AI 每日简报｜如果你还没开始 AI 编程，现在就开始｜2026.08.29

为自己的工作构建软件，如今已是知识工作者的一项基础能力。

重点并不是说你应该成为所在组织的软件工程师，而是那些动手构建的人正在不断累积优势，把其他人越甩越远；你以为会阻碍自己的那些门槛，大多已经消失。问题在于：在真正开始之前，你几乎不可能看出自己的哪些工作问题其实适合用软件解决。所以，本期将带你了解这片领域——三种构建模式、四类交付等级、六类工作场景、六个入门项目——然后告诉你：动手做点东西吧。

---

用数字说话

• 108×——自 2 月以来，法律部门企业 Codex 使用量的增长倍数
• 41×——同期销售部门 Codex 使用量的增长倍数
• 20×——自 2 月以来，财务与会计部门 Codex 使用量的增长倍数
• 5×——工程部门 Codex 使用量的增长倍数，在所有职能部门中最低
• 8.3×——企业中排名前 10% 的用户消耗的 AI 量，是普通企业的多少倍
• 2.6×——同一“前沿企业与普通企业之间的差距”在 1 月时的倍数；如今构建者正在进一步拉开差距

主要内容

别再把 AI 编程当成软件工程师的专属技能

随着 Lovable、Replit、Claude Code 和 Codex 陆续出现，工程部门之外的知识工作者也开始用代码解决自己的问题。这不是非工程师突然要扮演工程师，而是他们开始用自己构建的软件，以新的方式完成原本的工作。

重度 AI 用户仍然完全错过了编程这一环

NLW 讲到他所在城镇的一位家长：订阅了多个昂贵的 AI 服务，已经多年借助 AI 工作，但 AI 编程对他来说仍然完全陌生。如今，如果知识工作者只享受与 AI 协作的工作方式，却从未涉足 Claude Code 这类工具，确实可能被甩在后面。

Agent 式 API 令牌已超过 ChatGPT，且还在持续上升

根据 OpenAI 最近发布、我们在本周早些时候介绍过的企业研究，大约在 4 月下旬至 5 月初，通过 API 以 Agent 方式消耗的令牌比例超过了通过 ChatGPT、以非 Agent 方式使用的令牌比例，此后这一数字一直在上升。

前沿企业与其他企业之间的差距在几个月内扩大了三倍

企业 AI 使用量排名前 10% 的公司，消耗的 AI 约为普通企业的 8.3 倍；1 月时这一差距还是 2.6×。而且，它们的用例也复杂得多，已经深入系统层面并推动整体业务变革。构建者正在不断累积优势。

法律部门的 Codex 使用量增长速度是工程部门的 20 多倍

以 2 月为基准，工程部门的企业 Codex 使用量增长了 5×。其他所有职能部门的增长都更快：财务与会计增长 20×，销售增长 41×，法律部门更是惊人地增长了 108×。企业 AI 编程已经不再只是工程部门的故事。

关于“氛围编程”的误解仍然挥之不去

早期人们的假设是，非工程师会突然尝试成为所在组织的软件工程师。尽管事实并非如此，这种看法依然顽固存在：AI 编程真正的价值，是用自己构建的软件把自己的工作做得更好。

只有开始构建，你才能看见适合软件解决的问题

NLW 认为，现在就开始的原因在于：在真正动手构建之前，你很难看出自己的哪些工作问题适合用软件解决。你已经在做的工作，往往非常适合获得软件支持，而你以为存在的那些门槛大多已经消失。

真正的阻碍：自我认知、恐惧和糟糕的入门体验

人们迟迟没有深入尝试的常见原因包括：觉得自己“不是技术型的人”（如果你能同时使用多个 AI 订阅服务，那就已经足够技术化了）；害怕把东西弄坏且无法挽回；被终端界面劝退；或者跟着教程构建了与自己实际工作毫不相关的东西。

构建模式一——自动化：工作不变，产出不变

最终产出保持不变，只是不再手工完成：重命名文件、同步列表、填写模板、重新处理导出文件。判断标准是：接收工作的人不会发现任何变化；如果软件坏了，你只需回到手工步骤。这是很好的起点，因为你已经知道正确结果应该是什么样。

构建模式二——升级：工作不变，但产出明显更好

把报告变成实时仪表盘，把演示文稿变成网页应用，把状态邮件变成自助页面。收益不只是节省时间——一项重复性任务会变成真正的资产，也会成为超越他人、脱颖而出的方式。

构建模式三——创新：过去根本不可能完成的工作

采访每一个人、监测数百个信息源、测试数千种文案变体——这些工作过去并不存在，因为手工完成根本不现实。风险在于：没有经过验证的范例可以照搬，你有时会构建出没人使用的能力。这只是开展这类工作的成本之一。

