我这段时间使用 AI 的一些体验和想法

引言

目前各位同学对于 AI 应该都不陌生了，但是想要真正会使用 AI，我觉得我们还是都应该学习一下。

这篇文章我就想详细讲一讲我这段时间的 AI 使用体验，以及我对 AI 的一些期待，不同模型用下来有什么感受，还有一些关于 Agent 的想法。

可能有些地方会比较主观，毕竟这些都是我自己用下来的感受，大家就当作一个分享来看就好。

1. 错误的使用场景

你给出问题，AI 给出答案，Ctrl C 和 Ctrl V 一下，问题解决。

这是最典型的使用，也是最无脑的。

我常常会在学校里听到有人抱怨豆包这么"蠢"，提交了好几次还是 WA，但是他们并没有自己去看问题到底在哪里，也没有想着自己找一找原因，更没有想一想这个代码为什么要这样写。

用 AI 没错，让它写代码也没错，可是不能没有思考地接受。还是得自己吸收，再加以利用。

我平时最常使用的就是 DeepSeek 的网页版，它可以解决一些不太复杂的题目，也可以回答日常生活中出现的问题。当我没有思路的时候，我也会找它帮我出谋划策。

写这篇文章的时候其实我也是这么做的。最开始我只是有这样一个想法：我想写一篇关于 AI 使用体验的文章，但是没有很具体的思路。我就把自己的想法告诉了 DS，它很快帮我列出了一份大致的思路，然后我继续补充、修改，最终才有了现在这篇文章。

