夜雨聆风以前我很容易把它当老师。
它回答得快，语气也稳，尤其是写代码、拆需求、整理资料的时候，几分钟就能给我一版看起来很完整的结果。那时候我会下意识觉得，它都说得这么清楚了，应该没什么问题吧。
后来被它坑过几次，我才慢慢意识到，AI不是一个永远正确的老师。它更像一个反应很快、执行力很强，但需要你带着干活的实习生。
你任务布置得清楚，它真的能帮你省很多事。你什么都不说清楚，它也会一本正经地乱做。
01 以前我太容易相信AI了
刚开始用AI的时候，我最容易被它的“确定感”骗到。
它不会像人一样说“我不太确定”，也不会表现出犹豫。即使是错误的答案，它的回答也逻辑清楚，很难找到漏洞。
之前我让AI帮我写脚本，就遇到过一次。
调用显示成功，返回结果看着也没问题，但我怎么都查不到它创建的数据。AI陪我查了好几轮，最后还很确定地说，可能是接口有问题。
但那个接口其实已经验证过了。
后来找开发帮忙看，才发现是AI自己漏了一个特殊编码值。这个值一漏，数据就没有落到正确的位置。也就是说，问题不是接口，是它漏了东西，但它自己完全不知道。
这件事之后，我心里有点发毛。
不是因为AI会犯错，谁都会犯错。真正让我警惕的是，它错的时候也特别像对的。
如果我把它当老师，它说什么我就信什么，那我很容易被它带偏。它说接口有问题，我就开始怀疑接口；它说逻辑没问题，我就跳过检查；它给我一版完整方案，我就懒得再往下追。
后来我慢慢想明白了，AI不能放在“老师”的位置上。
它可以帮我做事，但不能替我判断。
02 后来我开始像带实习生一样带它
这两天我在学习性能测试相关的内容，今天实操的时候，又有了一个很明显的感受。
一开始我习惯性地打开 JMeter，配置代理，导入证书，准备录制请求。这个流程我以前也走过，大概就是先把请求录下来，再从一堆请求里筛出自己真正需要的部分。
启动按钮刚按下去，我就发现自己写的规则并不完善，线程组下面出现了很多我不想要的请求。
我第一反应是暂停，然后重新写排除规则。
但就在这个时候，我看着旁边打开的 Agent 窗口，突然想：为什么不让AI帮我干这件事呢？
于是我开始给AI写需求。
我没有只说“帮我做个性能测试脚本”，而是把我希望保留的接口、需要它整理的页面链接，以及最后要生成一个可以直接在 JMeter 里打开使用的脚本，这些都告诉了它。
接收到需求之后，Agent先开始分析，然后开始操作。
当然，我没有把权限完全放开。它干活的时候，我还是需要盯着。遇到一些需要权限的关键步骤，我要手动点一下“yes”。
几分钟后，它告诉我已经完成，并且把脚本放到了我指定的目录里，让我直接打开使用。
一开始我以为，它可能只是帮我整理了一些请求。
结果打开以后我发现，它不只是生成了请求，还把线程组、请求头、公共配置信息都整理好了，那些我不需要的请求也被它排除了。
我把脚本放到 JMeter 里跑了一下，基本没什么问题，是可以继续往下用的版本。
那一刻我有点惊讶。
不是觉得AI多神，而是突然意识到：当我把任务说清楚之后，它真的很像一个能干活的实习生。
但前提是，我得先知道自己要什么。
要什么接口，不要什么请求，最后生成什么格式，放在哪个目录，怎么使用，这些都得我先讲明白。如果我自己脑子里也是一团糊，只丢一句“你帮我弄一下”，那它大概率也只能凭感觉乱猜。
所以我现在越来越觉得，用AI不是偷懒，反而很考验你会不会布置任务。
03 实习生交活，最后还是要我验收
不过，脚本生成出来以后，我不会闭眼直接用。
我还是要打开 JMeter 看一遍，确认线程组、请求头、接口、参数配置是不是符合这次测试目标。能不能跑，跑出来的数据有没有意义，也还是要自己验证。
这就很像实习生交上来一份东西。
他可以帮你把初稿做出来，甚至做得比你预想的还完整，但你不能因为它看起来整齐，就直接拿去交付。
最后验收的人，还是你自己。
所以我现在用AI，会给自己留一个习惯：涉及代码和脚本，一定要跑一遍；涉及数据，一定要查结果；涉及文章，一定要自己读，看语气像不像我自己说的话；涉及钱、法律、健康这些事情，更不能只听它的，只能当参考。
这样用下来，我反而更安心。
因为我不再期待它一次性给我标准答案，也不指望它替我做所有判断。我会把任务讲清楚，把边界说清楚，然后让它先干一版。
干得好，就继续往下用。
干偏了，就指出来，让它改。
这可能才是普通人使用AI最现实的方式。
不是把它供成老师，也不是把它当成神，而是把它当成一个需要管理、也确实能帮你省很多事的实习生。
你越会带它，它越好用。
你越指望它自己全懂，它越容易一本正经地跑偏。
写在最后：
我是夏小陌，95后，30岁普通打工人。
在这里记录对AI学习和使用最真实的经历。
不讲暴富，不装专家，只记录一个普通人怎么在AI时代慢慢摸索新的工作方式。
有踩坑，也有进展。
我们慢慢来。
下一篇见～
