夜雨聆风📍 系列定位：这是「AI办公提效实战」系列的第 06篇 / 共 6 篇。本系列专治"AI到手就废"，从认知到实操，一步步教你用AI把重复活全自动干掉。三分钟看完，明天就能用。
前面五篇把理论和技巧都讲差不多了，这篇直接上硬菜。
先问你一个问题：如果你想知道今天该买什么股票，你会怎么问 AI？
❌ 反面案例
**反面问法**："帮我推荐几只今天值得买入的股票。"
AI 大概率给你扯一堆毫无价值的东西，甚至还可能瞎编代码。你敢跟着买吗？
✅ 正面案例
**正面问法**：打开 Claude Code，跟它说：
"帮我写一个 Python 量化选股脚本，自动读取近 30 天的 A 股交易数据，按市盈率 < 20、ROE > 15%、成交量放大这 3 个条件筛选，结果按市值排序，导出到 Excel。"
Claude Code 直接在当前目录下生成脚本文件，自动装好依赖，跑起来。符合条件的股票全出来了。今天能用，下个月还能用，明年照样用。
这就是授人以鱼 vs 授人以渔的区别：
**要结果**：AI 替你做一次判断，做完就没了，下次还得重新问，质量不可控
**要工具**：AI 给你造一个永远能干活的工具，你拿着工具自己产出结果，一次投入反复用
高手用 AI，全在要工具。普通人用 AI，全在要结果。差距就是这么拉开的。
工具怎么造？下面分三个层级，从简单到复杂，每一步都给你可操作的指令。
这是最容易上手的一层。你在办公里那些纯体力的重复操作，以前得学 VBA、学 Python 才能搞定。现在打开 Claude Code，说句话就行。
国内用 Trae、CodeBuddy、Comate 也一样，逻辑完全一样——你说需求，它写代码，自动跑。
案例一：批量处理发票
打开 Claude Code，在项目目录下说：
"写一个 Python 脚本，扫描当前文件夹里所有 PDF 发票，用 OCR 提取金额、日期、发票号、公司名，去重后导出到'发票台账.xlsx'。先拿前 3 张跑一下，我看看效果。"
Claude Code 写完脚本，自动跑前三张。你检查没问题，跟它说"全跑"，100 张、1000 张一样快。
案例二：批量生成海报
"写一个脚本，读取'商品列表.xlsx'里的商品名和价格，套进'海报模板.png'的指定位置，每张海报底部加统一的水印，导出 PNG 到'生成海报'文件夹。"
脚本跑完，几十上百张海报就躺那了。以后上新，改一下 Excel，重新跑一遍。
案例三：公司更名，100+ 份文档全部替换
公司改了个名，或者被收购了，所有对外文档——Word 方案书、PPT 报价单、Excel 合同模板——里面的旧公司名和旧 Logo 全得换。文件散落在十几个文件夹里，加起来上百份。
手动一个一个开、一个一个改？改到眼瞎。让 AI 逐份文档帮你打开改？也很蠢，100 份文档 AI 得跑 200 个来回，又慢又容易出错。
正确姿势——让 AI 给你写一个替换脚本。打开 Claude Code：
"帮我写一个 Python 脚本：递归遍历当前文件夹及其所有子文件夹，找出所有 Word（.docx）、PPT（.pptx）、Excel（.xlsx）文件。对每个文件，把文本中的'XX旧公司名'全部替换成'YY新公司名'，把页眉页脚里的旧 Logo 图片替换成新的 logo.png。先拿一个子文件夹做测试，测试完没问题再全量跑。改之前自动备份原文件到 backup 文件夹。"
脚本写好，先拿 5 份测试——公司名全换了没？Logo 替换位置对不对？排版没炸吧？确认没问题，全量跑。100 份文档，几分钟跑完。
核心不是让 AI 帮你改 100 份文档，是让 AI 给你写一个能改 100 万份文档的脚本。下次公司再改名，你再跑一遍就完事了。
这些活的共同点：没技术含量，纯体力活，干多了还眼花。Claude Code 不嫌累，来多少干多少。
这就是执行端的广度——以前你只能手动一个个改，现在说一句话，代码替你跑。
第一层是"你告诉它怎么干，它帮你干"。第二层是"你告诉它要啥结果，它自己想办法干"。
但这里有个实操技巧，大部分人不知道——别一上来就开 Claude Code。
比如你从 MES 系统导出了一堆原始生产数据，乱七八糟——有空值、有重复、格式不统一。你要按产线统计良品率趋势，还要生成图表。以前你得自己想公式、学函数、捣鼓半天，还不一定对。但一上来就把这坨脏数据丢给 Claude Code 让它"看着办"，不是最优解。
正确的节奏是：先找聊天助手聊清楚原理，满意了再丢给 Claude Code 执行。
为什么？三个原因：
**多轮对话更丝滑**。豆包、千问、文心一言这些聊天工具，记忆系统没 Agent 那么复杂，对话轻量、响应快。你来回追问五六轮，它不卡不慢，特别适合"聊思路"。
**不花钱**。聊天工具基本免费，先把方案聊透了，省得 Claude Code 里反复试错浪费 Token。
**方案定了再动手**。你把分析逻辑聊清楚了、确认没问题了，再打开 Claude Code 照方案执行，一次跑通，不用反复改。
具体怎么操作？先打开豆包或者千问，把数据的情况跟它聊：
"我从 MES 导出了一批生产数据，大概有产线编号、日期、计划产量、实际产量、不良品数、不良类型这些列，可能有空值和重复。我想按产线统计良品率趋势，你帮我想想分析思路。"
