桑治AI 从最开始的 Chatbot（聊天机器人），发展到如今能够调用工具、操作电脑，甚至通过机器人参与真实物理世界的 Agent（智能体）。短短几年，AI 所能做的事情越来越多。
按照自己的兴趣进入一个项目
初级开发者不必在一开始就扎入满屏的官方开发文档，可以直接按照自己的兴趣进入一个项目，开始使用 AI 辅助开发。遇到具体问题，再带着问题阅读文档、理解实现。
但使用 AI 不代表替代自己的思考。在遇到问题的时候如何解决，体现了你如何掌握 AI。
你需要让 AI 给你解释原理，自己分析完整的链条，而不是只是单纯地向 AI 描述出现的问题。AI 可能第一次就解决了你的问题，但它也可能在某些地方作出了取舍。随着项目扩大、复杂程度加深，如果不深入了解项目的内核以及运行逻辑，AI 留下的黑盒就可能让你停下开发的脚步。
对我来说，让 AI 解释原理之后，还需要结合源码、日志和实际结果，分析调用链、修改影响了什么，以及为什么这样处理。这样才能在下一次出现问题时继续判断和修改。
在一次次使用中发现需求和问题
一个系统的功能很难一次就考虑周全，需要在一次次使用中发现需求，以及问题。
有了新需求，还需要考虑能否利用 AI 思考、理解自然语言和调用工具的能力来完善，让系统更趋于自动化。
比如，整理笔记时，工具先把课件转成图片，AI 可以判断拼接图是否看得清，再决定要不要查看单页。整理视频时，AI 可以根据讲解内容判断哪里需要看看画面，再调用工具抽帧、查看，决定选哪一张。
我希望把这些能力用在实际过程里：明确、重复的操作交给工具，涉及内容理解和取舍的地方，让 AI 根据材料作判断，再回到实际使用中检查效果。
AI 是引擎，还需要上下文和工具
我的另一个想法是：AI 是引擎。想让它变成一辆能用的车，就需要增加其他东西。按照现在的术语，这些围绕模型提供的上下文、工具、权限和执行流程，可以称为 harness。
想让 AI 融入你的工作，就要给它提供对应的上下文、适配的工具，尽量让它拿到和你一样的资料，再用它自身的理解与判断能力来处理工作。
我在几个项目中尝试这件事：
- 本地 Agent 上下文系统：把项目背景、当前进度与完成历史保存下来，让新窗口可以继续已有工作；项目增多后，再通过 Hub 和逐层索引找到相关内容。
- 云端网页 AI 与本地协同：通过隧道接入本地工具，让网页 AI 能阅读本地资料、修改项目、执行命令，并通过界面查看结果。
- 学习自动化：提供转图、资料获取、语音转录、时间定位和抽帧工具，再用规范组织过程，让 AI 判断材料、选择画面和整理笔记。
这些都是我目前正在实践和尝试的。我从自己的兴趣和实际需要出发，借助 AI 开始一个项目，再通过理解、使用和不断调整，把它变成可以继续维护的东西。