夜雨聆风
你收藏了 100 个 AI 工具,为什么还是不会用?
前段时间去北京，参加了卡兹克老师的 AI 大会。
当时我发了个朋友圈，评论区有个小同学问我：能不能分享一下大会所得？
刚好那几天，我一个徒弟也跑到北京来找我玩。吃饭聊天的时候，她问了一个特别普遍的问题。
AI 到底是什么？普通大学生到底该怎么用？
现在 AI 发展这么快，要是我没跟上，以后毕业是不是直接就被时代甩下去了？
我听完其实挺能理解。
因为这几年，AI 这个东西真的很容易把人整焦虑。
今天这个模型出来，大家说某些岗位要没了。明天那个工具爆火，又有人说前面那些都过时了。再过两天，又有新东西出来，评论区又开始喊：普通人再不学就晚了。
好家伙。
咱们普通大学生本来就已经被简历、实习、毕业、找工作压得够呛了，现在又多了一个 AI。
于是很多人第一反应是什么？
收藏工具。
今天收藏一个提示词网站，明天收藏一个 AI 导航，后天收藏一个模型测评，再过几天又把某个“必备 AI 工具合集”转发到文件传输助手。
收藏完以后，心里舒服一点。
好像自己已经开始学习 AI 了。
但问题是，过几天你再打开那个收藏夹，里面一堆链接，你自己都不知道哪个是干什么的。
更尴尬的是，AI 工具更新太快了。
以前有些工具刚出来的时候，大家觉得特别惊艳。比如一些对话工具、模型平台、本地编辑器、API 套壳软件，当时看起来都很新鲜。
但过了一段时间，新的模型、新的插件、新的编辑器又出来了。你再回头看，很多东西已经很久没打开过了。
所以我后来越来越觉得，普通大学生学 AI，第一步真不是收藏工具。
工具当然要用。
但如果你只追工具，你会一直被新东西追着跑。今天学这个，明天换那个，后天又觉得自己落后了。
你越学越慌，越收藏越空。
那 AI 到底怎么入门？
我不想从什么大模型、参数、LLM、智能体这些词开始讲。不是这些不重要，而是咱们普通大学生现在最缺的，不是先把概念背得多漂亮。
你可以先把 AI 理解成一个超级知识库。
它像一个装了很多旧经验、旧文本、旧知识的长辈。你问它问题，它就从那些材料里给你拼一个回答。
但这里面有个很烦的点。
同样是问 AI，有的人能问出很有用的答案，有的人问半天，只得到一堆正确但没啥用的话。
差距不一定在工具。
很多时候，差距在两个东西：品味，和业务。
先说品味。
这里的品味，不是说你穿搭多高级，也不是说你一定要懂艺术。
我说的品味，是你过去看过的东西、经历过的事、接触过的人、踩过的坑、认真想过的问题，慢慢混在一起之后，形成的一种判断。
你见过多少真实场景，你就更容易知道自己想问什么。
比如同样看到天上飞过一群鸟，有人只会说：哇，好多鸟。
但有人能说出“落霞与孤鹜齐飞，秋水共长天一色”。
这不是装不装的问题。
而是他脑子里真的有更多东西可以调出来。
用 AI 也是一样。
你只是问：“帮我做一个锻炼计划。”
那 AI 大概率就给你一个很标准的方案：周一跑步，周二力量，周三休息，饮食清淡，保持睡眠。
不能说错。
但你看完也不会真的去做。
如果你问的是：我大三，晚上 11 点以后才有时间，膝盖以前受过伤，宿舍空间很小，不想办健身卡，目标是三个月瘦 8 斤，以前每次坚持不到一周，你帮我设计一个不会太痛苦的方案，还要告诉我第一周怎么开始。
这个答案就会完全不一样。
你会发现，不是 AI 突然变聪明了。
是你给它的问题变具体了。
而问题能不能具体，背后靠的就是你的经历、观察和判断。
所以咱们普通人别一上来就迷信所谓“神级提示词”。
提示词有用，但它救不了一个完全不知道自己要什么的人。
你要先让自己多看一点真实东西。
看岗位 JD。看公司在招什么人。看别人做出来的作品。看一个账号怎么从选题到标题到发布。看一个小店怎么获客。看一个社群怎么运营。看一个项目怎么从混乱变成流程。
看多了，你问 AI 的时候才不会只会问：这个怎么做？
你会开始问：如果我要把这个事情做到能交付，第一步应该拆成什么？哪些地方可以标准化？哪些地方不能交给 AI？我现在只有两小时，先做哪一块最值？
这时候 AI 才开始像工具。
不然它只是一个看起来很厉害的聊天对象。
再说第二个东西：业务。
这两个字听起来有点像公司老板开会。咱们先别被吓住。
业务没那么玄。
简单理解，就是你帮别人解决一个麻烦，并且这个过程能产生反馈。
