稍微整理下自己最近使用各种AI的心得，免得自己忘了，欢迎交流。
Coding
首先介绍一下自己工作的性质，因为这会影响我工具的选择。我现在的工作是游戏引擎开发，以前是做Unity，现在在UE。工作上会看一些性能问题、做一些工具，偶尔接触点渲染相关的东西。每周要去阅读、理解与思考的代码量很大，但提交的代码量却暂时不是很多，所以我没特别多vibe coding的机会。
日常工作我会使用Gemini 2.5pro以及Claude Code。我会和网页版的Gemini chat讨论一些技术实现，让它帮我Deep Research一个我不怎么熟悉的领域让我能快速获得一些理解。Claude Code我用来帮我阅读代码，我glm4.6和deepseek的api都接了，工作上会换着用体验下效果如何（不是我不想用原版的sonnet之类，公司的网ip不行，我也懒得去搞魔法）。一般很少让Claude Code去写代码，在不调教的情况下，写点python感觉没啥问题，写cpp没法给我带来很大的效率提升。两个原因，1，关于UE的知识还是有点陈旧，Gemini也是这个毛病，最新版的UE很多api都变了；2，写cpp不是问题，编译、调试、观察效果才是花时间的地方，这里AI暂时没法帮忙，AI（尤其是Codex）可以帮忙Code review倒是真的。
其实游戏里难用AI还是AI无法获得很多的context，有些底层代码有单测就好些，AI改完可以自己测。但当一个功能需要做完之后用肉眼去看某个资产的状态，或者要去Editor里点好多下，等好久才能看到效果的时候，再怎么也没法获得100x的效率提升。
基本上可以说是在拥抱异步的工作模式，我fire一个任务给Gemini，让它慢慢思考去吧，然后让Claude Code帮我看某块的代码总结下，它刷刷开始列一堆todo干活儿，我的话正好去干其他的。
如果是要自己做点工具，要接触github上的项目，那我会用DeepWiki和Gemini。DeepWiki用来快速帮我理解某个我想要的功能是如何实现的，或者某个我想加入的功能应该改哪里；Gemini其实也差不多，可以直接导入github仓库去做一些询问。然后写功能的话我会根据情况看，简单的直接让CC去完成了，复杂点的还是Gemini + 手动。听说有个方法是用ChatGPT 的 Deep Research去关联 GitHub 仓库，用它出的报告来指导 codex 重构，显著强于 claude code plan mode 或者 codex 自己写报告自己改，我没自己试过全链路的流程如何，但确实我干过当个数据搬运工把DeepWiki的结果给CC去写代码这件事。
写完还挺感慨的，9月写的文章里提到的AI工具和现在确实差距不小了，qwen code已经弃用了hh。还是挺认同xuanwo大佬这里说的How I Coding? (Oct 2025 Edition)，attention is my most important resource. 我希望用最好的、最聪明的，慢点没关系。
准备探索的：
- 怎么没有UE的deepwiki，搞个感觉会省点时间，解决下AI的知识陈旧问题。能不能用DeepWiki或者谷歌家的Code Wiki或者阿里的Repo Wiki做一个试试，Context太大可以先从小模块开始做。
- 公司网络限制其实不是我偷懒的理由，还是要去自己搞下Codex + GPT5这些，要用就用最好的。
- 继续看看有哪些工作可以Agent化吧，探索下性能相关的能不能搞搞，比如把火焰图的数据丢给CC让它帮我找性能问题之类。
学习、阅读与写作
学习技术知识的话，主要还是靠Gemini chat，要么手动复制粘贴相关信息进去，要么直接整个pdf/youtube视频/没有pay wall的文档丢进去问相关的。这个role以前是gpt的，但是自从发现Gemini也不错退订gpt之后，就没改过了。我还是喜欢自己读文章的，所以一般也不会跳过阅读全文这个步骤，有的视频太长了我倒是会让AI给我insight，总结下哪里比较有趣然后自己去看（或者不看了）。我很久之前试过NotebookLM，那时候出于某些原因那时候搜索一直卡死失败，就没再用了。
测试自己理解的话，我一般会给一些背景知识，让Gemini来问我，我来用文字表述回答。我好像从未触发过Gemini的quiz，但是效果还行。逼迫自己写下来这个思考本身已经能加深理解了，我觉得AI很多时候问的问题也确实怪怪的，这里有进步空间，也可能是我的prompt不够好。
查资料的话，Gemini DeepResearch、Perplexity我偶尔会用，让它们去搜索相关的资料。主要还是用Gemini的，比如我会让它去搜伊利亚特中的后勤问题、卡夫卡的城堡中K到底是不是城堡指派的，确实Gemini的Deep Research做文献调查和综述是很棒的。Perplexity的毛病在于，1，偶尔抽风；2，默认是用啥语言问就搜啥语言的资料，搞得我很多时候要明确指示搜英文资料，还挺麻烦，所以不爱用。Qwen的新的Deep Research刚出，好像还可以，没大量尝试过。
