我如何使用 AI（2026 年 10 月）：从 GitHub Copilot 补全转向管理 5–6 个 Claude Code 智能体

哇，变化真大。

去年十月，我盘点了一下自己是如何使用 AI 的——具体来说，是我们称之为“AI”的那些很酷的东西，比如 LLM。我很庆幸自己这么做了。12 个月后，情况已经非常、非常不同了。

背景

我仍然认为自己使用 AI 的方式相当典型，但我的背景发生了显著变化。去年十月，我还是 Microsoft Windows AI 团队的一名工程师。现在我是 Salesforce AI Research 的研究工程师。我花更多时间支持科学家和构建快速原型，而不是与一个大型工程师团队合作。我每月在 token 上花费约 3,000 美元。

无论如何，我使用 AI 的方式基本与去年相同：

• 编程
• 研究与搜索
• 摘要与转录与（新增）语音
• 写作
• 艺术与音乐与（新增）视频

今年还有一件新事：我起草了一份个人 AI 政策；我们就从那里开始吧。

和之前一样，这仍然纯粹是我的观点与推测。如果你使用 AI 的方式不同，请告诉我！

我的 AI 政策

今年我开始起草一份个人 AI 政策——也就是说，一份关于我希望如何在生活中使用 AI 的文件。我对此非常兴奋。我也在为这个网站制定一份明确的 AI 政策（还在思考中；可能会基于 Hank Green 的政策），但个人政策是为了给我一个日常使用这些工具的框架。

AI 正在渗入生活。队友让 Claude 写他们的 Slack 消息，祖父母生成他们孙辈的诡异梗图，研究人员把思考委托给机器。这些事我都见过；甚至像 Hank Green 和 BrainPOP 这样强大的创作者也会迷失方向。

人类显然还没有使用这些工具的规范，而我们正在搞砸。我希望随着 AI 变得更聪明，个人政策能让我脚踏实地。我希望随着时间推移调整这份政策，我也渴望看到它如何演变。我也愿意接受初稿完全、无可救药地错误。

归根结底，我想用一生与他人一起创造酷东西。AI 能帮忙，AI 也能伤害。政策帮助我找到其中的区别。

编程

写代码已经被解决了。

去年，我诗意地描述了 GitHub Copilot 的自动补全如何改变了我写代码的方式。

嗯，呃，我不再写太多代码了。智能体编程已经让它过时了。

我的工作日现在意味着管理约 5–6 个 Claude Code（或 OpenCode 或 Codex 或 Pi）智能体。我会给 Claude 一个要实现的功能、一个要复现的 bug，或任何我以前手工做的任务；每个智能体获得自己的代码副本（如果你懂技术的话，是一个 Git worktree），然后就……开始工作。智能体写代码、运行测试，甚至创建和审查 PR。

它们简直是魔法：

• 它们让我快速构建：智能体能在约 20 分钟内为任何新功能做出原型。我真的数不清因为这些智能体，我（还是 AI？）能够构建多少功能、bug 修复、测试和工具。例如，AI 让我在短短几分钟内就在 macOS 和 iOS 上测试了令人困惑的音频代码。

• 它们让我尝试疯狂的想法：人类团队追求“快速失败”；而智能体可以超快速地失败。我很乐意测试疯狂的新想法，并抛弃效果不佳的东西。它能够为Mumble 的一项重大改动接线并测试，该改动增加了更好的降噪功能；我几乎每天都使用它的测试版。

• 它们消除了苦差事：我曾让智能体仅凭一段描述和一句“请修复！”就诊断并修复紧急 bug，而我则继续处理其他事情。

• 它们让我更友善：既然智能体包办了一切，在代码审查时向队友提出大范围改动建议，甚至自己写一版，都变得很简单——这两件事在手写代码的时代是不可想象的。

我不认为工程问题已经解决：如果放任智能体自行运行，它们会构建出功能糟糕、过度架构、不可读、自鸣得意的一堆垃圾。我问过的每一位朋友都同意，智能体仍然需要人类的品味和经验才能产出好的工作。其中一些是细枝末节（比如 Claude 喜欢往网站上扔的那个烦人的 状态点 ），但大部分都是关键问题。智能体独自运行时往往会迷失方向。我今年最成功的工作是手写了一个工具，用几百行代码替换了约 4,000 行 vibe-code。我的系统被证明比它所替换的东西更灵活、更易于测试、更具通用性。

