为什么我们总是慢一步

洞中方七日，世上已千年...

最近被工作折磨得相当痛苦，看似每天都很忙，但其实认真想一想,很多事情明明有更好的处理方式但是还要以一种近乎原始的方式解决，明明整个系统可以以一种更高效的方式运转但是在一种大家都很忙的错觉中没有人反思我们的工作方式是否应该做出一些改变。再看看“围墙”外面的世界，AI的发展如火如荼，对各行各业都产生了不亚于工业革命的深远影响，在我毕业的短短几年内，从transformer问世到ChatGPT诞生，从next token predictor到autonomous agent，AI几乎每一天都在改变我的认知。一边是惊涛骇浪，一边是波澜不惊，我仿佛置身两个不同的世界。

所以AI如何融入到我们的工作中呢？

当给到我们的任务是要从一个有着成千上万条的疑点数据表格中一个一个复制身份证号到业务系统中进行核对并回填查询信息时，当我们需要按照要求提供数据资料但是陈旧的业务系统仅暴露固定的Web表单而并不能实现自定义的信息提取和多样化的查询需求时，当各个部门的业务系统和数据被封锁在多个孤立的数据库中无法通过统一入口关联检索而跨部门合作势必付出很多沟通成本时...以上种种，这些dirty work不可避免地浪费了大量的人力和宝贵的时间而且大概率向来如此。

向来如此便对吗？

期望政务系统的开发者向基层业务员开放API或者数据库的查询权限基本不可能也完全不现实。刚开始我想到，如果不存在复杂的保护机制，可以借助大语言模型分析HAR文件，也就是通过抓取网络日志来分析URL、参数格式、Header等信息然后用Python发送模拟请求。但是尝试了一番后，很快就放弃了，因为在一个无法连接到互联网的内部网络中不断debug真的是很糟糕的体验。后来我也尝试过使用浏览器自动化的方案，比如Playwright可以直接通过Chrome DevTools Protocol (CDP) 控制浏览器来模拟真实用户操作。这种方法的优点是可以和Claude Code或者Codex这样的agent无缝协作，各类基于CDP的MCP Servers和Kimi WebBridge等产品都是十分成熟的方案，而且snapshot做结构化决策，screenshot作为视觉验证的策略也可以获得较高的准确性。事实上，Navers Lab发布的开源项目BrowserBC以及Codex发布的recording&replay功能已经可以做到将浏览器任务录制下来转写为可复用的Skill并自动执行。

转念一想，真的有必要这样吗？

即使开放API，对毫无计算机专业背景的人而言要通过编程的方式来实现各种操作和任务，实践起来一定十分困难。浏览器自动化的方案简单实用但本质还是模拟人类操作，并不十分灵活。总之,这些方法仍然无法解决最本质的问题。

AI时代，我们需要的业务系统到底应该是什么样的？我们能不能用自然语言和系统进行交互？

我们需要重新定义政务系统的人机交互模式，传统B/S架构的政务系统是以页面和表单为中心设计的，固定表单+固定SQL查询已经不适合作为核心交互模式，AI时代需要的是以任务为中心设计的系统。首先，基于MCP服务统一对接各大业务系统的后台数据库与API接口，将外部系统能力标准化为“AI可调用工具”，解决数据库孤立和API不统一等问题。当然，所有数据库操作均在严格的权限管理下完成，Agent只获取任务相关的脱敏或最小必要数据，杜绝非授权爬取。其次，通过skills凝练经办规程，将资深业务人员的隐性经验、异常处理和规则判断等能力转化为可复用的数字资产。最后，整个系统的核心是一个AI Agent，基于统一部署的Large Language Model和先进的Harness Enginnering。对于政务系统，Harness Enginnering尤为重要，因为目前大语言模型本质是一个概率机器，同时在有限的上下文中很可能会出现幻觉，而我们需要的是一个有约束和反馈机制并且可验证可恢复可审计的严密系统。

