Hi 新的一周好呀～

上周三中午去吃了小豆海棠，虽然卖的是乐山小吃，但奶油风装修超级可爱！菜品也有点创新，比如玫瑰芝士油条，美丽又好吃（还晕碳）。果然再土气的东西，只要努力一下就会变得贵气起来。一根油条从菜场的2元，变成18块一根、9块半根。没有卖不出去的价格，只有不努力营销的老板。

这周一直在努力研究 Obsidian CLI，越研究越觉得，AI 真正带来质变的前提，不是模型更聪明，而是先把自己的生活和工作，整理成了 可复用的流程。模型当然重要，但如果没有流程，再厉害的 AI 也很难把效率突然抬到一个新台阶。顶多像一个 更聪明的百度，能回答问题、能给点建议、写单篇文章，确实能省一点时间，但很难出现那种 “哇，效率直接翻倍” 的感觉。

我这周真正感受到爽的地方，就是把几条 AI 工作流 慢慢跑通了。

课程视频工作流：转录课程视频，生成课程文档，AI 自动截图，再写进 Obsidian 储存。

读书工作流：读取 ReadWise 里的笔记，套播客模版，自动生成播客大纲，再写进 Obsidian。

会议工作流：转录录音，写会议纪要和待办，同时按模版生成新闻稿，最后统一储存。

周报工作流：读取我本周所有笔记，提炼几个候选选题，我确认之后形成初稿，再自己改成最终版本，最后再存回 Obsidian。

AI 对人的帮助，其实特别像流水线。

现代工厂和手工作坊的区别，是 流程有没有被拆清楚，动作有没有被标准化，哪一步接哪一步是不是稳定。福特当年把汽车装配搬上流水线之后，Model T 的组装时间被大幅压缩，工业效率也就彻底变了。AI 也是一样，它不是 凭空创造效率，而是把 已经理顺的步骤接起来，让每一步都更快一点、更稳一点，最后形成非常夸张的 复利。

最近看到一个斯坦福、MIT 研究者发布在 NBER 的真实职场研究，也挺说明问题。他们研究了 5000 多名客服在引入生成式 AI 之后的表现，结果是 整体生产率提升了 14%，新手员工提升更明显。因为客服本来就是一个 流程相对明确、话术和经验都可以沉淀的场景。换句话说，AI 最容易发力的地方，本来就是那些已经有 最佳实践、能被拆成步骤的工作。

所以如果在用 AI 的时候没有感受到那种质变，不一定是因为模型不够强，而是因为自己的生活本来就 还没有形成流程。每天都在处理新的事情，今天来一个这个，明天来一个那个，全靠 即时反应 在撑。这样的状态下，AI 当然也能帮忙，但更多只是 救火，或者陪你一起想办法。很难形成复利，因为 没有什么东西可以被复用。

想起我之前看到的印度洗衣工案例。为什么人工洗衣这件事还能长期存在？并不是因为机器洗不干净，而是因为在某些环境里，人工比机器和电力更便宜，反而更划算。如果一件事情本身就 没有稳定到值得上流水线，那人工处理说不定就是更直接的方式。AI 也一样。如果你做的工作本来就 高度定制、每次都不一样、非常依赖即时判断，那恭喜你，这种工作短期内大概率也不会那么容易被 AI 取代。因为 AI 最擅长的，还是接手 重复、规则相对清晰、能形成模板 的部分。