不过，这种人类优势能持续多久还有待观察。

我现在还要应对使用这些智能体带来的疲劳。同时管理 6 个不同的对话、6 个不同的机器人、6 个不同的功能，这种过度刺激和疲惫是编程从未有过的。刚开始使用智能体时，我记得自己会急忙回答它们的问题，就像它们是等待帮助的人类同事一样！虽然我已经缓和了那种拟人化偏见，但同时应付这么多问题还是很累。午饭前再发一个提示的诱惑……然后拖到晚饭……哎。还有，正如我在Consider the chairmaker 中所写，手艺的衰落。我的朋友 Peter 感叹把编程的乐趣让给了机器：对我们许多人来说，打磨代码、找到正确的设计、看着各部分契合在一起——那是我们在工作中找到的冥想式目的。现在，我们很少写任何东西。我们把它委托给 7 号智能体。

但让我回到与智能体合作的乐趣：它们如此之快，如此乐于接受反馈，如此聪明。与它们合作可以非常愉快。

例如，当我为语音智能体构建测试框架时，一个编程智能体（正确地）认定我的简单测试框架不够用。于是它使用我 Mac 内置的文本转语音功能来直接测试它正在构建的语音智能体。然后，更新的智能体也开始这样做。要么它们记录了这一技术，要么它们各自都足够聪明，能独立发现它。直接测试它们正在构建的产品。绝对精彩。

智能体经常推荐一些旋钮和设置，我会因为太复杂和不必要而拒绝——然后，瞧，下周我就需要那个旋钮了。愚蠢的人类！

总之，由于智能体编程，智能体拉取请求越来越成为我审查智能体代码的方式。我会写：“创建一个草稿 PR，我很快会审查！”然后我确实会审查——智能体仍然不够可靠，不经验证无法信任，所以我仍会审查它们的代码并手动测试。不过，我不再做以前对人类那样的“逐行”代码审查。我转而关注架构，关注代码中更大的模式。某种方法是否存在系统性问题？我是否应该向 CLAUDE.md 添加新的智能体指导？我能否构建更好的测试框架，让机器可以测试自己的代码？

智能体代码审查在这里出奇地有帮助：每当我注意到生成代码中反复出现的问题时，我都会尝试为代码审查机器人编写规则，这样智能体就能自行识别并修复问题。我乐于创建的一条规则是：“Claude 式评论检测器。”你觉得我的写作啰嗦？试试 Claude 的。

在更典型的工程团队中，人类代码审查似乎越来越困难。我的一位朋友抱怨说，他的队友只是让“他们的”Claude 去审查其他 Claude 编写的代码。Claude 的衔尾蛇！智能体非常擅长捕捉错误和风格问题，但在设计架构方面却糟糕透顶。智能体代码审查当然还不能取代人类。

去年，我对 内联编辑和代码模式持怀疑态度，这两者都是 GitHub Copilot 的功能。当时它们就不太有用，有了智能体后就更没用了。我已将它们从表中移除。

研究与搜索

去年，我对研究与搜索感到兴奋：它们是我使用 ChatGPT 最常见的原因。现在，生成式 AI 是我做这些事情的默认方式。

最大的变化是谷歌的 AI 摘要。谷歌的第一个或第二个结果几乎总是 AI 摘要，而且通常还不错。所以我的传统搜索现在默认以 AI 为先。它完美吗？绝对不是。有一天，它给了我NPR RSS 源的错误 URL，还找不到“AI’ve”的出处。

但排名靠前的结果也没有明确给我 NPR 的 RSS 源，甚至 Claude 也找不到“AI’ve”。与此同时，搜索“HP Reverb G2”给了我想要的规格，“ai intelligence is spiky”为我指出了正确的术语（“jagged”），“emoji sigh”给了我正确的表情符号，而没有把我引向一个垃圾网站，“rel nofollow markdown”提醒了我如何链接那个网站而不给它搜索引擎权重。