举一个我在视频里面看到的例子。

当我们写一个最简单的"输入一个数字，判断这个数字在不在数组里面"的时候，你有什么思路？

第一步，定义数组。

第二步，从键盘输入一个数。

第三步，把这个数和数组里面的每一个元素一一比较，如果找到了，就输出 yes，没有就输出 no。

思路很简单吧？

假设你不知道怎么写代码，你完全可以把这几步先自己想好，然后让 AI 去完成每一步的代码。写完以后你再去看，为什么要这么写。

在你已经有思路的前提下，再去看代码其实会轻松很多。

假设你连 for 循环都不知道怎么写，那就直接问。问它为什么这样写，又比如这里为什么要用 break，为什么必须放在这里，不能放在大括号外面。

是吧，这样一来是不是就清楚很多了？

学习效率也会高很多。

这只是一个最简单的例子，我主要还是想告诉大家：

不要对 AI 直接索取答案。

2. 我关于 AI 的一些想法

对于我来说，最开始 AI 能生成一整套方案，甚至直接把代码写出来。它把原本写代码的时间，变成了构思提示词和反复验证的时间。

这个过程中，其实我也有一个从依赖到质疑的过程。

最开始是只有我把程序提交上去，出现报错以后，我才能发现问题。

再到后面，我看到 AI 给出的解决思路时，就已经能够直接提出质疑：

这个方案有没有问题？

是不是一定要这么写？

是不是还有更好的解决方案？

我觉得这个过程还是非常必要的。

因为 AI 越来越强以后，我们真正需要做的事情，可能已经不是"把代码一行一行敲出来"了，而是去思考这个东西到底应该怎么做，然后判断 AI 给出来的东西对不对。

AI 越强，我们越要思考"怎么做"，并判断它给的东西对不对。

我在很多工作上都非常依赖 AI，比如部署 Linux 系统在我的电脑上、构建本地 Agent、部署我的云服务器、搭建我的个人博客……

但是我们得让它学会有边界。

有些核心工作不能全部交给它。要让它当跳板，而不是让我们思维退化的轮椅。

3. 具体的使用体验

前端细节与审美协作

我最近在美化自己的网站的时候，会经常让 AI 去修改。

我要什么样的背景，要什么样的挂件，每个模块的格式应该是什么样的，这些东西都会交给 AI。

但是这时候它构建出来的成品往往并不尽如人意，通常就是改了以后再改，改完继续改。

尤其是涉及到三维图形的时候，它显得非常无能为力。

因为它修改的是底层代码，它并不知道这个页面最终看起来是什么样子，它只知道"这里对应的是这个板块"，然后就开始修改。

所以有时候我会把我在其他平台上浏览到的、我觉得做得比较好的网页链接发给它，让它先参考一下。

这里还会涉及到另外一个问题，并不是所有 AI 都是多模态的。

这意味着有些模型根本不能识别图形，就算你把图片直接发给它，它也不一定能理解。就算它有多模态能力，也不代表它能精准理解你的需求。

所以我们还是需要非常认真地跟 AI 交流，去讨论这个产品到底应该是什么样的。

还有一个比较麻烦的问题就是上下文。

我们在交流的时候可能不知不觉就聊很多，一旦上下文太长，它有时候就会逐渐模糊你最开始的需求，然后开始出现偏差。

这时候你就得重新设定上下文、纠正它、继续引导。

我平时不会自己去构造 CSS，大部分都是根据需求直接让 AI 生成。

但是在提需求的时候一定不要太空泛。

提需求别太空泛，越具体，AI 越容易做对。

比如我要修改文章里面的文字颜色，浅色模式下关键字是什么颜色，其他文字是什么颜色，暗色模式又是什么颜色。

你看，这就是一个比较细节的问题。

你自己改的话可能要花一点时间，但把问题交给 AI 以后，它可以识别到之前创建的 CSS 有问题，没有覆盖到 Paper Mod 里面，然后它会去查看 Paper Mod 原本是怎么设置的，再去修改对应的 CSS。

