跳到正文

文章

用 AI 协助思考问题的三种模式

祈祷式、头脑风暴式、查漏补缺式——三种用 AI 协助思考的模式,以及为什么只有最后一种真正被留下来持续使用。

一个具体的问题:如何用 AI 协助自己思考一个问题?我陆续试过几种模式,最终沉淀出了自己实际在用的那一种。

模式一:祈祷式——让 AI 来帮你思考

给出一个话题,让 AI 帮你产出一大篇内容。AI 确实会高产出一堆内容,但很多东西都超过了你的思考。现在的 AI 太高产,会说很多一本正经的废话:你说它不是吧,好像又带点关系;你说它有用吧,又很多超出你的范围,你不敢真正用它。在代码上、在写文档上都会出现类似的情况。我过去有类似的经验,产出的东西很快就被丢弃了。

模式二:头脑风暴式——让 AI 引导你思考

给出一个话题,让 AI 帮你做头脑风暴。AI 会各种引导你思考,给出各种选择让你做。做着做着,发现了一堆你没有思考过的问题,也是带点边,但看起来又好像可以不用。既然选择很简单,就逐步选择吧。最后产出的东西,大概率是又大又全,最后还是被丢弃。

模式三:查漏补缺式——让 AI 帮你整理和分析

AI思考人机协作

使用 Codex 的这一个月:产出、收益与下一步思考

记录最近一个月使用 Codex 完成的工具开发、架构知识维护、仓库整理和 Skills 建设,并总结实践收益、当前局限以及对 AI 研发流程的下一步思考。

最近一个月,我开始更系统地把 Codex 用进日常研发工作。恰逢本月使用额度多次重置,从实际使用量来看,我估计达到了常规单月 Plus 额度的 2~3 倍。这也让我有机会从零散问答进一步走向持续实践,观察 Codex 到底能够承担哪些工作,又会在哪里遇到边界。

这个月完成了什么

这一个月的产出大致可以分为六类。

第一,我完成了三个不足 5,000 行的小工具程序。这些工具主要供自己内部使用,目标并不只是获得最终结果,也是通过真实项目练习如何与 Codex 协作。

第二,我持续维护一个架构域的研发知识体系。相关代码总量约 30 万行,其中核心关键代码超过 10 万行。初期的重点是维护架构文档;后期随着可用额度增加,我开始让 Codex 直接阅读代码,并根据代码实现不断补充和优化文档。目前,这些文档已经能够在组内承担初步的信息咨询,并为新功能设计提供一定支撑。

CodexAI研发研发效率Skills