产品搜索仍然很平庸。我搜索“best hysa”时会看一下摘要，但我不信任 Gemini 能就我的钱该放哪里给出好建议。Claude 确实帮我探索了平价 VR 选项，也帮我理解了KitchenAid 搅拌机润滑脂的技术细节，但我能信任它的茶几推荐吗？沙发床呢？更别提在我的 ChatGPT 对话里看到广告有多不舒服了。

酒吧冷知识——那些我会在酒吧问老婆的事——用 LLM 依然很棒。同样，Google 的 AI 摘要意味着“lego cat on a balcony tiktok guy”能帮我找到 @avadonye 的摇摇欲坠的 LEGO 作品，而“art vtuber who is a lizard on TikTok who gives short tutorials”能帮我找到 Mallow，那位在 TikTok 上是蜥蜴、发布简短教程的艺术 vtuber。

我经常避免用 LLM 查酒吧冷知识，就像我以前一般也避免用 Google 查这些一样，因为我喜欢和朋友一起琢磨。我喜欢费米问题。

但我越来越兴奋于把 LLM 当作老师来探索众所周知的概念。去年我对此一带而过，但这对 LLM 不公平。我相信它们是人类创造过的最伟大的老师。

• 我让一个 LLM 一步步带我微调 Mistral，让它像海盗一样说话（yarrr）。
• 我用 Claude练习回应我在无线电里听到的一次 EMS 呼叫。
• 我让 Claude 使用我从Dan MacKinlay 那里找到的苏格拉底式方法技能，帮我头脑风暴语音智能体中语义端点检测（判断用户何时说完话）的新方法。
• 我让 Claude 解释处理一份复杂法律文件的典型方法。
• 我甚至让 Claude 就一次很长的代码审查考我，以确保我理解了智能体写了什么。开源项目 Mumble 几周前实际上在它们的 AGENTS.md 里加了类似的测验。

我真的嫉妒这些机器展现出的无尽关怀与耐心。我希望我们能找到方法，把这份耐心分享给我们的孩子，同时确保孩子仍然在学习。Veritasium 的 Derek Muller 在《关于 AI 与学习，所有人都搞错了什么》中讨论了这一点：AI 在反复练习、即时反馈、以及私人导师能做的一切事情上都很出色……只要你要求它这么做。

“世界上满是沉重的物体，”他说，“然而大多数人并没有练出肌肉。”

这就是我今天对 AI 辅导最大的恐惧。这些机器必须被提醒才会去教。按照 Muller 的说法，学习需要 Type 2 思维——调动你大脑中缓慢的推理模式。这非常困难。你的身体会不知不觉地、持续地把你从这个模式中推出去。导师的存在就是为了把你逼回去。但 ChatGPT 的存在是为了替你做事：它为此被调教得太好，以至于往往会忘记“它本该是个导师”，即使之前被要求过。当你我都忘记了自己学习的渴望时，还能发生什么学习呢？

这与我去年最大的担忧——准确性——不同。当时的回答常常有基本的事实错误，但如今这似乎已不那么成问题。我认为有两个基本因素：

1. 我对AI更了解了。我认为我们中更多人对AI擅长什么有了“感觉”，因此能避开那些参差不齐的边缘。

   例如，我不信任ChatGPT能够读取1867年数字化稀疏的文档。所以我满怀希望地问了它，然后基本上忽略了它的发现。

2. AI更聪明了。就像在编程中一样，我认为今年我们到达了一个拐点，模型已经足够聪明，能够更可靠地回答更多问题。

   点击会看到《控制》的重大剧透，但谷歌对其结局的AI摘要（使用2025年11月的Gemini 3）简洁且正确，而必应的（使用约2024年5月的GPT 4o）则不然，把游戏与其续作混为一谈，这是有原因的。

这一趋势延伸到了文献检索。去年，我分享了对使用LLM进行复杂文献检索的忧虑。我的怀疑依然存在：这些机器能访问有史以来所有的文字，因此它们可以真诚地支持任何前提。此外，已有充分证据表明LLM存在默认偏见，在政治上或其他领域，比如商业战略。我担心它们微妙地强加世界观的能力，无论是自行其是还是受企业或政府指使。

