比起让 AI 写代码，我更想让它替我干些脏活杂活

先说我一个很普通的工作日长什么样。

上午两个会，一个是跨团队对齐，一个是评审；中间抽空回了十几条消息，帮两个同事定位问题；下午在两个系统里填表走流程，给上级准备一页汇报材料，然后追三个人的进度——有一个还没回；晚上七点多，终于打开 IDE，写了不到一小时的代码，改的是两天前就该改完的东西。

这不是特别糟的一天，这是相当典型的一天。

我入这行的初衷很朴素：喜欢琢磨设计，喜欢把代码写干净。可干到今天，一多半时间花在别的地方——走流程、做支持、开各种会、跟各个团队沟通、跟踪进度、反馈问题、找资源找支持。这些活谈不上有多难，就是碎、耗神、且必须由一个知道全局的人来干，所以躲不掉。

让 AI 写代码这件事，我当然也在做，还写过几篇专门聊它的文章——完全由 AI 生成的代码，我越看越心惊、AI 写得太快，肉眼看不过来。但说实话，它省下来的时间远不如我预期——因为我一天里能坐下来写代码的时间本来就不多，真正被吃掉的是写代码之前和之后的那一大堆事。

所以“超级个体”这件事，我的关注点跟很多人不太一样。大多数人问的是“AI 能不能替我写代码”，我更想问的是“AI 能不能替我干那些我不想干、又不得不干的活”——后者的存量大得多，而且几乎没人在认真管。

• 不指望它替我拍板，不指望它替我担责，也不指望它替我去跟人磨嘴皮子。
• 但我指望它帮我备料、收集、跟踪、提醒、复盘——把我的时间从搬运信息里赎回来，让我能把精力花在刀刃上。
• 这篇不谈概念，只谈路径：哪些活能交、哪些交不出去、怎么分三步走，中间用两个例子从头走到尾——一份带 deadline 的待办清单和一堆例行周会——最后是别人跑通的案例和我踩过的坑。

先把词解释一下，免得后面绕：Agent（智能体）在这篇里指的不是科幻片里的机器人，而是一个能听懂你的话、自己去调用工具查东西干活的 AI 程序；skill（技能）指你事先写好的一套办事说明书，AI 照着办，不用你每次从头交代。

一、先算一笔时间账：你的时间到底漏在哪

想让 AI 帮忙，得先说清楚要它帮什么。“帮我提效”这种话没法执行。

我的笨办法是先记三天账。不用什么工具，一张纸，四列：这件事叫什么、花了多久、是不是只有我能干、下次还会不会再来。三天下来你大概会看到跟我类似的结果：真正需要你脑子的事不到三成，剩下七成是搬运和协调。

搬运和协调也分档。我把它们粗粗分成三类，这个分类是后面所有决策的地基：

这张表看着朴素，但它解决了一个很实际的困惑：为什么有人用 AI 提效十倍，有人用了半年只是聊天记录变长了？

区别常常在于，后者一直在拿 AI 去碰第三类活——想让 AI 写一封说服老板加人的邮件，结果发出去像群发广告；想让 AI 替自己在会上表态，结果没人信。而第一类活明明遍地都是，却还在自己手工搬。

AI 最擅长的是把散落各处的信息收拢成一份可用的初稿；最不擅长的是替你去承担一句承诺。 前者你交出去越多越好，后者你交出去多少，将来就要还回来多少。

再补一句可能不太受欢迎的话：这三类活的比例，其实是你职级和处境的体检报告。 如果你发现自己 80% 的时间在第一类，说明你被当成人肉数据管道用了；如果 80% 在第三类却几乎没有第一类的支撑，那你大概正在凭感觉做承诺。健康的状态是第三类占主导，而第一类基本被自动化掉。

二、别叫“助手”，叫“秘书”：五项职能

“AI 助手”这个说法太泛了，泛到没法落地。我更愿意按老式秘书的职能来拆——我年轻时在国企待过几年，干过一段文字秘书的活，所以对这套职能有点肌肉记忆。

好秘书从来不替领导做决定，但能让领导每一次决定都做得更快、更少后悔。干的是这五件事：

1. 准备（Prep）：不让你带着空脑子进会议室

会议之所以低效，一大半原因是所有人都是空手来的。

秘书型 AI 该干的是：会前把这场会的背景捞出来——上次会的结论、这几周相关的变更、待办里没关掉的项、参会者最近提过的意见，压成一页。不是长篇大论，是一页你在电梯里能扫完的东西。

我自己的做法是把它和实时共享的会议文档绑在一起（详见 开会的艺术之一：在开会时实时分享 Agenda 和会议记录）：AI 负责把 Agenda 的前半截填满，我负责在会上把后半截——决定和责任人——填满。

2. 收集（Collect）：把散落的事实收拢成一份底稿

“上周那个接口改动到底是谁定的？”“这个客户当初承诺的是哪个日期？”

