AI原生工程师的一天

上午 10:25，刚把包放下，屁股还没坐稳，飞书就震动了一下。

不是同事也不是老板，而是我的AI搭档小龙虾。

早安老板，现在10点30分了，该规划今日日程了。

昨日遗留的任务清单如下：

昨日在4个群组中被艾特3次，尚未回复，详情如下：……

今日会议安排：11:00-12:00 XXX客户需求澄清会（线上），15:00-15:30 [外部]客户功能例会 ...

我还没构思，它已将昨日遗留、未读消息及今日待办梳理完毕。只需确认优先级并下达指令，它便会自动在飞书生成任务卡片，并每6小时询问进度。

过去上班第一件事是什么？翻飞书、查消息、看日历，回忆未回消息，耗时15-20分钟且易遗漏。如今仅需2分钟，且无遗漏。

上午有客户关于隐私法规变更的需求对齐会。AI虽难替代人工决策，但无法替人担责。

变化在于：开发与产品因通信协议争执，小龙虾检索知识库30秒找到原文，群里不再争吵。

会议结束自动生成纪要，小龙虾提取至个人知识库，整理待办项。链接留存，方便日后追溯。

下午两点，客户反馈约100个问题：危险变道、导航错误等。现场传回几十G视频日志数据。

100个。想起半年前手动翻查的日子。

现在交由AI批量处理：

第一步：小龙虾预处理，匹配视频路径，生成结构化报告，10分钟搞定100个。

以前助理需一上午，现在AI十分钟。

第二步：输入Agent，基于庞大智驾知识库（故障模式、根因、方案）分析。

Agent输出结构化：根因、步骤、依据、建议、日志。3-5分钟/问题，批量输入10分钟出结果。

以前需3天。经验工程师半小时/问题，100个问题需全职3天。

AI质量需人工监管。AI干活，人把关。

检查发现过度分析。高速领航降级案例：AI引用无关日志，拼凑看似合理的错误结论。

逻辑看似严密，但引用日志与问题无关。

这是AI幻觉。它自信地编造答案，不懂领域易被误导。

需引导AI正确分析，纠正方向。发现Bug反馈给模块代表，确认排期。

重新对话引导至正确方向，整理结果反馈开发团队。

2小时后，开发提交新软件。

刷写测试车，实地测试一小时，全正常，变道场景无复现。

这一小时，AI无法介入。

晚饭毕，公司安静，牛肉面不错，心情佳。

20:00 创造力巅峰。打开Claude Code，修复下午发现的幻觉问题。

与AI头脑风暴，确定三层防护：限制技能库、要求输出依据、引入模型验证。

从构思到代码到验证通过，仅15分钟。

靠在椅背，神清气爽。下午的疑虑，晚上十五分钟解决。Claude code + OPUS 让我如神助。

快10点半了。

发语音汇报，它自动总结、格式化、生成日报并发布。

关机，下班回家。

想起半年前驻场量产的日子，每天早8晚2。上午客户对齐，下午内部讨论，测试。连续三月。EMO去公园。当时有质子三人组小群。

那时痛苦在于看不完的问题。想用AI处理繁琐的查日志、分析、总结。曾尝试开发工具，效果一般。

半年后变为现实。在AI加持下，成为AI原生工程师，熟练融入工作流，以AI为基础设计工作方式。

回看今天，AI省下4-5小时。

但重点不在省时。

人从执行者变为决策者。省下的时间用于：判断AI分析、实地验证软件、设计反幻觉方案。

说到成本。

本月token花费1000美元，还有6天。

难受。