AI都能自己干活了,你第一句话还在问错?

Dots是什么？OpenAI今天刚发的，一个全天候在线的个人Agent。它有自己的云端电脑，自己的浏览器，能连4000多个应用，7×24小时不睡觉。你给它一个目标，划一下哪些操作它能自己做主，它就去干了。

GPT-6.1 Sol也跟着发了。价格是旗舰模型Astra的五分之一，输入每百万token两美元，输出十美元。上下文窗口105万token，最大输出12.8万token，知识截止到今年4月底。

说实话，看到这儿我第一反应不是"哇好厉害"。

我第一反应是：完了。大部分人连跟现在的AI说句话都说明不明白，现在它直接进化到自己干活了，你指令给得稀碎，它干出来的活不是更稀碎？

然后我就想起8月份豆瓣那篇帖子。一个叫"一颗益生菌"的用户发的，标题叫《我会调教ai》，后来被每日豆瓣转了，5600多个赞，1.7万人转发。

她里面有句话特别准：

废话文学生成器。

这六个字，我敢说90%用过AI的人都有共鸣。

今天这篇文章，就结合OpenAI刚发的这些新东西，聊聊怎么把AI从"废话生成器"调成"真能干活的"。不是什么专家教程，就是普通人摸出来的野路子。

一、别问"帮我XX"，直接派活

这个是最核心的。

你跟AI说"帮我写个文案"，它给你一段正确的废话。你跟AI说"帮我做个表"，它给你一个框架都对但内容全是套话的表。

为什么？因为你这句话里没有任何信息能让它判断"你要什么"。

就像Dots那个产品，OpenAI的用法是：你给它一个目标，划定哪些操作它能自己做主。不是说"帮我处理一下邮箱"，而是"每天早上9点把收件箱里的未读邮件分三类：需要我回复的标红、可以归档的直接归档、广告促销的删掉。遇到金额超过5000块的邮件立刻通知我。"

你看，这才叫派活。

跟聊天窗口里的AI说话也是一样的。差的指令："帮我写个朋友圈文案。"好的指令："我下周三要去成都出差，帮我写一条朋友圈，发在出差落地后晚上9点。风格要松弛不要炫耀，提一句在锦里吃了兔头但没敢吃脑花，不要加emoji，不要超过80字。"

区别在哪？后者有对象、有场景、有约束、有输出格式。前者啥都没有。

AI不是你肚子里的蛔虫。你越模糊，它越安全——安全的结果就是给你写一段放之四海而皆准的废话。

二、给它看你要的样子，别光说

这个技巧我自己用下来，提升最大。

你说"我要一篇小红书风格的笔记"，它不知道"小红书风格"是什么。但你直接甩两篇你觉得写得好的笔记给它，说"照这个感觉写，但产品换成月季黑斑病"，出来的东西立马就对了。

道理很简单。AI读文字描述的能力远不如它"照猫画虎"的能力。你给它一个例子，它就知道你要的是什么调性、多长、什么节奏、哪里该用emoji、哪里该加括号补充说明。

OpenAI这次发的Dots其实也是这个逻辑。它不需要你写一本操作手册，它需要你给它一个目标，然后它自己试，试完告诉你结果。人跟AI协作的未来，不是写更长的prompt，而是给更准的样本。

实际操作的时候，不用给太多。一两个例子就够了。给多了它反而学串了。

三、告诉它别干什么，比说让它干什么更管用

这个很多人不知道。

你跟AI说"写一篇关于咖啡的文章"，它给你写一杯咖啡的历史、种类、冲泡方法，最后加一句"咖啡不仅是一种饮品，更是一种生活方式"。

你跟AI说"写一篇关于咖啡的文章，不要提历史，不要提产地，不要用'生活方式'这个词，不要超过500字，写给第一次去咖啡店不知道点什么的人看"。

出来的东西立马不一样。

为什么？因为大模型是靠"预测下一个最可能出现的词"来生成文本的。你不说"不要什么"，它就会把所有最常见、最安全、最套路的词都堆上去。你把这些坑给它堵死，它才会往你想要的方向走。

