最近好几个刚毕业的师弟师妹跑来问我，说现在AI工具那么多，到底哪个值得花时间学。还有个正在读研的表妹，天天被导师催着做文献综述，Excel表格做得快崩溃了。老实讲，我自己的经验也是踩坑踩出来的——最开始图新鲜装了十来个AI应用，结果大部分就用了两次。所以今天随便聊聊，我个人的感觉是：学生和职场新人确实该用AI，但不是跟风用，得对症下药。
学生场景：别浪费时间在“技术活”上
我表妹学的是公共管理，但她导师要她做定量分析。她花了整整两周学SPSS，结果数据分析出来还是有问题。后来我用Claude帮她写了个Python脚本，跑回归、出图表，十分钟搞定。她当时说：“那我前面两周白学了？”其实不是白学，而是对于不打算做程序员的学生来说，很多工具层面的事情完全可以用AI代劳。
拿写论文来说吧，文献检索有Elicit和Connected Papers，翻译有DeepL，改语法有Grammarly。但这些工具不是让你去“一键生成论文”——我见过有人直接用GPT写综述，结果参考文献全是编的。更实在的用法是：用GPT帮你整理文献笔记，或者让你把一段自己写的话贴进去，让它帮你润色成学术表达。我室友去年写硕士论文，每次卡壳就录一段语音转文字，让AI整理成大纲，效率高很多。
还有做PPT。每次小组汇报前，总有同学为了PPT的排版熬夜。其实用Gamma或者一些AI演示工具，丢进去大纲，它能自动生成初稿。但注意，这些东西生成的风格偏模板化，你需要自己改一改配色和配图，让它看起来不像“AI做的”。
职场新人场景：周报、会议记录、知识盲区
我刚工作那阵，最烦的就是写周报。明明干了一堆活，但写出来就两三行。后来我发现，把我这周发的邮件、写的代码、改的文档扔给AI（我用的是ChatGPT的会话），让它按“完成了什么、遇到什么问题、下一步计划”整理，五分钟就出一版。自己改改措辞，老板看了还以为我很有逻辑。
另一个高频场景是会议记录。很多职场新人被拉进会议，记笔记记到手抽筋，但回头发现重点全漏了。用飞书或者Otter这种带实时转写的工具，会后让AI总结一下待办事项就行。但有个坑：AI总结经常漏掉那些“潜台词”——比如老板说“这个方案再想想”，其实意思是“重做”。所以关键信息还是得靠自己留个心眼。
还有一个很隐蔽的需求：快速学新领域的知识。我有个朋友刚转行做产品运营，他老板让他出份竞品分析报告。他完全不知道什么叫“DAU”“留存率”“漏斗模型”。他先去知乎看了一堆文章，还是晕。后来他直接跟AI说：“我是一个刚入行的产品运营，请用最简单的例子解释用户留存，并给三个提升留存的具体方法”——效率比翻书快得多。但别完全信AI给的案例，因为很多是编的，需要交叉验证。
其实工具的选择逻辑很简单
说了这么多，到底用哪个？我个人的标准就两条：第一，它能不能解决你当下最痛的那个点；第二，它是不是容易上手，不会让你花一整天学怎么用。很多工具功能强大但学习曲线陡峭，比如一些本地部署的开源模型，对新手就很不友好。
我们在做幻简的时候发现，真正被频繁用起来的功能，往往不是那些炫酷的“多模态”“长上下文”，而是最基础的——写邮件、改文案、整理数据。所以后来我们把幻简的交互做得特别简单，不搞什么专业术语，打开就能聊。我同事上周末用幻简帮一个实习生改实习报告，就两句话的事。说实话，这种场景才是我觉得AI最有价值的地方：把那些重复、琐碎、不需要创造力的工作交给它，省下时间去做真正值得思考的事情。
最后说一句，别把AI当成万能解药。你该自己背的单词、该自己画的流程图、该自己做的行业分析，AI只能辅助不能替代。至少目前，你的判断力才是那个“不可替代”的东西。