作为一个码字专业户，每天既要写产品方案，也要写博文，还要按需码点代码。我尝试过用 AI 完成以上各种文本工作。
老实说，AI 在以上的每一块都做得很好，以至于有时候，我甚至会产生自我怀疑，现在我们对 AI 的抗拒，会不会类似于父母对洗衣机的嫌弃：虽然洗衣机快，但机器洗的衣服怎么会有人手洗的到位呢？
尝试厘清这种做什么与不做什么的边界，需要从将文本工作分类开始，我一般分为两种，方案型写作和表达型写作，两者在目标上的差异决定了 AI 介入的程度。
让 AI 写方案
方案型写作的目标是思考完备，逻辑闭环，也是最不需要个性表达的地方。
就像很多人常用夸张的手法来描述写代码的现状那样，现在，我也几乎不会纯手撸产品方案了，不过，我大抵也不会相信「一句话生成一套完整方案」的鬼话。
从实质内容占比上来看，AI 生成的内容大概是整体方案的 80%。只是，方案的起点是从那 20% 开始的，这 20% 是一种上下文的判断与决策，要回答的问题诸如：
- 这个方案要解决什么问题
- 为谁解决，他们真正在意什么
- 在多种可能中选哪条路
- 哪些坑需要提前规避
这些判断通常基于碎片化的上下文：会议讨论、线下聊天、产品调研、过往的项目经历…… 等等，尽管 AI 的多模态理解能力在持续强化，诸如长文本、截屏、录音，甚至视频，加上可以获取各种互联网内容的 AI 浏览器，现在的 AI 已经可以轻松获取到不少的上下文了，但这都只算是冰山一角。
因为，信息的显性化是需要额外的人力成本的，更多的上下文只是隐性待在其发生的地方，很难被 AI 主动捕获到。
而我们的初始想法，始于这些上下文与思考的交织。AI 可以列出所有选项，但无法替我做那个「就这么定了」的决定，AI 也很擅长在已知范围内优化，但从问题 A 联想到解决方案 B 的创造性跳跃，目前还是人的优势。
现在，我仍然会自己完成想法的头脑风暴，输出一份大纲，接下来就是与 AI 密切合作的 80% 了，而这种合作目前主要基于 Notion AI 来完成。
为什么是 Notion AI
之前其实分享过 Obsidian 和 Cursor 的搭配，也是不错的方案，但，只要我自己还需要与其他人协作，Notion 依然是目前的最佳个人选择，个人笔记整理、小范围文档共享、公开页面分享都是可以满足的，而且对我自己来说，早期我已经完成了笔记内容从 Evernote 到 Notion 的迁移，现在的 Notion 算是我自己「上下文」最多的积累了。
不过，Notion AI 真正具备可用性，还是在今年 9 月份之后的 3.0 版本。终于不再只是选中内容在弹出的悬浮菜单里操作了，那个真的只能算是文案修改助手。现在，Notion AI 添加了全局 AI 对话框，可以灵活引用各种上下文，包括 Notion 自己的和第三方应用的内容。
并且，它总算支持自选模型了，不用再强迫用 Notion 自家的，这里又想起我自己的一个暴论：我不相信只有一家模型的工具，现在的 AI 输出依然是抽卡的机制，每家 AI 都有自己擅长的部分，需要不同的尝试，不能吊死在一棵树上。
Notion AI 还有另外一个加分项，在手机和 iPad 上都可以正常使用，体验很接近。以前在手机上不想进行的繁琐操作，现在也是说说话就可以快速完成内容的排版。
第一步：用「积累」作为启动上下文
基于 Notion AI，更多的已有的积累像是被激活了。
以前，那些躺在文件夹里的模版、调研笔记和思路草稿，往往只是沉睡的「死」存档。但现在，我们可以把这些过往的积淀一次性提供给 AI，它们不再是单纯的记录，而是让 AI 读懂我们的最佳语料。
只需引用这些上下文，AI 就能迅速对齐我们的标准和思路，将初始的模糊的想法，快速转化为结构完整且带有个人印记的初稿。
第二步：减少不必要的犯错
坦白说，直接让 AI 生成内容，它不仅会犯错，还经常一本正经地胡说八道。
但反过来想，如果让它来找茬呢？
只要它能揪出一个逻辑谬误，或者补全一个思考盲区，就是文明的一大步。在这个阶段，我把 AI 当作最严苛的审稿人，不知疲倦，随时待命，依照之前积累的检查清单逐条过筛。
不过，这里有个实操的关键点：一次只解决一个章节。
