学好AI工具使用,你该怎么做?-夜雨聆风

学好AI工具使用,你该怎么做?

学好AI工具使用，你该怎么做？

你要学的不是 AI 学科，而是 AI 工具体系。这个学习目标应该是：

把 AI 工具变成你的个人工作流、算法团队工作流、研发提效工具，而不是去系统学习模型原理。

我建议你按下面这条路线学。

一、先把 AI 工具分成 7 类

你不要一个个工具乱试，要按“工作场景”分类学。

类别	代表工具	你该怎么用
通用问答/分析	ChatGPT、Claude、Gemini	写方案、分析问题、总结资料、生成测试用例
搜索调研	ChatGPT Search、Perplexity、Gemini	查竞品、查论文、查开源项目、查工具方案
文档/PPT	ChatGPT Canvas、Gamma、Canva、Napkin	生成汇报材料、长图、流程图、评审文档
代码开发	Cursor、Claude Code、Codex CLI、GitHub Copilot	写脚本、改代码、读代码、生成单测、排查 bug
数据分析	ChatGPT 数据分析、Python、Excel Copilot	分析日志、画图、统计测试结果
图像/视频	Midjourney、DALL·E、Runway、可灵、即梦	画概念图、长图、产品示意图、方案可视化
自动化/Agent	GPTs、Zapier、Dify、Coze、n8n	做知识库、自动报告、流程机器人

ChatGPT 里的 Projects 可以把文件、对话和自定义指令集中管理，并支持 Canvas、数据分析、图像生成和搜索等能力；GPTs 也可以配置 Web search、图像生成、Canvas、数据分析等能力，适合做固定工作流。([OpenAI Help Center][1])

二、你最应该先学这 5 个能力

1. 学会“提问”：Prompt 能力

这是所有 AI 工具的底层能力。

你要掌握 5 种常用提示词结构：

1. 角色：你是谁2. 背景：现在遇到什么问题3. 目标：我要得到什么结果4. 约束：格式、风格、范围、不能做什么5. 输出：表格、代码、PPT大纲、流程图、测试用例

比如你不要问：

帮我写一个测试计划

而要问：

你是扫地机器人SLAM测试负责人。背景：我们现在要验证低矮床底场景下2D激光SLAM定位是否稳定。目标：输出一份可执行测试计划。要求：1. 覆盖低矮床底、长走廊、反光地面、打滑、动态干扰；2. 每个case包含测试目的、环境构造、传感器数据、通过标准、失败判定；3. 输出表格；4. 适合测试工程师直接执行。

你会发现，Prompt 不是会不会说话，而是会不会定义任务。

2. 学会“让 AI 读材料”

这是你最常用的能力。

你以后可以把下面这些东西丢给 AI：

论文会议纪要测试报告候选人简历代码文件日志片段产品需求竞品资料供应商文档

然后让它做：

总结翻译提炼风险生成问题清单形成汇报材料输出行动计划转成表格转成PPT大纲

这部分你要重点练习的是：

从一堆材料中提取：1. 结论2. 问题3. 原因4. 风险5. 行动项6. 负责人7. 截止时间

这对你管理算法团队非常有价值。

3. 学会“AI + 代码工具”

这是最值得投入的方向之一。

建议你重点学这几个：

工具	适合场景
Cursor	日常写代码、读工程、改多文件
Claude Code	复杂工程理解、多文件修改、自动跑测试
Codex CLI	终端里让 AI 读代码、改代码、运行命令
GitHub Copilot	IDE 内补全、简单函数生成

Cursor 的定位是 AI 编程编辑器；Claude Code 官方介绍是可以理解整个代码库，帮助构建功能、修复 bug、自动化开发任务；OpenAI Codex CLI 是本地终端里的 coding agent，可以读取、修改并运行当前目录下的代码。([Cursor][2])

你不需要一开始就追求“AI 自动开发完整项目”。你应该从这 6 个场景开始：

1. 解释一段陌生代码2. 给函数加中文注释3. 生成单元测试4. 根据报错定位原因5. 重构重复代码6. 写数据分析/可视化脚本

对你最实用的用法是：

把SLAM日志分析脚本、地图可视化工具、测试报告生成工具交给AI辅助开发。

4. 学会“AI + 文档/PPT/长图”