这类问题的答案永远在别处：聊天记录里、某个工单的第 27 条评论里、某次会议纪要的角落里。人去翻要二十分钟，AI 去翻是二十秒——前提是它有权限、且知道去哪儿翻。

这是 AI 性价比最高的一块，也是最容易被忽视的一块。因为搬运信息的痛苦是慢性的，不像故障那样会疼一下让你想起来要治。

3. 跟踪（Track）：把“我来跟一下”变成有人真的在跟

会议里最轻松的一句话是“这个我们会后跟一下”。散会以后，“我们”通常是一个很有礼貌的无人区。

跟踪这件事的本质是定期比对承诺与现实：谁说了什么时候交、现在到哪一步了、有没有卡住。这活极其枯燥，人干起来又累又容易得罪人（催第三遍的时候语气很难保持友善），但对机器来说是天生适合的：它不烦，也不怕尴尬。

4. 提醒（Nudge）：在正确的时间戳我一下

这一项听起来最简单，实际最难做好，因为提醒的价值全在时机。

提前三天提醒“你有个报告要写”没用，你会点掉；报告截止前两小时提醒也没用，来不及了。有用的提醒长这样：“明天下午的评审要用的材料，昨天的会上你答应今天出初稿，现在初稿还没有；相关的三份资料我已经放在这里了。”

提醒必须自带上下文和下一步动作，否则就是骚扰。 手机上那些被我关掉的通知，全是因为它们只会喊“该干活了”。

5. 复盘（Review）：每周替你把镜子擦一遍

周五下午半小时，让 AI 把这一周的账翻出来：干了什么、什么没干、时间花在哪一类活上、有哪些承诺过期了。

这一项是我后来才加进去的，因为我发现前面四项做好之后，会出现一个新问题：效率变高了，但方向没人管。 复盘就是那个管方向的动作。它给你的不是答案，是让你不得不看一眼的事实。

一句话概括这五项：

AI 做“事前准备”和“事后整理”，人做“事中判断”和“对人承诺”。 反过来做的，不是超级个体，是给自己请了个会胡说八道的代言人。

三、落地路径：分三段走，别想一步到位

我见过太多人的 AI 实践死在第一周，原因都一样：一上来就想搭一个全自动的“数字员工”，配置了三天，第四天放弃。

我的建议是分三段，每一段都能单独产生价值，而且下一段必须建立在上一段的产物之上。

第一段：口述式（第 1–2 周）——把嘴上的活变成文字的活

这一段什么都不用装，就用你手边的对话式 AI。目标只有一个：把你脑子里那些“每次都要重新交代一遍”的东西，落成文件。

具体做三件事：

1. 写一份《我是谁》。 你在什么组织、负责什么、对接哪些团队、常打交道的角色是谁、正在推的三件事叫什么、你的口头禅和写作偏好。三百字到一千字，存成一个文件。以后每次开新对话就先把它扔进去。
2. 选一件最烦的重复活，让 AI 陪你做一次。 别选最难的，选最烦的。比如“把这半小时的讨论整理成决定 + 待办 + 未决问题三段”。
3. 把这次的交代过程存下来。 你会发现自己讲了一堆要求：格式怎样、什么该省略、什么绝对不能编。这段交代就是资产，比这次的结果值钱得多。

这一段的产出不是效率，是素材。你要的是找出你的活里到底有哪些是可以说清楚的。说不清楚的活，机器一定做不好。

第二段：固化式（第 3 周–第 2 个月）——把交代过一次的话变成 skill

第一段结束你手上会有一堆零散的交代。这一段把它们收成正式的“办事说明书”。

一份能用的说明书至少包含四块：

# 周会准备

## 什么时候用
每周一上午，或者我说“帮我准备周会”的时候。

## 去哪儿找料
1. 上一次周会的会议文档（决定 / 待办 / 未决问题三段）
2. 我负责的项目在工单系统里的状态变化（最近 7 天）
3. 我和相关同事的聊天记录里，含“延期”“风险”“阻塞”的对话
4. 本周的日历，找出需要我准备材料的会

## 输出成什么样
- 一页以内，四段：上周结论回顾 / 本周需要决定的事 / 卡住的事和卡在谁那里 / 我需要向上要的支持
- 每条结论后面标出处链接，我要能点回去核对
- 拿不准的地方标成“待确认”，不要替我猜

## 什么时候必须停下来问我
- 需要对外承诺时间点
- 需要提到某个人做得不好
- 数据只有一个来源、且和上周结论矛盾

这份东西读起来很像入职手册，因为它本质上就是入职手册——只不过读它的是台机器。

我这两年折腾这类东西攒了不少，索性放到 GitHub 上做成一个集合（lazy-rabbit-skills）。做的时候有个体会：写说明书这件事本身就是收益，因为它逼你把一件干了三年却从没讲清楚的活，第一次讲清楚。

