今年我最有感的改變，不是某個模型又變聰明了，而是語言模型開始真正住進我的工作電腦裡。
以前的 LLM 對我來說，大多活在幾個固定地方：終端機、Cursor、VS Code，或瀏覽器裡的 ChatGPT。就算它們各自推出桌面應用，我一年真正打開的次數也少得可憐。那時候的使用方式，還是很像把工作「拿出去」給它處理。
我要寫 code，就在 IDE 裡叫它幫忙；要整理會議紀錄，就把影片丟進 Gemini 的聊天框；想問一個念頭，就開瀏覽器丟給 ChatGPT。它們確實有用，但總隔著一層。我的工作現場在電腦裡，它們比較像外部資源。
但今年不太一樣。
Codex 落地之後，我第一次明顯感覺到，ChatGPT 不只是聊天框裡的東西，而是開始活在我的電腦裡。它可以讀檔案、跑終端機、看設定、檢查錯誤，也可以幫我處理一些以前懶得整理、或根本不知道怎麼下手的雜事。
例如 NAS 的資料管理。以前我知道該整理，但只要想到資料夾、命名、分類、重複檔案，就會先放著。後來透過一個資料管理的 skill，Codex 開始幫我把這些事整理成一套比較能維持的架構。
當然，它不是一次就到位。它給的分類邏輯我退過幾次，有些它覺得合理的歸法，跟我實際找檔案的習慣對不上，得來回幾輪才磨出能用的版本。
又例如書籤。瀏覽器書籤其實很像人生的雜物間：當下覺得很重要，過幾個月回頭看，常常只剩一堆不知道為什麼收藏的連結。
這次我讓 ChatGPT 幫我重新梳理脈絡：哪些是工具、哪些是文章、哪些只是當時一時興起，慢慢把它從「收藏清單」變回「可以再使用的入口」。它偶爾會分錯，把一篇深度文章丟進工具堆，或反過來。但比起我自己永遠不會動手，有個會犯錯的助手，反而讓事情真的開始流動。
到這裡，差異就出來了。
它不像傳統應用程式那樣，要我停下手邊的事，切過去打開一個介面，再把資料搬來搬去。更多時候，它像電腦裡多了一個房客。它不太吵，除了吃一點電，就是在旁邊幫我打工：掃地、整理櫃子、檢查水管，把我一直懶得處理的東西一件一件攤開。
以前我用 AI，是把問題搬去問它。現在更常是讓它進來，看現場到底發生什麼事。
檔案在哪裡？設定有沒有吃到？錯誤訊息是不是誤導？該用哪個工具驗證？哪一份文件才是最後版本？這些過去很零碎、很耗心力的小判斷，開始可以被它串成一段可以追蹤的過程。
我也因此開始評估「高資費的訂閱」。
以前我會覺得，訂更高階的模型，好像只是買更好的回答。現在比較像是在買一個能進工作現場的能力：它不只回答得漂亮，還要能讀到正確的檔案、留下可檢查的修改、把結果放回我之後找得到的地方。
這不是「AI 取代誰」的故事，也不是 Claude、ChatGPT、Codex 誰比較厲害的排名。對我來說，比較像工具箱裡多了一個真的能進現場的夥伴。
它還是會犯錯，需要我定義邊界、踩煞車、檢查它留下的東西。但這幾個月，我確實感覺到一個轉折：語言模型，不再是我打開瀏覽器才會遇到的東西，它變成了我電腦日常的一部分。
只是，當它越幫越多，我也很快我可能需要改變我的工作方法。