因为懒得看书，我把 AI 变成了育儿博主

家里那本《崔玉涛育儿百科》，700 多页，厚得像块砖。

不是不想看——是真的没时间。但眼看宝宝马上满周岁了，第 14 章「12-14 个月幼儿」的内容马上就要用上了。什么疫苗要打、吃什么辅食、怎么引导走路……这些知识点散落在几十页密密麻麻的文字里，每次翻书都要重新定位。

我想：能不能把这些精华提取出来，做成那种「一图读懂」的海报？这样需要的时候直接翻手机相册就行。

问题是——我不会设计。不过，我有 Claude。

我决定试试能不能让 AI 帮我做这件事。

目标很简单：把《育儿百科》第 14 章的内容，变成 8 张可以发朋友圈的精美海报。听起来像是需要设计师 + 排版师 + 内容编辑的活儿，但也许 AI 能搞定？

第一步：让 AI「读」书

这一章有几十页。如果让我把文字一个个敲出来喂给 AI，那我不如直接自己看了。

有没有更省事的办法？

好在 Claude 已经支持 PDF 处理了。我直接把整本书的 PDF 文件扔过去，让它自己提取第 14 章的内容。

Claude 调用了它的 document-skills:pdf 技能，把 PDF 转成图片，然后用多模态能力一页一页”看”——这比传统 OCR 准确多了，因为它不只是识别文字，还能理解排版结构、表格关系、甚至是文字的语义上下文。

不过，AI 并不是一帆风顺。处理了几页后，它突然卡住不动了。我等了一会儿，发现它可能在某个地方死循环或者资源耗尽了。我问了一句：

stuck?

它才恢复过来继续处理。后来我学乖了，改用分批处理：

do it in small batches not all in one go

这种感觉很有意思——不是在用一个完美无缺的工具，而是在和一个需要偶尔提醒、偶尔调整策略的协作者工作。你会发现它的能力边界在哪里，然后调整自己的工作方式去配合它。

第二步：用代码「设计」海报

内容有了，接下来是设计。

我跟 Claude 说：「我想要一套育儿风格的海报。背景要温馨，字体要可爱，重点要突出。」

Claude 没有直接给我画图（它目前还不支持直接生成图片），但它做了一件更符合程序员思维的事——它写了一个 HTML 页面，用 CSS 排版生成了一个网页版的海报。

这个思路很有意思：如果你把设计看成是一系列视觉参数的组合（颜色、字体、间距、布局），那用代码描述这些参数就是最精确的设计语言。Figma 或 Sketch 这些设计工具本质上也是在用某种抽象语法树描述设计，只不过它们提供了可视化界面。

第一版生成的海报有点简陋——纯白背景 + 黑色文字。

我说：「太素了，加点颜色，标题换个可爱的字体。」

Claude 改了几行 CSS，海报立刻变了样。粉色渐变背景，标题用了 Google Fonts 的手写风格字体。

我说：「这个排版太挤了，改成左右分栏，加点图标装饰。」

它又迭代了一版——左边是重点摘要，右边是详细说明，emoji 图标点缀在关键信息旁边。

这个循环工作流很顺畅：我负责提需求和审美判断，它负责把我的模糊描述转化成精确的代码实现。我不需要学 CSS，也不需要打开 Photoshop，只需要用自然语言说「我想要什么效果」，它就能翻译成代码。

不过再想一下，这种协作方式似乎暴露了一个有趣的分工模式：人类擅长的是「模糊的审美判断」和「高层次的意图表达」，AI 擅长的是「精确的参数调整」和「快速的迭代执行」。两者结合，效率比单独工作高得多。

第三步：从 HTML 到 PNG

整个过程大概花了半个下午。

坦白说，AI 不是完美的。有时候它会卡住不动，我问一句「stuck?」，它才继续。有时候生成的 CSS 样式在移动端显示不正常，我得提醒它检查 viewport 设置。有时候它会忘记我之前说过的某个设计要求，我得重申一遍。

这种体验很像是在带一个刚毕业的实习生工作：它很聪明，学东西飞快，执行力也强，但需要你时不时地提醒、纠偏、补充上下文。你不能扔一个任务就不管了，而是需要保持对话，持续 review 它的输出，给出反馈。

