Vibe Coding：普通人用自然语言驱动自动化的工作流-开发者社区

1. 项目概述：这不是编程课，是普通人重建数字掌控力的起点

“闪学it-普通人玩转 Vibe Coding 实战课”——光看标题，你可能下意识划走：又一个打着“零基础”旗号的编程速成班？但如果你真停下来琢磨这几个词，“闪学”不是“闪退”，“Vibe Coding”也不是英文堆砌，“普通人”更不是客套话。它背后指向的，是一场正在 quietly 发生的工具范式迁移：当写代码不再以“写出完美算法”为终点，而以“在5分钟内让手机自动整理微信未读消息+生成待办清单”为起点时，我们对“会技术”的定义，已经彻底变了。

我接触过太多人：35岁的行政主管想自动归档每周200+份PDF合同，试过Excel宏失败三次后放弃；28岁的自由插画师被客户反复修改PSD文件折磨到凌晨，却连批量重命名图层都得手动点；还有某高校实验室的助教，每天花两小时把学生提交的Jupyter Notebook统一转成PDF再编号存档……他们不是不想学，而是传统IT学习路径像一条没有路标的盘山公路——先背Linux命令，再啃Python语法树，最后在Docker容器里调试环境，等走到能解决自己真实问题的路口，热情早已耗尽。而Vibe Coding的核心逻辑恰恰相反：它不教你怎么“成为程序员”，而是教你如何“像程序员一样思考问题、调用工具、组合能力”。这里的“Vibe”，是那种你看到一个重复性操作就本能想“能不能让它自己干”的直觉；是面对一堆杂乱数据时，第一反应不是复制粘贴，而是“有没有现成的模板能一键清洗”；是当同事还在手动截图发群时，你已经用三行指令把日报生成、格式化、推送企业微信全链路跑通了。

这门课真正服务的对象，从来不是想转行的求职者，而是每天被琐碎数字任务淹没的职场人、创作者、教育者、小商户主。它不承诺“三个月拿offer”，但能保证：学完第一周，你就能用自然语言描述需求，让AI帮你生成可运行的脚本；学完第二周，你能把三个不同平台的数据（比如飞书表格、微信聊天记录、本地Excel）自动聚合进一张动态看板；学完第三周，你甚至可以给父母定制一个“语音说‘查电费’→自动登录电网APP→截图发微信”的家庭自动化流程。它解决的不是“会不会编程”的问题，而是“要不要继续忍受低效”的问题。课程里没有抽象的“变量作用域”，只有“为什么你改了A列数据，B列的公式总不更新”；没有空洞的“面向对象设计”，只有“怎么让这个自动填表脚本，下周换了个网页结构还能继续用”。如果你过去所有“学IT”的尝试，都卡在“学了不知道用在哪”，那这次，我们直接从“用在哪”倒推回来——这才是普通人真正需要的数字生存技能。

2. 核心理念拆解：Vibe Coding 不是新语言，而是新工作流

2.1 为什么叫“Vibe”？它本质是一种问题感知与工具调度能力

很多人误以为Vibe Coding是某种新编程语言或框架，其实它连代码都不一定需要写。它的核心是一个三层工作流模型：问题识别 → 意图表达 → 工具链组装。我们来拆解一个真实案例：某电商运营人员每天要从10个不同渠道（抖音小店、拼多多后台、淘宝卖家中心等）导出订单数据，手动合并去重，再按地区分类统计销售额。传统方案是学SQL写复杂JOIN，或用Power BI做ETL——但Vibe Coding的解法是：

问题识别：不是“我要分析销售数据”，而是“我每天上午9点前必须交一份含7个维度的区域销售简报，当前手工处理耗时2小时47分钟，错误率约12%”；
意图表达：用自然语言告诉AI：“帮我写一个脚本，每天早上8:30自动登录这10个网站后台，下载最新订单CSV，合并去重，按省份分组求和，生成带图表的PDF，邮件发给总监和财务”；
工具链组装：AI生成的代码里，可能混用playwright（无头浏览器自动化）、pandas（数据清洗）、matplotlib（绘图）、smtplib（发邮件），但你不需要懂每个库的API，只需知道“playwright负责点按钮，pandas负责算数，matplotlib负责画图”。