比如 A 地没水，B 地有水。你把水从 B 地运到 A 地，A 地愿意给你报酬。那从找水、装水、运输、交付、收钱，这一整套就是业务。
放到咱们身边也一样。
帮一个同学把简历改到能投出去，是一个小业务。
帮一个小商家分析小红书账号为什么没人看，是一个小业务。
帮社团把活动报名表、通知、名单整理自动化，是一个小业务。
帮自己拆 20 条招聘信息，找到岗位反复要的能力，也算一个小业务。
很多普通大学生学 AI 卡住，不是因为不聪明。
是因为一直待在学校里，没真正碰过业务场景。
没见过老板每天为什么着急，没见过客户为什么翻脸，没见过一个岗位到底在解决什么麻烦，也没见过市场愿意为什么东西付钱。
所以一打开 AI，就不知道该让它干什么。
就像别人给了你一把很锋利的铲子，你拿在手里很兴奋。
但你不知道哪里有土，哪里有坑，哪里埋着东西。
那铲子再锋利，也只能在手里挥两下。
我自己是怎么感觉到这一点的？
之前我断更过一段时间，主要是去了一个流量型公司。
有段时间有个围绕内容分发和 AI 搜索呈现的业务。具体玩法以后可以单独写，这里先不展开。
当时我很清楚一件事：这套流程里，有很多重复动作。
内容要整理，要发布，要分发到不同平台，还要尽量减少人工操作。
因为我知道这个业务怎么跑，也知道每一步大概需要什么结果，所以我才能让 AI 帮我写代码、改流程、搭一个自动发布文章的软件，把一部分重复劳动交给机器。
这里重点不是“我会写代码”。
重点是：我先知道这个事情手工怎么跑，才知道哪里可以交给 AI。
你自己连流程都没走过，直接喊 AI 自动化，很多时候只会得到一个看起来很厉害、实际上跑不起来的东西。
所以咱们普通大学生要入门 AI，我建议别从工具列表开始。
先找一个真实场景。
不用大。
你想找新媒体运营，就去拆 20 个新媒体运营岗位，看看反复出现的要求。
你想做内容，就选一个账号，拆它最近 30 篇内容，看标题、选题、评论区和数据变化。
你想做数据，就拿一个公开表格，先让 AI 帮你清洗、归类、画出几个简单结论。
你想做 AI 应用，就先找一个自己每天重复三遍的小麻烦，试着把它拆成步骤。
第一步，先手工跑一遍。
别急着自动化。
你先自己做一次。卡在哪里，慢在哪里，哪里容易出错，哪里每次都要重复。
第二步，把流程写下来。
不用写得多正式。就写：第一步干什么，第二步干什么，输入是什么，输出是什么，什么样算完成。
第三步，再让 AI 介入。
让它帮你优化流程、补模板、写脚本、做表格、改文案、分析数据，或者帮你把整个过程变成一个可以重复使用的小工具。
第四步，留下证据。
截图、表格、文档、复盘、作品链接。
以后面试的时候，你别只说“我会用 AI”。
你可以说：我用 AI 拆过 20 条岗位 JD，提取出 6 个高频能力；我用 AI 做过一个账号诊断；我用 AI 把一个重复表格流程缩短了一半；我用 AI 辅助做过一个能展示的小作品。
这就不一样了。
“我会用 AI”这句话太空了。
“我用 AI 做过什么”才是别人能看见的东西。
今天晚上你就可以做一个小动作。
打开招聘软件，搜一个你以后可能想投的岗位。
复制 20 条 JD。
丢给 AI，让它帮你提取里面反复出现的能力、工具、项目经验和隐含要求。
然后你再问它：如果我是一个普通大学生，没有实习，没有资源，想在 30 天内做出一个能放进作品集的小东西，应该从哪个要求开始？
这一步不花钱，不用报课，也不用先收藏 100 个工具。
你只需要真的动一下手。
咱们很多时候不是输在没工具。
是输在一直站在门外看，觉得里面的人都很厉害，自己不敢进去碰一下。
但 AI 这个东西，用起来以后你会发现，它没那么神秘。
它不会替你拥有经历，也不会替你判断一个事情值不值得做。
它能做的，是在你有问题、有场景、有流程之后，帮你把一些事做得更快一点。
工具会变。
今天火的，明天可能就没人提了。
但你看问题的品味，你拆业务的能力，你把一个小麻烦做成一个小作品的经历，会留下来。
所以普通大学生学 AI，先别急着收藏工具。
先找一个真实场景。
先手工跑一遍。
先做出一个能拿出来讲的小东西。
不用一上来就证明自己很懂 AI。
先证明一件事：你真的用 AI 干过活。
散会。
点个小关注，升级不迷路
往期精彩(点击跳转)：