一个项目经理的30天AI进化实录：从打工人到AI原生交付者
我是一个30+的项目经理，北化211毕业，PMP认证，曾在比亚迪和创业公司工作。这个4月，我做了一个决定——把自己当成一个"AI 实验体"，用 30 天时间，看看 AI 能把我变成什么样。这是一份真实的实验报告，没有滤镜，没有包装。
一、为什么要做这个实验？
事情要从今年年初说起。
我家在海南东方，孩子刚半岁。但我被派驻北京，每个月只能回去一个周末。我想了很多——如果我能成为一个 AI 交付专家，是不是就能远程工作？是不是就能拿回自己的时间？
实验目标很简单：看看一个非 AI 科班出身的传统 PM，能用 AI 工具做到什么程度。
二、我的 AI 工具栈
整个4月，我主要使用了三个核心工具：
Claude Code — Anthropic 的 AI 编程助手。它不只是写代码，更像是一个"能看懂代码的同事"。
Hermes Agent — Nous Research 开源的自进化 AI Agent。它能记住你的偏好、自动执行定时任务、调用各种工具。我把它部署在飞书上，每天通过手机跟它对话。
OpenAI Codex — OpenAI 的代码执行引擎。适合跑 Python 脚本、调试 API、处理数据。
这三个工具的组合，构成了我的"AI 工作台"。
三、这30天我做了什么
1. 一天分析 12 个开源项目
这是我这个月最惊讶的发现。
以前要理解一个开源项目，我得花 2-3 小时看 README、翻代码、查文档。现在我把 GitHub 链接丢给 Claude Code，5 到 10 分钟就能得到一份结构化分析报告：技术栈、架构设计、核心功能、对本地项目的帮助、甚至协议风险。
4月我分析了 12 个开源项目，包括：
- GSD（5.7万星）：把 AI 编程拆成"讨论-规划-执行-验证"四步，专治"上下文腐烂"
- MinerU（6.1万星）：把 PDF、Word、PPT 转成 AI 可读的 Markdown，精度 95+
- Graphify（3.5万星）：把任意文件夹变成知识图谱，查询效率提升 71 倍
- llm-course（7.8万星）：完整的大模型学习路线，从数学基础到 Agent 部署
这些分析不是我"写"的，是我"指挥"AI 完成的。我做的是判断：这个分析对不对？对我的项目有没有用？要不要归档？
心得：AI 时代的核心能力不是"会写"，而是"会判断"。判断力，成了新的稀缺资源。
2. 搭建了一个"会进化"的 AI 助手
Hermes Agent 是我这个月花最多时间的项目。
它能：
- 记住你：跨会话记忆。上次聊过的话题，下次接着聊
- 自动进化：完成复杂任务后，自动创建"技能"，下次遇到类似任务直接调用
- 定时工作：我设置了 4 个定时任务，每天早上 8 点和 9 点，自动给我推送 AI 行业资讯和趋势报告
- 调用工具：通过 MCP 协议，它能直接爬网页、操作飞书任务、执行代码
最让我意外的是它的"自进化"能力。有一次我让它分析一个爬虫框架，分析完成后，它自动把整个流程保存成了一个 skill。第二次遇到类似项目时，它直接调用了这个 skill，速度快了一倍。
这就像养了一个徒弟——你教它一次，它就记住了。
3. 用 AI 重构了工作流
以前我的工作流：收到任务 → 打开飞书 → 手动创建任务 → 写文档 → 开会 → 跟进
现在变成了：收到任务 → 告诉 Hermes Agent → 它自动创建飞书任务 → 自动归档到 Obsidian → 定时提醒
不是所有环节都完美替代了 AI，但高频、重复的部分全部自动化了。
4. 翻译了一篇 Nature 论文
这件事放在以前，至少需要一周。
4月我让 AI 辅助翻译了一篇 Nature 子刊论文——全文 4.5 万字，AI 完成了初翻，我负责校对和专业术语修正。最终用时不到一天。
AI 把"翻译"这个动作从"能力问题"变成了"审核问题"——你不需要会翻译，但你需要知道翻译得对不对。
5. 为求职做了一次"AI 武装"
我在准备海南东方一个 AI 公司的面试（OpenCSG，做开源大模型基础设施的）。
- 分析 JD 的每一个字，找出面试官的真正痛点（不是技术，是"回款"和"文档"）
- 针对每个痛点写话术，结合我的 AI 实战经验
- 模拟面试 Q&A，AI 扮演面试官提问，我回答，AI 给反馈
最终的效果：我对这个岗位的理解，比面试官自己可能还深。
四、三个真实的感悟
感悟一：AI 不会取代 PM，但会用 AI 的 PM 会取代不用 AI 的 PM
这不是鸡汤，是数学。一个会用 AI 的 PM，写文档的速度是传统 PM 的 3 倍，分析项目的时间是 1/10，跟进任务的自动化率能达到 60%。当两个人的产出差距达到这个量级时，薪资差距是必然的。
AI 替代的不是 PM 这个岗位，而是"不会用 AI 的 PM"。
感悟二：输入和输出严重失衡
4月我做了大量"输入"——分析项目、翻译论文、整理资料、搭建知识库。但"输出"几乎为零。没有公众号文章，没有可复用的产品，没有开源贡献。
AI 让"输入"变得太容易了，容易到你会产生一种"我很努力"的错觉。但实际上，没有输出的输入，只是信息的搬运工。
感悟三：真正的壁垒不是技术，是判断力
当 AI 能在 5 分钟内完成一个项目的深度分析时，"分析能力"不再稀缺。稀缺的是"这个分析对我的项目有没有用"的判断力。
这种判断力来自你的行业经验、商业嗅觉、对人性的理解。这些东西 AI 给不了你，只能靠你自己积累。
不要花时间去和 AI 比它擅长的事情。你要做的是，在 AI 做不到或做不好的地方，建立自己的护城河。
五、给想开始用 AI 的人三个建议
1. 不要从"学 AI"开始，从"用 AI 解决一个问题"开始
不要花一周时间去学 Prompt Engineering。找一个你每天最烦的事情——比如写周报、整理会议纪要、分析竞品——让 AI 帮你做。做完之后，你自然会开始学。因为你想知道"怎么让它做得更好"。
动机来自需求，而不是课程。
2. 建立一个"外部大脑"
我用了 Obsidian，你可以用 Notion、飞书文档、甚至一个文件夹。关键不是用什么工具，而是养成"每次 AI 对话都有沉淀"的习惯。
三个月后，你会拥有一个比任何教程都有价值的知识库。
3. 定期"断食"
我每周会有一天不用任何 AI 工具。不是因为它不好，而是为了保持"没有 AI 时的判断力"。如果一个技能离开 AI 就归零了，那它不是你的技能，是 AI 的技能。
结语
这个4月，我最大的收获不是学会了多少个 AI 工具，而是确认了一件事：AI 不是威胁，是杠杆。
它不会让我失业，但会让我以前的工作方式失效。它不会替我思考，但会让我思考的质量更高。它不会帮我做决定，但会让我做决定时有更多数据。
AI 时代最大的风险，不是被 AI 取代，而是明知道 AI 能改变一切，却还在用旧的方式做事。
