Shelly

AI 探索 ，币圈摸鱼
很爱买锅跟做饭，INFJ 网络话痨
0 市场预算实现 1500 万用户
跑过百亿交易额
分享 AI 落地的实践案例

[Shelly @shellywangcat]

我也来分享一下 @0xshellywang 这个号在 X 上的故事。

故事有点长，但每一个字，都是这 4 年来的真实经历，是我从 Web3 到 AI，从技术迷茫到落地觉醒的完整记录。

名字以 0x 开头，大家大概能猜到，它的起源在一个如今看来有些遥远的行业，Web3。

缘起：去中心化的信仰

故事始于 17 年，那时我们团队坚定地认为，区块链是未来的技术方向。抱着对去中心化技术的信仰，我们早早地接触了行业。

到了 21 年 DeFi Summer，为了做一个在这个行业能坚持 10 年以上的事业，结合团队做大数据的背景，我们选择了做链上数据，创立了 Footprint Analytics，并拿到了经纬的领投。

这个账号就注册于那个火热的年份。刚开始，团队里的 i 人们（包括我）更多是听众，我们在 ClubHouse 和 Twitter Space 饶有兴趣地听各路大神分享，却很少习惯在公众面前表达自己。那时的我们，是行业的观察者跟服务者。

转折：在 AI 的泥坑里挣扎

随着链上项目的落寞，下游服务商的日子越发艰难。23 年，我们开始探索 AI。大模型的发布让人无比激动，觉得终于可以在新大陆做些什么了。

但是随后的两年，我想每个做 Agent 的人都有同感——我们都在泥坑里不停地挣扎。

直到 Anthropic 发布了 MCP，让 Agent 真正搭载上手脚，可以去干实事了。我们团队兴奋不已，第一时间跟上。这两年，我们经历了从 Agent 平台搭建、Multi-agent 协同，到动态 Workflow 的无数技术挑战。我开始断断续续地在这个账号上分享 MCP 落地的迷茫、思考，希望能跟大家交流。

6 月份，Howie 翻译的 Sam Altman 关于“温和的奇点”的文章深深撼动了我。那句“Wonder becomes routine, then table stakes”（奇迹变成日常，然后变成基本配置）让我意识到，真正持久的成长，都带着某种温和的品质。

随后在 6 月份，因为一次关于孩子在 AI 时代教育问题的思考，有幸可以跟宝玉老师在教育、学习上进行交流。那次互动让我更加确信，在这个技术剧变的时代，无论是教育下一代还是做产品，都需要更深层的思考和真诚的碰撞。我也在大家费曼学习法的号召下，更主动地去做输出，用输出校验自己的学习结果。

痛苦的领悟：放下技术的傲慢

然而，到今年 10 月之前，项目一直没有太大起色。

我们曾陷入深深的技术自嗨。即使做出了用自然语言就能创建 Workflow、具备 Dynamic 工具匹配的系统（不需要用户找工具、填 API Key，全自动规划），我们依然碰壁了。

现实给了我们一记耳光：对用户来说，描述清楚问题本身就是极高的门槛。

用户要的是在他工作场景下的“点点点”，是一键解决他的问题。用户不希望学习工具，厌恶任何“抽卡”带来的不确定性，那反而降低了他们的效率。

我们太技术主义了。必须放下傲慢，去那些看似“low”、看似“嘈杂”的用户端，去“脏活”的地方找答案。

觉醒：去泥泞中找真相

我深刻地认识到：千万不要认为用户不懂，他只是不想。

于是，我们深扎进行业一线。跟行业里真正的操盘手去聊，聊他们的痛点，聊他们的瓶颈，聊他们现在接触 AI 的程度，观察他们最真实的操作习惯。

从这开始，我悟出了一个对我影响至深的道理：

不要试图向懂行的人证明你有多聪明，要去向不懂行的人证明你有多好用。

观念一变，天地宽。我们开始有了一个个等待着我们交付的客户。我也开始在 X 上分享这些真实的交付感悟和故事。通过这些带着泥土气的分享，我跟更多同频的人产生了极其珍贵的链接。