这里的“Vibe”，就是你对“哪些环节可被自动化”的敏锐度，以及对“哪个工具最适合解决当前子问题”的直觉判断。就像老司机不用看说明书就知道该挂几档，Vibe Coding高手看到一个重复任务，脑中自动浮现的是“这个用RPA工具快，那个用Python脚本稳，这个直接调用现成API最省事”。它不追求技术深度，而追求问题解决宽度——你的知识图谱不再是“Python/Java/Go”，而是“什么场景用什么工具链最省力”。

2.2 “闪学”背后的认知科学依据：聚焦最小可行闭环（MVC）

传统IT培训失败的关键，在于它违背了人类学习的基本规律：人不是靠理解原理学会游泳的，而是靠呛水、扑腾、抓住浮板，最终发现自己能漂起来。Vibe Coding的“闪学”设计，正是基于“最小可行闭环（Minimum Viable Cycle）”理论：每个学习单元，必须包含“输入→处理→输出→验证”四个完整环节，且全程不超过15分钟。

举个例子，第一课不讲“什么是变量”，而是让你完成这个闭环：

输入：你手机相册里5张不同角度的咖啡杯照片；
处理：用一行命令exiftool -d "%Y-%m-%d" "-DateTimeOriginal>FileName" *.jpg（Mac/Linux）或安装ExifTool GUI（Windows）；
输出：5张照片自动重命名为“2024-03-15_1.jpg”“2024-03-15_2.jpg”……；
验证：打开文件夹，确认排序是否按拍摄时间升序，右键属性查看修改日期是否同步。

整个过程你没写任何代码，但完成了“识别问题（照片命名混乱）→选择工具（ExifTool）→执行命令（复制粘贴）→验证结果（肉眼检查）”的完整闭环。这种即时正反馈，会迅速建立你的掌控感。后续课程会逐步增加复杂度：第二课让你把重命名后的照片，自动按EXIF中的GPS坐标分到“北京”“上海”“广州”三个文件夹；第三课再叠加“如果坐标缺失，则用图片AI识别场景（咖啡馆/办公室/街道），按场景分类”。每一步都延续上一个闭环，形成技能复利。这比一上来就学“for循环语法”有效10倍——因为大脑记住的不是语法规则，而是“上次我用这个命令解决了照片乱序，这次它还能帮我分地点”。

2.3 普通人 vs 程序员：工具使用权限的根本差异

这里必须澄清一个关键认知：Vibe Coding不是降低编程门槛，而是绕开编程门槛。程序员写代码是为了构建系统，普通人用代码是为了接管系统。前者需要理解内存管理、并发控制、异常处理；后者只需要知道“这个按钮点下去会发生什么”。就像汽车驾驶员不需要懂发动机原理，但必须清楚油门、刹车、档位的物理反馈。

我们对比两个真实场景：

场景	程序员做法	Vibe Coding做法	普通人收益
自动汇总微信群消息	写爬虫抓取微信PC版HTML，解析DOM节点，处理反爬策略，存储到数据库	用WeChatPY库（已封装好登录/消息监听），复制粘贴3行示例代码，修改群名关键词，运行后消息自动存入Excel	节省每天15分钟手动复制，避免漏掉重要客户询价
批量处理PDF合同	学PyPDF2库，写循环遍历文件，逐页提取文本，用正则匹配条款，人工校验准确率	用Adobe Acrobat Pro的“动作向导”，录制“打开PDF→搜索‘违约金’→高亮→导出为文本”动作，一键应用到100个文件	3分钟完成原需2小时的手动筛查，错误率从35%降至0%

看到区别了吗？程序员在构建“轮子”，Vibe Coding者在挑选“最趁手的轮子”。课程里所有工具，都经过严格筛选：必须满足三个条件——有成熟GUI界面（或极简CLI）、中文文档完善、社区有大量现成模板、单次配置耗时<10分钟。那些需要编译、配环境、调依赖的“硬核工具”，一律排除。这不是偷懒，而是对普通人时间成本的尊重：你的时间，应该花在分析业务逻辑上，而不是调试Python版本冲突上。

