效率系统 07｜AI 搭档——让 AI 做你不该做的事

我们应该用计算机来做计算机擅长的事，
这样人类就可以去做人类擅长的事。

我第一次认真用 AI 工作是在准备一个分享的时候。那个话题我已经想了很久，脑子里有大致的框架，但从零开始做 PPT 实在太痛苦——每次打开空白页就开始发呆。后来我试着把我的想法口述了一遍，让 AI 帮我整理成大纲，然后基于大纲生成每一页的要点。整个过程不到一个小时，我就有了一份可以开始修改的初稿。接下来的两个小时，我把精力全部花在了调整逻辑、打磨表达、加入我自己的例子上——这些才是真正需要我的部分。

那个经历让我意识到一件事：之前那些「准备分享」花掉的大量时间里，真正需要我的判断力的部分其实只有一半。另一半——信息整理、格式排版、初稿生成——是可以交出去的。AI 不是在替代我，是在替代我系统里不需要我的那些环节。

这篇想讲清楚 AI 在你的个人效率系统里应该扮演什么角色：什么事该交给它，什么事不该交给它，以及怎么一步步把它变成你的工作搭档。

一、AI 能帮你做的三个层次

我把 AI 在个人工作中能做的事分成三个层次，从简单到复杂：

第一层：信息获取和理解。 这是最基础的用法。你需要了解一个不熟悉的领域、读一份长报告的摘要、查一个概念的定义和来源、比较几个选项的优劣——以前你需要花一两个小时搜索、阅读、整理，现在 AI 可以在几分钟内给你一个结构化的起点。

具体场景：

「帮我总结这篇论文的核心发现和方法论」
「我在考虑 A 和 B 两个方案，帮我列出各自的优劣势」
「用简单的语言解释一下什么是注意力残留，以及它是谁的研究」

这一层的关键是：AI 给你的是起点，不是终点。 它帮你快速建立一个基本理解，让你可以更高效地决定下一步要深入哪个方向。但 AI 的信息不总是准确的——尤其是涉及具体数字、研究细节和最新事实的时候——所以你仍然需要验证重要的信息。

第二层：初稿生成。 这是目前 AI 最能提高效率的用法。你知道要写什么、大致的方向和论点已经在你脑子里，但从零开始写一个初稿非常耗时。AI 可以基于你的提纲或口述，快速生成一个初稿，然后你在这个初稿上修改、补充、重写。

具体场景：

「基于这个大纲，帮我写出每一节的初稿」
「我需要回复这封邮件，大意是感谢对方但婉拒合作邀请，帮我起草一版」
「把这段技术文档改写成非技术人员能看懂的版本」
「帮我写一个 Python 脚本，功能是把这个文件夹里的 markdown 文件按日期排序并提取标题」

这一层要注意的是：AI 的初稿往往在「正确但无聊」的区间——结构合理、逻辑通顺，但缺少你的个人风格、具体经验和独到判断。你的工作不是接受初稿，是在初稿上注入你自己的东西。 这个过程比从零开始写快得多，但它仍然需要你的全部注意力和判断力。

第三层：系统搭建。 这是最高级的用法——用 AI 帮你建立可以反复使用的流程和工具。写一个自动化脚本、搭一个数据处理流程、设计一个模板系统、配置一套工作流。

具体场景：

「帮我写一个脚本，每天自动把我的 Obsidian Daily Note 里的任务提取出来生成一个周报」
「帮我设计一个文章写作的 checklist 模板，包括研究、初稿、修改、发布各阶段的检查项」
「帮我搭一个简单的数据分析流程：从 CSV 导入数据、做基本的统计、生成图表」

这一层的价值在于它有杠杆效应——你和 AI 花两个小时搭的一个系统，可能在接下来几个月里为你节省几十个小时。这和杠杆那篇讲的是同一个逻辑。

二、什么不该交给 AI

在兴奋地把什么都交给 AI 之前，先讲清楚什么不应该交出去。

最终判断。 AI 可以帮你做分析、列选项、模拟不同场景的后果，但最后的决定必须是你做的。因为判断涉及价值排序——什么对你更重要、你愿意承受什么代价、你想成为什么样的人——这些只有你自己知道。AI 可以是你的参谋，但不应该是你的司令。

价值选择。 「这篇文章的立场是什么」「我应该支持哪一方」「这个合作要不要做」——这些问题的答案取决于你的价值观，不取决于信息量。AI 没有价值观，它给出的「建议」只是在模式匹配，不是在做价值判断。

关系维护。 AI 可以帮你起草一封感谢邮件，但如果那个关系对你很重要，你至少需要自己读一遍、改成你的语气、确认每一句话都是你愿意说的。更重要的关系行为——倾听、陪伴、冲突中的真诚——是不能外包的。

