我在采用任何有意义的工具时，通常都会经历三个阶段： （1）低效期 →（2）勉强可用 →（3）改变工作方式甚至人生的阶段。
大多数情况下，我必须强迫自己熬过前两个阶段，因为我已经有一套让我舒服的工作流程。采用新工具本身就是一项工作，而我并不想投入精力。但为了成为一个更全面的开发者，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，以及我接下来想尝试什么。在充满夸张和炒作的讨论中，我希望提供一种更克制、更理性的视角。
（顺带一提，这篇文章完全是我亲手写的。）
第一步：放弃聊天机器人
不要再试图用聊天机器人（例如 ChatGPT、Gemini 网页版）来完成“严肃工作”。
聊天工具确实有价值，也是我日常使用的一部分，但在编程场景中，它们效率很低： 你本质上是在“赌”它一次给出正确答案，而纠错需要你反复介入。
大多数人第一次接触 AI 都是聊天界面，也会尝试用它写代码。
我曾有一个“哇”的时刻：把一个 UI 截图丢给 Gemini，让它用 SwiftUI 重现，它做得非常好。
但当我尝试在真实项目中复用这种能力时，体验却很差： 需要反复复制粘贴代码、输出，结果也经常不理想——明显比自己写还慢。
👉 想获得价值，你必须使用“Agent”。
Agent 是一种可以循环执行操作的 LLM，至少要能：
- 读文件
- 执行程序
- 发起 HTTP 请求
第二步：复现你自己的工作
我开始使用 Claude Code，但一开始并不满意。
于是我做了一件很痛苦但关键的事情： 👉 把我手写完成的工作，再用 Agent 重做一遍（而且不让它看到我的实现）。
这个过程非常折磨，但也让我建立了真正的理解。
我总结出一些关键经验：
- 把任务拆成清晰的小步骤，不要一口气做完
- 模糊任务要拆成“规划”和“执行”两个阶段
- 给 Agent 提供验证机制，它会自动修正错误
我也逐渐理解了：
- 什么适合 Agent
- 什么不适合
这让我效率有所提升，但仍然不比自己做更快——只是“差不多”。
但我已经开始接受 AI 作为工具。
第三步：下班前启动 Agent
我尝试一个新模式： 👉 每天下班前 30 分钟启动一些 Agent
目标是：在我不工作的时间，让它们推进进度。
一开始效果一般，但后来发现一些高价值场景：
- 深度调研（例如收集某语言的库并分析优缺点）
- 并行探索想法（验证思路）
- Issue / PR 分析与整理
这些工作不一定直接产出结果，但能让我第二天“热启动”。
第四步：外包“稳赢任务”
随着经验增加，我开始知道哪些任务 Agent 很擅长。
于是我：
👉 把这些“几乎一定能做好”的任务全部交给 Agent
自己则专注更有价值或更喜欢的工作。
一个关键经验：
不要让 Agent 打断你
上下文切换成本非常高。 你应该决定什么时候去查看 Agent，而不是让它通知你。
此时，我已经进入一个状态：
👉 即使效率没有提升很多，我也不想回到没有 AI 的时代了
因为我可以把精力集中在更有趣的事情上。
第五步：工程化“约束系统”（Harness）
Agent 的效率取决于： 👉 它第一次就做对，或接近正确
为此，我开始做“Harness Engineering”（我自己的叫法）：
目标是： 👉 一旦 Agent 犯错，就让它“永远不再犯这个错”
方法包括：
1. 改进隐式提示（如 AGENTS.md）
记录规则，让 Agent避免重复错误。
2. 编写工具
例如：
- 自动截图
- 跑测试
- 校验结果
这些工具 + 提示一起使用，让 Agent 自我验证。
第六步：始终让 Agent 在运行
我现在的目标是：
👉 尽可能让 Agent 一直在后台运行
如果没有在跑，我会问自己： “有没有什么可以让 Agent 做？”
我通常只运行一个 Agent，保持平衡：
- 一边深度思考
- 一边让 AI 帮忙
目前大概只有 10%–20% 的时间有 Agent 在运行，但我在持续优化。
现在的状态
我现在已经找到了 AI 的实际价值，并且用一种比较理性的方式在使用它。
我不关心 AI 是否会长期存在。 我只是一个想写代码、热爱创造的软件工程师。
这个领域变化太快，我可能很快会回头嘲笑现在的自己。
但如果你不会为过去的自己感到“有点尴尬”，那你大概没有成长。