依我的经验，采纳任何真正有意义的工具都必然会经历三个阶段：（1）低效期（2）够用期，最后则是（3）彻底改变工作流乃至生活的发现期。

大多数情况下，我不得不逼着自己熬过前两个阶段，因为我通常已经有了一套称心如意的工作流。采纳新工具本身就像一份工作，我实在不想费这个劲，但为了让自己成为本领域更全面的人，我通常还是会去做。

这篇文章记录了我如何在 AI 工具中找到价值，以及我接下来想用它尝试什么。在充斥着过度夸张、炒作观点的海洋中，我希望它能呈现一种更细腻、更克制的视角，展现我对 AI 的看法是如何随时间而改变的。

第一步：抛弃聊天机器人

立刻停止试图通过聊天机器人（例如网页版的 ChatGPT、Gemini 等）来完成有意义的工作。聊天机器人确有价值，也是我日常 AI 工作流的一部分，但在编程方面的用处却非常有限，因为你很大程度上是在指望它们凭借先前的训练给出正确结果，而纠正它们则需要你这个人一遍又一遍地告诉它们错在哪里。这很低效。

我想每个人对 AI 的初体验都是聊天界面。我想每个人第一次尝试用 AI 写代码，也都是让聊天界面去写代码。

在我还是重度 AI 怀疑论者的时候，我的第一个“哇”时刻是把 Zed 命令面板的截图贴给 Gemini，让它用 SwiftUI 复刻，结果它完成得非常出色，让我大为震惊。如今 Ghostty 在 macOS 上发布的命令面板，也只是在 Gemini 几秒钟内为我生成的基础上做了非常轻微的修改。

但当我试图在其他任务上复现这种表现时，却大失所望。在 brownfield projects(存量项目)的场景下，我发现聊天界面很多时候给出的结果都很差，而且我发现自己在界面之间来回复制粘贴代码和命令输出，感到非常沮丧。这显然远不如我自己动手高效。

为了找到价值，你必须使用 agent(智能体)。agent 是行业通用的术语，指能够在循环中聊天并调用外部行为的 LLM¹ 至少，agent 必须具备以下能力：读取文件、执行程序以及发起 HTTP 请求。

第二步：复现你自己的工作

在旅程的下一阶段，我尝试了 Claude Code。直说了吧：起初我并不觉得惊艳。我的会话就是得不到好结果。我觉得它产出的所有东西都得我去修修补补，这个过程比我自己动手还要耗时。我看了博客文章、看了视频，但依然不觉得有多厉害。

我没有放弃，而是逼着自己用 agent 的提交来复现我所有的手动提交。字面意义上把活干了两遍。我先手动完成工作，然后再与 agent 较劲，让它在质量和功能上产出完全相同的结果（当然，不能让它看到我的手动方案）。

这非常痛苦，因为它妨碍了单纯地把事情做完。但我在非 AI 工具上已经摸爬滚打够久，深知摩擦是自然的，如果不竭尽全力，我就无法得出坚定、可辩护的结论。

然而，专业能力也由此形成。我很快从第一性原理出发，自己发现了别人早已在说的那些道理，而亲身发现让我的基础理解更加牢固。

1. 把会话拆分成独立、清晰、可执行的任务。不要试图在一个超大会话里“一步画出猫头鹰”。
2. 对于模糊的需求，把工作拆分为独立的规划阶段和执行阶段会话。
3. 如果你给 agent 一个验证其工作成果的办法，它十有八九会自己修正错误并防止回归。

更概括地说，我也摸清了当时 agent 擅长什么、不擅长什么，以及对于它们擅长的任务该如何获得我想要的结果。

所有这些都带来了显著的效率提升，以至于我开始自然而然地使用 agents，感觉速度并不比自己动手慢（但也并不觉得更快，因为我大多时候还是在照看一个 agent）。

这里的“留白”值得重申：这部分效率提升来自于懂得何时不去求助于 agent。对很可能失败的任务使用 agent 显然是巨大的时间浪费，而拥有避开这种陷阱的知识本身就能节省时间²。

在这个阶段，我已经从 agents 身上获得了足够的价值，很乐意在工作流中使用它们，但仍不觉得看到了净效率增益。不过我并不在意，此时我已经满足于把 AI 当作一件工具。

第三步：日终 Agent

为了尝试找到一些效率，我接着开启了一种新模式：每天留出最后 30 分钟来启动一个或多个 agents。我的假设是，或许如果 agent 能在我本来就无法工作的时间里取得一些积极进展，我就能获得一些效率。基本上就是：与其试图在拥有的时间里做更多，不如试图在没有的时间里做更多。

和之前的任务类似，我起初发现这既不成功又很烦人。但是，我很快又发现了几类非常有帮助的工作：

• 深度研究会话，我会让 agents 去调研某个领域，例如找出特定语言中具有特定许可证类型的所有库，并为每一个生成多页的总结，涵盖其优缺点、开发活跃度、社区口碑等。
• 让多个 agents 并行尝试我有的一些模糊想法，但我没时间着手。我并不指望它们能产出可直接发布的东西，但或许能在我第二天着手任务时，揭示一些未知的未知。
• Issue 和 PR 的分拣/审查。agents 很擅长使用 gh（GitHub CLI），所以我手动写了个脚本，快速并行启动一批来分拣 issue。我绝不会让 agents 去回复，我只想要第二天的报告，以此来引导我去关注高价值或低投入的任务。

