使用手机遥控让AI干活这件事可太有趣了之文档篇

文章目录

开始之前先叠个甲:这篇不是教你「用手机办公更高效」。手机当然没有电脑快,我改一行代码在手机上要花三倍时间。这篇说的是另一种情况——你手边只有手机,而这件事今天必须做完。

这种情况下,原来的选项是「等回去再说」,现在的选项是「现在就派出去」。差别不在效率,在于这件事到底做不做。

这是我「手机遥控 AI」系列的第一篇,只讲文档这一类活:报价单、打印材料、写作底稿。源码和运维那些放到后面单独写,不然会变成大杂烩。

为什么非得在手机上干

我不想把这事说得太浪漫。真实理由有三个,从强到弱:

三个场景:只有手机在身边

一是在路上。车上、地铁上、高铁上,笔记本在包里但掏出来不现实,或者干脆没带。

二是不想开电脑。晚上十点,孩子在旁边睡着了,我只需要回一封带附件的邮件。开电脑、等系统醒、找文件、打开软件、导出、发出去——这件事的摩擦成本比事情本身大。

三是电脑不在身边。在外面吃饭,客户微信问「报价单能不能今天给我」,而我人在餐厅。

这三个场景的共同点是:活是明确的,环境是不配合的。以前这种活要么拖到明天,要么用手机勉强凑——手机上编辑 Excel 和做排版,试过的人都知道是什么体验。

现在的差别是:我不用自己动手了,我只需要说清楚要什么、看一眼对不对。

我基本不打字,我说话

这一点值得单独说,因为它是上面那些例子能成立的前提。

我用微信接 WorkBuddy,微信自带语音转文字——按住说话,松手转成字,发出去之前还能改。这个细节很关键:我发的不是语音消息,是一段校对过的文字。所以它能被检索、能被引用,不会被「嗯」「那个」和口误污染。

口述和打字的信息密度差很远。同样四十秒,打字大概三四十字,还要腾出手指改错别字;说话能出两百字左右,而且思路是连贯的——说话的时候你不会停下来想「这个词怎么拼」,只会想「接下来要说什么」。

所以我现在的判断标准只有两条:

  • 上下文长、事情明确的活,用说的。 比如「客户给了个报价单让我照着做一份,你先看结构、按这次的项目拆,价格我后面调」——这句话十秒说完,打字要一分钟,而且打完还得检查有没有错字。
  • 要精确的东西,用打的。 文件路径、变量名、金额、日期、编号。这些说出去转文字经常错一个字,改起来比打还慢。

四十秒:打字三四十字,说话两百字

这三个例子的需求,大部分是我在微信里说出来的,不是敲出来的。报价单那次我在餐厅,一只手拿手机,说的;乘法表那次是躺在沙发上陪女儿玩的时候顺口说的;BT 那篇的视角要求——「不要写成教程,要写成在垃圾堆里翻东西」——也是说的。这句话我打字想了半天,说出来一次就对了。

还有一个理由特别朴素:手机打太多字,手真的会累。 拇指在那么小的键盘上戳两千字,比走两公里还难受。能用嘴的,就别动手。

一、报价单:在外面把活干完,回去只剩盖章

这是三个例子里最完整的一个,因为它的终点不是文件,是一张盖了章的纸。

客户给的是格式,不是内容

客户发来一份他自己以前的报价单,说「照这个格式给我做一份」。

这句话里其实藏了三个要求:格式要像、项目要对得上这次的活、价格得我自己定。第一条是模仿,第二条是把上一版的内容换成这次的,第三条是判断。

我做的第一件事不是让他写,是先把这次要交付的东西列清楚。列的过程中我发现一个问题——我列的是「做了什么」,客户要的是「买了什么」。

举个例子。「后台内容编辑表单开发」这句话,是我干的活;「首页、服务、案例、资质、资讯等 9 个模块,每模块 100 元」才是客户买的东西。同一件事,写法不一样,可信度差很远。

所以我给的要求里有一条很具体:每一项都要能被客户核对。宁可把一项拆成三行,也不要把三件事合成一行写个总价。

最后出来是 22 个分项,分成五组:

  • 一、策划与设计(3 项):信息架构、视觉规范、页面版式
  • 二、前端开发(6 项):首页、列表页、详情页、关于页、交互、兼容测试
  • 三、后台管理(4 项):登录鉴权、内容表单、媒体管理、存储回滚
  • 四、SEO 与性能(2 项):全站 SEO、图片压缩
  • 五、内容与交付(7 项):案例录入、其他栏目、环境部署、域名 HTTPS、备案代办、培训移交

