夜雨聆风人工智能之父杰弗里·辛顿（Geoffrey Hinton）在一次 47 分钟的演讲中说：
"如果你今晚睡得安稳，那你可能没听懂我这番演讲。"
这位构建了所有现存人工智能背后神经网络的科学家，从谷歌辞职，向世界发出警告：
1. 人工智能已经开始发展出其创造者始料未及的能力。 2. 在大多数认知任务中，它已经领先于我们了。
3. 问题不再是它是否会超越我们，而是它何时会超越我们。 4. 剩下的唯一决定就是你站在那条线的哪一边。
而现在，普通用户打开 AI 的方式是：
打开对话框 → 输入问题 → 得到答案 → 关闭页面。他们以为自己在使用人工智能。但实际上，可能只用了 10%。
国外博主 Anatoli Kopadze 认真听完了 Hinton 的整场演讲，并根据讲座内容构建了一套实用系统，总结出 18 个步骤，教你如何真正发挥 AI 的全部潜力。
这篇 54.6 万人阅读的文章，两天内获得了 1400 次收藏，数据还在持续增加。
评论区有人说："这篇文章让我睡不着觉。"有人说："大多数人把 AI 当聊天机器人用，而不是工作流工具。"
即使你主要使用的是 ChatGPT、DeepSeek 或其他 AI 工具，这篇文章里的思路同样适用。 因为文章的核心不是"怎么用某个 AI"，而是"怎么把 AI 从一个聊天工具变成你的工作流引擎"。
下面是这篇内容核心部分的整理，我在其中加入了自己的思考和实践经验。
01
先建立正确的认知
Anatoli 在文章开头就抛出了一个观点：大多数人使用 AI 的方式，从根本上就是错的。
他们把 AI 当成一个更聪明的搜索工具——问一个问题，拿一个答案，结束对话。
但 AI 不是搜索工具，它是一个推理引擎。
AI 的真正价值不在于"回答问题"，而在于"完成复杂任务"。当你只是问它一个简单问题时，你和它的关系就像用户和普通搜索。当你让它参与一个多步骤的工作流时，你和它的关系才像老板和员工。
我的思考：这一点我深有体会。我见过太多人用 AI 就是"帮我搜索网络，告诉我什么是神经网络""帮我翻译一下"，用完就走。但真正的高手，会把 AI 嵌入到自己的工作流中——从需求分析到方案设计，从内容创作到数据分析，全程让 AI 参与。差别不在于"会不会用"，而在于"用得有多深"。
02
AI 不是你以为的那样
Anatoli 指出了几个常见误解：
误解一：各家 AI 都差不多
不对。不同的 AI 有不同的擅长领域。有的擅长长文本处理，有的擅长代码生成，有的擅长中文理解。关键是了解每个工具的优势，在合适的场景用合适的工具。
误解二：提示词越长越好
不对。AI 更擅长理解结构化的指令，而不是大段的散文式描述。关键不在于你说了多少，而在于你说得有多清晰。
误解三：AI 只能聊天
不对。AI 可以写代码、分析数据、生成页面、操作文件、调用外部工具。它的能力边界远比"聊天"宽得多。
AI 不是一个聊天窗口。它是一个可以连接到你整个数字工作环境的智能中枢。
很多人不知道 AI 可以通过插件和接口连接到外部工具——比如读取你的项目文件、查询你的笔记、操作你的文档。一旦你理解了这一点，AI 就从一个"聊天机器人"变成了一个"数字助理"。
03
18 个步骤，分三层递进
这是文章的核心部分。Anatoli 列出了 18 个步骤，我按主题整理为三个层次：
第一层：基础配置（让 AI 了解你）
步骤 1：设置自定义指令
在 AI 工具的设置中，写入关于你自己的信息。比如你的职业、你的工作方式、你的偏好格式。
我是一名产品经理，偏好简洁的中文回复，喜欢用表格对比方案，不喜欢过多的解释性文字。
这样 AI 每次回复都会自动参考这些指令，你不需要每次都重新解释。
步骤 2：创建项目说明文件
如果你在用 AI 辅助编程，在项目根目录创建一个说明文件。这个文件相当于给 AI 的一份"项目说明书"——告诉它这个项目是什么、代码风格是什么、有哪些约定。
步骤 3：使用项目空间功能
很多 AI 工具都支持创建项目空间，允许你上传项目文件、设定项目背景。这样每次对话都在项目上下文中进行，AI 能理解你的完整需求。
我自己的实践：我为每个写作项目创建独立空间，上传参考资料和风格指南。这样 AI 生成的内容，风格一致性大幅提升。
第二层：提示词技巧（让 AI 更懂你）
步骤 4：给 AI 一个角色
不要直接说"帮我写个方案"，而是说"你是一位资深产品经理，有 10 年 B 端产品经验"。
角色设定会让 AI 的输出质量显著提升，因为它会从特定视角来思考问题。
步骤 5：提供示例
与其描述你想要的格式，不如直接给一个示例。
"帮我按照以下格式写周报： - 本周完成：xxx - 遇到问题：xxx
- 下周计划：xxx