3. 实操体系详解：从“一句话需求”到“全自动流水线”的四阶跃迁

3.1 第一阶：自然语言驱动的单点自动化（0基础启动）

这是普通人建立信心的黄金阶段。核心工具是AI代码助手+轻量级自动化平台，目标是“用说话的方式，让电脑替你点一次鼠标、敲一次回车”。

实操步骤（以自动生成周报为例）：

打开GitHub Copilot Chat（或国内合规的CodeWhisperer替代品），输入自然语言：“我每周五下午要写部门周报，需要从飞书多维表格拉取‘项目进度’‘阻塞问题’‘下周计划’三列数据，生成Word文档，标题为‘XX部第N周工作简报’，日期自动填充今天”；
AI返回Python脚本（含feishu-api调用、python-docx生成文档），你无需修改，直接复制到VS Code（安装Python插件后自动识别）；
在飞书开放平台创建自建应用，获取app_id和app_secret，粘贴到脚本对应位置；
运行脚本，首次会弹出飞书扫码授权，授权后自动生成Word文档并保存到桌面。

关键细节与避坑点：

提示：飞书API调用频率限制为1000次/天，但周报场景完全够用。若提示“access_token失效”，说明脚本里token缓存过期，重新运行授权即可，无需重写代码。
注意：AI生成的脚本常忽略异常处理。务必在requests.get()后加response.raise_for_status()，否则网络波动时脚本静默失败，你却以为“没生成”。
实测心得：我帮某设计公司行政做了这个脚本，她原来写周报平均耗时42分钟，现在变成“周五下午3点点一下运行按钮，3点02分文档就躺在桌面上”。最大的改变不是省时间，而是她开始主动优化——把“下周计划”列改成下拉菜单选项，让AI能自动统计“设计类任务占比”，这已经是业务思维的觉醒。

工具选型逻辑：为什么不用Zapier这类SaaS？因为国内网络环境对海外SaaS稳定性要求高，且飞书/钉钉/企业微信的API在国内访问更可靠。为什么选Python而非JavaScript？因为python-docx对Word格式控制更精准，而前端自动化（如Puppeteer）对国内网页兼容性差。这些选择不是技术偏好，而是基于“普通人第一次操作成功率”的务实判断。

3.2 第二阶：跨平台数据缝合（解决信息孤岛）

当单点自动化熟练后，痛点会升级：数据散落在不同平台，无法关联分析。比如销售线索在CRM，沟通记录在企业微信，合同在钉钉审批，付款在网银。Vibe Coding的解法是构建“数据胶水”——不强求统一平台，而是用轻量脚本做实时同步。

实操案例：企业微信客户跟进自动同步至飞书多维表格

在企业微信管理后台开启“客户联系”API权限，获取corpid和corpsecret；
用requests调用企业微信API，获取最近24小时新增客户列表（含姓名、手机号、来源渠道）；
同时用飞书bitableAPI，查询多维表格中“客户池”视图，筛选出“手机号”列为空的记录；
对比两组数据，将企业微信新客户信息，通过飞书API写入对应行的“姓名”“手机号”“来源”字段；
设置Cron定时任务（Mac用launchd，Windows用任务计划程序），每15分钟执行一次。

参数计算与配置要点：

企业微信API限流：单个应用每分钟最多调用600次。我们每15分钟只调用1次get_external_contact接口（返回最多1000条），远低于阈值；
飞书API写入速率：batch_update_records接口单次最多写入500条，我们按每批200条分批次提交，避免超时；
关键防错机制：在写入前，用SELECT * FROM bitable WHERE phone = 'xxx'先查重，避免同一客户重复录入。

实操现场记录：某教育培训公司用此方案后，销售主管终于能看到“某客户从抖音广告点击→添加企微→咨询课程→预约试听”的全链路，转化率分析从“拍脑袋”变成“看数据”。最意外的收获是：当发现“抖音来源客户70%在添加企微后2小时内流失”，他们立刻调整了企微欢迎语，把课程介绍视频前置，24小时留存率提升23%。你看，技术本身不创造价值，但消除信息延迟，能让业务决策快半步。

3.3 第三阶：低代码可视化看板（让数据自己说话）

自动化解决“做什么”，看板解决“做得怎么样”。Vibe Coding强调：普通人不需要学Tableau，但必须掌握“拖拽即分析”的能力。这里推荐两个国产利器：DataFocus（专注BI）和简道云（专注流程），它们共同特点是：中文界面、模板丰富、支持私有化部署、API对接简单。

