--- title: "深度使用 AI 半年，为什么我的业务还是没推进多少？" author: "冯智勇Geo" published: "2026-10-11T00:00:00.000Z" description: "深度使用 AI 半年后，我追问一个更根本的问题：工具越来越多，为什么业务没有同样快地前进？探索的回报不是即时可见的，但走到这一步，该让真实业务上来检验了。" tags: ["AI","人机协作","工作方式","判断力"] url: "https://fengzhiyonggeo.com/posts/deep-using-ai-for-half-a-year-why-my-business-hasnt-moved-much/" --- # 深度使用 AI 半年，为什么我的业务还是没推进多少？ ![《深度使用 AI 半年，为什么我的业务还是没推进多少？》的文章封面]() 现在，我可以拿起手机，像打电话一样跟 AI 讨论想法、提出需求，再把任务交给后台的 Agent 执行。不用一直坐在电脑前，也不用逐个打开工具、复制指令。手机上的对话，正在成为我发起工作的入口。 我用手机端 ChatGPT App 里的 Codex Cloud 对话，通过实时语音整理需求。Codex Cloud 环境配置了官方 Multica CLI，把需求创建成任务，由 Multica 的负责人组织和分派，再交给腾讯云上的 Agent 执行。结果写回后，我通过对话查询。 手机负责交互，Codex Cloud 负责接入与协调，Multica 负责编排，腾讯云提供执行环境。我的 Mac 不再是后台任务必须依赖的机器。目前，任务创建、指派、服务器执行和结果回写已经验证；小队协作，以及文章发布、分发，还在搭建。我估计，整体流程完成了五六成。 但回头看这半年，一个疑问始终在：我能让 AI 做的事情越来越多，业务本身为什么没有同样快地向前走？ 新的工具、功能和概念不断出现。我会兴奋，会研究，会搭建环境、测试流程。刚弄明白一个，另一个更好的方案又出现了。我一直很忙，也一直有进步，却很难说清这些进步带来了多少业务成果。 这种循环以前就发生过。从 Notion、FlowUs、我来，到 Obsidian，后来又回到本地文件系统。每次发现新工具，我都觉得它更好，然后花时间研究、迁移资料。每次都有收获，也都有理由，只是折腾一圈后，我还是会问：系统变好了，工作到底推进了多少？ 有时候，工具在我这里变成了玩具。配置成功、流程跑通、目录整理完，都会立刻给我反馈，而业务的结果更慢，也更不确定。 但我不愿意因此否定这些探索。 这半年，我逐渐理解了：对话、任务编排、具体执行是不同的层，模型、Agent、运行环境也不是一回事。这些理解让我开始看清一套工作流怎样运转，而不只是学会某个工具的按钮。熟悉一个工具之后，我反而更能判断同类产品。就算将来迁移，理解需求、组织任务、验收结果的能力，仍然会留下来。 这让我想到“挑水与修管道”的故事。挑水解决今天的需要，修管道建设未来的能力。但管道修到一半，新材料、新设计又出现了。我该继续修完，还是换一个方案？ 只顾挑水，管道可能建不成；不断寻找更好的管道，供水那天也可能一直推迟。 **我是在铺路，还是在绕路？** 只看短期 ROI，可能会放弃必要的探索；完全不看结果，又可能把不断研究、不断重建当成默认的工作方式。“先别研究，先跑通”也不是总成立。有时候不研究新工具，眼前的流程确实跑不通。 不过，当我追问为什么业务还没前进时，一个直接的回答也浮现：因为我才刚跑通。 前面的时间，花在理解业务怎么和 AI 结合，也花在消化陌生的技术概念。那些词，听过不等于理解，更不等于能把它们连接起来。成熟的产品会降低门槛，但要判断流程能做什么、出问题该检查哪里，仍然需要一些技术理解。对我来说，这需要时间、耐心和持续实践。 所以，现在就给这半年判定值不值得，也许还太早。 我已经开始把探索做成内容，这是一种输出。但接下来，我更想知道：搭好的能力能否反复用于业务，能否完成原本难以完成的事？ 路刚接通。接下来，才是让真实业务走上去，检验这半年建设的时候。 ## 相关文章 - [把上下文交给 AI，把选择留给自己]() — 从整理电商数据的经历出发，我开始先向 AI 提供背景和限制，让它提出多个方案，再结合实际情况判断和选择。 - [从“帮我做”到“你负责”：我使用 AI 半年后最大的思维转变]() — 从把 AI 当成执行任务的助理，到开始把完整工作交给 AI 负责，我在半年使用过程中逐渐意识到，真正重要的不是让 AI 提效，而是重新划分人与 AI 的责任边界。 - [AI 时代，加班是负收益]() — 脑袋不清醒的时候用 AI，不是提高效率，而是在放大错误判断、制造返工，并为无效试错支付 token 账单。