上周跟一个做 AI 培训的朋友聊天,他说了一句话让我愣了一下。「现在大家都在学 prompt 技巧,学工具用法,但我发现真正用得好的人,靠的根本不是这些。」我问他靠什么。他说了三个词:说人话,抽象思考,好奇心。我当时觉得这也太虚了吧。但后来仔细想想,再对照我自己这一年多用 AI 的经历,发现他说得还真对。之前我写过一篇「用 AI 的三个常见坑」,讲的是用法层面的问题——别当搜索引擎用、别期望一步到位、别省背景信息。那些是「术」,是操作层面的技巧。但今天想聊的,是比术更底层的东西。是「道」。我把它总结成三项基本原则,每项原则下面有两条核心技能,一共六条。这不是什么理论框架,是我自己踩了无数坑之后提炼出来的实战心得。大多数人卡在第二项原则。
原则一:说人话
技能 1:使用最好的模型,清晰表达需求
注意,我说的不是「写好 prompt」。很多人一听到「跟 AI 对话」,第一反应就是去学 prompt 工程,背模板,记格式。什么「你是一个资深 XX 专家,请用 XX 框架,从 XX 角度……」这些有没有用?有用。但它不是核心。核心是两件事:第一,用最好的模型;第二,把需求说清楚。先说模型。很多人为了省钱用免费版或者低配模型,然后抱怨 AI 不好用。这就像你买了一辆自行车,然后抱怨它跑不过高铁。模型的能力差距是真实存在的,同样一句话丢给不同模型,出来的东西可能天差地别。我的建议是,在你能力范围内,永远用最好的那个。再说表达。这听起来像废话,但你仔细想想,很多人其实连跟真人沟通都说不清楚自己要什么。跟同事交代任务说不清楚,跟老板汇报说不到重点,跟客户聊需求聊半天对方还是一头雾水。这种人去用 AI,结果能好吗?我发现一个规律:一个人跟 AI 对话的质量,基本等于他跟真人沟通的质量。你跟同事说「帮我做个 PPT」,同事会问你一堆问题——什么主题?给谁看?什么风格?多少页?AI 也会问,或者它不问,直接给你一个泛泛的结果。但如果你说「我下周三要给投资人做一个 15 分钟的路演,重点讲我们的商业模式和增长数据,风格要专业但不要太死板,参考一下 Airbnb 早期的 pitch deck 那种感觉」——不管是真人还是 AI,出来的东西都会好很多。怎么练?每次跟 AI 对话之前,先花 30 秒想三个问题:我要什么?(目标)给谁用的?(场景)有什么限制?(约束)想清楚了再开口,你会发现效果完全不一样。
技能 2:抛弃「AI 不行」的旧经验
这条可能会让一些人不舒服,但我还是要说。很多人觉得 AI 不好用,不是因为 AI 真的不行,而是因为他们用错了方式,然后把锅甩给了工具。「AI 写的文案太假了」——你给它的背景信息够吗?你告诉它你的品牌调性了吗?「AI 做的方案太泛了」——你的需求本身就是泛的,它能怎么办?「AI 回答的不准确」——你用的是什么模型?你给的上下文够不够?我以前也这样。用了几次觉得不行,就放下了,过了好几个月才重新捡起来。结果发现不是 AI 变了,是我的用法变了,效果就完全不同了。所以这条技能的核心是:当你觉得 AI 不行的时候,先问问自己,是不是自己的问题。大多数时候,答案是「是」。
原则二:抽象思考
这个是最难的,也是大多数人卡住的地方。
技能 3:学会用抽象方式思考问题
什么叫抽象思考?举个例子你就懂了。假设你是一个电商运营,每天要处理大量的客户评价。你的日常工作是一条一条看评价,标记哪些是好评,哪些是差评,差评里提到了什么问题。一个不会抽象思考的人,会跟 AI 说:「帮我看看这条评价是好评还是差评。」然后一条一条喂给它。一个会抽象思考的人,会这样想:我每天做的事情,本质上是「从非结构化文本中提取情感倾向和关键问题」。那我能不能把一百条评价一次性丢给 AI,让它帮我分类,同时提取出高频出现的问题,按严重程度排序?你看,同样的任务,第一种人是在「用 AI 做一件事」,第二种人是在「用 AI 解决一类问题」。差别在哪?在于你能不能从具体的操作中跳出来,看到背后的模式。再举一个我自己的例子。我之前写公众号,每次写完都要自己检查一遍——有没有错别字、逻辑通不通、开头够不够吸引人、有没有未解释的术语。一开始我是一项一项让 AI 帮我查。后来我想,这些检查项其实可以抽象成一个「质量检查清单」,我把清单给 AI,让它一次性按清单帮我过一遍。再后来我又想,这个清单本身能不能让 AI 帮我优化?于是我把我过去十篇文章里被读者吐槽最多的问题整理出来,让 AI 帮我生成了一个更精准的检查清单。从「帮我查错别字」到「帮我建立一套质量检查体系」,这就是抽象思考的过程。这个能力为什么难?因为它要求你跳出「执行者」的视角,站到「设计者」的视角去看问题。AI 最擅长的就是执行,它缺的是有人告诉它「执行什么」。而「执行什么」这个问题的答案,来自于你的抽象思考。怎么练?每次做完一件事,问自己一个问题:「这件事的本质是什么?」写周报的本质是什么?是信息同步。做竞品分析的本质是什么?是找差异化机会。回客户邮件的本质是什么?是管理预期。当你能看到本质的时候,你就能把任务描述得更准确,AI 给你的结果也会更到位。
