「访谈05」彭处：花 1000 块，在机关单位做了三个 AI 工具
访 谈 0 5
他在机关单位花了一千块，
做了三个 AI 工具
三个不会写代码的人坐在一起，聊了聊 AI 到底改变了什么
文 / 不折腾的刘律
01 “这个项目今天刚开始弄的”
彭处打开电脑的时候，屏幕上是一份 PRD。
“放哪去了？”他自己嘀咕了一句，翻了两下找到文件。然后跟我们说：“不难做，很简单。比你想的要简单得多。”
这是我们三个人一次下午的茶话会。彭处、老顾、我。三个人关系很好，都是受我影响先后开始接触 AI 的。但接触的深度和方向完全不同：我做了案件看板，走的是法律工具方向；老顾之前尝试做过一个社交类的软件，到现在还没上线；彭处是三个人里投入最多、产出最实在的那个。
他在某机关单位工作，日常处理各种行政事务、数据报表、文件流转。但从今年开始接触 AI 写代码之后，他前前后后做了好几个脱网运行的小工具，帮同事处理日常工作，有三个已经在单位里跑起来了。
花了多少钱？他自己算过：模型订阅、服务器租赁和购买域名加起来花了得有一千多了。
02 三个跑起来的小工具
第一个是数据整理工具。
单位里日常会收到各种格式的材料——有 Word 的，有 Excel 的，有 PDF 的，还有直接拍张照片发微信过来的。同事们每个月要把这些乱七八糟的东西整理成统一格式，原来全靠人工一条条对。
“拖下来能拖半个月，”彭处说。
他做了一个脱网运行的脚本，核心是本地 OCR 识别。把文件往指定文件夹一丢，点一下按钮，自动识别、提取、匹配、生成汇总表。他还加了一层校验逻辑：提取两遍做交叉比对，确保不出错。
“已经跑了三个月，同事们都在用，非常稳。”
第二个是文件检索工具。
政府单位的电脑里堆着十几年的文件，人换了好几轮，电脑也轮转过很多次。同一个文件可能存了几百个版本——微信收一次就多一个副本，改一次名字又多一个。没人敢删，也没人知道哪个是最新的。
彭处做的工具很简单：第一次全盘扫描建索引，之后所有查询毫秒级响应。支持关键词搜索、重复文件检测、选段复制。写公文的时候可以直接调以前的模板段落出来参考。
第三个正在做——一个法规检索系统。
这个不是他自己想做的。他的部门领导看到前面两个工具之后，问了他一句：“你觉得能不能做一个法规查询的？我们办案的人平时查法条很费劲。”
他的设想是做成一个网页，办案人员输入一段案情描述，系统帮你匹配适用法条、关联类似案例、给出参考依据。不下结论，只提供线索，最终判断还是人来做。
听他说这些的时候，我想到自己做案件看板也是这么开始的：不是一上来就要做一个产品，就是自己工作里有个麻烦事，想让它省点力气。做着做着才发现——这东西好像别人也能用。
03 什么都不配合，但还是做出来了
彭处面对的工作环境，跟我的完全不同。
他们单位的电脑大部分是老机型。有多老？“我那天想下个豆包，下下来了，打开一看——不好意思，系统太老，Windows 版本太低，装不了。”
不只是软件装不了。新采购的电脑全是国产系统，比原来的 Windows 更难适配。老电脑坏了也不会换新的好机器，可能从仓库里再拿一台老的出来。
在这种环境下做工具，彭处的策略很明确：不做 APP，不做小程序，做网页。因为网页没有设备限制，不管是 Windows 还是国产系统，只要能打开浏览器就行。
“我们单位所有系统都是网页的，大家早就习惯这套了。给你个网址，给你个用户名密码，登上去就能用。”
对于那些连网页都跑不动的场景，他就做本地脚本。根据目标电脑的环境选语言——“它只能跑 Python 3.8 那我就用 3.8，只能跑 Go 编译的那我就用 Go。你按照默认的产品标准去做，做得再好看再流畅，人家电脑带不动，没用。”
还有一个限制：数据安全。那个数据整理工具涉及到敏感信息，他要求全程断网运行，OCR 用的都是本地模型，不到 300 兆。
