文章
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。