AI专题分享（一）：我踩过的几个坑和一些使用建议

游戏分析师分享参加 ThinkingAI「From Data To AI」大会后，用 4 个月把数据分析迁到 AI 工作流的实战心得，个人 Codex 累计消耗超 200 亿 Token。核心经验七条：一、先把业务问题定义成标准语义层，让 AI 翻译自然语言而非穷举问法；二、刻意区分观察结果、推断和行动建议，避免 AI 把相关关系写成因果；三、回归测试与陌生问题分开跑，并对结果做四层验收（问题理解、统计口径、数值核验、结果呈现）；四、长任务开始前先写中断恢复策略与持久化进度；五、长期项目指定唯一有效母版并持续更新状态；六、先评估任务是否值得工程化再决定做 Agent；七、用 AI 做审查而非泛泛「优化」。核心判断标准是同类任务下次是否更省力、修过 Bug 是否少复发、中断后是否更容易续跑。