AI 智能体替我干了一周的活：5 个真踩过的坑
从「能聊天」到「能干活」，这一轮 AI 智能体是真的变了。我把手上一堆重复工作交出去试了七天，记下 5 个坑。
八月到九月这一个月，AI 圈的密度高得有点不真实：模型一个接一个发，参数竞赛没人聊了，
大家开始问同一个问题——它到底能不能替我把活干了？
我抱着怀疑的态度，把一周里最烦的那部分重复工作交了出去。结论先放前面：能用，但没宣传得那么神。
一、先说结论
| 任务类型 | 实际效果 |
|---|---|
| 格式转换、批量改名、整理表格 | 比我自己做快，基本不出错 |
| 查资料 + 汇总成初稿 | 省一半时间，但必须逐条核对 |
| 需要判断「这件事该不该做」 | 别交，它没有上下文 |
| 跨系统操作（发邮件、改后台） | 权限给放开后风险陡增 |
二、5 个坑
坑 1：你以为的任务边界，和它理解的不是一回事
我说「帮我把这批反馈整理一下」，它整理了，还顺手把语气客气的差评归类成了好评。
问题不在它笨，在于「整理」这两个字对人和对模型根本不是同一件事。
改法：把任务拆成可以验收的动词——提取、去重、按 A 字段分组、输出成三列表格。
坑 2：上下文不是越多越好
一开始我把整个文档都丢进去，结果它抓着一段五年前的背景反复做文章。
后来只喂它必需的那几页，质量反而稳定了。
坑 3：权限一定要最小
让它直接操作后台是最危险的一步。我第一版给了写权限，它很勤快地「顺手」改了三条不该改的数据。
现在改成只读 + 输出草案，我自己点最后那一下。
坑 4：一定要有验收标准
「写得好一点」是没法验收的。换成「不超过 300 字、必须包含三个数据、不出现形容词堆砌」之后，
返工率明显下降。
坑 5：成本要算，时间是省了但不算白省
跑长任务的时候 token 消耗比想象中高。省下的是我的注意力，不是钱，这两笔账得分开算。
三、我的实际用法
现在留在流程里的只有三件事：
- 把杂乱素材整理成结构化初稿
- 把初稿扩写成不同长度的版本
- 把重复的、有明确规则的批处理
其余的都退回到「它出草稿，我做决定」。
写在最后
这一轮和前两年最大的区别，是它开始连着工具一起干活，而不是只吐文字。
但「能自动跑通」和「能放心交给它」中间，隔着的是流程设计和边界划分——
这部分目前还没法外包。
如果你也在试，欢迎在评论里说说你踩的坑。