我需要把效率提高一百倍吗？

最近在想一个问题：如果我没有一个正在高速迭代的代码项目，还需要和其他工程师一样，追求十倍、一百倍，甚至一千倍的效率吗？

看到别人分享用 AI 写代码的方法，很容易觉得自己也得学。怎么管理上下文，怎么让几个 Agent（能执行任务的 AI 助手）配合，怎么把测试和代码审查接起来，每一项都说得通。可是学完之后，我手上有没有需要用到它们的事情？

对于持续维护项目的人来说，这些方法往往来自具体的问题。代码越来越多，改动越来越频繁，某个环节开始拖慢进度，他们就会花时间去解决。一个改进能在后面的工作里反复使用，投入也就容易收回来。

把经验写出来，还能帮助他们整理自己的认识。后续的项目继续检验这些经验，写作又把经验保留下来。这种积累确实可能形成复利。但它背后有一个持续进行的项目，有真实的问题，也有反馈。

读到文章的人，未必处在同样的位置。我可以理解一套方法，也可以照着配置一遍，但如果接下来没有机会使用，就很难知道它到底好在哪里，什么时候值得用，又有哪些地方需要调整。过几天，新工具出来了，新的学习任务也跟着来了。时间花了不少，却说不清这些东西帮自己完成了什么。

当然，需求也不总是在尝试之前就明确。试一试新工具，有时会发现原来做不了的事情现在能做了，于是有了一个项目。出于好奇玩一玩，也很正常。只是这种可能性，并不意味着每一次更新都需要跟进。

学习可以从这两个问题开始：我当下最重要的事情是什么？想把它做到什么程度？

没有高速迭代的代码项目，我仍然可以继续用 AI。写文章、理解一个技术问题、准备一次客户沟通，都有具体的用处。目标清楚一些，就更容易知道哪些东西值得学，哪些可以暂时放着。

假如现在要写一篇文章，就先和 AI 讨论观点，整理材料，写出一稿。写到哪里发现讲不清楚，再去查资料、补知识、改表达。过程中真有哪个环节反复卡住，再研究更好的工具和方法。

这样，我能看出学到的东西有没有用：原来含糊的地方能不能讲清楚，这篇文章有没有写完。至于别人正在使用的那套 AI 编程工作流，可以等我有相应的项目时再去研究。