我们期望达到一种什么效果呢？

我只需要输入：现在帮我把这份Excel文件里的5000条疑点数据逐一核查，把异常结果标红并将具体情况自动回填到备注一栏，最后生成一份详细的核查报告。然后，AI会完成所有的任务。甚至，都不需要被动等待接收上级下发的疑点数据，我只需要输入：现在帮我发现系统中现存的疑点数据，对于可解释性问题自动生成情况说明文档并附佐证材料，对于不可解释性问题工作人员介入核查。然后，AI会自动完成所有任务。日常的业务也完全可以利用AI实现自动化，因为大多数工作都有标准的业务流程，完全不用担心因为忘记点保存而造成一系列问题。所以说，提升风险防控能力的根本手段根本不是什么审计和巡察，而是不断提高数字化水平，同时减少人工干预。

以上只是我现阶段一些粗浅的个人想法，技术在不断发展，采用什么样的方案可行性更高还未可知，更多细节性的问题还值得研究商榷，但总之是我在工作过程中的一些反思和对未来发展方向的一些思考。体制内的改革总是最慢的，远远落后于时代和社会的发展。我也知道，改革涉及到很多群众的切身利益，任何变化都是牵一发而动全身，需要谨慎再谨慎，稳妥再稳妥，但是我们总得迈出第一步并在不断尝试过程中进行纠错。

当然，我也看到了系统的设计者在做一些引入人工智能技术的尝试，但是在陈旧的业务系统上添加一个问答界面还远远满足不了需求（我一次也没有成功调用过...），但这大概率可以作为一项工作成绩写进某领导的工作汇报中大夸特夸:)。而我对这个功能的期待是一个全面的知识库，囊括所有公开和非公开的政策文件和经办规程，结合大语言模型和RAG这样的检索技术，经办人员遇到疑难问题就可以直接提问得到准确的答案而不需要到处翻找文件。从另一个方面来讲，把这样的知识库开放给群众难道不比满大街发传单的宣传效果更好吗？

以上，我想要强调的是，在人工智能时代，如何将宝贵的人力从“复制身份证号”这类低价值的“脏活累活”中解救出来投入到更有意义更有价值的工作中去是我们每一个人都应该思考的问题。

还有一个很想吐槽的问题是填表。

我不是说填表没用，但是调度表，台账，摸底表，信息表...各种各样的表没完没了。相同或者类似的信息填了一次又一次，真的有必要这样吗？真正的问题整改了吗？数据准确吗？还是单纯为了工作留痕，为了上级领导来视察工作的时候说明我们的工作做得又细致又到位，你瞧，摆到那儿多好看。现有的信息和问题统一放到一个数据库或者干脆放到一个文件夹里，我们只需要更新文件夹里的内容，要填什么表格，直接召唤agent基于现有信息回填，这样会不会好一点。重复的数据填了又填，大差不差的工作汇报写了又写，下级为了完成上级的任务，上级又是为了完成上上级的任务，要求层层传达，压力层层加码，在这个严密的上下级组织里面，没有人认真停下来反思一下，这些工作是不是有意义，或者有没有更好的办法？似乎没有人考虑这些，大家只是一味地在填表，完成任务而已。但我想我们不能总是做一些重复性的工作，简直浪费时间。我们不能老是埋头苦干，偶尔抬起头来看看技术变革和社会发展，思考一下如何应用到我们的工作中，如何使用恰当的工具创新我们的工作方法。至于那些阻碍的借口（比如数据安全）在发展的大势面前简直不值一驳，只要我们分清楚主要矛盾和次要矛盾，那些问题都是resolvable的。当然，这里面也许有一些跨部门，跨层级之间沟通困难的无奈吧...但我还是那个观点，问题是不可避免的，问题是可以被解决的。

以上的很多事情小人物应该很难改变，那我们能主动做一些什么事情呢?