最后一步是把 HTML 转成 PNG 图片。我写了个 Python 脚本，用 Playwright 渲染 HTML 然后截图。这里有个小技巧：海报的高度是动态的（内容多少不一样），我用了 bounding_box() 方法获取实际渲染高度，而不是写死一个固定值，这样避免了长海报被截断的问题。

# src/html_to_png.py
poster_element = page.locator('.poster-container')
box = poster_element.bounding_box()
page.set_viewport_size({"width": 2160, "height": int(box['height'])})

这个细节花了我不少时间调试——一开始我用固定高度 3840px，结果有些海报内容超出被截断了，后来才改成动态检测。AI 能生成基础代码框架，但这种边界情况的 debug 还是得人来做。

成果展示

最后，我们（我和这位 AI 实习生）搞定了 8 张海报。

涵盖了 12-14 个月宝宝的发育指标、体检指南、喂养常识、早教建议等等。

来看看成品：

宝宝发育里程碑：

喂养常识：

体检指南：

我说：「是我和一个 AI 一起做的。」

三点感悟

做完这 8 张海报后，我有了一些关于 AI 协作的思考。

1. AI 是能力放大器，但也是认知放大器

我有想法（做海报），但缺技能（设计 + 排版 + 代码实现）。以前，这个想法只能烂在肚子里，或者花几千块外包给设计师。

现在，AI 似乎填补了「想法」和「成品」之间的技能鸿沟。但它不只是放大了我的执行能力，也放大了我的认知能力——在和 Claude 对话的过程中，我对「什么是好的设计」有了更清晰的理解。

当你不得不用语言精确地描述你想要的效果时（「粉色渐变，不要太浓」「字体要可爱但不能太卡通」「留白要多但不能显得空」），你会发现自己对审美的理解变得更具体了。这种「被迫清晰化需求」的过程，本身就是一种学习。

2. 不过再想一下…人机协作的本质是什么？

它更像是一种认知外包。

在这个下午，我做的事情主要是：

• 需求定义：我想要什么效果？
• 审美判断：这个版本好不好？
• 方向纠偏：这里改一下会不会更好？
• 边界处理：这个 edge case 怎么处理？

而 AI 做的是：

• 技术实现：把需求转化成代码
• 快速迭代：改 CSS、调布局、换字体
• 细节填充：emoji 图标、颜色配色、间距调整

两者的分工很清晰，但这也意味着：如果我没有能力做好「需求定义」和「审美判断」，AI 再强也帮不了我。它不会替我决定「我想做什么」，只会帮我实现「我已经想好的东西」。

那些说「AI 会取代设计师」的观点，可能忽略了一个关键点：设计师的核心价值不是「会用 Photoshop」，而是「知道什么样的设计能解决什么问题」。前者是技能，后者是认知。AI 可以替代技能，但暂时还替代不了认知。

不过，话说回来——会不会有一天，AI 也能替代认知？它会不会比我更懂「什么样的海报适合这个受众」？这是个开放性问题。

3. 未来的工作方式会变成什么样？

既然 AI 能帮我读育儿书做海报，那它能不能帮我读财报做分析？能不能帮我读论文写综述？能不能帮我读代码写文档？

答案似乎都是肯定的。

那这意味着什么？

也许未来的工作会越来越变成一种「认知管理」的游戏：你需要管理的不是你的双手（做事的速度），而是你的大脑（判断的质量）。你的竞争力不再是「我能做什么」，而是「我知道该做什么」。

从这个角度看，AI 时代最稀缺的能力可能是：

• 提出好问题的能力（而不是找到答案）
• 做出审美判断的能力（而不是执行设计）
• 定义清晰需求的能力（而不是实现需求）

这些都是很难被自动化的「元认知」能力。

---

这就引出了一个有趣的问题：如果你拥有了一个随叫随到、能力全面的 AI 助手，你最想让它帮你做什么？

或者换个角度问：你现在有什么想法，一直想做但觉得自己「技能点」不够？

也许，是时候试试看了。