然而，LLM现在是我进行文献检索的首选。部分原因是谷歌搜索顶部有那个AI摘要，所以我最终会读它，但也因为LLM在为我寻找优质、细致的数据方面远比传统搜索有效——尽管存在潜在偏见。你必须记住，Google Scholar搜索有点糟糕：当我开始研究汽车触摸屏便宜但不好用时，好几个月我都找不到任何研究，除了一家汽车杂志——Vi Bilägare——做的一项。尽管我曾在研究汽车用户界面的佐治亚理工学院实验室工作过！尤其是随着它们变得更聪明、我也培养了直觉，LLM是很好的发现者。看看Claude为我做的人类对延迟感知的调查：

不过，归根结底，人类专家仍然比智能体更可靠。这就是我推进“汽车触摸屏”研究的方式——我请教了那个佐治亚理工学院实验室的人。我也一直在买更多的书，甚至包括稍微过时的书，比如Card、Morgan和Newell的《人机交互心理学》（所有人，包括LLM，都会引用它），或者Wicken的《工程心理学与人类绩效》的旧版本（通过我在婚礼上遇到的一位核顾问）。它们为我的研究奠定基础，仅仅是通过提供一种清晰可读的世界观。

这就是为什么我对AI作为新颖研究的合作者感到失望。AI损害了我一直在做的一些研究。

我在 Salesforce 的团队一直在研究语音相关的东西，而我一直在尝试改进轮次检测——也就是理解用户什么时候说完话。这是个难题，也让我有机会去读关于人类对话如何运作的基础研究（终于读了！）。AI 很擅长找到那些研究和好的数据集（尽管我的队友给了我 AI 从未提供的背景信息）。当我让它用苏格拉底式方法帮我设计自己的轮次检测模型时，它表现得很好——直到我一时兴起问了一句：“有没有更好的架构？”答案是：有，确实有。AI 把我带偏了。

那不是 AI 唯一一次把我带偏。LLM 搞不清楚如何正确标注那个模型的训练数据。我花了好几天和它们来回讨论，试图决定如何区分轮次和打断。和一位人类队友好好讨论一次之后，问题变得如此简单，这真让人尴尬。在头脑风暴复杂问题时，LLM 还不是好的伙伴。

写这段话感觉很奇怪，因为 OpenAI 刚刚解决了一个千禧年难题，证明了另一个难题的弱化版本，又解决了数百个问题，而且每天都会发布更多解法。但这些成果花费了“数百万美元”：你需要烧掉大量 token，让智能体审查智能体再审查智能体……只是为了产出一些连贯的东西。就我而言，我发现自己会陷入这种“AI 迷雾”——审查智能体的回答比我自己想出答案还要费劲。

很明显，AI 研究者们正在赶来。只是……不是今天，也不是和我一起。

摘要、转录与语音

LLM（以及本地模型！）在摘要与转录方面依然好得无趣。

我一直在用 OpenWhispr 和 Handy 向电脑口述，尤其是和我的智能体对话。地球上最好的模型在你的电脑上本地运行，免费。我最大的抱怨是应用有 bug（快捷键工作不稳定，等等）。很难描述一种比这更无聊的成功。

我的会议有自动笔记。我的朋友搭建了一个本地流水线，用来转录并搜索他童年的家庭录像。Vikram Oberoi 建了一个网站（2024 年！），自动转录纽约市议会会议。你可以在你的 Mac 上完成所有这些事情。

然而，除了口述之外，我还没能可靠地使用语音。

我在 Salesforce 的团队研究它是有原因的：语音是最原始的模态。它本应是与这些类人机器人交谈的无缝方式。但我从未感到有冲动去和我的机器人说话；它从来都不够顺畅、不够私密、也不够有用。老派的 Siri 算吗？

写作

去年：“呃。”今年：“呃。”

