AI破局_10_会用AI的人不写提示词

会用AI的人从来不“写提示词”

他们做的是这3件事

两个工位 一人轻松一人抓头

周五我说了——2023年那套“魔法咒语提示词工程”已经死了。

很多读者后台留言：那活下来的是什么？怎么用？

今天就是答案。

如果你这一周有空在办公室或星巴克观察一下身边的人——你会看到一个有意思的现象：两个用同一个AI的人，效率能差5倍。

同事A打开AI，15分钟搞定一份产品报告，看完很满意。 同事B用同一个AI，折腾2小时还在改第3稿，越改越烦躁，最后吐槽“这玩意儿不好用”。

两个人用同一个工具、问同一类问题——为什么差距这么大？

不是提示词技巧的差距。是另外3件事——这3件事我观察了一年，几乎每个真正会用AI的人都在做。绝大多数会“写prompt”的人反而不做。

读完这篇你能立刻动手改你的AI使用方式——文末有一个完整demo（用AI写年度述职报告的全流程）。

第1件事·想清楚自己要什么

先抛一个反直觉的结论——

2023年用AI最大的瓶颈是“AI听不懂”。2026年用AI最大的瓶颈是“你不知道你要什么”。

这话听着像鸡汤，我给你拆开。

反面教材

你打开AI说：“帮我写一篇关于Q3市场的文章。”

AI给你一篇1500字的“Q3市场综述”——主题分散、什么都讲一点、读起来像维基百科。你看完想“这不是我想要的”——但具体哪不是？你也说不清。

于是你改prompt：“那再写一篇更聚焦的。”AI又给你1200字。还是不对。

折腾3小时，5版报告，没有一版能用。

问题不在AI。AI给你的每一版都“够好”。问题在你打开AI之前没想清楚自己要什么。

正面教材

把“帮我写一篇关于Q3市场的文章”换成——

“我要写一份Q3市场分析，目标读者是公司董事会5个人，他们最想知道’我们Q4该不该追加投放预算’。文章长度2000字以内，不要堆数据，每个数据点配一句结论。我已经决定推荐’追加15%预算到XX渠道’，需要你帮我把这个观点的支持论据组织清楚。风格参考McKinsey的董事会简报，不是高校MBA论文。”

读完这段你的体感应该是——这个人发出prompt之前已经想得相当清楚了。

读者是谁、要解决的具体决策、长度上限、内容风格、立场已定/待定、参考标杆——5件事都明确。

AI根据这种prompt一次出来的版本，用的概率是80%以上。

类比：这其实是产品经理思维

好PM和坏PM的根本差别——

•坏PM：边想边下需求，“先做着吧”，做出来不对再改五次

•好PM：把需求想清楚一次，写一份完整的brief，工程师按brief做一次就过

用AI跟带下属一样。AI的执行力比任何工程师都强，但它没有读心术。

可操作建议：开AI之前先问自己5件事

打开AI之前，在脑子里或纸上先回答这5个问题：

5个问题30秒答完。这30秒是2026年AI使用最高ROI的30秒。

想清楚 vs 边想边问 — 工程图纸 vs 草图

第2件事·给够上下文（喂饱AI，不要喂半碗）

2023年的提示词技巧核心是“省字数”——因为模型上下文窗口才4000个token，每个字都要算计。

2026年完全反过来。主流模型上下文窗口从4000涨到128K甚至100万，绝大多数日常任务里你不会“喂撑”AI。 唯一前提是——你给的信息有用，否则就是无效噪音让AI抓不住重点。

核心心态切换

把AI当新员工，不要当搜索引擎。

跟新员工交代任务——你给他越多背景信息，他做得越好：之前是怎么做的、客户的偏好、哪些坑要避、内部黑话、上次的反馈……

跟搜索引擎对话——你只给关键词，让它给你链接。

2023年的AI更像搜索引擎。2026年的AI完全是新员工逻辑。

反面 vs 正面

反面：“分析一下这份Q3销售数据”（AI不知道你公司是干啥的、之前怎么分析的、你想验证什么假设）

正面：把销售数据CSV直接扔进去 + “我们公司是做企业SaaS的，主要客户是中小型零售商。我之前两个季度的分析框架都是按行业垂直切。这次我想换个角度——按客户员工规模切，看看有没有意外的pattern。输出给销售VP看，他喜欢2-3张关键图表+一段不超过200字的总结。”

