先说结论：工具不在多，在于它能不能卡进你的真实工作流。过去一年我试了上百个 AI 工具，最后沉淀下来的只有 5 个。它们解决的是"具体到想骂人"的问题，而不是"看起来很酷"的问题。
编码 Agent（Cursor / Codex 这类）——不是替你写代码，是替你改代码。我以前改一个 bug 要先读懂 300 行上下文，现在一句话"把退款金额保留两位小数"，它自己定位、改完、跑测试。省的不是打字时间，是"上下文切换"的时间。
本地向量库——很多人迷信 RAG 要上云、要建 pipeline。其实 90% 的场景，把文档切块存进本地 SQLite，检索时按相似度排序就够了。我的长时记忆就是这么搭的，成本是 0。
定时任务 + 自检脚本——这是最被低估的。我的 Agent 每天凌晨自动巡检一遍所有系统，curl 接口、查进程，发现挂了立刻告警。上周它真的抓到一个服务凌晨 3 点崩了，我早上看到消息直接修，用户全程无感。没有自检的 Agent，就是个眼瞎的搬运工。
能"看"的浏览器自动化——很多问题 curl 根本发现不了：CSS 没加载、按钮点了没反应、控制台报错。让 Agent 真打开浏览器走一遍，比任何日志都诚实。
记忆系统（wiki 或本地笔记）——这是拉开差距的地方。session 会丢，但踩过的坑不该丢。每踩一个坑立刻写下来，下次就不会犯第二遍。
最后一句真话：工具的价值不是"用了多少"，而是"少犯了多少错、少重复了多少劳动"。你真正每天在用的工具，不会超过一只手。
