AI 大模型與日俱新，打工人如何擺脫「AI 焦慮」？

撰文：Machina

編輯：AididiaoJP，Foresight News

Opus 4.6 發佈才 20 分鐘，GPT-5.3 Codex 就登場了……同一天，兩個新版本都號稱「顛覆一切」。

再前一天，Kling 3.0 面世，號稱「永遠改變了 AI 視頻製作」。

再前一天……好像還有別的東西，現在都想不起來了。

現在幾乎每週都是這樣：新模型、新工具、新基準、新文章層出不窮，都在告訴你：如果你現在不用上這個，你就已經落伍了。

這帶來了一種持續的、揮之不去的低度壓力……總有新東西要學，新東西要試，新東西據說又要改變遊戲規則。

但在這些年測試了幾乎所有主要版本後，我發現了一個關鍵：

問題的根源，不在於 AI 界發生的事情太多。

而在於正在發生的事情與對你的工作真正重要的事之間，缺少一道過濾器。

這篇文章，就是這道過濾器。我會詳細告訴你，如何既跟上 AI 步伐，又不被它淹沒。

為什麼總感覺「落後」？

在找方法之前，先明白背後的運作機制。同時有三股力量在起作用：

1. AI 內容生態，靠「緊迫感」驅動

每個創作者，包括我自己，都知道一個道理：把每次發佈說得像是天大的事，才能獲得更多流量。

「這改變了一切」的標題，就是比「這只是對多數人的小幅改進」更吸引眼球。

所以音量總是開到最大，哪怕實際影響可能只有一小部分。

2. 沒試過的新東西，感覺會有「損失」

不是機會，而是損失，心理學家稱之為「損失厭惡」。我們的大腦對「我可能錯過了什麼」的感受強度，大約是「哇，多了個新選擇」的兩倍。

這就是為什麼一個新模型發佈，會讓你焦慮，卻讓別人興奮。

3. 選擇太多，讓人無法抉擇

模型幾十個，工具上百種，文章和視頻遍地都是……卻沒人告訴你從哪裡開始。

當「菜單」過於龐大時，大多數人都會愣住，不是因為缺乏自律，而是決策空間太大，大腦處理不過來。

這三種力量合在一起，製造了一個典型的陷阱：懂很多 AI 知識，卻沒用它做出過任何東西。

收藏的推文越積越多，下載的提示包堆滿灰塵，同時訂閱多個服務卻都沒真正用過。總有更多信息要消化，卻從來分不清什麼才值得關注。

要解決這個問題，不能靠獲取更多知識，而是需要一道過濾器。

重新定義「跟上潮流」

跟上 AI 潮流，不意味著：

• 在每個模型發佈當天就瞭解它。
• 對每個基準測試都有見解。
• 在第一週內測試每個新工具。
• 閱讀每個 AI 賬號的每一條動態。

那是純粹的消費，不是能力。

跟上潮流，意味著擁有一個系統，能自動回答一個問題：

「這對『我的』工作重要嗎？……是，還是不是？」

這才是關鍵。

• 除非你的工作涉及視頻製作，否則 Kling 3.0 與你無關。
• 除非你每天都寫代碼，否則 GPT-5.3 Codex 不重要。
• 除非你的核心業務是視覺產出，否則大多數圖像模型更新都只是噪音。

