我有几百个零散的文件分散在很多文件夹里，我很早就想给他们统一命名格式。

我想等我有空了写一个 Python 脚本来批量处理。由于我很久没写 Python 了，很多 API 已经忘记，我可以一边查一边写，但是这会耗费我一下午的时间，于是懒惰让我一直没有动手。

直到最近中高强度地使用了 antigravity 之后，今天突然想起这个事。于是我让 Gemini 用 1 分钟帮我写了一个脚本，然后用几秒钟跑完了。

只要我后面有相同的需求，这个脚本我可以一直使用，不需要再重复问 AI ，再重复消耗 token。这件事给了我一个灵感：AI 会消耗 token，但是 AI 创造的工具却是可以一直免费使用的。 所以说，有些活与其每次都让 AI 帮你处理一下，不如让 AI 帮你写一个传统的程序，然后你就一直用那个免费的程序。

其实我观察到，不少看似需要用 AI 才能做的事情，传统的软件其实早就能实现，而且实现得更精准。

例如，我有很多视频用到了不同的背景音乐，我本来想让 AI 帮我把使用了相同背景音乐的视频分类到一起，Gemini 告诉我有一些基于音频指纹的 Python 工具库能识别，比如 audfprint ，之后帮我写了个程序完美解决了我的问题。

这可能就是为什么最近 OpenClaw 爆火，但是却几乎没看到 OpenClaw 在场景落地上有什么重大突破的原因。一个是 token 消耗的成本问题，另一个是 AI 的不确定性，我们对 AI 有多大信任的问题。

大部分不容出错的业务，还是得依靠更加精确的传统软件来兜底。