每天早上睁开眼，Molly Cantillon 会先打开电脑，检查 8 个 Claude 实例交上来的「工作汇报」。这些 AI 每天晚上都在跑任务，有的在监控她的订阅账单，有的在分析社交媒体数据，有的在追踪一些人的股票交易记录。
过去一个月，这套系统自动帮她追回了 2000 美元的订阅费用。这些钱来自她早就忘了取消的订阅服务，科技公司利用这一点每个月悄悄扣款，而她自己根本没注意到。
Molly 是斯坦福毕业的技术极客，但她形容自己使用 Claude 的思路其实很简单：「我只是把 Claude 当成了 8 个不用发工资的员工」。
看到这，你一定很好奇，一个人如何同时运转 8 条业务线，还能让 AI 帮你躺着赚钱？
01
把生活拆成 8 条业务线
Molly 的系统把生活拆成 8 个「业务线」，每条线配一个专属 Claude。
她搭建这一切的思路很直接：每个人的生活都由几个核心模块组成，工作、健康、财务、社交、学习……这些模块各有各的规律，各有各的重复性任务。
Molly 做的，就是给每个模块配一个专职「员工」。
Molly Cantillon 的观点分享｜图片来源：X
她的 8 个实例的分工是这样的：
产品 Claude 负责管理她的 side project 的开发进度，每天汇报哪些功能该推进，哪些 bug 需要修复。增长 Claude 自动监控社交媒体数据，追踪哪些内容表现好，哪些话题值得跟进，还会生成下一步的内容建议。健康 Claude 接入了她的 WHOOP 手环数据，追踪睡眠、运动和恢复状态，每周给出调整建议。
交易 Claude 负责帮她盯着银行账单和订阅服务，一旦发现不合理扣费就自动发起退款申请。写作 Claude 帮她处理日常文字工作，起草邮件、整理笔记、生成周报。还有三个 Claude 分别负责个人事务、指标追踪和每日摘要。
这套系统能自动跑起来之后，产出的效果完全超出了她的预期。
比如开头提到的 Claude 帮她追回 2000 美元的订阅费，这还只是开始。写作 Claude 把她从邮件里解救出来，能自动帮她处理并回复所有的邮件。
更有趣的是，交易 Claude 干了这样一件事：
它每天凌晨自动抓取有影响力的人的股票交易披露、对冲基金持仓变化。然后结合 Polymarket 赔率、X 上的情绪、她关注的公司财报，生成一份投资简报。
前段时间，交易 Claude 发现投资人在大量买入 Netflix 股票，于是判断这可能意味着流媒体板块有利好，跟进了同赛道的华纳兄弟。三周后，相关交易公布，华纳兄弟股价应声上涨。
Molly Cantillon 用 Claude code 实现时间管理｜图片来源：X
8 个实例的运行方式也非常有趣：
它们在后台并行运转，各自独立工作，通过文件系统交换信息。当某个任务需要跨模块协作时，会通过明确的「交接」机制传递上下文。它们读写本地文件，当 API 不可用时，甚至会直接操作桌面，模拟鼠标和键盘来完成任务。
Molly 用命令保持系统不休眠，让她的 AI 团队可以在机场、在她睡觉时持续运行。任务完成后，系统会给她发短信，她直接回复就能继续下一步。
Molly 自己说过一句话，很能概括这套系统的本质：「突然之间你能同时出现在数十个地方，用一千个 AI 分身管理自己的生活。」
Molly Cantillon 的观点分享｜图片来源：X
情况确实如此，我们可以简单算一下：8 个 AI 实例 24 小时运转，相当于每天 192 个小时的「工作时间」，这便使得一个人可以拥有一个小型团队的处理能力。而这个团队，还可以无限扩张。
你一定会很惊讶：当 AI 开始 24 小时替你工作，「时间管理」这件事，是不是已经不存在了？
02
当 AI 比你更懂你
是的，当 Claude 比你更清楚你的生活时，「时间管理」这件事，就不再是一个人的战斗了。
传统意义上的时间管理，要求你得自己记住所有事、安排所有事、执行所有事、还要复盘所有事。这套模式对意志力和注意力的消耗极大，对于大多数人而言，往往只能坚持几周。
但 Molly 的模式完全不同。她只负责做决策，AI 负责记忆、安排、执行和反馈。
她不需要记得自己订阅了哪些服务，交易 Claude 会替她记住。她不需要手动整理健康数据，健康 Claude 会自动汇总成可执行的建议。她甚至不需要盯着市场动态，因为每天早上醒来，电脑里的/trades 目录里已经躺着一份分析简报。
这两种模式有本质的不同：前者是一个人死磕所有事，后者是一个人指挥一支团队。
这带来一个有点残酷的现实：会用 AI 的人和不会用的人之间，效率差距正在加速拉开。
关键不是你会不会写代码，而是你愿不愿意把生活当成一个可以系统化运转的东西来设计，并愿意信任和放权给 AI。
Molly Cantillon 的观点分享｜图片来源：X
03
普通人能成为 Molly 吗
那么问题来了：普通人能复制这套玩法吗？
答案是有可能，但需要先改变一个我们惯用的思维习惯。
大多数人使用 AI 的方式是「我有个问题，让 AI 帮我解决」。这样是把 AI 当成一个更聪明的搜索引擎，或者一个随叫随到的助手。但 Molly 的思路不一样。她的问题是「我的生活有哪些部分可以被系统化」。
