我一开始构建个人 AI 工作流时，很容易陷入工具收集：新的模型、新的插件、新的 Agent 框架，每一个都值得试。
但工具数量增加以后，效率并没有线性提升。真正开始产生稳定收益，是在我把注意力从「还能接什么」转向「哪一步值得重复」之后。
先找到重复发生的摩擦
值得自动化的不是最酷的任务，而是那些反复发生、规则相对稳定、失败成本可控的环节。
例如：
- 把设计图拆成布局与组件；
- 为修改生成可检查的 diff；
- 在部署后从公网验证页面；
- 把一次任务中的经验整理成下次可复用的步骤。
这些环节并不宏大，但它们构成了真实的日常工作。
为每个环节保留证据
如果一次流程无法判断是否成功，它就不值得被自动化。
我会尽量让每个环节留下证据：测试结果、截图、日志、变更记录。它们既是验收依据，也是下一次排查问题的起点。
人只保留必要的判断
把重复搬运交给 Agent，把目标、风险与取舍留给人。
这听起来像一句口号，但在实际执行时，它要求人非常清楚：什么必须由自己决定，什么可以放心交出去。
我的经验是，边界越清楚，协作越轻松。