核心思考:最高效的个人 AI 工具流绝不是迷信某个“全能神器”,而是基于工序的容错率与时延敏感度完成解耦配置;用低时延轻量模型保障发散思考的流畅度,用高精度重型模型与子 Agent 架构攻克深度工程的瓶颈。

01. 我的日常工序与工具演进

作为一名在中厂做产品经理的实习生,我的工作流长期高频围绕着四个核心动作打转:日常业务推演与问答、概念发散与视觉示意、自动化原型编码、以及产研方案设计。

由于不涉及实体硬件和复杂多媒体渲染,我的阵地几乎完全集中在纯互联网与软件生态上。除了日常调用公司内部打通的中外大模型统一 API 之外,我个人电脑上长期常驻的核心生产力工具是 Codex 与 Claude Code。

在深度使用了一整年后,我最大的体会就是:不要试图用一个工具包打天下。

市面上层出不穷的新模型和新平台,往往热衷于在基准测试(Benchmark)里争夺几个百分点的微弱胜势,但在真实的日常搬砖场景中,工具好不好用,取决于它能否在具体的工序中跟你的大脑节奏无缝贴合。

02. 生图工具的梯度搭配:豆包的“极速发散” vs Codex 的“重度雕刻”

在做产品规划和交互构想的初期,图像往往是比文字更高效的思维催化剂。而在生图这一工序上,我对工具进行了清晰的梯度分工。

目前在我的工作流中,生图的主力是 Codex 和豆包。

豆包生图:用于极低成本的思维发散与概念草案。 坦白讲,如果去吹毛求疵地比拼物理真实感、微距毛孔或者复杂的真实光影,豆包往往不是最拔尖的。但它拥有一个在产品发散阶段极其致命的优势——速度极快,且原生支持并发多图。 当我在构思一个新功能的引导插画、动漫风吉祥物表情、或者需要几张粗糙但直观的场景示意图来辅助文档表达时,豆包可以在短短几秒内连续吐出四张。这种瞬间的视觉反馈,能让我的思考心流保持连贯,绝不会因为等待加载而被打断。

Codex 生图:用于高质量交付物的精细雕刻。 当方案进入到需要向上汇报、或者需要给高保真原型提供逼真 UI 质感时,Codex 的优势就展现得淋漓尽致。它的构图审美、对复杂光影折射的理解以及细腻的写实纹理,常常能达到让人屏息的精致度。

但 Codex 同样有两个不可忽视的使用痛点: 一是生成耗时较长,通常需要等待 30 秒到 1 分半钟,这在需要频繁推翻重来的初期是难以承受的时间成本; 二是审查机制相对严苛,在涉及到某些特定风格、公众人物或电影角色意象时极易触发风控截断。

因此,我形成的条件反射非常明确:头脑风暴用豆包,快速试错不心疼;方案定稿找 Codex,精雕细琢出质感。

03. 编程与逻辑推演:为什么必须引入“子 Agent”?

而在代码编写、功能模拟和复杂数据处理环节,Claude Code 和 Codex 几乎是我不可或缺的副驾驶。

但在长期实操中,我发现了一个困扰许多人的典型痛点: 在常规的单会话对话框里,如果你让 AI 针对一个中大型代码工程反复修 Bug,随着对话轮次的增加,上下文会变得越来越臃肿。每改动一个微小的逻辑,可能就要等待 5 到 10 分钟的代码扫描与全量重写。

更头疼的是,主流的代码工具都有每日、每周或每月的调用额度限制。这种单线程的反复拉扯,不仅极易吃满 Token 配额,还会把人的耐心彻底磨灭。

我最近摸索出的最高效解法,是通过自然语言调度“子 Agent(Subagent)”进行多维协同。

简单来说,就是不再让一个主对话框去承担所有的重活累活,而是在主任务下根据需要临时裂变出几个平行的子 Agent:

  • 让子 Agent A 专门负责阅读旧代码并输出最小改动 Diff;
  • 让子 Agent B 同步在后台排查测试用例与边界异常;
  • 主 Agent 仅负责汇总两个子任务的输出并做最终决策。

这种架构带来的收益是立竿见影的:

  1. 极大节约上下文与 Token:子 Agent 在独立的轻量上下文中完成任务后即时销毁,不会让主上下文沦为垃圾堆;
  2. 变串行为并行,节约大量等待时间:原本需要单线程排队 15 分钟的排错过程,在子 Agent 并发执行下被压缩到两三分钟;
  3. 多重视角对撞:可以让不同的 Agent 扮演挑剔的测试工程师与保守的架构师,在合入代码前提前暴露潜在逻辑漏洞。

04. 打造个人工具流的三个底层法则

折腾了这么多工具和流程,我也交了不少学费。最后总结出三条支撑我工具流迭代的底层法则:

第一,警惕“配置工具的自嗨”。 如果一个工具需要你花三天时间去学习复杂的配置语法、编写冗长的初始化脚本,那么它大概率不是一个好工具。好的工具流应该像流水一样自然无感地融入既有习惯,而不是让你为它打工。

第二,关注“反馈回路的延迟”。 思考需要即时反馈,发散需要高吞吐。凡是能让你在 5 秒内得到反馈的工具,优先用于前端思考;凡是需要 1 分钟以上才能出结果的工具,坚决后置到执行阶段。

第三,建立确定性的人机边界。 工具永远只是计算与生成的杠杆。什么时候该相信模型的输出,什么时候必须用肉眼逐行审阅,心里必须有一把尺子。

工具在以周为单位快速进化,但只要把握住自己真实业务的节奏,就不会被铺天盖地的技术噪音牵着鼻子走。把合适的螺丝刀用在合适的螺丝上,仅此而已。