技能 4:过程可能痛苦,但这是适应 AI 时代的必要训练
说实话,学会抽象思考不是一件舒服的事。大多数人习惯了被任务推着走——老板说做什么就做什么,流程怎么规定就怎么来。突然让你跳出来想「这件事的本质是什么」「有没有更好的方式」,脑子会很不适应。我自己刚开始练的时候也是这样。每次想抽象一个问题,脑子里就一片空白,不知道从哪下手。但我后来发现,这种不适感本身就是成长的信号。就像健身的时候肌肉酸痛,说明你在突破舒适区。而且这个能力一旦练出来,收益是指数级的。因为你不是在学一个具体的技巧,你是在升级自己的思维操作系统。一个会抽象思考的人,不管 AI 工具怎么迭代,他都能很快上手,因为他看到的是问题的本质,而不是工具的按钮。我的建议是,不要期望一下子就能做到。从小事开始,每天找一件你做的重复性工作,试着用「这件事的本质是什么」来重新审视它。坚持一个月,你会发现自己看问题的方式真的变了。
原则三:保持好奇心与敬畏心
前两项原则听起来都挺「硬」的,这第三项听起来最软,但可能是最重要的。
技能 5:想象力比技术更重要
很多人觉得用好 AI 需要懂技术——会写代码、懂算法、了解模型原理。其实不是。我见过最会用 AI 的人里,有好几个完全不懂技术。但他们有一个共同点:想象力特别丰富。他们会想「如果我有一个不知疲倦的助手,我会让它帮我做什么」。他们不会被「AI 能做什么」限制住,而是从「我想做什么」出发,然后去试 AI 能不能帮上忙。我自己有个习惯,每周至少花一个小时,专门去「玩」AI。注意,不是「用」,是「玩」。没有明确目的,就是随便试。看到一个新功能就点进去玩玩,看到别人分享了一个用法就自己试试,想到一个奇怪的需求就丢给 AI 看看它怎么回应。很多我现在觉得特别好用的工作流,都是在这种「瞎玩」的过程中发现的。比如我发现 Claude 可以帮我做竞品分析的框架搭建,就是有一次我随手把两个产品的官网链接丢给它,说「帮我比比这两个有什么区别」,结果它给出的分析维度比我自己想的还全面。从那以后,竞品分析就成了我固定的 AI 工作流之一。技术会过时,工具会迭代,但想象力不会贬值。决定你能用 AI 做多大事的,不是你的技术水平,而是你的想象力边界。
技能 6:AI 在不断迭代,保持开放心态
AI 这个东西,迭代速度快到离谱。半年前你觉得它做不到的事,现在可能已经做得很好了。一年前你觉得是科幻的场景,现在可能已经有人在用了。如果你用去年的认知来判断今年的 AI,你一定会错过很多东西。我身边有两类人。一类人,试了一次 AI,觉得不好用,就再也不碰了。他们的结论停留在半年前甚至一年前。「AI 写的东西太假了」「AI 画的图手指头不对」「AI 写代码全是 bug」。另一类人,每隔一段时间就会去试试新的模型、新的功能、新的玩法。他们不一定每次都能找到有用的东西,但他们的认知一直在更新。半年下来,这两类人对 AI 的理解差距,大到不像是同一个时代的人。好奇心的反面是什么?是傲慢。是觉得「我已经知道 AI 能干什么了」。但事实是,没有人真正知道 AI 能干什么。连做 AI 的人自己都不完全知道。所以保持开放心态,不是一种性格特质,而是一种生存策略。在 AI 迭代这么快的时代,停止探索就等于开始落后。
写在最后
回头看这三项原则、六条技能——说人话、抽象思考、保持好奇心与敬畏心——你会发现它们其实不是什么「AI 专属技能」,而是通用的底层能力。会表达的人,不管用什么工具都能把事情说清楚。会抽象思考的人,不管面对什么问题都能找到更高效的解法。保持好奇心与敬畏心的人,不管时代怎么变都不会掉队。AI 只是放大了这些能力的价值。以前你表达能力强,顶多是开会效率高一点。现在你表达能力强,意味着你能调动一个不知疲倦的超级助手帮你干活。以前你会抽象思考,顶多是工作方法论比别人好。现在你会抽象思考,意味着你能设计出让 AI 帮你解决一整类问题的系统。差距会越来越大。如果你之前看过我写的「三个常见坑」,那篇是帮你避开错误用法。今天这篇,是帮你建立正确的底层能力。三项原则是方向,六条技能是抓手,坑避开了,能力建起来了,AI 对你来说就不再是一个「工具」,而是一个真正的搭档。试试看,从今天开始,用最好的模型、花 30 秒想清楚目标场景约束再开口。每次做完一件事问自己「本质是什么」。每周花一个小时去「玩」AI 而不是「用」AI。不需要什么高级技巧,坚持一个月,你会感受到明显的变化。以上,既然看到这里了,如果觉得不错,随手点个赞、在看、转发三连吧,如果想第一时间收到推送,也可以给我个星标⭐~谢谢你看我的文章,我们,下次再见。
/ 作者:强西/ 投稿或爆料,请联系我
基本文件流程错误SQL调试
请求信息 : 2026-04-13 17:39:53 HTTP/1.1 GET : https://www.yeyulingfeng.com/a/522833.html