一个技术人的 30 天 AI 协作实验

---

上个月我还在为 3 个需求熬到凌晨。这个月，我准点下班了 8 次。

不是活儿变少了，也不是公司突然良心发现。是我把 AI 助手从「玩具」摆到了「同事」的位置。

说出来挺俗，但你看完我 30 天的真实折腾，可能会有点不一样的感觉。

一、起点：我之前压根没把 AI 用明白

ChatGPT 火起来那阵，我也试用过。用几天就扔了。

为啥？因为我把它当成了"加强版搜索引擎"。问的问题都是这种货色：

• "Python 怎么读 CSV"
• "Docker 是干啥的"
• "Vue3 跟 Vue2 区别"

回答是挺全的——但我一点没觉得它帮到我了。该加班还是加班，该痛苦还是痛苦。

直到有一天我刷到一个说法，原话记不清了，大概意思是：

"AI 没变强，是你变强了。"

我琢磨了一晚上，决定换个姿势——不是"问它问题"，而是"派它干活"。

这一试，就是后面这 30 天。

二、最重要的一个认知：把 AI 当「实习生」

这是 30 天里我学到的最值钱的一课。

举两个真实例子。

❌ 我以前是这么问的：

"Python 怎么读 CSV？"

它甩给我一段代码，完事。报错了我自己改，路径不对我自己猜。

✅ 我现在会这么说：

"我有一份销售数据 CSV，路径在 ./sales.csv，10 万行左右。帮我写个脚本：按月聚合销售额，输出折线图，3 分钟内要。代码得能直接跑，别用冷门库。"

你品这两个 prompt 的差别。

维度	错的问法	对的问法
上下文	没有	文件路径、数据量都给了
约束	没有	时间、库的限制都说了
目标	模糊	明确要折线图

给上下文 + 给约束 + 给目标——这就是我把它当"同事"而不是"工具"的核心心法。

你想想，新来的实习生第一天上班，你会跟他说"去干活"吗？肯定不是。你会说"这活儿是给 XX 客户做的，3 天交，别用 XX 技术，有问题找我"。

AI 也是一个德性。

三、我把工作拆成 4 类，AI 接管 3 类

干了 30 天，我重新捋了捋自己的工作，发现能这么分：

类型	例子	谁来干
创造性	架构设计、技术选型、要不要接这需求	我
重复性	写文档、改 bug、查资料、翻译	AI
探索性	学新技术、试新工具、调研方案	我 + AI
杂事	写周报、回消息、整理会议纪要	AI

结论挺反直觉的——

我之前以为 AI 抢的是"创造性工作"，用了一个月才发现，它最强的不是创造，是接管那些"明明不需要创造力、但又臭又长"的活儿。

就说写周报。

以前写 1 小时。现在让 AI 扫一下我 git 提交记录和日历会议，15 分钟搞定。我改改润色、加上主观判断，收工。

省下的 45 分钟，我可以学新东西，也可以直接回家。

这才是 AI 真正帮我抢回来的时间。

四、我搞了个「提示词模板库」

用到第 10 天左右，我意识到一件事：

每次重新组织 prompt 就是在浪费时间。

我每周都得干这些事：写周报、审代码、调研技术方案、翻译英文文档。每件都得在脑子里重新组织语言。

烦死了。

于是我攒了一个模板库（其实就是 Notion 里的一堆 Markdown），给你看几个：

模板 1：写周报

``` 我本周主要做了以下工作（git 记录见末尾）： [粘贴 git log 或口述要点]

整理成结构清晰的周报，包含：

1. 本周完成（按重要性排序）
2. 进行中
3. 下周计划
4. 风险/需要帮助

风格：简洁，不超过 500 字，别用"赋能""抓手"这种恶心词。 ```

模板 2：代码审查

``` 审查下面代码，重点看：

1. 潜在 bug（尤其是边界）
2. 性能瓶颈
3. 可读性
4. 安全隐患

代码： [粘贴]