这一段还有个技术性的选择：你的 AI 怎么去碰你的那些系统（工单、代码库、日历、文档）。两条路——包成标准协议（MCP），或者包成命令行工具（CLI）让 AI 去跑。我的经验是：自己一个人用、跑在自己机器上的，先包 CLI，快且稳；要给别人复用、要跨多个客户端的，才值得包 MCP。 这一段我写过一篇长的对比，不想在这儿重复（MCP 还是 CLI：AI Agent 到底怎么跟已有服务打通）。

不写代码的读者可以完全跳过上一段。你的等价做法是：把说明书存在笔记软件里，每次手动粘进对话框。慢一点，但走的是同一条路。

第三段：常驻式（第 2 个月以后）——让它自己动起来

前两段都是“我叫它，它才动”。这一段变成“时间到了它自己动”。

最朴素的实现是定时任务。一个月里我陆续加了这么几条，都很土：

每周一 08:00  → 生成本周周会准备材料，发到我的待办
每天 18:30    → 比对今天承诺的事和实际状态，列出没动的项
每周五 17:00  → 生成本周复盘：时间分布、过期承诺、下周三件事
每次会议后    → 提醒我确认会议记录里的责任人和验收标准

（这四条是 cron 定时任务的白话版本，cron 就是操作系统里那个“到点自动跑一下”的闹钟。不写代码的话，很多笔记和自动化工具也能配出同样的效果。）

关键不在于用什么工具，而在于两个设计原则：

• 产出必须落在你每天会看的地方。 落在你不看的地方，等于没做。我试过让它生成漂亮的报告存到某个目录里，两周后我才发现自己一次都没打开过。
• 每一条自动化都要有一个人肉确认点。 它可以自动生成催办消息，但发出去之前我要看一眼——因为“催”这件事带着人际温度，机器把握不了。

三段走完，大概两个月。这个速度听起来慢，但它的好处是每一段都不白干：第一段的交代变成第二段的说明书，第二段的说明书变成第三段的自动化。

四、两个例子，从头到尾走一遍

前面讲的都是框架，容易看着点头、回去不会用。这一节我把自己最常干的两件事完整走一遍：一份带 deadline 的 todo list，和一堆例行周会。

例子一：一份带 deadline 的待办清单

我自己攒了个小工具管待办，说白了就是一张 SQLite 表，字段很朴素：

CREATE TABLE todos (
    id          INTEGER PRIMARY KEY AUTOINCREMENT,
    title       TEXT NOT NULL,
    description TEXT NOT NULL DEFAULT '',
    priority    INTEGER NOT NULL DEFAULT 2,
    completed   INTEGER NOT NULL DEFAULT 0,
    deadline    TEXT,
    created_at  TEXT NOT NULL DEFAULT (datetime('now')),
    recurrence  TEXT NOT NULL DEFAULT 'none',
    reminder_minutes_before INTEGER
);

不写代码的读者可以把下面所有 SQL 都跳过，只看每段的白话解释——用 Notion、飞书多维表格甚至 Excel，能做同样四件事。

但有一句话我想先说透，这是我这两年最重要的体会：只要你的待办有结构，AI 就能对它做事；如果它只是一句一行的纯文本，AI 就只能陪你聊天。 先有结构，再谈智能。

第一步：分解——把“大石头”敲成“能下手的第一锤”

待办清单最大的问题不是记不住，是有些条目根本没法开始。

我表里趴着一条叫 Project KB wiki and skills building。这不是一个任务，这是一个季度目标。它在列表里躺着的每一天都在消耗我的注意力，因为我每次看到它都要重新想一遍“这到底该从哪儿下手”。

拆解这件事正好落在第一节表格的信息劳动里——它不需要什么高深判断，需要的是耐心和把事想周全，这方面机器比我强。我给 AI 的说明书大意如下：

## 拆解一条待办

### 输入
一条 todo 的标题、描述、deadline、优先级。

### 怎么拆
1. 先判断它是“一个动作”还是“一个目标”。是动作就别动，原样返回。
2. 是目标的话，拆成 3-7 个子任务，每个子任务必须满足：
   - 动词开头，看完就知道第一步做什么
   - 一次能坐下来做完（半小时到两小时）
   - 有可验证的完成标准（产出了什么文件 / 什么东西能跑起来）
3. 从 deadline 倒推每个子任务的时间，留 20% 缓冲。
4. 标出哪些子任务依赖别人（要评审、要权限、要别人给数据）。

### 输出
一张表：子任务 / 预估耗时 / 建议 deadline / 是否卡别人 / 完成标准

### 什么时候必须停下来问我
- 倒推后发现时间根本不够（这时候该谈的是砍范围，不是排计划）
- 需要替我判断这件事到底该不该做
- 需要替我决定砍掉哪个子任务

这份说明书里最值钱的是最后三条。AI 可以帮我把活排开，但“时间不够怎么办”这个问题必须回到我手上——因为答案通常不是“加班”，而是“跟谁去谈砍掉什么”，那是关系与责任劳动。

