用AI工具三年多:从ChatGPT到Codex,我的工作方式变了

最近，我试着回头梳理：自己到底用了多久ChatGPT？

按照此前对话中的账号使用时长信息粗略倒推，我大约从2023年夏天开始使用ChatGPT，到现在已经三年多。这个时间是估算，并不是查到了第一条聊天记录。

回头看，最大的变化，不是我越来越会写提示词，而是我做事的方法，甚至每天在做什么，都已经变了。

以前，我问它问题，拿到答案后自己去做。现在，我越来越多地把目标、资料和要求交给Codex，让它参与实际执行，我负责判断方向、检查结果和推进业务。

这三年多，我先从ChatGPT开始，后来越来越多地使用Codex。前者更多帮助我讨论、学习和梳理问题，后者逐渐成为连接文件、代码和工具，推进实际工作的入口。

AI生成场景示意，设备与界面为虚构，并非本文软件的实际截图。

01｜最开始，是让AI帮我把事情想明白

早期接触ChatGPT时，最直接的感受是：很多问题，不必再一个关键词、一个网页地找答案，可以先通过对话把思路梳理出来。

整理内容、修改表达、理解陌生概念，这些原本需要反复搜索和组织的信息工作，开始有了另一种做法。但那时，更多还是“它告诉我怎么做，我自己去操作”。

产品能力也在变化。2023年，GPT-4以及逐步开放的文件、图片和语音能力，让AI不再只围绕文字工作。2024年的GPT-4o和o1，又分别推进了多模态交互和复杂问题分析。

对我的意义是：不只是问一个问题，也可以围绕一份资料、一张截图，把问题聊得更具体。遇到不熟悉的业务，先建立认识，再带着问题继续查证。

02｜后来，不只是要答案，而是要把项目做出来

到2025年，随着深度研究、智能体和新版Codex的发展，AI越来越多地参与多步骤任务，而不只是给出一段建议。

这让我开始考虑另一件事：既然AI能帮我做一次，能不能把这件事变成以后反复使用的工具？

我的关注点开始从“这一段怎么写”，转向“这一整套工作怎么连接”。网站、客户管理、内容处理和业务工具，也逐渐进入我的日常工作。

过去有些想法，要先找到人、解释需求、等待开发，才有机会试。现在可以先借助AI做出一个小版本，看看有没有用，再决定值不值得继续投入。

2026年2月，Codex桌面应用推出，方便同时跟进多个项目和较长的任务。到了4月，浏览器等工作能力继续扩展，GPT-5.5也进入Codex。AI参与实际执行的范围，进一步超出了写代码。

我也逐步把这些能力用进自己的项目：读取资料、修改文件、运行检查，再把结果拿回来审核。相比过去复制答案、自己一步步操作，工作方式开始有了明显变化。

我的关注点也变了：多个项目怎么分工，不同电脑怎么协作，远程任务怎么管理。以前，AI给我一段答案；现在，我希望它在明确授权和工具支持下，把任务推进到可检查的结果。

03｜外贸CRM改了几百个细节，我更明白AI的价值和边界

这套软件不只有PC端，还有APP端。我一直在借助Codex开发，到现在已经反复修改了几百个细节，但仍有不少问题需要继续完善。

做一套外贸CRM，并不是做几个页面那么简单。PC端和APP端要配合使用，背后还涉及数据、权限、性能和业务流程。按我过去做项目的经验，传统开发方式往往需要前端、后端、移动端、测试等分工；类似范围的项目可能涉及十几人的团队，具体取决于功能范围和交付要求，并不是固定的人力标准。

现在，我一个人指挥AI，就能推进其中很多功能的实现和逻辑调整：提出问题、说明要求，让AI修改，再检查结果。过去要在多个岗位之间沟通的部分工作，现在可以先在我和AI之间完成。

但做出一个能运行的版本，相对容易；让它真正好用，是另一回事。线索、客户、报价和订单之间怎么衔接？业务员跟进后记录什么，下一步做什么？PC端和APP端各自适合哪些操作？数据多起来后，查询和页面响应还能不能顺畅？这些都要持续验证。

界面也是一样。信息怎么排列、按钮放在哪里、状态怎么显示，都会影响业务员能不能看明白、用顺手。AI能帮助提出方案、检查逻辑和实现技术，但需求是否合理、流程是否符合业务、细节如何取舍，仍然需要有经验的人判断方向，并在实际使用中检验。

这几百处修改让我更清楚：AI改变了开发的组织方式，但没有省掉产品判断和持续打磨。我不是一次性让它“写完一个CRM”就结束，而是在不断发现问题、明确要求、修改和验证，让它逐步变得好用、稳定，更符合外贸业务的流程和逻辑。

04｜从服务器到翻译，我开始按需求组织工具

过去，一个网站突然打不开，可能要分别找技术、运维和服务器服务商。问题出在网络、域名、证书，还是程序和数据库？不熟悉技术的人，往往连从哪里查起都不知道。

现在，在已有连接和授权的前提下，我可以通过Codex组织多台服务器的检查：查看状态和日志、定位原因、确认修改方案，处理后再检查服务是否恢复。

比如之前网络环境变化后，一些服务无法正常访问。排查不只停留在恢复连接，还进一步检查了服务依赖和启动顺序，补上开机恢复与健康检查，减少同类问题反复出现。

原来需要较多运维知识的事情，我现在也能借助AI参与管理。内网访问、凭证保管、备份和变更确认，仍然要放进流程。变化不是服务器不需要运维了，而是我能更直接地组织排查和维护。