把AI融入我们的工作中去吧！我指的不仅仅是在聊天框中那种一问一答的形式，而是使用Agent自动化完成一些较为复杂的任务。或者更重要的是一种思维方式，遇到问题，第一时间想到的应该是AI能为我做什么？

很多人会问，学习人工智能？我能学会吗？学习这个词可能不准确，有时候我们甚至不需要学习，因为很多情况下使用自然语言就是我们和大语言模型交流的最直接的方式。两年前，prompt工程甚至是一门学问，当然现在还有意义，只是我觉得，随着技术的发展，很多技巧已经不再那么重要了，所以不需要有任何心理负担，我们每个人都可以。技术的易用性和普及性本来就是一个自发的发展目标和方向。

去年我接到一项任务，需要分析全县外出务工人员的分布情况，传统做法是在Excel表格中使用一些统计图表比如柱状图、饼图等等，我确实也这么做了。后来我想到完全可以利用像ECHARTS这样的开源可视化图表库直接制作成网页，显示效果更好，灵活性更高。于是，在AI的帮助下，只需要几分钟，这样一个网站[石楼县外出务工人口分布]就诞生了。注意，目前的数据都是我随便编的，我不能把真实的数据暴露在公共网络上，我想表达的是，只要数据足够丰富，我们完全有能力做一个企业级的数据看板，而这样的任务在前AI时代可能需要几天才能完成。

此外，我还帮同事做了一个网络流量分流的小工具NetSplit。由于使用业务系统时必须要连接内部网络，而微信作为体制内常用的文件传输软件:)，二者经常要同时使用。我发现大家在工作过程中经常要来回切换有线连接和无线连接，有时候也会出现由于忘记切换网络误以为系统故障的尴尬情况。造成无法同时访问的原因也很简单，就是有线网络的metric值比无线网络的metric值更低而系统默认优先选择metric值更小的路由造成的，只需要删除有线网卡的默认路由，让无线网卡接管外网流量，然后针对几个内网IP单独添加路由，指明走有线网关。于是在AI的帮助下，一个简单的网络分流小工具就诞生了，为了方便大家使用，我还特别设计了交互式引导程序并提供了Windows和Linux两个版本。

其他处理的最多的就是一些复杂的Excel表格任务。一定程度上，大家对计算机专业的同学一个比较大的误解就是他们是Office高手，但是事实上，我对Excel一窍不通。但是没关系，不管是多复杂的任务，现在只要把需求描述清楚，交给Agent就行了。想想前AI时代，能够处理复杂的Excel表格任务绝对是一项珍贵的技能，那些Excel高手，很有可能是捧着厚厚的教程书，花费了无数的时间和精力去学习的。现在呢？这些技能已经贬值。这里还有一个问题就是，有些数据涉及到信息安全，不方便把文件上传，因为数据最终还是会流向AI公司的服务器。所以下一步，如果想利用AI提升工作效率的同时又兼顾信息安全，政府部门真的需要考虑单独部署一个开源模型供大家使用了。

还有一点是，现在体制内很多办公电脑都是政府统一采购的信创产品，搭载的是UOS、麒麟等GNU/Linux系统，开源软件和工具基本可以无缝适配，这就带来了很大的想象空间，只要我们把易用性做好，我觉得是理想的工作系统。

接下来，或许财务室也应该做一些工作?

当AI越来越多地融入到我们的工作中，token会和水电、纸张一样成为消耗品，我们有必要为每一位同事发放token额度或者执行某种报销制度。BTW，为了处理工作上的一些任务，我已经花进去差不多上百元了:)。

AI正在快速改造这个世界，而在这个充满变革的当下，我觉得最重要的一件事情就是保持好奇心，因为对于绝大多数普通人而言，AI的能力取决于我们的需求，或者说我们的认知边界就是AI的能力边界。同时值得庆幸的是我们都是这场变革的亲历者，不是在教科书上学到的，博物馆里看到的，而是就在当下的每一天，这种感觉是很奇妙的。我们当然可以做一个旁观者，但是历史的车轮滚滚向前，要想不被抛弃，或许应该做一个参与者。

以上好多的想法有点天马行空，好多的事情我也无力改变，甚至好多的观点十分幼稚，无所谓，就当释放压力，清理杂念吧...