实操步骤（销售漏斗动态看板）：

在DataFocus中新建数据源，选择“MySQL”（假设CRM数据已同步至此）；
导入leads（线索表）、contacts（客户表）、deals（成交表），系统自动识别外键关系；
拖拽字段：leads.created_date（时间轴）、leads.source（渠道维度）、deals.stage（阶段维度）、deals.amount（金额指标）；
选择“漏斗图”组件，设置阶段顺序为“线索→咨询→试听→签约→付款”；
添加筛选器：默认显示“近30天”，支持按销售员、产品线动态切换；
发布链接，嵌入企业微信工作台。

为什么不用Power BI？国内用户反馈，Power BI Desktop连接MySQL需额外安装ODBC驱动，且中文字符渲染偶发乱码；DataFocus原生支持国产数据库，且提供“智能字段推荐”——当你拖入deals.stage，它自动建议按“阶段名称”分组，而非让你手动写DAX公式。这种“少一步操作，多一分确定性”，正是普通人需要的。

注意事项：看板性能取决于数据量。实测发现，当deals表超过50万行时，漏斗图加载变慢。解决方案不是优化SQL，而是用DataFocus的“数据集市”功能，预计算每日各阶段转化率，看板直接读取聚合结果，响应速度从8秒降至0.3秒。这再次印证Vibe Coding哲学：不挑战技术极限，而是用业务思维绕过瓶颈。

3.4 第四阶：端到端业务流水线（从执行到决策的闭环）

最高阶不是写更复杂的代码，而是让自动化具备“决策能力”。比如：当库存低于安全值，自动触发采购申请；当客户满意度评分<3分，自动升级为VIP服务。这需要规则引擎+通知中枢的组合。

实操架构（电商库存预警流水线）：

MySQL库存表 → Python脚本（每5分钟扫描） ↓ 是 库存<阈值 → 触发飞书机器人发送预警（含商品ID、当前库存、安全库存） ↓ 否 库存≥阈值 → 无操作

核心代码片段（精简版）：

import pymysql from feishu_bot import send_message # 封装好的飞书机器人SDK def check_inventory(): conn = pymysql.connect(host='localhost', user='user', password='pwd', db='shop') cursor = conn.cursor() cursor.execute("SELECT item_id, stock, safety_stock FROM inventory WHERE stock < safety_stock") alerts = cursor.fetchall() for item in alerts: msg = f"⚠️ 库存告警：商品{item[0]}仅剩{item[1]}件，安全库存为{item[2]}件" send_message(msg, "库存预警群") # 自动@采购负责人 conn.close() if __name__ == "__main__": check_inventory()

实操心得：这个脚本上线后，某母婴电商的缺货率下降40%。但最大收获是流程重构——以前采购员凭经验补货，现在系统预警后，他第一件事是查“该商品近7天销量趋势”，再决定补多少。自动化没取代人，而是把人从“救火队员”变成“数据分析师”。课程里特别强调：所有流水线必须设计“人工干预开关”。比如在send_message前加判断if datetime.now().hour not in [9,10,14,15]: return，避免深夜发送告警打扰休息。技术的温度，就藏在这种细节里。

4. 工具链全景图与选型指南：普通人不该为工具打架

4.1 工具选型铁律：三不原则

在Vibe Coding体系中，工具不是越多越好，而是越少越稳。我们坚持“三不原则”：

不选需要编译的工具：如Rust写的CLI工具，普通人装环境可能耗时2小时，远超解决问题本身；
不选文档只有英文的工具：即使GitHub Star再多，中文用户看不懂Error Message就等于废品；
不选依赖云服务的工具：如某些SaaS自动化平台，一旦服务商调整API或涨价，你的整个流程就瘫痪。

基于此，我们构建了国产化优先的工具矩阵：

功能类别	推荐工具	优势	适用场景	学习成本
网页自动化	Playwright (Python)	支持国内主流网站（淘宝、京东、政务网），中文文档完善，错误提示友好	自动登录后台、抓取公开数据、批量操作	★★☆☆☆（2小时）
文档处理	python-docx / PyPDF2	纯Python库，无需额外软件，API简洁如“doc.add_paragraph('文字')”	自动生成Word/PDF、批量修改合同、提取发票信息	★☆☆☆☆（1小时）
数据可视化	DataFocus	拖拽式BI，支持MySQL/Oracle/达梦等国产数据库，提供200+行业模板	销售看板、运营报表、教学数据分析	★★☆☆☆（3小时）
消息通知	飞书机器人 / 企业微信Webhook	官方SDK完善，5分钟接入，支持富文本、卡片、@提醒	流程告警、审批通知、数据异动提醒	★☆☆☆☆（30分钟）
定时任务	Windows任务计划程序 / Mac launchd	系统自带，无需安装，GUI界面直观	每日数据同步、周报生成、夜间备份	★☆☆☆☆（15分钟）

