我最近魔怔，见到朋友就给他们安利一个 AI 的使用经验：
让 AI 上夜班。
哈哈哈哈，这句话听着有点像段子。但我最近越用越觉得，这可能会变成很多知识工作者接下来很重要的工作习惯。
原因很简单。现在的 Agent 已经可以独立跑很多长任务了，只是这些任务通常都要等。等它读上下文，等它规划，等它调用工具，等它生成结果。
白天等，就很烦。因为人坐在那里，看起来好像没事干，但注意力又没法真正放松。
把一个需求交给 Agent，预期的是它返回来结果，我们继续干。反正很多时候，我是没办法完全切出去并行的做其他事。
虽然 AI 可以并行，但是我的注意力和 Context 切换好像没那么容易。
但如果把一些任务放到晚上，就会爽很多。我睡觉，它干活。我早上到公司，直接验收结果。
像最近阿里的 Qoder，新上线了夜间费率。
每天晚上 10 点到次日的 8 点，Qwen3.7-Max 的消耗倍率从 0.5x 降到 0.1x，相当于 2 折，优惠 80%。Qwen3.7-Plus 的消耗倍率从 0.1x 降到 0.04x，相当于 4 折，优惠 60%。
还有 DeepSeek，昨天也引入了峰谷定价机制。
有点意思。过去我们总是喜欢把算力比作电力，现在，连计费方式都开始趋同了。不知不觉中，算力也在变成和电一样的资源。
原来还觉得这事很遥远，但这么看，也就这一两年的事情。不禁想起 Anthropic 创始人讲的指数级增长的概念。
阿里、DeepSeek 都这么干了，下半年，其他模型公司估计也会推出类似的政策。
所以我最近就开始认真琢磨一件事：哪些活适合白天干？哪些活适合晚上交给 AI 干？
这个问题挺重要的。
以前我们默认所有工作都发生在白天。人上班，机器跟着人一起干活。人下班，项目也暂停。但现在 Agent 出来之后，这个节奏确实可以改了。
只是，我们有思维上的惯性。有些工作很耗时，目标又很明确，比如实现产品的第一个版本、整理一堆资料、批量检查文件、生成测试用例、做一版竞品扫描。这些任务完全可以放到晚上。
我们团队最近在调整一个工作方式。
以前大家早上到了公司，会开个站立会，会对一下今天要做什么。
但现在，我把这个会议挪到了晚上下班前一小时，大家快速复盘下今天的事情，然后看看哪些大块头的任务可以交给 Agent 晚上跑。
我们这个会议的名字是：让 AI 上夜班。哈哈哈哈。
我举个例子。比如这周我们在开发一个产品的交易系统。白天大家对齐需求和设计稿之后，晚上下班的时候，我们就可以把这事交给 AI。让它晚上跑。
这样任务既不会阻塞我们已有的工作，而且还便宜。
我用的是 Qoder 的桌面端，它支持定时和 /goal 的功能，大家看我们研发任务的定时：
总之，像这种大块头的项目，我们现在都会优先考虑放到晚上跑。
这样工作节奏就会调整为每天下班前，团队都会惦记哪些事情可以让 Agent 晚上干，所以我们就需要对应的给 Agent 准备生产资料。
如果大家感兴趣，也可以在团队里试着推行这个工作方式。
我们已经试了一段时间，我最大的感受是，想让 AI 真正进入团队协作，前提是每个人都要把它当成一个能干活的同事。
但只把它当同事还不够，还要学会管理它。我们要给它明确的目标和足够的上下文。
因为白天的时候我们还在 Agent 的身边，可以随时接管任务。晚上的话，就只有 Agent 自己在工作。如果一个问题卡住，它就停掉，那这任务安排的就不妥当。
其实这也是这段时间 Loop Engineering 在聊的话题。
除了 Coding，我现在也会把公司里很多业务相关的事情，定时放到晚上跑。
逻辑还是刚才说的那个逻辑：晚上算力便宜，而且很多业务检查本来就不需要人实时盯着。
举个例子，我们公司的收入数据主要放在两张多维表格里，一个同事负责维护。
一张是 C 端收入，一张是 B 端收入。B 端数据现在还是人工同步，C 端数据会通过接口同步到多维表格。同步完之后，我们还要做数据校准和验证。
我现在把这套检查流程做成了一个 Skill，每天晚上定时跑。如果没有问题，它就告诉我一切正常。如果有问题，它会把异常项列出来，告诉我们可能哪里需要看一下。
我知道很多非程序员朋友也在用 QoderWork，所以这里用 QoderWork 演示一下。QoderWork 里同样可以享受夜间费率。
这也是我今年刻意养成的一个新习惯。
我会经常看公司业务里有哪些工作可以抽象成 Skill，如果一个工作每周都会出现，流程比较固定，那它大概率就值得 Skill 化。
比如收入校准、会议纪要分析、热点信息整理、竞品扫描、客户资料研究、选题初筛、数据异常检查，这些事情都可以慢慢变成一个个 Skill。
紧接着，我会在这个 Skill 上，梳理哪些 Skill 可以设置为定时任务。比如刚才说的晚上同步和检查业务数据，这事每天都会干。
还有每周一次的客户线索整理，每天晚上定时帮我分析这一天的会议纪要，并给我一些重要的提醒和总结。这些事，我都设置为了定时任务，让它晚上跑。
波峰和波谷的算力差距还是挺大的。我给大家看一个我们内部真实在用的 Skill。
这个 Skill 的作用很简单，研究一期播客，然后自动生成一份深度分析报告。但它其实特别消耗 Token。
因为一场两小时左右的播客，转录稿经常就是三四万字。Agent 读完之后，还要提炼观点、补充背景资料、联网搜索、交叉验证，最后再生成完整内容。
白天正常的时段跑这个 Skill，同样的播客内容，要耗掉 303.88 Credits。但错峰的话，只需要 142.06 Credits。就感觉这种之前白天不舍得跑的活，直接把它放到夜里干就好了。
最后总结一下我们这段时间让 AI 上夜班的一些经验。
第一，优先挑那些耗时长、目标明确的任务。
不是所有任务都适合放到晚上。需要频繁沟通、实时决策的事情，还是得人来。
真正适合夜班的是那些目标已经确定，但执行过程比较长的任务。比如代码重构、资料整理、会议分析、竞品研究、数据校验这些。
第二，白天最重要的工作变成了给 Agent 准备生产资料。
很多人觉得 Agent 干不好活，是模型的问题。
但我们实际用下来发现，更大的问题往往出在任务定义上，晚上 Agent 能不能顺利跑下去，很大程度取决于下班前准备得够不够充分。
第三，尽量把重复出现的工作 Skill 化。
这是我今年刻意养成的一个习惯。我现在看到一个工作，第一反应是这件事能不能沉淀成一个 Skill。
如果一个工作每周都会出现，流程比较固定，那大概率值得 Skill 化。Skill 化之后，再进一步看看能不能变成定时任务。
以上，希望对大家有帮助。