为什么要多和会用 Claude Code、Codex 的人交流

身边总有两类人。

一类人看到 Claude Code、Codex 这类新工具，会先把链接收藏起来，等有空再说。另一类人不一定比谁聪明多少，但愿意当天装起来试一遍，报错了就查资料、翻社区、继续折腾。

抖音博主 AI观察员马特在一段视频里建议，多和后面这类人交流。这个说法听起来有点功利，却不算没道理。你和谁讨论问题，常常会影响你接触信息的密度，也会影响自己动手的频率。

他们先做了一次筛选

AI 相关的信息实在太多。新模型、新产品、新技巧每天都在冒出来，很多内容看着热闹，用完才发现和自己的工作没什么关系。

愿意上手的人不一定判断次次正确，但他们会主动筛一遍。他们会问，这个工具能替我省掉哪一步，能不能接进现在的流程，值不值得继续学。这样的筛选能力，靠转发几篇文章很难长出来，得靠一次次实际使用。

图片来源:网络,版权归原作者所有,侵权请联系删除

真正拉开距离的是把工具跑起来

收藏夹里最容易堆满教程。看过、点赞过、准备周末研究过，最后还是停在原地。能把 Claude Code 或 Codex 装好、跑通一个小任务的人，至少跨过了第一道坎。

过程中肯定会遇到报错，文档也未必写得一目了然。可一旦有人愿意查一查、换个参数、再试一次，工具就从一条资讯变成了手里的能力。和这样的人聊天，往往能少走不少弯路。

AI 变化快，靠的是持续跟进

今天好用的工作流，过几个月可能就有更省事的做法。追两次热点并不难，难的是一直保留一点好奇心，隔一段时间就回来看看有没有新变化。

这并不等于每天都要追最新模型。更实际的做法是，挑和自己有关的场景持续优化。写代码的人看看自动化能做到哪一步，做内容的人试试素材整理和初稿处理，做运营的人看看数据分析能不能少一些重复劳动。

图片来源:网络,版权归原作者所有,侵权请联系删除

怎样找到值得交流的人

不必把这件事搞得太刻意。先从身边开始。同事、技术社群、朋友圈里，谁会聊 Claude Code、Codex，谁会分享实际踩过的坑，先记下来。

图片来源:网络,版权归原作者所有,侵权请联系删除

然后直接问一个具体问题就够了，比如最近在用什么功能，哪个环节最省时间，遇到过什么坑。具体问题比泛泛地问 AI 怎么用更容易聊开。

交流之后，自己也去试一遍。下次再带着结果回来聊，信息就不再是单向接收。久而久之，能学到的不只是某个提示词或插件，而是别人拆解问题、验证方案的习惯。

图片来源:网络,版权归原作者所有,侵权请联系删除

别把人脉理解得太玄

和会用 AI 的人做朋友，不是为了蹭几个工具清单，更不是指望别人替你完成工作。真正有价值的，是在遇到新东西时，身边有一群愿意动手、愿意分享的人。

先找一个人，聊一次，再亲自试一次。很多差距，就是从这一步慢慢拉开的。