事實上，每週發佈的東西，有一半對大多數人的實際工作流程毫無影響。

那些看起來「走在前面」的人，消費的信息不是更多，而是少得多——但他們過濾掉的，都是「正確的」無用信息。

如何建立你的過濾器

方案一：建立一個「每週 AI 簡報」智能體

這是消除焦慮最有效的一招。

別再每天刷 X（推特）去捕捉新動態了。建立一個簡單的智能體，讓它幫你抓取信息，並每週遞送一份根據你的背景過濾後的摘要。

用 n8n 設置，大概不到一小時就能搞定。

工作流程如下：

步驟 1：定義你的信息來源

挑選 5-10 個可靠的 AI 新聞源。比如，那些客觀報道新發布的 X 賬號（避開純炒作的）、優質的新聞簡報、RSS 訂閱源等。

步驟 2：設置信息抓取

n8n 裡有 RSS、HTTP 請求、郵件觸發等節點。

把每個新聞源作為輸入連起來，並把工作流設定在每週六或日運行，一次性處理一整週的內容。

步驟 3：構建過濾層（這是核心）

添加一個 AI 節點（通過 API 調用 Claude 或 GPT），並給它一個包含你背景的提示詞，比如：

「以下是我的工作背景：[你的職位、常用工具、日常任務、所在行業]。請從下面的 AI 新聞條目中，只挑出那些會直接影響我具體工作流程的發佈。對每個相關的條目，用兩句話解釋它為什麼對我的工作重要，以及我應該測試什麼。其他一切全部忽略。」

這個智能體知道了你每天在做什麼，就能用這個標準來過濾一切。

文案撰稿人只會收到文本模型更新的提醒，開發者會收到編碼工具的提醒，視頻製作者會收到生成模型的提醒。

其他不相關的，都會被默默篩掉。

步驟 4：格式化並交付

把過濾後的內容整理成一份清晰的摘要，結構可以這樣：

• 本週發佈了什麼（最多 3-5 條）
• 與我的工作相關的（1-2 條，附說明）
• 我本週該測試什麼（具體行動）
• 我可以完全忽略的（其他所有）

每週日晚上，把它發送到你的 Slack、郵箱或 Notion。

於是，週一早晨會是這樣的：

不再需要懷著熟悉的焦慮打開 X……因為週日晚上，簡報已經回答了所有問題：這周有什麼新東西，哪些與我的工作相關，哪些可以完全不理。

方案二：用「你自己的提示詞」來測試，而不是別人的演示

當某個新玩意通過了過濾器，看起來可能有用時，下一步不是去讀更多關於它的文章。

而是直接打開這個工具，用你真實的、工作中的提示詞去運行測試。

別用發佈日那些精心挑選的完美演示，別用那些「看它能做什麼」的截圖，就用你每天干活時真正用的那些提示詞。

這是我的測試流程，大約 30 分鐘：

• 從我日常工作中，挑出 5 個最常用的提示詞（比如寫文案、做分析、搞研究、搭內容框架、寫代碼）。
• 把這 5 個提示詞，全都丟進新模型或新工具裡跑一遍。
• 把得到的結果，和我現在用的工具產出的結果，並排放在一起比較。
• 逐一打分：更好、差不多、還是更差。並記下任何明顯的能力提升或不足。

