工作中该怎么用AI编程提效？我总结了3种落地方法

最近和一些朋友聊AI编程时，大家提到最多的困惑是：在工作中找不到合适的AI编程应用场景。他们很好奇我是怎么在工作中用AI编程的，那我今天来跟大家分享一下我的使用方法。在这里要跟大家强调一点，在工作场景中大部分情况下AI编程做产品不是说非得做一个复杂的APP或者网站。对于非研发人员来说，AI编程在工作中最大的价值是解决各种小需求，这些小需求是通过脚本或者轻量级前端来实现的，而非一个复杂的产品。工作中80%的场景可以用脚本来解决的，那我先从它开始说起。1.写脚本：快速提效的小帮手从数据格式的筛选、分组、转换，到网页的简单爬虫，还有和LLM做批量互动，简单的数据标注，这些功能都可以通过一个或者多个python来实现。我在做客服质检项目的时候，前期0-1的MVP测试就是由若干个脚本叠加完成的，A脚本负责提取相关类型的数据转译成JSON文件，B脚本负责和LLM互动进行分类，C脚本负责进行分类下的质检，D脚本负责输出成html的格式。整体跑一圈每天大概20分钟，客服质检结果就能拿到手了。大家可以把工作中重复的事情拿出来和AI讨论，看看它能不能写一些python脚本来搞定，通常只需要花十几分钟描述清楚需求，就能很快拿到一个能直接用的结果。2. 搭工具：本地部署的前端应用python纯后端项目，对于需要交互的需求满足起来弱一点。如果一个需求有复杂交互且需要长时间运行，这个时候可以考虑做一个前端工具来满足需求，这种场景在工作中占比接近15%。我在做模型Lora微调的时候，有大量的数据需要进行标注，同时我们还需要对比14B模型和8B模型在微调上的效果怎么样。我当时花半个小时做了前端标注平台，基于本地运行，能够进行各种训练数据的标注。3. 做产品：完整上线的可用服务真正需要做到产品化的场景，我自己评估下来其实也就占大约 5%。它的前提是：项目需要长期、稳定地运行，并且往往依赖数据库等后端能力。这块的开发周期也往往是最长的，我在公司内部做的内容自动化项目就是产品的逻辑，光对接内部接口就花了一周的时间，开发更是接近一个月。好处是上线了就能直接交给业务团队使用，随时调用，有着不错的长期价值。这些就是我工作中AI编程的用法，希望能够给大家一些启发和帮助，欢迎大家在评论区留下自己的用法呀~