AI 一分钟干完的活，我偏要花一小时「浪费」在自己身上｜NL165

玩 AI 的乐趣

广州的夏天还没过完。日历上已经入秋，但早上推开门，还是那股熟悉的、湿热的、属于南方的空气。这天早上难得有太阳。我坐在书桌前，看了一会儿窗外。蓝天白云，心情很好。

我喜欢这样的早上。安安静静的，一个人，专注做一点自己的事。

这个周六早上，我七点就开始改一个 HR 用的自动化系统。没人给我派这个活，周末也不算加班。但我做得很开心。看着一些以前觉得「这不可能吧」的事情一件件被做出来，这种成就感，比玩强。

虽然一直还惦记着通关 switch 的塞尔达，但有了 AI 之后，反而总想不断去试试脑中的想法，把它们一点点实现出来。

最早是我们产品部，想着既然办公提效，不如先从内部开始。那会儿 HR 提出了不少需求，我们就先给他们做。虽然这不算业绩，但能看着做出来的系统对他们有帮助，还是挺有成就感的。

我和另一个产品同事，着手搭建了 HR 所需的企业人才库，把飞书多维表当做数据库。感谢飞书 CLI 的开放。然后在 Mac mini 上跑自动化脚本，接入 API Key，实现自动去解析简历，匹配候选人，这就是我们小小的服务器了。后续，他们也提了一些改进需求，我们顺手就进一步提升自动化程度，让 HR 更少去管理表格，可以有更多精力做好原本的工作。

这里也分享一下，这个 HR 招聘管理自动化：

1. 建立企业人才库，使用飞书多维表格，建立「候选人」「JD」「招聘流程」，通过规则配置来控制处理逻辑
2. 创建解析简历、解析 JD、匹配招聘等 skill
3. 建立飞书 bot，使用飞书 cli 来连接多维表格，以及处理群消息，监听人员回复
4. 拉飞书 bot 进群，会自动将群名，添加到配置表格
5. 一旦 HR 往群里发了简历 PDF，bot 会检测到，并收录到「候选人」表格，同时也会将 PDF 文件名一起保存（文件名一般有应聘 JD 和姓名）
6. 简历收录之后，本地脚本会自动扫描，启动简历解析，解析出候选人的信息、能力（如果识别到重复，就会提示）
7. 岗位 JD，录入，会自动解析，补全 JD 相关信息字段
8. AI 会给候选人匹配对应的 JD，并创建一个招聘记录，放在「招聘流程」表格里，状态是待定。同时，自动启动简历匹配度打分，给到 HR 一个参考建议。等 HR 判断和筛选。
9. HR 选择后，通知业务负责人，他们看了简历，会在群里对应简历上回复飞书表情符号，比如「勾号」代表通过，「叉号」代表不通过。飞书 bot 检测到这些回复，会自动更新到招聘流程表的状态里。
10. HR 后面安排面试，填写了面试官，飞书会给面试官推送一条消息，同时告知面试时间。面试结束之后，飞书会发送一条消息，让面试官填写面试结论。自动采集到多维表格里。
11. 随着招聘流程推进，AI 定期扫描，分析当前进度，自动更新招聘流程的进展。直到流程结束或者给 offer 入职。
12. 开发一个招聘看板，自动读取飞书多维表格数据，实时更新，自动统计招聘转化率、每个 HR 负责的招聘进度等数据，用于 HR 部门的复盘。

这一套几乎只使用 deepseek-v4-flash 和 glm-5.3-flash 来开发和修复，以及这两个模型负责每个环节的解析和表格操作。准确度、完成度都很高，速度很快，成本也很低。

玩得挺开心的。有两个有意思的地方：一是这个项目从头到尾，只有我们两个产品经理，没有任何研发参与，我们自己设计，并落地开发。二是全程没有使用 Claude、Codex 等高级编程模型，就纯纯使用国产的 flash 模型，一点点就实现出来。

