我在生活和工作是怎么使用 AI 的 ？

我想记录一下我最近是怎么使用 AI 的，这里说的 AI 主要是大模型，我会列举几个具体的场景。

搜索

我现在用搜索引擎的次数比以往已经下降了非常多。

现在大部分时候，如果我想要查一个问题，我都会先使用AI。最常用工具是 Monica 和 Google Gemini。

上周领导跑来问我们要不要参加ASPICE的培训，我不知道这个单词是什么意思，就下意识地在 Monica 中询问。

现在绝大部分的 AI 都是有联网搜索能力的，所以你问它一个问题的时候，它会根据你的意图去查一些信息，结合这些信息和他的知识库来回答你的问题。相当于 AI 替你使用了搜索引擎，总结之后直接回答你的问题。

但是，我在搜索新旧之战：传统搜索vs AI搜索里面提到过，直接使用 AI 有一些潜在的问题。
比如他的回答有可能不是正确的，甚至就是完全瞎编的（也就是幻觉问题）。
所以，当我在跟 AI 的对话中得到自己想要的答案之后，如果这个问题比较重要，比如涉及到工作上的项目或者生活中一些比较重要的事情的时候，我还是会自己去做二次验证。
但是对于一些比较简单问题，或者我认为相关资料非常多的场景，我基本上就选择相信AI了。

在我身上，印证了我以前的观点：AI 搜索会吃掉很大一部分传统搜索的市场份额。

这张图片是我最近在 Monica 中的使用记录：

完善新产品的 idea

我业余时间会做一些产品（称之为玩具可能更合适…）。当我有一个新的 idea 时，很多情况下知识一个非常模糊的想法，具体这个产品是什么样的、有哪些功能、是否有竞品、应该使用什么的技术栈等等这些我都不是很清楚。
这个时候我一般会先跟 AI 聊聊，共同梳理清楚这个产品的 MVP 应该是什么样的，使用什么样的技术栈比较好，最终会生成一个 PRD（产品需求文档）和 TODO List。

我在这里比较常用的模型有 OpenAI GPT-4o、Anthropic Claude 3.7 和 Google Gemini 2.5 Pro，除了直接跟 AI 聊天，我还会使用各种 Deep Research 帮忙做竞品分析，比较好用的有 Gemini Deep Research和 Genspark 的 Agentic Deep Research。

下面的图片是我用 Gemini Deep Research 做的一个关于 AI（LLM）会如何影响汽车开发的调研，虽然不一定非常深入、准确无误，但是我只需要输入几个问题，等待几分钟就能得到一份还不错的调研报告，阅读之后基本上就会这个问题有一个大致的了解，这非常有助于我下一步的工作。

分析医疗检测报告

我的宝宝前一段时间因为感染病毒（同时感染三种病毒）住院，抽血化验后有好几项指标都不正常，当时医生又不在，我就拍照片发给 AI 让它向我解释，虽然不会有医生那么专业和可靠，但是可以很快得到回答，这让我从心理上得到一定程度的放松，而且我可以一直追问，它不会厌烦。

更重要的是，我可以通过跟 AI 的聊天可以相对深入的知道宝宝当时的问题，知道我应该问医生哪些问题，怎么配合医生，这在医生实际来沟通的时候更加高效。

但是，要强调的是，以目前 AI 的能力，在医疗问题方面，千万不能盲目相信AI，一定要相信医生。 AI 可以帮助我们了解更多的信息，让我们更医生的沟通更加高效，但是绝对不能盲目相信 AI。

写代码

由于合规问题，公司项目目前不能使用 cursor，我们使用的是 Github Copilot，前一段时间 Github Copilot 也出了 Agent 模式，虽然没有 cursor 那么好用，但是在 Claude 3.7 模型的加持下，也还不错了。

对于比较大一些的任务或者新 feature，我都会先用 Ask 模式跟 Github Copilot 聊一下。
我会告诉他需求是什么，让它给出实施方法。由于 GitHub Copilot 可以直接访问当前的代码，我们的代码也很规范（详细的注释和规范的变量名），基本上聊个两三次就能给一个还行的方案。我会 review 它提出的方案，看看是不是符合我的预期，如果不符合我的预期，就接着让它调整；有时候也会有一些我看不懂的地方，就让它向我解释。

几次聊下来，我就很清楚应该怎么做了，接着就开始写代码。
前一段时间，我很喜欢使用 Agent 模式，也就是直接让 AI 代替我写代码，但是最近不怎么用了，更偏向于自己手敲代码。一是因为Agent 模式有时候会一次性输出很多代码，这里面会有隐藏的 bug、重复代码等问题，二是所有的代码都让 Agent 写了，我们很难真的学到什么技术，长久来说不是好事。