以前需要类似同声传译的工具，通常是找现成软件，再迁就它的功能。现在，我已经在借助AI开发自己的实时翻译工具，反过来从使用需求决定软件怎么做。

用在展会面对面交流，还是电脑上的客户沟通？是一台设备配两套耳机，还是两个人分别用手机？声音从哪里进、翻译后从哪里播放？这些选择会直接影响产品设计。

目前，我先围绕Mac电脑和两套麦克风、耳机打磨，处理双方的音频输入输出和双向翻译。至于是否做手机端、网页端，要看实际使用场景，而不是一开始就把所有端都做一遍。

软件在本机运行，不等于翻译可以离线运行。当前云端方案仍需要网络，离线方案则要另评估本地模型和设备性能。延迟、噪声、专业词汇和隐私，都要在实际场景中测试。

这还不是一款在所有场景下都成熟的产品，但开发方式已经变了：不再只是挑选别人提供的功能，而是围绕自己的产品、客户和沟通场景调整工具。涉及报价、规格和合同的沟通，仍然需要人工核对。

比如内容发布，不只是写一篇文章。我会让AI准备审稿页面、排版和不同平台的版本，确认后再进入发布与核对。客户管理也不只是润色一封邮件，还要整理资料、记录沟通、安排跟进。

再比如企业邮箱管理，我已经把一些操作做成可通过对话调用的工具：先查看现状、生成修改预览，再确认执行。视频资料的提取和整理，也在往可重复调用的工具靠拢。

这些事情看起来不大，却反复占用时间。以前完成一次就结束，现在我更希望留下一个能继续使用、也能检查结果的流程，而不是每次从头开始。对外发布、发邮件等操作，仍然保留审核。

05｜最近，连家具3D设计也进入了我的尝试范围

随着GPT-6等模型能力继续发展，我也开始尝试把Codex用在工厂的产品设计和展示上。家具，就是一个很直观的例子。

过去要做好家具3D模型和效果图，往往需要有经验的建模、渲染人员。新方案多、修改频繁时，人力投入和沟通成本都不低。

现在，除了生成效果图片，还可以借助Codex编写脚本、配合Blender等专业软件，建立可编辑的三维场景，调整材质、灯光和镜头，再通过预览修改。OpenAI公布的案例也展示了这种路径：模型与专业软件协作，而不是模型本身变成了建模软件。

对工厂而言，这意味着产品外观、不同配色、展示角度和场景搭配，有机会更快地做出初步方案。比如讨论一款柜子，先看整体比例，再比较材质和把手，而不必每次都从零开始沟通。

但能做效果展示，不等于可以直接交给工厂生产。尺寸、结构、五金和工艺仍然需要专业核验。要求“只改把手，其他不变”，也必须检查有没有误改其他细节。

这部分对我来说还在探索中，不能据此说已经完全替代了建模人员。我看到的机会，是让AI承担一部分基础建模、方案探索和重复修改，让专业人员把时间放到更关键的设计与校验上。

06｜真正改变我的，是做事的方法和能做的事情

这三年多下来，我自己最明显的变化，有三个。

第一，遇到不熟悉的事，不再马上认为自己做不了。先拆开问题，借助AI学习和做小规模验证。做不做，取决于业务价值和风险，而不只是我会不会某个软件。

第二，不再满足于拿到答案。我会继续问：文件在哪里？能不能运行？结果对不对？下次能不能复用？这些问题，比“回答得像不像专家”更重要。

第三，工作重心从亲自完成每个步骤，转向定义目标和验收成果。重复的信息整理、初稿和基础操作可以更多交给工具；客户需求、产品方向、质量和责任，仍然要有人把关。

外贸CRM这几百处细节的修改，就是一个活生生的例子：AI降低了实现想法的门槛，但把想法变成好用的产品，仍然离不开经验、判断和反复验证。

这不是成本和难度全部消失了。AI工具、接口、服务器和测试仍有投入，自己也要学习如何判断结果。只是一些过去必须先组团队才能试的想法，现在可以先做小规模验证。

我原本的积累在SEO、流量运营和互联网增长。现在，我做的事情正在延伸到服务器管理、软件定制、业务流程和产品展示。不是原来的经验没用了，而是它能发挥作用的范围扩大了。

这也让我看到新的机会：制造业的产品展示、外贸企业的客户沟通、中小企业的内部协作，都可能需要更贴合实际场景的工具和服务。先解决一个小问题，验证效果，再逐步扩展，而不是一上来就做大而全的系统。

企业最终购买的，不是“我会用AI”，而是能用、能维护、适合自己业务的成果。未来值得做的事，是把行业经验、AI执行和专业审核结合起来，真正把问题解决。

它让我能尝试的事情更多了，也让我更清楚：工具越强，人的价值越不能停留在操作工具，而要落实到看懂问题、作出判断、把事情做成。