对于我自己创作的东西，我仍然不使用 AI 来从零开始写作，也不把它当作列提纲的辅助工具。

相比去年，我把这条规则的范围缩小了一些。去年，我认为 LLM 始终缺乏上下文，因此不擅长沟通。随着智能体编程的出现，情况变了。所以我会让智能体记录实验——这些实验由我设计，但我并未亲手执行；或者让它们为端到端生成的代码编写 README。

但即便是这个有限的例外也让我不安。我不喜欢自己偶然撞见 AI 生成的废话，那我又凭什么让别人去忍受呢？为此，我开始在提示智能体时要求它们在撰写文字时表明身份，而且我常常最终自己重写它们的文档（或至少加一段执行摘要）。这有帮助，但我不确定是否足够。

总的来说，我很惊讶 AI 在写作上仍然如此糟糕。AI 写的东西读起来很费劲：通常拖沓、重复、空洞——但又会突然变得简短而含糊，仿佛它连自己的话都不理解。智能体常常把每一篇发表过的论文都引用、摘录、总结一遍，然后综合成一堆胡言乱语。这就是我撞上的 AI 迷雾：是我误解了所有这些新论文，还是 LLM 只是端出了一些伪深刻的废话？让我困惑的是，这些模型一方面能解决世代级的数学难题，另一方面却完全无法描述人类的轮流发言行为。我想，这就是它们参差不齐的智能。它们的推理方式与我们不同。它们无法被微调得像我们一样说话。所以它们能解决我们解决不了的问题，却用我们难以理解的报告来分享。

无论如何，我在沟通中——无论工作还是这个博客——不使用 AI 来写作或列提纲，这并不奇怪。我的雇主付钱买的是我的想法，只有我能表达它们。而我在这个博客上写作是为了乐趣。写作是一门艺术，也是一项我乐于追求的技艺。

我为什么要把自己的声音委托给一台只会写出乏味垃圾的机器呢？

它在找词方面仍然很棒。Google AI 说服了我，让我没有在后面的文字里把“ceding”写成“hawking off”（这并非一个表达）。但我正在降低对它在编辑方面的评价。尽管去年我给出了积极又担忧的评估，但当我与几位请智能体编辑求职申请的朋友交谈时，他们的反馈普遍不温不火。智能体们一味奉承，不愿批评。而任何绕过这一点的人（比如改说“我朋友写的这个”）发现，智能体给出的建议既不合时宜又老套，缺乏细微差别。智能体似乎向均值回归：帮了写作最差的人，却拖累了写作最好的人。智能体……还行吧。

正如一位朋友所说：

[AI 写作]和 3 年前一样好。而考虑到自那以来其他一切变化有多大……

今年我完全避开了使用 AI 编辑器，因为担心它们会抹去我的声音。但我越来越确信，它们只会让我的声音变得平庸。AI 的破绽一如既往（“你说得完全对！”），而且这些机器在没有大量引导的情况下似乎无法改进。也许是幸存者偏差，但这些非常聪明的机器产出的文字却非常平庸。

艺术、音乐与视频

最后是艺术。我仍然没有找到图像生成的好用途。

去年，我用 AI 生成了一些零碎的东西，但今年我停下来了，主要是出于一种模糊的不适感。我觉得自己像是在把创造力的机会拱手让给平庸机器。

我挺喜欢看到的许多低投入梗图；我们需要更多数据中心是我全年最喜欢的笑话之一。AI 还帮忙设计了一些我参加过的实用演示文稿。但我不确定 AI 艺术如何融入地球上的生活。去年我以为自己在一家礼品店看到了 AI 艺术。好吧，现在我已经看到了AI Sketchers 广告、AI 活动海报、AI 餐厅菜单、商店和电竞战队的 AI 标志、HomeSense 的 AI 画布，以及沃尔玛的AI T 恤。它无处不在，而且明确地在取代人类艺术。真恶心。

AI 音乐生成则以相反的方式令人困惑。去年，我担心自己会同样对它感到厌倦。但没有！我真的很享受一些 AI 音乐——全世界也是如此。爆火的圣胡安歌曲激发了人类的翻唱和“米拉·库尼斯、查理·普斯和詹妮弗·洛芙·休伊特”的对口型视频。AI 还启发了新的流派：几周来我一直在哼AI 是普通技术吗？（9.5 万次观看）、 LGTM（看起来不错）（160 万次）和模拟的终结（16.9 万次）。正如一位评论者在天哪！我们发现了其他智能体（12 万次）下所写：

