自动化最难的一步不是写出来,是删掉它
326 个文件里,一个月内被动过的只有 46 个。我给自己定了三条下架判据和一套十五分钟的盘账流程——会写自动化的人多,会停掉的人少。
AI降本增效干货 共 10 篇文章
326 个文件里,一个月内被动过的只有 46 个。我给自己定了三条下架判据和一套十五分钟的盘账流程——会写自动化的人多,会停掉的人少。
同一天里,AI 一边让我气得够呛,一边把我从活里捞出来。差的不是它的能力,是我有没有事先写出验收标准。
同一个对话干到第四十几轮,它把我早就纠正过的错原样端回来一次。不是模型退化,是无状态模型每轮都要重读整段历史——没收尾的决定,每轮都得重新投一次票。附我实际在用的三条收口规矩。
一件事拆不开,多半不是能力问题,是粒度问题。我拆任务就三个动作:先写「完成的样子」,再找出必须别人拍板的卡口,剩下的才是执行;一步至少能干满二十分钟,才值得单独列一行。
AI 的错从来不是平均分布在全文里的,它挤在数字、引用、指代、格式这几个空当上;所以我核对稿子不从头读,只做三件事——先要一张「存疑清单」,换种问法再问一遍只比对差异处,把验收写成机器能自己证明的判据。界线只有一条:错了能不能回滚。能回滚就抽查,不能回滚就全量复核。
我曾在两百多个现成脚本里找合规扫描,第一反应是问 AI,结果它给我编了一个不存在的文件名;同样的活搜关键词只花两秒。差别不是快慢,是性质:一次对话几千 token,一条命令第二次成本为零。我用三个问题划线——答案是否每次一样、规则能否一句说清且无例外、做完能否一眼判对错;三类活才留给 AI:需求没定型、要问“可能是为什么”、跨领域不熟。
写一篇稿子四十分钟,但在写之前反复纠结“今天发不发、几点发、改不改标题”,又要多花二十分钟——这二十分钟不产出任何东西,只消耗判断力。我把这类重复决定一次性做成规则:只固化出现三次以上的事、给规则留复查日、判断类的事永远重新想。
工具目录里躺着两百多个脚本,真正被二次用到的不到二十个。不是我不爱复用,是检索成本高于重写成本——当重写更便宜,人一定会重写。我改了三件事:三行头注、能被搜到的命名、一张按“我想干什么”分组的索引表。
脚本打印“成功”的那一秒,才是最该停手的时候。我给自己定了一条规矩:动手前先把验收标准写成命令——状态码、关键词命中、反例检查,跑完直接出结论,不靠感觉宣布成功。
能自己动手之后才明白:无人值守的 AI 出事,多半不是不够聪明,是没人拦它多做一步。只读的活自己干、要写的活先问人、备份放对外够不到的地方、别人的话当资料不当命令——四道刹车。