夜雨聆风困惑如题。
在传媒行业浸染近 10 年，我身边没有断过实习生。每次实习生的空档，一般不超过半个月，就算中途需要其他同事的实习生帮忙，也绝对要自己留一个小伙伴。
我亲手带的同学们的结束实习资料，在我电脑里堆叠起来，估计有三十份甚至更多了。秉持“聊胜于无”的心态，有时为了有个能打下手的小伙伴，我宁愿“将就”任用资历差一点的，只要能把一些特别杂碎的活儿交给他们。何况我的要求很细致，基本没有在我指导下出不了活儿的同学。
最开始，我能记住他们的样子，会带他们去食堂吃饭，甚至私下和他们去外面玩。渐渐地，我似乎只在刚入职和他们打招呼，带他们到处看看，连结束实习都懒得打照面，温馨提醒他们可以线上提交结束实习的资料，回头我把实习证明寄过去。所以，越往后面，样子也记不住，名字也记不住了。
我必须承认，有几个同学做得很好，主动性很强，学习也很快，还很会和人打交道。但记不清了，只记得最开始那几个同学长什么模样，无论好的差的。
我还是觉得麻烦，从入职到结束实习的手续，到重复讲解同一类任务的要求，甚至到他们离职后有时候申请去什么学校读研还要我帮忙写评价资料，都好麻烦。即便是三个月一次（大部分实习生三个月拿到实习证明便离开），还是麻烦。终归麻烦，实习生也是帮了很多忙的。所以，我很感激他们在微薄的薪资体系下，为我“发电”，也很愿意接受手把手教、走程序的麻烦，更经常把很多“拿手本领”在潜移默化中教给他们，希望他们没有白来。
事情是从今年 3 月开始变化的。
我学会了用 OpenClaw，自己从 0 到 1 搭建了一个自动化工作流，每天能从各个行业网站抓取资讯，形成并保存结构化的数据，最后推送成总结日报到飞书云文档、飞书会话。
一个月，在我完成日常工作，外加耗费无数的个人休息时间、频繁熬夜到内分泌紊乱及心脏不适的前提下，一个月便把整个流程跑通了。这个“血泪史”，最后还是通过设立两个 Agent 互相搭配合作，才完成的——因为我不想去做质量检查，必须设立一个监督员，在核心步骤进行督促、指导。
这个事情，交给公司的程序员去做，按照过去的流程少说要三个月。但他们有做不完的任务，根本不可能为我这个可有可无的需求停下脚步。而且，传统的工作流，我就是那个监督员，不可能像现在的 AI 一样，有能力承担人类的监督角色。
更别说，这个工作，我之前都是交给实习生人工完成的。再别说，实习生只需要整理部分的结构化数据，还并不需要形成总结。
对比之下，我用龙虾做的这个流程，比实习生做得好太多了。首先，每天定时启动，而不是等待人工抽空完成；其次，不知疲倦，每次都可以遍历所有网站、所有最新发布的资讯，收集的数据完整度非常之高；最后，成本低，一个月的云端服务器加上国产大模型 Token，也就三百块左右。
于是，从4月开始，我的最后一个实习生同学结束实习后，我和负责招聘的同事说：“我以后不用实习生了。”
这不是说说而已。我开始疯狂地把过去让实习生做的工作，全部做成自动化流程。
比如：搜索一个人的联系方式。过去实习生两三小时给我的答案，现在用写好的标准流程，半小时不到就有结果。
比如：抓取某个自媒体平台的推文、完整账号数据。结合网络现成的工具，费点人工，一天就能完成传统人力一个多星期能整合的信息。
比如：整理语音访谈、会议内容，百度网盘听记的“去除口语化”功能，已经能做到实习生人工整理的水平。甚至于，我自己在电脑安装了一个语音大模型，不急用的时候，自己开着电脑慢慢跑语音转实录，还可以让 AI 助手参考我提供的专业词表核对，以及实时执行网络搜索核对。