确实不能指望扔给它一整篇文档它就能吐出完美的批注。颗粒度越小，它的眼神就越犀利。查漏补缺需要深入到每个小章节，一段一段地来。
第三步：修改格式的体力活
在 Notion AI 的深度思考日志里注意到，Notion 似乎将各种格式的编辑都封装成了独立的「工具」。这意味着，传统 Word 里的「格式刷」已经成为了历史。现在，我们只需要口述想要的效果，就能批量完成任意格式的调整。
文档里，我自己最偏爱的结构化内容格式是简单表格和 Database，当 AI 飞快得将一团乱糟糟的文本变成一个完整的 Database，还是非常震撼的。
在与 AI 协同完成最后的精雕细刻后，最终版也就基本定稿了。
第四步：生成更多积累
这就形成了一个完美的闭环。
正如第一步里提到的，我们在用「积累」加速方案写作。而每一次方案的完成，恰恰又创造了新的、质量更高的「积累」。
那些刚刚落定的方案，沉淀了最新的产品思考、更严谨的 SOP 规则以及验证过的最佳实践。它们不再是静态的无用的存档，而是下一轮循环中也会用到的上下文。
AI 确实让这种复利机制运转起来了。随着积累的增加，下一次方案撰写的起点也会越来越高，越来越快，越来越周全。
让 AI 写代码
AI 已经是我的软件 3D 打印机了。
如果说，用 AI 写方案只是在原有的快车道上再踩了一脚油门，那么 AI 编程对于像我这样的非技术人员，几乎是从不能到能的跨越。
尽管 Vibe Coding 还有争议，但我已经实实在在地将 AI 当作了我的编程代理。它让那些曾经只停留在脑海中的设想，得以落地生根：
- 完全自定义的个人站点
不再受限于现成的模版，从样式主题、内容结构到信息的自动分发，每一处都依照自己的设想构建。整个项目还以代码仓库的形式开源在 GitHub 上，保持着定期的迭代。一直比较推荐的是，如果基于 AI 学习编程，个人站点是一个最值得入门的作业，它可以帮助我们了解最简单的代码编写、构建、部署和托管的完整流程，而不仅仅是一个跑在本地测试环境的玩具。
- 家庭 NAS 上的 Docker 服务
以前只能做「伸手党」用别人的镜像，现在 AI 让我能直接按照想法完成 Docker 镜像的编写和部署。Docker 真正变成了一台个人的 Playground，想要什么服务，不再需要寻找替代品，直接动手「搭建」即可，运行起来也是零成本。
- 随手构建的专属应用
像是浏览器扩展 CopyURL，为了方便我自己以不同格式复制浏览器标签页的链接；或者是 OmniAudio，能将任意网页内容变成骑行路上可以听的播客服务。
在代码的世界里，虽然 AI 生成了 100% 的字符，但我依然沿用着产品经理的工作流：先定义清晰的方案文档，再拆解步骤交由 AI 执行，那个「一句话生成一个 App」的说法，也是鬼话，真的。
不让 AI 写博文
正如你看到的内容的现在，我几乎不太让 AI 介入博文的撰写。
AI 确实可以轻易写出逻辑严密、文笔完美的正确文本，但对于表达型写作而言，「正确」并不是首要问题，甚至，「效率」也不算。
之前在 为什么要写 Blog？ 里提到过一个观点：Writing is refined thinking。文字是将隐性思考的想法显性化的过程。只有落到「纸上」的打磨，才是对自己思维的真正梳理。
如果省略了这个痛苦但必要的锤炼过程，直接获取一个 AI 生成的完美结果，也就失去了和自己对话的机会。而且，我也不希望我的思考纹理、经历，甚至是个人偏见，被算法标准化。做自己，大概是现在最弥足珍贵的东西了，以前担心的是人云亦云，现在则是，AI 云亦云。
当然，这不代表我自己完全排斥 AI 的建议。偶尔我也会试试，让 AI 帮我寻找更合适的表达建议，像一个写作教练一样，尝试打破现有的语言圈层。
写在最后
我们对待 AI 的态度应该是什么样的呢？我也不知道，既日新月异，也因人而异吧。
这让我想起了现在的自动辅助驾驶。在长途自驾里，已经离不开它了，但因为会犯错，并不会完全依赖它，而是有选择地在那些最枯燥、最标准的「高速公路」路段上使用它。
以前纯人肉开车，一天 400 公里已经是精力极限。而现在，依靠它的辅助，最高可以达到 1200 公里一天。
不过，这并不是为了让 AI 替我们开车，而是为了让我们在保有驾驶乐趣的同时，去往比以前更远的地方。