讽刺的结局与新的开始

上周五，这个真实的账号，因为一个莫须有的“违反真实性”原则，被永久封禁了。没有证据，直接宣判。

这是一个极具讽刺意味的结局：一个源于对去中心化起源信仰而建立的账号，最终在一个中心化的平台上，被判定为“不真实”而遭到抹杀。

其实最大的损失不是粉丝数，而是那些收藏了无数干货的帖子，那些关注了很多并非数字好看、而是在落地实践上真正同频的 KOL 账号，都找不回来了。

这不只是搬家，而是一种突然间的流离失所。

好在，多年的人生经历打磨，让我没有沉寂很久。上午 10 点封禁，12 点我就开了这个新的账号。

我还是感恩有 X，它依然是产生链接、产生思想碰撞最好的地方。

账号变了，但 Shelly 那个“寻找技术在商业泥泞中落地的颗粒度”的内核没有变。

擦干重来。2026，希望在这里，继续和大家扬帆起航。

[Shelly @shellywangcat]

大家好，我是 Shelly（原 @0xshellywang）。

以前的号突然没了，像是突然被迫搬了一次家，丢失了很多珍贵的家具和老照片。这让我重新思考，我为什么在这里？

不是为了流量数据，而是为了那种真实的“连接感”。是为了把做 AI 产品以及落地应用遇到的那些具体而微的痛苦和喜悦，和同路人以及好友分享。

平台或许有算法的误判，但人与人的真诚交流没有。

换个地方，继续和大家聊聊 AI 时代的教育、技术与那种粗糙但热气腾腾的真实生活。

[Shelly @shellywangcat]

@dotey 哈哈哈，我猜，面试官是想看如何把 infra 层的技术决策，映射回业务层的状态设计。不同业务状态下，同样是“文件操作”，语义不同。能把这些场景、业务状态说出来，解释对应的语义以及对应的技术诉求、约束，应该是好的回答。

[Shelly @shellywangcat]

哈哈，贼形象。典型的我快速地帮你一下。这一帮，就停滞不前了。

[The Best @TheBestqueenx]

When you bring in outside consultants to help. 😂😂

[Shelly @shellywangcat]

@StellaOnChAIn 那包的

[Shelly @shellywangcat]

@StellaOnChAIn Happy new year

[Shelly @shellywangcat]

年末小记

日子过得真快，还没怎么觉着，2025 年就到了底了。

今天看见群里，有人问栋哥：你怎么不做个产品（软件应用）？

想来也经常也有人问我：你手头有现成的产品，咋不张罗着做做自媒体？

这话听着有意思，像对着镜子照。

做产品的，卖的是个结果。帮人省点时间，赚点钱，把麻烦事儿平了。那是过日子的柴米油盐，讲究个实用。 做内容的，卖的是个滋味。让人心里头一热，或者一乐，得个共鸣。那是茶余饭后的瓜子儿，讲究个香。

往深了看，路子也不一样。

做产品像是盖楼。得搭班子、画图纸、砌砖头。是个系统活儿。楼盖好了，人往里一住，你就退到幕后去了。成不成的，那是资本的事儿，得烧钱，赌的是个明天。

做内容像是一个人唱戏。你的嗓音、你的身段，别人替不了。你在哪儿，戏就在哪儿。这不用大把烧钱，但得熬功夫，拿时间换人场。

一个是资本游戏，一个是注意力游戏。 风险不一样，苦处也不一样。

并没有谁还没升级到谁的说法，就是选择了不同的活法。

栋哥是吃开口饭的，也是个手艺人。你让他去盯着代码、管着一帮人修bug，那是难为他，也是糟践东西。我是个做应用的，让我天天追着热点跑、对着镜头咋呼，我也干不来，觉得别扭。

