如果你觉得 AI 不好用，可能不是 AI 本身不行，而是你还没有用上当前主流的工作流。

今年上半年，很多开发者已经不是单纯把 AI 当聊天工具用了，而是把它接入到实际开发链路里：代码仓库、设计稿、浏览器调试、Issue 、文档、团队协作工具，以及自动化任务。

所以在评价 AI 是否“顶用”之前，至少应该先了解一下当前 Codex 、Claude Code 这类工具的典型工作流：上下文怎么配置，仓库怎么接入，任务怎么拆分，Agent 怎么执行，以及如何用浏览器、设计稿和测试工具做闭环。

以我现在的使用方式为例，我更偏向 B + C 模式：不是只让 AI 回答问题，而是让它参与完整的开发流程。

前端场景里，一个比较典型的用法是：先在 Figma 中建立设计系统，再让 Agent 通过 MCP 读取设计稿和设计规范，直接生成或修改页面。之后再结合 Playwright 这类浏览器工具，让 Agent 自己查看视觉效果、发现偏差并继续调整。Codex 官方文档里也有类似的 frontend designs use case 。

更进一步，Agent 还可以接入 GitHub 、Slack 等团队工具，定时拉取与自己相关的 issue 、PR 或讨论内容，然后辅助修复 bug 、开发功能，甚至做一部分例行维护工作。

所以我不太认同“AI 不顶用”这种笼统判断。更准确的说法应该是：
AI 的效果高度取决于使用方式、上下文质量、工具链接入程度，以及团队有没有相应的 AI 基建。

如果只是把 AI 当成一个问答框，它当然容易显得有限；但如果把它放进完整的工程工作流里，它的价值会明显不一样。

当然，Agent 也不是天然好用。不好用可能有两类原因：一类是工具本身能力不够，另一类是使用方式和基础设施还没跟上。很多时候，问题不完全在个人，也可能在团队没有搭好适合 AI 协作的工程环境。