我认为当 AI 艺术和音乐被用作人类创造力的透镜，而非替代品时，它们是美丽的。去年我猜过类似的事情，而我认为去年的音乐证明我是对的。一旦商业主义取代了创造力，我就退出了。当Eiden XII开始每周分享新的“但感觉不一样”翻唱时，我就对他们失去了兴趣；在听了第一个克隆之后，我就对steel coils式的教育娱乐感到厌倦了。当一个合成女声高唱“劝我别去死”，而某个家伙（大概是）每次我播放都能赚钱时，这里面有一种愤世嫉俗和操纵感。

同样，我也没有听过任何进入我信息流的新 Doompop。生成几首歌很酷；每天发布就不那么酷了。感觉像秃鹫从一个好点子的尸体上啄食广告收入。

这在视频生成领域显而易见。去年我基本躲过了（尽管我妈妈收到了一些奇怪的鲸鱼清洁视频），但现在我看到了一大堆。我总能看到 AI 广告——最难忘的是 Sixt 广告里那些可怕的人马。我被骗去看了一个假 Edna Mode 模仿者的视频和一些粗制滥造的二战历史视频，我妻子则被当作助眠产品营销的《探险活宝》AI 摘要骗了。它们全都希望获得观看量、获得广告收入、获得——正如 Corridor Digital 所说——“从 YouTube 那个食槽里刮下来的一点点。” 在无痕模式下打开一个 AI 历史视频，盯着旁边推荐的误导性垃圾内容，令人清醒：

看到这些能批量生产艺术的机器被用来批量生产艺术，真是可怕。我知道这听起来很傻，但存在一个世界，我们在那里用这些工具来提升艺术家，就像编程智能体提升我一样。

我很幸运，我不靠艺术谋生。艺术对我来说仍然有价值。即使 AI 写歌比我快，我仍然涂鸦，我仍然弹钢琴。

反正自己画更有趣。

结论

所以，12 个月过去了。

距离我第一次尝试让智能体写代码已经 12 个月。距离 Claude Code 第一次让我说“哇”已经 10 个月，当时它一次性为我构建了一个保险比较工具。而现在机器写了我 90% 以上的代码。

人们很容易忘记这一切有多么新。15个月前，AI在一项知名的高中数学竞赛中表现出色。2个月前，AI解决了纳维-斯托克斯方程。

去年，我写道：“我相信我们才刚刚开始看到 AI 能实现什么。”这仍然成立。我们现在才刚刚开始看到这些机械化程序员和数学家能构建什么。我的朋友们为彼此构建了沟通工具。我终于能够清理并分享一个我在 2020 年就开始做的工具。智能体帮我完成了一个我想做多年的开源改动，开始制作一个应用，测试对旧软件的大规模改动，并快速理解新的操作系统。

这只是开始。

这是一个勇敢的新世界。这些机器也输出企业垃圾并让数学家震惊。但我想起我叔叔如何使用这些工具构建自己的软件；我的朋友们如何制作帮助我们保持联系的软件；这些东西如何帮助我学到了太多太多。工具可以被用来帮助人们。

这就是我希望使用 AI 的方式。

感谢 Peter Kreiseder 和 Atherai Maran 提供咨询。Claude 帮助让状态图标看起来更像 Claude。

想要明年的文章吗？（以及其间的其他文章）

没有垃圾邮件。只为新文章发一封电子邮件。

附录：我的订阅

如果你想知道，我订阅了：

• Claude Pro（17 美元/月）
• GitHub Copilot Pro（10 美元/月）

大约一个月前我取消了 OpenAI 订阅，这有点疯狂。OpenAI 曾是我的第一个 AI 订阅！但我个人使用最多的是 Claude Code，而且我最终用 Claude 来回答各种随机问题，而不是 ChatGPT。去年我们还以为 OpenAI 遥遥领先呢！

我只用 GitHub Copilot Pro 来做自动补全。