我以前觉得“适配环境”是大公司的事。但听彭处讲完，我发现普通人做东西也一样——不是你想用什么就能用什么，是你手里有什么条件就用什么条件，先让东西跑起来再说。
04 一千块钱的花法
我问他具体怎么用 AI 写代码的。
他的做法比我想象得讲究。不是找一个模型从头聊到尾，而是分工——
写代码用 DeepSeek。便宜，速度快，一万行代码刷刷就出来了。但漏洞多，写完不能直接用。
审前端用 K3。K3 的视觉理解能力强，他可以直接截个图发过去，红圈一圈：“这个位置有问题。”K3 不但能修，有时候还会说“旁边这里还有个小问题，一起改了”。
审安全和审架构用另一个模型做交叉验证。“我让一个模型写完代码，然后把代码目录告诉另一个模型，让它做安全审查。审完之后出个报告，我再把报告扔给第三个模型，让它反过来验证报告本身有没有判断错误。”
三个模型交叉跑，安全审查跑了五遍，架构审查跑了四五遍。
“所以你 token 烧这么快，”老顾说。
“对啊，就是审查烧的。”
这套做法的好处是什么？他说他现在随便往项目里加功能，不会牵连到其他模块。因为前期花时间把架构理清了，每个功能独立模块化——动这个不影响那个。
还有一个教训让他印象很深：他最早做那个文件检索工具，用 Python 打包，文件又大又吃环境。后来 AI 告诉他“你为什么不用 Go 写？编译出来 2 兆，不需要任何环境。”他才恍然大悟。
AI 不会主动告诉你最优方案。
它给你的是能跑通的方案，不一定是最好的。
“你要自己踩了坑，下次才知道该怎么问。”
这些踩坑的记录他都存下来了，每个版本迭代改了什么、优化了什么、哪里走了弯路，都留着文档。“以后做新项目的时候可以直接读，同样的坑不踩第二次。”
05 领导看见了，然后事情开始变化
彭处做这些东西一开始纯粹是自己折腾。没人安排，没人要求，就是觉得工作里有些重复的事太烦了，想让它自动化。
但做出来之后，效果是肉眼可见的。那个数据整理工具，原来每个月同事们要花十来天去收集、核对、整理，现在半小时搞定。文件检索工具，查十几年前的老文件，原来翻半天翻不到，现在输入关键词秒出结果。
他的直属领导看到之后，开始主动跟他聊：“你觉得能不能做一个法规检索的？”这才有了第三个项目。
他跟我说领导的想法是：如果这个工具在他们部门跑通了，可以尝试推到整个单位用。“因为我们这个部门是管办案规范的，我们用下来没问题，基本上就代表别的部门也能用。”
对他来说，这件事的意义不只是“多了一个项目”。这些工具做出来之后，领导看到了他的能力，同事开始习惯用他做的东西。他在单位里的位置，悄悄变得不一样了。
“我做这些项目，说白了就是增加自己的项目经验。”他说，“以后不管是尝试做 FDE，还是自己出去干，这些都是实打实的东西。”
而且他也看到了一个机会：现在政务系统里愿意接触 AI 并且真的动手做东西的人极少。大部分人没有动力去碰这些——跟本职工作关系不大，也没有额外激励。但这也意味着，少数愿意折腾的人，能拿到的空间反而更大。
这个判断对不对，现在还看不出来。但至少比什么都不做要多一些可能性。
06 骑行助手：为爱发电能走多远
除了工作上的工具，彭处还做了一个跟爱好相关的东西——一个骑行活动管理的小程序。
他非常喜欢骑公路车，每周都骑，经常参加各种骑行活动。但他发现组织活动很麻烦：发起者要在群里吆喝、统计报名、确认人数、发路线。参加者呢，要在好几个群里翻消息，看有没有适合自己的活动。
他就做了一个小程序：发起者创建活动，参加者直接报名，所有信息一个页面看完。
H5 版本上线第一天，来了 36 个用户。全是真实的骑行爱好者。甚至有车店老板主动找他说：你这上面能不能放广告？我愿意花钱。
“才 36 个人他就愿意？”我问。
“因为这 36 个全是精准用户啊，”彭处说，“每个都是真骑车的，每个都愿意花钱买装备的。你在外面花 1000 块打广告，可能都触达不到这么精准的人群。”
