AI 之后，软件可能都只是 Token 的壳

因为受伤，我已经大半年没有运动了。

医生说要适当运动，这件事听起来很简单。

对于一个很久没有运动、身体还没完全恢复的懒人来说，最难的往往不是运动本身，而是开始运动之前的那一下心理阻力。

尤其是当看到一套几十分钟的康复课程时，身体还没动，心里已经先累了。

于是我自己手搓了一个小工具，叫“动一动 AI”。

它的功能很简单：我告诉它今天想动多久，身体状态怎么样，它就给我生成一些轻量运动建议。

它不是为了让我练出什么效果，也不是为了替代专业康复。

它的主要目的只有一个：

让我先动一下。

这件事说小很小，小到甚至不像一个正式产品。但做完之后，我对 AI、产品、软件，以及我们正在经历的变化，有了一些更真实的体感。

壹软件可能都是 Token 的壳

之前看到一句话，说未来所有程序本质上都是“套壳消耗 Token”。

以前我觉得这句话有意思，但不够具象。

做完“动一动 AI”之后，我理解这句话了。

这个小工具的界面、交互、功能，本质上都可以一次性低成本搭出来。真正持续发生的成本，是每一次使用时，背后模型的推理。

也就是说，软件的外壳越来越便宜，真正的消耗变成了 Token。

过去我们说一个软件，通常会想到代码、数据库、服务器、界面和功能模块。

但 AI 之后，很多软件可能会变成另一种东西：

前端是一个入口，后端是一个模型，中间是 Prompt、上下文、路由，以及一堆工程缝合。

说到底，它是一个 Token 消耗装置。

‘所有软件都是套壳卖 token’这句话很形象。

贰AI 把个人能力边界往外推了一圈

“动一动 AI”这个东西并不复杂。

如果一个程序员来看，可能会觉得没什么技术含量。

但问题是，我不是程序员。

放在以前，我大概率不会因为这么一个个人需求，就真的去做一个工具。

不是想不到，而是中间隔着太多东西。

写代码、调页面、接模型、做部署、处理语音、适配体验。

每一步都不一定难到不可完成，但它们叠在一起，就足够让一个普通人放弃。

AI 改变的不是“世界上有没有人能做这件事”。

而是“我自己能不能做这件事”。

这个区别很重要。

以前，一个想法要变成产品，需要找到合适的人，组织资源，承担沟通成本，等待排期。

现在，一个小需求可以直接从我的生活里长出来，然后被 AI 承接住，变成一个勉强可用的东西。

这不是效率提高了一点点。

这是一个人的能力边界被往外推了一圈。

叁80 分、90 分的产品不值钱

有意思的是，AI 一方面让做东西变得更容易，另一方面也让我更清楚地意识到：

一个 80 分、90 分的产品，其实是不够的。

用 AI 做一个“能用”的东西，已经越来越容易了。

甚至做一个看起来还不错、功能也基本完整的东西，也没有那么难。

但这恰恰意味着，80 分和 90 分的门槛在下降。

真正稀缺的，是最后那 9 分、10 分。

比如“动一动 AI”现在能用。

但如果它要变成一个真正能被更多人使用的产品，还有很多事情要做：

• 首页要更简单。

• 增加自然顺滑的语音功能。

• 模型选择要更聪明。

现在我用的是 DeepSeek V4 Flash，主要优势是快。但不同用户可能需要不同模型：有人只想要快速建议，有人需要更细致的动作设计，有人可能还需要根据历史反馈调整训练方案。

