从只会聊天,到开始改流程:这几年我和 AI 一起干活的感受

〇 导 语

真正让我惊讶的，不是 AI 会聊天，而是它开始接住工作。

第一次把一份真正要用的方案交给 AI 时，我并没有期待它直接写好。我只是把零散想法放进去，想看看，这些还没理顺的东西，能不能先有个样子。

屏幕上的文字一段段出现。我一边看，一边改提示：这里太空，那一段偏了，这个判断没有依据。原本以为是让它替我写，做着做着，却变成了我重新梳理自己到底想表达什么。

最后能用的内容，依然经过了我的修改。但那次尝试让我意识到，工作里有些过去只能独自消化的混乱，可以先交给一个对象讨论、拆解，再拿回来继续做。

真正让我惊讶的，不是 AI 能把话说得多漂亮，而是它开始进入我的工作。它面对的，不再只是一个有趣的问题，而是一份有读者、有用途、需要我负责的交付。

后来，我对 AI 的认识，基本都来自这些具体的拉扯：哪里能交出去，哪里必须自己抓住；什么时候它在帮忙，什么时候它只是在制造一种“已经做完”的感觉。

— · — · —

〇 一　个 人 起 步

最早的帮助，是让我知道从哪里开始

本章导读：早期 ChatGPT：跨过空白页，不等于跨过判断。

最早接触的 ChatGPT，帮我跨过了一个很实际的门槛：不知道从哪里开始。

整理资料、写方案、改文案，很多时候，难点并不是完全不会，而是脑子里有不少东西，却找不到第一根线。文档打开了，标题写下了，接着就停在那里。

我开始让它帮我列思路，给出不同的组织方式，或者先写一个粗糙的开头。有了一个可以反对、可以修改的版本，往往比面对空白页容易。

但我也很快发现，顺畅的表达有一种迷惑性。一段话结构完整、语气肯定，不代表其中的事实准确，也不代表它真的适合眼前的任务。

如果我只说“帮我写个方案”，它就很容易给我一份看起来像方案的文字。至于解决谁的问题、受到什么限制、最终拿去做什么，仍然是空的。

于是，我慢慢学会先交代背景，再说要求；先想清楚用途，再要求表达。AI 帮我迈出了第一步，也让我看见，过去那些说不清的需求，并不会因为有了 AI 就自动清楚。

— · — · —

〇 二　流 程

用扣子时，我开始把经验写下来

本章导读：从一次聊天，到相对稳定的做法；想让结果稳定，先得让要求稳定。

后来接触扣子，我的兴趣开始从“这一轮能回答得怎么样”，转向“同一类事情，能不能按照相对稳定的方式做”。

因为用久了会发现，反复聊天也有成本。每次重新解释背景，重新强调语气，重新指出同样的问题，做着做着，我又成了那个不停补充说明的人。

我开始尝试把重复出现的要求固定下来：收到材料以后先整理什么，哪些内容需要追问，输出按照什么顺序，信息不足时应该停在哪里。

这件事最难的部分，竟然是写清楚自己的经验。

我以前常觉得，有些要求不必解释，看一眼就知道。真要写成规则，才发现“专业一点”“有重点”“符合实际”，都是很难直接执行的话。什么算专业，重点怎么判断，实际条件有哪些，都需要继续往下拆。