有两个细节是我踩过坑才加进去的：

• “动词开头”不是文字洁癖。 “文档”是个名词，你看到它不会动；“列出 wiki 需要哪五个页面”是个动作，你看到就能开始。名词条目是拖延的温床。
• “是否卡别人”必须单列一栏。 这栏里的任务要最先做，因为它们的真实耗时不由你决定。我以前老把要评审的事排在最后，结果每次都卡在别人的日历上。

第二步：跟踪——每天让它比对一次“承诺”和“现实”

跟踪的本质就一句话：把当初说好的，和现在实际的，摆在一起看。

这活枯燥到人干不下去，但对机器来说就是几行查询。我每天下班前跑这么两条。

第一条，找快到期和已经过期的：

SELECT id, substr(title,1,32) AS title, priority AS p, deadline,
       CAST(julianday(deadline) - julianday('now') AS INT) AS days_left
FROM todos
WHERE completed = 0 AND deadline IS NOT NULL AND deadline <> ''
ORDER BY deadline;

第二条更狠，我管它叫黑洞扫描——专门找那些没有 deadline、正在悄悄变老的条目：

SELECT id, substr(title,1,40) AS title,
       CAST(julianday('now') - julianday(created_at) AS INT) AS age_days
FROM todos
WHERE completed = 0 AND (deadline IS NULL OR deadline = '')
ORDER BY created_at;

我写这篇文章时顺手跑了一遍第二条，结果有点难看：

id  title                                     age_days
--  ----------------------------------------  --------
10  Read https://www.bmpi.dev/dev/free4chat/  77
11  Lean https://github.com/tinyhumansai/ope  77
14  Action Item https://dg01docs.zoom.us/doc  49
15  AI/ML Security Basic Training https://my  47

四条待办，全都没有 deadline，最老的躺了 77 天。

这就是黑洞扫描的价值。没有 deadline 的待办不会提醒你，它只会让你在深夜刷列表时莫名心虚。 它们既不推进也不消失，纯粹占着你的心理内存。

第二条查询逼我对每一条做个决定：给个日子、砍掉、或者老实承认它是“有空再说”而不是待办。 我最后砍了两条，给一条排了时间。这个动作 AI 帮不了我，但它至少把这四条从黑暗里拽出来摆在我面前了——这正是那句“AI 给你的不是答案，是让你不得不看一眼的事实”。

顺手还有一条一句话体检，跑起来最快：

SELECT '未完成: ' || SUM(completed = 0)
    || '  其中无 deadline: ' || SUM(completed = 0 AND (deadline IS NULL OR deadline = ''))
    || '  已完成: ' || SUM(completed = 1)
FROM todos;

我这次的结果是：未完成: 4 其中无 deadline: 4 已完成: 6。

未完成的四条全都没 deadline，这个比例本身就是个信号： 我在“记下来”这件事上很勤快，在“承诺什么时候做完”这件事上很怂。

第三步：提醒——带上下文，否则就是骚扰

前面说过，提醒的价值全在时机和上下文。所以我给提醒定了三条规矩：

第三条是从那栏“是否卡别人”长出来的。卡在别人那里的任务，提醒必须提前一整个协作周期，而不是提前一天。 提前一天提醒一件需要别人三天才能给回复的事，等于通知你已经晚了。

我还加了一条负面规矩：一天最多提醒一次，最多三条。 我早期做过一版每条到期都推一次通知，结果第三天我就把通知关了。提醒的敌人不是遗忘，是麻木。

第四步：报告——写给自己的，和写给别人的

这两种报告完全不同，我以前混着写，两边都不讨好。

写给自己的（周五下午，只给我一个人看），要的是难看的真相：

- 这周关了几条，开了几条（净增还是净减？）
- 有几条过了 deadline，分别卡在哪里
- 黑洞里现在有几条，最老的多少天
- 时间花在信息 / 判断 / 关系三类活上的大致比例
- 下周最重要的三件事（只能三件）

写给别人的（周会前，给团队和上级看），要的是可信和好读：

- 上周说要做的：做完了哪些 / 没做完的卡在哪
- 这周计划：三件事，各自的完成标准
- 需要别人配合的：谁 / 什么事 / 什么时候要
- 风险：一句话说清，别铺垫

规矩：每条结论带出处链接。推断出来的数字要标“推断”。
拿不准的标“待确认”，不要替我猜。

第二份的最后三行是全篇最关键的三行。一份自动生成的报告，靠“每条都能点回去核对”来换取别人的信任。 反过来，一份没有出处的漂亮报告，只会让人怀疑你是不是让 AI 编的——而且这种怀疑通常是对的。

