生活中 90%的事情都应该用 AI 来解决
简介/背景
最近我在做一个改简历的智能体。一开始用的是 Spring-AI-Alibaba（SAA），但实践下来迭代慢、效果也不稳定。后来我用 Codex 写 Skills，很快就把流程打通了，效果明显好很多。这件事让我坚定一个想法：生活里 90% 的事情都应该用 AI 来提效。
核心要点
- 绝大多数日常事务其实是 SOP，AI 比人更擅长稳定执行
- 人的价值更在“判断与目标”，而不是重复性动作
- Skills 是把经验变成可复用流程的最好方式之一
- 不要只看模型强不强，关键是“能不能落地成流程”
对程序员和学生的具体用法
程序员：把“需求拆解、方案对比、接口文档、单测补全、发布检查”变成 AI 可执行清单。
学生：把“课程复盘、错题归纳、面试题整理、项目总结”变成 AI 输出模板。
一句话总结：你负责方向与评判，AI 负责整理与执行。
我为什么会这么想
- SOP 任务的瓶颈不是“聪明”，而是“重复” 我改简历的需求很标准：识别问题、给建议、输出改写。SAA 在处理上很慢，而且每次要重讲一次上下文，效果还不稳。反过来 Skills 更像“经验模板”，它把流程固定下来，让 AI 每次都按同一套路走。
打个广告：欢迎私信我，找我改简历!!!
-
AI 的效率优势来自“结构化流程” 模型再强，如果没有流程，输出就会像随机发挥。Skills 的价值是把“怎么做”固化下来，让 AI 更像稳定产线。
-
人应该把时间放在“目标”上 比如：你到底想让简历变成什么样？你是要进大厂还是要稳妥转行？这些是人需要决定的。AI 应该去做整理、改写、补全、检查这种“体力活”。
这次经历的几个具体体会
-
“会用”比“会写”更重要 我不需要在 SAA 里写复杂链路，只要能把流程写成 Skill，让 AI 执行就够了。
-
模型不是瓶颈，流程才是 同一个模型，在没有流程时就是散的；有了 Skill，就像上了轨道。
-
可复用才是效率的本质 技能一旦写好，以后再改简历几乎就是“复用”而不是“重做”。
适用范围与反例
这里不是说“AI 可以替代一切”。
- 不适合的场景
- 需要高价值决策（比如职业规划的最终方向）
- 需要深度情感支持（比如安慰人、共情时刻）
- 需要强责任背书的输出（比如法律/医疗最终结论）
- 适合的场景
- 文本整理、总结、改写
- SOP 流程执行（如：简历优化、面试题整理）
- 信息结构化（整理知识库、写学习笔记）
未来怎么落地“90% AI 提效”
-
先把重复任务列出来 比如：简历、面试准备、学习笔记、周报、沟通稿。
-
给每个任务写一个 Skill 技能不是炫技，而是把经验流程化。只要能把 SOP 写出来，就能快速复用。
-
不断迭代“你的个人 AI 工作流” Skill 一开始不完美，但每次使用后都可以补充和优化。
-
设一个可执行的小目标 比如“本周把简历优化和周报写作交给 AI”，先让 2-3 个高频场景跑起来。
给自己留“非输入的深度思考时间”
我很认同一个实践：每周至少拿出 1-3 小时，关闭一切输入，用纸笔完成独立思考。
不刷资料，不看屏幕，不被消息打断，只做“结构化外化”。
具体做法很朴素，但很有效：
- 纸、笔、便签、胶带是最便宜也最好用的工具
- 把问题拆成块写在纸上，拆解清楚你每天要做什么
- 不追求整洁，先把思路画出来，再拼成完整视图
- 尝试像拼图一样，逐个把事情解决，让他AI化
这段时间的价值是：让你真正知道“问题到底是什么”，而不是被信息流拖着走。
AI 能替你跑 SOP，但目标与问题的框架，仍然要由你来定。
你们猜我这个文章是怎么写的？
我是用 Codex + Skills 写的，我和 AI 进行深度沟通，沟通环节中我输入一些我的想法，AI 自动总结并输出文 Md 文件，然后自动发布牛客。耗时 3 分钟
收尾
我相信 AI 不是要替代人，而是帮人省掉大量重复劳动，让我们有时间去做更重要的判断和选择。希望这篇碎碎念能对你有用。
如果你有不同看法，欢迎讨论。
