GPT 年度总结：1.5 万次对话帮我做成了什么
这一年，AI 对我来说不再只是一个问答框，而变成了搭系统、拆问题、持续推进项目的协作者。
真正的产出不是某一次发布，而是一种工作方式的变化：少一点等完美计划，多一点把对话变成结构、代码、数据和真实作品。
TL;DR
我不再只是向 AI 问问题，而是开始和它一起搭系统、解决问题。
如果要用一句话总结我和 ChatGPT 的这一年，大概就是这句。真正改变我的不是 AI 给了我更聪明的答案，而是对话本身开始变成构建过程的一部分。
我用它梳理结构、比较方案、调试想法、设计流程，也用它把很多原本可能一直停在计划里的项目往前推。最后留下来的，是一组真实项目：个人网站重构、Toolipie、Daily Blob、WED、DigiTables，以及围绕宏观、金融和危机研究的一些研究系统。
这一切并不是魔法。它更像是在想法、系统设计、实现和修改之间，加了一条更快的反馈回路。
真正做出来的
这一年变得具体，是因为很多对话最后变成了项目。
最能说明变化的，不是我问过多少问题，而是真正被推进起来的那些系统。
这些项目里，有些已经公开，有些还在开发。有些很完整，有些还在迭代。但它们共同的一点是：没有只停留在抽象想法里。ChatGPT 帮我把它们变成了可以继续打磨的结构。
数字花园
个人网站
我从模板站迁移出来，把 www.zillionvisionary.com 重构成一个自己搭建的个人 hub：博客、简历、内容结构和后台数据追踪。
开源工具
Toolipie
一个整理零碎代码 snippet 的 CLI/TUI 工具箱，用插件化和长期扩展的方式，把一次性脚本变成可复用工具。
应用尝试
Daily Blob
我第一次比较认真地尝试做应用：一个 AI 日记和 life-logging 产品，从概念到功能规划，目前还在开发中。
数据产品
WED 世界经济数据库
一个长期宏观金融数据产品，重点是多源数据整合、标准化和可视化。
数字化
DigiTables
一个 OCR + AI 表格数字化系统，用来把历史扫描文档，包括 IMF 和贸易数据，转成结构化数据集。
研究系统
多个研究型项目
围绕宏观、金融和危机研究的数据整理、研究框架，以及自动化工作流。
AI 的真实角色
当我不再把 ChatGPT 只当成答案机器，它才真正变得好用。
价值不在某一次完美回答，而在它一次次帮我梳理结构、判断方向、维持推进。
回头看，ChatGPT 对我主要扮演了三个角色。它们都没有替代我去思考、选择或收尾，但让这些事情更容易持续发生。
- 外脑
-
拆清楚
它帮我把复杂想法拆开，把模糊计划切成更小的部分，也把很多原本看不见的假设摆到台面上。
- 研究助理
-
搭结构
它推着我写更清楚的项目 scope、比较不同选择、整理数据流程，也让研究工作不至于变成一堆松散笔记。
- 推进加速器
-
往前推
它让我更容易进入先做出来的状态：先做一个最小可用版本，看哪里坏了，然后继续迭代。
更大的变化
很多项目不是全部想清楚之后才开始的。
它们之所以开始，是因为对话把下一步变得足够清楚，可以先试一下。
这可能是这一年最大的变化。以前我常常会等到一个项目看起来足够完整、足够确定，才觉得可以开始。但有了 AI 之后，早期阶段变得更互动：先问，先画一个结构，先做一小块，再看哪里不对，然后继续改。
这不是说可以跳过判断。恰恰相反，因为更早有了一个具体版本，判断也可以更早发生。
- 等到想清楚
-
以前的默认
一个项目可能会在笔记里放很久，因为完整结构还不够清楚。
- 边做边变清楚
-
现在的默认
对话帮我把不确定变成第一版，而第一版又会让下一个决定更容易。
没有魔法
1.5 万次对话没有让事情自动完成，但让我没那么容易卡住。
重要的不是数字本身，而是很多原本停在脑子里的想法，真的开始动了起来。
真正的 takeaway
1.5 万次对话里没有什么魔法捷径。但很多本来可能一直停在计划里的项目，变成了可以发布、测试、修改，或者继续推进的东西。
最后一点想法
我最后留下的问题，其实比未来主义更实际。
AI 没有替代工作本身。它改变的是，我可以多快从一个不清楚的想法，走到一个具体的下一步。
如果你也在用 AI，我真的很好奇：你都拿它来做什么？它又怎样改变了你的工作方式？