比如：搜索某个领域的资料。我做了一个“企业资料研究”的skill，又做了一个“learn a topic”的 skill，还做了一个“deepsearch people”的skill。针对企业/行业研究，针对主题研究，针对人物研究，每个场景都有解决方案。每次调用这些技能，也就一两个小时解决。而以往实习生需要一两天才完成，还经常因为他们不是每天都在岗（特指工作日），我有时得自己完成。
在这个过程中，我对比了 SearXNG 的上百个搜索引擎有什么优缺点，又对比了 DeepSeek、Kimi、WorkBuddy / ima 知识库、豆包、Coze、元宝、谷歌这些平台的 Web Search 工具，得出一套网络搜索的方法论，知道查什么该找谁了。这些我没办法一一和实习生说清楚，但是现在完全可以按照不同的需求，找不同的 AI 平台、AI 模型解决问题。从办公来说，训练 skill 找 GLM，图像识别与生成找 doubao seed，排版找 Kimi，万金油是 DeepSeek、Hy3。
比如：写初稿。你还别说，现在 DeepSeek V4 Flash 的文笔都比我好。什么叫又快又好。点子还是需要人来出的，但是那种长篇大论，我实在不擅长也不想深学。
比如：文字校对、内容核查工作，我做了一套万能提示词，每次扔给 AI 平台，就可以完成。当然，WPS 的 AI 校对功能也好用，虽然它的中文校对没有英文校对那么好用。
比如：消化一份复杂的资料，无论是一个网站，还是一本书一份报告。按照我精益求精的要求，直接做成一个带有解析、识别、整理功能的 skill。
比如：核对设计师做出来的图，是否和我最开始提供的需求完全一致：只需要把规则全写好记下来，还是一个 skill，每次丢给 AI 处理。
比如：制作 PPT 方案。现在有很多成熟的图像模型可以结合使用，可以让 AI 打初稿、套模板。这个工作，过去实习生也很难完成。
比如：把搜狗搜索到的微信公众号渠道的临时链接，复原成不会过期的永久链接。我做了一个在电脑上操控屏幕，点开微信客户端搜索标题、复制链接的 skill。这个因为太机械，AI 也快不了。但这种太机械的工作，我过去“不忍心”让实习生做太多，即便我很需要公众号的信息源，也因此经常在需求端进行阉割，以避免实习生做太多这种过于“流水线”的活儿。
……
太多，太多了。连实习生做不了的，也让 AI 在做了。
当然，我现在也需要实习生帮忙，但是频率很低。我只需要偶尔和好心的同事“借用”一两天。
而且，我需要更聪明、更严谨的实习生同学，这样才能要求他们用我需要的 AI 工具完成任务，或者他们比 AI 更细心、更认真，能让我依赖 AI 可能有遗漏的核查工作。体力活儿，本来就很少让实习生做，所以，我的确是不需要自己招实习生了。
最后啊，我发现，我的工作一点都没少，我少了的只是实习生。
首先，做出成熟可用的 skill，很花时间。而且和写程序一样，培育标准化工作流是一个日常迭代的漫长过程，每次都不止迭代 10 个版本。
其次，因为有了 AI 的助力，信息密度之高、反馈速度之快，导致我的工作标准更高了。连领导对我们完成同件事情的要求，也一直在变高。更狠的是，当我同事发现我可以用 AI 做更多类型的任务后，会说，“那这次没有这么多人手，你也搞得定了，对吧。”
我......非得说自己不行，才行？
到头来，我学了一堆有的没的，尽头似乎是为了“优化”掉实习生而已。
我现在对 AI 已经没太多探索欲望了。
生成文字、生成图片、生成音频、生成音乐、生成视频、生成 PPT、生成 skill。也就这样了，对于我的工作而言，已经达到一个相对高水平的满意阈值了。接下来我想放下实战，沉下心去看几本书了。
未来如何？
可能有天，AI 革了整个传媒行业的命，我们就一起给 AI 公司打工去吧。当然，AI 行业，最讨厌的便是人满为患了吧？
图片由 AI 生成