三小时压到 25 分钟，我算了一下，省下的没有一分钟是判断

周三下午对账。桌面上摊着 14 个文件：三个系统导出的 xlsx，五个供应商发来的 csv，四张微信截图，两个 PDF 对账单。格式各写各的，日期有文本有数值，金额有一家按「分」记。

以前这活我干两个半到三小时。这次从建文件夹到出汇总表，25 分钟，其中 10 分钟是我自己过一遍。

省了两个半小时，听着挺多。但我把这两个半小时拆开看了一下，结论跟我一开始想的不太一样。

省下来的到底是哪段时间

原来那三小时里，我在干什么：

• 把五家的 csv 挨个打开，看列名对不对得上，对不上的手动挪；
• 日期列有的是 2026/9/1 文本，有的是数值，统一格式；
• 有一家金额按「分」记，全部除 100；
• 删空行、拆合并单元格、把「含税」两个字从备注列里挑出来；
• 最后拼成一张表，调列宽，存。

这些加起来两个多小时。共同点是：每一步我都不需要想，只需要做。 做的时候我可以听播客。

剩下不到二十分钟是真正要判断的。那家的备注列写的「含税」其实是税率标记；这张 PDF 的备注栏读没读全；两笔金额对不上，是重复行还是真有两单。

现在这 14 个文件跑完 25 分钟。机械那部分基本没了。判断那部分还是二十分钟，一分钟没少。

AI 吃掉的是零判断的时间，判断一点没动，还多长出来一道验收。

发布会讲的和月底对账不是一回事

10 月这波模型发布我看了。GPT-6 推 Intelligent UI，说对话直接变操作，描述需求就生成一个能用的界面。Haiku 5.5 把 API 成本砍到上一代的十分之一。Gemini 4 Argon 攻金融法律的长程任务。

听着都很猛。但我坐在那儿看 14 个文件的时候，第一反应是：这些能力解决的不是我这个问题。

我要处理的是这 14 个文件里的一堆脏活：有一家的日期存成了文本，有一家的金额单位是分，还有一家把「含税」写在备注列里。生成界面不难，难的是知道这家的备注列其实是税率标记，而这个知识在我脑子里，不在任何模型里。

有份行业报告说，2026 年企业侧 AI 回报滞后，只有 4% 实现转型目标。我看到这个数字不意外。工具越往上走，最后那一公里的脏活越显眼，而脏活里真正需要判断的那一小段，恰恰是最难交出去的一段。

所以我现在的用法很土

为了让它可验收，我把能写死的全写死了。

根目录三个子目录：raw/ 放原始文件，tmp/ 给中间产物，out/ 只放最终表。规则写死，它不用判断文件该放哪。

指令不现打，写成 rule.txt 扔在根目录，四十来行：输出列顺序固定、金额统一到元保留两位、日期统一 YYYY-MM-DD、备注列只提取税率关键词、不许新增列不许改列名。

一次只让它干一件事：先读取识别，我看中间结果；确认了再合并；最后单独跑格式校验。分三段，每段我都能插手中断。

这套东西不高级，目的只有一个：规则越死，我抽查得越快。 它多想一步，我就得多验一步，这笔账不划算。

验收是新增的成本，得算进去

踩的坑不少，而且大多是这种：它做错了，我得花时间才能发现它做错了。

最大的一个坑在我自己。第一次图省事，一句话丢进去：「帮我整理一下这些表格，合成一张汇总表」。结果它自己规划了一套分类逻辑，按供应商首字母建了子表，还加了「数据质量评分」和「异常提示」两个我没要的列。校对时间比我自己干还长。

第二个是合并单元格。有两家供应商的表头是两行合并的，第一遍读出来列名全错位。解决办法是在 rule.txt 里加一句：遇到合并表头，取最下面一行作为列名，上面一行拼成前缀。加了这句就再没出过问题。

第三个是漏字段。PDF 对账单上的备注栏它经常读不全，到现在也没完全解决，我固定留 10 分钟人工过一遍。不指望它 100%。

所以那 25 分钟里，有 10 分钟是买保险的。这笔时间不会随着模型变强消失，只会随着规则变清楚变短。

现在头部厂商都在讲「兑现」，讲把智能变成收入。我信这个方向，但我对兑现的理解可能跟他们不太一样。在我看来，兑现是让 AI 把工作里那些零判断的机械时间清干净，判断留给你，验收也留给你。

所以评估一个工具值不值，我现在不看发布会，看两件事：我的活里机械时间占几成，以及它留给我的验收面有多大。前者决定它能帮我多少，后者决定我还得搭进去多少。

WorkBuddy 现在离这个还差一点。它有时候还是想表现，还是会在你没要求的地方多做一步。每多做一步，我就多一个要验的东西。我希望能加个开关，就叫「严格模式」，打开之后只输出指令里写的东西，多一个字符都不给。

这个功能对喜欢让它自由发挥的人是摆设。对我这种每月对一次账、只想快点验完下班的人，是刚需。

真出了我再写一篇。