Anthropic这次也提到了，他们测Fable 5.1的时候发现，长任务Agent最容易出问题的地方就是"边界不清"。你不给它划边界，它就会自己脑补边界，脑补出来的通常不是你要的。

四、@和/是隐藏菜单，大部分人不知道

这个是Social Media Examiner上周刚提的一个小技巧。

你打开任何一个AI聊天框，先别打字，试一下敲一个@，或者敲一个/。

ChatGPT里敲@，会弹出一个菜单：可以挂文件、可以触发联网搜索、可以调Deep Research、可以调已连接的插件。大部分工具把这些功能全藏在这两个符号后面，页面上根本没有按钮告诉你。

豆包里也有类似的。你敲斜杠，能快速调出各种技能。

我第一次知道这个的时候愣了一下。我用了大半年ChatGPT，从来没试过在输入框里打@。我一直以为那些挂文件、联网搜索的按钮就在输入框旁边——结果人家做了，但是藏起来了，等着你自己发现。

怎么讲呢……就跟宾馆门缝底下塞纸条似的。功能都给你配了，就是不告诉你。

五、便宜模型干杂活，贵模型干硬活

这个是省钱技巧。

GPT-6.1 Sol这次定价出来之后我仔细看了一下：输入每百万token两美元，输出十美元。旗舰Astra是它的五倍。

什么概念？你平时问个"今天天气怎么样""帮我把这段话改短一点"，用最便宜的模型就行。这些任务本来就不需要最顶级的推理能力。

但如果你要它审一份合同、写一段复杂的代码、做一个涉及多个变量的决策分析，那再切到最贵的模型。

有个做营销的人总结了一套"模型轮换栈"：80%的日常问题用便宜模型打发，只在高风险任务上才升级。他说光这一个习惯，每天省15分钟——因为你不用每次都等最贵的模型慢悠悠地思考半天，结果发现它回答的是个小学生问题。

这个我实测过。用便宜模型回日常问题，速度快一倍，回答质量对于"改个错别字""列个购物清单"这种任务，你根本分不出差别。

六、让它先想再答，别一上来就要结果

这个针对复杂问题。

你问"我该不该辞职创业"，AI上来就给你列三点：要看现金流、要看家庭情况、要看行业周期。全是正确的废话。

但你改一下问法："你先帮我梳理一下这个决定需要考虑哪些因素，每个因素列出来，先不要给结论。等我把每个因素的答案告诉你之后，你再帮我分析。"

效果完全不一样。

因为大模型在"直接回答"模式下，会倾向于给你一个看起来很全面但其实没什么用的平衡答案。但你让它先拆解问题、先列框架，它就被迫进入"思考"模式，出来的东西会扎实很多。

这个方法在行业里有个名字叫Reasoning First，先推理再回答。OpenAI这次发的GPT-6.1 Sol也把推理档位从low到max做了五档，简单问题跑low就行，难问题拉到max。跟人一样，能坐着想清楚的事，别站着瞎忙活。

最后说两句

今天OpenAI发Dots的时候，现场有个演示。演示者给Dots布置了一个任务："帮我安排下周三去旧金山出差的行程，订机票、订酒店、约三个会议，酒店要在会议地点步行15分钟以内。"

Dots真的就自己去干了。它开了浏览器，查航班，比价格，订酒店，发会议邀请。整个过程没有人再给它第二条指令。

我盯着那个演示看了三遍。

然后我回去翻了翻我自己最近跟AI的对话记录。最近一条是昨天下午两点多发的："帮我写个周报。"

AI给我回了三段。我看了一眼，关了。自己重新写。

你看，这就是差距。

工具已经进化到能自己开浏览器、自己订机票、自己发邮件了。但大部分人跟它说话的方式，还停留在"喂，帮我写个东西"。

不是AI不够聪明。

是你话没说到位。