这个小程序他花了不少精力在打磨 UI 和交互上。功能本身不复杂，核心就是活动发布和报名管理。但他做了整套架构规划，预留了迁移接口，做了安全审查，整个项目前前后后重构了好几轮。
我们三个人围绕这个小程序聊了一阵“商业化”的话题。老顾的观点很直接：“开发现在不值钱，核心还是推花钱。”彭处也承认，他这东西在无锡整个骑行圈撑死也就几百个用户，天花板很低。
但他很清醒：“我做这个就是满足我自己的需求，顺便让大家用。至于能不能变现，那是以后的事。”
以前想做一个小程序，要找开发团队、写需求文档、花几万块外包。现在他自己一千块搞定了。这个东西能不能赚钱不好说，但“我有一个想法，我能把它做出来”——这件事本身，以前是不可能的。
07 普通人用 AI 写代码，边界在哪
三个人里，老顾是相对冷静的那个。
他之前自己尝试做社交软件的时候就碰到过一个问题：AI 写完代码能跑通，但后面要改需求的时候，改一个地方其他地方就崩了。
“你后来那个程序为什么一直没上线？”我问。
“改到最后不如重做，”老顾说，“每改一遍就相当于又做了一遍。”
彭处在这件事上比我们想得更早。他的做法是趁项目还小的时候就把架构理清——每个页面、每个功能单独一个模块，互不影响。
“你代码量一大，你再想重构就来不及了。二三十万行代码你动一下试试？”
但他也承认，这是因为他吃过亏。一开始他的代码也是全塞在一两个文件夹里，改一个模块就牵连另一个。后来他花了大量时间做重构——拆模块、跑审查、反复验证。
老顾总结了一句：“大公司为什么越来越谨慎地用 AI 写代码？因为发现你越写越大之后，维护的成本比重写还高。”
这可能就是普通人用 AI 编程的边界所在：起步门槛降低了，但把东西做好、做稳、做得能长期维护——这些仍然需要经验和判断。AI 帮你写出第一版没问题，但从第一版到真正能用的产品，中间那段路还是得你自己走。
不过反过来想：以前普通人连第一版都做不出来。现在至少能迈出那一步了。后面的问题，走到了再说。
08 热情这件事
聊到最后，我们三个人的状态差异其实挺明显的。
彭处还在那个热情最旺的时候。每天下班回去就开始弄，新项目一个接一个，改 UI、跑审查、研究不同模型的优缺点。骑行小程序的用户给他反馈 bug，他晚上就修。有人提新功能需求，他第二天就开始想方案。
我呢，已经过了那个阶段。案件看板做到现在，功能已经比较完整了，自己想加的东西也不多了。现在更多在想这个项目未来的问题，但没什么好的思路和方向。那种最初“为爱发电”的纯粹劲头，确实在慢慢退。
老顾在旁边说了一句：“等你开始算这个东西我要花多少精力维护的时候，你就没有当初那种纯粹了。”
他说得对。
但我也不觉得这是坏事。热情会退潮，这是正常的。重要的是那股热情在的时候，你做出了什么实在的东西。
彭处做出了三个在单位里真的在跑的工具，做出了一个有真实用户的小程序，积累了可以带走的项目经验。这些东西不会因为热情退了就消失。
回来的路上我一直在想一件事：如果没有 AI，我们三个人里没有任何一个有能力做出这些东西。我是律师，彭处在机关单位做行政，老顾在民企做管理。三个人没有一个学过编程，没有一个看得懂代码。
但现在，我做了一个案件看板在用，彭处的工具在单位里跑着，老顾虽然没上线但也把一个完整的产品从零搭到了能看的程度。
AI 给普通人的改变，
不是让你变成程序员。
是让你手里多了一个可能性：你愿意试，它就帮你跑通。你有一个想法——不管是解决工作里的一个麻烦，还是给自己的爱好做个小东西——你现在真的可以动手了。
这个变化，实实在在。
如果这篇文章对你有帮助或者觉得还不错。
帮忙点个「👍」和「❤️」，对我来说真的很重要。
平台会因为这些反馈把文章推给更多人看，我也更有动力继续写下去。
如果愿意转发给身边的朋友或者朋友圈，那就更感谢了。