和 AI 较劲的时间，算不算学习？

今天用 Copilot 处理工作，耗掉了我不少时间。

不是任务本身有多难，而是工具还不够稳定。要么卡顿，要么没有正常返回，要么出来的东西总差一点。于是我只能一遍遍调整、说明需求，一遍遍等它重新生成。

折腾到后来，我突然冒出一个念头：如果这些时间拿来手动做，可能早就做完了。

这个瞬间，我想起十几年前学 Word、Excel 的时候。

那时候也是这样。为了实现一个排版效果，为了做出一个表格结果，可以在软件里研究很久。明明手动改也能完成，却偏要去找一个更“高级”的办法。

当时也会怀疑：这样做到底值吗？

现在回头看，答案不是简单的值或不值。

有些折腾，后来确实没什么用。因为软件升级了，按钮、功能入口变了，当年记住的很多操作细节，早就不重要了。

但也有一些东西留下来了。比如，知道文档应该怎么组织，表怎么设计，数据之间是什么关系，什么时候该用公式，什么时候手动处理反而更快。

真正留下来的，不是某一个按钮怎么点，而是对事情本身的理解变深了。

今天用 AI 也是一样。

我真正纠结的，不是 AI 好不好用，而是我花在它身上的这些时间，到底是在提升自己，还是在迁就工具。

如果我只是在和某个工具的卡顿、格式错误较劲，这种时间不一定值得。因为三五年以后，很多现在费劲摸索出来的办法，也许只是某个新功能里的默认选项。

但如果我在这个过程中学会了怎么描述任务，怎么拆解需求，怎么判断结果，怎么识别 AI 的边界，那这件事就还有价值。

所以问题不在于要不要折腾 AI。
问题在于，不能把所有折腾都当成学习。

有一种折腾，是在学习任务本身。结束以后，我更清楚自己要啥，事情应该拆成几步，什么结果算好，AI 适合做哪一段。
这种折腾，是有沉淀的。

还有一种折腾，只是在适配工具。不断等待、重试、补救、绕路，但对任务本身没有更深理解，只是把一件原本可以很快完成的事拖得更久。
这种折腾，就要警惕。

判断要不要继续折腾，不能只看它是不是比手动更慢。还要看这件事是不是一次性的，时间是不是紧，结果是不是必须稳定，以及这次摸索能不能沉淀成以后可复用的方法。

如果只是为了完成眼前这一件事，而且越调越偏、越等越烦，那就应该先切回最朴素的办法，把事情做完。等事情结束后，再回头复盘：刚才的折腾，到底帮我理解了任务，还是只是让我迁就了工具。

因为真正的效率，不是坚持使用看起来更先进的工具，而是找到当下最能把事情快速做成的那条路。