说清楚一点，我并没有像其他人那样让 agents 整夜循环运行。大多数情况下，agents 在不到半小时内就完成了任务。但是，在工作日的后半段，我通常已经疲惫、脱离了心流状态，发现自己个人效率很低，所以把精力转向启动这些 agents，反而让我在第二天早上获得了一个“热启动”，比原本更快地进入工作状态。

我很满意，也开始觉得自己比使用 AI 之前做得更多了，哪怕只是多了一点点。

第四步：把十拿九稳的活外包出去

到这个阶段，我已经非常清楚我的 AI 擅长和不擅长哪些任务。对于某些任务，我非常确信 AI 能给出基本正确的解决方案。所以旅程的下一步是：让 agents 去做所有那些工作，而我则去处理其他任务。

更具体地说，我每天开始工作时，会拿出前一晚 triage agents 的结果，手动筛选出那些 agent 几乎肯定能很好解决的 issue，然后让它们在后台继续运行（一次一个，而非并行）。

与此同时，我会去做别的事。我没有去刷社交媒体（并不比不用 AI 时更多），也没有看视频等等。我处于自己原有的、正常的、AI 出现之前的深度思考模式中，去做我想做或必须做的事。

在这个阶段非常重要的一点是：关闭 agent 的桌面通知。上下文切换的成本非常高。为了保持高效，我发现作为人类，我的职责是掌控何时去打断 agent，而不是反过来。别让 agent 来通知你。在工作的自然间隙，再切换过去查看它，然后继续。

重要的是，我认为“去做别的事”有助于抵消那篇被广为宣传的 Anthropic 技能形成论文所指出的问题。毕竟，这是一种权衡：你把任务委托给 agent，就不会在这些任务上形成技能，但与此同时，你在继续手动处理的任务上仍会自然地形成技能。

到此时，我已经坚定地进入了“再也回不去”的境地。我觉得自己更高效了，但即便不是，我最喜欢的一点是，我现在可以把编码和思考集中在我真正热爱的事情上，同时仍能妥善完成那些我不喜欢的任务。

第五步：打造驾驭系统

有冒着说废话的风险：当 agents 第一次就产出正确结果，或至少产出只需极少修补的结果时，效率要高得多。实现这一点最可靠的方法，就是给 agent 提供快速、高质量的工具，让它能自动知道自己何时错了。

我不知道业界是否已经对这种做法有了广泛接受的术语，但我已经习惯称之为“harness engineering(驾驭工程)”。它的理念是，每当你发现 agent 犯了错误，就花时间去设计一个解决方案，确保 agent 再也不会犯同样的错误。我没必要在这里发明新词；如果已有别的称呼，我很乐意跟随。

这有两种形式：

1. 更完善的隐式提示（AGENTS.md）。对于一些简单问题，比如 agent 反复运行错误的命令或找到错误的 API，更新 AGENTS.md（或等效文件）。这里有一个来自 Ghostty 的例子。该文件中的每一行都是基于一次糟糕的 agent 行为而写下的，而它们几乎完全解决了所有这些问题。

2. 实打实的、编程式的工具。例如，用于截图、运行筛选后的测试等的脚本。这通常会配合对 AGENTS.md 的修改，让它知道这些工具的存在。

这就是我目前所处的位置。每当我看到 agent 做了件坏事，我都会认真地努力去防止它再做同样的坏事。反之，我也在认真努力让 agents 能够验证自己正在做正确的事。

第六步：始终让一个 Agent 保持运行

与第五步同时进行的是，我也在朝着始终让一个 agent 保持运行的目标努力。如果没有 agent 在运行，我就会问自己“现在有没有什么事是 agent 可以为我做的？”

我特别喜欢将其与更慢、更深思熟虑的模型结合起来，比如 Amp 的 deep mode（基本上就是 GPT-5.2-Codex），它可能要花 30 多分钟来做一些小的改动。但好处是，它往往能产出非常好的结果。

我（目前还）没有同时运行多个 agents，而且现在也不太想这么做。我发现保持一个 agent 运行对我目前来说是一个很好的平衡，既能让我从事自己喜欢的深度手动工作，又能兼顾照看我那个有点笨却又神奇地富有成效的机器人朋友。

“始终让一个 agent 保持运行”这个目标目前还只是个目标。我想说，现在在一个正常工作日里，我大概只有 10% 到 20% 的时间能有效地让一个后台 agent 保持运行。但是，我正在积极努力改进这一点。

当下

这就是我目前的状态。

通过这段旅程，我个人已经达到了一个能够成功运用现代 AI 工具的阶段，并且我相信自己正以一种恰当、克制且立足现实的视角来看待它。我真的不太在意 AI 是否会长久存在³，我只是一个软件工匠，只想出于对这门手艺的热爱去构建东西。

整个领域变化如此之快，我确信很快再回头看这篇文章时，就会嘲笑自己的天真。但是，正如人们所说，如果你不能为过去的自己感到尴尬，那你大概就没有在成长。我只希望自己能朝着正确的方向成长！

我在此没有任何利益纠葛⁴，当然，除了实用性之外，也还有其他理由让人选择不使用 AI。我完全尊重每个人在这方面的个人决定。我不是来劝服你的！对于感兴趣的人，我只是想分享我探索这些新工具的个人方法，并让大家一窥我通常是如何对待新工具的，无论是否与 AI 相关。