交付等级一：原型本来就应该是一次性的

原型的任务是回答一个问题、验证一个想法或推动一项决策，包括向其他团队解释你希望看到的功能。应当优先考虑速度、清晰度和具有代表性的示例，而不是安全性、深度或易用性。

个人软件：只要妥协值得，任何地方都可以妥协

这是为自己或小团队构建、能够可靠解决实际需求的工具。它不像原型那样可以随时抛弃，确实需要正常工作；但因为使用者是你自己，所以只要权衡合理，就可以不追求完美的用户体验、严格的权限控制、精致的视觉效果和对所有边缘情况的处理。

生产级软件意味着用户不是你自己

一旦其他人依赖它，故障就会损害信任、浪费时间、造成金钱损失或导致无法访问。它需要在现实负载下保持可靠，提供解决问题的路径，并为用户配备足够的安全性和访问控制。但它仍然可以是面向特定、明确群体的独立软件，不必服务于大众。

一次性软件才是真正的新事物

即使是耐用的个人软件和生产级软件，也可以是一次性的：为一个目标服务一段时间，然后退役。过去我们根本不会构建这类软件，因为成本无法证明其合理性。如今这个等式已经改变，也因此打开了许多有趣的机会。

AIDB 网站如何逐步提升交付等级

NLW 分享了自己的完整案例：首先用一个原型测试 AI 能否从文字稿中提取适合分享的主题（在 Fable 和 GPT 出现之前，它做不到）；随后，个人软件将其发展成 aidailybrief.ai 背后的提取流水线；第二条流水线会自动发布到 Twitter 和 LinkedIn；如今，一个赞助商报告门户正在迈入真正的生产级软件阶段——如果未来成为可销售的产品，还会实现一次巨大的进一步跃升。

在工作中寻找软件机会的六个方向

外部没人能准确告诉你应该构建什么，但常见模式大致可以分为六类：演示工作、内容工作、数据工作、文档工作、收件箱工作和行政工作。仅演示工作就充满了升级机会——用 HTML 页面代替 PDF，为需要反复解释的内容制作互动讲解器，构建自助计算器、对比工具、入职引导流程、自动状态页面，以及用于查阅参考资料的检索工具。

如果你已经在重复使用 AI，就把流程构建出来

把文字稿变成摘要、把长内容变成短内容、把一个内容变成五篇帖子——如果你每次都在 ChatGPT 或 Claude 中手工完成，这当然能用，但整个流程完全可以端到端自动化。数据转换、模板填写和批量文档处理也同样适合逐步升级。

能构建出来，不代表就应该自己构建

一旦开始构建，你会盯着自己付费使用的工具，心想：“这个我直接自己做不就行了。”但很多时候你不应该这么做：一家使命就是做好某个产品的供应商，能力远远超过把它排在待办事项第 68 位的你。NLW 的社交发布流水线完全跳过了 X 和 LinkedIn 的 API，转而接入 Typefully，从而节省了“巨大的烦恼、痛苦和令牌消耗”。

入门自动化：周五导出流程与发票堆

把那个闭着眼睛都能完成的电子表格流程变成一条可检查的流水线：放入原始导出文件，预览转换结果，再下载那份你信赖的交付文件。或者构建一个受监控的文件夹，自动读取发票和收据，统一字段格式，标记低置信度数值，发现重复项，并生成原来那份电子表格，让你负责审核，而不是手工录入。

入门升级：实时报告与“假设情景”滑块

无论何时，只要你需要定期向别人提供数字，就别再发送静态快照了——构建一个能从数据源刷新、自动回答关键问题的专注页面，也可以让对方直接用 AI 查询数据，而不是来找你。对于已经超出 Excel 能力范围的情景模型，可以把价格、销量、时间安排、人员数量等变量做成互动页面。

入门创新：监测器与模式阅读器

监测器是一个个人 Agent 式研究工具，用于跟踪不可预测的变化——竞争对手定价、招聘信息、监管机构指引——过滤噪音，并在真正重要时发出提醒。模式阅读器则负责消化那些没人有时间通读的大量材料（支持工单、销售访谈文字稿、问卷答案），归纳主题、比较不同群体，并将结论链接回原始材料中的相关段落，持续保持最新状态。

看看有多少构建项目最终会被 Agent 解决

监测器类项目听起来很像 OpenClaw 或 GroqBot 这类个人 Agent 软件——而这正是关键。未来几个月乃至几年，一个值得关注的问题是：如今有多少定制软件项目，最终会被那些经过适当预编程、又具备定制能力的 Agent 解决。当更简单的方法胜出时，我们应该为此喝彩。

直接去看看构建它究竟需要什么

可以通过 Lovable 或 Replit 使用带辅助轮的方式入门，也可以留在已有的工具生态中，使用 Codex 或 Claude Code——然后挑一件看起来有点意思的事情，试着把它构建出来。它可能最终什么也不是。但为了把自己的工作做得更好而构建软件——而不是为了发布产品——如今已经是知识工作者必须具备的一项基础能力。