用了半年国产模型，还是没等到颠覆性的功能

半年里我实际在用它做什么

从二月算起，我断断续续用了半年多。真实的清单大概是这样：

半年下来，省掉的时间加起来不少。但如果问我”工作方式变了吗”，答案是没有。

翻译这块变化最大。 以前一份三十页的英文手册，我要分两个下午啃。现在先让它翻一遍，我对着原文改术语和表述，两个小时能弄完。

“懒得写”的脚本现在有人写了。 这个变化不太容易被量化。以前很多小自动化死在”写起来要半小时”上，现在随手就让它写，跑通了就用。

会议记录从一团乱麻变成了分类清单。 谁提了什么意见、哪些是待办，一眼能看到。

这三件事都不小，但它们有个共同点：都是原本就在做的事，只是做快了。

我试着把”没质变”的原因讲清楚，能想到四条。

一、它不知道我的上下文。 我的项目结构、以前的决策、代码风格、甚至我不喜欢哪种写法，它都不知道。每次开新对话，我都得重新交代一遍。交代的成本有时候接近自己做。

二、核对的成本抵消了一部分收益。 它给的编号、日期、数据、引用，我一律要自己查。查一个不存在的东西花的时间，可能比它编出来的速度还长。

三、关键环节不敢放手。 涉及数据写入、线上配置、还有那些”错了不好回滚”的操作，我还是自己来。它在这上面只能在旁边看着。

四、写出来的东西有模板感。 段落长度均匀，转折规整，句子都对但没有一句是只有我会写的。用它起草，后面改成我自己的语气，也要花时间。

有一个任务我试了三次都没成，到现在还记得。

我要把一批格式不统一的表格合并成一张。人工做大概两个小时，我想让它省掉。

第一次，它按第一张表的列名对齐，后面的表只要列名不同就丢了。第二次，我手工列出了所有列名的对应关系，它这次的输出对了，但有六行数据凭空少了一列。第三次我干脆把样例数据贴进去，让它写一段脚本——脚本跑通了，结果是每一批都重新开始计数，序号全乱。

三次加起来我花了一个半小时，最后还是自己手工做的。

这件事说明的问题不在能力，在反馈回路：我每次只能告诉它”这里不对”，它改一处、另一处又出问题。而我如果自己写，第一遍就能把所有边界都考虑到——因为我知道这批表格脏在哪里。

那批表格最后我是在 Excel 里手工对完的，用了两个小时零十分钟。跟让 AI 试的三个半小时相比，手工反而更快。

我理解的颠覆，是工作方式的形状变了——原来要三个环节的事，现在一个环节就完成了。

这半年发生的是：每个环节快了一点。形状没变。我还是自己判断、自己验证、自己决定。

真正可能改变形状的是另一件事：让模型能自己动手。它不是给我一段代码让我复制，而是自己去读文件、跑测试、看报错、再改。这一步跨过去，工作方式才有质变的可能。

2025 年年中，这类工具我还没用上。我听说有，但当时的印象是”贵、需要折腾、还不稳”。所以那半年我的结论一直是：等等看。

不是更聪明的模型，是能接进流程的模型。

聪明程度这半年提升得很快，但流程上的位置一直没变——它坐在对话框里，等我复制粘贴。这个位置决定了它的天花板：无论它多会写，它都拿不到我一整天的上下文，也做不了任何事。

后面我看 2026 年那些能读代码库、能自己跑命令的工具，评估标准也是这一条：它有没有把自己从对话框里挪出来。