步骤 6：让 AI 先思考再回答
在复杂问题前加上："请先分析问题的各个方面，再给出结论。"
这利用了 AI 的"思维链"能力，让它在回答前先进行推理，输出质量会更高。
步骤 7：分步骤提问
不要一次性丢一个巨大的需求。把大任务拆成小步骤，一步一步来。
"第一步，先帮我分析需求。等我确认后，再进行第二步的方案设计。"
步骤 8：使用作品生成功能
很多 AI 工具支持生成独立的代码、文档、页面。当你需要 AI 生成一个完整的作品（而不是一段对话）时，使用这些功能。
我之前写的那篇"HTML 替代 Markdown"的文章，就是受到了这个思路的启发——让 AI 的输出从"对话"变成"作品"。
第三层：高级能力（释放 AI 的真正潜力）
步骤 9：连接外部工具
通过插件和接口，让 AI 连接到外部服务——你的笔记工具、项目管理工具、文档系统等。这意味着 AI 可以直接读取和操作你的工作环境。
步骤 10：让 AI 读取你的项目文件
不要把内容复制粘贴给 AI。直接让它读取你的项目文件。它能理解整个项目的上下文，给出更精准的建议。
步骤 11：定义可复用的工作流
很多 AI 工具允许你定义可复用的工作模板。比如"代码审查模板""周报生成模板""竞品分析模板"。定义一次，反复使用。
步骤 12：让 AI 生成结构化作品
正如我们之前讨论的，HTML 能承载比纯文本更丰富的信息类型。当你需要 AI 交付一个"可交互的作品"时，让它生成结构化页面。
步骤 13：使用预填充
你可以在对话框中预先写好 AI 回复的开头，引导它按照你的期望格式和方向来回答。
步骤 14：控制输出格式
明确告诉 AI 你想要的输出格式：表格、列表、代码块。不要让它自由发挥。
步骤 15：让 AI 自我审查
在 AI 给出答案后，让它自己检查一遍："请检查你的回答是否有遗漏或错误。"
这个简单的步骤可以显著提升输出质量。
步骤 16：使用多轮对话迭代
不要期望一次就得到完美结果。和 AI 进行多轮对话，逐步优化。第一轮给方向，第二轮调细节，第三轮打磨质量。
步骤 17：保存和复用好的提示词
当你发现一个提示词效果很好时，保存下来。建立自己的提示词库，下次直接复用。
步骤 18：让 AI 了解你的反馈模式
告诉 AI 你喜欢什么样的回复，不喜欢什么样的回复。它会逐渐适应你的偏好。
04
花更少的成本，得到更多
Anatoli 特别强调了一点：不是所有任务都需要用最强的模型。
简单的问题用轻量模型，复杂的问题用强力模型。这样既能省钱，又能提高速度。
我的实践：日常问答、翻译、格式转换用轻量模型。方案设计、代码编写、复杂分析用标准模型。只有特别复杂的任务才用最强模型。
另一个省成本的技巧：给 AI 提供精确的上下文，而不是大量的背景信息。
AI 不需要知道你公司的完整历史才能帮你写一封邮件。它只需要知道：收件人是谁、核心诉求是什么、语气应该怎样。
05
现在就能用的三个技巧
技巧一：每次对话开始时，先说"我需要你帮我完成一个任务"
这句话看似废话，但它会触发 AI 的"任务模式"，让它更专注于完成目标，而不是闲聊。
技巧二：在对话结束时，让 AI 总结关键信息
"请用 3 个要点总结我们刚才讨论的内容。"
这能帮你快速回顾，也方便你下次继续对话。
技巧三：遇到 AI 回答不好时，不要放弃，换一种方式问
AI 的回答质量很大程度上取决于你的提问方式。同一个问题，换一种表述，可能会得到完全不同的答案。
我的实践：如果 AI 的回答不理想，我会换用"角色+示例+约束"的三段式提问法，通常效果会好很多。
06
真正的重点
Anatoli 在文章最后说了一段话，我认为是全文最重要的一段：
"AI 的真正价值不在于它能回答多少问题，而在于它能多大程度地融入你的工作方式。大多数人把 AI 当成一个工具来用——打开、提问、关闭。但真正的高手把 AI 当成一个伙伴——它了解你的工作习惯，理解你的项目背景，预判你的下一步需求。"
我的思考：
说实话，这段话让我重新审视了自己使用 AI 的方式。
我以前也是"用完即走"——有问题就问，问完就关。但我现在开始尝试一种新的方式：让 AI 成为我工作流的一部分，而不是一个临时工具。
具体来说：
用自定义指令让 AI 了解我
用项目空间让 AI 了解我的项目
用工作流模板让 AI 复用我的流程
用插件接口让 AI 连接我的工具链
这不仅仅是"更好地使用 AI"，这是一种全新的工作方式。
而且，这个思路不限于任何一款 AI 工具。 无论你用的是 Claude、ChatGPT，还是国内的Trae、DeepSeek 或者其他任何 AI，核心原则都是一样的：
不要把 AI 当搜索工具用，把它当工作流引擎用。