在 大模型 技术浪潮下，生产力正经历着前所未有的变革。一周内，我构建了一个可用的 LangGraph 聊天机器人原型；一个月后，我仅用 18 个小时就规划了一次完美的欧洲 6 城自驾游，住宿成功率 100%，而这在过去需要我花费整整一周的时间手动研究，结果还可能差强人意。这并非个例，而是我系统性地整合 AI 工具后，能力得到质的飞跃的真实写照。本文将分享我的 AI 工具栈，以及如何利用 迭代速度，在 大模型 时代打造属于你的生产力火箭。
1. 我的 AI 工具栈：各司其职，协同作战
我的 AI 工具栈并非单一工具的堆砌，而是根据不同任务的需求，选择最合适的 AI 模型，并将其组合成一个高效的工作流。目前，我的核心工具包括：
- Claude (Anthropic): 擅长复杂的代码实现、重构和架构级代码编写。特别是在开启“思考模式”后，Claude 在处理多步骤代码修改时的准确性显著提升，能有效避免引入错误。
- ChatGPT (OpenAI): 长于快速修复、调试以及解决 DevOps 问题。它更像是一个经验丰富的助手，可以迅速处理一些琐碎但必要的技术问题。
- Gemini (Google): 凭借其强大的上下文处理能力，在架构设计、文档生成方面表现出色。它可以处理庞大的代码库，并生成全面的设计文档。在我的欧洲自驾游规划中，我将 Airbnb 房源信息（描述、设施、评论等）全部复制到 Gemini 中，它能够根据我的需求（停车位、电梯、安全性等）进行分析并排序，大大缩短了筛选时间。
- Perplexity: 作为一款 AI 搜索引擎，Perplexity 能够提供带有引用的实时信息，在技术栈研究、产品对比、快速查询等方面完全取代了 Google Search。它确保我始终基于最新的、经过验证的数据做出决策。
2. “极速学习”：LangGraph Sprint 中的 AI 赋能
为了深入理解 大模型 的能力，我接到了一个任务：在一周内，在没有任何 LangGraph 先验知识的情况下，构建一个系统原型。时间紧迫，没有时间参加培训课程，我直接将 Claude 作为我的编码伙伴，开始了原型设计。
我的方法很简单：把 AI 当作一位资深开发者。我描述我的需求，审查生成的代码，理解其中的模式，并不断迭代。这种被称为 “Vibe Coding” 的方法，让我在一周内构建了一个具有人机交互功能的聊天机器人。
关键的洞察在于：缩短初始实现的时间 = 更多的迭代 = 更好的产品。与其花费数天时间阅读文档，不如进行原型设计、测试、快速失败并改进。每一次迭代都让解决方案更加完善。
3. 旅行规划：100% 成功率背后的 “Vibe Coding”
AI 彻底改变了我的旅行规划方式。在最近的罗马尼亚家庭自驾游中，我与 Claude 合作，将确切的日期、两个年幼的孩子、必游景点以及我们的兴趣等约束条件输入给它。经过几次评估不同路线的迭代，我们最终得到了完美的行程计划。
接下来是住宿。我将整个 Airbnb 房源信息（描述、设施、所有评论）复制到 Gemini 中，Gemini 凭借其强大的上下文处理能力，根据我的需求（停车位、电梯、安全性）分析所有信息并对选项进行排序。我在大约两个小时内预订了 4 个城市中的 5 套公寓。
结果：100% 成功率。每套公寓都完全符合我们的需求。如果靠手动研究，阅读关于街区的信息、比较房源信息、分析评论，需要花费一周的时间，现在却在多个会话中仅用 18 个小时就完成了。同样，更快的执行速度意味着更多的迭代，从而带来最佳的选择。
4. 技术精通：从架构到实现的 AI 辅助
在架构设计和文档编写方面，Gemini 的大上下文处理能力非常适合处理整个代码库并生成全面的设计文档。当我需要验证技术决策或研究框架时，Perplexity 能够提供带有引用的实时信息，确保我使用的是最新的、经过验证的数据。
在实际编码方面，我开发了一个清晰的层次结构。Claude 负责繁重的工作：复杂的实现、重构、架构代码。在处理复杂的多步骤代码修改时，我总是激活 Claude 的思考模式，这迫使模型在响应之前推断每个步骤，从而显著提高准确性。这对于在大型更改中保持代码完整性至关重要。ChatGPT 擅长快速修复、调试以及解决烦人的 DevOps 问题。
我曾在我的文章《Vibe Coding》中详细介绍了这种方法，我详细描述了通过 AI 协作构建系统的迭代过程。核心原则仍然是：快速原型设计通过迭代实现质量。
这并非随意的偏好。我曾经深刻体会到 Gemini 在重构任务中犯下的错误，它会进行不必要的 “美化 “修改，尽管有明确的指示，但代码甚至无法运行。相比之下，Claude 可以按照重构指令进行精确的手术式操作，尤其是在对复杂的修改启用思考模式时。
5. 超越代码：研究与写作的 AI 加持
我已完全用 Perplexity 取代 Google Search 进行日常查询：技术栈研究、产品比较、快速事实。对于深入的技术研究，例如研究 LangGraph 评估方法，ChatGPT 提供了更细致的见解。
在写作方面，我的工作流程从语音记录的头脑风暴开始。Gemini 将混乱的信息组织成结构。Claude 将该结构转化为文字，然后润色最终结果。本文正是遵循了这一精确的过程——多次迭代，不断完善信息，直至产生共鸣。
6. 激励他人：AI 普及的布道者
我的专业知识使我成为网络中关于 AI 策略的首选专家。我的妻子现在使用 ChatGPT 来构建学术课程，并受邀参加国际会议。尝试过我推荐的工作流程的持怀疑态度的同行通常会成为拥护者。
他人的转变增强了我的信念：我们正在经历人机交互的根本性转变。
7. 抽象的电梯：LLM 的崛起
使用 LLM 进行编码代表着一个新的抽象层次。我的职业生涯始于 C 和汇编语言，然后发展到 C++/Java 再到 Python。每一次过渡都感觉像是在电梯里上升了一层楼。LLM 不仅仅是下一层楼，它们是一次跳跃好几层楼。
这不仅限于编码。我们正在目睹无数问题的解决方案，而人机语言交互曾经是瓶颈。人类和计算机之间由预定义接口强制执行的严格界限正在消解。
大多数职业都在提升，以专注于战略而非执行。这些工具正变得必不可少，而非可有可无。成功的关键是什么？ 迭代速度。你能多快地测试想法，你的结果就越好。
8. 明日行动：拥抱 AI，提升迭代速度
选择你每周最繁琐的任务。花 30 分钟探索如何使用 AI 自动化它。从 Claude 开始处理复杂的逻辑，使用 Perplexity 进行研究，或使用 ChatGPT 解决一般问题。专注于速度——快速获得第一个版本，然后迭代。
我对 AI 集成的系统性方法已成为我职业生涯的一个决定性方面——而这仅仅是个开始。问题不在于 AI 是否会改变我们的工作方式——而在于我们是推动这种变革的人，还是眼睁睁地看着它发生。两年前，我选择系统地掌握这些工具。今天，这项投资每天都在累积，加速着我所接触的一切。抽象的电梯正在上升，而且还有空间可以登上。核心就在于提升 迭代速度，拥抱 大模型 带来的变革，打造属于你的 AI 赋能的未来。