AI 正在重写我的工作流,但不是每一步都值得交给它
AI正在改变我的工作流,但并非所有环节都适合交给它。我学会先判断哪些任务值得AI参与,如初稿、信息整理和重复性工作,而关键判断、最终结构和业务理解仍需亲自把控。这种分工提升了效率,但避免盲目依赖导致失控。
这段时间我越来越明显地感觉到,AI 改变我的,不只是写代码的速度,而是整个工作流。
以前我对一个问题的处理路径,大概是固定的。
看到需求,自己先想;
想完之后查资料;
查完之后再拆结构;
然后开始写代码、写文档、补细节;
中间如果卡住,就继续搜、继续试、继续改。
现在不是这样了。
现在很多环节,我已经不会默认“先自己从头来一遍”。
我会先想一件事:
这个环节,到底适不适合交给 AI。
这件事看起来像只是多了一个工具,但我越来越觉得,它其实是在改写我的工作方式。
以前一个任务,更多是“我自己做完”。
现在更像是“我先判断,这里面哪些部分该由我来做,哪些部分可以交给 AI 先跑一遍”。
这两者差别很大。
因为 AI 真正带来的,不只是提速,而是迫使我重新定义:
什么事情必须我亲自做,什么事情不值得我从零开始做。
但我也越来越确定一件事:
不是每一步都值得交给 AI。
如果这件事不想清楚,AI 带来的不一定是效率,也可能只是另一种形式的忙碌。
以前我的工作流,更像“从零推到一”
以前做很多事,我都习惯自己从头推。
比如看到一个需求,我会先在脑子里把逻辑走一遍;
如果要做一个功能,我会先自己拆结构;
如果要写一篇文章,我会先自己想观点,再一点点展开。
这种方式当然也有好处。
它能让我对问题理解得更深,对结构更有掌控感。
尤其是在做架构、做取舍、做判断的时候,这种“先自己过一遍”的过程,其实很重要。
但它的问题也很明显:
很多重复性、低杠杆、初稿型的工作,其实不值得每次都由我自己从零开始。
以前我会把“自己全程做完”当成一种默认方式。
现在我越来越觉得,这种默认本身就很贵。
贵的不只是时间,还有注意力。
AI 最先改写的,不是我的代码,而是我的起手方式
我后来发现,AI 最先改变我的,不是某一段代码写得快了一点,而是我面对任务时的起手动作变了。
以前我接到一个问题,默认是:
“我先自己来。”
现在越来越多时候,我的默认变成了:
“我先让 AI 跑一遍,看它能不能帮我完成第一轮。”
这个“第一轮”很重要。
它不一定是最终答案,甚至很多时候离最终答案还差很远。
但它可以先帮我完成一些原本很耗时、但不一定需要我亲自从零完成的事情。
比如:
帮我先列一个结构
帮我先把一个模糊问题变成更清晰的问题
帮我先给出几个可比较的方案
帮我先生成一个初稿
帮我先补齐那些机械但必要的部分
这类事情,AI 做得不一定完美,但经常已经足够让我少走第一段路。
而第一段路,往往最耗精力。
现在我最常把这些环节交给 AI
我现在比较稳定会交给 AI 的,主要是下面几类。
1. 初稿型工作
比如:
文章初稿
PR review 提示词初稿
需求拆解初稿
文档结构初稿
SQL、脚本、配置说明的第一版
这种事情,以前我往往会自己先写个骨架。
现在很多时候我会先让 AI 出第一版,再决定怎么改。
不是因为它一次就能写对,
而是因为“先有一个可改的东西”,比“我自己从空白开始”轻很多。
2. 信息整理和结构化
有些问题不是难在不会,而是材料太散。
比如你脑子里已经有一堆点了,但没整理成结构;
或者需求聊了一圈,信息有了,但还不够清楚;
或者技术方案能想到几个方向,但没拉成对比表。
这种时候,AI 很适合做第一轮整理。
它最有价值的地方,不一定是“替我思考”,
而是“先把我已有的东西摊平”。
3. 重复性但不能完全省略的工作
有些事情不难,但总要做。
比如:
改写措辞
统一格式
补说明文档
生成基础代码骨架
转换表达方式
这些事以前我也能做,但很消耗耐心。
现在只要我判断它不需要核心判断,就更愿意先交给 AI。
但我也越来越明确:有些环节,不能轻易交出去