你最近经常要：

技术路线图方案评审PPT算法解释长图测试计划表组织架构分析候选人面试评价会议纪要翻译

这些非常适合 AI 工具。

你可以形成一个固定流程：

原始材料↓AI 提炼结构↓AI 生成大纲↓AI 生成图表/流程图↓AI 生成PPT↓人工修正关键结论

尤其是技术汇报类材料，建议你固定使用这个结构：

1. 背景2. 问题3. 原因分析4. 方案对比5. 推荐方案6. 风险7. 计划8. 需要决策的事项

这比单纯让 AI “帮我写个 PPT”靠谱得多。

5. 学会“AI + 团队知识库”

这是主管级别最有价值的方向。

你可以把团队知识沉淀成：

SLAM问题库导航问题库传感器问题库测试case库竞品分析库供应商资料库代码规范库日志分析经验库

然后做成一个内部 AI 助手。

它可以回答：

1. 低矮床底定位异常以前怎么处理的？2. 这类错图问题历史上出现过几次？3. 某个版本的SLAM参数为什么这么改？4. 某个测试case的通过标准是什么？5. 新人如何理解当前SLAM架构？

这个方向比单纯“会用 ChatGPT”更重要，因为它会变成团队资产。

三、建议你按 4 周学习

第 1 周：掌握 ChatGPT / Claude 基础工作流

目标：把 AI 变成你的个人助理。

练习任务：

1. 让AI总结一篇论文2. 让AI翻译一份英文邮件3. 让AI生成一个测试计划4. 让AI把会议纪要转成行动项5. 让AI把一段技术方案转成PPT大纲

你要重点练习的是：如何给上下文、如何约束输出格式、如何让它反复改。

第 2 周：掌握 AI 文档和汇报能力

目标：让 AI 帮你做“管理输出”。

练习任务：

1. 生成一份算法问题复盘报告2. 生成一份SLAM技术路线图3. 生成一份竞品分析表4. 生成一份候选人面试评价5. 生成一份跨部门项目计划

你要形成自己的模板库：

技术方案模板问题复盘模板测试计划模板会议纪要模板人员评价模板项目推进模板

第 3 周：掌握 AI 编程工具

目标：让 AI 帮你写脚本、读代码、改工具。

建议任务：

1. 用 Cursor 读一个 C++ 模块2. 用 AI 生成 Python 日志分析脚本3. 用 AI 给 C++ 代码补充中文注释4. 用 AI 根据报错定位编译问题5. 用 AI 生成一个地图可视化小工具

但要注意：AI 改代码必须有边界。

建议你固定使用这个流程：

先让AI解释代码↓再让AI提出修改方案↓让AI只改局部函数↓人工review diff↓运行测试↓再让AI根据错误继续修

不要一上来让 AI 大面积改整个工程。

第 4 周：搭建自己的 AI 工具体系

目标：形成稳定工作流，而不是零散使用。

你应该建立这 4 个东西：

1. Prompt模板库2. 常用AI工具清单3. 团队文档生成模板4. AI使用规范

尤其建议你在团队里建立一份：

算法团队AI工具使用规范

里面包括：

规范项	内容
哪些任务可以用 AI	文档、测试计划、代码解释、脚本生成、日志分析
哪些任务不能直接交给 AI	未脱敏源码、客户隐私、核心商业数据
代码使用规则	必须人工 review，必须跑测试
文档使用规则	结论必须人工确认
数据使用规则	敏感日志必须脱敏
交付规则	AI 生成内容不能直接作为最终结论

四、给你的工具优先级建议

你可以按这个顺序学：

第一优先级：ChatGPT

用途最广：

写方案写计划翻译总结做PPT大纲分析图片分析表格生成代码查资料做长图

建议你先把 ChatGPT 用熟，不要一开始分散精力。

第二优先级：Cursor / Codex / Claude Code

适合算法团队：

读C++工程生成Python脚本生成测试工具分析编译错误重构小模块补充注释生成单元测试

Codex CLI 适合在终端中配合本地代码目录使用；官方说明它可以读取、修改和运行选定目录中的代码。([OpenAI 開発者][3])

