一个人用 AI，第一条工作流别从“全自动”开始

一个人开始用 AI，最容易给自己挖的坑，是把“全自动”当成第一阶段的终点：自动找资料、自动判断、自动发布、自动跟进。链路看起来很完整，真正出错时，你却很难判断是哪一步带偏了结果。

对超级个体、独立开发者和老板个体来说，更稳的起点其实很朴素：别先让 AI 替你做决定，先让它把决定需要的东西准备齐。

为什么第一条工作流不该追求“无人值守”

Anthropic 在总结 Agent 实践时，把可预先定义路径的 workflow 和由模型动态决定过程的 agent 分开，并建议从最简单、可组合的方案开始；只有复杂度确实改善结果时，再继续加。OpenAI 的 Agent 指南同样把明确的护栏、停止条件和交还人工控制列为基础设计，而不是上线后的补丁。

这不是说 AI 做不了长任务。METR 的 time horizon 研究正是在持续测量模型完成更长软件任务的能力，但它测的是给定可靠度下的任务难度，不是“只要任务没超过某个时长就一定成功”。能力在增长，具体任务仍然需要验收点。

社区里的实战也呈现出同一种形状：讨论多 Agent 开发流水线的独立构建者，仍然把 human review 单列成阶段。真正被保留下来的不是“人永远手工做”，而是“关键决定有清楚的归属”。

第一条工作流，只挑这四类条件都满足的任务

• 重复出现：每周至少来两三次，今天跑通，下周还会用到。
• 输入找得到：原始材料有固定来源，不需要你每次临时补一堆背景。
• 产出看得懂：好与不好能被你快速比较，而不是只能凭感觉相信。
• 做错能退回：先生成草稿、清单或候选项，不直接付款、删除、群发或上线。

比如“收集一周的用户反馈，归成三类并列出待确认的问题”就比“自动决定下个版本做什么并直接发布”更适合作为第一条。前者替你准备判断，后者连判断和后果一起交出去了。

先跑三个回合，再多自动一步

第一回合，手动把一份真实材料交给 AI 伙伴，观察它缺什么上下文。第二回合，把你的修改写进固定的检查清单。第三回合，换一份新材料再跑，看它是否还能稳定产出。连续三个回合都能在几分钟内完成检查，才值得把下一个动作接上去。

这里的重点不是“三次”这个数字有多科学，而是你要看见可复现性：同一条工作流换了输入，仍然能把结果放到你面前，而不是靠上一次对话的运气。

把人放在决定上，而不是放在搬运上

一条好的个人工作流，应该让 AI 伙伴负责收集、整理、比对和起草，让你负责目标、边界与最终确认。工作数据默认留在本机；仅你主动接入的渠道与模型调用按任务所需出网。边界越清楚，你越敢把重复工作长期交出去。

如果你已经有一件每周重复的事，可以直接照着《用一条重复任务，跑通第一个 AI 伙伴工作流》里的工作流卡和三轮验收法跑一遍。先得到一条会重复成功的链路，再谈更大的自动化。