企业，个人，AI助手，三者之间的拉扯。

今年公司反复强调一句话：在产品和工作流中，必须要把AI用起来。

管理层也不问问，有没有同事不用AI。

从互联网企业的角度，不难理解AI的生产力，但集成到产品和协作中，并非三言两语能说清楚，也不是三五步就能看到效果。

员工用AI提升个人效率，但协作中会拉扯整体节奏。

在上半年的三四月份，三个不同城市的员工，协作一个轻量级的项目，但产品的用户是公司高层，所以承担的压力非常大。

负责领导给出明确要求：必须把AI落实到项目中。

个人使用AI提升哪些效率，如何借AI降低协作的割裂感，在产品中管理输入上下文，设计提示词模板和工程，维持AI输出的稳定性。

与AI相关的实践经验，要在周报里写清楚。

别说公司好奇AI工作流，就是个人也很有兴趣，如果没有在解决实际需求，甚至怀疑项目也是实验品，产品最终顺利并提前完成，参与者和负责人都比较认可。

项目中实践AI工作流，核心是具备整体的共识。

公司管理者和项目负责人，没有因为AI角色的加入，认定产品完成时间可以缩减，依旧按常规评估流程，并且考虑搭AI工作流的时间，从而设计项目的迭代周期。

淡定和自信的底气，与市场的业务量成正比，与用不用AI没多大关系。

虽然核心参与人员不多，但每个节点有专业人员执行，业务到产品到全栈开发，项目和团队的体量足够轻，才给AI的介入预留空间。

试想一个复杂的项目，多部门几十人协作，管理者都很难把控节奏，更别指望AI发挥作用。

既然AI加入协作，纯粹的卷人多没意思，当然要连同AI一块卷。

三月份Codex出现口碑效应，操作上比Claude Code友好，当时Token额度高且消耗低，所以选择它作为基础工具。

把项目相关的所有文件，包括业务文档和产品原型，以及源码工程和数据库脚本，统一维护在Git仓库里，全部作为AI的上下文。

Codex执行成功后输出原理，扩充Skill和Prompt工程，逐步搭建和完善AI工作流。

重申几个关键点，避免形成错觉和幻觉。

组织从上到下具备共识，没有借口AI压缩项目周期；统一流程和AI工具，以及人和AI的分工边界；虽然人员少职责增加，但维持专业的人做专业的事；协作中的割裂和摩擦，借助AI的能力尽量消除。

最后从产品分析AI的集成，这才是企业关注的角度。

产品本身聚焦数据分析，没有复杂的流程和权限，所以AI有一定的发挥空间，但是关键维度和基础指标，依旧使用常规的查询统计，只是在复杂的场景中，做一层指标翻译和说明，提供给本地模型协助分析。

既然企业的团队协作，能用AI搭建工作流，那对个人来说更简单。

于是剔除流程中的业务，只保留简单方法和理论，设计简化的轻量流程，从想法澄清到项目定型，再到产品文档输出和风格设计，最后完成前端到全栈工程实现。

想象美好但现实骨感，AI用太久自己也有幻觉。

初版的设计思路：用Codex抽取和简化流程，用Claude加强细节规则。

在流程搭建完成后，虽然Gpt5和Opus4.7模型能跑完，但细节和质感不符合预期，如果用其它梯队的模型，流程都无法顺利执行。

优化版本的方案：弱化Claude设计的细节，让Codex进行泛化改造，加强流程的可运行管理，在连续多次优化之后。

DeepSeek模型可以走完流程，能理解和执行每个关键节点。

去掉专业人员指挥，减少第三方工具调用，AI的能力也会被打折。

轻量的个人工作流文件，已上传GitHub开源仓库，并没有实质的生产力，方便用来顺手测测AI水平，专治颠覆和深夜王炸型产品。[1]

工作流中三个核心角色：企业，个人，AI助手。

从企业的角度说：AI的发挥空间很广阔。

不过员工的个人使用，到组织协作的AI重构，以及产品系统的AI集成，需要企业从上到下的共识，还依赖大模型的组合能力，才能对标准流程和业务，做探索性的优化或改造。

从个人的角度说：AI能放大技能和生产力。

但在超级个体的浪潮中，想法到产品实现并不难，然而个人很难独立运营产品，所以更多选择主打内容，在社媒看到很多创意玩法，AI浪潮里想法和审美是关键。

最后聊聊AI助手：错觉和幻觉的来源。

如果经常用AI产品，会产生两种不同的感觉：其一AI能解决的事有限，其二AI的想象空间无限。

在使用的过程中，会发现AI的能力缺陷，也总想让AI自动执行任务，不断寻找更合理的方案，实践中会形成最客观的认知。

从互联网寒冬开始，人工智能在下坡路推一把。

职场在卷王和卷铺盖间摇摆，打工人焦虑也如影随形，不过看到个反直觉的说法：AI的能力和进化速度，目前已经发展成这样，并且没有停下的可能，还有什么值得焦虑？

对于他们的不理解，打工人应该理解。

[1] GitHub仓库