这段时间使用AI的一些体会

这段时间体验下来的总体感受是：确实很实用，但远没有媒体渲染得那么神。

先简单说说我的配置：主用模型是GPT-4.5，主要配套工具也是他们家的codex（同名其实分两种产品，一种是客户端，一种是命令行版本，我平时更多使用命令行），订阅的是OpenAI每月20美元的套餐。

之所以选择他们家，过程多少有点曲折。我之前一直在用Gemini，但它家的命令行工具体验不够好，所以后来转向了很有名的Claude code。两家价格相同，而Claude在规划能力上更强，尤其在编程方面表现突出，算是公认的明星产品。

不过它家封号的情况比较多，尤其对中国用户似乎更敏感。网上甚至有种说法，说是因为创始人早年在百度实习时受过李厂长的气，所以迁怒到所有中国用户身上。（顺便一提，创始人Dario在美国硅谷也属于对华态度强硬的一派，一直支持限制高端芯片出口到中国。）

月初那阵子，我调用他们家的模型一直无法连接，我还以为自己账号被封了，便直接通过苹果申请了退款（我是通过App Store订阅的）。后来才知道并不是封号，而是他们在中东的服务器遭遇导弹袭击，所以才导致服务中断。

不过仔细想想，长期这样提心吊胆也没必要，于是我就干脆换到了OpenAI。再加上那段时间他们也刚推出codex，和Claude的cowork功能展开竞争（也就是AI能自动替你操作办公软件的能力），应付轻度工作已经足够，于是慢慢就把它当成了主力。

用到现在，我感觉自己已经进入了一个新阶段，因为它家的额度基本每周都能用满，多少有种把订阅费用回本了的感觉。

像我这种无业状态的人，平时其实没太多事情可做。往好听了说，是没有被AI替代工作的焦虑；往难听了说，就是能真正交给AI处理的场景也没那么多。

如果用更学术一点的话来概括，就是：我产生新想法的速度，赶不上AI进化的速度。我知道AI很强，但问题在于，我本身并没有那么多任务需要处理。

后来开始付费，也不是因为突然冒出了什么新点子，更多只是出于不想掉队的心态，先用起来再说。

最开始，我主要是让AI帮我做一些定时运行在服务器上的任务。比如定期查看社交媒体上我关注的人说了什么，又比如一些PE比价动作，以前这些都是我手动去看，现在基本交给服务器自动完成。

之后skills（技能）开始流行，我也写了一些技能，让它帮我处理固定的总结类工作。比如我有在notion上记日志和写总结的习惯，于是就做了几个skill，让AI读取我的日志内容，再自动生成周总结、月总结之类的东西。

再往后，openclaw开始流行起来，我也跟着用上了它，能做的操作就更复杂一些。比如让AI定期抓取数据，撰写一些基于数据的宏观分析报告，或者生成技术分析方面的总结。

到现在，只要我觉得某件事具有重复性，第一反应就是看能不能丢给AI。比如我最近在看水电股，需要跟踪水库数据，找到相关网址后，我就让AI每天帮我盯着，一旦有新数据就自动提取出来，再做同比变化并提醒我。

当然，AI也远不是时时刻刻都聪明。每个人大概都会踩到AI自己挖的坑，比如记忆问题（“我不记得我们之前聊过这个”）、偷懒问题（“我疏忽了”）、擅自发挥的问题（“我顺手还帮你改了……”）等等。有时候我真的觉得自己像是在带一个实习生。

有一次写报告时，我给了它一份非常详细的指引，包括去哪里取数据、优先级怎么排、每个栏目需要哪些信息、要采用什么样的表达方式，甚至还附上了一份完整的报告范例。

结果最终产出的内容，比我要求的要简略得多，各个模块都缺少数据项，反而最完整的部分是那些似是而非的分析，看得人非常烦躁。而这居然还是当时最先进的GPT5.4。

后来我又在提示词里补充了一些遗漏的信息，再跑了一遍，结果依然不太理想。

再后来，我干脆拿出了职场PUA那一套，要求它把我文档中的具体要求逐条贴出来，然后一项项对照，自行评分，看看离我的标准到底差了多少。这样折腾了一轮之后，效果才明显好了一些，接着继续慢慢调教，最后总算做出了一份比较像样的报告。

之后按照惯例，我又把打磨成熟的内容固化进skill文档里，本想着以后就能一路顺畅，让AI自己处理了。

结果到了下一次出报告，问题还是照旧，只不过形式上稍微换了点样子，用起来依然让人疲惫……

所以后来再看到那种“喂40万字就能自动长出一套交易框架”的说法，我基本都是一笑了之。这听起来就像是说让一个实习生读完30本名人著作，就能立刻变成交易高手一样，充满了电影式的浪漫幻想。

不过，实习生终究是会成长的，而AI的成长速度又远远快于人类，再叠加它惊人的成本优势（尤其是相对人工而言），每个人被这股浪潮裹挟着往前走，几乎是不可避免的。

一些比较实用的tips：

如果你不知道该拿AI做什么，不妨先想想自己每天重复三次以上的动作里，有哪些是可以交给AI的；

前期尽量多用plan mode模式。刚开始让AI做事时，我们脑子里的需求通常都是模糊的，而plan mode能提供一个讨论过程，通过不断追问，逼着我们把事情想得更清楚；但不要让AI替你做决定，关键问题还是得自己梳理、自己下结论，让AI负责执行就行；

要重视结构化文档的价值。要实现哪些功能、希望加什么限制、哪些事情不要做，写得越细，AI给出的结果通常就越好。而且正如前面说的，能写出来，本身就说明你已经想清楚了；

像memory.md、agents.md、user.md这类初始配置文件，也很值得自己动手改一改。这些背景信息会在每次对话中被加载，调整好之后能持续受益。如果看不懂英文，可以先让AI翻成中文再修改，实际效果并不会有区别；

如果你在用openclaw，最好额外写一个summarzie-memory的skill，强制AI把总结内容同步记录到当天的memory文件里，这样就不容易忘掉之前谈过什么（随着这两天openclaw版本更新，这方面似乎也在逐渐改善）。

模型质量真的非常重要，最低最低也得有智谱GLM-4.6这个水平。再往下当然不是完全不能用，只是特别容易把人折腾得很沮丧。既然我们都在被迫适应AI，不如尽量对自己好一点。

备注：封面和插图均由AI生成