我是怎么把 AI 塞进日常工作的

我的本职工作是环境检测与校准，每天和检测数据、证书文书打交道。这行的特点是：数字必须准，一个数错了整份报告就得重来。

最早让我动「能不能让机器干」念头的，是报告里的重复劳动——同样的模板、同样的字段、同样的水印和盖章，只是数据不同。人做久了会麻木，而麻木就会出错。

第一次尝试：直接上 OCR

我先把现场手写的检测记录拍照，丢给 OCR。结果不理想：手写数字识别率一般，而且 OCR 只给我一堆文字，还得我手工对位——省掉的时间又还回去了。

转折点：把「识别」和「判断」分开

后来我想明白一件事：AI 擅长的不是「全流程替我做」，而是替我做完其中一段。于是我把它拆成三步：

• 读：用视觉模型把照片转成结构化数据（这一步 AI 很强）
• 核：用数学关系自检（比如气液比 = 回收体积 ÷ 加油体积），对不上的地方标红给我看（这一步必须由规则和人来做）
• 出：脚本按模板生成文档、批量处理水印和印章（这一步机器又快又稳）

拆完之后效率提升非常明显，而且错误率反而下降了——因为机器不疲劳，而我只集中精力看它标红的那几处。

几条真实教训

• 别追求全自动。人机配合往往比全自动更可靠，尤其在涉及责任的地方。
• 给 AI 的输出加一道自检。数学关系、单位换算、历史数据比对，都是免费的校对器。
• 选模型看场景，不看排行榜。中文截图识别，国内直连的模型往往比「最强模型」更好用；响应速度比能力上限更影响体验。

现在我的工作流是：我负责判断，机器负责重复。这套分工比什么都自动更让我安心。