就這樣，30 分鐘，你就能得到真實的結論。

關鍵在於：每次都使用完全相同的提示詞。

不要用新模型最擅長的東西去測試（那正是發佈會演示的）。要用你每天的工作內容去測試——只有這個數據才真正重要。

昨天 Opus 4.6 發佈時，我就走了這個流程。我的 5 個提示詞裡，3 個表現和現有工具差不多，1 個稍好一點，1 個實際上更差。總共花了 25 分鐘。

測試完，我安心回去工作，因為我對具體工作流是否有提升，有了清晰的答案，不再瞎猜自己是不是落伍了。

這個方法的強大之處在於：

大多數號稱「顛覆性」的發佈，其實通不過這個測試。營銷說得天花亂墜，基準測試分數碾壓，但拿到實際工作中一跑……結果差不多。

一旦你清晰地看到這種模式（大概測試 3-4 次後就會看清），你對新發布的緊迫感就會大幅下降。

因為這個模式揭示了一個重要事實：模型之間的性能差距正在縮小，但善於使用模型的人和只會追模型新聞的人之間的差距，卻每週都在拉大。

每次測試，就問自己三個問題：

• 它的結果比我正在用的工具更好嗎？
• 這個「更好」的程度，值得我改變工作習慣嗎？
• 它解決我這周實際遇到的某個問題了嗎？

三個答案都必須為「是」，只要有一個不是，就繼續用現在的工具。

方案三：分清「基準發佈」和「業務發佈」

這是一個能串起整個系統的心智模型。

每一個 AI 發佈，都屬於以下兩類之一：

基準發佈：模型在標準化測試中分數更高了；處理極端情況更好了；處理速度更快了。這對研究員和排行榜愛好者很棒，但對某個普通的週二下午要幹活的人來說，基本無關。

業務發佈：出現了真正新穎的東西，這周就能用到實際工作流中：比如一項新能力、一個新集成、一個能切實減少你某項重複工作摩擦的功能。

關鍵是：90% 的發佈，都是「基準發佈」，卻包裝成了「業務發佈」。

每次發佈的營銷，都絞盡腦汁讓你覺得，那 3% 的測試分數提升，將會改變你的工作方式……有時確實會，但大多數時候不會。

「基準謊言」的例子

每次新模型發佈，各種圖表就滿天飛：編碼評測、推理基準、漂亮的曲線圖顯示模型 X 「碾壓」了模型 Y。

但基準測試測量的是在受控環境下，使用標準化輸入的表現……它測不出一個模型處理你特定的提示詞、你特定的業務問題時到底好不好用。

當 GPT-5 發佈時，基準測試成績好得嚇人。

但我當天用自己的工作流一測試……一小時內就換回了 Claude。

一個簡單的問題，可以刺穿所有發佈公告的迷霧：「我這周能在工作中，可靠地用它嗎？」

堅持用這個標準分類 2-3 周後，你就會形成條件反射。一個新發布出現在時間線上，30 秒內你就能判斷：它值得我花 30 分鐘關注，還是完全無視。

把三者結合起來

當這三件事疊加生效時，一切都會改變：

• 每週簡報智能體為你抓取相關信息，過濾掉噪音。
• 個人測試流程讓你用真實數據和提示詞下結論，取代別人的觀點。
• 「基準 vs 業務」分類法在測試階段開始前，就幫你屏蔽了 90% 的干擾。

最終結果是：AI 新發布不再讓你感到威脅，而回歸其本來面目——更新。

有些相關，大多數無關，一切盡在掌握。

未來在 AI 領域勝出的人，不會是那些知道每次發佈的人。

他們會是那些建立了一套系統，能識別哪些發佈對自己工作真正重要，並深入鑽研，而其他人還在信息洪流中掙扎的人。

當前 AI 領域真正的競爭優勢，不是獲取渠道（大家都有），而是知道該關注什麼、忽略什麼。這種能力很少被談論，因為它不如展示酷炫的新模型輸出那麼吸引眼球。

但正是這種能力，將實幹者與信息收藏家區分開來。

最後一點

這個系統很有效，我自己就在用。但是，測試每個新發布、為你的業務尋找新應用、搭建和維護這套系統……這本身幾乎就是一份全職工作。

這也正是我創建 weeklyaiops.com 的原因。

它就是這套已經建好、在運行的系統。每週一份簡報，經過親自測試，為你分辨什麼是真有用，什麼是隻有好看的基準分數。

並且附上分步指南，讓你當週就能用上。

你不用自己去搭建 n8n 智能體、設置過濾器、做測試……這些都由一個在業務中應用 AI 多年的人替你做好了。

如果這能為你節省時間，鏈接就在那裡：weeklyaiops.com

但無論你是否加入，這篇文章的核心觀點都同樣重要：

停止試圖跟上一切。

建立一道過濾器，只捕捉對你工作真正重要的東西。

親手去測試。

學會分辨基準噪音和真正的業務價值。

新發布的節奏不會放慢，只會越來越快。

但只要有了一套正確的系統，這就不再是個問題，反而會成為你的優勢。