背景：这是 [XX 模块]，做 [XX 事情]的。 ```

模板 3：把技术方案翻译成人话

``` 我有个技术方案，里面全是 microservice、K8s、消息队列... 要给产品和老板讲清楚"这事儿对业务有啥好处"。

方案原文： [粘贴]

翻译成业务语言，重点强调：

• 解决了什么业务痛点
• 预计带来什么收益
• 需要业务侧配合啥 ```

这玩意儿威力在哪？ 第一次写要 10 分钟想好，之后每次用就是填空。

我现在遇到新任务，第一反应是：这事我有模板吗？ 没有就先攒一个。

用了 2 周，我大概攒了 20 多个模板。基本覆盖我 80% 的日常任务。

五、把「心跳检查」做成习惯

这招我是从一产品经理朋友那偷来的：

早上开电脑 + 晚上下班，都让 AI 跑一遍检查。

早上开机我会说：

"我今天日历是 [粘贴]，待办是 [粘贴]，帮我：

1. 标出今天最重要的事
2. 提醒时间冲突
3. 建议啥时段干啥事"

晚上下班我会说：

"我今天干了 [口述/粘贴 git]，明天要做 [粘贴日历]。帮我：

1. 总结今天的关键产出
2. 列出明天最该先做的 3 件事
3. 提醒还有啥没做"

加起来不到 5 分钟，但效果炸裂。

因为 AI 最强的地方不是"一次性聪明"，是**「持续在场感」**——它记得我昨天在干啥、我这周的目标是啥、我的习惯是啥。

它不是工具，是我的记忆外挂。

六、真实的一天：Before vs After

光说不练假把式。我把上个月某一天的工作流拉出来给你对比。

❌ Before（9:00 → 23:00，14 小时）

• 09:00 站会
• 10:00 写需求文档（2 小时，背景资料查一堆）
• 12:00 午饭
• 13:00 修 bug（3 小时，老代码没文档，啃到崩溃）
• 16:00 评审同事代码（1 小时，40 个文件看到眼花）
• 17:00 写技术方案（2 小时）
• 19:00 晚饭
• 20:00 改技术方案（2 小时，被驳回，理由是"业务价值没讲清"）
• 22:00 写周报（1 小时）
• 23:00 走人

✅ After（9:00 → 16:30，7.5 小时）

• 09:00 站会（AI 实时整理纪要）
• 10:00 让 AI 根据口述大纲生成需求文档（30 分钟）
• 10:30 修 bug（让 AI 帮我读老代码定位，1 小时搞定）
• 12:00 午饭
• 13:00 评审代码（AI 先过一遍标红，我只看重点，30 分钟）
• 13:30 写技术方案（AI 给我列对比 + 业务价值模板，我做决策，1 小时）
• 15:00 摸鱼 + 学新东西（1 小时）
• 16:00 写周报（AI 根据 git 记录生成，我改改，15 分钟）
• 16:30 走人

工时砍掉 46%，产出质量反而更高——因为每个环节我都在做"判断"和"创造"，不是"执行"和"重复"。

七、我也翻过 3 次车

这事儿我得说清楚——AI 不是万能的，我也翻过车：

翻车 1：把 AI 回答当真理

之前让 AI 帮我查 K8s 报错，它给了段看起来很专业的修复方案。

我直接复制粘贴执行了。

结果生产环境挂了。

教训：AI 给的方案永远要自己 review 一次。它大概率对，但"大概率"不等于"一定"。

翻车 2：让 AI 写我不会的东西

有次我让 AI 写一段 Rust 代码。

我自己 Rust 小白。

AI 给了 50 行代码，我完全看不懂，也没能力判断对错。上线后有性能问题，我根本调不动。

教训：AI 只能放大你的能力，不能补足你的能力。让 AI 写你不会的东西 = 在雷区裸奔。

翻车 3：忽略"上下文"

一开始我都是单句问，没头没尾。

它回答也经常"答非所问"——因为它根本不知道我的项目背景、技术栈、我的偏好。

教训：好的 AI 协作 = 好的上下文管理。现在我开新对话第一件事就是把背景说清楚：

"我是 [XX 角色]，做 [XX 项目]，技术栈 [XX]，目标 [XX]。记住这些，下面开始..."

八、最后说点人话

30 天下来，最大的感触就一句：

AI 不会让你变强，但会用 AI 的人，会让不会用的人变弱。

这话不是啥"取代人类"的宏大叙事，就是一技术人的朴素观察。

如果你也想试试，我建议你明天就开始做一件事：

🎯 把今天你最烦的那个任务，交给 AI 试试——哪怕就是写个周报。

30 天后回来告诉我效果。

反正对我来说，那个任务就是——写一篇关于"我用 AI 提效"的技术博客。

没错，你现在读的这篇就是这么来的。

下次见 👋