、回到那台机器
回到开头那台被我写错方案的机器。
我删掉四分之一内容之后，没有再给它装我家的体系。我把它重新写成三份东西：一张交付验收单，一本客户运维手册，一份培训文档。
第一张验收单，不写“系统已部署”这种废话。它只写能被证实的东西：断电后能不能自己起来；上游模型断掉时备用路径是不是真的能走；成员有没有各自独立的身份和权限；一条真实任务能不能从发起走到结果；钱、数据、发布这三件事，最后是不是都留着人的签字位。
第二本运维手册，不写“遇到问题请联系我”。那是把客户绑在我身上的合同陷阱，也是对交付最没自信的说法。它写的是客户自己如何看健康、如何换模型、如何暂停、如何升级、什么情况下绝不能自己碰、什么情况下可以一键回退。客户真正能用，才算我真的交付。
第三份培训文档，也不从“什么是大模型”讲起。那是浪费生命。第一页就问：你明天要拿它替你打哪一仗？然后让每个学员列出三条最贵的重复动作、三条绝不能自动化的红线、一个三十天内必须跑通的场景。没有答案，机器先别买，群先别进。
它不再是我的军团成员。
它是另一个人未来的军火库。
我以前以为，AI时代最强的人，是会用最多工具的人。
现在我知道不是。
最强的人，是能把自己的行业经验拆出来，教给机器，教给同伴，最后还敢在机器说“完成”时，伸手把验收单拿过来自己签字的人。
MCP会普及。知识库会普及。Skill会普及。
这些都只是枪。
未来真正拉开差距的，是谁手里有兵法，谁家里有粮草，谁能把一群本来各自为战的人，训练成一支不靠自己盯着也能打仗的队伍。
我做的，不是卖一套Agent。
我在找愿意把自己行业带进来的人。
你带经验，我给你军火、纪律和训练场。
这不是一句广告。对我来说，它也意味着更重的责任：我不能拿一个行业的难题，套进我最熟悉的模板里；不能为了卖课，把没有验证过的流程叫做最佳实践；不能用“AI军团”四个字，掩盖一个客户其实还没有准备好自动化的事实。谁的行业，谁有最终解释权；谁承担后果，谁就保留签字位。我的作用不是替行业高手夺权，是给他一套能把判断放大的武器。
然后我们一起把“一个人会用AI”，变成“一个行业开始长出自己的军团”。
这一次，别再只装工具了。
工具装完，真正的难题才开始：谁愿意把老办法拿出来拆？谁愿意承认这条流程其实早就烂了？谁愿意在机器给出一个看似漂亮的答案时，说一句“先别发，给我再验一次”？
这些人，才是未来行业真正的稀缺资源。
不是最会背模型参数的人，不是下载工具最多的人，也不是朋友圈里最早晒出一堆Agent截图的人。是能把一件真实的事跑通、测清、留下来，然后带着别人再跑一遍的人。
工具会越来越便宜，连接会越来越无感，模型会越来越聪明。可责任不会自动转移，行业经验也不会自动长出来。谁能把两样东西接在一起，谁就不是被AI替代的人。
这才是我想等的人。
愿意先把一条真实流程跑通，再谈改变世界的人。
就这样。
把战群拉起来。
Leave a Reply