总价一万元,每一项都能单独核对。

三轮就够,多一轮就开始跑偏

改了三轮。

第一轮是结构:我给了分组的想法,让他把 22 项先摊开。这一轮出来的东西会很难看,因为分组边界不清,有些项重复出现。

第二轮是价格:把明显的失衡调掉。比如「页面版式设计」原来报了 5 版×80 元,看着像凑数,改成按版数计价但只写一行总数。

第三轮是措辞:把「开发」「实现」这类我视角的词换成客户能看懂的描述。这一步最费时间,也最值钱——它决定了这份文件是「我的工作量清单」还是「客户的采购清单」。

第三轮之后我就停了。再改下去会开始加东西,而报价单的常见错误不是写少了,是写多了显得没底气。

最后一步不是文件,是纸

生成完之后有两个版本:Excel 一份用来改,DOCX 加 PDF 一份用来签。

报价单从起草到盖章的四步

这里有个真实麻烦:我在外面,但章在公司。

所以流程是反着设计的——我在餐厅把 PDF 定稿,用微信把文件发到自己手机,找了一家共享打印店打出来;回去之后核对页数、签字、盖章、扫描,当天就发给客户。

要是非得拖到第二天才能发,那就说明这活根本不急,我也没必要在餐厅里用手机折腾。手机上干的活,默认是当天要落地的——这条比什么效率都重要。

PDF 我特意交代了两件事:字体要嵌入,页边距要留够——因为不确定打印店用什么纸、能不能双面。这种细节机器不会主动想到,你不说它就按默认值给你,打出来被裁掉一截才叫麻烦。

事后回头看,这件事真正的成本是那份 PDF 定稿之前的三轮对话,不是打印。而三轮对话加起来,我在手机上敲了大概八百字。

二、九九乘法表:为了省几块钱,顺手做了个更好的

这件事的起因特别俗:女儿上大班,我想让她先熟悉一下乘法表,去拼多多搜,最便宜的也要几块钱,而且大多数就是一张纸——材质可能还行,但感觉成本大半花在了邮费上,不太值。

我当时的第一反应是「几块钱也值得折腾吗」。第二反应是——打印是免费的,纸是现成的,我为什么不能自己做一张。

于是就有了这个需求描述:

做一张 A4 可打印的九九乘法表,给幼儿园大班的小孩用,要好看一点。

第一版出来之后我的评价是「有点太单调」。这个词后来变成了一次完整的返工,因为我意识到问题不在配色,在它看起来像一张数学卷子。

第二版加了糖果色、圆体字,还有手绘的太阳、云朵和小星星。最终是三页:

  • 第 1 页 · 完整方阵:1×1 到 9×9 全表,贴在墙上当参照
  • 第 2 页 · 九九口诀:一一得一、一二得二……这一页是用来念的,不是看的
  • 第 3 页 · 乘法练习:留空的格子,让她自己填

花几块钱买一张,和自己做三张

现在回头看,这件小事里最值得说的是它为什么适合派给 AI。

因为它的交付形态极其明确:A4、三页、能打印、字要够大。这种「目标清楚、只需要反复调整」的活,正是机器擅长的。如果换成「帮我设计一套数学启蒙课程」,那就是另一回事了——那是判断,机器给不了。

顺便说一句成本:那张 PDF 是 65KB 的矢量文件,A4 三页。拼多多上几块钱买的是印刷品,我得到的是一个可以重印、可以改、可以加页的源文件。这是自己做的隐性收益,不是省钱。

三、写作底稿:把「整理材料」这一步交出去

我一直在写东西,但最烦的从来不是写,是整理材料。

素材散在十几个地方:数据库里、终端输出里、代码里、聊天记录里、脑子里。真正坐下来写的时候,前两个小时全花在「这个东西到底是多少」上面,一个字没写。

现在这一步我交出去了。

56MB 的数据库,最后要的是五张图

前段时间写那个 BT 网络的稿子,素材是一个 56MB 的 SQLite 数据库,四十多万条原始记录。

我做的事只有一件:告诉它我要什么视角——「不要写成教程,要写成『在垃圾堆里翻东西』的观察」。

它做的事是:把 40,260 个 infohash 跑完、筛出 913 条有效元数据、算出总量 6.85TB、内容类型分布、文件名长度分布、语言分布,然后画成图。

从 56MB 数据库到五张图

最后我用到文章里的数字是这几个:

  • 抓到 infohash:40,260 条
  • 有效元数据:913 条(2.3%)
  • 总体量:6.85 TB
  • 影视类占 71.5%,中文内容只占 4.5%
  • 被动监听覆盖 15.2%,BEP 51 抽样覆盖 84.8%

