把 AI 接入日常工作流：六个立竿见影的场景
-
我电脑上没有一个所谓的"AI 神器"应用。过去一年，我把大模型塞进了六个已经存在的习惯里，每个都是几分钟见效的改动。
**代码审查预筛。**拿到 diff 先丢给模型："这段改动可能引入什么问题？"它列出的低概率问题我直接忽略，但遗漏的边界条件、绕口的逻辑经常被它点出来。记住它是初筛，不是裁判，最终判断永远自己下。
**周报和邮件起草。**把今天干的事用三行要点丢进去，让它扩成周报；发邮件只给事实和态度，让它出初稿，我再改语气。这类模板化文本，模型写得既快又平。
**会议纪要整理。**语音转写稿进模型，要求去口头禅、按议题归拢、列出待办和责任人。一小时的会，十分钟能成稿。
**外文资料翻译加摘要。**英文文档先要 300 字摘要，判断值不值得精读再动手。技术文档的翻译质量这两年已经相当能打，生僻缩写需要自己盯。
**报错日志排查。**把错误栈、配置和上下文贴给模型，命中率比搜索引擎高得多，尤其是冷门框架的报错。但版本差异会骗人，它给出的修复路径要结合自己环境的文档验证过再用。
**一次性脚本和正则。**描述需求、给出输入输出样例，让它生成我再改。正则这类"查了忘、忘了查"的东西，交给它最划算。
原则就一条：模板化、可复核、低风险的任务交给模型；需要判断、要背责的活自己把关。以我的经验，卡点从来不是模型不行，而是你愿不愿意把真实数据喂给它、肯不肯养成复核的习惯。