这篇内容整理了我近几个月在 AI 学习、AI 工具试用与落地实践中的一些关键结论，覆盖方向包括：AI 编程、AI 辅助写作、AI 深度研究、AI 多模态、AI 智能体开发、AI 赋能产品等，并补充了若干实际效果与踩坑点。
0. 一个前置原则：长期坚持 + 深度使用
AI 工具要想真正产生复利，更适合「长期坚持」和「持续深入」的使用方式，而不是碎片化试用一圈就结束。只追求广度，往往会停留在“好像挺强”的感受层，难以把能力转化成稳定产出。
1. AI 编程：从自然语言写代码到工程化协作
三年前我就开始尝试“自然语言对话生成代码”，当时的流程是：用 GPT 生成代码 → 导入编辑器 → 再手工调整。我用这种方式生成过爬虫程序，完成公众号/头条号文章的离线下载。
但真正的效率提升，核心还是要过渡到更工程化的 AI 编程工具链。
1.1 常用 AI 编程工具与模型体验
- 早期使用：Copilot、通义灵码
- 后续重点：Cursor（优势在于可挂接不同大语言模型）
经过一段时间的试用，我个人体验最好的两个模型是：
- Claude 3.7（现已升级到 4.0）
- Google Gemini 2.5 Pro
随后我也试了百度的 Comate AI 辅助编程工具，效果让我很惊讶：在不少场景下，用 Cursor + Claude 能做的事，用百度也能做到约 80%～90% 的效果，整体非常可用。
1.2 其他工具补充
- 字节 Trae（国际版）：可挂 Claude 3.7，但整体效果不理想，与前两者差距明显；代码输出 Token 速度也偏慢
- 腾讯 CodeBuddy：整体效果不错
- Augument Code：团队做过试用，开发效率和效果都很不错
2. AI 软件工程实践：原型、需求结构化、规则预设
2.1 原型设计：从“能画”到“能直接产出代码”
我试用过国外的 Readdy 原型工具（见下图），效果很惊艳：不仅能生成原型，还能生成前端源代码文件。把这些文件导入 Cursor 后，可以直接要求它基于现有样式与结构扩展其它功能页面，产出速度很快。
此外还用过：
- 美团 Nocode 做原型：效果一般
- 团队也用 Figma 做设计补充
2.2 需求与工程统一：把“大文档”拆成可协作的最小单元
我们重点做了三件事：
-
结构化拆解需求文档
把原来的 Word 需求规格说明书等大文件，拆成一个个小的用户故事或功能点的独立 markdown 文件，并纳入软件项目工程统一管理。
-
完整做数据库设计
让“需求—数据—接口—页面”的链路更清晰，减少反复改动。
-
预设 Cursor Rules
把开发框架、开发语言、软件需求、数据库设计、前后端编码规范等提前预设好。这样 AI 在写代码、改代码、补测试时更稳定，也更贴合团队的工程约束。
3. AI 辅助写作：技术方案、结构化图、小说尝试
这部分我投入的时间非常多，主要做了几件事。
3.1 技术方案建议书：用 markdown 结构化重写“可复用资产”
我通过 AI 协助写技术方案建议书，重点是把原来的技术方案建议书用 markdown 文件进行结构化处理。
如果文档里有图片，我也会用 AI 画 SVG 图，把表达方式结构化（图形的源代码可版本化、可复用、可审阅）。
3.2 AI 写小说：幻觉与长上下文的限制很关键
我也尝试用 AI 写小说，把近 20 年的职场经验做虚构化，先搭建场景世界，再分章节规划后让 AI 协助写作。当时用的是 DeepSeek R1 模型，整体效果一般，主要问题是：
- 幻觉比较严重，文字容易“虚”
- 当时不支持长上下文，每章分开写，后面章节容易忘记前面的设定与铺垫
3.3 架构图/集成关系图：用 SVG 源码画图更利于沉淀
在软件领域，架构图、集成关系图等其实非常适合用 AI 来“结构化生成”。我的关键方法是让 AI 输出 SVG 源代码来画图，再将其纳入文档与工程统一管理。
4. AI 智能知识库：从内容清洗到问答检索
我做了一个相对“重”的尝试：搭建 AI 智能知识库。
4.1 内容准备：导出文章 → PDF → markdown + 图片拆分
我先把近 1000 篇文章导出，通过 AI 编程写爬虫代码，把文章转成一个个独立的 PDF 文件。
为了更好管理，又写了源代码程序：
- 把 PDF 转成 markdown 文件
- 同时把图片转成独立的 image 文件
这样做的好处是：文档可检索、可版本化、可被工程工具直接引用。
4.2 工具试用：不同知识库的特点差异
- CherryStudio：可挂不同语言模型；可调温度减少幻觉输出
- 腾讯 ima 知识库：当时效果很好，但最近一个月输出质量有所下降
- 知乎直答：导入知乎专栏文章用于问答，效果一般
5. AI 辅助做 PPT：从“大纲”到“逐页结构化”的转变
早期我的方法是：用 DeepSeek 生成 PPT 大纲的 markdown 文件 → 转到 kimi 工具生成 PPT。
