学用AI,应该从多用AI开始

AI 的使用上，经常能看到两种截然相反的评价：有人说 AI Agents 已经彻底改变了工作方式，一天都离不开；也有人试了两天后评价：“又傻又贵，还不如自己做。”

同样的工具，为什么体验差异会这么大？

很多人第一反应是模型能力的问题。国内的 AI Agents 在复杂工程能力上，确实和 GPT、Claude 还有差距。但我更倾向于认为，模型的重要性并不是决定性的。真正拉开体验差距的，是人与 AI 的协作方式。

这有点像搜索引擎刚普及的时候。有人觉得互联网是知识宝库，有人觉得全是垃圾信息。后来大家才意识到，搜索本身就是一种能力。我记得大学时甚至专门开过学术检索课。

AI 也是如此，只不过它考验的已经不只是某种单一能力，而是协作方式——或者说，如何建立合适的边界感。

需求要具体，指令要清晰

很多人第一次用 Agent，会希望它直接完成一个完整任务：“帮我做一个分析项目”“帮我写一篇报告”。

这种期待在人与人协作中都很难成立，更不用说 AI。即使是最强的模型，也往往会在“自由发挥”中跑偏，最后用户不满意，然后得出结论：“AI 不行”。

但 AI 更像一个实习生——有些模型像本科生，有些像研究生，有些甚至接近博士水平。在某些训练充分的场景里，好的模型确实可以一次性给出不错的结果，但这通常建立在任务本身足够清晰的前提下。

如果用户希望结果带有自己的风格或判断，那么“具体需求”就不可避免。

更准确地说，这里真正重要的不是方法，而是“问题本身是否被定义清楚”。在学术语境里，这更接近 idea，而不是 implementation。AI 可以解决方法，但前提是你要说清楚你到底想解决什么。

明确的需求 + 连续的小闭环，会让 AI 更接近真实工作流。一个系统从来不是一次形成的，而是在不断迭代中完成的。AI 在小任务中的表现，往往远比在开放大任务中稳定。

每个工作都有自己的上下文

部分人使用 AI 的方式就像每次重头来过：反复介绍项目背景、数据来源、分析逻辑。而 AI 始终停留在“初入职场”的状态。

但用得好的人，会主动经营上下文：维护项目日志、整理规则、沉淀流程。更不用说现在很多桌面级 AI Agents 已经支持 Memory 机制，像Qoder甚至会为每个项目构建 wiki 知识库。

当这些基础设施建立起来之后，AI 面对的就不再是一片空白，而是一个持续生长的工作环境。

AI 并非万能，要理解它的边界

有经验的人不会无限信任 AI，而是非常清楚什么时候该停。

写代码时会说：“不要改接口”“不要动其他模块”“只改这个文件”。做分析时会限定范围：“只看这一部分数据”“不要引入额外假设”“结论必须能被数据直接支持”。

这些约束不是在限制 AI，而是在缩小问题空间。边界越清晰，结果越稳定。

同样是用 AI 做 PPT，有的人做出来内容完整、有逻辑、有“人味”；有的人则只是信息堆叠、平铺直叙。差别并不在工具，而在使用者是否在过程中持续“校准”AI。

这也是为什么，学生们在使用AI时要相当谨慎，能力培养不过关，上限也会受限。

体验 AI，本质是在培养协作能力

过去人们使用软件，更多是在适应开发者预设的功能边界；而 AI 提供的是一种更开放的可能性——同样的工具，在不同人手里可以变成完全不同的工作流。

但这种“个性化”，本质上是需要试错的。

你会逐渐知道：哪些任务适合交给 AI，哪些必须自己把关；如何拆解问题；如何设计反馈；如何识别 AI 的错误模式。

这个过程，其实也是在慢慢“蒸馏自己”。

最终理想状态不是“会用 AI”，而是拥有一个符合自己思维方式的数字分身，让 AI 替你执行那些已经被你结构化过的思考。

结语

未来真正重要的 AI 能力，可能不再是“会不会用”，也不是“会不会写 Prompt”，而是：

是否能建立一套属于自己的协作系统。

而这个系统的形状，最终取决于用户自己的思维方式和思考深度。

关于工具选择（个人体验）

如果要从 AI Agents 开始体验，我更推荐从桌面级 AI 助手入手，比如 Work 类产品。

我之前比较推荐阿里的 Qoderwork，但后来产品路线发生变化，被整合进“千问办公”体系。从命名就能看出，把Work翻译成办公，它的目标就不是人机协作中的人，而是办公系统。而我个人更偏向 Claude Cowork 蕴含的理念——Work的重点是协作，是成功的作品，这需要人的灵性。

因此目前阶段，我不会再推荐 Qoderwork/千问办公。如果想体验 GPT / Claude 级别模型能力，可以考虑 Qoder 国际版（独立团队，质量相对稳定）。现在的Quest模式也和Work类产品有较大相似性，我已经完成了整体迁移。

如果想要更轻量的选择，我建议 Workbuddy：生态完整、上手简单、成本较低。但它的问题是稳定性一般，任务偶尔中断，长任务执行的结果也不太令人满意。但现在它已经成为我的日常任务的主要执行者，这些任务已经被沉淀，稳定性问题大大降低。包括之前的每日清单、个人知识库、文献监控等。

至于 Codex 等海外产品，这里就不展开推荐了。随着国内 Agent 使用数据逐渐丰富，这一类能力的差距正在快速缩小，未来在 Agent 层面“跟上”是完全有可能的。

最终还是那句话：工具只是入口，真正决定体验的，始终是你如何使用它。