不过，天下事也难分得那么清。也不乏像栋哥一样，内容做得有滋味，里头还能带着大家把事儿办了。两头都占，这不容易。

所以，这 2026 年眼瞅着来了，我也在推特上写两笔。

算不上做自媒体，没那个野心。就是把自己用 AI 摆弄的那点心得，做产品的那些个想法，拿出来晒晒。就像邻里之间，有好东西，端出来尝尝。

主要是为了交几个聊得来的朋友。

这是那三分的事。剩下七分，还得老老实实放在产品上。

东西得立得住，话得有分量。

做出来的物件，总得让人瞧见。再好的东西，锁在柜子里孤芳自赏，也没多大意思。说出来的话，总得有点嚼头。光好听不解渴，听多了也腻。

把这个度找准了，心里就踏实。

这样挺好。

祝大家，新年快乐。

[Shelly @shellywangcat]

@dotey 直接用 grok 好像更方便。让它不要给样本，把所有评论跟转发评论的内容都提供出来，用表格的方式展示（不要仅提供样本）。就都出来了 https://t.co/ccZ7LGgEEd

[Shelly @shellywangcat]

把数据流跟控制流作分离，不经过 LLM 去处理数据。Planning 阶段，LLM 只生成控制流。 运行时，数据流自动执行。

控制流是轻量的。 可以缓存、验证、调试。
数据流是重量的。 但不经过LLM，在内存里跑。

这个是我们今年更新工作流，最大的实践收获。

[Shelly @shellywangcat]

@yangyi 还差一步，更易用的工具，把商品图文变成美女种草视频，这个视频素材可以拿去做投流，做到店流量。

[Shelly @shellywangcat]

@servasyy_ai 你最近在旅游……

[Shelly @shellywangcat]

其实，带徒弟和养孩子是一样的理，最怕的就是那点于心不忍。

你瞧他头一回跌跤，忙不迭地去扶；第二回见他手生，又巴巴地替他做了。久而久之，这人就成了没骨头的灯草，凡事只等有人救场。这哪是疼爱？这是生生掐断了人家的灵性。

管理这活计，功夫不在撒手的那一刻，而在撒手前的那个 Benchmark（基准）。

很多人抱怨下属不给力，其实是当师傅的没把那把“尺子”定准。你得先让他明白，什么是地道的滋味，什么是欠了火候。没这套 Benchmark，你的褒贬就是瞎子摸象，今天一个主意，明天一个心情，下属只能学会揣摩你的脸色，学不会真正的本事。

有了这把尺子，你还得舍得让他去跑 Eval（评估）。

所谓的“允许失败”，其实就是让他自己在那些不致命的磕碰里，去跑跑数据，校准校准心里的那杆秤。他在那儿折腾，你在旁边眯眼瞧着，只要不把锅砸了，随他去。这些“失败”不是灾难，是他在自个儿心里做 Alignment（对齐）。

等哪天，他做完一件事，不用你张嘴，他自己对照心里的那个基准，就知道哪儿火候亏了，哪儿该再收收汁。

到了这一步，你才能真撒手。撒手不是因为心狠，是因为他心里的那个模型已经收敛了，他成了一棵能遮阴的树，再不是那个离了你就断气的盆景。

想来问一句：

大家都知道，这个口吻是模仿哪位大师写的吗？

[凡人小北 @frxiaobei]

管理为什么累？
因为leader既在当司机、又在当导航、还要下车修路。
久而久之，团队变成了乘客，leader 变成了全职代驾。

累，是因为所有变量都在leader身上闭环。
leader 不给团队试错空间 →
团队不敢动也不敢犯错 →
leader 觉得“还是我来吧更省事” →
于是继续亲力亲为 →
团队没成长，leader 更累 →
死循环就这么闭上了。

这套结构把增长的成本都压在自己身上，
把试错这件事当成奢侈品。

如何破局？
放手！但不是完全放手，要同步设计试错的护栏：
1. 给边界：能亏多大？能延误多久？风险点是什么？
2. 给回路：出错以后怎么复盘？怎么归因？怎么反馈到系统？
3. 给权限：决策带宽从 leader 迁移到被规则托底的团队
4. 给闭环：试错不要放飞，要变成有交付节奏的实验

leader 要学会放手，从代驾跃迁成裁判。

[Shelly @shellywangcat]

