这几个月，我做了自动化项目，也开源了视频制作平台和 AI 技能包。把这些东西逐步做出来以后，我开始认真考虑一个问题：

AI 还会继续变强，而我的时间有限。接下来，什么最值得我花时间？

把自己的实践和行业里已经发生的变化放在一起，我有三个思考后的判断，不一定准确，仅仅分享出来大家交流：

第一个判断，桌面端 AI 的主要工作方式已经逐渐清楚，移动端值得投入更多注意力。

2024 年 10 月，Anthropic 开放了 computer use 测试，让模型尝试看屏幕、移动鼠标、点击和输入文字。它当时仍然笨拙、容易出错，但已经展示了一条明确的路径：AI 可以开始直接操作软件。

沿着这条路径看，桌面端 AI 的工作方式已经有了轮廓。人提出目标，AI 调用工具、操作软件，再由人检查结果。后续仍然有大量可靠性和效率问题需要解决，但对于做应用的人来说，已经可以据此设计产品。

这也是我所说的“格局逐渐清楚”。至于模型能力的上限，我现在没有依据下结论。

与此同时，移动端已经出现了一些值得注意的信号。

2025 年 3 月，Google 开始向部分用户推出 Gemini Live 的摄像头和屏幕共享能力，让用户直接围绕眼前看到的东西与 AI 对话。

Claude Code 的 Remote Control 则展示了另一种连接方式：任务继续在电脑上运行，人可以通过手机接着查看和交互。

这两件事放在一起，让我更看好手机作为 AI 入口的价值。

手机能带来现场的信息，也能让人离开电脑后继续参与工作。复杂任务可以留在电脑上执行，提出需求、查看进度和确认关键动作，则可以在手机上完成。

对我来说，这是一块值得继续探索的空间。重点是找到那些发生在日常生活里、用手机处理更自然的需求。

第二个判断，最值得积累的，是经过验证、能够重复交付的 workflow。核心在于“固化”。

AI 能完成一次任务，和这件事能长期稳定地交给它做，中间还有很多工作。

拿视频制作来说，生成一段文案只是其中一步。脚本怎样进入配音，画面怎样与内容对应，字幕如何检查，最后什么样的成片才算合格，都需要有明确的安排。流程中断后，还要知道已经完成了什么、应该从哪里继续。

我所说的固化，就是把这些要求变成可以执行、检查和复用的规则。

输入是什么，输出要达到什么标准，哪些地方允许灵活处理，哪些地方必须停下来确认，都得说清楚。下一次换一个选题，也能沿着这套流程继续工作。

Anthropic 在 2024 年底发布的工程文章中，也区分了预先定义执行路径的 workflow 和由模型动态决定步骤的 agent。对于任务明确的场景，他们强调了 workflow 的可预测性与一致性。

不过，固化流程这件事，AI 本身也能参与。n8n 的 AI Workflow Builder 已经支持根据自然语言要求创建、修改和调试工作流。

所以，我更看重的是其中的业务经验和验证过程。

一个节点接到另一个节点，并不代表流程已经可用。什么结果值得交付，哪些错误不能接受，遇到例外应该怎样处理，需要结合真实工作不断检验。AI 可以帮助设计和实现，业务方仍然要确定目标，并对采用的流程负责。

我更看好这样的企业应用机会：把一项具体工作做好，形成稳定的交付方式，再逐步扩大使用范围。

模型升级可以让执行变得更快、更便宜，而积累下来的业务规则、验收标准和真实案例，也能继续发挥作用。

第三个判断，记忆和多 Agent 都应该围绕具体问题来做，我不准备把架构本身当成目标。

关于记忆，我现在更关心的是：它究竟帮任务保留了什么？

记住大量历史对话，不等于下一次就能把事情做好。有些信息已经过时，有些只是当时的讨论。对持续工作的 AI 来说，当前目标、已经确认的决定、完成到哪一步，往往更值得留下。

这类记忆有实际用途。2025 年 9 月，Anthropic 推出了基于文件的记忆工具，用来在上下文之外保存信息，并支持跨会话保留项目状态和经验。

因此，我不会笼统地说记忆没有意义。我会先问，它能不能减少重复解释，避免任务做着做着丢掉关键约束。解决不了这些问题，再复杂的记忆设计，也不值得我优先投入。

多 Agent 也是一样。

同一家厂商的模型，可以因为分工、工具和上下文不同而形成有效协作。Anthropic 在 2025 年公布的研究系统中，用 Claude Opus 4 负责统筹、Claude Sonnet 4 执行子任务，在其内部研究评测上优于单 Agent。与此同时，他们也指出，多 Agent 系统消耗很大，其观察到的 token 用量约为普通聊天的十五倍。

这个案例说明，同厂商协作可以有效，但收益必须结合任务和成本来看。

我会先判断一项工作能不能真正拆开。几个 Agent 是否各有明确任务，结果能不能独立检查，并行带来的收益能不能抵消沟通和协调成本。至于要不要跨厂商，也应该放到同一批真实任务里比较。

如果一个 Agent 已经能把事情做好，就先把它做好。只有出现了明确的瓶颈，再增加分工。

接下来，我更愿意先把已经跑通的流程做扎实，再寻找适合手机发起任务、接收结果的场景。记忆和多 Agent，则在它们能解决具体问题的时候加入。

我的时间会优先花在这里：把一件有用的事做成，再让它能够稳定地被别人使用。