夜雨聆风上周和我朋友小A一起吃饭，她在一家银行做投资分析，她每天的工作需要用两小时抓数据、写周报。现在，AI 帮她把这个时间压到了 15 分钟——而她连一行代码都不会写。
这不是什么特例。过去半年，我帮二十多位朋友升级 AI 技能，从刚入职的年轻人，到工作了十五年的职场老手。我发现一个反直觉的规律：不同人群适合的工具完全不同，而且往往不是市面上最火的那个。
特点：工作多年，不想学习复杂编程；关注效率和落地，排斥折腾。
小A的故事很有代表性。她每天的工作流是：打开 Wind，下载市场数据，复制到 Excel，做透视表，再粘贴进周报模板，最后写一段文字分析。两个小时，机械重复。
我推荐她用的是 WorkBuddy + Kimi 2.6，原因很简单：这套组合的学习曲线几乎为零，但能直接嵌入她已有的工作流。
• 自动抓取每日市场数据
• 每周生成分析报告框架
• 给投资方向提供参考建议
结果：重复劳动消失了，每天省出的两小时，她用来研究行业报告和宏观趋势——这才是投资分析师真正的价值所在。
为什么不是 Claude Code 或 Cursor？ 因为这类工具需要理解命令行、项目结构和代码逻辑。对没有编程背景的人来说，配置环境的隐性成本远高于收益。GUI 工具的"所见即所得"，才是非技术人群的真实需求。
小技巧：先用 AI 做最基础的重复任务，熟悉流程和 Skill，再慢慢扩展复杂应用。第一步的目标不是"自动化一切"，而是"每天省出 30 分钟"。
特点：技术基础好，对新技术接受度高，希望积累未来可迁移的技能资产。
小李刚毕业，进了一家互联网公司做运营。他直接用 KimiCLI 写 Python 脚本抓取竞品数据，用 CodeBuddy 生成 SQL 查询模板。三个月后，他不仅能独立完成数据报表，还顺手给团队做了一个自动化的日报工具。
这个群体有一个隐藏优势：学习能力强。 哪怕花一个下午折腾环境配置，换来的也是未来几年反复可用的自动化能力。对年轻人来说，AI 工具不只是当下的效率提升，更是一种"技能投资"——越早熟悉命令行和代码辅助，未来切换工具的迁移成本越低。
小技巧：把 AI 当作学习伙伴，而不是答案机器。自己先尝试写一个粗糙版本，再用 AI 优化。这样技能才能真正沉淀。
特点：面向日常事务、提醒、定时任务，技术门槛越低越好。
这类工具适合忙碌的人，把重复性琐事交给 AI，自己把时间花在核心工作上。
推荐工具：OpenClaw、Hermes
典型场景：
• 每天自动收集工作数据
• 日报自动整理
• 定时提醒会议或任务
但这里有一个常见的坑：很多人一上来就想搭建"全自动工作流"，结果花三天配置，最后发现需求变了，工具又用不上了。对日常事务来说，"轻量、快速启动、随时调整"比"功能全面"重要得多。
小技巧：先从小任务开始，轻量使用。一个能跑起来的简单自动化，远胜一个永远在配置中的复杂系统。
过去半年，我观察到一个规律：工具选错，不是因为功能不够强，而是因为没搞清楚自己的使用场景。
Claude Code 很强，但如果你连命令行都没打开过，它的价值就是零。
选工具的第一原则不是"强"，是"你愿不愿意每天打开它"。
写在最后
AI 工具的选择，本质上是在选择一种工作方式。
不要一上来追最强 AI，先选那个你愿意每天打开、能帮你解决当下最痛点的工具。熟练度和落地价值，永远比"最强功能"重要得多。
你目前属于哪一类？在评论区说说你正在用的 AI 工具，我帮你看看有没有更优解。