你好鸭｜HELLO YA

远程工作｜数字游民｜AI｜自由职业｜超级个体

NO.114

▌介绍一下你本人的经历，以及当前所做的事情吧

Hi，大家好，我是梁高浚 Kevin。

我曾是一名量化工程师，目前同时从事 MongoDB 的数据库/AI技术顾问工作，也是一名 AI 创业者。我的教育背景是在香港科技大学，主修方向涵盖计算机、数学和数据科学。也因为这样的训练背景，我一直对计算机、AI 和系统性问题解决有很强的兴趣。

大学期间，我累计获得了 60 万港币以上的奖学金，也曾前往美国 UC Berkeley 交换学习。现阶段，我主要提供面向企业的 AI 顾问与培训服务，核心方向是 “AI Agent as a Team”——也就是通过高效的 AI Agent 编排与管理，让 AI 不只是单点工具，而是以“团队”的形式真正进入企业工作流，帮助组织提升效率与协作质量。

▌你是什么时候、因为什么契机开始接触 AI 的？

其实从中学到大学，我接触的内容一直都和 AI 有一定关联。

不过，我本科一开始读的并不是纯技术方向，而是风险管理与商业智能。这个学科与金融联系比较紧密，同时也会涉及一部分 AI 相关内容。毕竟在香港，很多学科设置本身就会比较偏向金融应用。

但读了一年之后，我越来越确定，自己真正想要的是更扎实、更硬核的技术能力。于是我决定转向工学院底下的数据科学系。这个科系在当时算是比较新的选择，但我很看重它的课程结构，因为它能同时覆盖机器学习所需的数学基础、计算机算法能力，以及 NLP、计算机视觉等 AI 核心方向。这段经历也为我之后持续做 AI 和工程实践，打下了很好的基础。

▌当前，你在用 AI 解决什么问题？效果如何？

目前，AI 已经深度参与到我工作和项目中的多个环节。

首先是在量化策略方面。我自己有在做量化投资和策略研究，也会使用 AI 来协助分析、写代码、处理数据以及进行回测。整体来说，这类工作流的效率提升非常明显，实际效果也不错，目前已经取得了正向回报。

另外，在 MongoDB 顾问工作中，我也会把一些客户常见问题、排障经验和解决路径，整理成标准化工作流，直接交付给客户使用。这样的方式不仅提升了沟通和解决问题的效率，也让经验能够被重复利用。

最近我也把重心放在多智能体协作这条线上。以前我接触过一些很热门的 Agent 项目，但现在如果从 Agent 的执行能力和工程稳定性来考虑，我会更偏向 Claude Code。对我来说，一个比较清晰的方向是：以 Claude Code 作为核心 Agent，再在其上构建多智能体团队，比如現在我最常用的paperclip，agency-agent，clawteam等等，最终去解决真实世界中的商业问题。

▌为什么你现在最常用的是 Paperclip

如果说 Claude Code 是我最常使用的底层执行工具，那 Paperclip 更像是我现在最常用的“组织层”工具。

我之所以常用 Paperclip，是因为它不只是让 Agent 完成任务，而是让 Agent 有机会去“组织”其他 Agent，让整套系统更像一个真正的公司。和一般的单体 Agent，或只是偏执行型的 Agent 工具不同，Paperclip 更强调对多智能体的管理与治理。

它提供的不只是调用能力，还包括组织架构、预算管理、目标设定、治理机制和审计追踪等管理能力。也因为这些机制存在，整体任务完成度、Agent 之间的分工，以及资源配置，都会明显更稳定、更系统化。

目前，我自己的这套 AI 团队架构里，已经配置了 17 个 Agent，接下来还会继续扩充。现在的分工已经涵盖量化团队、营销团队、策略团队和开发团队，后续也会根据实际业务需要继续“招聘”更多部门。企业级 AI Agent 的一个关键价值，本来就在于让自动化从单点工具，升级成可治理、可审计、可协作的体系。

▌平时使用频率最高的 AI 工具或模型有哪些？它们各自适合什么场景？

目前我常用的模型和工具主要有 Claude、GPT、Codex，以及 Claude Code。

其中，使用频率最高的还是 Claude Code，因为我已经把自己的 Skills 和工作流配置得比较完整了，所以它非常适合承担具体开发、执行与工程化任务。至于 GPT 和其他模型，我更多会根据不同任务场景去搭配使用。

而 Paperclip 的角色则不太一样。它更像是任务编排和多智能体协作的平台：我只需要提交一个 issue，背后就可以由多个 Agent 去拆解任务、协同执行。底层虽然仍然是多个 Claude Code 在工作，但通过 Paperclip 的组织方式，这些 Agent 能像不同部门一样协作，整体执行会更贴近真实团队的工作模式。

平均每周会消耗多少 token？有没有什么省钱小技巧？

目前我的 token 消耗量非常大，平均每天大概会落在 5 亿到 10 亿 token 左右。

消耗这么高，一个很重要的原因是，多智能体系统本身就有持续运作成本。比如像你提到的这类机制中，不同 Agent 会定时检查自己是否有新任务，这种“心跳式”运作虽然有利于协作，但也会明显提高 token 消耗。

至于省钱，我们当然一直都在想办法优化。过去也尝试过一些偏实验性的方式，例如通过自动注册方案，或者透过 IP 轮询去使用一些免费模型服务。但这类方法通常稳定性比较有限，所以从长期来看，我们还是更倾向于使用更稳定、额度更充足的订阅制方案。

