我学 AI 编程，只是因为懒

01 你根本不知道手动分析有多累

去年我在做一件看起来好像很厉害的事：用 AI 分析上市公司的财报。听起来很酷：

我分析的企业在一年里上涨了5倍还不止。

我还在2025年5月精准预估到了金价上涨的趋势。

但实际做起来，80%的时间不是在分析，而是在做搬运工。
每一家公司的财报，我都要手动下载。每一年的财务数据，我要手动复制粘贴。

好不容易下载完了，还得手动对比。我尝试着用自己的框架做战略层面的分析，但光是“把数据喂给AI”这件事，就已经快把我折腾疯了。

一个流程走下来，最累的不是脑子，是鼠标。

我这人有个毛病：非常受不了重复劳动。做一遍，新鲜。做两遍，还行。做到第三遍，我就开始想：能不能让机器替我做？

02 一个 HR，却考了 RPA 证书

为了减轻工作量，我自学了RPA。
说穿了不复杂：就是把你的操作流程录下来，让电脑照着你的动作重新走一遍。你手动下载一次，它记住步骤，以后就帮你自动重复。我把流程录好，让电脑半夜自己开着，一家一家下载数据。到后来我甚至写了个流程，让它自动对比两年数据。

顺便，我还考了个初级 RPA 证书（话说这考试还挺难的，不只是选择题，还有实操题）。

说实话，我考它的时候也没想太多，就是想确认自己真的掌握了。但后来回想起来，这件事挺有意思的：一个做组织管理的人，跑去学自动化工具，还拿了证。后来我才想明白：我这一路的底层驱动力一直是一样的：我不想做重复的事。只不过在 HR 岗位上，我找不到出口。

03 还是不够，众里寻他千百度

这下算是半自动了。但数据的问题搞定了，分析还是得我自己来。每家的财务数据对比完之后，我还是要和 AI 一家一家地讨论。
我聚焦在公司的战略层面，和 AI 做针对性的对话。然后我遇到了一个所有重度 AI 用户都会撞的墙：

上下文窗口不够用。

哪怕当时我用的是市面上上下文最大的G社的AI，分析完几家之后，还是得开一个新窗口继续。两个窗口之间，AI 的理解能力就是会有偏差。今天聊这家的时候它还记得，明天聊那家的时候它已经把刚说过的分析方式全忘了。

更不用说 “抽卡” 的问题了。同一个问题问两次，出来的答案都不一样，甚至还张冠李戴，感觉G社的AI真的是……抽到怀疑人生。

很长一段时间里，我一直在用最笨的方法和 AI 合作：人工搬运、手动对齐、反复校准。我知道它能做得更好，但我苦于找不到让 AI“记住”的方法。

这个痛点，我踩了整整一年多。

04 直到我找到了它

然后 AI 编程 出现了。我说的不是传统那种写代码的编程，我说的是 Vibe Coding——你把想做的事情说出来，AI 帮你写代码。

我第一次理解什么是 Skills 的时候，盯着屏幕看了很久。不是因为代码有多复杂，是因为

我终于不用在 AI 对话之间反复横跳了。

Skills 就是那个记得住的、会思考的好学生。但他同样需要有个好老师来教他：你得先知道什么是好的规则、怎么把握技能的尺度，然后才能教会他。
而这些都不是看课能学来的，是我之前一个坑一个坑爬出来的体感。

有了 Skills 之后，我终于从那种“每天点来点去、生怕点错了重新来”的状态里解脱出来了。

05 懒人改变世界

我是一个懒人。而且我还喜新厌旧。AI 编程之前，我一直在和我的“懒”作斗争：我想偷懒，但没找到方法。AI 编程之后，我终于不用和自己较劲了。

懒不是缺点，是驱动力。

我厌蠢，我懒得一遍遍教人，所以我会努力去调教好AI，让它和我默契配合。我最恨重复劳动，所以我会把精力留给真正需要思考的事。

我学 AI 编程，不是为了成为程序员。
我只是懒得下载、懒得复制、懒得反复解释，更懒得把已经做过的事再做一遍。
于是，我花了很多时间， 学习怎么让自己以后少花时间 。
这大概就是一个懒人，最勤奋的时刻。