用了一年AI工具，说几个真实感受

去年这个时候，我开始有意识地记录自己用AI工具的情况。不是那种严肃的实验，就是随手在备忘录里记一笔：今天用了什么、干了什么、感觉怎么样。一年下来，翻了翻这些记录，发现有些变化挺有意思。最开始我主要用AI来改文章，把写好的段落丢进去，让它帮我润色。那时候觉得它像个反应很快的编辑，但有时候改出来的句子太顺了，顺得不像人话。后来慢慢换了用法，更多是让它帮我理思路，比如列个提纲、找找反例，效果反而更好。

写作之外，我用得最多的是代码辅助。我不是专业程序员，但偶尔要写点小脚本处理数据。以前遇到报错就头疼，现在把错误信息贴给AI，它通常能指出问题在哪。有一次我写了个爬虫，想抓某个网站的文章标题，结果一直返回空列表。折腾了半小时没搞定，最后把代码和报错一起丢给AI，它看了一眼说：你请求头里的User-Agent没加，对方服务器直接拒绝了。加上之后果然好了。这种时刻确实让人觉得省心，但我也遇到过它一本正经胡说八道的时候——编了一个根本不存在的库函数，还给我解释了用法。

说到数据，我有个习惯，每周会花十分钟整理一下这周用AI工具的情况。不是搞什么复杂的分析，就是记几个数：用了多少次、主要在哪些场景、有没有哪次特别满意或者特别恼火。三个月下来，我发现自己用得最多的场景其实是“把一段话改短”。这个需求听起来很小，但频率极高。写邮件、写备注、写摘要，都需要把啰嗦的表达压缩一下。而用得最少的，是让AI帮我做决策。试过几次，它给的建议太四平八稳了，像那种谁也不得罪的会议发言，参考价值有限。

还有一个观察：AI工具在“预测”方面的表现，取决于任务本身有没有规律。比如让它预测一段代码运行后大概会输出什么，准确率挺高，因为逻辑是确定的。但让它预测一篇文章会不会受欢迎，基本靠猜。我试过把同一篇文章的标题给AI，让它判断哪个点击率更高，结果和实际数据走势对不上。后来想明白了，它学的是语言模式，不是真实世界的反馈循环。所以现在我把它的预测当参考，不当结论。

工具本身也在变。去年用的几个AI写作助手，界面简陋，响应也慢。今年再看，有的已经集成了联网搜索，有的能直接读你上传的文档。我常用的一款笔记软件，上个月更新后加了个“AI整理”按钮，点一下就能把零散的记录归成待办清单。这个功能我一开始觉得鸡肋，后来有次出差前随手点了，发现它把我之前记的“买转接头”“确认酒店发票”“下载离线地图”几条零散笔记，合并成了一个出行清单。虽然简单，但确实省了我重新翻记录的时间。

当然也有让人烦躁的地方。最典型的是“过度帮忙”。你让它改一个句子，它给你重写一整段；你让它查一个事实，它给你写一篇小作文。有时候我就想要一个简单的答案，它偏要展示自己的表达能力。还有个问题是记忆。有些工具号称能记住你的偏好，但实际用起来，换个对话窗口就忘了。我试过连续三天告诉同一个AI“我不喜欢用感叹号”，第四天它还是给我发了三个感叹号。这种时候就觉得，它离“懂你”还差得远。

回头看这一年的使用记录，我的整体感受是：AI工具确实能提效，但前提是你得知道什么时候用它、什么时候不用。把它当副驾驶，别当自动驾驶。有些任务它做得又快又好，比如格式化数据、翻译技术文档、解释报错信息。有些任务它目前还不靠谱，比如需要真实世界判断的预测、需要长期记忆的个性化服务。我现在的习惯是，每次用它之前先花五秒钟想想：这件事有没有明确的规则？如果有，交给它；如果没有，自己来。这个简单的判断，帮我省了不少返工的时间。