▌在使用过程中，有哪些判断、决策或步骤仍然由你自己完成，没有交给 AI？为什么？

目前我还是会把一些关键环节牢牢掌握在自己手里。

第一类是部署、运维和安全相关的判断。因为这些环节风险高，而且我自己在这方面经验比较多，也知道 AI 一旦误操作，可能会带来配置错误、文件改动失控，甚至安全漏洞暴露的问题。所以在这类场景中，我通常会让 AI 做辅助，而不是完全放权。

第二类则是需求整理与需求定义。比如先和客户把需求沟通清楚，再把这些内容转化成一份代码和 Agent 都看得懂的需求文件。我认为，高质量的需求抽象和边界判断，现阶段依然非常依赖人的经验、上下文理解和业务判断。

▌日常生活中，有在使用什么 AI 硬件或智能物品吗？体验如何？

目前我会使用 VR 智能眼镜来工作。

它最大的优势是可以支持多屏工作，而且便携性很好，所以整体使用体验相当不错。虽然这类设备本身还不算真正的 AI 硬件，但因为它内置麦克风和扬声器，我可以很自然地通过电脑或手机上的 AI 助手进行语音交互，所以已经能部分满足我对未来工作方式的想像。

另外，一个很重要的“移动工作终端”其实就是手机。我会通过 Telegram 去和 Claude Code 之类的系统保持交互，这样即使人在外面，也能够持续推进工作。之后我也有想过让智能手表接入类似能力，只是目前在网络连接和使用便利性上，还没有完全落地。

▌你平时通过哪些渠道获取 AI 相关资讯和动态？

目前我主要会关注几个渠道。

第一个是 Star History (https://star-history.com)，它很适合用来观察近期热门 GitHub 开源项目的变化。第二个是 Hacker News，这是很多工程师长期关注的资讯来源。第三类则是社交平台上的 AI 信息流，比如 Threads、X 和 Instagram。

除此之外，我也会让 Agent 帮我做一部分资讯抓取和整理。因为我平时本来就大量关注 AI 相关内容，平台算法已经很偏向这一类信息源，所以再结合自动化工具做总结，效率会高很多。

▌工作之外，你觉得 AI 还会如何影响社会、健康、情感与价值观？

我觉得，外界对 AI 普及程度的想像，可能比现实略快一些。

现在真正高频、深度使用 AI 的人，其实还没有那么多，特别是在很多非发达地区，AI 仍然没有真正普及。所以我会觉得，大家不必过度焦虑；但与此同时，未来一定会有越来越多行业，需要把 AI 真正接进商业工作流，这会创造出大量新的岗位和协作方式。

我也很认同一个趋势：未来很可能会发展到“人手一个 Agent”。到那个时候，人与人之间的沟通、协作，甚至很多关系建立的入口，都可能先经过 Agent。它会像是一个代表你的数字分身，先替你做初步沟通、过滤和匹配。比如在情感关系场景里，也许未来真会先让双方的 Agent 聊过一轮，确认价值观和兴趣足够匹配，再进入现实互动。

当然，风险也一定会同步增加。像换脸、伪造视频、诈骗内容生成这类问题，都会因为生成式 AI 的进步而变得更严重。所以在生成式 AI 快速爆发的时代，人类真正稀缺的能力，反而会变成判断力、辨识力和批判性思考。

▌给还在观望或摸索 AI 过程中的朋友一些建议吧，你会说什么？

我觉得，减轻焦虑最好的方式之一，就是亲手去做。

与其一直停留在观望，不如先拿 AI 做一点小工具，真正走一遍完整链路。你会在这个过程中逐渐理解几个关键元素：比如 AI Agent、Prompt Engineering、多智能体架构，以及工作流设计。企业采用 AI Agent 的价值，也往往不是停留在“会不会用聊天机器人”，而是在于能不能把它变成可落地的协作能力。

很多人会觉得 AI 很难，但其实只要开始动手，你就会发现它没有想像中那么遥远。我身边也有一些不是技术背景的朋友，同样能把 AI 用得很好，甚至做出相当不错的应用。

▌最后，说说你接下来的一些计划吧

接下来，我们正在建立一支同时聚焦 MongoDB 技术顾问与 AI Agent 工作流自动化的团队，也正在招聘一位专业的 MongoDB 咨询工程师。你提到的职位要求，包括数据库经验、对 AI Agent 自动化工作流的经验或兴趣，以及良好的英文能力，这些都和公开招聘信息一致。

如果对方有 3 年以上 MongoDB /其他数据库生产环境经验，熟悉分片、副本集、性能调优与数据建模或者对这些内容感兴趣，同时愿意参与 AI Agent、API 对接和自动化 Pipeline 的建设，会特别适合这个岗位：https://eleduck.com/posts/XNfgb4

▌联系作者：）

如果对这个方向感兴趣，不论是想交流、合作，还是加入团队，也欢迎直接联系我。我们目前已经在和香港、台湾及海外的一些投资人与潜在合作方接触，大家对 “Agent as a Team” 进入企业工作流这套模式都很有兴趣。

如果有感兴趣的同学可以通过我的电鸭主页联系我：

https://eleduck.com/users/qVhgRYl

▌你也可以参与访谈

《你好鸭》是电鸭社区坚持做了好几年的一个访谈系列，已经陆续访谈了100多位远程工作者/数字游民/自由职业者/独立产品人/AI使用者，很受大家的欢迎。

新世界没有旧神。这档访谈不攀附大咖，也不宣扬理论。我们挖掘的，是一个个普通人探索自己的真实故事。

这档访谈是开放开源的，如果你也愿意，也可以把你的故事发在【社区-发布话题-访谈故事】版块里。社区审核后，会酌情安排各种发布、推送、置顶等等。

每期大约能带来 5000+ 的阅读。希望能给大家的产品/项目带来一些流量和关注，带来一些有价值的连接乃至合作。