第二个prompt给了AI5份额外信息：行业背景、过去做法、本次假设、目标读者、输出形式偏好。AI没有读心术，但只要你给它信息，它就会用。

Skills、Project、智能体本质上都在做同一件事

豆包智能体广场的“小红书文案助手”、Claude的Project、ChatGPT的GPTs、Coze里你自己搭的智能体——

它们本质上都是“上下文外置”——把你常用的背景信息（公司介绍、客户画像、品牌语气）打包成一组永久指令，免得每次重复输入。

这才是为什么这些产品在2025-2026年爆发。不是因为AI变强了，是因为“省去重复输入上下文”这件事被产品化了。

一个具体动作

如果你天天用AI——今晚花15分钟做一件事：

打开你最常用的AI（豆包/ChatGPT/Claude），找到“自定义指令”或“Custom Instructions”或“个性化设置”，写一段100-200字的“关于我”：

•我是做什么的（公司+岗位）

•我希望AI怎么和我说话（直接/委婉、详细/简洁、书面/口语）

•哪些行业术语AI可以默认我懂

•我最常做的任务类型（写邮件/做分析/查资料）

设完之后，所有以后的对话AI都自动带上这段背景。这一次15分钟的投入，让你之后每次对话都不用再解释自己是谁。

上下文：空碗 vs 摆满食材的桌子

第3件事·会迭代修正（AI第一稿永远是起点不是终点）

这是分水岭。

一种我观察过几百次的失败模式

普通用户拿到AI的第一稿——

•不太满意 → 关掉对话 → 开新会话从头开始

•又不太满意 → 再关掉 → 再开

每一次重新开始，之前累积的所有上下文（你的偏好、AI已经摸到的方向）全部白扔。

这就像和一个员工合作——他做了一稿你不喜欢，你直接把他换掉，重新雇一个全新员工，从头跟他解释一遍你想要什么。没有人会这么干——但人们对AI就这么干。

正确做法：在同一个会话里用具体语言反馈

不要说“不喜欢，重写”。说——

•“结构对了，但语气太正式。换成给同事的Slack消息那种轻松感。”

•“第二段太啰嗦。砍一半。”

•“把数字’同比上升15%‘换成我们Q3的实际数字’18.4%’。”

•“这版风格挺好但开头太软。你直接说’我反对这个方案’然后开始解释。”

每一句都是具体到可执行的修改指令。AI接到这种反馈，下一稿命中率非常高。

这不是AI能力问题——这是你“会不会管理人”的能力。

会带团队的人天然会用AI。不会带团队的人——他们对AI的反馈方式跟他们对下属的反馈方式一样模糊（“你写得不太对，改改”），所以效果一样差。

一个加速技巧：保留“成功的上下文”

如果你某一次让AI写出特别好的东西——别关那个会话。把会话保存下来，以后类似任务直接基于那个对话继续。

AI已经摸清楚你的口味、风格、底线——这一份“已经训练好”的上下文是免费的资产。关掉就没了。

我自己有20+个长期会话——分别是“产品邮件”、“董事会简报”、“投资人deck”、“代码评审”——每个都积累了几个月的上下文。AI在每个会话里几乎都能一次给到能用的版本。

迭代：教小孩骑车 — 扶一下、放一下、再扶

实战demo：用AI写年度述职报告（全流程）

讲完三件事，给你一个从头到尾走完一次的完整case——把这3件事串起来。

场景：你要给老板写一份年度述职报告。1500字以内、要交差。

第一步·想清楚（5分钟）

开AI之前，先回答5个问题：

•受众：直属老板，看完会决定我的年终评级和加薪幅度

•输出形式：1500字Word文档，分3-4个section

•必须包含：3个最大的项目成果（带数字）、1个最重要的失败+教训、明年规划

•绝对不要：邀功式语言、虚的“我学到了很多”

