AI学习笔记 · 2026 第1期 | 我发现,AI 已经悄悄把我们工作的“玩法”换了(写给IT从业资深人士版本)
- 2026-02-10 09:22:14
AI学习笔记 · 2026 第1期 | 我发现,AI 已经悄悄把我们工作的“玩法”换了(写给IT从业资深人士版本)2026 1月的个人AI 学习笔记：AI 正在如何真实地改变我们的工作方式，记录和分享给各位资深产品/设计从业者的一份去噪观察。 
2025 我是navigator，你呢？ 代码好像没以前那么“难写”了， 方案、分析、文档，出得比以前快 但奇怪的是，人反而更累了 不是事情变多了，而是——你越来越不知道，自己到底该把精力放在哪。如果你有这种感觉，我想说一句： 👉 这不是你的问题。 因为 AI 带来的变化，已经不再是“工具升级”，而是工作方式被悄悄换了一套玩法。 - AI 的核心变化不是模型，而是工作方式 - 从写 prompt → 拆解问题、引导AI： 多 Agent + 并行 + 长时间运行正在成为新常态 - Spec / 计划驱动 > 随意 vibe prompting - 设计师 / PM 正在进入“原本属于工程师的 AI 工具世界” 我们正在从「亲自干活」，变成「指挥一堆 AI 干活」，一开始，大家聊 AI 都在聊：prompt 怎么写， 哪个模型更聪明，但现在，真正拉开差距的已经变成了另一件事： 越来越多人的真实工作状态是：不再盯着一个 Chat 窗口, 而是同时跑着好几个 AI agent，自己做的，是判断方向、纠偏、拍板。说得直白一点： 这个变化，对工程、设计、产品其实是一样的。 
📎延伸阅读 How the Creator of Claude Code Uses Claude Code https://blog.sivaramp.com/blog/how-creator-of-claude-code-uses-claude-code/ Scaling Long‑Running Autonomous Coding (Cursor) https://cursor.com/blog/scaling-agents
现在最有效的 AI 工作方式，已经不是“一问一答”了，很多人还在用 AI 的方式是： 但现实中，效率最高的玩法已经变成：一次性把目标和约束说清楚，让 AI 连续跑30 分钟、1 小时，甚至更久，中间你去干别的事， 回来直接 review 结果，换句话说： 现在更像是： 没有结构 → AI 发散 有 Spec → 质量显著提升 我见过不少人吐槽： 但慢慢大家发现，真正的问题通常是： 所以最近一年，Spec-driven / Context-driven这种方式开始被越来越多人接受：先把目标、边界、限制条件写清楚 再让 AI 去发挥 微软开源的Spec Kit就是一个很典型的例子： https://github.com/microsoft/spec-kit 它的意义不在“酷”，而在于：让 AI 的输出变得可控、可预期。而且这套方法，不只适用于写代码。 📎延伸阅读 Spec‑Driven Research Kit https://github.com/nguyenvanduocit/research-kit GSD – Get Sht Done Plus https://github.com/kogumauk/get-shit-done-plus
Agentic Workflow： 多个 AI 同时工作，人负责决策与整合 → 这是未来知识工作的默认模式 Agent Skills（技能模块）： 给 AI 安装“插件”，让它具备可复用能力 一个容易被低估的变化：AI 已经开始“吃掉”非工程工作 很多人还潜意识里觉得： 但现实已经不是这样了。现在已经有人在用 AI agent： -写结构化 PRD -做竞品和研究总结 -跑长时间的分析和推理任务 只要你的工作需要： -结构化思考 -结构化输出 你迟早都会被卷进来。 
📎延伸阅读 Agent Skills in VS Code https://code.visualstudio.com/docs/copilot/customization/agent-skills
这几个人值得长期关注 -比起每天追模型更新，我更推荐 follow 这些长期高质量信号源： Ethan Mollick（Wharton） AI 在真实世界怎么落地 https://www.oneusefulthing.org Simon Willison LLM / Agent / CLI 的一线实践 https://simonwillison.net Andrej Karpathy 把 AI 复杂问题讲清楚的人 https://karpathy.ai Sam（Sunday Letters） 企业级 AI adoption 的现实问题 https://samschillace.com 
AI 不会取代你的判断力，但会逼你把“判断”这件事做得更清楚。 反而觉得这一轮 AI 不是在削弱你，而是在放大你真正擅长的部分 因为：写得快，已经不再稀缺， 能想清楚、讲清楚、判断清楚，才稀缺 2026 年，真正拉开差距的不是： 而是： 
AI 视频 越来越难分辨了
✅ 1. 改变你用 AI 的方式 先写目标 / 约束 / 成功标准，再让 AI 做 ✅ 2. 开始并行 同时跑 2–3 个 AI 任务，亲自体验“AI 协作” ✅ 3. 在团队中推广结构化用 AI 重点不是工具，而是问题拆解与判断力 ## 纯属个人学习笔记和见解，如有雷同，纯属巧合 
过去一年，我和不少身边的同事同业者聊过，大家反复提到一种很相似的状态：
工作方式本身，正在被重写。
30 秒速览
01
—
Agent + 并行工作
成为新常态
你能不能把一件复杂的事，拆清楚，然后交给 AI 去跑。
你不再是“写代码的人”，而更像是在带一个不知疲倦、但需要被管的团队
为什么读：最真实的多‑agent 工作方式示例，可直接模仿
为什么读：证明 AI 已能连续运行数天完成复杂项目
02
—
Spec / 计划驱动
正在取代 Vibe Prompting
我问一句 → AI 回一句 → 我继续改
“我在等 AI 回答”这件事，本身已经过时了。
“我把任务丢出去，回来验收。”
“AI 写的东西很飘”“一会儿好一会儿坏”
你一开始没把规则说清楚。
为什么读：把“写设计 brief 的能力”变成 AI 管理能力
为什么读：解释为什么“无结构 prompting”会失败
03
—
AI 工具世界
coding agent = 工程师专属
为什么读：设计师 / PM 开始用工程级 AI 工具
04
—
如果你不想被 AI 信息淹没
05
—
这轮变化，
其实是资深从业者的机会
“谁更会用 AI”
“谁更会指挥 AI。”
05
—
现在就能做的 3 件事
（行动清单）
如果你喜欢今天的内容，欢迎在留言区分享你的想法和见解，我们一起交流；也欢迎把这篇推送分享给需要的人，谢谢。接下去还打算做一个给孩子/家长看的版本，敬请期待。
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