至于我自己在这个循环里干什么？就三件事：决定砍掉什么、决定跟谁谈、以及在报告发出去之前看一眼。 其余的搬运和比对，都不该由我来做。

例子二：一堆例行周会

例行会议是最典型的“不想干又不得不干”。它们不产生代码，也很少产生决定，但你不去就会漏掉信息、被人绕过、或者第二天发现方向变了。

我拿一场普通的项目周会算笔账。真正需要我的部分可能只有十分钟：拍两个决定、认领一件事。 剩下的时间是在同步状态——而状态同步这件事，是纯粹的信息劳动。

所以我的目标不是“不开会”（很多会真取消不了），而是把会前和会后的时间压到最低，把会中的时间用在只有人能干的事上。

会前：让 AI 把 Agenda 的前半截填满

我的做法是共享一份文档，会前它是路线图，会中是工作台，会后自然变成纪要（细节见开会的艺术之一）。

分工很清楚：AI 填前半截（背景、状态、待办、未决问题），我填后半截（决定、责任人、验收标准）。

给 AI 的说明书：

## 周会准备（会前 12 小时自动跑）

### 去哪儿找料
1. 上一次周会文档的三段：Decisions / Action Items / Open Questions
2. 工单系统里我这条线最近 7 天的状态变化
3. 聊天记录里含“延期”“风险”“阻塞”“等你”的对话
4. 我的待办表：过期的、本周到期的、卡别人的

### 输出成什么样（一页以内，四段）
1. 上次的 Action Item 现在什么状态（做完 / 在做 / 没动，没动的标出卡在谁那里）
2. 这次必须拍板的事（每条给出选项和各自代价）
3. 需要别人配合的事（谁 / 什么事 / 什么时候）
4. 上次的 Open Questions 有没有答案了

### 规矩
- 每条状态带出处链接
- 状态是推断出来的要标“推断”
- 不要替我给别人的工作下评价，只写事实

### 什么时候必须停下来问我
- 需要写“某人没做完”这类会被读成指责的内容
- 需要对外承诺时间点

那句“不要替我给别人的工作下评价，只写事实”是我加的一道保险。“张三这周没进展”和“这条 Action Item 从上周三到现在状态没变”，说的是同一件事，但前者会在会上得罪人，后者会引出一句“我卡在权限上了”。 前者是评价，后者是事实——机器分不清这个分寸，所以我干脆不让它写评价。

这一步的收益不只是省了我的准备时间。更大的收益是所有人不再空手来。 会议之所以低效，一大半原因就是大家到了会上才开始回忆上次说了什么。

会中：AI 当记录员，人当主持人

会中这一段我基本不用 AI 干活，只用它记录。原因很简单：AI 不知道一句话是随口建议、暂时假设，还是正式决定。

我在会上就干三件事：

1. 确认文字。 “我把结论写成‘本周五完成开发，下周一开始测试’，这句话有没有歧义？”
2. 落实责任。 “这项谁来 Owner？截止时间和完成标准是什么？”——Owner 必须亲口接下，不是记录人随手点名。
3. 控范围。 “这个有价值但不影响今天的决定，我先放到 Parking Lot。”

这三件事全是关系与责任劳动，一件都交不出去。AI 帮我省下的会前时间，正是用来干这三件事的。 如果省下来的时间只是让我多开一个会，那这套东西就白搭了。

会后：五分钟收口，别再造第二个版本

会后我只做两件事：发同一份文档的链接（不复制“正式纪要”，免得出现两个真相来源），然后让 AI 把 Action Item 灌回我的待办表。

第二件事是把两个例子接起来的关键一环：

## 会后同步（会议结束后自动跑）

1. 从会议文档的 Action Items 里挑出 Owner 是我的条目
2. 每条写进 todos 表：title、deadline（用会上定的日期）、
   description 里放会议文档链接和验收标准
3. 卡别人的条目，reminder_minutes_before 按协作周期设，不按 1 天设
4. Owner 不是我、但我要跟进的，单独列一张“我要催的清单”

## 什么时候必须停下来问我
- Action Item 没有明确 deadline（这种应该在会上就问清，别替我猜）
- 需要替我接下一件我没答应过的事

最后一条是底线。AI 可以帮我记住我答应了什么，但绝不能替我答应。

至于“我要催的清单”，我让它每天生成、但从不自动发出去。催人这件事带着人际温度：同一句话，用什么语气、在群里还是私聊、要不要先问一句“是不是卡住了需要帮忙”，差别很大。机器可以提醒我该催了，按下发送键的必须是我。

两个例子接起来看

这两件事其实是一条闭环，我一开始是分开做的，后来才发现接起来才有意思：

会前：待办表 + 上次纪要  →  AI 生成 Agenda 前半截
会中：我拍板、我确认责任人  →  写进共享文档
会后：AI 把 Action Item 灌回待办表 → 带 deadline、带出处
每天：AI 比对承诺与现实 → 该提醒的提醒我
每周：AI 出两份报告 → 一份给自己看真相，一份给别人看进展
                      ↓
              下一场周会的输入

