前言
本篇文章，只是记录一下我最近半年多年，使用AI工具进行日常工作的感悟。
到了如今的这个时代，基本上不使用AI工具很难继续进行工作了。
Claude Code终端
其实我最早的使用的AI工具是Trae，因为这个公司有合作，奈何Token给的太少，根本无法胜任常规任务，于是就在今年年初使用了Claude Code终端，当时使用的模型是GLM4.7（白嫖了同事的模型）以及自己付费买的MiniMax套餐。
有关这里做了哪些工作，其实在上一篇我已经有很多说明了这里就不过多的描述了，有兴趣的大家可以看看。 聊聊我最近都干了些什么，AI 时代的手动撸码人
感悟就是AI确实可以提高效率，因为实战的项目都是代码升级、库更新、技术栈更新，所以很难以点概面，我当时理解，对于特别的复杂的工作，AI还是不太行了。
后来因为各种原因，以及Claude Code自己作死，要求不允许使用Claude Code，于是换工具势在必行。
Codex App桌面端
后来就用Codex App，其实一开始我也是特别抵触的，我好不容易用习惯了Claude Code终端，现在说换就换，我重新培养使用习惯难道就不是成本吗？
于是在B站刷了几个教学视频，实际操作了一番，发现，有Codex App桌面端，还需要啥子自行车。
Codex App桌面端真香！
用上了Codex之后，不论是上传图片、文件、文件夹等其他的都比终端友好很多。
除了编程，使用Codex之后，它可以更加系统的读取整个工程项目了，页面UI的易用性让你忍不住使用它。
同时我除了接触GLM、MiniMax之外，也接触了更多的模型，Deepseek差不多也就是在此时进行了解的。
Deepseek给我的感觉就是夯，但是当时手上有Code Plan，深度使用谈不上。也不太懂模型和模型之间差距怎么会这么大。
真正的转折出现在AI的工作流使用。
AI工作流
之前编码工作，基本上就是在现有代码做小修小补，或者说小迭代，使用AI输入与输出即可，真正见真章的是从0开始的项目，如果需要让AI从0开始工作，AI的工作流必不可少。
GSD
公司大佬当时在内部推荐使用GSD流程，我也在工作中尝试使用，说来这个GSD也挺有意思的，因为原作者某些原因提桶跑路之后，后面只好另起炉灶。
使用GSD发现的模型之间的差异
在使用GSD的过程中，我觉得这个流程还是很不错的，就是Skill太多，有的时候不知道怎么去选择，另外我的Code Plan是MiniMax，在使用过程中，我越来越发现它是真的"蠢"，它不会自己压缩上下文，有的时候Skill明显它自己要触发，它太依旧头铁的自己干，不用Skill，同时会活没干完就不动。
于是没有办法，借用了同事的GLM，自己充值了Deepseek试了一下，发现原来自己写的提示词没问题，纯粹是模型问题导致的问题。
于是MiniMax的Code Plan打水漂了，为了后续开发工作，更换模型势在必行。
Skills for Real Engineers
随着项目的持续进行，以及模型的进化，工作中，我们发现使用GSD的问题会越来越多，并不是GSD不好，而是不适合我们。于是在几次试水之后，我们的AI工作流，迁移到了前端大神matt pocock的AI工作流上面。
使用Skills for Real Engineers的心得
首先，你要使用这个Skill，至少保证模型能力。这个阶段我自己充值了Codex Plus的Code Plan，另外配合Deepseek，简直一发不可收拾。
另外随着Grill me/Grill with Docs → toSpec → toTickets → Implement的主流程走，最难的是第一步Grill。
经常一个需求输入，Grill一来啪啪啪30个问题很让人崩溃，幸好后面这个Skill升级了，有推荐回答，但是，但是，但是（重要的事情说三遍），作为开发者，你手上握着最终决定权，推荐的回答也许不是你期望的需求，所以一定要认真审核！
