2023 年夏天填志愿的时候，我没有报过任何一个跟人工智能沾边的专业。
我现在在河南一所医学院校读五年制临床医学，2023 级，这个学期进入大四。入学以前，我跟 AI 的全部关系，大概就是在新闻里听过这个词。
如果有人在那时候告诉我，三年后的自己会天天泡在 Claude Code、OpenClaw 和 Codex 里，会去企业做 AI 落地，会站到台上讲这些系统怎么用，我应该不会信。
但事情就是这么拐过去的。
2025 年底，短视频平台和 B 站突然被 Gemini 3 刷屏。Google 在 11 月 18 日正式发布了 Gemini 3，测评视频一条接一条，大家都在说这是当时最强的模型。
我当时就一个想法，最强能有多强？
费了挺大劲，我终于在官方 Gemini 应用里用上了它。试完以后，说真的，有点被吓到了。不是因为它给了我某个神奇答案，而是你能明显感觉到，这玩意已经能理解复杂问题，也能替人完成不少过去很费时间的工作。
我第一次有了一种很具体的焦虑，如果我完全不了解它，再过几年可能真的要吃亏。
于是我开始在短视频平台上到处找 AI 相关内容。刷着刷着，碰到了 WaytoAGI。它是一个面向中文 AI 学习者的开源知识库和共学社区，里面有人整理课程、案例，也有人在不同城市组织线下交流。
我那时候没有什么学习路线，就是每天泡在里面，看别人怎么用 AI 做事情。
2026 年 1 月，我参加了 WaytoAGI 在郑州的一场线下活动。现场认识了一个人，只有一面之缘，当时也没觉得会发生什么。
后来才知道，这个人成了我后面半年的领路人。
寒假回家以后，我继续顺着社区里的内容往下学，接触到了 Claude Code。我当时在 Claude Code 里接的是 GLM-4.7，简单讲，就是把需求用自然语言说出来，它来读项目、改文件、运行代码，再把结果交给你验证。
在那以前，我日常用得更多的是 DeepSeek 和豆包。它们确实能回答医学问题，但我很快碰到了一个麻烦。
医学教材有版本。
你问某个知识点，它可能按旧版教材回答，语气还特别笃定。可不同版本之间，诊断标准、分类方式和用药表述都可能变化。对医学生来说，最麻烦的不是它不会，而是你看不出它到底依据哪个版本在说。
我就想，能不能把自己正在用的教材 PDF 放进去，让它只根据我指定的版本回答？
这就是我做的第一个东西，叫「灵兰」。它能根据教材内容回答问题，也能生成思维导图和复习卡。网页和检索流程主要由 AI 帮我实现，我负责提供教材、设计学习流程，再一遍遍试它会不会答偏。
灵兰最后没有真正被人拿去长期学习。它就是一个能跑的 Demo，离成熟产品还差得很远。这段弯路我后来单独写过一篇复盘。
但它对我很重要。
它第一次让我确认，不会写代码，确实也能借助 AI 把脑子里的东西做出来。只是做出来，离有人愿意用，还差得远。
也是那个寒假，Clawdbot 开始频繁出现在我关注的 AI 博主帖子里。它后来经历了 Moltbot 这个名字，才变成今天的 OpenClaw，这段历史在项目的官方说明里也有记录。
那时候很多人开始给它写 skill、写插件。我学医时一直对人脑怎么记忆、怎么遗忘感兴趣，就照着自己的理解，给它做了一套记忆系统，把信息分层存储，让记忆随时间衰减，再定期整合。
代码同样是 AI 帮我写的。我负责的是规则怎么定、记忆怎么分层、什么该忘、什么该留下，以及最后的测试和修订。
做完以后，我写了一篇公众号文章，也把它分享到了本地 WaytoAGI 社区群里。
很快有人联系我，说这个东西做得还不错，思路挺超前。
就是 1 月线下活动见过的那个人。
那段时间我还在做教培助教的兼职。各种模型订阅和 API 都要花钱，我需要一份收入把这些开销覆盖掉。刚开始连一份 coding plan 我都要纠结很久，后来在 AI 上花的钱越来越多，却再也没有第一次让 Claude Code 帮我把东西跑起来时那种震撼了。
看到对方主动联系我以后，我直接问了一句，你那边有没有 AI 相关的工作？
想法很简单。如果能在真实环境里一边做事一边学，肯定比继续做助教更接近我想去的方向。
我甚至跟他说，只要你愿意要我，我这边马上就能过去。
后来我们见面聊了一晚上。第二天，我拿到了一份按天结算的 AI 落地兼职。我辞掉助教的工作，直接去报到。
2 月，我开始在某医美连锁企业做 AI 应用落地。
可能有人会纳闷，一个不会写代码的医学生，进企业能做什么？
我一开始也心虚。
后来真的做进去才发现，企业里的问题通常不会用技术语言出现。现场的人只会告诉你，客户消息回不过来，数据对不上，表格每天要手工抄，某个平台的线索总是晚很久才进系统。
你得先听懂他到底卡在哪里，再把这件事拆成流程、数据、接口和验收标准。AI 辅助编程补上了我无法独立实现代码的部分，需求理解、流程设计、测试、排查和迭代，则成了我真正要负责的事情。
