标准回答
对话与检索类
日常用 ChatGPT/Claude 做信息梳理、起草文案、改 bug 思路、读长文摘要。做法是先把背景和约束讲清楚，让它出几个版本，我挑改而不是直接照抄。涉及事实的结论一定回到原始资料核对，防止它一本正经胡说。
编程提效
写代码用 Copilot 补全、Cursor/Claude Code 做整块重构和写单测。典型用法：贴报错让它定位、让它按我给的函数签名补实现、生成测试用例覆盖边界。提升很明显——样板代码和测试基本能省一半时间，但生成的代码我一定跑测试 + code review，不直接合并。
写作翻译绘图
周报、文档初稿让 AI 起草再我润色；翻译用它出初稿、我校术语；做 PPT 配图用文生图工具快速出草图。
怎么把关质量
核心原则是「AI 提速、人把关」：事实查证、代码跑测试、重要产出二次审阅。这样既拿到效率，又不被幻觉坑。
常见误区
⚠️ 常见踩坑
只罗列工具名却讲不出具体用法和收益，显得没真用过；或者吹「AI 全自动」却答不上怎么防错，反而暴露不会把关质量。
追问
追问 1：AI 生成的代码你怎么保证质量？
不直接合并：先本地跑通 + 跑单测，再人工 review 逻辑和边界；对安全/数据相关代码格外谨慎，让它解释每段意图，必要时让它补测试用例。把 AI 当成会犯错的初级同事的产出来对待。
追问 2：遇到 AI 给的答案是错的怎么办？
先意识到它会幻觉，凡是事实性结论都交叉验证（查文档/官方源/多模型对比）；发现错就把它当线索而非答案，重新追问或自己查。关键决策绝不只信单次回答。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。