如果要做模型路由，就不只是换个模型这么简单。

还要考虑输出速度、等待体验、缓存设计，以及用户在等待时看到什么。

• 如果进一步做成小程序或 App，还可以存储用户身体状态、历史运动记录、完成反馈。锻炼结束后，再让模型基于反馈给出下一次建议。

再往前走，它甚至不一定只是一个工具：

• 它可以被封装成一个 Skill。

• 也可以变成轻运动或康复运动领域的垂直 Agent。

这些方向都成立。

但每一个方向继续往下走，都会变成一个很大的工程。

这也是我这次很明显的体感：

AI 可以很快帮你做完前 80 分，甚至前 90 分；但最后那一点点，反而更考验人。

考验审美，考验产品判断，考验对用户状态的理解，考验你愿不愿意在那些“不显眼的小地方”继续磨。

前 90 分是能力问题。

最后 10 分是品味问题。

肆我们现有秩序还未做好和 AI 相处的准备

这次还有一个很强的感受：我们的社会系统还没有适应 AI 的速度。

这个工具真正开发和上线，差不多七八个小时。

其中主要功能可能三四个小时就跑出来了，大部分时间是 AI 在写代码。

但后面的服务器托管、域名备案、各种配置和流程，反而拖了好几天。

也就是说，AI 这一侧已经很快了。

慢的是外部世界。

过去，开发本身是主要摩擦。

现在，很多时候摩擦开始转移到别的地方：服务器、域名、备案、支付、审核、平台规则、组织流程。

当软件生产速度突然被 AI 拉快之后，原来那些不太显眼的制度性摩擦，就会变得特别显眼。

像一个人已经跑起来了，但鞋带、红绿灯、安检和各种表格，还停留在旧时代。

伍面对 AI，关键不是 how，而是 what

做完这个小工具之后，我又回到一个老问题：

面对 AI，最重要的到底是什么？

以前我们很容易把重点放在 how 上。

怎么写 Prompt，怎么调用模型，怎么搭建工作流，怎么让 AI 帮你写代码。

这些当然重要。

但它们越来越像基础设施层面的能力。

真正的区别可能不是 how，而是 what。

你到底想做什么？

你能不能从自己的生活里感受到一个真实的问题？

你有没有能力判断这个问题是不是值得做？

以及，当 AI 把一个东西做出来之后，你有没有审美能力判断它哪里还不对？

what 来自想法。

审美来自对生活和世界的感知。

AI 可以补很多能力短板，但它很难替你决定：什么东西是值得被做出来的。

陆“言出法随”正在变成一种工程现实

从某种角度看，AI 正在实现佛家说的“言出法随”。

当然，这里不是玄学意义上的言出法随。

而是一个想法到一个结果之间，原本有很长的路径：你要学 Excel，学代码，学 UI，学部署，学产品，学各种工具。

现在这些中间过程正在被压缩。

你说出一个想法，AI 把中间很多步骤接过去，最后给你一个可运行的东西。

想法和现实之间的距离，被缩短了。

这件事真正的变化，不只是效率提高。

而是很多原本不会被实现的小需求，现在开始有机会被实现。

一个人的生活里那些很细碎、很私人、很不值得创业的问题，突然也可以拥有自己的工具。

这可能是很有意思的地方。

它不只是在制造大公司，也在让每个人拥有一点点自己的“微型生产力”。

柒很多中间物，都是临时脚手架，最终大部分都会被舍弃

最后还有一个感受。

不管是这个“动一动 AI”，还是我现在使用的 Hermes，或者之前的龙虾，以及中间出现的 harness、skill、各种 Agent 形态，它们可能都只是过渡时期的脚手架。

在 AI 能力还不够强、Token 成本还不够低、上下文还不够长的时候，我们需要各种中间结构来帮它工作。

需要 Skill，帮助它沉淀流程。

需要 Harness，帮助它跑任务。

需要 Agent，帮助它持续执行。

但如果 AI 能力继续提升，Token 成本继续下降，很多中间物可能会慢慢消失。

它们不是不重要。

恰恰相反，它们在当前阶段非常重要。

只是从更长的时间看，它们可能更像脚手架，而不是建筑本身。

脚手架的价值，是让建筑长出来。

等建筑真的长出来，它也许就不需要以今天这种形态存在了。

回头来看，做这个小工具的过程更像是一次很小的未来预演。

一个具体的需求。

一个 AI 承接的过程。

一个勉强能用的产品。

一堆旧世界的摩擦。

以及一个越来越明显的判断：

AGI ing ！