为什么你的 AI 工具总用不好?

工具没有高低之分，但使用工具的人，有。

第一章：两个程序员的对话

上周三下午，我在一个技术沙龙的茶歇区，偶然听到了两段对话。

第一段对话发生在两个程序员之间。

A 说：”我最近在用 AI 写代码，感觉也就那样。让它写个函数，它写的还不如我自己写的快。让它 debug，它给的建议都是些基础的东西。”

B 问：”那你现在还用吗？”

A 说：”偶尔用用吧，查查语法什么的。要说提升效率，真没感觉。”

第二段对话，发生在另外两个人之间。

C 说：”我上个月用 AI 重构了一个老项目，原本估计要两周，结果五天就搞定了。”

D 很惊讶：”五天？怎么做到的？”

C 说：”我先让 AI 把整个代码库的结构梳理了一遍，生成了详细的文档。然后我让它识别出耦合度最高的模块，我重点改那些。改的时候，我让它先写单元测试，我再写实现代码——这样它写的代码，我一眼就能看出问题在哪。”

D 说：”这听起来……好像不是’用 AI 写代码’，是’用 AI 设计开发流程’？”

C 笑了：”对，就是这个意思。”

这两段对话，让我想到了一个问题：同样是用 AI，为什么差距这么大？

在过去半年里，我和 30 多位不同职业的朋友聊天，他们都用 AI 工作。有人用它把工作效率提升了三倍，有人却觉得”也就那样，没什么用”。

我逐渐发现，那些觉得 AI”不好用”的人，往往陷入了三个误区。

而这三个误区，可能正在悄悄消耗你的时间。

第二章：三个误区的对比故事

误区一：把 AI 当搜索引擎用

先说刘芳，一位在咨询公司工作的分析师。

刚开始用 AI 时，她的用法是这样的：

“2025 年中国新能源汽车市场规模是多少？”
“帮我找一下特斯拉最新的财报数据。”
“竞争对手分析框架有哪些？”

用了一个月后，她的评价是：”AI 给的信息不太准确，有时候还会胡编。我还是自己去查报告更靠谱。”

但同样做行业分析的王浩，用法完全不同。

他不会直接问数据，而是这样问：

“我要分析中国新能源汽车市场，需要从哪几个维度入手？请给我一个分析框架，并说明每个维度应该找什么类型的数据。”

“这份财报里，哪些指标最能反映一家车企的长期竞争力？为什么？”

“如果我要验证’价格战不可持续’这个假设，应该找哪些证据？”

刘芳后来看到王浩的分析报告，很惊讶：”你怎么找到这么多角度的？我查资料的时候完全没想到这些。”

王浩说：”我没’找’资料，我是让 AI 帮我’设计’找资料的思路。它给我的框架，比我自己的想法全面多了。然后我再按图索骥，去验证每个点。”

区别在哪？

刘芳把 AI 当搜索引擎——期待它直接给答案。
王浩把 AI 当思考伙伴——让它帮自己梳理思路，然后自己去验证。

搜索引擎给答案，AI 给思路。用错了期待，自然觉得”不好用”。

误区二：让 AI 做它不擅长的事

再说陈刚，一位自媒体博主。

他主要写科技评论文章。刚开始用 AI 时，他这样用：

“帮我写一篇关于 AI 发展趋势的文章，3000 字，要有深度。”

然后他拿到 AI 生成的文章，读了一遍，觉得”太水了，都是些正确的废话”。

试了几次后，他得出结论：”AI 写不了深度内容，还是得自己写。”

但同样做科技内容的林悦，用法不一样。

她不会让 AI 直接写整篇文章，而是这样用：

“我这篇文章的核心观点是’AI 正在从工具变成同事’。请帮我列出 5 个可能反驳这个观点的理由，越尖锐越好。”

“我准备用三个故事来支撑观点：一个程序员、一个设计师、一个运营。请帮我分析，这三个故事分别能证明观点的哪个侧面？有没有更好的故事选择？”

“这篇文章的读者主要是 25-35 岁的互联网从业者。请用他们的语言风格，帮我改写这段开头。”

林悦的文章，每篇都是自己写的。但她说：”AI 帮我想清楚了很多我没想到的角度。它像一个永远有空的辩论对手，我随时可以找它’吵一架’，吵完之后，我的观点更清晰了。”

区别在哪？

陈刚让 AI 做它不擅长的事——替代人类的深度思考和创意表达。
林悦让 AI 做它擅长的事——提供视角、挑战假设、优化表达。

AI 不是作家，它是编辑。让编辑写书，当然写不好。

误区三：期待一次对话解决所有问题

最后说赵敏，一位产品经理。

她的典型用法是：

“我要做一个 AI 功能，帮用户自动生成周报。请给我完整的产品方案，包括用户画像、功能设计、技术实现、风险评估。”

然后她拿到一份 5000 字的方案，读了一半，觉得”太泛了，很多细节都没考虑到”。

试了几次后，她说：”AI 给的方案太模板化了，不实用。”

但同样做产品的周涛，用法完全不同。

他把一次大对话，拆成了十几次小对话：

第一次：”我的用户是中小企业的管理者，他们为什么需要周报功能？请列出 10 个可能的痛点，按重要性排序。”

第二次：”针对排第一的痛点’写周报太花时间’，有哪些解决方案？请分别评估可行性。”

第三次：”如果选择’AI 自动生成’这个方案，用户最可能担心什么？请站在用户角度，列出 5 个顾虑。”

第四次：”针对这 5 个顾虑，产品设计上可以怎么化解？”