深度学习。 AI 可以给你一个领域的概览，但真正的理解需要你自己走一遍——读原始材料、做笔记、和你已有的知识连接、在实践中检验。如果你把学习完全交给 AI，你得到的是别人的总结，不是你自己的理解。Ethan Mollick 在《Co-Intelligence》里说过一个很好的比喻：AI 是一个极其博学但有时候会编造事实的实习生。 你可以让实习生帮你收集资料，但你不会让实习生替你做毕业论文。

你的声音。 如果你在做内容——写文章、录播客、做视频——AI 可以帮你在效率上加速，但你的声音、你的视角、你的经历是不可替代的。读者来看你的内容，是因为你是你，不是因为你用了什么工具。我自己写文章的时候，AI 帮我做研究和整理素材，但正文里的每一个判断、每一个例子、每一处语气都是我自己写的。如果一篇文章听起来像谁都能写的，那它就不值得发。

三、怎么和 AI 有效对话

AI 的产出质量很大程度上取决于你怎么和它沟通。这不是一个「输入关键词就能得到正确答案」的搜索引擎——它更像一个需要被 brief 的队友。

给足上下文。 不要说「帮我写一封邮件」，要说「帮我写一封给客户的邮件，对方是一个我合作了两年的设计公司负责人，我需要婉拒他们的报价因为超出预算 30%，但保持合作关系、留下以后再合作的空间。语气要专业但不冷淡」。上下文越具体，AI 的产出越贴近你的需求。

先给结构，再要内容。 如果你需要 AI 写一篇长文，先让它生成一个大纲，你审核和调整大纲之后，再让它逐节展开。这比直接让它写完整篇文章效果好得多——因为你在大纲阶段就介入了方向，而不是在终稿阶段再去大幅修改。

迭代，而不是一次到位。 第一版通常不会完美。但与其在提示词里试图把所有要求都说清楚，不如先拿到一个初步的版本，然后告诉 AI 哪里不对、怎么改。「第二段太长了，缩到两句话」「这个例子不够具体，换一个和职场相关的」「语气太正式了，改成和朋友聊天的感觉」。

让 AI 扮演反对者。 这是一个很有价值但很少有人用的方法。当你做完一个决策或者写完一个方案，让 AI 指出它的问题和盲区。「看看这个计划，尽量找出它可能失败的理由」「对这个论点提出三个最强的反驳」。这不是因为 AI 比你聪明，而是因为它没有你的情感偏见——你可能因为已经投入了大量时间而不愿意质疑自己的方案，但 AI 不会。

四、一个新手的 AI 工作流起步

如果你现在还不怎么用 AI 工作，这里是一个适合新手的起步路线。

第一周：用 AI 做信息获取。 遇到一个不熟悉的概念、需要比较几个选项、或者要读一份长文档的时候，试着先问 AI。注意它给你的信息是不是准确（特别是数字和引用来源），但不要因为偶尔的不准确就放弃——把它当成一个快速获取起点的方式。

第二周：用 AI 写初稿。 挑一件你需要写文字的事——邮件、报告、分享的大纲——让 AI 先给你一个初稿。然后花时间在初稿上修改。注意比较一下：从 AI 初稿上修改，和你自己从零开始写，哪个更快、结果哪个更好。

第三周：用 AI 做一个小自动化。 想一个你经常重复做的事——整理数据、格式转换、信息汇总——让 AI 帮你写一个脚本或模板来自动化它。你不需要懂编程，AI 可以用自然语言理解你的需求并生成代码。

第四周：建立你的 AI 使用习惯。 回顾前三周的体验，确认哪些场景下 AI 真的帮到了你、哪些场景下它不太行。把有用的场景固定下来——比如「写邮件之前先让 AI 起草」「做研究时先问 AI 要一个框架」——变成你工作流里自然的一步。

五、选 AI 工具：不用纠结太久

关于「用哪个 AI」，我的建议是：不用花太多时间比较，先用起来最重要。

目前主流的几个选择：

Claude（Anthropic）。 长文写作和深度分析是它的强项。理解复杂指令的能力强，输出质量比较稳定。如果你的主要用途是写作、研究、分析、和代码，Claude 是很好的选择。Claude 还有 Claude Code 可以直接在你的电脑上帮你做事——读文件、写代码、搭建系统。

ChatGPT（OpenAI）。 全能型选手，在各种场景下表现都不错。有联网搜索能力，可以直接帮你查最新的信息。移动端 app 做得好，语音对话流畅。如果你只想装一个 AI app 日常用，ChatGPT 的综合体验很好。