闭环一旦转起来，会有个我没预料到的副作用：我在会上变得更敢承诺了。 因为我知道答应下来的事不会漏——它会当场进表、带着 deadline、到点提醒我。

而以前我不敢轻易答应，是因为我心里清楚自己会忘。这大概是这套东西给我最实在的一个改变：不是省了几个小时，是我说出去的话变得更可靠了一点。

五、别人已经跑通了什么

光讲方法容易显得像纸上谈兵，说几个我认为可信的参照。

参照一：Anthropic 把自己当实验场

Anthropic 公开过一份挺实在的内部报告，讲他们各个团队怎么用 Claude Code（原文）。有意思的部分不在工程团队，而在非工程团队：法务搭了电话导航系统，市场部批量生成上百个广告变体，数据科学家不会写 JavaScript 也做出了可视化面板。

在另一份研究里（How AI Is Transforming Work at Anthropic），有两个数字我记住了：

• 27% 的 AI 辅助工作，是“本来根本不会做的事”——那些一直排在优先级末尾、永远轮不到的小工具、探索性分析、体验优化。
• 超过一半的工程师说，自己的工作里能“完全交给 AI、不用复核”的只有 0–20%。

这两个数字合在一起，恰好就是我想要的那种状态：AI 让你能多做很多以前做不起的事，但它需要你一直在场。 这不是“替代”，这是“扶佐”。

顺带说一句，非技术岗用它最多的场景是排查问题（比如网络不通、Git 操作卡住），占五成以上。这说明 AI 的第一价值往往不是“做新东西”，而是“帮你跨过那些不属于你专业范围、却在挡你路的小障碍”——这不正是脏活杂活的定义吗。

参照二：腾讯研究院给“超级个体”下的定义

2026 年 5 月，腾讯研究院发过一份三万字的报告《从超级个体到超级团队——AI 时代组织变革的涌现路径》。它给超级个体的定义是：借助 AI，一个人能达到过去需要一个小团队才能达到的产出规模和影响半径。

报告列了四个特征，我觉得有两个特别值得琢磨：

• AI First 的工作动线——不是卡住了才问一句 AI，而是先让 AI 跑一遍，你在它的产出上做判断和修正。这个差别看起来很小，实际决定了杠杆能撬多大。
• 影响力溢出——如果你用 AI 让自己快了十倍，但同事完全没察觉，那你只是一个效率高的员工。超级个体的标志是让身边的人也快起来。

第二条对我是个提醒。我一开始做这些 skill 纯粹是自己爽，后来才慢慢往外分享。分享出去之后有个意外收获：别人提的问题会暴露你说明书里含混的地方——只有自己用的东西，你会不自觉地用脑补去填坑。

参照三：“AI 参谋长”这一类产品的思路

市面上冒出一批叫做 AI chief of staff（AI 参谋长/办公室主任）的东西，思路大体一致：不再让人填表，而是直接读工作真正发生的地方——代码仓库的提交、工单的状态流转、日历、聊天记录——然后自动生成一份带出处的简报，把每日站会、周同步这类“状态广播型会议”换成一段可以异步阅读的文字。

我不评价具体产品，但这个思路值得抄：状态同步会存在的根本原因不是信息不够，而是没人信报告。 如果报告是自动生成、每条都带出处链接、还标出哪些数字是推断而非直取的，那这个会就没必要开了。

我把这个思路挪到了自己的项目跟踪上——先自动生成，我改两句，再发出去。写状态这件事从“攒信息 + 组织语言”，变成了只做后半截。

参照四：我自己的两个副产品

顺着这条路走下去，我做了两个自己在用的东西。

一个是给自己造一台 Agent 孵化器：我发现手搓专用 Agent 的骨架其实长得都差不多，索性做了个父 Agent 来批量生产子 Agent。另一个是研究模型外面那层壳（Harness）——真正决定 AI 好不好用的，往往不是模型有多聪明，而是外面这层壳给了它什么上下文、什么工具、什么验收标准。

这两件事指向同一个结论，也是我这篇最想说的：与其等一个更聪明的模型，不如把自己这摊活的规矩写清楚。 规矩写清楚了，换个模型也照样能用；规矩说不清，模型再强也帮不上你。

六、几个窍门，都是撞出来的

方法论说完了，说点更具体的手感。

窍门一：上下文别每次口述，落成文件

这是回报率最高的一条。你每次重新交代“我是谁、我在做什么”，都是在交一次智商税。写一次，存成文件，反复用。

更进一步：文件要分层。 一份长期不变的（我是谁、团队结构、常用术语），一份季度更新的（当前在推的项目、当前的优先级），一份随时变的（这周的三件事）。混在一个文件里，你会懒得维护。