这种小问题一两分钟就能解决，效率确实提高了很多。

不过我后来发现一个小技巧：与其一次性把需求讲清楚，不如先让 AI 给出两三个不同的方案，我再从里面挑一个方向继续深入。

小技巧：先让 AI 出几个方案，再用排除法挑方向。

比如同样是改配色，与其憋半天想怎么描述"我想要的感觉"，不如直接让它出几版，我用排除法反而更快找到方向——有时候我自己都说不清楚要什么，但看到成品就知道对不对。

4. 关于一些模型的使用体验

我日常会使用到的模型主要有 DeepSeek、Gemini、ChatGPT、Claude，最近也在使用 GLM。

这里面很多东西都是我自己的使用体验，不一定代表模型真正的客观水平，大家参考一下就好。

DeepSeek

首先就是 DeepSeek。

不管是网页还是调用 API，它应该都是我使用得最多的一个。

网页版可以解决一些小问题，列提纲、总结、写一些小论文之类的都没有问题。

之前在 Copilot 上，我也是经常用 DeepSeek。最开始有学生优惠的时候，很多国外顶尖模型都能使用，后面优惠额度大幅减少以后，我就一直在用 DS 了。

DS 的价格比较亲民，之前的一些版本我也用过，整体体验还是不错的。

最近出的新版本在数值和实际使用体验上也都挺强。我之前遇到过一些其他模型没有解决的问题，DS 反而解决了。

就是在 Copilot 里面，它思考的时间有时候会比较长，有一点接近 WorkBuddy 的感觉，不过解决问题的能力还是挺强的。

最近很多公司也开始推出订阅模式，比如火山方舟、智谱的 Coding Plan 之类的。

这些订阅的额度还是比较大的，我最近也一直在使用。

大家如果感兴趣的话也可以自己去试试。像火山的 Coding Plan 里面有不少模型，价格也比较低，尝鲜还是可以的。

这个真不是推销，单纯就是我自己觉得性价比还可以。

ChatGPT 和 Gemini

接下来就是两个国外的模型：ChatGPT 和 Gemini。

ChatGPT 的模型一直都很强大，但是对于学生来说，使用途径可能没有那么方便，而且价格也不算便宜。

我自己在使用的时候，一般是遇到一些难题，或者其他模型解决不了的问题，才会找它试一下。

关于 Codex，这个我就不展开讲了。

之前我在使用的时候遇到过注册和验证方面的问题，目前我也没有找到特别方便的解决办法，大家感兴趣的话可以自己去搜索一下。

Gemini 我之前买了一年的 Pro 会员。

可能买的时候 Gemini 的体验还比较不错，所以就一直用了下来。

现在我的使用场景主要集中在一些图片、视频生成以及网页版上的功能。

另外 Gemini 网页端现在也增加了一些比较方便的工作区功能，写前端的时候会更加直观点，这一点还是挺方便的。

Claude

接下来就是重头戏：Claude。

不得不说，就我自己的使用体验来说，Claude 的模型确实非常强。

首先就是解决问题的能力很强，而且它给出的回答通常比较简洁，不太会有那种一大段一大段的八股文感觉。

还有一点我觉得很舒服，就是它有时候会继续问你问题。

它不是在"猜你的需求"，而是真的在和你一起把问题弄清楚。

如果你的需求不够明确，它不会马上开始乱写，而是会先问你缺少什么信息。

Claude 不同模型之间的定位也不一样，我自己日常更倾向于使用 Sonnet，速度、性能和价格之间的平衡比较好。

Opus 更适合复杂一些的任务。

另外 Claude 在多模态方面给我的体验也很好，处理 PDF、PPT、图片之类的东西都很方便。

我自己会用它处理简历、做一些视频或者 PPT，整体体验都挺不错。

然后就是 Claude Code。

不同于 Codex，Claude Code 对很多人来说都比较容易接触，部署也比较简单，基本复制几行命令到终端里就可以开始使用。

它其实就是一个非常典型的 Agent。

对于我来说，因为平时的主要工作环境还是 VS Code，所以我自己使用 Claude Code 没有那么多，但它确实是一个非常好用的 Agent。

其他模型

关于其他模型，比如 GLM、Kimi 等等，目前我自己的使用还不算多，所以没有太大的发言权。

很多东西也是从别人那里听来的。

大家感兴趣的话可以自己去试试，毕竟模型这种东西，最终还是得自己用过才知道适不适合自己。

5. 一些反思与感受

我觉得目前 AI 其实还是有一个非常明显的"甜点区"。

比如一些算法题、简单的 HTML、CSS、小型工具之类，只要目标比较明确，它通常都可以完成得很好。

之前我尝试过让 AI 做一个算法可视化的网站，最后的效果其实就很不错。

因为这种项目目标非常明确，页面怎么做、功能是什么，都可以直接告诉它。

但是一旦回到我自己的博客，就会明显感觉到它开始有点力不从心。

因为自己的博客有很多东西不是"代码正确"就可以了。

你得考虑页面的审美、布局、动效、整体风格，还有一些很难直接描述出来的东西。

所以有时候你会发现，同样一句"帮我优化一下"，放在算法题里可能立刻见效，放在自己的博客上却可能改十遍都不满意。区别不在于 AI 强不强，而在于这件事本身有没有一个清晰的对错标准。

区别不在 AI 强不强，而在事情本身有没有清晰的对错标准。

算法题、工具类需求通常有明确的输入输出，AI 判断"对不对"很容易；但审美、风格这种东西连我自己都很难一次性讲清楚，AI 自然也抓不住。

另外，有些同学可能在提交学校作业的时候会遇到 OJ。

这类题目限制很多，有时候 AI 可能真的会卡在一些非常奇怪的地方。

这种时候我觉得没必要一直追着一个 WA 死磕。

有时候真不是你不会，也不是 AI 不够强，而是这个题目的限制本身就比较死。

6. 一些结语

写了这么多，其实就是想跟各位同学分享一下我这段时间摸索 AI 的一些体验。

AI 确实很好用。

它可以帮我们写代码、解决 Bug、部署服务器、做 PPT、处理文件，甚至帮我们完成很多以前自己根本不会做的事情。

但是它再怎么强，也不能代替我们自己的思考。

在遇到 Bug、碰到 WA 的时候，还是得自己多找找原因，搞懂到底为什么这么写。

不要一味地当一个只会复制粘贴的工具人。

我觉得真正好的 AI 使用方式，应该是：

先自己想，然后让 AI 帮你做；做完以后再自己看，自己判断，自己质疑。

从最开始依赖它给答案，到后来能够去质疑它的答案，我觉得这本身就是一个很有意思的过程。

AI 越来越强以后，我们可能真的不需要再像以前一样花大量时间去写每一行代码了。

但是我们还是得知道自己到底想做什么，为什么这么做，以及 AI 给出来的东西到底对不对。

所以我还是比较喜欢把 AI 当成一块跳板。

让它帮我们触及更深的设计逻辑，而不是让它成为让我们思维退化的轮椅。

大家平时学习或者写代码的时候，有哪些好用的 AI 工具和心得？或者有什么踩坑的经历？欢迎私信交流。

以上这些基本都是我和朋友自己用下来的体验，多少会带一点主观性，大家参考一下就好。AI 更新得还是挺快的，模型、价格和功能可能过一段时间就会发生变化，具体还是以最新情况为准。