•参考标杆：去年评级A+的同事的述职（你看过的那一份，结构清楚、数字密集、有具体反思）

第二步·给够上下文（一次性扔给AI）

我要写年度述职报告。背景：- 我在A公司做产品经理2年，今年负责3个项目- 项目1：XXX功能，带来12%留存率提升（最大成果）- 项目2：YYY上线，但因为延期2个月被董事会质疑- 项目3：ZZZ，平稳上线，没什么亮点直属老板偏好：- 喜欢数字密集、不喜欢形容词- 反感"我学到了很多"这类空话- 看过去年同事XX的述职（结构：成果摘要→3个项目分述→失败反思→明年规划），他给了A+评级请帮我起草第一版，1500字以内，按"成果摘要→3个项目分述→失败反思→明年规划"四段结构。

10秒，AI给你一稿。质量大概率有75-80分。

第三步·迭代修正（3-5轮）

你看完一稿，不要关会话。在同一个会话里继续：

•“项目2的延期反思写得太防御了。改成我主动认错——延期是因为我Q1对工程量估错了，Q2没及时升级警报。这种写法老板会觉得我是真在反思而不是甩锅。”

AI给二稿。继续——

•“明年规划那段太宽泛。砍掉’继续提升用户体验’这种话。换成3个具体可量化的目标：（1）XX指标提升到XX、（2）上线YY功能、（3）培养1个人接手项目3。”

AI给三稿。继续——

•“整个报告语气还是有点拘谨。把’我认为’和’我建议’全删掉——直接陈述事实和判断。”

AI给四稿。这一稿基本就能交了。

整个过程时间投入

•想清楚：5分钟

•给够：10分钟（写背景信息）

•迭代：20-30分钟（3-5轮修正）

总耗时：35-45分钟。

如果你完全不用AI、自己写——这种报告大多数人要花3-4小时。你节省了2-3小时——还是基于同一个底层模型的同一个prompt技巧能力。

差别不在AI——在你做了“想清楚+给够+迭代”这三件事，还是没做。

完整demo：述职报告从空白到成稿

收尾

最后回到开头那两个工位。

会用AI的同事A——他没在写prompt。他在做产品经理（想清楚要什么）、做经理（给够上下文）、做编辑（迭代修正）。

他的AI使用能力本质上是工作能力的迁移。他在自己专业领域有结构化思维、能给清楚指令、会迭代反馈——他把这些能力对着AI再用一次，AI就帮他放大10倍。

不会用AI的同事B——他没有这些能力。他指望“提示词技巧”绕过这些能力——所以他买199元的提示词合集，然后失望，然后骂AI不好用。

提示词技巧只是术，工作能力才是道。AI不会弥补你的短板——它只会把你的短板放大10倍让所有人看见。但好消息是——你终于有机会在同一份工作上，从同事B变成同事A。

这话有点扎心，但是真的。

如果你看完这篇感觉“我可能不是不会用AI，是我之前工作里就没真的’想清楚再做’”——这个反应是对的，而且你已经走在正确的路上了。AI最大的礼物不是替你工作——是逼你看清楚自己工作能力的真实水平。

下篇周二讲MCP——AI开始能“调用”你的工具了。这是2026年最重要的技术变化之一。

如果你想分享——

点个“在看”，转发给那个一直在花钱学“提示词技巧”但还是用不好AI的朋友。让他知道核心问题不在那儿。

明天周二见。

下期预告

周二（5/12）·MCP：MCP是什么？AI开始能“调用”你的工具了——周四GEO 1里埋的伏笔正式兑现。

完整提示词三联+MCP系列： - 周五（5/8）·A篇·破旧 ✓ - 周日（5/10）·C篇·本土化 ✓（按发布顺序提前出） - 今天·B篇·立新 ✓ - 周二·MCP

《AI破局》公众号，每周二深度科普，每周六行业速报。从AI小白到实战高手，用普通人听得懂的话，讲清楚人工智能的本质、工具、机会与陷阱。