最近我一直在用 AI 探索各种事情。有些还在进行中，比如黑湖智造的数据采集和报工打通。有些已经跑通了。

这篇文章总结两个已经落地的：一个让我成了自己的健康顾问，另一个让我成了公司的网络管理员。

体检分析：AI 发现了我没看到的异常

以前我体检，估计和大多数人一样——看一眼有没有异常箭头，有就注意一下，没有就翻过去了。

今年不一样。我把历年体检报告丢给了 Kimi，让它帮我做一次深度分析。

第一个惊喜是 HbA1c。这个指标在体检报告中没有标异常，但 Kimi 告诉我，它的值虽然低于阈值，却已经接近临界，未来糖尿病风险在上升。报告没提醒，AI 提醒了。

第二个是趋势。我自己当然可以手动提取数据、画表格，但太麻烦了。有了 AI，这件事变得简单，所以我真的去做了。这是我的甘油三酯四年曲线：

趋势一目了然，血清甘油三酯我做得还不错，一直在下降。

怎么做的：几份 PDF，一个文件夹

说起来简单。把历年体检报告的 PDF 整理到一个文件夹，用 markitdown 转成 Markdown——PDF 太耗 token，转成纯文本对 AI 友好得多。

然后用 OpenCode 打开这个文件夹，AI 就能跨年份抽数据、做趋势、写报告。

核心就是给 AI 配一份工作纪律——一个 AGENTS.md 文件。它告诉 AI：数据在哪、怎么读、注意什么、边界在哪。

比如三条关键规则：

• • 永远读 .md，不要读 .pdf——PDF 走 vision 通道的 token 成本是纯文本的 3–7 倍
• • 跨年对比前先确认单位一致——不同体检机构参考区间可能不同
• • 不是医生——发现异常只能建议"专科就诊"，不许下诊断或开药

报告要可靠，因为有信源约束

我让 AI 生成了两份报告：一份是基础数据提取（方便我人工核对，避免 PDF 提取错误），另一份是基于数据的健康建议。

医学相关，最关键的是信源不能编。我给 AI 规定了信源优先级：

这是 AI 最终给我健康建议：

做完这些之后，我有一个更大的想法：能不能把荣耀运动手表的数据也接进来？睡眠、运动、饮食偏好，全部打通，和体检指标做交叉分析。那时就不是"健康报告"了，是真·私人健康顾问。

我相信有了 AI，这件事迟早能做成。需要的是各个品牌愿意开放数据接口，或者有更好的产品出现。

网络运维：我不是网工，但我是网工的"经理"

体检的事让我意识到一件事：很多知识人类已经解决了，只是我不知道而已。我只要把问题整理好告诉 AI，它就能帮我解决。

这让我想起了公司的网络。

公司的网络是三层结构——核心交换机、汇聚、接入——家庭里没有的设备。品牌还混着：TP、华三，以前还有飞塔。TP 只能网页登录，华三用 SSH 很方便。不同品牌有不同的命令和方式，学习成本很高。

之前有专人负责，现在人走了，只能我顶着。有天我突然想：体检能用 AI，交换机为什么不行？

我把华三交换机的地址、账号、密码配置好，OpenCode 直接通过 SSH 登录了交换机，可以用命令行操作。有风险，但能控制——我在 AGENTS.md 里告诉它：任何修改必须人类确认，任何操作必须确保不影响现有网络，账号密码存 .env 不准泄露。

第一件事就立功：发现硬件故障

配置好之后，我让 AI 做的第一件事是网络周报。

拉数据的时候，AI 直接报出了大量错误日志。平时不出问题，人根本不会去看这些东西。

我先是换了网线，以为解决了。最后发现不止网线有问题，交换机 48 号口也有硬件故障——还好 47 口做了链路聚合，撑住了。

联系了华三供应商，他们确认：确实是 48 口坏了。上周寄来新交换机，我顺便换上了。

如果公司有一名资深网工，他的确能发现。但我不是。有了 DeepSeek 帮忙，我也能做到。

现在我每周用 AI 分析网络情况：

网络卡顿？AI 直接定位到网卡

前两天，同事说网络很卡。要是以前，我们大概率会归结为"运营商的问题"。

但现在不一样了。

直接拉交换机日志，让 DeepSeek 分析，定位到几台电脑的网卡策略有问题，调整一下，搞定。

能力不是你的，但结果可以是你的

这两个故事有一个共同点：

很多专业领域，知识体系是成熟的、公开的。但我不知道华三交换机的命令，也不需要去考 H3C 认证。我只要把问题整理清楚，AI 就能把答案给我。

这种感觉，就像我是网络工程师的经理——我不需要亲自配 VLAN、排日志，但我可以指挥一个懂这些的人（AI）去完成。

体检也是一样。关联所有历年的数据、看到趋势、发现报告没标注的风险点——这些其实很多人不会去做，不是因为没价值，而是因为太麻烦。AI 把这件事变简单了，所以我真的去做了。

这就是 AI 给我的新能力：不是让我学会一切，而是让我能得到别人已经有的。