聊天助手给你一个分析框架。你追问："空值怎么处理合适？""不良品分类按什么维度统计比较有说服力？"聊两三轮，方案定了。比如：重复行去重、产线 3 和 5 用均值填缺失、产量为负的当异常过滤、良品率按日产线分组统计算 7 日移动平均、不良品按工序分类画饼图。
思路清晰了，打开 Claude Code：
"按这个方案帮我写 Python：读'生产数据'文件夹的 CSV，去重→产线 3、5 的缺失值用各自产线均值填补→过滤负产量→按产线和日期统计算 7 日移动平均良品率→不良品按工序分类→生成趋势折线图和分布饼图→导出 Excel。"
它自己读数据、自己写代码、自己运行。因为你方案已经聊透了，大概率一次跑通。跑完你检查，微调一下就完事。
你用聊天助手梳理思路，用 Claude Code 落地执行。一个负责"想"，一个负责"干"。两个工具各用所长，比你闷头在一个工具里死磕快得多。国内 Trae、CodeBuddy 同理——先把逻辑跟豆包聊清楚，再去写代码。
前面两层是从零造工具。但真正的高手，从来不从零开始。
当前 AI 编程最大的短板是什么？写框架。让它从空白文件搭一个完整项目的骨架——目录结构、模块划分、配置管理、依赖关系——它很容易写出烂代码，架构一坨，功能一加就塌。改来改去，Token 烧了一堆，东西跑不起来。
那框架谁写得好？GitHub 上那些开源项目的原作者。他们已经把架构搭好了、坑踩完了、文档写好了。你拿过来用就行。
所以第三层的核心思路是：站在巨人的肩膀上，让 AI 只做增量。分四步走：
打开豆包或者千问，跟它聊你的需求：
"我需要一个能自动生成生产日报的 Web 看板，后端从 MES 数据库读数据，前端展示产量、良品率、设备稼动率趋势图，还要支持导出 PDF。GitHub 上有没有类似的开源项目？帮我找 3 个，对比一下优缺点。"
豆包帮你搜出几个项目——star 数、技术栈、维护状态、授权协议，全列出来。你挑一个最接近的。比如你选了一个叫"factory-dashboard"的 Vue + Python 项目，功能覆盖了 70% 的需求。
找到项目了，别自己去 clone、配 Python 版本、装依赖、调数据库——这一套环境配置能把人折腾死。
打开搭子（DuMate）或者 WorkBuddy，跟它说：
"帮我把 GitHub 上这个'factory-dashboard'项目 clone 到本地，地址是 xxx。自动检测它需要的运行环境，装好所有依赖，配置好本地数据库连接，然后跑起来。跑通了给我看截图。"
搭子自己去读项目的 README、检测 package.json 和 requirements.txt、装 Node 和 Python 依赖、拉起数据库、启动服务。跑通了告诉你"部署完成，浏览器访问 localhost:3000 可以看到效果"。
你全程没手动敲一行命令。环境配置这种脏活，丢给智能体。
打开浏览器，看看这个项目跑起来长什么样。是不是你想要的 70% 已经有了？交互逻辑顺不顺？缺的 30% 能不能通过小改解决？
满意了，进入下一步。不满意，回到第一步换一个项目。
框架已经有了，数据库连接好了，页面架子搭好了。你缺的只是"不良品按工序分类的饼图""7 日移动平均趋势线""导出 PDF 加公司 Logo"。
打开 Claude Code，在项目目录下：
"这个项目目前缺少三块：1）不良品按工序分类的饼图，数据从 MES 的 defect_detail 表取；2）良品率加一条 7 日移动平均趋势线；3）导出 PDF 时自动加公司 Logo 和水印。帮我加上，每个功能改完让我确认。"
Claude Code 在已有的框架上做增量——加一个图表组件、添一条趋势线算法、改一下 PDF 导出样式。每次改动范围小，不容易坏，Token 消耗也低。
四步下来，你省了什么？
**省了搭框架的 Token**。AI 从零写框架又贵又烂，GitHub 上现成的不要钱。
**省了配环境的命**。智能体帮你 clone、装依赖、跑起来，不用自己跟命令行搏斗。
**省了走弯路的试错成本**。开源项目已经验证过可行，你只改增量，不需要从第一行 debug。
国内用 Trae、CodeBuddy、Comate 的同学，逻辑一样——聊天助手找项目 → 搭子部署 → Claude Code 改增量。三个工具各司其职，一条流水线。
整个系列到这，核心就一句话：**别跟 AI 要鱼，让 AI 给你造鱼竿。**
别跟 Claude Code 说"帮我选股票"→ 说"帮我写个选股脚本"
别跟 AI 说"帮我做发票"→ 说"帮我写个发票处理工具"
别跟 AI 说"帮我写报告"→ 说"帮我搭个自动出报告的流水线"
工具造好了，能用一辈子。结果用一次就没了。
Claude Code、Trae、CodeBuddy、Comate——不管哪个工具，核心逻辑都一样：**你说需求，它写代码，你确认，它跑。** 不用会写代码，会说话就行。
对普通人来说，能把手里 60% 的重复活甩给 AI 工具，就已经能准时下班、告别加班了。不用追求一步到位，先干掉最痛的那个点。
从下一篇系列开始，我们就一个个场景落地，从最简单的批量改文档开始，手把手带你做出自己的第一个自动化工具。
别急，跟着来。AI 提效，真的没那么难。
「AI办公提效实战」系列 · 共6篇
第1篇：认知唤醒 · 第2篇：原理扫盲 · 第3篇：自我定位第4篇：思维转变 · 第5篇：实操技巧 · 第6篇：授人以渔
作者：AI老黄
