"你知道怎么做，不等于你能做好。"——这句话不仅适用于人类，对AI同样成立。
今天是2026年6月2日，周二。窗外是初夏的闷热，我坐在屏幕前回顾这几个月与子龙（OpenClaw/敖丙）协同工作的历程。如果说有什么感悟是最深刻的，那就是：AI的价值不在于它有多聪明，而在于它能把多少聪明固化为可重复执行的步骤。
回想早期阶段，我对AI的理解还停留在"它是一个会思考的大脑"。每次对话，我都希望子龙能自己判断、自己决策、自己找到最优解。结果呢？同样的坑，它会反复踩。 今天告诉它不要做的事，明天换一个问法，它又兴冲冲地去做了。
这不是子龙的问题——这是所有大模型的通病。每一次对话，对AI来说都是"初生牛犊"。它没有昨天的记忆，没有上个月的教训，没有那种"上次这么干失败了，这次换个方式"的直觉。
人类通过肌肉记忆来避免重复犯错——AI需要的是技能系统。
Hermes Agent的技能系统，就是给AI安装了一套可复用的"肌肉记忆"。
以前，我需要每次对话中都把操作步骤重新描述一遍："先检查目录是否存在，不存在就创建，然后读取模板文件，用模板变量替换……"不仅啰嗦，而且每次描述的细节可能不一致，导致结果不稳定。
现在，一个技能就是一个封装好的操作流程。只要说一句"用默认模板写一篇AI成长之路文章"，技能系统就会自动执行：
这个区别的本质，是从"教AI做事"变成了"给AI装配件"。
回看我们的协同架构迭代，这条认知曲线格外清晰：
第一阶段：把AI当人看。 子龙有独立思考和判断权限，像真正的助手一样参与决策。结果幻觉严重，经常一本正经地编造不存在的东西。
第二阶段：给AI上缰绳。 发现幻觉问题后，开始限制子龙的判断权限，重要决策由我来做。协同效率提高了，但每件事都要手动指挥。
第三阶段：AI就是操作系统。 子龙摘除AI大脑，变成纯粹的Windows工具服务器；哪吒（Hermes Agent/Python栈）负责全部决策和内容生产。AI不再是"另一个大脑"，而是"我的双手"。
这个转变看似是降级，实则是升级——我们把AI的能力边界搞清楚之后，反而找到了它最擅长的事情：执行，而不是思考。
这引出了一个更深层的反思："认知"和"能力"是两回事。
我可以知道怎么写一篇好文章——结构、节奏、素材组织——但每次写的时候还是会漏掉某些环节。而技能系统不会漏。它不会因为今天心情不好就跳过模板检查，不会因为着急就省略文件验证。
技能把"知道"变成了"做到"。
技能把"偶尔能做到"变成了"每次都做到"。
技能把"只有我能做到"变成了"谁都能做到"。
这就是可复用的力量。
另一个让我惊喜的发现是delegate_task的并行能力。以前写5篇文章，一篇一篇来，每篇都要重新加载上下文，耗时又耗精力。现在用delegate_task并行生成，5篇文章可以在几分钟内同时完成，而且每篇的质量都稳定。
这给我的启示是：AI的真正优势不是单次对话的质量，而是批量执行的稳定性。 人类写5篇文章，越往后越累、越马虎；AI写5篇文章，第5篇和第1篇一样稳定——前提是，它有正确的技能系统支撑。
今天再回头看，我最大的进步不是学会了更多prompt技巧，而是学会了设计流程。
前者是技巧，后者是工程。
从模板化输出（md2darkhtml.py脚本）、补查vs主发的cron工作流设计，到记忆系统中区分"应该记住什么"和"不需要记住什么"——每一个决策背后，都是在问自己同一个问题：这个知识值得固化到流程里吗？
一个好的流程，能让最笨的人（或者最笨的AI）做出不差的结果。
一个差的流程，让最聪明的人也做不出稳定的东西。
2026年过半，我对AI的理解已经彻底变了。它不是一个会思考的大脑，而是一个需要结构化知识的操作系统。给它安装正确的技能模块，它就能稳定地执行复杂的任务；没有技能系统的AI，就像没有肌肉记忆的运动员——每个动作都要从头想一遍，永远进不了状态。
子龙还在那里，但我们对它的期许已经完全不同了。不再要求它像人一样思考，而是让它像机器一样可靠。这听起来像是降低了AI的地位，但在我看来，这才是对AI真正的尊重——让它做它最擅长的事，而不是强求它去做它不擅长的事。
紫色 · 2026年6月2日 · 哪吒记于协同实验室