这几天开启新项目后高强度使用AI和vibe coding的一些感受：

重新适应新的工作方式就像小孩从头开始认识这个世界，learning curve非常陡峭，也带来了新的刺激和活力。和AI一起工作感觉比古法工作更累，因为AI出信息很快，要不断审阅进行下一步思考。以前工作因为手速更慢，思考密度其实没那么大，也就没那么费神。但不管怎么说，总归要慢慢适应新环境，坚守纯古法工作意义不大，因为新的时代已经来了，AI已经成为了生活中不可剥离的一部分。

会不会担心AI自主性太强把项目改得乱七八糟变成屎山？我确实用agent mode比较多，但可以让它先写好计划再执行，git备份，流程上的细节我觉得攻略很多就不多说了。一般放手让AI做的任务正好落在我的舒适区或者学习区，我完全能看懂它是怎么干的，有时候还能从AI的写法学到一些东西。

我比较喜欢让它做比较机械，不需要品味的事情，比如parsing（虽然说生信90%的活都是parsing），装包，整理文件等。感觉硅基程序天然比较适合做能被总结出规律的事情。哪怕是艺术设计上创作做出很好看的作品，其实也是在运用一套审美上的规律。哪怕现在有AI scientist，本质上也是通过学习海量前人的工作总结规律，擅长做文献综述、跑pipeline和按套路写论文。至少目前来说号称有科研品位的AI，其实学到和优化的也还是一些能量化的指标比如引用数。碳基生物的思维可以更跳跃，更可以有leap of faith，更有vision，而太依赖前人经验和过往规律的模型反而会倾向于在平庸的安全区打转，至少在目前的发展阶段是这样。所以目前任何值得做到独具匠心的工作还是值得古法打磨，或者以人为主导的人机合作迭代，哪怕是在大模型擅长的写作上。

基础功底还是很重要。我观察到我的一些学生的能力简直被AI锁死了：能看出给我交稿是用AI，而我每次给feedback都相当于白给了，因为ta每次遇到新的情况都直接让AI从头重新生成，并不会根据我上一次的意见迭代生成自己的主见和做事方法。我怀疑这可能是自身实力和AI差距太大导致的。AI时期在学习上不劳而获的诱惑很大，很多人觉得AI会了就没必要自己学了。这个时期更值得（1） 静下心来通过高质量教科书进行系统化学习，哪怕一时跟不上AI，作为自己的智力锻炼（2）要是静不下心就自己动手建东西，也可以学到另一套方法。比如我学生如果能尝试把我的反馈和指导让AI沉淀成skills（这里看不懂的话搜Claude Skill），学习如何和AI合作，可能也是能好好deliver的另一种办法。第一种是科学家的思路，第二种是工程师的思路。

时间留白很重要，有闲有空才能去尝试改变自己的工作方式，学习怎么整合AI提高效率，比如沉淀和调整skills文档。

没有用OpenClaw，入门用得最舒服的还是VS Code插件。写代码也可以，读写文件也能干。另有命令行版Codex/Claude Code装在服务器上，加了个接口以求实现我个人电脑关机它能继续干活/用手机指挥它干活的功能，但实际下来用得并不如插件多，可能是因为我还是想看着它干……至于掌管日历邮件微信之类其他claw能做的功能等i人表示没那么多消息和日程要处理，每日总结更不必了，大部分信息都是噪音。

半年前特别想要一个computational RA/bioinformatician，现在不太需要了。当下有任何需求，都可以想一想这件事AI是否有办法帮到我，或者是否有办法用AI做一个软件/工具帮助我。