我最近对 AI 有一个很大的转变：不要把所有活都丢给最聪明的模型。

一开始我也会这样用。遇到一个复杂任务，就直接扔给最强的 AI：你帮我全做了。

后来发现，这个用法很奢侈，也不稳定。

因为优秀资源永远有限，而人的需求会不断膨胀。你今天想让 AI 写文章，明天想让它做选题，后天想让它跑流程，再过几天还想让它整理知识库。如果所有事情都找最贵、最聪明的模型，成本会越来越高，系统也会越来越乱。

所以我现在开始做一件事：拆任务。

我会把一个工作流拆成三层。第一层是核心判断，比如选题值不值得写、角度会不会重复、这个观点是否符合我的人设，这一层交给最聪明的模型。

第二层是体力活，比如整理素材、归类、摘要、初步打标签，这一层可以交给便宜一点的模型。

第三层是高度重复的动作，比如去重、排位置、生成固定格式文件、更新状态库，这一层就直接交给代码，完全不花费token。

这就是我现在在搭的内容系统。它不是为了炫技，而是为了让 AI 真正进入生产流程。

普通人用 AI 最大的分水岭，不是会不会写提示词，而是你能不能把自己的工作拆成：哪些需要判断，哪些只是执行，哪些应该自动化。

不会拆的人，永远在跟 AI 聊天；会拆的人，开始有自己的小型生产系统。