窍门二：一件事一份说明书，别做万能助手

我早期犯的错误是想搞一个“什么都能干的全能秘书”，结果它什么都干得平庸。说明书越具体，效果越好。 “周会准备”和“事故复盘”是两件事，别塞在一起。

判断标准很简单：如果你没法给这份说明书写出验收标准，说明它的范围还太宽。

窍门三：给验收标准，不是给夸奖

“帮我写份周报”和“帮我写份周报，一页以内，四段，每条结论带出处链接，拿不准的标成待确认”，得到的东西差着一个量级。

写代码的人对这个应该很熟——这就是把需求写成可测的。区别只在于以前是写给同事，现在是写给机器。说明书里最值钱的一段，往往是“什么时候必须停下来问我”。

窍门四：留住人肉确认点，尤其是带人际温度的动作

催办、拒绝、评价别人、对外承诺——这四件事我一律不让 AI 自动发出去。它可以起草，但按下发送键的必须是我。

理由不是技术不行，是责任不能转移。哪天一条自动发出的消息伤了同事，你没法说“那是 AI 发的”。这一点我之前写过，AI 不会替你背锅（完全由 AI 生成的代码，我越看越心惊），道理在办公室里一模一样。

窍门五：先自动化“没人爱干但天天要干”的，别先啃硬骨头

排优先级的原则：频率 × 烦人程度，不是难度。

每天要干、烦、但不难的活（整理记录、比对状态、找上次的结论），是第一批目标。一年一次的年度总结虽然更折磨人，但它值不回你搭自动化的成本——那种活的正解是攒素材，而不是搭流水线。

窍门六：给它划一条隐私和权限的红线

这一条不性感，但省事。人事讨论、薪酬、安全事件、客户信息、未公开的商业计划，别顺手扔进 AI 的上下文里。

我的土办法是分两个工作区：一个可以连外部模型，处理公开和内部普通信息；一个只处理敏感内容，走公司批准的通道，或者干脆手工。判断标准别用“这个算不算机密”，用“如果这段内容明天出现在公开网页上，我会不会需要跟人解释”。

七、几个坑，比缺工具更麻烦

坑一：效率提高了，活反而更多了

这是最容易踩的一个。你把杂活自动化掉，省出三小时，然后这三小时会被新的活精准填满——因为你现在“看起来很有空”。

前面提到 Anthropic 那个 27% 的数字，从另一面看就是这个坑：AI 让你能做的事变多了，所以你会做更多事，而不是更闲。 想真正把时间花在刀刃上，光有工具不够，还得有一句“不”。

我的对策很土：省出来的时间，先在日历上占掉，写明是“设计与编码”。占掉的时间才是你的，没占的时间是所有人的。

坑二：秘书变成了代言人

AI 帮你起草的东西，读起来会有一种“很得体但没有人味”的质感。偶尔发一次没事，天天这么发，同事会慢慢察觉到跟你说话像在跟客服说话。

信任是靠具体的、有个人痕迹的沟通攒出来的。 一份带你自己判断和态度的三行消息，比一份格式完美的八段式邮件有用得多。

坑三：只做自动化，不做复盘

前面五项职能里，复盘最容易被跳过，因为它不产生即时快感。但不复盘的结果是：你用越来越高的效率，把车往越来越偏的方向开。

坑四：把说明书写完就不管了

组织在变、项目在变、人也在换。半年前的说明书里那些人名和项目名可能已经全过期了，AI 会拿着过期地图一本正经地给你带路。

我的办法是每个季度花半小时清一遍，删掉不用的，改掉过期的。这半小时是维护费，不交就等着还债。

坑五：指望它替你去要资源

“帮我写一封向老板申请两个人的邮件”——AI 能写出来，而且写得挺工整。但要不来人，跟邮件写得好不好几乎无关，跟你手上有没有数据、有没有把老板真正在意的东西说清楚、以及他信不信你有关。

这类活 AI 只能帮你备料：把数据捞齐、把三个方案的取舍列清、把可能被问到的问题预演一遍。 走进那间办公室的还是你。

八、行动清单：从这周开始

不需要买什么工具，也不需要辞职去创业，这份清单从明天就能起步：

本周

• [ ] 记三天时间账：每件事的名称、耗时、是否只有你能干、下次会不会再来。
• [ ] 用第一节那张表把这些事分成三类（信息 / 判断 / 关系与责任）。
• [ ] 写一份三百字的《我是谁》，存成文件。

本月

• [ ] 从“信息劳动”里挑出频率最高、最烦、最不需要判断的那一件，和 AI 一起做三遍。
• [ ] 把第三遍的交代整理成一份正式说明书，包含四块：什么时候用、去哪儿找料、输出成什么样、什么时候必须停下来问我。
• [ ] 给这份说明书写出验收标准。写不出来，就说明范围太宽，再切细一点。
• [ ] 对你的待办清单跑一次黑洞扫描：把所有没有 deadline 的条目列出来，逐条决定——给个日子、砍掉、或老实承认它是“有空再说”。
• [ ] 挑一个例行周会，会前让 AI 把 Agenda 的前半截（背景 / 状态 / 未决问题）填好，你只填决定和责任人。

本季度

• [ ] 攒到 3–5 份说明书，覆盖你每周固定要干的活。
• [ ] 给其中一件配上定时执行，产出落到你每天必看的地方。
• [ ] 每周五留半小时复盘：时间分布变了没有、过期承诺有几条、下周最重要的三件事是什么。
• [ ] 把省出来的时间在日历上占掉，写明用途。
• [ ] 把其中一份说明书分享给一个同事，听他吐槽哪里说不清楚。