摸爬滚打后，要锻炼出这种金刚不败的铁骨长刺。任由再多的狮群扑入，也毫无畏惧。

[Beryl❤️🌹 @IbTENWlZ3H3aHYM]

穿这一身装备，你敢在狮群中行走吗？

[Shelly @shellywangcat]

@gkxspace 你去学校给孩子们分享，该有多好。

[Shelly @shellywangcat]

@dotey @AztecaAlpaca @PandaTalk8 最近忙起来，真是一点发推的时间都没有

[Shelly @shellywangcat]

@servasyy_ai 玩 AI 玩得跟少年一样开心

[Shelly @shellywangcat]

@benjaminxu2023 场景化，把这个场景的要求，先内置提示词，把一些他在这个场景需要输入的要求，变成前端选项让他选。用户选场景，以及点选要求就好。不要给个大大的对话框给他。

[Shelly @shellywangcat]

今天刷到一个视频，提到人一旦学会骑自行车，就很难忘记怎么骑；被蜜蜂蛰过，就会本能地躲避。这种“内隐记忆”引出了一个非常深刻的认知陷阱：人很容易把自己掌握的背景知识，默认当成了常识。 这种错觉，让我们在沟通时极易陷入“行业黑话”的泥潭。

这恰恰是当下 AI 产品人最大的通病。

我们自己是技术拥趸，看到“工作流”三个字，脑子里已经有 100 个例子在跑；但用户看到这三个字，脑子里却是一片空白。 我们习惯了讲 MCP、讲 Browser Automation，因为我们自己属于那一类“买车必须要看参数配置、懂原理才能信任”的用户。

但我们忽略了，绝大多数真实的 AI 用户，其实是“打车的人”——他们根本不关心发动机是怎么转的，也不想知道路线是怎么规划的，他们只关心能不能把自己安全、快速地送到目的地。

这就导致了产品目标上的根本性错位： 我们在努力展示 AI 的能力，试图教用户怎么用 AI； 而用户想要的仅仅是怎么完成任务。

这两件事表面看起来是一致的，实则南辕北辙。 前者的终点是学会 AI； 后者的终点是任务完成了，我甚至不知道用了 AI。

所以，我们不能让用户去学习如何写出“请保持人物一致性”或者“请进行本土化翻译”这样复杂的 Prompt。这些由于技术局限带来的复杂度，应该由产品在底层封装掉。

用户不应该做填空题，写描述。而应该做选择题，选业务场景，任务要求。 我们不该期待用户成为提示词专家。最好的 AI 产品，应该像电一样隐藏在开关后面。它无处不在，却又彻底隐形。用户只看到了结果，而忘记了工具本身。

用户用工具，是想完成任务，解决问题。他，不是来学习跟被教育的。

[Shelly @shellywangcat]

@frxiaobei 我的直观感受就是，活变得多了好多。因为个人边界被拓宽了。而边界越宽，责任越大。

[Shelly @shellywangcat]

