还在等垂直工具成熟?先把这几类碎活交给 AI

写在前面

这段时间，我和一些电子工程师、光电子行业以及制造业的朋友聊 AI，最常听到的，不是“我已经用很多了”，而是另外两句。

一句是，“现在这些工具还不稳定。”

另一句是，“等更懂行业的垂直工具成熟了再说。”

这两句话我都理解。

但如果因此一直不开始用，你很可能会错过现在最有价值的一段时间。

因为对大多数工程师来说，AI 真正先能帮上的，不是某一天突然冒出一个完美行业助手，把整个流程一口气接管。

更现实的路径，往往是先把你每天最碎、最烦、最容易拖住人的那部分工作，慢慢交给它。

正文

很多人觉得 AI没用，大概率只试过最浅的一层

不少人对 AI 的判断，其实只来自一次很浅的体验。

问两个常识题，改几句话，用几次免费档，碰到一两次答错，然后得出结论，说这东西也就这样。无非是一个稍微高级点的搜索软件。

但这其实不太公平。

你接触到的，很多时候只是一个入口，不一定是更强的模型，也不一定是更适合你任务的用法。

如果一直停在“随手问两句”的层面，当然很难感受到它真正有用的地方。

真正拉开差距的，通常不是一句 prompt 写得多花（这是另外一个大坑），而是你有没有把它放进一个具体任务，甚至一段持续工作流里。

先别等完美工具，先让它干你身边最碎的活

很多工程师在等一个更像“电子工程 AI 助手”或者“光电行业专用智能体”的东西。

这类工具当然重要，我自己也一直在看。

但在它们大规模成熟之前，其实已经有一批工作可以先交给通用模型：

• 帮你读长 PDF、数据手册、论文和规格说明
• 帮你整理会议纪要、客户问题、异常描述和任务列表
• 帮你先拉一个比较框架，再看几个器件、几种方案怎么比
• 帮你起一版对外回复、8D 草稿、汇报提纲或评审问题单
• 帮你整理给老板的报告，整理你最新的思路

这些事不一定最显眼，但很耗时间，而且很适合先出第一版。

这就是 AI 现在最值得先接进去的地方。

不是替你拍板。 

不是替你承担责任。

更不是直接在几乎 0 输入的情况下，给你一个完美的 word 或者 ppt文件。

而是先把整理、归纳、拆解、起草这层劳动压短一点。

第一条建议：同一个长期问题，尽量别反复开新窗口

这是我自己用下来最有效的一条。

同一个项目、同一个主题、同一类判断，尽量放在同一个上下文里长期聊。

不要今天开一个窗口问选型，明天换一个窗口问客户回复，后天再开一个窗口问项目背景，然后希望它每次都立刻进入状态。

当它逐渐知道你的背景、习惯、目标、边界和表达方式以后，答案会越来越像真的在帮你，而不是每次都从零开始。

虽然诸如 OpenAI 有一定的全局记忆，但是依然很恼火。

尤其是长期项目、持续判断、反复修改这类任务，这个差距会很明显。（推荐使用 Codex/ClaudeCode 或者任意Agent 工具，来保存记忆文件解决）

第二条建议：先别急着要答案，先让它反过来问你

很多人不是不会提问，而是问题本身还没想清。

这时候最有效的办法，不是硬写一条完美 prompt。

（甚至花钱花时间去买去调所谓的提示词）

而是先把你现在最乱的版本扔出去，然后直接说：

“先别回答。先问我 10 个关键问题，帮我把目标、限制条件和判断标准补齐，再给我一版更好的提问方式。”

