中年人折腾AI工具:从满世界试到逐渐离不开

这一段时间，没事折腾AI成了我的新日常。

01｜从”到处试”到”挑着用”

不是被焦虑推着走，而是越用越觉得——这东西真有用。从ChatGPT第一次出圈开始，我就在各种大模型和工具之间反复横跳：国内的、国外的、开源的、闭源的，一家一家试，一个一个对比。时间久了，慢慢摸清了门道：哪些是真本事，哪些是花架子，哪些适合干什么活。

最近在多方对比使用后，终于把 Claude Code（简称CC）的 harness engineering 跑通了。

现在我的用法是分场景：工作中有公司提供的AI工具兜底，但私人事务越来越多地交给CC处理，搭配 Qwen/GLM/Kimi 一起用。两边互补，越调教越顺手。

02｜ 一个例子：弹窗危机，交给它

前两天 MacBook 突然弹窗，提示不再支持”Intel 架构”的程序，需要我们自己解决问题。

苹果的官方说明我看了半天——啰里八嗦一大堆，核心意思就是四个字：你自己搞。查来查去，最简单的办法是安装苹果官方的 Rosetta 转译器。结果呢？App Store 里搜不到，官网也绕了好几圈，愣是没找着下载入口。

换以前，我估计得自己折腾一晚上。这次干脆交给 CC，几句话描述完问题，它很快给出了几个可选方案，还自己一步步尝试执行。整个过程很丝滑，省去了我瞎摸乱撞的时间和焦虑感。

那一刻的感觉就是：对，这就是我想要的。

03｜它已经能帮我干这些事了

现在CC在我手里的角色，已经从”试试好不好用”变成了”日常离不开”。

整理电子图书。每周50本以上，从书名到评分到简介，它自动抓取、整理、排版。我只需要看最终简报，不清楚的地方追问一句，或者根据需要对格式和策略做调整。CC理解力很强，改起来也快，技能越攒越多。

跟踪行业动态。每天把热门信息整理好，我不用再去各个平台刷来刷去，看它出的简报就够了。

以前这些收集整理的工作，得花掉我不少时间。现在效率确实是刚刚的——我负责提需求、做判断和决策，它负责指定方案、按指示执行和整理。

04｜差距在哪？

但说实话，跟海外朋友的体验一比，差距还是很明显的。

一位在海外公司的朋友，公司付费，使用顶级AI产品，token 消耗量很大，月均几十亿，一个人干了几个人的活，玩得风生水起。我这边每月刚触及 100M 的使用量，只能说刚起步，相形见绌。

差距在哪？一方面是模型能力本身，这得认。但更大的差距，我觉得在于 harness engineering 的成熟度。

国内产品那句”好的，我立刻改正”，情绪价值是拉满了，态度确实好。但改完之后还是出错，让人反复折腾，有那种“虚心接受，拒不改正”的学生模样，确实让人抓狂。海外工具+模型在这方面的稳定性和精准度上，目前还是更胜一筹。

05｜但还是会支持下去

中年人的倔强就在于：明知道还有差距，还是愿意继续试、继续调、继续用。因为每一次进步，都是实打实的。

国内大模型和 harness engineering 的企业，继续加油吧。差距不可怕，怕的是躺平认输，更怕的是心浮气躁，盲目跟风，而不精心打磨产品和技术。我们这帮用户，还是会一如既往支持下去的，各种“狗粮”计划，我们还是会继续吃下去。