Molly Cantillon 的观点分享｜图片来源：google doc
这个思维转换很关键。
首先，我们需要梳理出自己的「生活场景」。工作、健康、财务、社交、学习、家庭事务……每个人的生活都由这些模块组成。把它们列出来。
然后，识别这些场景里有哪些「可以被 AI 化」的环节。比如，在每个模块里，哪些事情是你反复在做的？哪些事情有明确的规则可循？哪些事情需要持续监控？这些环节，就是 AI 可以接管的地方。
具体怎么让 Claude 接管呢？
现在的 Claude Code、Cursor、Trae 这类工具，本质上是一个可以调用你本地任意数据和文件的超级 agent。
你可以把生活的经验变成一个「Claude Skill」。然后写一个指令，让 AI 学会这套流程，以后自动执行。
举个简单的例子，我们可以让 AI 当我们的日常教练：自动帮我们整理微信和邮件消息，按紧急程度排序，生成「明日待办」清单。我们可以每周汇总执行数据，让 AI 结合上周的目标完成情况，给出我们下周的调整建议。
你不需要一开始就搭建 8 个实例的复杂系统。先从 1 个开始，找到你生活中最「痛」的那个点，让 AI 先解决它。体验到价值之后，再慢慢扩展。
听起来还是有门槛？
其实没有那么复杂。Molly 的父母就是这样开始的。
Molly 在圣诞节期间教他们用命令行，而他们从来没离开过 Microsoft 的舒适区。当然，Molly 一开始没有跟他们说他们需要学一门技术，而只是对他们说：「你用最简单的英语输入想发生的事，然后 AI 就会让一切发生」，她的母亲尝试了下，盯着屏幕，仿佛见证魔术。几天后，他们已经在用这套系统管理她父亲的应收账款了。
二十年来，软件让他们觉得自己很笨。但现在，他们第 一次觉得电脑在听自己说话。
如果你完全不懂技术，可以从这三步开始：
1、先找到一件你每周都要重复做的事。
2、下载安装 Claude Code 或者国产版的 Trae，你把这件事的完整流程写清楚，让它们帮你生成一个 Skill。
一个用 AI 实现的自动化项目举例｜图片来源：极客公园
3、每次需要做这件事时，把材料丢给你的 AI agent，让它按指南执行。更进阶的，可以研究如何让它完全自动化运行，这样你也可以拥有一个 24 小时帮你执行任务的 AI 团队。
总之还是那句话：先跑通一件事，再考虑自动化。
04
正在发生的趋势
Molly 这套玩法听起来像一个有趣的个人实验。但有意思的是，她的思路正在被行业验证。
就在最近，Anthropic 官方发布了一个几乎一样逻辑的系统：Cowork。
简单来说，Cowork 是能管理个人电脑的个人助手，一句话就能帮你整理电脑上所有的文件。
它的设计逻辑正是让多个 Claude 实例协同工作，像一个团队一样运转。
这说明 Anthropic 似乎也在押注这个方向：个人用户可以拥有自己的 AI 团队，7×24 小时替自己处理生活和工作中的琐事。
当然，Molly 也提到了这套系统的风险。
当你的整个生活都运行在一个 Claude Code 目录里时，你会感受到一种矛盾的变化：
「让 AI 帮你在夜里打工」的诱惑是巨大的，但代价是隐蔽的。AI 将接管你的所有隐私，你不得不交出那些只属于自己的东西。
这是一种微妙的平衡：你把越多事情交给 AI，效率越高，但对 AI 的依赖也越深。
对此，她的建议是鼓励大家尽早熟悉 AI，但要小心别被 AI 掌控。
05
一种新的生活方式
过去，我们谈论「时间管理」。现在，或许该谈论「AI 管理」了。
当你的 AI 比你更了解你的账单、日程、健康指标、投资目标时，你要做的已经改变了。传统的时间管理本质是一种「精力管理」，把高质量精力放在高价值的任务上，把低谷时段留给娱乐和休息来恢复能量。
但现在，一切都正在变成「AI 管理」，把该丢给 AI 做的任务丢给 AI，把剩下的任务、多余的时间留给自己。
这不是说精力管理不重要，而是说精力管理的形态在变化。你的精力可能不再用于亲自完成每一项任务上，而是拿出部分的精力来，学会给 AI 设计系统、分配任务，以及审核结果。
我们的角色也发生了变化，不再是执行者，而变成了 AI 的管理者，我们来到一个「人人都是 AI 的管理者」的年代。
Molly 的故事听起来很超前，但它正在变成越来越多人的日常：
Anthropic 前两天发布的《人类经济指数报告》显示，人们对 Claude 的使用，正在从对话转向自我的任务管理。
用户更倾向于让 Claude 持续跟进同一个任务（Task Iteration），而不是单次问答。
2025 年 8 月（V3）和 11 月（V4）用户使用意图变化｜图片来源：Anthropic
几年后回头看，今天可能就是那个分水岭：一部分人开始用 AI 运营自己的生活，另一部分人还在用传统办法跟时间管理较劲。
差距不会一夜拉开，但它每天都在累积。
每天早上醒来，AI 已经替你做了多少事？
这个数字，可能比你的努力程度更能决定你的未来。
