非技术如何用好 AI 时代的 4 类工具

AI 时代已经全面开启，工具的逻辑正在发生翻天覆地的变化。面对聊天机器人、Agent、工作流和 AI 编程这四大类工具，非技术人员往往容易陷入“看个热闹”或者“无法驾驭”的困境。本文将结合我过去2年时间重度使用这些工具的经验，以及踩过的无数坑，先浅浅的分享一下我推荐的 4 类工具。未来再细说具体的用户和案例。

一、 AI 时代的四大工具

现在我们已经进入了 AI 时代。 在这个新时代里，工具的使用发生了巨大变化，甚至可以说彻底颠覆了以往。

针对非技术群体，我把新时代的工具分为四大类：

1. 聊天机器人（大模型 LLM）
2. Agent（智能体）
3. 工作流
4. AI 编程

每一类工具都有其独特的定位。 在 2026 年这个时间节点，我认为非技术人员需要重点关注的两大类工具是 Agent 和 工作流。

二、 聊天机器人：最“贵”的才是最“省”的

在深入讨论 Agent 和工作流之前，我们先简单聊聊聊天机器人。 这类工具已经出现几年了，用好它最重要的有三点：

1. 舍得花钱用最顶级的模型

一定要用最顶级的模型！

大模型其实跟人是一样的：

一个优秀的员工，两句话他就能干得很漂亮；一个不行的员工，你说100句做出来还是错的，还得让你去擦屁股。

大模型也是一样的道理。

我并不是看不起国产大模型，现在很多国产大模型也能追到顶级模型 80% 到 90% 的能力。

KIMI，MiniMax，智谱我都有购买套餐并长期使用。

但在我想要聊深度的问题，或者想要解决重要的事情时，我还是会选择 Claude、GPT 和 Gemini。

2. 多用！而不是看教程

这个玩意儿不需要去学什么教程，也不要报培训班。 关键的关键就是多用好的模型。

我现在坚信，用好 AI 跟管好人其实是一样的。它并不是一门技术可以快速掌握的，而是一种实践，需要日积月累来提升。

三、 为什么我不推荐非技术人员将 AI 编程作为主力？

AI 编程工具现在被大家吹得很神。 我也深度体验过，用它做出很完整的上线产品并给一些朋友来使用。但是因为产品不成熟，没有竞争力，后续就停了。

但我个人并不推荐它作为非技术人员的主力工具。 因为很多人其实驾驭不了。 包括我也很难驾驭。

AI 编程工具的能力现在非常强，也是最成熟的一个 AI 落地应用。

作为一个非技术，我们绝大部分时间想不清楚，更说不清楚我们到底想要什么。 即便给我们最牛逼的工具，也是没有用的。

对于大部分人来说，体验一下就好。

在我重度使用 AI 编程工具的几个月里，我经常花一个小时做出来让我觉得很哇塞的 demo，但接下来的几天甚至一个星期都在改 Bug～

即便我一开始就准备了很完整的产品需求文档，但是当我想要更新迭代、优化细节的过程中，也会因为一些小问题卡到我崩溃。

所以，这一类工具，如果不是资深的产品经理，我是不推荐使用的。最好还要有一些代码功底。

四、 工作流：真正的“技术平权”工具

我认为 AI 编程工具并不能实现技术平权，工作流才可以。 工作流产品很多年前就有了，为什么现在变得流行？

一个重要的大前提是：大模型能力的提升，彻底解决了“工具怎么用”的问题。

以前工作流产品配置项非常复杂，学习成本极高。 现在大模型帮我们解决了细节问题，我们只需要定义好问题和流程，剩下的细节并不需要学习，直接问就好，它可以搞定。

工作流的三个核心特性

1. 稳定：你能很清楚地看到整个流程是如何运行的。
2. 可控：在迭代修改时，很清楚自己改了什么。没有改的部分，它也不会有任何变化。
3. 数据透明：每一个环节输入了什么、输出了什么，都有记录，一目了然。

相比之下，AI 编程对非技术人员来说是个“黑盒”。 我们并不清楚中间是如何运作的。

现在工作流的产品中也加入了很多 AI 功能，工作流也能具备一些 AI 能力，甚至是实现一些 Agent 的能力。我现在就在使用 n8n 来运行客服 Agent，效果还是不错的。

工作流的局限性

当然，工作流的缺点也极其明显：

1. 它需要人来编排，使用者的能力就是工作流的天花板。
2. 工作流编排起来依然非常复杂。 比如我玩 n8n 玩了差不多半年后才敢说自己能实现大部分想要的功能。
3. 即便有了 AI 能力，但是整个流程还是是基于“死逻辑”的，不够灵活，更像传统的编程。

适合工作流的场景

如果你的需求满足以下三个条件，就非常适合用工作流：

1. 高频、重复的场景。
2. 处理流程固定不变。
3. 场景相对简单，变量因素不多

我用工作流的一些场景：

• 数据报表自动发送
• 部分客服工作
• 内部审核工作
• 利用 bot 实现一些后台操作
• 基于群聊的自动化流程

五、 Agent：天花板极高的未来趋势

最后我们要说 Agent（智能体）。 这是最近一年才出现、最近几个月才趋于成熟的东西。 它正处于非常早期的状态，未来的发展空间和天花板都会非常高。

Agent 与传统工具的区别

• 传统代码：不带脑子，是死逻辑。所有的判断都要靠人做，能解决的问题范围相对小。
• 人类：灵活性极高，有大脑、有双手，会使用工具，解决问题的范围极大。
• Agent：能力边界远远大于传统代码，目前还没有到 AGI，还是不如人，如果真到了 AGI 就没人什么事了。

如何用好 Agent？

我现在还不敢说我把 Agent 用得很好。

但是现在，我已经感受到了 Agent 让我的效率提升了十倍不止，同时它还大大拓宽了我的能力边界。

LLM 可以很好地帮我们提供解决问题的思路，而 Agent 可以很好地帮我们把思路执行下去，把问题解决了。

在这种情况下，人类的价值不再是干活，不再是提供某项技能。

AGI 到来之前，我们还有点价值

• 根据我们对业务、对环境，对当下局势的综合判断能力，去选择我们到底要解决什么问题
• 如何定义这些问题
• 如何让大模型理解问题
• 如何跟大模型一起制定出靠谱的方案
• 如何推动 Agent 帮我们把方案落地
• 验收方案并不断的优化方案
• 如何让 Agent 不断自我提升