这样做的价值很高。

因为它先扮演的是提问教练，再扮演回答者。

你会明显感觉到，很多本来答得很飘的问题，只要先补齐背景、限制条件和判断标准，第二轮答案会舒服很多。

第三条建议：不要一边怕它出错，一边又把所有题都扔给它

AI 会幻觉，这件事不用回避。

真正重要的，也不是逼它零失误。

而是分清楚，哪些题适合先让它上，哪些题就应该直接交给检索、表格、规则和复核流程。

更适合先交给 AI 的，通常是这些：

• 材料理解
• 框架搭建
• 候选方案比较
• 第一版草稿
• 多份资料之间的整理和归纳

更适合交给检索和流程的，通常是这些：

• 标准答案很明确、不能出错的题
• 关键数字
• 最终对外承诺
• 法规、合规、合同这类需要逐条核对的内容

说白了，AI 更像一个很强的首版协作者。

关键事实、关键数字、关键结论，还是要有人兜底。

你真正要练的，不是“它会不会错”，而是“这一步到底该不该复核”。

AI 现在的逻辑思维，框架性思维以及思考深度，远超一般人。

第四条建议：从三类小任务开始，不要一上来就想用它接管全部工作

如果你现在还没把 AI 真正用起来，我更建议从三类任务开始。

第一类，读材料。

比如数据手册太长、规格说明太碎、论文不好读、客户发来的问题背景很乱。先让它帮你读（不要写提示词，直接扔！），帮你拆，帮你整理出重点和待确认项。

第二类，做比较。

比如几个器件怎么初筛，几种方案怎么列对比表，某个需求到底卡在参数、成本、交期还是风险。先让它把比较框架拉出来，你再往里填关键判断。

第三类，出第一版。

比如会议纪要、客户回复、问题总结、草稿、周报提纲、评审问题清单。先让它起草，人再改到能发。

这三类任务有一个共同点：都不是让 AI 替你做最终决定，而是先把第一版做出来。

一旦你在这些地方先省下时间，后面再看更深的行业工具，判断也会更准。

第五条建议：别总用最差体验来判断这件事值不值得学

很多人一边说 AI 没用，一边长期只用最弱的免费体验。

这有点像用最卡的试用版软件，判断整个方向都不值得学。

如果你真的想知道它能不能进入自己的工作流，至少要给自己一段像样的试用期。

用更强一点的模型。 连续用一段时间。 把它放进真实任务里。

不要隔半年才想起来问一次。

模型和工具变化非常快。三个月到六个月，体验差距可能就会很明显。

你不需要天天追新闻，但需要定期重试。

一个月 19-49 块，任选 Kimi/GLM/Minimax等等工具（海鲜市场买个账号更好），花十分钟研究一下 codex/claudecode ，哪怕是腾讯的 workbuddy，可能真的就能进入另外一种状态。

（蹲一下 DeepSeek V4，希望能尽量追平 Opus 4.6 或者 GPT 5.4）

工作里先用，生活里也先用

还有一点我自己的体感很强。

不要把 AI 只看成工作工具。

旅行计划、购买比较、学习安排、写作整理、家庭沟通、时间分配，这些生活里的任务也都可以先让它帮你做第一版。

你在生活里越常用，工作里越容易上手。

因为你练的不是某个行业知识点，而是怎么把一个模糊问题交给它，怎么和它来回磨，怎么判断一版结果能不能继续往下用。

这个能力，本身就是可以迁移的。

写在最后

说到这里Claude Opus 4.7 和 GPT 6.0 可能发布在即了，小龙虾Openclaw 的热度被爱马仕 Hermes 正在压制。

概念和工具是学不过来的，唯有和 AI 协作的工作方式，会加速自己成长的飞轮。

对电子工程师、光电子行业、制造业从业者来说，当然值得继续等更成熟的垂直工具。

但在那之前，最好的办法不是站着看，而是先把 AI 用进你自己的工作和生活里。

试错成本已经如此之低，为什么不都试试？

（一个小技巧，把你和他的讨论都让他整理成文件保存，更换模型或者 agent 只需要让他重新读一下文件）

先让它帮你读材料，帮你整理问题，帮你搭框架，帮你出第一版。

你先把这层用起来，后面真正更懂行业的工具出来时，你也会更清楚自己到底要什么，不会只停在看热闹。

说到底，不是等 AI 成熟了你再开始用。

很多时候，正是因为你先在自己的工作流里把它用起来了，你才配得上后来那一轮更成熟的工具。

大家好，我是Jilan在Vibe，一名AI for Engineering创业者。

你一起关注AI for 电子设计、制造、光学和工程软件等hardcore的行业。我们希望陆续拆解AI4OE的案例给大家分享，看看哪些地方先跑通，哪些地方还只是故事。

如果你在做AI for Science或者AI for Engineering项目，或者有相关投融资心得或需求，请加我微信讨论。欢迎关注我们、转发、推荐、留言。