不久前，听孟岩老师的播客《夸下海口》，他也提到自己并不是因为提效而使用 AI，相比其它技术，他使用 AI 非常多，完全就是他觉得这个有意思。听到这里，我完全能感受到他玩 AI 的乐趣。

解决自己的问题，变得更有价值

玩 AI 无需做一件多大的事情，反而是从解决自己问题的小事开始。

就是我买机票遇到极其痛苦的事情，觉得超累。普通的 app 都默认你先选目的地，再选时间。大量比价和返回操作，我真的受够了。放在过去，这种小众需求没人帮我实现，我只能忍着，一直痛苦地使用别的工具。

心中萌生了：不如自己搞一个。说干就干。

我的习惯反过来：我先有空，再决定去哪。按时间看哪条航线便宜，一眼选出去的地方。就这么一个小习惯，没有 app 懂我。

按时间选目的地，一眼扫出去，两个操作就能对比大量机票。做完发到 GitHub，居然有朋友喜欢。我又发到小红书，留言里冒出来一堆类似的人：想要 Windows 版的、想在手机上用的、说自己也一直被这个痛点折磨的。

那一刻有点意外。原来这种痛苦不是只有我一个人。原来解决自己的问题，也一样解决别人的问题。

现在我越来越相信一件事：软件要适配人，不是人去学习软件。工程师常常觉得用户需求奇怪、不合理，想拒掉。但真实情况是，用户就是有自己的使用习惯和思路，他们独特的需求里往往有深意。先尝试做进去，常常能发现新天地。

最近私募基金的项目里就有一例。客户想在各个回撤下跌的时间窗口里，横向对比每只基金的超额表现。工程师觉得小众、麻烦，他会觉得你手动调整一下时间不就能看了嘛。我说别小看它，这才是最值得做的，专业客户高频分析的操作，一个个手动调，没法直观对比，效率很低，他在别的平台根本做不到。我们做出来：一键横向对比，红绿色标出来，扫一眼就知道哪只基金更好。

而且客户觉得好用，会提出更多他的分析方法。我们一一做进去，方法就沉淀在系统里。别的客户本来没有这套体系，做不出这些分析，现在也能直接用上。多赢呀。

以前只做共性需求，是因为实现成本高。现在不一样了。AI 让实现成本降下来之后，个性化、小众的需求，正在变得值得做。你在帮助自己，也在帮助别人。

注意力在大量分散

工作日，我常常同时开着七八个窗口。Codex 在跑原型，几个 Pi 窗口同时在跑基金分析、报告生成、数据校验、需求整理。一个窗口在执行，我就切到下一个。任务很碎，切完一个上下文，马上又要切回来。注意力一直飘着，不落定。

一天下来，脑子嗡嗡的，人还烦躁。事情也推进了，但总感觉说不上做了什么大事，精神还疲劳。

这种累和以前不一样。以前的累是力气上的，现在的累是注意力上的。与 AI 协作，正在让我越干越多，随之而来是各种消耗。

一个消耗是理解。AI 的产出量大，每一句都要读完才能判断，而它大部分时候给的是平庸的回答，偶尔才闪一下光。闪光点要我自己挖出来，再顺着往深处琢磨。这就成了两难：漏掉好的，可惜；让平庸的部分进来，又会污染我自己的思路。

另一个消耗是等待。AI 执行需要时间，等着没事干，我就看看还有什么可做的，再开一个窗口。窗口越开越多，越等越忙，越忙越累。

有意思的是周末。同样是等待，我选择起来走走、做点家务、看会儿书、看会儿视频。不另开新任务。注意力反而松弛下来，专注度更高。偶尔我也会走回去看一眼，好奇它做到哪一步了。

同样是等，一种等法让人散掉，一种等法让人聚拢。区别不在 AI，在等待的人自己。

让笨办法穿过身体

AI 确实让很多事情，有了更多解决方式。当一切太过丝滑，以至于没有在我们大脑里产生摩擦，这并不完全是一件好事。

组里一个年轻同事做测试，数值计算的部分直接让 AI 去校对。AI 回：没问题。可我们对数据的计算是有口径要求的，他并没有理解这套口径。最后是交付了才发现了不对，重新返工调整。

