并且依托鸿蒙系统的底层能力，专门上线了一个其他主流系统目前无法实现的神仙功能：「碰一碰」分享。
后续随着赛道分化收敛，单纯押注单一赛道的策略难度提升，兼顾景气度与估值、自下而上筛选优质标的，或将成为主流投资思路。
在回答"取代"之前，先回顾我们学了什么 要回答"AI 会不会取代我们"，我们需要先搞清楚 AI 到底是什么、能做什么、不能做什么。
版权管理的关键，是把相似线索变成处理闭环 版权保护不应停在“发现相似素材”这一步。
让我们慢慢拆解。Part1：为什么 AI 特别擅长写代码 在搞清楚 AI 编程能做到什么之前，先来理解一个更根本的问题：为什么编程恰好是 AI 最擅长的领域之一？
一、编程语言CLI 在开发语言选择上有几个硬指标：单文件且无运行时依赖：Agent 的运行环境不可预测，可能是本地计算机、Docker 容器、远程 Linux 等，无法假设它装了正确的 Node 或 Python 版本，最好是下载一个二进制就能跑可交叉编译：需要覆盖 macOS / Linux / Windows × amd64 / arm64，支持一套代码跨平台编译启动快：Agent 会高频反复调用命令，静态语言是首选几个候选对照：Node / TypeScript：生态好、写得快，但依赖目标机器有 Node 运行时，打包成单文件产物大Python：同样受运行时和版本问题限制，分发是大问题Rust：单二进制、性能好，各项都满足，但是开发效率和编译速度偏低Go：单静态二进制，设置 CGO_ENABLED=0后零依赖，交叉编译支持好，启动毫秒级，开发效率不错最终选择 Golang作为开发语言，并使用 Cobra作为 CLI 框架，处理命令解析和路由。由于产物是纯二进制，分发时可以用一套 GoReleaser 配置同时产出 npm 包、Homebrew Cask 和 GitHub Release。语言选择本身没有标准答案，取决于团队技术栈，但如果首要用户是 Agent，则必须优先考虑能编译成零依赖单二进制的语言，分发的便捷程度，直接决定 Agent 能不能自己把它快速装上。二、登录与授权最简单的 CLI 授权方式是让用户直接填写 API Key，但问题也很明显：API Key 通常长期有效、全量权限、明文存储，一旦泄露风险很大，也无法按操作细分权限。对于一个会被 Agent 自动调用、管理各类资源的 CLI 来说，这种 "一把钥匙开所有门" 的方式风险太高。