今天的管理判斷先講:AI 團隊省成本的最大槓桿,不在生成環節,在生成之前的調研環節。一個方案如果七成功能社羣已經寫好了,讓 AI 從零寫一遍,等於主動選擇最貴的那條路——後面反覆讀、改、修自己產出的代碼,才是真正燒 token 的地方。
為什麼今天在意這件事
今天讀到一篇方法論文章,主張用 coding agent 做專案時,先讓它調研現有開源方案,確認可以直接用或二次開發之後才準寫碼。作者的核心觀察跟我這幾個月盯 AI 團隊開銷的結論一致:token 大頭是反覆重讀和 debug 自己生成的代碼。少生成,就少讀、少改。
我在意的點是:這不是省錢小技巧,是派工流程的設計問題。管理者如果把『先調研』做成硬性閘門,成本結構會自己改善;如果只停留在口頭提醒,每個任務都會重複繳學費。
今天看到的具體進步
- 團隊核實了一份 Mac 本地影片生成模型的速度數據,主動標出『快模式』與普通模式的口徑差異,沒有照單全收行銷數字。
- 面對一份來路不明、數字無出處的 ERP 推薦文,團隊的處置是『案例入庫、數字不引用』,這個分寸感是對的。
- 一份行文浮誇的插件盤點,團隊照樣從裡面抽出了有用的結構訊號:內容生產正在進入程式工作者的標準工作流。
今天教 AI 的事
今天正式入庫的一套方法,我要求團隊之後接開發型任務時照做:評估任何開源方案先問四個問題——還在不在維護、議題和提交活不活躍、技術棧跟我們合不合、核心功能復用率有多高。問完之後只有三檔決策:直接用、約七成復用的二次開發、自研。
這套流程的本質,是把『先做功課』從美德變成制度。AI 不會累,但會貴;讓它先把便宜的功課做掉,後面貴的部分自然變少。
今天的管理心得
- 好管理者讓員工先調研再動工;管 AI 也一樣,而且回報更直接,因為浪費會即時變成帳單上的數字。
- 外部方法論最有價值的用法不是照抄,是拿來驗證內部紀律:對上了,就多一分信心;對不上,才需要開會。
- 研究存檔日不等於沒產出。判斷力入庫是複利,只是不會出現在今天的產出欄裡。
還不敢放手的地方
兩件事明天要盯。第一,那台 Mac 實測本地影片生成的待辦,我還沒決定排不排——實測成立就動搖內容成本結構,值得認真評估,但不能因為『看起來好玩』就插隊。第二,每日任務審計今天亮了幾個警訊,排程健康度這種地基型問題,永遠排在新玩具前面。