夜雨聆风学习资料网

ARTICLE · 1092040

和 AI 协作三年,我总结出这四条铁律

和 AI 协作三年,我总结出这四条铁律

和 AI 协作三年,我总结出这四条铁律

作者:摘要:同样的工具,产出质量差十倍,差别不在工具本身,而在你怎么提问、怎么给材料、怎么验收。

你有没有过这种体验。

同一个 AI 工具,你同事用它半小时搞定一份周报,你折腾两小时,出来的东西还得自己重写一遍。

工具是同一个,结果却差这么远。很多人第一反应是"我用得不够熟练",于是去搜各种提示词模板,收藏夹里躺了几百条,实际用起来还是不顺。

问题不在熟练度,在于方法。

这三年的实际使用下来,我发现真正拉开差距的,是四件很朴素的事。它们不需要你背任何模板,但能立刻改变产出质量。

说清楚要求 → 提供材料 → 指出问题 → 验收把关

一、把要求说清楚,具体到能被验收

这是最常见的问题:要求太模糊。

"帮我写个方案"、"帮我优化一下这段文字"、"做个总结"——这类指令看起来省事,实际上是把最难的部分(想清楚要什么)丢回给了 AI。它只能靠猜,猜出来的东西自然不合你意。

模糊的要求,只能换来模糊的结果。

举个具体的对比。同样是让 AI 帮忙整理会议纪要:

差帮我整理一下这个会议的纪要。

好把这段录音转成的文字整理成会议纪要。要求:分「已达成共识」「待确认事项」「下一步行动」三部分;每条不超过两句话;凡是提到具体人名和日期的,必须在条目里保留;不确定的地方标注「待核实」。输出用 Markdown,不要写开场白。

第二版没有多花多少时间,但它包含了 AI 无法自己推断的信息:结构、粒度、约束、输出格式。这四样东西说清楚了,结果基本就不用返工。

一个简单的自检方法:如果你的要求,换成另一个人来执行,他也会问"你具体想要什么",那说明你还没说清楚。

二、给材料,别让 AI 凭空猜

很多人习惯把 AI 当成一个"什么都知道的专家",直接抛问题就等答案。

但在涉及你自己业务的场景里,AI 没有任何内部信息。你公司的产品是什么、客户是谁、上次的方案长什么样——这些它都不知道。不给材料,它只能给你一份放之四海皆准的通用内容,看着正确,其实用不上。

有意思的是,我们往往对 AI 和对实习生用的是两套标准。交给实习生一件事,你会顺手把参考资料发过去;交给 AI 却什么都不给,然后抱怨它不懂业务。

具体怎么做:

  • 手头有现成的文档、数据、聊天记录,直接粘贴或上传,比口头描述准确得多。
  • 给一个"参照物"。哪怕只是说"参考这份月报的风格",效果也远好于"写得正式一点"。
  • 材料多的时候,先说清楚哪个是主要的、哪个只作参考,避免它抓错重点。

三、第一版不用完美,但要能指出问题

新手最容易犯的错,是期待一次成型。看到第一版不满意,就断定"AI 不行"。

实际用下来,AI 的价值几乎全在迭代里。第一版的作用不是交付,是给你一个可以改的东西。让 AI 从零写一版,你挑毛病;这比你自己从空白页开始想,要快得多。

关键在于:你会不会指出问题。

"再改改"、"感觉不太对"、"再专业一点"——这类反馈对 AI 来说约等于没说。有效的反馈要指到具体位置:

第二段的结论下得太满,改成"在多数情况下"。

第三点缺少数据支撑,先删掉,或者标注"待补充数据"。

整体太长了,压缩到一半,删掉所有铺垫性的句子。

改动越具体,AI 的调整就越贴近你的预期。每一次迭代,都是在把你脑子里的标准,翻译成它能理解的语言。

四、验收,而不是照单全收

这一点最容易被忽略,也最危险。

AI 会用同样自信的语气,说出正确的话和错误的话。它给出一个看起来很专业的数字、一段听起来很合理的论证,你如果没有核实就发出去,风险是你自己的。

所以把它当成一个产出很快、但需要你把关的协作者,而不是一个可以直接交付的发包方。

必须核实的三类内容:

  • 具体数字与日期
    。AI 会生成看起来非常真实的数字,但它们可能完全是编的。
  • 引用与出处
    。但凡提到"某某研究显示""某报告指出",都要自己找原始来源。
  • 与业务强相关的判断
    。行业规则、合规要求、内部流程,这些必须由你来最终确认。

一句话总结:AI 负责快,你负责对。

让 AI 给出多个方向,你来挑,比从零开始想轻松得多

补充:当你不知道自己要什么的时候

前面四条有个共同前提——你大致知道自己想要什么。

但真实工作里,很多时候是模糊的。这时候有个很好用的办法:让 AI 先给你几个方向,你再来选。

不要说"帮我做个方案",而是说"这个需求我想听听不同的思路,你给我三个方向,每个用一句话说清楚核心逻辑和适用场景"。等你从里面挑出一个顺眼的,再沿着那个方向往下深入。

从"选"开始,永远比从"想"开始轻松。这也是 AI 最被低估的用法之一。

同样的问题,给的信息量不同,结果差距很大

· · ·

写在最后

回头看,这四条其实都很朴素:

把要求说清楚、给足材料、具体地指出问题、认真验收。

没有一条是技巧,全是习惯。

AI 的能力在过去几年翻了很多倍,但拉开人与人差距的,始终不是工具本身。是你在按下回车之前,有没有想清楚自己要什么;是你在看到结果之后,有没有认真挑出毛病。

把 AI 当成一个配合默契的同事,而不是一台许愿机——它会好用得多。

觉得有用的话,点个「在看」,也可以转给身边那个总说"AI 不好用"的朋友。文中的四步法值得存一份,下次用之前扫一眼就行。

相关学习资料