最后两个数字是整篇文章的骨架——它说明「被动监听只能捡到 15%」,剩下的必须主动去问。这个结论不是我想出来的,是数据算出来的。

但判断是我的。比如 2.3% 这个数字,它写在报告里是「元数据获取率」,我写成「一百个种子只有两个半能看清里面是什么」,因为后者才是人话。

刷 N1 盒子那次,先让 AI 把过程记下来

还有一类更琐碎的:刷机。

家里那台 N1 盒子(斐讯那款电视盒子)我刷过几次,每次都要重新查一遍资料——哪个固件配哪个 bootloader、U 盘要什么格式、短接点在哪、刷完怎么救砖。

这种活的痛苦不在于难,在于它是间歇性的。一年做一次,每次都要从头回忆。

后来我改了做法:刷的时候开着对话,一边操作一边让它记。刷完让它整理成一份「下次照着做」的清单,包括踩过的坑——比如第一次做的 U 盘镜像写坏了导致不进引导,第二次换了写入工具才对。

这件事的价值不在于那次的刷机,而在于下次我不用再查。文档不是给别人看的,是给三个月后的自己看的。

同一个逻辑,我写技术文章也是这么干的:材料整理交给它,我负责挑哪些能写、怎么讲。

三个例子的共同形状

写到这里我发现这三件事其实是同一个结构,只是我一开始没意识到:

三件事,同一个结构

第一,交付形态都很明确。 报价单是一张盖了章的 A4,乘法表是三页能打印的 PDF,底稿是一份带图的 Markdown。不是「帮我做点东西」,是「做出这个东西」。

第二,卡点都在格式和搬运,不在内容。 报价单难在措辞和排版,乘法表难在配色和分页,底稿难在把十几个来源的东西对齐。内容我脑子里都有,难的是把它变成能交出去的样子。

第三,判断和验收必须在我这里。 报价单的价格是我定的,乘法表「太单调」是我说的,2.3% 该翻译成什么样也是我决定的。这三件事机器都能做,但做完了得有人认。

所以我现在的分工特别简单:我说清楚要什么,它做,我看一眼对不对。 中间那一步以前占我 80% 的时间,现在占 20%。

关于「逐帧学习」这件事

我当打工人那会儿,最烦两种话:「下班前交给我」和「什么时候能完成」。

烦的原因很实在——这两句话背后是别人的节奏压在你身上,而你要做的东西往往比对方以为的复杂得多。你没法解释,解释了像是在推卸。

现在自己干,手上有了 AI,这两句话的感受完全变了。不是因为我变成甲方了,是因为「能不能今天给」这个问题的答案变了。

以前是「我算一下,最快明天中午」。现在是「我十分钟后发你,你先看看方向对不对」。

这个变化带来的东西比效率重要:它把「交付」从一次性的、有压力的事件,变成了一个可以来回的过程。 我可以先给个糙的,让对方说「不是这个意思」,然后我再改。而以前我不敢给糙的,因为一次交付就是一次表态。

说起来有点讽刺:我花了很长时间才学会不把「快速给出一版不完美的东西」当成不专业。真正让我接受这件事的,不是哪本书,是我发现机器改一版只要三分钟,而我纠结要不要给这一版要纠结半小时。

什么不适合这么干

最后说反面的,免得看完觉得什么都能派出去。

需要连续上下文判断的活不行。比如改一段有微妙意图的文案,改一个字整句意思就变了。这种活我自己来更快,因为解释的成本比做还高。

需要当面确认的活不行。报价单的最后一步是盖章,不是发文件。任何涉及信任和承诺的环节,人必须在场。

你自己都说不清要什么的活不行。这条最容易被忽略。我见过很多人抱怨「AI 做的东西不对」,往下问三句就发现他自己也没想清楚要什么。说不清 = 做不对,这不是 AI 的缺陷。

紧急且高风险的活不行。线上出故障,第一反应应该是登录服务器看日志,不是发消息问「帮我看看为什么挂了」。

除开这四类,剩下的活我觉得都可以试试派出去。判断标准很简单:这件事做完之后,我能不能一眼看出对不对。 能,就可以派;不能,就得自己做,或者先把它拆到能一眼看出对错为止。

参考链接

  • WorkBuddy 官方文档 —— 我说的「微信遥控」就是用它,文档里有连接方式和能力边界,先看这部分再决定要不要用
  • Hugo —— 本站用的静态站点生成器,文章都是 Markdown,所以「底稿」这个交付形态对我特别顺手
  • matplotlib —— 九九乘法表和 BT 数据图都是它画的,矢量 PDF 输出靠 pdf.fonttype=42 嵌入字体
  • SQLite —— BT 那个 56MB 的库,单文件、免安装,适合这种「抓完就想直接查」的场景
  • BEP 51: DHT Infohash Indexing —— 文章里「抽样能覆盖 84.8%」那个结论的技术依据,想复现的话从这里看起

这是「手机遥控 AI 干活」系列的第一篇。后面还有源码篇和运维篇,等我把素材理完再写。