【读书笔记】《ai-collab-playbook》——把 AI 当同事而不是工具

2026-05-06 6 min

原文链接：ai-collab-playbook 公开版，作者：睡小觉（cnfjlhj），AI 方向在读博士生，发布日期 2026-04-26。

核心观点：主变量在于人

短期内仍是人机协作时代，AI 更像能听懂意图的同事，而不是替你完成全部工作。文章的核心主张是：不要把 AI 当”工具”用——按个按钮让它出结果；而是把它当”同事”——你需要交代背景、明确需求、持续沟通、沉淀默契。

让 AI 先写 Prompt 框架，人再微调。与其自己从零写 Prompt，不如把任务丢给 AI，让它先产出一个 Prompt 草案，你在这个基础上审阅、修改、迭代。这样做的好处是：

让 AI 多角度逼问，把模糊想法掰清楚。与其直接让 AI 执行，不如先让它对你的需求提问——“你说的 X 具体是指什么？""有没有考虑 Y 的情况？“——通过来回问答把模糊的意图打磨清晰。

不同任务用不同模型/Agent，避免”一把梭”。不同模型有不同的强项，比如：

关键是根据任务特征选模型，而不是所有事情都丢给同一个。

把流程固化为 Skill/Workflow，越用越快、越稳定。好的协作模式不应是一次性的——每次协作中积累的经验、偏好、项目结构，都应该沉淀下来，形成可复用的 Skill 或 Workflow，让 AI 越用越懂你。

入口越贴近工作流、越轻，使用越频繁，价值越容易被挖掘。作者日常常用”豆包划词工具栏”做概念解释/搜索/翻译，也提到类似工具与更进阶方案（Pot Desktop、Cherry Studio 等可接自定义 API）。核心思路是：让 AI 的调用路径尽可能短。

通过类似 cc-connect/happy 之类的方式，用 IM 把任务丢给远端 Agent 工作台，远端负责下载、转写、分析、跑代码、生成 PDF、返结果。关键在于”可持续培养”——让 Agent 记住偏好、项目结构，沉淀 Skill/Workflow，逐渐成为熟悉你的同事。

有读者引用并认同文中提醒——如果 AI 在跑，你只是盯着控制台刷手机，最后把结果原样拿来用，说明你可能把 AI 当替代而不是协作。这种状态下你既没有思考也没有学习，只是在消耗 AI 的输出。

评论普遍支持”AI 辅助、加速”，同时认为未来工作主导比例难料，但思考不能放弃。AI 可以帮你更快地到达目的地，但不能替你决定要去哪里。

有人分享长期用 AI 后表达变得”不通俗/怪异”的体验，提醒要警惕依赖带来的语言退化。这不仅是中文写作的问题，也可能是思维方式的问题——如果习惯了 AI 的表达模式，可能会失去自己的语言风格。

有读者问”用 AI 复现文章模型算法”时用什么搭配。作者建议：如果 AI 方向论文通常有开源 repo，配合原始论文，让 AI 参考复现结果迭代就能做到不错（自己复现也多交给 GPT）。

有读者说面试被问 AI 是否替代自己，认同用”主变量是人”来回答，强调人类价值。

有读者提到相比”较重且僵化的流程”，也可以走更轻量的路径：按需求把 agent/skills/rules 拷到本地环境，尽量把工具使用权限掌握在自己手上——有时候只是改改代码，并不需要完整 brainstorming。

这篇文章的核心建议偏向”系统化能力建设”：用 AI 降低摩擦、逼清思路、沉淀流程、建立多 Agent 多模型协作体系。而评论区最重要的补充是提醒不要放弃亲自思考与表达训练，别把 AI 当接管一切的黑盒。

对我有启发的几点：