后厨变天了:三个厨师的位置,换成两台AI炒菜机
武汉米禾堂快餐店老板董泽军有近30年厨师经验,他将三个厨师换成了两台炒菜机器人,门店日接待300多位食客、月节能30%-40%、面积从50平扩到260平。商用炒菜机器人渗透率目前不足2%,连锁品牌渗透率已达约40%,行业预计2026年为放量元年。文章拆解了厨师难找且不稳定、机器回本周期约8.4个月等行业账目,指出机器适合快餐团餐等标准化场景,并提醒店主先算清成本、写出量化菜谱、确认单量稳定再上设备。厨师的手艺可以从手上搬到纸上,被复制和放大。
武汉米禾堂快餐店老板董泽军有近30年厨师经验,他将三个厨师换成了两台炒菜机器人,门店日接待300多位食客、月节能30%-40%、面积从50平扩到260平。商用炒菜机器人渗透率目前不足2%,连锁品牌渗透率已达约40%,行业预计2026年为放量元年。文章拆解了厨师难找且不稳定、机器回本周期约8.4个月等行业账目,指出机器适合快餐团餐等标准化场景,并提醒店主先算清成本、写出量化菜谱、确认单量稳定再上设备。厨师的手艺可以从手上搬到纸上,被复制和放大。
基于当日新闻报道与行业数据,案例具体、结构清晰,含可落地的决策框架与行动清单,分析有边界提示与风险视角,是一篇时效强、质量较高的AI应用拆解文。
文章针对出海团队每天人工盯热搜、找选题效率低、时间滞后的痛点,介绍如何用代码和 AI 搭建一套 24 小时自动巡检的选题流水线。核心思路是抓住搜索量短时间暴增但内容供给空白的上升词红利。流水线分三层:一是围绕种子词库做周期性快照轮询并计算趋势斜率,自动发现飙升关键词;二是通过黑名单过滤、商业意图词性筛选和聚类去重,剔除娱乐八卦等噪音,保留排查解决、选型对比、资源索取类高价值需求,并附完整 AI 过滤提示词;三是接入大模型,把上升词拆解为痛点解决方案、工具选型、成本风险、可交付资源四张选题卡,实现选题自动化裂变。文中提供了两段可直接复用的详细提示词。
作者作为一家30多人AI公司的创始人,用5天时间打造了一个基于Agent的企业中台。他先让Claude生成了品牌VI、UI设计组件和PPT模板,并将其封装为Skill;随后解决了同事们Vibe Coding应用部署与分享的痛点,将中台包装成MCP,接入飞书登录与权限体系,实现应用一键部署、子域名分配、权限管控。同时搭建了应用广场、Skill分发、资料库、OKR可视化面板及千人千面的个性化首页,并让Agent自动维护多维表格数据。作者认为数据和协同关系是企业未来的核心资产,期待AI原生的组织变革。
作者提出,与其担忧AI夺走工作,不如关注它创造的新职业——自动化工程师。文章指出:工作需求无限,自动化需求也无限;构建自动化从未如此容易,但难点在于判断该自动化什么,并将其嵌入有真实人、流程与政治的企业环境中。以SeatGeek为例,部署AI后IT工单量暴增,通过自动化,三周内自动解决了40%的IT请求,六十天内超过50%,而原团队成员被重新部署到客服、合规和法务等部门构建新自动化,公司还因此增设了五个自动化工程师岗位。作者认为这是AI时代真正的新兴职业,并公开招聘首批百名自动化工程师。
作者展望了未来5-10年软件开发的变化:AI模型正以每半年约10倍的速度变强,未来将极其智能、快速且廉价。开发模式将从IDE自动补全,演进到终端中的AI编码代理,最终只需用自然语言或语音告诉计算机想要什么,AI代理即可自动完成构建、测试、修复和上线。文章还探讨了为AI代理设计的意图式操作系统(无需UI)、为每个用户动态生成的应用界面、面向AI代理的新协议(如MCP),以及未来5-10年最抢手的技能,强调经验与意图表达能力将比手写代码更重要。
Karri Saarinen 探讨了 AI 时代工具效率提升背后的隐忧:产品和工程工作产出两样东西——产品本身和制作过程中的学习。AI 和 Agent 能写更多代码、开更多 PR、做更多实验,但团队的理解力和判断力会因此变强还是退化?作者以 CEO 亲身经历指出,一旦疏离产品和客户,产品认知就会变得模糊。他主张不应抗拒 AI,而是利用效率红利让团队有更多时间贴近客户、探索问题和保持产品判断力——自动化已知工作,但让学习、发现与决策始终留在人的手中。