4.2 为什么放弃Python虚拟环境？——给普通人的务实妥协

传统Python教学必讲venv，但Vibe Coding课程里明确不教。原因很现实：90%的自动化脚本，依赖库不超过5个，且版本冲突概率极低。我们做过测试：用pip install playwright pandas openpyxl python-docx安装全部依赖，冲突率仅0.7%，且pip install --force-reinstall可秒解。

更关键的是心理成本：当一个行政人员第一次运行脚本，看到终端报错ModuleNotFoundError: No module named 'playwright'，他的第一反应不是查文档，而是怀疑“是不是我电脑坏了”。而用pip install全局安装，错误率趋近于零。这看似违背工程规范，却是对普通人学习曲线的尊重——就像教人骑自行车，先确保他能蹬起来，再教他如何调变速器。

当然，课程会补充说明：“如果未来你要同时维护10个不同项目的脚本，且依赖版本差异大，再学venv”。但那是进阶课题，不是入门门槛。

4.3 国产数据库适配实战：达梦、人大金仓的平滑接入

很多学员反馈：“我们公司用的是达梦数据库，网上教程全是MySQL”。这正是Vibe Coding强调“场景真实”的体现。国产数据库接入，核心就两点：

驱动安装：达梦用dmPython，人大金仓用kingbase，均提供Windows/Mac安装包，双击即可；
连接字符串微调：MySQL是mysql://user:pwd@host:3306/db，达梦是dm://user:pwd@host:5236/db，仅端口和协议名不同。

实操技巧：我们封装了一个通用数据库连接函数：

def get_db_conn(db_type, host, port, db_name, user, pwd): if db_type == "mysql": return create_engine(f"mysql://{user}:{pwd}@{host}:{port}/{db_name}") elif db_type == "dameng": return create_engine(f"dm://{user}:{pwd}@{host}:{port}/{db_name}") # 其他数据库同理...

学员只需改一个参数db_type="dameng"，其余代码完全复用。这种“抽象一层，解放双手”的设计，才是普通人真正需要的技术。

5. 常见问题与排查技巧实录：那些没人告诉你的“踩坑现场”

5.1 问题：AI生成的代码运行报错“Connection refused”，但网页能正常打开

典型场景：用Playwright写脚本自动登录某政府服务平台，本地浏览器能打开，但脚本报错。

排查思路：

首先确认是否启用了无头模式（headless=True）。某些政务网站检测到无头浏览器会拒绝连接；
检查User-Agent：默认Playwright的UA是Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36...，而真实Chrome是Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36...；
解决方案：在启动浏览器时添加参数：

browser = playwright.chromium.launch(headless=False, args=["--user-agent=Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36"])

独家技巧：如果网站有验证码，别急着学OCR。先用page.screenshot()截全屏，保存到本地，然后手动输入——Vibe Coding不追求100%全自动，而是“80%自动+20%人工确认”，这比花3天研究验证码识别更高效。

5.2 问题：飞书多维表格API返回“403 Forbidden”，但Token明明是新的

根本原因：飞书API权限粒度极细。你以为开通了“多维表格”权限，其实还需要单独开通“读取数据”和“写入数据”子权限。

排查步骤：

登录飞书开放平台 → 进入应用 → “权限管理” → “API权限”；
找到bitable相关权限，确认勾选了：
- bitable:record:read（读取记录）
- bitable:record:write（写入记录）
- bitable:app_table:read（读取表格结构）
修改后，必须点击“重新授权”按钮，让管理员重新同意，否则旧Token仍无效。

血泪教训：我曾帮某公司调试此问题耗时4小时，最后发现是权限没勾全。现在课程里强制要求：每次配置API，必须截图保存“权限管理”页面，作为验收凭证。

5.3 问题：DataFocus看板加载缓慢，F12看到大量404请求

真相揭露：这不是DataFocus的问题，而是你导入的数据源里，有大量NULL值或特殊字符（如 ），导致前端渲染时反复尝试加载不存在的资源。

快速诊断法：在DataFocus数据源管理页，点击“数据预览”，观察是否有列显示为<NULL>或乱码。如果有，立即在数据源SQL里加清洗：

SELECT TRIM(REPLACE(REPLACE(name, CHAR(160), ''), '\t', '')) as clean_name, CASE WHEN amount IS NULL THEN 0 ELSE amount END as amount FROM sales