长期

• [ ] 每季度清一次说明书，删掉过期的。
• [ ] 定期检查那条隐私红线还在不在。
• [ ] 定期问自己一个问题：这一周我用在“设计与思考”上的时间，比上个月多了还是少了？

最后那个问题是唯一的验收标准。别的都是过程指标。

最后一句

“超级个体”这个词我一直有点犯别扭，因为它听起来像在鼓励一个人扛下所有活。

我理解的超级个体不是产出翻十倍的劳模，而是把自己从“人肉信息管道”的位置上赎出来的人。AI 干得最好的从来不是那些需要灵光一现的事，恰恰是那些琐碎、重复、必须有人干却没人愿意干的事。它对烦躁免疫，对尴尬免疫，对第三次催同一个人也免疫。

至于开会时的判断、跟人磨优先级时的分寸、拍板时那份要自己扛的责任——这些交不出去，也不该交出去。这些恰恰是在这行摸爬滚打二十来年，真正沉淀下来的东西。

我年轻时给领导写材料、跑流程、追进度，一度觉得这些事是在浪费我的时间。现在回头看，那几年练出来的判断力和人情分寸，反倒是我最没法被替代的部分。

只是这一次，我希望不必再靠“把这些活干一万遍”来练它了。

所以回到标题那句话：不是说 AI 写代码没用——它有用，我天天在用。只是代码这块地，本来就有一堆聪明人在替我们琢磨；而流程、会议、跟进这块地，几乎全靠我们自己咬牙硬扛。 谁的杠杆更大，一目了然。

那些活，交给机器。省下来的时间，留给设计、留给代码，留给那些真正需要一个人坐下来把事情想透的时刻。

你这一周花在“真正想干的事”上的时间有多少？如果不到三成，先别急着找工具——先记三天时间账。

全文思维导图

@startmindmap
<style>
mindmapDiagram {
  node {
    BackgroundColor #F8F9FA
    RoundCorner 10
    Padding 10
    FontSize 13
  }
  :depth(0) {
    BackgroundColor #1E3A5F
    FontColor white
    FontSize 18
    FontStyle bold
  }
  :depth(1) {
    FontSize 15
    FontStyle bold
  }
  :depth(2) {
    FontSize 13
  }
}
</style>

* 比起写代码，先让 AI 接走脏活杂活
** 先算时间账
*** 信息劳动：大胆交
*** 判断劳动：AI 出初稿，人拍板
*** 关系与责任劳动：只能自己上
** 秘书五项职能
*** 准备：会前一页背景
*** 收集：把散落事实收成底稿
*** 跟踪：比对承诺与现实
*** 提醒：带上下文和下一步
*** 复盘：每周擦一遍镜子
** 三段式路径
*** 口述式：把上下文落成文件
*** 固化式：写成 skill 说明书
*** 常驻式：定时跑 + 人肉确认点
** 例子一：带 deadline 的待办
*** 分解：目标拆成动词开头的动作
*** 跟踪：黑洞扫描找没 deadline 的
*** 提醒：带上下文 + 卡别人的提早
*** 报告：给自己看真相，给别人看进展
** 例子二：例行周会
*** 会前：AI 填 Agenda 前半截
*** 会中：AI 记录，人拍板和确认责任
*** 会后：Action Item 灌回待办表
*** 闭环：会议与待办互相喂料
** 案例参照
*** Anthropic：27% 是本来不会做的事
*** Anthropic：只有 0-20% 能完全委托
*** 腾讯研究院：AI First + 影响力溢出
*** AI 参谋长：带出处的自动简报
** 窍门
*** 上下文分层存文件
*** 一件事一份说明书
*** 给验收标准和“停下来问我”
*** 带人际温度的动作留人工
*** 频率×烦人程度排序
*** 划死隐私红线
** 坑
*** 省出时间被新活填满
*** 秘书变代言人
*** 只自动化不复盘
*** 说明书过期不维护
*** 指望它替你要资源
@endmindmap

扩展阅读

• How Anthropic teams use Claude Code —— Anthropic 内部各团队的真实用法
• How AI Is Transforming Work at Anthropic —— 27% 与 0–20% 这两个数字的来源
• 《从超级个体到超级团队——AI 时代组织变革的涌现路径》—— 腾讯研究院，2026 年 5 月
• 开会的艺术之一：在开会时实时分享 Agenda 和会议记录 —— Walter Fan
• MCP 还是 CLI：AI Agent 到底怎么跟已有服务打通 —— Walter Fan
• AI Agent 孵化器：用一个父 Agent，批量造出贴身服务的子 Agent —— Walter Fan
• AI 的“操作系统”：Harness 工程如何让模型自我改进 —— Walter Fan
• lazy-rabbit-skills —— 我自己在用的 skill 集合

本作品采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可。 欢迎在我的个人网站 https://www.fanyamin.com 访问原文并评论。