重复做很多事情
已经习惯24小时在网，特别是手机带来的便捷，再加上现在 AI 的“泛滥”，最终很多人会逐步的“退”回到 AI 应用的使用者身份上，包括我自己，虽然也做了很多尝试，包括用 AI 来训练客服系统，但是本质上仍然是一个应用者。
可能很多人使用 AI 来生成图片，视频片段，以及最基础的文案，但是这些本质上还是工具化和信息化的过程，如何真的融入使用其实是一个难题，就像外卖应用是如何融入你的生活的。
没错是，是需求，然后把需求链接起来，就可以尝试把AI应用起来了。
EXP1 短视频创作者
大概会有这样一个流程：选题、定义主题和方向、文案脚本、拍摄、成片剪辑、上架发布、反馈和回复。
完全就可以实现AI自动化+人工干预的方式来优化自己的创作过程。至于要选择什么样的AI工具流，就看自己的偏好和是否满足需求了。
EXP2 程序开发者
以全栈开发为例，大概的流程是：
需求设计、结构设计、页面UI设计、数据设计、编码、调试、测试、测试发布、发布上线、反馈优化
在步骤里去寻求合适的AI工具，然后进行调试和适配自己的工作习惯和节奏，最主要是工作节奏必须要调整去适应AI带来的变化。我接触的很多开发者大多数都是偏向于编码到发布这个阶段的AI工具，例如 cursor ，github copilot，Warp，但是在工作流中的很多内容都可以用AI来替代的，比如数据结构的设计复制，项目初始化，项目信息的维护，以及开源库的集成，比如以 copilot 为主要工具，可以把这些工作都进行自动化。
EXP3 学习/普通使用
我们其实可以把AI想象成一个医院，你去到医院并不会全部科室走一遍，也不会想每次都去翻看医院的历史文化介绍，甚至不想一遍又一遍的享受单一无趣的“挂号”系统，那怎么办呢？
进一步，可以把它想象成一个专属的私有医院，你需要挂的是专家号，根据自己的需求寻找不同的专家，例如你今天要学习英语，那么你可以只拉一个懂英语和学习交流的AI，忽略掉其他信息是提升效率的关键。
就像 zoom作为会议软件仍然是不错的选择，但是 granola.ai 凭借AI的能力，对于网络会议来说，也是不错的选择。
First of first, 从第一步做起。
例如，你写邮件是否已经用了 AI 能力？