第三优先级：Gamma / Canva / Napkin

适合做：

管理汇报技术路线图方案说明图组织架构图产品概念图

如果你经常要讲复杂技术，Napkin 这类“文字转图”的工具会很有用。

第四优先级：Dify / Coze / n8n

适合做团队工具：

知识库问答自动报告生成测试case助手日志分析助手新人培训助手

这类工具不是个人玩具，而是团队效率平台。

五、最适合你当前的 10 个练习项目

你可以直接从这些开始：

编号	项目	价值
1	SLAM 论文自动总结模板	快速学习新技术
2	英文会议纪要翻译 + 行动项提取	跨国协作提效
3	算法问题复盘报告生成器	提升管理复盘效率
4	测试计划自动生成器	提升验证覆盖度
5	候选人面试评价生成器	提升招聘一致性
6	C++代码解释助手	新人上手更快
7	日志分析 Python 脚本生成助手	提升问题定位效率
8	竞品功能分析助手	支持产品决策
9	技术路线图生成助手	支持团队规划
10	团队知识库问答助手	沉淀组织经验

六、你应该重点掌握的 Prompt 模板

1. 分析问题模板

你是一个资深机器人算法专家。背景：【这里放问题背景】现象：【这里放具体现象】已知信息：【这里放日志、图片、测试结果】请按下面结构输出：1. 问题理解2. 可能原因排序3. 每个原因的验证方法4. 推荐优先验证路径5. 短期规避方案6. 中长期优化方案

2. 生成计划模板

你是一个算法项目负责人。目标：【这里放目标】约束：【时间、人力、资源、风险】请输出一份可执行计划，要求包含：1. 阶段2. 目标3. 关键任务4. 负责人角色5. 输入6. 输出7. 验收标准8. 风险和对策用表格输出。

3. 代码分析模板

你是一个资深C++机器人算法工程师。下面是一段代码：【粘贴代码】请输出：1. 这段代码的功能2. 核心数据结构3. 关键流程4. 潜在bug5. 性能风险6. 可读性优化建议7. 是否适合重构

4. PPT大纲模板

你是一个技术汇报专家。主题：【主题】听众：【老板 / 产品 / 测试 / 算法团队 / 跨部门】目标：【希望听众做什么决策】请生成一份PPT大纲，要求：1. 每页一个明确观点2. 每页包含标题、核心内容、建议配图3. 逻辑从背景、问题、方案、计划、风险展开4. 风格专业、直接、适合技术管理汇报

七、你要避免的误区

误区 1：收藏一堆工具，但没有工作流

工具不重要，工作流重要。

你最终要形成的是：

固定场景固定模板固定输入固定输出固定复查标准

误区 2：把 AI 当搜索引擎

AI 不是只用来问答案的，它更适合做：

整理归纳推理改写生成对比检查模拟评审

误区 3：直接相信 AI 的结论

AI 特别适合生成初稿，但不适合直接给最终结论。

尤其是：

技术结论人员评价项目风险供应商判断代码修改测试结果解释

这些必须人工确认。

误区 4：不会拆任务

不要问：

帮我分析这个项目

要拆成：

1. 先总结背景2. 再提炼问题3. 再列原因假设4. 再给验证方案5. 再输出计划表6. 最后生成汇报PPT

AI 工具用得好不好，本质上取决于你会不会拆任务。

八、最推荐你的学习路径

我建议你按这个顺序：

1. ChatGPT基础使用2. Prompt模板化3. 文档/PPT/表格生成4. 图片/长图/流程图生成5. Cursor/Codex/Claude Code辅助编程6. 数据分析与日志分析7. 团队知识库和Agent8. 制定团队AI使用规范

最终目标不是“会用很多 AI 工具”，而是形成一套：

AI + 算法管理 + 技术评审 + 研发提效 + 知识沉淀 的个人和团队工作系统。

[1]: https://help.openai.com/en/articles/6825453-chatgpt-release-notes?utm_source=chatgpt.com “ChatGPT — Release Notes” [2]: https://cursor.com/?utm_source=chatgpt.com “Cursor: The best way to code with AI” [3]: https://developers.openai.com/codex/cli?utm_source=chatgpt.com “Codex CLI”

– END –