这几年我用 AI 工具越来越多。一开始只是把它当成搜索工具，或者让它帮我补几行代码。后来慢慢发现，真正好用的不是单个工具，而是把 AI 放进自己的日常工作流里。
现在我主要分两类使用：一类是工作开发，一类是个人学习和项目管理。
在工作开发里，我主要用 Cursor、Codex CLI 这类工具。
Cursor 更像是一个贴在 IDE 里的开发助手
它适合做这些事：
-
阅读已有代码比如接手一个模块时，我会先让它解释目录结构、关键入口、数据流向。不是为了完全相信它的结论，而是让它帮我快速建立第一版心智模型。
-
小范围改动比如补一个表单字段、调整一个组件状态、加一段校验逻辑。Cursor 在这种上下文明确、边界清晰的任务里很好用。
-
辅助重构当我已经知道要怎么改，只是改动比较机械时，它可以帮我省掉大量重复劳动。
但我不会把 “架构判断” 完全交给 Cursor。尤其是涉及权限、数据模型、支付、发布链路这些地方，AI 的答案经常看起来很顺，实际上可能漏掉关键约束。
Codex CLI 更像是一个可以单独派出去干活的开发代理
我会把一些相对独立的任务交给它，比如：
- 给某个包补测试
- 根据已有规范实现一个 CLI 子命令
- 修复一组 lint 或类型错误
- 对一个模块做小范围重构
- 根据文档补齐 README 或示例代码
CLI 形态的好处是它不像 IDE 助手那样一直跟着我，而是更适合 “派任务”。我可以把目标、限制、验证方式写清楚，然后让它自己跑测试、看报错、修代码。这个模式对我现在的开发节奏影响很大。
不过这里有一个前提：任务必须拆得足够清楚。如果我只说 “帮我优化这个项目”，AI 大概率会开始到处改，最后很难验证对错。但如果我说：
只修改 packages/cli，新增 import 命令；保持现有测试通过；新增最少两个测试用例；不要改公共 API。
这类任务就更容易得到可控结果。
以前我会纠结哪个模型更强，哪个编辑器更好。现在我更关注几个问题：
- 这个任务能不能被清楚描述？
- 有没有现成测试能验证？
- AI 改完之后，我怎么快速知道它有没有改坏？
- 哪些部分需要我判断，哪些部分只是体力活？
- 这个流程能不能沉淀成可复用的 skill？
AI 开发最容易踩的坑，是把它当成一个 “全自动正确机器”。但它不是，它更像一个速度很快、记忆力不错、但偶尔会自信犯错的同事。你要给它上下文、边界和验收标准。你也要保留最后的判断权。所以我现在常用的方式是：
- 先让 AI 读代码和文档
- 让它复述目标和约束
- 让它提出实现方案
- 我确认方向
- 再让它动手改
- 最后必须跑测试、构建或浏览器验证
这套流程听起来慢，但比让 AI 一上来直接开改更稳。
除了工作开发，我还会用 Hermes 做个人学习、项目记录和自动化。Hermes 对我来说不只是聊天机器人，更像是一个长期工作台。它可以接入飞书、微信，也可以记住我的一些项目规则，还能跑定时任务、使用 skill、帮我整理文件。
- 比如我在微信里想到一个学习笔记，可以直接发给它，让它帮我写进对应文件。这样不用打开电脑，也不会因为麻烦就不记了。
- 我也会用它管理一些个人项目。比如项目目录在哪里、用什么技术栈、提交规则是什么，这些它都可以记住。下次继续做的时候，不用每次重新解释。
- 定时任务也很好用。比如每天整理摘要、定期检查服务、每周生成复盘，这些事情如果靠自己记，很容易断。但交给 Hermes 之后，它可以自动执行，还能把结果发到飞书或微信。
我现在用 AI，不是为了让它完全替我工作。更像是把一些重复、琐碎、容易消耗精力的事情交给它，然后把自己的注意力留给判断和决策。
Cursor 适合边写代码边用，Codex CLI 适合派出去做独立任务，Hermes 更适合长期记录、跨平台使用、定时任务和 skill 沉淀。
对我来说，AI 工作流最大的价值不是 “快一点”，而是让很多原本容易中断、容易忘、容易拖延的事情，变得更顺手。