但我认为这类 PPT 很难满足“演讲汇报”的真实需求。原因在于：只有大纲不够，汇报更需要逐页的表达设计。
更可行的思路是：
- 把 PPT 内容拆解到每一页
- 每页体现静态逻辑结构 + 动态流程结构
- 然后借助 Napkin 等工具做单页 PPT
5.1 更通用的 PPT 生成：从 Word + 一句话需求出发
有没有一种工具可以基于历史 Word 文档和一句话描述，生成更符合需求的 PPT？
我试了 GenSpark 和天工 AI 超级智能体来做 PPT。它们的思路通常是：
- 理解需求和内容
- 结构化处理
- 生成 HTML 源代码
- 再转成 PPT
这种方式更容易体现结构化和逻辑图，但在生成复杂 PPT 时仍会出现：
整体还需要进一步优化。
6. 用 Cursor 辅助写作：把“知识库”变成写作引擎
在完成 AI 方案文章与 AI 知识库的准备后，我做了一个关键动作：用 Cursor 辅助写作。
我把生成的 markdown 文件和图片导入 Cursor，形成独立项目（见下图截图）。这样 Cursor 可以基于历史文章内容进行归纳总结，再生成图文并茂的文章，效果非常明显。
7. AI 深度研究：国内外工具对比与用法
国内我尝试过：智谱沉思、密塔 AI 深度探索、天工 AI 超级智能体、Kimi 探索版、Coze 空间，以及即将推出的 Teamo 深度研究工具。整体看，国内工具与国外相比还有差距。
国外工具我主要试了：Google Gemini 里的 DeepResearch、mannus、Genspark、Flowith 等。我更多把它们用于 AI 辅助写作，例如把个人文章传到 Flowith 私有知识库，让它整理归纳，效果很好。
对于 Google Gemini DeepResearch，我现在形成了习惯：每周尽量选择与自我学习、工作实践相关的主题，让 AI 输出完整的学术研究分析报告。这块的输出能力很强。下图是文艺复兴时期艺术成就分析整理的截图示例。
8. AI 赋能产品：IPaaS 与业财一体化的落地方向
在 AI 赋能产品方面，主要聚焦两个方向：IPaaS 融合集成平台与业财一体化。
- IPaaS 平台：智能服务注册接入、接口编排、智能问答等；还希望把 API 网关作为 MCP server 发布，接入大模型
- 业财一体化：智能问答、智能单据结合 RPA 处理等
9. AI 智能体与 MCP：企业落地绕不开的一环
AI 智能体方面，早期用过扣子空间，现在团队用 dify 最多。我们主要尝试的场景包括：AI 智能知识库、智能客服、智能问答等。
MCP 方面，我做过很多测试与验证。企业大模型落地很重要的一点，就是融入 MCP 生态。常见验证路径包括：
- Claude Desktop 桌面版 + MCP
- Cursor 纳入配置 MCP 工具
- CherryStudio 配置 MCP 工具
整体效果不错，但 MCP 生态与大模型结合仍有不少工作要做。如果你也在做相关探索，可以在 人工智能 话题下进一步交流方案与案例。
10. AI 多模态：学习增强、数字人、图文转视频与播客
我把 AI 多模态实践分成两块：AI 辅助学习，以及数字人/视频/播客/配图生成等内容生产。
10.1 AI 辅助学习
- 密塔 AI「今天学点啥」：可以生成辅助培训课件、音频、PPT 等，效果惊艳
还支持把英文材料转成中文语音讲解。比如我把 Mary Meeker 的 2025 年人工智能趋势报告上传，生成了中文讲解视频并发布在 B 站和头条。
- 我也强调用 Google Gemini 2.5 DeepResearch 做深度研究（如 AI 智能体、AI 编程、制造业数据治理等），输出深度研究报告并进行分享。
10.2 数字人、文章转视频、播客与配图
- AI 数字人：试过 B 站早期工具、HeyGen、即梦等，整体效果一般
- 文章转视频：试过开源的 Money Printer Turbo 和剪映的新功能，效果不错
- 播客：扣子空间的双人播客功能很好；即梦的 AI 口播一般
- 图片生成/处理：常用即梦的 AI 做配图
11. 小结：从“试用工具”到“形成方法论”
这段时间的实践覆盖了 AI 编程、AI 辅助写作、AI 深度研究、AI 多模态、AI 智能体开发、AI 赋能产品等方向，也试用了不少工具。
真正值得反复打磨的，不只是“哪个工具更强”，而是以下这些可迁移的方法：
- 用 markdown 把知识与需求结构化，降低复用成本
- 用 Cursor Rules/规范前置，让 AI 更贴合工程约束
- 用知识库与项目化管理，让写作与研发进入同一套工作流
- 用深度研究工具做“可沉淀的报告”，而不是只做“随手问答”
如需更多同类讨论与资料整理，可在云栈社区浏览相关主题： https://yunpan.plus
发表于 4 天前
|
查看: 16|
回复: 0