……

周涛说：”一次问完，AI 只能给一个’平均水准’的答案。分十几次问，每次深入一个点，最后拼起来的方案，比一次问完要扎实得多。”

区别在哪？

赵敏期待一次对话解决所有问题——AI 只能给泛泛而谈的答案。
周涛把大问题拆成小问题——每次深入一个点，最后拼出完整方案。

好问题不是一次问出来的，是十几次对话磨出来的。

第三章：用好 AI 的三个深度洞察

这三个故事，背后有三个更深层的洞察。

洞察一：AI 不是答案机器，是思维脚手架

很多人用不好 AI，是因为期待它直接给”正确答案”。

但 AI 真正的价值，不是给你答案，而是帮你搭建思考的”脚手架”。

刘芳期待 AI 直接给市场数据——这是答案。
王浩让 AI 给分析框架——这是脚手架。

陈刚期待 AI 直接写文章——这是答案。
林悦让 AI 挑战她的观点——这是脚手架。

赵敏期待 AI 直接给产品方案——这是答案。
周涛让 AI 帮他拆解问题——这是脚手架。

脚手架的特点：

• • 它不是最终建筑，但能帮你建得更好
• • 它需要你来填充内容
• • 它可以根据你的需求调整

当你把 AI 当脚手架时，你的角色从”等待答案的人”变成了”主动建造的人”。

洞察二：AI 的上限，取决于你的提问能力

同样一个 AI 工具，为什么有人用出三倍效率，有人觉得鸡肋？

因为 AI 的输出质量，高度依赖输入质量。

我整理了一个简单的对比：

王浩、林悦、周涛的共同点，是他们都用了”结构化 + 迭代式”的提问方式。

而刘芳、陈刚、赵敏，更多是”封闭式”提问。

提问能力的本质：

• • 不是”会不会问问题”
• • 而是”能不能把模糊的想法，转化成清晰的问题”

这个能力，需要练习。但一旦练出来，你用任何 AI 工具，效果都会好。

洞察三：AI 最好的用法，是嵌入工作流，而不是单独使用

很多人用 AI 的方式是：

“我现在有个问题，我去问问 AI。”

问完了，关掉 AI，继续工作。

这种用法，AI 是一个”外挂”——用的时候打开，不用就关掉。

但高效使用者的用法是：

“我的工作流是 A→B→C→D。AI 可以嵌入到 B 和 C 两个环节，帮我提升效率。”

AI 成了工作流的一部分，而不是一个独立工具。

周涛的产品设计工作流：

1. 1. 自己做的观察和总结
2. 2. 痛点分析（AI 帮列清单）
3. 3. 方案构思（AI 挑战假设）
4. 4. 原型设计（自己做的）
5. 5. 风险评估（AI 帮列风险点）
6. 6. 文档撰写（自己写，AI 润色）

AI 嵌入了 3 个环节，但整个工作流的主导者，还是周涛自己。

嵌入工作流的关键：

• • 不是”什么时候用 AI”
• • 而是”我的工作流中，哪些环节可以让 AI 帮忙”

想清楚这个问题，AI 就从”偶尔用用的工具”变成了”每天都在用的伙伴”。

第四章：回到那两个程序员

让我们回到故事开始的地方。

那个觉得 AI”也就那样”的程序员 A，后来怎么样了？

沙龙结束后，我跟他聊了一会儿。

我说：”你有没有想过，可能不是 AI 不好用，是用法有问题？”

他愣了一下，说：”你这么一说……我好像确实就是让它写代码、查语法。没想过让它帮我设计开发流程。”

我给他讲了周涛的故事。他听完后，沉默了一会儿。

“我试试。”他说，”下次重构代码，我让它先帮我分析代码结构，看看能不能找到更好的切入点。”

三个月后，我在一个技术群里又看到了他。

他在群里分享：”上个月用 AI 重构了一个老项目，原本以为要两周，结果一周就搞定了。关键是让它先分析依赖关系，它找出了几个我完全没注意到的耦合点。”

有人问：”那你之前为什么觉得 AI 不好用？”

他回了一句：”之前是我不会用。现在明白了，AI 不是来替我写代码的，是来帮我想清楚’怎么写更好’的。”

那个说”五天搞定两周工作”的程序员 C，也在群里。

他回了一个 emoji：🤝

有时候，改变一件事，不需要学新工具，不需要报新课。

只需要换一种用法。

第五章：写在最后

写这篇文章的时候，我一直在想：我们到底在讨论什么？

是 AI 工具的选择吗？是提问技巧吗？还是某种更深层的东西？

后来我意识到，或许，我们都在面对同一个问题：

当工具变得足够强大时，我们该如何重新定义自己的价值？

刘芳可以选择继续把 AI 当搜索引擎，也可以选择让它当思考伙伴。
陈刚可以选择继续让 AI 写整篇文章，也可以选择让它当辩论对手。
赵敏可以选择继续期待一次对话解决所有问题，也可以选择把大问题拆成小问题。

这些选择，没有对错。但每一次选择，都在悄悄定义你和 AI 的关系。

是主仆？是同事？还是伙伴？

那个程序员 A 在群里的最后一句话，让我印象很深：

“之前总觉得 AI 是来抢饭碗的。现在明白了，它是来帮我把饭碗端得更稳的。”

或许，这才是 AI 最好的打开方式。

不是替代，是增强。
不是竞争，是协作。
不是”它能不能取代我”，而是”我怎么能用它变得更好”。

你呢？你现在和 AI，是什么关系？

结尾互动

你觉得 AI 最难用好的地方是什么？是提问？是判断？还是别的？

欢迎在评论区聊聊你的困惑。或许，我们一起能找到答案。

作者：安叙里