两年半后，我不再“写”代码，而是“指挥”一个AI团队

AI赋能：我的两年半工作与生活重塑之旅

从一个AI技术的尝鲜者，到如今深度融入工作与生活的方方面面，AI的冲击力日益显现。越来越多的人开始拥抱AI，探索其无限可能。我的团队也借此东风，在产品规划、需求拆解、原型设计、前后端研发、运维部署等全流程实现了显著的效率提升，并将AI应用切实融入了业务实践。本文将深入剖析AI在过去两年半里为我的工作与生活带来的深刻变革，以及我是如何一步步构建起与AI协同的新工作流的。

距离我上次分享“AI时代来了，还在自己写代码？Prompt Engineering你会了吗？”已近两年半。回首望去，当年那些尚显新颖的AI应用场景——需求分析、编程辅助、语义揣摩、日程规划、游戏开发、学习辅导——如今已悄然成为现实。从最初的好奇探索，到如今撰写大量文章、进行分享和讲座，我愈发感受到AI带来的颠覆性力量，以及人们对其日益增长的兴趣和多样化的应用方式。在此过程中，我也不断学习，拓展了新的AI使用边界。我的团队更是如此，如今已能实现从产品规划到全流程闭环的AI驱动研发，极大地提升了业务效率。

工作篇：AI驱动的效率

声明：大部分AI工具需联网使用，请务必注意数据隐私和安全。

“工欲善其事，必先利其器。”在工作场景下，我将重点介绍几款高频使用的AI工具及其应用方法。许多人通过“Vibe Coding”（即Prompt Engineering的升级版，增加了Agent执行能力，减少人工干预）体会到AI在工作效率上的提升。然而，AI的变革不应止于少数人，我将分享更广泛的应用场景，助力大家在更多领域提高效率。

第一阶段：信息处理与规划——工作的起点

无论是启动新项目、处理日常事务，还是规划工作日程，信息处理与规划都是一切工作的基石。

1.1 信息获取与整合：深度研究与知识库构建

场景：研读行业报告、分析竞品动态、学习新技术、理解客户需求文档、消化冗长的邮件与会议纪要。

工具：Gemini、ChatGPT、NotebookLM

1.1.1 深度网络数据检索 (Deep Research)

Gemini和ChatGPT作为顶尖的大语言模型，在信息获取方面各有千秋。ChatGPT在内容质量上略胜一筹，而Gemini则在速度上更具优势。它们的核心能力在于“Deep Research”——AI自主进行网络信息检索，整合多源数据，进行深度分析，并以报告形式输出。这相当于AI接收指令后，自主调用多个操作（Agent）来完成任务。它会不断尝试不同的关键词在搜索引擎或专业期刊网站（如arXiv）上进行信息检索，然后深入阅读，交叉比对数据，最终提供详尽解答。例如，获取“大语言模型工具对比”的相关数据，只需设定研究主题，AI便能输出完整的思考和查询链路，甚至列出引用的文献，极大地节省了我们逐个网站查找和阅读的时间，效率提升可达95%。

1.1.2 自有数据整合与查询

在实际工作中，往往需要将AI检索到的公开信息与自有方案、文档进行交叉比对，甚至整合音频、视频等非文本信息。NotebookLM，一款基于Gemini大语言模型的工具，能够通过文章链接、视频、音频、自建文档等，构建个人或项目的知识库。例如，将Deep Research生成的文档与YouTube上的评测视频链接相结合，NotebookLM可以提问、查询、生成简报，甚至以播客的形式进行对话问答，极大地方便了困惑的解答和知识的梳理。

1.2 思考与创意生成：AI赋能的头脑风暴

场景：针对问题或目标进行头脑风暴，构思解决方案、策划活动、设计新功能。

AI应用：与ChatGPT、Claude或Gemini进行对话式头脑风暴，让AI扮演不同角色（如“挑剔的用户”或“资深架构师”）以激发灵感。

1.2.1 澄清需求本质：扮演“产品经理”

面对新需求，尤其是陌生的系统，AI可以帮助我们快速理解“是什么”。通过让AI扮演“资深产品经理”，深挖需求背后的商业逻辑和用户价值。例如，对于“为电商App增加商品推荐模块”的需求，AI可以清晰地阐释其核心价值和对公司的益处，并列出可能包含的子功能。

1.2.2 技术选型与方案设计：扮演“资深架构师”

在明确需求后，AI能辅助进行“怎么做”的思考。让AI扮演“经验丰富的电商系统架构师”，针对现有技术栈（如Java Spring Boot微服务架构），提供至少两种技术实现方案，并分析其优缺点、开发复杂度和对现有系统的影响。AI能够快速勾勒出技术轮廓，并进行多方案对比，为技术选型提供专业建议。

1.2.3 风险评估与压力测试：扮演“魔鬼代言人”

为了确保方案的稳健性，可以要求AI扮演“挑剔的工程师”或“QA测试”，对初步方案进行“攻击”，提前暴露潜在风险。AI能够从性能、可扩展性、数据一致性、安全性等多个角度，指出方案可能存在的缺陷。

