用AI，瞎忙和使劲忙，欲速则不达

作者: admin 分类: AI技术 2 次浏览发布时间: 2026-09-03 00:00

这是学习笔记的第 2530篇文章

闲唠唠使用AI的一些感受吧，这一段时间以来最深刻的感受就是：欲速则不达。

我通过自己的一些实践感受，有对于AI使用率的焦虑，也有对知识沉淀，还有对自身能力和认知的错配的观察。

1、终身学习和投资

从上一段职场经历里面出来，其实算是一个站点，现在日本职场流行一个词“静默离职”，就是不辞职，也不内卷，到点了下班，这种不拼命也不辞职的心态，在国内也开始比较普遍，而且我也感受过，从周边的生活氛围也感受得到。

那么离开职场的下一站会是哪里呢，没人知道，但是我比较确信的是绝大部分人不可能工作到60多岁，有些人可能过早开始主动被动进行半退休状态，有些人可能是晚几年，在可想到的时间和空间范围内，这都是一个倒计时的状态，那么如何调整自己的心态，在完成原始积累的基础上，我觉得是很多人需要认真思考的一个问题，所以我觉得始终会回归到终身学习这个话题上来。无论是眼下的AI,还是自己感兴趣的事物，或者需要自己用心经营的事物，我觉得都是其中的范围。

过度的放大焦虑和放大效果都会被焦虑反噬，所以AI在这里是一个很好的辅助，但是应该需要在自己的认知之内去做适合自己的事情。

2、我的大模型使用量盘点

现在大模型的发展阶段有种进行了高位区间，就好像85和88分开始没有那么大的差距了，国内和国外的差距也在缩小了，对我们来说是好事。

我使用的主要是Claude Max，chatgpt plus,再配上deepseek api,kimi 套餐，因为其他的相比Claude的占比要小很多，所以就没有刻意去做统计具体的使用量。

这是我这段时间以来的Claude使用率的情况，经过一段时间以后，这个数字已经不是最重要了，我的重心已经切换到了要确定的产出的阶段，毕竟单纯的使用量高，已经有一点刷题打怪的感觉了，需要实实在在的结果。

上半年的时候Claude的限制还是很多，比较强势，尤其是Mythos,Fable推出不久，没想到这段时间以来Anthropic眼神清澈了好多，我本来内心刚收回来，结果昨天开始Claude又重置了额度，还剩一天时间，要用完Max还是很有难度的。基本上跑了3个小时左右，额度采用了10%左右，下午晚一些开始切换Fable 5.1,跑长任务,我没开loop，基本上Claude 一天时间满打满用40%额度,也就到头了。虽然我还嘴硬觉得loop模式能够更快消耗，但是我的理性告诉我：欲速则不达，因为这是一种难以名状的浮躁，很容易被反噬。

毕竟这种场景很具体：假定你知道你在几个小时内有无限的token,你可能会思考各种可能性，但是似乎没有一个特别好的点子。

所以我算是带着60%的理性来说这种反噬的结果。

3、瞎忙和使劲忙

之前有一个想法会马上在自己的环境里面做迭代，说是vibe coding,其实是各种拼拼补补，我目前已经迭代的项目有差不多20多个。

目前稳定下来落到基础设施层面，能够每天用到的差不多有5个左右。

我在7月份到8月份，花了很长一段时间是在稳定自己的运维服务体系，我有10多个云服务器，每月也是一笔花销，所以很多服务都是混部状态。

在开始的那一段时间里，基本上是各种救火，一会儿这个服务崩了，影响到了另外的服务，或者网络不可大，需要临时跳转，来来回回，反复折腾，搞得自己很忙。经过了差不多2周左右的迭代，总算是有了眉目，有些问题总算是搞清楚了，现在我对于cpu，内存的使用率有了新的认识，也能够通过一些负载和使用率的变化很快识别出来是哪个服务可能出现的问题。回过头来看，其实还是底子没有打好，前期更多是瞎忙和使劲忙，从复盘视角来看，应该还有提升空间，但是从心态上来说，应该是一个必走的阶段。

4、开始抠搜成本了，把思想沉淀下来更重要

每个月给云服务器续费的时候，我都会评估一下，一想到需要做一些迁移和整合，有些想法就先搁置了，到了这个月，我开始给自己上强度，比如最近有5台云服务器需要续费，大概几百块，我把各种利用率和服务拉出来，一通盘算和整合，最后的结果是：

1、下线一台

2、降配一台

3、回收一台云服务器的硬盘卷

不知不觉就降本30%以上，而且这个工作大部分还是靠AI来执行的。说的直白点，可能花了200块钱的AI费用却节省了100块钱，这种事情到底划不划算，我觉得对于降本的这件事情是值得的，应该沉淀下来的是这种思想，继续深挖，把分析的过程沉淀下来，我觉得远比这个成本计算要划算的多。

5、让人汗颜的skill系统

我目前沉淀了100多个skill, 如果算上数据库的skill,可能有200多个。

对于自己使用比较多的100多个skill,自己做了一个skill系统，改造为一种AI动态管理的方式。

skill的迭代和版本管理放在github私有库，然后和云服务器打算做流程化管理，迭代了几个版本之后，总算能看到skill的管理全貌了，我看完之后其实是五味杂陈。

原来我自己使用的skill的过程是很碎片化的，因为沉淀的过程是AI控制的，skill的设计完全不成体系，有些随心所欲，只是在使用过程中看起来好，时不时开始调用skill，如果按照这种自动化的套路和思维完全托管使用，我觉得离自我崩溃也不远了。

所以基础的服务，基础的能力沉淀，这些东西还是不能完全托管到AI这边，自己得花心思经营。

回想这一段时间频繁的处理问题，尤其是一些关键问题的处理上，其实很多时候自己都没有细究真正的原因，这些都是被AI反噬的信号，因为真正发生问题的时候，我也一样不知道该如何是好，所以把AI当作自己的朋友，让去多做，而控制权要牢牢控制在自己手里。

6、多模型，多agent协同的普遍问题

我1年前多前就开始琢磨自己的多模型协同系统，失败了很多次，尝试做AI助理，甚至养了8只龙虾，最后我发现真正需要沉淀的还是那些看起来很基本的东西，否则都容易被反噬。

举一个多agent协同的问题，比如我自己为了管理几个不同的agent,设立了一个总工agent,它只需要统筹管理，不需要执行，看起来是很简单的设计，但是实践的时候总是会发现这种协同模式下的效果是打折扣的，我觉得这种感觉就好比做传声筒的游戏，有些信息传递的过程中，就会发生信息的变化，传递的信道越长，真实需求和信息的损耗越大，等到几轮信息处理完，反馈到你这里的时候，可能已经完全变味了。

包括大模型的effort模式设置，如果你确实是一个比较简单的需求，但是如果你开了max,ultracode模式，对你自己可能会有一种用力过猛的感觉。就好比你需要买一个红色的苹果，大模型如果过度思考甚至会考虑到苹果翻洋过海的物流损耗。

7、享受一些阅读时光

我知道现在说阅读和学习好像有些不合时宜。不过我有几次是真的逼着自己静下心来读书，我会发现AI生成的内容虽然好，但是有些经过长期沉淀的思想和方法，人写出来和AI给你的还是有区别的。

找到一本好书，细细品读，远比生成成百上千的AI文档要好，因为人的认知范围是受限的，只能接受自己认知范围内的，同时我们需要的是借助于AI来扩展认知，但是别指望它来主导你的思想，否则很容易被反噬。

日子嘛，只要还过得下去，总有办法，还是需要终身学习来打磨自己。