实测效果：某教育机构清洗后，看板加载时间从12秒降至1.8秒。技术人总想优化后端，但很多时候，前端体验的瓶颈，就在那一行没处理的空格里。

5.4 问题：定时任务在Windows上不执行，但手动双击bat文件正常

Windows特有陷阱：任务计划程序默认以“SYSTEM”账户运行，而你的Python脚本依赖用户级环境（如pip安装的库、Chrome浏览器路径）。

终极解法：

在任务计划程序中，勾选“不管用户是否登录都要运行”；
在“常规”选项卡，勾选“使用最高权限运行”；
在“操作”选项卡，起始目录必须设为脚本所在文件夹（如D:\vibe\report），不能留空；
最关键一步：在“操作”→“添加参数”里，写上-c "cd /d D:\vibe\report && python weekly_report.py"，用cmd /c强制在指定目录执行。

为什么有效：这绕过了Windows服务账户的环境隔离，让脚本在你的用户上下文中运行，所有pip库、Chrome路径都能正确识别。这个技巧，比网上90%的教程都管用。

6. 从“会用”到“会设计”：普通人构建自动化思维的三把钥匙

6.1 第一把钥匙：用“时间账本”倒逼自动化需求

很多人问：“我不知道该自动化什么？”答案很简单：记一周的“数字时间账本”。每天下班前，花2分钟记录：

什么任务花了你超过10分钟？
这个任务是否每周/每月重复？
任务中哪些步骤是机械性的（复制、粘贴、点按钮、填表单）？

我让一位HRBP试了这个方法，她发现：每周三下午，她要花1小时从招聘系统导出候选人名单，手动筛选“学历为硕士且工作经验≥3年”，再复制到Excel做背景调查。这就是典型的Vibe Coding靶点。解决方案：用招聘系统API +pandas筛选，3行代码搞定。

关键洞察：自动化不是从“我想学什么”出发，而是从“我厌倦了什么”出发。你的烦躁感，就是技术介入的最佳时机。

6.2 第二把钥匙：把复杂任务拆解为“原子操作”

面对一个大任务，普通人容易陷入“这太难了，我做不到”。Vibe Coding教你的，是像拆乐高一样分解：

原始任务：“自动分析客户投诉原因并生成改进报告”
原子操作1：从企业微信导出近30天投诉聊天记录（工具：WeChatPY）
原子操作2：用jieba分词提取高频词（如“发货慢”“包装破”“客服态度”）
原子操作3：按高频词聚类，统计各原因出现次数（工具：pandas）
原子操作4：生成Word报告，插入柱状图（工具：python-docx + matplotlib）

你会发现，每个原子操作都有现成工具和教程，难点只在于“把它们串起来”。而串联，正是Vibe Coding最擅长的部分——它不教你造轮子，只教你如何把轮子焊在一起。

6.3 第三把钥匙：接受“不完美自动化”，拥抱渐进式迭代

最后也是最重要的心态：不要追求100%全自动。Vibe Coding的黄金法则是：“只要能减少50%人工操作，就值得做”。比如：

自动下载10个网站的PDF，但人工检查是否下载完整；
自动填充90%的报销单字段，剩余10%（如特殊备注）手动填写；
自动发送周报邮件，但标题里的“第N周”仍需手动修改。

这种“人机协同”模式，反而更稳健。因为机器擅长重复，人擅长判断；机器不会累，但会出错；人会累，但能纠错。真正的数字生产力，不是消灭人，而是让人从体力劳动中解放，去做机器永远做不到的事：理解客户情绪、权衡业务风险、创造新价值。

我在课程结业项目中，看到一位小学老师的作品：她用脚本自动从班级群下载家长发的作业照片，用OCR识别孩子姓名，按学号归类到文件夹。虽然OCR偶尔认错字，需要她花2分钟手动修正，但相比原来每晚花40分钟手动整理，这已是巨大胜利。她后来告诉我：“现在我有时间给每个孩子写一句个性化评语了。”——看，技术的终极意义，从来不是更快，而是让我们，更像人。