1.3 制定计划与任务拆解：将方案转化为行动

场景：将已确定的方案细化为可执行的任务清单。

AI应用：让AI扮演“敏捷开发教练和技术组长”，将方案拆解成详细的开发任务清单，包括任务分组、子任务、描述、完成标准，并指出依赖关系。通过Markdown表格形式输出，便于后续导入项目管理工具。

此外，借助Napkin等工具，可以将文档内容转化为可视化图表，如流程图、思维导图，更清晰地梳理步骤和逻辑。

第二阶段：执行与产出——AI驱动的开发与运维

在完成产品规划和需求拆解后，AI在实际执行阶段同样扮演着关键角色。

2.1 原型图设计：快速可视化界面

AI应用：利用ChatGPT、Claude或Gemini的Canvas功能，直接生成页面绘画。对于专业设计师，Stitch或CodeBuddy等工具能通过文本/图片描述生成Figma原型设计图。

2.2 前后端开发：高效代码生成与优化

工具：Cursor、Claude Code、Trae、Cline、RooCode、AMPCode、AugmentCode、CodeBuddy等。

2.2.1 提升AI代码生成效果

AI代码生成效果不佳的原因往往在于上下文信息不足。提供越详尽的上下文，AI的表现越出色。例如，为电商推荐系统V1.0设定明确的角色（顶级电商公司架构师）、项目目标（构建可扩展、高性能的推荐系统）、核心用户故事、技术栈选型、系统架构与组件规格、数据模型与API契约，以及详细的交付要求。AI能够基于这些信息生成高质量的代码，包括后端微服务、Spark作业、Docker Compose文件和详细的README文档。

关键提示：

• 上下文是关键：提供详尽的项目背景、技术栈、用户故事、数据模型和API契约。
• 选择强大的模型：Claude等拥有大上下文窗口的模型在处理复杂项目时表现更优。
• 优化上下文管理：通过建立全局索引、生成README文件、使用Project Memories等方式，帮助AI更好地理解项目代码库。
• 预先规划与测试：利用AI的Plan Mode生成开发计划，并要求在执行过程中提供单元测试，避免返工。

2.2.2 大型项目中的AI编码

对于大型项目，AI的上下文窗口限制可能导致效果下降。通过建立全局索引、生成项目README文件，以及利用Project Memories等机制，可以显著提升AI对代码库的理解和编码质量。

2.3 运维部署：赋能非运维角色的部署能力

AI的普及使得非运维角色的开发人员也能轻松掌握部署和运维技能。通过不断向AI提问，可以了解和执行部署系统所需的各种命令，极大地降低了跨角色的协作门槛。

第三阶段：总结与复盘——持续改进与知识沉淀

此阶段旨在对产出结果进行审视，总结经验教训，为未来的工作提供优化方向。

沟通与协作：AI助力高效会议

应用：腾讯会议AI助手等工具，可自动进行语音转文字，并在会后生成会议纪要、提炼待办事项。这使得团队成员能全身心投入讨论，无需分心记录，会后即可获得清晰的会议成果。

总结、汇报与复盘：代入上级视角

AI可以帮助我们跳出自身视角，代入上级或客户的关注点。通过喂给AI过往的沟通记录和要求，让它扮演上级角色，进行提问和刁难，从而更好地提炼工作亮点，呈现价值和收益。

生活篇：AI赋能的个性化体验

AI不仅重塑了我的工作方式，也极大地丰富了我的生活。

育儿&游戏：AI的公平与个性化

AI消除了职业边界，带来了更多公平。它为每个人提供了前所未有的能力边界，使得个人也能完成过去需要团队协作才能完成的任务。

专属老师：AI驱动的教育平权

AI可以为每个人提供量身定制的学习体验。无论身处何地，AI都能像一位耐心、专业的老师，用学生能理解的方式解答问题，提供个性化的学习辅导。ChatGPT的Voice Mode，尤其适合儿童教育，能够耐心解答各种问题，不会像真人老师那样感到不耐烦。

智能伴游：博物馆的AI导览

在参观博物馆时，AI（如Gemini Live Mode）能够通过摄像头实时讲解文物和历史，如同私人导游一般，极大地提升了参观体验和学习效果。

故事专家：个性化童话创作

为了给孩子讲独一无二的故事，AI可以根据关键词、角色等元素，现场构思并续写故事，并利用NotebookLM记录和管理故事内容，甚至生成播客，方便回味。

游戏设计师：圆梦童年与创意无限

AI使得复刻童年游戏、设计专属游戏成为可能。例如，复刻多人联机版贪食蛇，制作专属于孩子的Minecraft，甚至为Chrome离线小恐龙编写机器学习程序以获得高分。

更多场景：AI的多元应用

AI在生活中的应用远不止于此，例如利用文生图能力设计会海报、借助AI调和家庭误会、以及进行详细的旅行规划对比等，都极大地便利了我的生活。