写作的话，写作过程中我倒是不怎么使用AI，我一般是有一些想法会让它在脑子里发酵一下，各种闪现的片段会记录下来，然后去查资料和以前阅读过的笔记，都粘贴到一个地方，开始写写改改。写完会让Gemini帮我的稿子找错别字，非常准，很好。以前体验过YouMind，但是感觉自己也没咋用明白，可能后续可以继续试试。Gemini做翻译也是一绝，这里有写一些体会：Governing the Present 第一章翻译
笔记
我今年切到了Obsidian，当时是看到了xuanwo大佬在X上推荐了Obsidian + obsidian-smart-connections + jina的embedding模型 这个组合，用了下确实觉得舒服。数据全以markdown形式在本地，依靠embedding的相似度也不需要自己去打标签和双向链接，直接在笔记右边看到按相似度排列的相关笔记，也支持embedding去搜索，确实体验很好。两个小问题，1是移动端看不方便，2是obsidian的markdown所见即所得支持非常一般，写出来的markdown在typora打开会显得紧凑，我为此专门让AI写css调整了obsidian的显示，以及写了个脚本来一键给markdown调教格式让外部软件看起来舒服些。
录入笔记的过程，技术笔记我一般手动记录到obsidian中；文学社科等相关的我有个双pass法，首先是在ipad上阅读一遍，会简单画线记录重点，过一段时间之后，重新手动把那些重点相关的记录到obsidian中去。epub格式还好，如果是扫描的pdf格式会用Mineru做ocr然后给笔记归档，挺不错的，很好用，很偶尔有错别字，中英文的逗号有时候搞不清。我现在没有特别想去把这个流程完全自动化，因为第二个pass其实正好也是加强记忆和理解的时刻，还是要花时间的（也说明我没有完全拥抱AI，完全自动化之后让AI来阅读总结也不失为一条路）。
我的技术笔记和阅读笔记是分开的两个obsidian vault，以后也许可以直接合成一个算了，其实都是我的生命体验，而且很多笔记确实会犹豫要放进哪个vault。但目前有个区别是，技术笔记每篇较短，我是选择了全文做embedding，阅读笔记每篇可能较长，长的几万字都有，我会切分做embedding。
我还简单探索了下让Claude Code来帮我搜索笔记内容，告诉它我的笔记是中英双语的，它就会刷刷开始用grep慢慢搜关键词总结了，体验好像确实也还行。Nowledge mem也不错，这里可以看到一些介绍：Nowledge Labs (@nowledgelabs) / X，the Context/Memory Manager connecting dots among all Agents in your daily workflow. It enables retrieval, sinking & distilling over your insights, conclusions & precious findings. 可以很方便地把与Aegent互动的东西沉淀下来，存档、复用。
准备探索的：
- NotebookLM/YouMind再用起来试试，相关的知识都可以丢进去，也可以让它去总结作者的思路，对文学评论类文章感觉会有点用，可以去挖掘下Meta信息
- 阅读与写作这边还是比较古法的，也许可以考虑在知识记录和关系挖掘上多花点心思，想想怎么更好地找到文本背后的东西、文本之间的联系等等，也就是，insight：
- 扬了obsidian自己写一套可视化，也顺便可以做每日漫游不停刷新我的记忆
- 做个专门的agent来整理阅读时候发现的insight，让它别自己发挥
日常
我是电脑用户，有电脑就不会看手机，所以日常一些问题也是和之前差不多的Gemini。没电脑的时候，手机上懒得搞魔法，还好我是手机的轻度用户，我就是千问和Kimi换着用，反正搜点国内的一些东西也够用了，其实用微信自带的那个AI搜索都够，差不多。更喜欢Kimi一些，界面比较清爽干净，进去就是最强模型然后问就行了。千问那个默认模型我不知道是啥，导致每次都要进去手动选Qwen-Max，懒得多点几下，也根本不想看其他那些功能。
看股票的话玩票性质比较多，会试试Perplexity Finance，让它分析持仓，看看最近新闻等等。现在有这种让AI实盘炒币的项目：AI trading in real markets，倒是也可以看着玩玩，但真的就只限于玩玩。
也看到有一些项目可以让AI依靠一直给电脑截屏记录自己每天上班的时间分布等等，不是很感兴趣，也没那么强的监控自己的需求。
好像差不多也够了其实，AI时代变化这么快，Gemini3箭在弦上，说不定过两个月这篇文章就要有一个新版了。