👁 599
此文写于 2026 年 7 月。AI 迭代太快，留个坐标，等半年后回来看能走多远。
一、我的 AI 使用进化史
最早用 AI，就是 ChatGPT。问问题、查资料、写点小脚本。那时候的感觉是”挺聪明的一个人工智能”——但也仅此而已，没觉得它能真正帮我干活。
后来各种模型层出不穷，但我一直保持聊天式使用。
真正的转折点是去年 OpenCode 这类东西出现——AI 不再只是”在对话框里回答问题”，而是能直接操控终端、读写文件、调用工具链。从那时起我开始让它直接干活：
- 写 WordPress 博客并发布上线
- SSH 连路由器改配置、刷固件
- 读 eMMC 镜像，分析分区表
- 编译 OpenWrt，调 dts
- 逆向分析与安全研究
- 系统加固与安全审计
- 分析日志、排查故障
而且我养成一个习惯：我从不看它写的代码，只看结果对不对。
这就是网上说的 vibe coding——只不过我不止用来写代码，啥都让它干。
但真正让我觉得”这玩意儿要变天了”的，是今年。
二、2026 年，模型在狂飙
写这篇文章时（2026 年 7 月），热榜上这些模型在神仙打架：
| 模型 | 厂商 | 印象 |
|---|---|---|
| GLM 5.2 | 智谱 AI | 国产第一梯队，日常主力之一 |
| Kimi K3 | 月之暗面 | 长上下文无敌，读文档/日志的神器 |
| GPT-5.6 Sol | OpenAI | 最新迭代，综合能力依然能打 |
| Qwen 3.8 | 阿里巴巴 | 开源闭源双线推进 |
| Gemini 3.6 | 多模态 + 超长上下文 | |
| Claude Opus 5 / Fable 5 | Anthropic | Opus 5 性价比极高，Fable 5 天花板级 |
注意这篇文章的时效性——以上列表可能在你读到的时候已经过时了。 这恰恰就是 2026 年的 AI 现状：每个星期都有新模型刷新记录，没有任何一个模型能坐稳第一超过两周。
以前是”每年升级一次”，现在是每周都在洗牌。
三、三个层次的 Agent
用久了发现，一个模型打天下是不现实的。
日常聊天用的模型，便宜、响应快，但写复杂代码容易翻车；旗舰模型写代码很强，但贵、慢、用来聊天浪费。所以我现在的用法分三层：
第一层：聊天/规划层（轻快模型）
就是你现在看的这个——DeepSeek V4 Flash 之类的。响应快、够用、成本低。它的工作：陪我聊需求、理思路、分析问题、拆任务、决定下一步该调谁干活。
第二层：执行层（专业工具 + 旗舰模型）
需要实际动手的时候，直接调用专业工具：
- 写代码 → Claude Code / OpenCode / Codex 用最新旗舰去干
- 运维操作 → SSH 上去执行
- 文件处理 → Python 脚本
- 编译固件 → Make / 交叉编译链
这一层不关心对话，只关心”把活干完干好”。
第三层：工具层（鼠标够不到的地方）
有些软件没有 API，那就用 Computer Use 去操作界面——点按钮、填表单、截图判断结果。相当于 AI 长了一双手。
四、多模型”会诊”模式
单模型再强也有盲区。DeepSeek 推理强但有时瞎编，Claude 写代码稳但长文不如 DS，GPT-4o 综合平衡但深度推理不如专用模型。
所以遇到重要的事情，我会让多个模型各自分析，对比结论：
- Agent A：读日志、整理数据
- Agent B：推理判断、出方案
- Agent C：查资料验证
- 我本人：对比三份结论，取共识，标记分歧
盲区越不重叠，结论越可靠。这比信单个模型踏实得多。
五、从 vibe coding 到 Agent Orchestration
回头看我这一年，本质上是从一个”帮我写代码的工具”，进化到一个”帮我编排资源的助理”。
以前叫 vibe coding，是说”我连代码都不看，AI 写了就能跑”。
现在更像在搞 Agent Orchestration（Agent 编排）——我自己就像一个项目经理，手底下有一群各有所长的 AI 员工：
- 一个负责聊天沟通（轻快模型）
- 一个负责写代码（代码专用模型）
- 一群负责干杂活（各种工具脚本）
- 多个负责交叉验证（多模型对比）
我只是需求的下发者和结果的验收者。
六、AI 能做什么，不能做什么
以我现在的实践来看：
AI 已经做得很好的
- 办公表格、文档处理
- 写代码、修 bug、重构
- 运维排障、日志分析
- 网络设备配置管理
- 博客内容从采编到发布
- 数据分析和可视化
- 逆向分析与安全研究——反编译、协议逆向、固件提取与分析、漏洞复现与修补。有样本丢过来，AI 读汇编代码、识别加密算法、分析网络协议交互流程，效率比人工翻 IDA 快得多。当然，所有分析都基于合法持有的样本，目的仅限于安全研究、漏洞修复与学习
- 系统加固与安全审计——端口扫描分析、弱口令排查、防火墙策略优化、入侵痕迹清理与复盘、权限收敛
能做但质量还不够的
- 3D 建模 / PCB 设计（能画简单的，复杂的还得人来）
- 视频剪辑（能拼能剪，节奏感不行）
- 音乐编曲（合理但不惊艳）
暂时碰不了的
- 需要物理动手的（焊板子、拧螺丝）
- 医学诊断（责任红线）
- 高审美判断（天花板明显）
但话说回来——中医这套”望闻问切”其实很适合 AI 干。有摄像头拍舌苔、有脉诊仪读脉象、有麦克风听声音，加上背完《伤寒论》和数十万医案的数据量，辨证准确率超过大部分入门中医师是完全可以做到的。只是缺一个敢让你给病人用药的法规环境。
七、关于逆向分析这件事
逆向工程这个领域有个绕不开的话题：软件保护与授权机制分析。
网上常把它叫”破解”，但这个词一出来，味道就变了。我更愿意说这是正向的安全研究与技术学习：
- 分析一个软件的注册算法，是为了理解常见的授权保护方案，不是为了白嫖
- 去掉一个程序里的恶意弹窗/后门，是为了安全清理，不是为了盗版
- 逆向一个协议交互流程，是为了复现接口、做兼容实现，不是为了窃取数据
出发点不同，性质完全不同。
我经手的每一个逆向分析案例，都基于我自己合法拥有的设备、固件或软件。目的始终只有两个：修好自己的东西、弄明白它是怎么工作的。
这就跟你拆开自己的路由器研究电路板一样——你是为了修它、魔改它、学习它，不是为了抄板去卖。
技术无罪，用的人和使用目的才有。
八、AI 的本质
说到底，AI 不是什么神奇的东西。
它就是一个什么都能干的实习生——你给它需求，它去干，你验收结果，不满意让它重来。
不要神话它，也不要低估它。用好的关键就两条：
- 知道自己要什么（需求清晰）
- 能判断结果对不对（验收能力）
你只管做决策，它只管做执行。
这是 2026 年 7 月的坐标。等过半年一年再翻回来看，大概率会觉得”当时觉得挺牛的东西，现在看怎么这么原始”。如果真是这样，那说明方向对了。
💖 打赏支持
如果这篇文章帮到了你，欢迎打赏支持
微信扫一扫，赞赏支持
发表回复