这个过程让我对自己的工作也多了一层认识。有些所谓经验，是可以整理和传递的；有些只是习惯；还有些判断，其实我自己也没有想透。

扣子带给我的变化，是让我开始认真对待流程里的细节。想让结果稳定，先得让要求稳定。那些原本只存在脑子里的标准，终于有了被检查和修改的机会。

— · — · —

〇 三　工 具

工具变多以后，我不再找一个万能答案

本章导读：Gemini、DeepSeek：按任务选型，而不是比谁更强。

再后来，Gemini、DeepSeek 等工具陆续进入我的使用范围。

刚开始，我也容易被比较吸引：哪个回答更聪明，哪个写得更自然，哪个更懂我的意思。同一个问题来回试，偶尔会有新发现，也经常只是多看了几个版本。

慢慢地，我觉得更值得问的是：这件事需要什么，而我准备用什么标准判断结果。

整理资料，我关心遗漏和出处；讨论方案，我关心有没有忽略关键条件；修改文案，我关心读者能不能看懂，以及表达有没有偏离原意。

这些要求并不相同。同一个工具，这次给我的帮助很大，下次也可能需要反复调整。任务背景、材料质量和我的提问方式，都在影响结果。

我开始接受工具之间有差别，也接受自己的判断会变化。遇到重要任务，可以交叉看看；普通任务，则尽量减少无意义的切换。

工具越多，越需要给自己设一个停止比较的条件。否则，挑工具本身也会变成一种拖延：看起来一直在研究，真正该交付的东西却还没往前走。

— · — · —

〇 四　推 进

从给我建议，到参与推进

本章导读：更强调执行的智能助手：授权越完整，检查点越要清楚。

后来，我开始尝试各种更强调执行的智能助手。关注点也随之变化：除了让它给建议，我还希望它能参与一个任务的推进。

这时，问题就变得具体了。一项工作需要哪些材料，先做哪一步，什么结果才能进入下一步，过程中遇到不确定的信息怎么办。

以前聊天，我可能看到一段不错的回答就结束。现在，我会接着检查：这份整理能否支持后面的判断？这个方案的前提是否成立？这版文字能不能交给下一位使用者？

任务一旦连起来，前面含糊的地方就会在后面暴露。一个没有确认的假设，可能让后续内容写得越完整，偏得越远。

我因此更愿意先把任务切成能够检查的部分，在关键位置停下来确认。看似多了一道手续，实际是在避免把错误带到后面。

我也开始区分两种情况：有些工作可以边做边调整，有些工作必须先确认边界。怎么安排，要看返工代价，不能只看 AI 愿不愿意继续往下做。

— · — · —

〇 五　协 作

到了 Grok Bot，我更像在组织一支助手团队

本章导读：效率不在每个助手都快，而在整条链路少返工。

到了使用 Grok Bot 的阶段，我开始把这套做法理解为组织一支助手团队。

这里的“团队”，对我来说首先是一种工作安排：让不同的任务各有侧重，让整理材料、提出思路、检查问题这些环节，有清楚的分工和交接。

我会提前想好，哪些事情可以同时推进，哪些必须等待前面的结果。几个方向都值得看看时，可以分别展开；最终采用哪个，仍然要回到同一个目标上判断。

这也让我更清楚自己应该站在哪里。

目标要由我说明。资源和时间发生冲突时，要由我取舍。几个版本各有道理时，要由我决定。最后交出去的东西，也必须由我验收。

安排得不好，助手越多，我收到的材料就越多，判断负担也越重。每一份单独看都像回事，拼起来却可能重复、矛盾，甚至根本没有回答最初的问题。

所以，我越来越重视开工前那份简短的任务说明：做什么，为什么做，交付什么，依据是什么，哪些事情需要回来确认。

我感受到的效率，很多时候就藏在这些地方。少误解一次，少走偏一段，少把已经否定的方向重新做一遍，工作才真的往前了。

— · — · —

〇 六　效 率

一个人能做更多，意味着要判断更多

本章导读：速度、并行、能力边界，以及随之而来的甄别压力。

效率提高以后，我重新想过，一个人到底能做什么。

最直观的变化是速度。一些过去要酝酿很久才能开始的事情，现在可以更快拿到初稿。接着是并行：围绕同一个目标，我可以同时看看几种思路，再决定继续投入哪里。

还有能力边界的变化。面对不熟悉的任务，我愿意先试着拆解，弄清基本结构，再判断哪些部分自己能做，哪些需要找人帮助。

这种变化给了我行动的余地，但并没有让我变成什么都懂的人。

相反，甄别和校对的压力变得更明显。材料生成得越快，我越需要判断哪些可信、哪些相关、哪些只是表达得像一个结论。

尤其是在自己不熟悉的领域，文字越流畅，越容易让人放松警惕。有时我需要回到原始材料，重新核对一个说法；有时则要承认，眼前的内容超出了我的判断能力。

我也开始提醒自己，不要把“能展开”当成“值得做”。AI 可以不断给出新方向，但我的时间、注意力和承担能力都有边界。

能做的事情多了以后，选择反而更重要。否则，原本想腾出来的精力，很快又会被更多未经筛选的任务填满。

— · — · —

〇 七　组 织

从个人使用，到组织真正接住

本章导读：岗位、流程、沉淀，以及不能外包的责任。

把视角从自己移到一个小团队，我对 AI 的期待也更务实了。

一个人可以靠临时补充背景把事情推进。团队里，如果每个人的要求不同，材料存放分散，交接没有标准，AI 产出的内容越多，后续协调可能越吃力。

所以，组织要考虑的不只是给谁配一个工具，还要看工作怎么流动：谁提出需求，谁提供材料，谁做决定，谁检查结果，出了问题由谁处理。

岗位也需要重新看。一个岗位往往包含资料整理、沟通、判断、执行、复核等不同部分。哪些环节适合让 AI 参与，哪些仍然依赖人的经验和关系，需要逐项看清。

对小团队而言，我更愿意先从反复发生、要求相对明确的事情开始。把一个流程做顺，把交付标准讲清，再看是否值得扩展。

其中很有价值的一步，是知识沉淀。已经确认的背景、常用资料、判断依据、被否定的做法，如果每次都能留下，下一次工作就不必从头猜。

但沉淀也需要维护。过期的资料要更新，模糊的规则要修订，存在分歧的判断要有人讨论。不能把文件放进去，就当作组织已经拥有了知识。

更不能因为内容由 AI 生成，就让责任变得模糊。对外作出的承诺、提交的方案、发布的内容，最终都属于组织的行为。责任必须落实到能够判断、能够解释的人身上。

— · — · —

〇 八　结 尾

工具会换，工作方法会留下

本章导读：加速的是执行，放大的是差距。

回头看，这几年我和 AI 一起干活，变化最大的，是我越来越愿意在开始之前，把工作想清楚一点。

我会更早确认目标，把模糊要求拆开，让经验留下文字，也会给过程设置检查点。交付之前，再回到最初的问题：这件东西，真的能拿去用吗？

这些做法并不新。只是过去，我有时可以靠熟悉和临场补救把它们省略。有了 AI，省略的代价反而更容易显现，因为执行一快，偏差也会跟着向前跑。

所以，我现在既期待它继续进步，也提醒自己保留判断的耐心。该核实的仍然核实，该停下来的仍然停下来。

目标是否清楚，取舍是否合理，验收是否认真，这些差别都会进入最终结果。工具还会换，留下来的，应该是我组织工作的能力。

我希望自己越来越会用 AI，也越来越知道什么时候该由自己站出来，作出判断，承担交付责任。

— · — · —