后面的流程就很简单了，toSpec → toTickets → Implement，AI进行Codereview，自己验收一下成品。
除了有些费token，我认为这一套走下来还是经得起推敲的。
AI，我，以及感悟
上面的流水账也是只是记录我的使用体验，下面这些是我自己的一些感悟。
有AI了，上班还是很累
其实单纯写代码不累，因为困难的代码基本不会写了，技术上的瓶颈基本不存在了，但是随着AI越来越会写代码，我自己职责边界却变了，这些反而让人更辛苦。
比如之前需求输入到我这里，我理解，然后写代码，自测即可，但是现在变成了，我的理解，如何变成输入给AI，让AI写出的预期功能代码，绞尽脑汁写出提示词成为了一个比较麻烦的问题，如果不是有AI流程，toSpec → toTickets，我觉得写一份规范的输入是一件废脑力的事情。
另外，就算不写代码了，我会不得不审核大量的文档，这一点也不轻松，甚至在项目初期，我也会在一个功能模块下面，去审核AI写的代码是否符合预期，虽然有各种md文件与规则去约束AI写代码，但是还是按流程得过一遍。
另外，从领导的角度看，我手上一定会有AI，工作量与排期都比之前加快了很多。而且公司对AI的token支持不太友好，目前真的就是付费上班，既然付费上班，我就期望自己按计划写完功能，准时下班，但是并不是那么回事。
有AI了，心态变了很多
之前，我总觉得AI就算发展的很快，想要干掉移动端开发还是有点难度的，因为移动端开发有别于前端，它非常依赖多模态的模型（UI需要），同时Xcode的配置又非常复杂，但是随着AI的发展，甚至Xcode27的配置改为了json，其实都是在为AI服务。
我从一开始有点拒绝到接受，和积极拥抱，转变非常之快。
目前唯一的焦虑是，我到底可以干什么？我在自己的岗位上面是不是可有可无？我会不会被干掉？
有AI了，这几个月都干了些什么？
之前的RxStudy还只是我用自己的项目去做迁移，随着公司项目的接入。
我在7~9月份，在一个项目完成了React Native在双端的落地；同时在另外一个项目上，完成了KMP以及CMP在双端的落地，这个项目期望也有HarmonyOS Next端，我们甚至做完了一部分Quickly+KMP在HarmonyOS Next端的验证，以及完整的鸿蒙Flutter的开发。
作为一个iOS开发，很多技术栈我都不太了解，甚至不了解，但是最后还是落地，项目的配置我不用关心，我只有看看代码写的看不看得懂即可。
现在大家都调侃AI叫天才程序员，目前我除了可以看看它写的代码结构与分层，大部分时间我都很难再阅读它写的代码了，因为它的写法比我要高级，大部分时候它的架构与思路比我优秀。
有了AI，写代码已经没有乐趣
这绝对是真实的感受，当人类停止探索的时候，已经没有乐趣，这个就和打游戏一样，当你面对未知广袤的地图，一步步探索一步步推进还会获得乐趣，目前AI写代码没有什么技术难点，在我看来，只要Token管够，时间周期允许，合理的需求都可以开发出来。
而我们，就像流水线上面的工作人员，一步步去检查与核对。
乐趣变成了如何有个好的点子，甚至是一个有趣的交互或者动画，从繁重而重复的CV工作下来之后，我会更多的参与需求的输入，需求是否合理，能不能跑完。
AI一方面，模型强才是关键
我也看过很多人说同一个模型在不同的IDE加持下的表现会有些许差异，但是从我用过的GLM、MiniMax、Deepseek和ChatGPT来看，如果模型本身足够强大，可以做到力大砖飞的程度。
我会经常使用Skill、MCP以及插件，甚至专门去学习如何安装与使用，但是在我们的开发过程中发现，对于一个足够强的模型，说清楚要做的事情，放开权限，那么其他的事情交给它自己就可以了。
同时这里也需要注意，权限的赋予是一柄双刃剑，有便利的同时也有隐患。
好了以上就是我的一些感悟，欢迎大家交流，如果大家对Skills for Real Engineers感兴趣，我也可以考虑单独写一篇文章交流。
BTW，这篇文章我没有使用任何AI工具生成，全部手敲。