怎么在震荡中活下来，是每个人最实际的命题。

我们常说“历史在押韵”。回看当年，Java 赢了，但诺基亚输了。那些在 Symbian 上写汇编的顶尖工程师，有多少成功转型了？ 我猜，很多人卡在了中间。

因为转型从来不是一瞬间的事，它至少要跨越五步：

承认旧技能（如写汇编）没那么重要了；
学会用新工具（高级语言）；
学会用框架；
找到新的价值定位；
重建职业身份认同。

第 1 步就能卡住很多人，第 5 步更是难上加难。 而现在的 AI 变化比当年更快，留给我们卡住的时间更短。

昨晚分享的看美剧 pluribus ，里面 13 个免疫者，所处的状态特别像 AI 给我们营造的温柔监狱。

温柔，是因为 AI 确实能帮你，那种不动脑就能完成任务的即时满足感，是会上瘾的。 监狱，是因为它把你圈禁在舒适区里。它没限制你的技术，但锁住了你的认知。

怎么逃出去？ 我们无法拒绝 AI，也不能在监狱里做个从不亲手干活的监工。 唯一的越狱方式，是主动去撞 AI 的边界。

AI 搞不定的地方，就是它的边界；而它的边界，就是我们的新领地。

在这个时代，生存策略的顺序要反过来： 不能等想清楚了再行动，要在行动中想清楚。

不必由手生而恐慌： 具体的代码、翻译、绘图技能退化或许不可避免。

但要警惕脑懒： 失去了对逻辑的判断，失去了对好坏的品味，才是真正的绝路。

我们要做的，是利用它把产能放大 100 倍，去更主动地出击，去抢占那些 AI 还触达不到的更大市场。

[凡人小北 @frxiaobei]

AI Agent 的这些讽刺，我其实见过一轮了。

宝玉老师 @dotey 这篇《AI 与自动化的讽刺》很有共鸣。
这些问题，我在职业生涯里已经完整经历过一轮类似的版本。

不谈宏观的科技革命，我想补一点现身说法的视角，这是一个暴露年纪的帖子。

1. 我刚毕业那两年，在诺基亚
那会儿诺基亚正准备要离卖掉手机业务。

现在很多人可能没概念：
当年的手机，几十 MB 内存，跑的是 Symbian（是的，就是那个现在几乎没人提的系统）。

在 Symbian 上开发应用，用的是 C++，
而且不是今天这种“写写业务逻辑就完事”的 C++。
IDE 可以直接把代码展开成汇编。

你是真的要看汇编的。
写的每一行代码，最终能不能在几 MB 内存里跑起来，
取决于工程师有没有在寄存器级别做优化。
那时候的好工程师，是要在底层把内存、CPU、寄存器榨干的。

2. 那段时间 Java 也在，但 JVM 一开始也很烂

后来发生了什么，大家都知道，Sun 公司把 Java 卖给了 Oracle。

JVM 的 GC 在早期其实一塌糊涂，
性能不稳定、不可控、占资源。

当年骂 Java 的理由，和今天骂 AI Agent 的理由，
惊人地相似：
- 抽象太多
- 看不清底层
- 出问题你根本不知道错在哪
- 真正懂底层的人越来越少

但结果呢？
震荡了几年之后，

高级语言赢了。

3. 我也从写代码的人，变成了不亲手写的人

后来我从技术岗转到了管理岗。

说句实话：
现在还有多少人会关心 JVM 的 GC 细节？
还有多少人会去看汇编？

不多了。
但这不妨碍整个行业跑得更快。

不要杠，程序员是世界上更容易信息茧房的一群人。

4. 世界并没有失去底层，只是底层的人变少了

这点我觉得特别重要。
这个世界上，永远会有一小撮人还在用 C++，
他们写操作系统、写引擎、写数据库、写基础设施。

他们把底层做好了，
上层自然会有更多人去丰富生态。

这是科技发展必然的分工。

5. 再举个近一点的例子：今天的框架世界

现在各种框架横行，对吧？
React、Vue、Spring、各种中间件、各种 SDK。

真正能写框架的人，占比高吗？
凤毛麟角。
能看懂框架的人，占比高吗？
并不高。

但这不妨碍大量工程被高效完成。

6. 所以，回到《自动化的讽刺》
宝玉老师指出的那些问题，我非常认同：
- 技能会退化
- 监督很难
- 人类注意力有硬件极限
- 监工不是专家的自然升级

这些都是真的。

我想补一句：
这不是第一次出现这种结构性矛盾。

每一次技术抽象跃迁，都会发生同样的事情：
- 一部分技能消失
- 一部分技能下沉
- 一部分人转型
- 一小撮人继续守着底层

AI Agent 这波不是例外，只是规模更大、速度更快、冲击更直接，仅此而已。

真正危险的其实也不是技能退化，而是站在浪潮之巅我们的认知 ：
我们误以为不需要新的分工，不需要新的训练，也不需要新的角色设计。

当年高级语言赢了，并非因为它没问题，相反问题很多，
但是我们最终接受了：
- 底层要有人守
- 上层可以让更多人参与
- 教育、组织和工具都要一起变

AI Agent 也是同样的命题。