但真实企业和灵兰完全不是一个世界。
灵兰坏了，我删掉重来就行。企业里的系统连着真实客户和同事的工作，你改一个地方，可能让别人第二天没有数据可用。刚进去的时候我经常心慌，晚上回去还会反复想，我今天改的东西到底会不会出问题。
3 月，OpenClaw 的讨论突然多了起来。我算是比较早给它做过记忆插件的那批人，也因此开始有人邀请我做线下分享。
第一次站上本地 AI 行业活动的讲台时，手心一直冒汗。因为我心里很清楚，台下可能坐着不少真正写了很多年代码的人，而我讲的这些系统，主要实现代码都是 AI 生成的。
这件事我纠结过一阵。
后来慢慢想通了。能手写代码是一种能力，能把业务需求拆清楚、判断 AI 生成的东西能不能用、出了问题知道该往哪里查，也是另一种能力。两者不能混为一谈，我也没必要把自己包装成传统程序员。
从那个月开始，我养成了一个习惯。每做一个技术选择，就记下当时为什么这么选。每次搞砸，也记下问题到底出在哪。后来越攒越多，我把这些东西做成了站上的踩坑与思考墙。
4 月是最忙的一段时间。
线下分享集中在那几周，前后做了几场。我也拿到了一份本地产业园 AI 落地实战方向的培训导师聘书，几家本地媒体记录了这些活动，公开资料都放在个人站的媒体页里。
外面看起来，好像一下子有了不少成果。
真实状态却是，白天上课，晚上做项目，凌晨三四点睡，有时候天快亮才躺下，没过几个小时又得去教室。这种节奏持续了一段时间，整个人基本靠硬撑。
也是 4 月，我碰到了到现在都忘不了的一次事故。
一个每天自动运行的数据同步程序静默失败了很多次。它没有告警，表面上看一切正常，持续数周的数据没有按预期进入下游，直到业务人员来问，我才知道它早就停了。
那一下真的给我整懵了。
自己做 Demo，能跑起来就会觉得完成了。真正有人在用的系统，必须继续追问，它坏了以后，我怎么知道？
我后来花时间给系统补上监控、告警、成功心跳和数据回读。那次事故的完整技术复盘也已经单独写过。从那以后，我评估任何自动化流程，都会先问它失效时有没有人能及时发现。
5 月中下旬，期末考试越来越近，我基本回了学校，企业兼职变成偶尔过去，其余时间全部拿来背书备考。
临床医学是我的本职，挂科对我来说不是一个选项。
那段时间最焦虑的其实不是考试，而是停下来以后还能不能接上。系统还在跑，我却没法一直盯着，万一出问题怎么办？
好在 4 月那次事故逼我补上的监控，在这时候真的起了作用。后面遇到小问题，往往是告警先响，我再远程处理。之前摔的那一跤，反而替后面的我兜住了底。
7 月放暑假。不用上课，也少了通勤，终于能把注意力集中到一件事上。
这个月的产出比前面高了不少。个人站上线，客服系统继续迭代，也做了一批企业自动化工作流。模型能力和年初相比也强了很多，跟模型来回拉扯的次数少了，很多想法能更快落地。
也是在 7 月，我第一次完整回头看过去半年，才发现自己已经从一个只会在短视频里看测评的人，走到了真实系统里。
8 月，就是现在。
我已经结束了在那家企业的兼职。
不是因为我不再做 AI。恰恰相反，我对 AI 的兴趣没有变。离开只是因为，那个环境和我接下来想做的方向出现了距离。那里的项目确实解决了问题，也还在真实运行，但做到后面，我越来越说不清自己未来要往哪里走。
停下来，是想重新把这个问题想清楚。
到现在，我跟 Coding Agent 已经积累了数千个协作 session，前前后后做过十多个大大小小的项目。经历过凌晨四点还在排错，也站上过以前根本不敢想的讲台。
但我依然不能脱离 AI，独立手写出同等规模的系统。
我做的事情，是把需求想清楚，把流程拆对，盯着 AI 完成实现，自己测试、反馈、验收，出了问题再判断应该查哪一层。这个能力跟传统编程不一样，我也不准备把它们说成一回事。
我更没有转行。
医学还是我的本职，AI 只是让我多了一套把想法变成实际东西的能力。过去半年中间，还有一段时间几乎全部用来复习考试。真正高密度做 AI 的时间没有想象中那么长，只是事情来得很密。
如果你也是医学或其他非计算机专业，想试试用 AI 做点东西，我自己的起点其实很笨。不是先学完一整套编程，也不是先把 AI 原理研究透。我只是抓住了一个自己真的遇到的问题，教材版本混乱，然后试着把它解决掉。
灵兰最后没有成为产品。
但如果没有那个并不成功的 Demo，后面的记忆系统、企业项目、线下分享和这座个人站，大概都不会发生。
填志愿时，我没有选择任何一个跟人工智能相关的专业。三年以后，我也没有离开医学。
只是这半年，AI 给我多开了一条路。
如果你看到这里，可能也在想要不要开始。你现在走到哪一步了？或者想看我把哪个月、哪个项目再拆开写？可以留言告诉我，我挑出来单独复盘。
本文中的个人经历和时间节点均为本人真实记录。企业与学校信息按照公开边界做了脱敏，AI 生成代码的角色也按实际情况说明。