这也是我最近最清楚的一点。
AI 能参与很多工作,但不是所有关键环节都适合交给它。
有些地方一旦你过度依赖,表面上很快,实际上是在失控。
1. 关键判断,还是得自己做
比如:
这个需求到底值不值得做
这个方案的 trade-off 是什么
现在该优先做产品,还是先接项目
这个架构选择对后面维护意味着什么
这个功能是在验证,还是在自我安慰
这类问题,AI 可以帮我列选项、补角度、做提醒。
但最后的判断,我越来越不会交出去。
因为这种判断不只是信息问题,它还和目标、资源、阶段、风险承受能力有关。
这些东西,模型能辅助,但不能替代。
2. 最后的结构和语气,最好自己收
尤其是写文章这件事,我现在越来越有一个感觉:
AI 可以帮我跑第一稿,但最后“这篇到底像不像我”,还是得我自己收。
因为 AI 很容易把文章写得“正确”。
结构完整,逻辑也顺,甚至看起来没什么毛病。
但问题是,它也很容易把文章写得不像人。
更准确一点说,是不像“我”。
所以现在我对 AI 写作的要求,不是“你直接替我写完”,
而是“你先帮我把最费力的第一步走掉”。
后面的判断、取舍、删改、口气,还是得我自己来。
3. 涉及真实业务理解的部分,不能偷懒
AI 在“通用问题”上很强。
但一旦进入真实业务、真实用户、真实项目边界,它就很容易开始胡乱补全。
这也是为什么,我现在不太会把那些真正依赖上下文的东西,完全交给 AI。
比如:
客户真实需求
项目边界
产品阶段判断
技术选型背后的业务原因
这些问题表面上也能让 AI 说得头头是道,
但如果上下文没喂够,它很容易给你一个“看起来很合理,但不一定适合你现在”的答案。
这类地方,如果自己不把关,最后很容易被 AI 带偏。
AI 带来的最大变化,不是更快,而是我开始重新分配注意力
我现在越来越觉得,AI 对我最大的价值,不是“节省了多少分钟”,而是它逼我重新想清楚:
什么值得我亲自做,什么不值得。
以前很多事情,我默认自己从头做。
现在我越来越像一个“工作流调度者”。
我先看任务,再看环节,再决定:
哪些部分我自己来
哪些部分 AI 先跑
哪些部分我只看结果
哪些部分必须我亲自收口
这种变化,对我来说比“代码生成快一点”重要得多。
因为它影响的已经不是一个动作,而是整套工作方式。
以前我更像一个执行者。
现在我越来越需要先做分配,再做判断,再做收口。
某种程度上,AI 让我更像在管理自己的注意力,而不是单纯管理任务。
我现在的一个简单原则:把 AI 用在高重复、低判断、可快速验证的环节
如果让我把现在的经验压成一句话,大概就是:
高重复、低判断、可快速验证的环节,更适合先交给 AI。
反过来:
高风险
高判断
高上下文依赖
高个性表达
这些环节,我会更谨慎。
比如写一篇公众号文章,我现在比较愿意让 AI 帮我做:
选题延展
初稿结构
第一版正文
但我不会轻易把下面这些也完全交出去:
这篇到底值不值得写
核心观点要不要立这么重
哪一句最像我
哪一段应该删掉
这篇发出去,会强化我哪种形象
这些东西,还是得自己做。
所以现在对我来说,AI 不是替我工作,而是在重写我工作的分工方式
这可能是我最近最明显的感受。
很多人会把 AI 理解成一个更强的工具。
但我现在越来越觉得,它更像一个会不断逼你重新分工的搭子。
问题不再只是:
“这个事情能不能让 AI 做?”
而是:
“这个事情里,哪些部分值得我亲自做,哪些部分不值得?”
这两种问法差别很大。
前者容易把 AI 用成一个花哨工具。
后者才真的会开始改写工作流。
所以我现在不会再简单地问:
“要不要用 AI?”
我更常问的是:
“这一段流程,到底应不应该由我亲自从零开始?”
这个问题一旦开始常问,很多事情的做法都会变。
AI 正在重写我的工作流,这件事我已经越来越确定。
但我同样越来越确定:
不是每一步都值得交给它。
有些环节交出去,是提效。
有些环节交出去,是失控。
这两者的区别,接下来可能会越来越重要。