Chamath 探讨了 AI 投资回报率(ROI)难以在生产力数据中体现的原因。AI 成本极低——企业中位数每月每位员工仅花费 12.50 美元,只需提升约 0.15% 的效率即可回本。但价值端难以衡量:企业员工大部分时间花在协调、会议和流程审批上,而非产出工作,人成为 AI ROI 的瓶颈。2026 年一项 515 家初创公司的实验显示,几乎所有收益都来自最顶尖的 10% 企业——关键在于围绕 AI 重组工作流程,而非工具本身。作者引用 Solow 的生产力悖论和 Musk 的五步自动化流程,指出企业应先简化流程再自动化,生产力提升将取决于大企业采纳的速度。
作者分享用 Codex 自动化运营小红书账号的经历。他看到一个小红书账号讲“生活中常见物品的英文名”类内容,于是拆解其选题模型:熟悉的事物+陌生的英文名+好奇心问题。随后将找选题、查名称、写标题、做图、排版等执行环节全部交给 Codex,自己只负责定方向和审核。最终账号获得 105 万曝光、18.4 万观看、封面点击率 17.9%,2 天涨粉 1000。作者总结方法论为:发现→拆解→模仿→迭代,即复制已验证的底层逻辑并用 AI 快速生产自己的内容,大幅缩短从发现机会到落地的时间。
文章介绍如何解决AI生成网页时“不太对,再改一下”这类模糊修改意见难以落地的问题。作者拆解百灵 Ling-3.0-flash-VL 的官方演示,并提出用 Claude Code + Ling-3.0-flash-VL + Playwright MCP 的复现方案:VL 负责看参考图、生成代码和分析差异,Claude Code 负责读写文件和调用工具,Playwright 负责打开浏览器截图。关键细节是保持截图宽度一致,并让模型真正查看截图。作者建议从作品集首屏入手,通过截图对照迭代修改,让“看着不太对”变成可对照的图片差异。
文章探讨了高级 AI Skill 的本质:不是把更多指令塞进一份文件,而是把多个单点能力按任务关系编排组合。作者通过分析 GitHub 上多个热门 Skill 仓库,总结出五种组合模式:路由(判断调用哪个 Skill)、顺序(强制工作流程)、选择(按需分诊组合)、流水线(专业能力交接)和分层(Skill 与系统能力分工)。文章提出组合 Skill 的五个核心零件:路由、输入输出契约、顺序与并行、上下文状态、验证反馈,并建议从真实返工中逐步长出组合关系。核心观点:Prompt 让 AI 听懂一次需求,Skill 固化一类做法,而组合 Skill 才能把复杂任务交付出来。
文章解读 Acemoglu 等人的论文《Automation and Reproduction》,该论文首次用经济学模型量化了面对自动化引发的社会动荡时,资本方的三种选择:管制、再分配与镇压。核心结论是:自动化与镇压是互补品——再分配是变动成本,随自动化程度上升而变贵;镇压是固定成本,相对越来越便宜。因此随着资本积累,代表资本利益的国家会从再分配转向镇压。模型还显示市场会过度自动化(因外部性),民主政体也面临政变临界税率。作者提出第四条出路:分散资本所有权,让工人持有资本,但这条路必须在再分配的窗口期内建立。
作者在帮家人用AI处理一批国企公文材料时,发现方正CEB格式文件无法被AI读取,而工具未明确报错,导致AI在空输入上生成了看似完整的答案。由于手动用方正阅读器导出效率极低,且GitHub上可用的转换工具稀少且缺乏维护,作者开发了一个CEB转换Skill,可将批量CEB文件转换为PDF、Markdown和纯文本,供AI继续做检索、摘要和起草。测试45份文件全部转换成功。作者提醒:给AI喂材料时应先确认文件是否真正被读取,避免格式问题导致后续分析建立在不完整输入上。