其他选择。 Google Gemini 和 Google 生态整合好（如果你重度使用 Gmail、Google Docs、Google Calendar）。各种专门领域的 AI 工具也在出现——Cursor 专注于编程，NotebookLM 专注于文档分析。

我的做法是同时保留 Claude 和 ChatGPT，根据场景选用。需要深度写作和分析时用 Claude，需要快速搜索和日常问答时两个都用。但如果你刚开始，选任何一个都好——先用起来，用了一两个月之后你自然会知道自己需要什么、什么适合你。

和数字极简那篇讲的一样：不要在选工具上花太多时间。用起来之后的实践才会告诉你真正需要什么。

六、AI 在你效率系统里的位置

回到这个系列的整体框架，AI 不是一个独立的系统，它是你已有系统的加速器。

在精力管理层面：AI 可以帮你在低精力时段处理不需要创造力的事（整理信息、格式化文档），把你的高精力时段留给真正需要你的工作。

在深度工作层面：AI 可以帮你减少深度工作的启动阻力——从一个空白页面开始写很痛苦，但从一个 AI 生成的初稿开始改就容易多了。

在任务系统层面：AI 可以帮你把模糊的任务变成具体的下一步行动。「我需要准备一个关于 X 的分享」——让 AI 帮你拆解成一个 10 步的准备清单。

在时间块层面：有了 AI 之后，很多任务的时间估算需要更新。以前需要 3 小时的研究工作，现在可能 1 小时就够了。你的时间块可以重新分配，把省下来的时间用在更重要的事上。

在杠杆层面：AI 本身就是一个杠杆，而且是一个几乎不需要门槛的杠杆。你不需要会编程、不需要有资本、不需要雇人——只需要知道什么时候让 AI 帮你、怎么和它沟通。

但 AI 放大的是你的系统，不是替代你的系统。 如果你没有清晰的优先级，AI 只会帮你更高效地做不重要的事。如果你没有判断力，AI 的产出你连好坏都分不出来。先把前面五篇讲的系统建好，然后用 AI 来加速它。 顺序不能反。

这也是为什么这篇放在系列的最后——AI 是最后加的一层，不是第一层。

这一篇之后，你可以做的

还没有用过 AI 工作的人：下载 Claude 或 ChatGPT 的 app（两个都免费），问它一个你这周工作中遇到的真实问题。可以是「帮我解释一下 X 概念」「帮我比较 A 和 B 方案」「帮我起草一封邮件」。感受一下它能做什么、不能做什么。
已经在用 AI 但主要是聊天的人：这周挑一件需要写文字的工作任务，让 AI 先给你一个初稿。然后花时间在初稿上修改，加入你自己的判断、例子和风格。体会一下「改稿」和「写稿」在时间和精力上的区别。
想用 AI 做自动化但不知道从何下手的人：想一件你每周都在手动做的重复性工作。用自然语言描述给 AI：「我每周需要从 X 地方把 Y 数据复制到 Z 表格，能不能帮我写一个脚本自动做？」你不需要懂代码，AI 会帮你写，你只需要运行和测试。
经常用 AI 但总觉得产出质量不够好的人：在下一次使用 AI 之前，先花 2 分钟写下你对这次产出的具体要求——目的是什么、读者是谁、语气什么样、长度多少、不要出现什么。把这些要求连同你的内容一起发给 AI。比较一下有要求和没要求的产出差别。
想建立 AI 工作习惯的人：这周每天结束工作之前，花 5 分钟想一下：今天有哪件事如果交给 AI 做初步处理，我可以省出多少时间？记下来。一周后回看，你会更清楚 AI 在你的工作流里最适合放在哪里。

一点边界

这篇讲的是 AI 在个人效率系统里的位置，不是 AI 工具的详细使用教程。具体的 AI 使用技巧和进阶方法，属于 AI 相关的专门内容。
AI 的能力在快速变化。这篇写的时候适用的判断（什么该交给 AI、什么不该），在一两年后可能需要更新。但核心原则——「把不需要判断力的事交出去，把时间留给需要判断力的事」——会持续成立。
如果你发现自己对 AI 产生了过度依赖——不敢自己写第一稿、不愿意自己做研究、在 AI 确认之前不敢做判断——这值得注意。AI 应该是增强你能力的工具，不是替代你能力的拐杖。

这个系列会讲什么

参考

Mollick, E.（2024），Co-Intelligence: Living and Working with AI，Portfolio
Newport, C.（2016），Deep Work: Rules for Focused Success in a Distracted World，Grand Central Publishing
Naval Ravikant（2019），How to Get Rich (Without Getting Lucky) 系列推文及播客