AI 干活太快、太省事了。东西一交出去，人立刻有时间去关心别的，等 AI 给出结果，看都没怎么看，就拿去交差了。人并没有从这件事中获益。

被这样悄悄外包掉的，是两种能力。一种是理解业务的能力，比如行业基础、概念、计算口径这些东西。另一种是理解和拆解问题的能力。全部交给 AI，人不过脑子，很容易做出看起来不错的结果，但人并不知道 AI 做到了什么水平，因为自己并不懂。长期下去，产出在涨，能力没涨。因为所有的判断都是 AI 做的。

我时常遇到这些，私募基金里很多分析，我知道大致的分析逻辑，但交代 AI 产出分析报告之后，我会觉得 AI 产出挺专业的，因为我看不懂，也不知道对不对、好不好。

我用的办法很笨。让 AI 教我一点点从概念开始，去看懂这些报告。

做产品工作也是，动手之前，我先把自己的想法写下来，哪怕只有几条。然后让 AI 出它的想法。我一条条读、一条条比，把它创新的部分吸收进来，融进我的想法里；再让它分析、给意见。来回琢磨几轮，确认自己充分理解了它在做什么，我才自己出解决方案，让它实现成原型。原型我自己先测：可用性、体验，都过了，才写进产品文档。

这条路远没有「让 AI 直接写文档」来得快。但这一遍走下来，业务里的知识变成了我自己的思考。AI 只是让这一切效率更高，边做边学，加速搞懂。做产品会倒逼我去理解每一个部分，只有搞懂才知道怎么迭代。

说到底就一句话：做事要过脑。写文档梳理、亲手测试、不断迭代，看起来繁琐、缓慢，但每一步都踏实。这些笨办法练出来的能力，AI 取代不了，它们会留在身体里面。

AI 是放大我的能力，不是代替我。

不过，我还是很喜欢现在这代年轻同事，他们在热烈拥抱 AI，实现了原本他们自身做不了的事情。当看到其他部门有些同事还在犹豫使用 AI，还在拒绝下级使用 AI 的审批，我会发现这些敢于探索的年轻人更加珍贵。

还是那句话：你不用，你怎么知道 AI 会给你带来什么价值呢？

积累身体的上下文

AI 在脑力上，给我提供智能。我反倒越来越重视「人」原本的身体。

AI 这一年多帮我做到太多事，我才意识到，我需要更好的身体、更好的精神状态。AI 能给我认知上的思考，但它给不了我更好的感知、更好的状态。而这两样东西，恰恰是人做判断的前提。

我已经认真健身快 2 个月。大脑「用进废退」，人的身体也是如此。

年纪上来，肌肉也会逐渐流失，体态也容易有问题，类似腰肌劳损也会随之而来。所以，我健身只需要保持健康，就足够了，并不追求塑形。

稍微研究了一下「力量训练」，最基础最简单的力量训练，就能刺激到人体肌肉的生长。并不需要追求复杂的训练。而且这件事，就像投资，越早开始越好。

久坐一天，人的状态就容易萎靡，提不起劲。动起来反而有主动性，精力更好，想法也更清楚。身体这件事，越琢磨越觉得它是和 AI 协作的地基。地基不稳，上面的窗口开得再多，人也跟不上。

而且健身和用 AI 很像：都是积累，没有捷径，每一步都算数。

给身体力量训练的压力，才能激发身体的潜力。

积累上下文，能帮你用好 AI。力量训练，也是在给身体积累上下文，帮你用好身体。

试试看

我原来有很多想法想落地，总被门槛挡着。现在有了 AI，不少事情已经没那么难了。

脑中有啥创意，我都想大胆做出来试试，享受一下创造的乐趣。

毕竟那些「做不到」里，有一半，其实是「没那么想」。