如何深度使用AI?大多数人在使用AI功能,少数人在设计 AI工具

上周一个朋友给我看他用AI做的阅读笔记，工工整整。我说挺好。但其实我心里想的是：你只是让AI替你干了活，你的阅读方式一点没变。

从「用AI」，到「深度使用AI」，一个很明显的区分是，AI工具有没有真正嵌进你自己的工作和生活习惯里，是不是成为你的日常行为的一部分。

比如，让AI帮你总结一篇文章，它总结得不错，你点个赞，下次遇到另一篇，你又让它总结一遍。

而「深度使用」的人，可能会在这个基础上再做一个设计：让AI先扫描他这周收藏的20篇文章的标题和摘要，按'和我当前项目的相关度'排序，把前三篇的关键段落拎出来，在进行相关性总结。

AI 工具真正开始有价值的那个瞬间，不是你第一次用它的时候，而是你第一次把它改造成自己的工具的时候。

以微信读书刚刚更新出的Skills为例，我来展示将微信读书Skills设计进我的日常阅读流程的整个过程。

这些"怎么设计一个真正有用的AI Skill"的经验，应该比“微信读书skills”有什么功能，有意思得多。

安装某个AI skills后，第一步是让AI列出它有什么能力：能搜书吗？能看目录吗？能拉划线吗？

然后，有一个同样重要的是要做：确认它不能做什么。

以微信读书Skills为例。我试了一圈之后，它能覆盖四类动作：找书、看书信息、看我留下的痕迹（划线、想法）、看别人留下的痕迹（热门划线、点评）；它不能下载书籍，也不能抓取书籍正文。

这个边界一旦确认，很多想象中的用法就必须被砍掉。比如，你不能让它假装已经读完了某一章；不能让它根据几条热门划线去补写章节概要；更不能把"我猜这一章大概在讲什么"伪装成真实材料。

跳过这一步直接写 prompt，最后做出来的东西十有八九会在某个环节开始编造，而你还发现不了。

很多人一想到"定制 AI 工具"，第一反应就是设计一套全新的流程。好像只要工具足够强，就应该顺手把自己原来的习惯也一起换掉。

但我后来越来越确定，这其实是最容易失败的一步。

大多数人在使用新工具，培养新习惯的失败，不是能力不够，而是变化成本太高。一个工具就算再有用，只要它要求你大幅改变自己原来的工作方式，它最后很可能也只是"看起来很先进"，并不会真的被你长期用起来。

所以我给自己的约束是：尽量少改我已经熟悉的动作。

以前我怎么用微信读书？打开首页，看推荐，看到感兴趣的就点进去翻，会同时对比几本书。

所以我不是想把这套习惯推翻重来，而是想看看，AI 能不能贴着这条既有路径嵌进去，先替我接管其中一小段，在我原来已经会做、也愿意做的动作上，减少一些来回切换和判断的成本。

一上来就造"大系统"，几乎一定会烂尾。

我之前试过高一个'AI日程管理器'：每天早上让AI帮我排当天时间表。用了三天就报废了，因为我本来就不是按时间表工作的人。

工具再好，和你的习惯打架，就是在制造摩擦。

很多"定制 AI 工具"的失败，不是因为模型不够强，而是因为问题定义得太快。

大家一上来就问：能不能做个读书助手？能不能自动总结？能不能帮我整理书单？这些想法听上去都对，但都太大了。

太大了，太泛了，就会虽然正确，但是无用。

真正决定一个工具有没有用的，是更具体的那层：你平时到底怎么开始做这件事，你卡在哪一步，你不想失去什么。

我的实践做法是：不是我先设计功能，而是先让 AI 来采访我。

我让AI问的不是抽象愿景，而是非常具体的问题：你通常怎么开始阅读；是单本读还是几本对着翻；最大的成本是什么；你想从阅读里拿到什么；哪些感觉绝对不能被破坏。

我的回答是：最大的问题不是没书可读，而是翻了很多却没进到状态；我真正想要的，是更快撞见会让我继续读下去的内容；但我又不想失去那种自由乱翻的感觉。

从这组回答中，我和AI确认了，我要的不是一个"替我读完书"的助手，而是一个"贴着我的习惯，在读前替我做一点后台工作"的机制。不负责让我更自律，也不负责强行给我下计划。

前面三条认知，能力审计、最小变化成本、让 AI 采访我，怎样在真实场景里跑一遍？

我先按我的直觉想法，给我想要的Skills起了一个名字：reading购物车。

它的逻辑是这样的。

以前我是打开微信读书，自己在推荐流里来回点；现在当我说一句"reading购物车"，AI 就先替我做一轮预采样：从首页推荐或主题搜索里，结合书籍信息、目录和热门划线，先给我装一个临时购物车。

车里不是一长串书单，而是 2 到 4 本今天最值得翻的书，每本附上为什么选择进购物车、建议先翻哪一章、以及 1 到 2 条摘要。

然后我只需要回复一个编号，AI 再继续拿回相应的热门划线、我自己的划线、读者想法、等等。

我不需要它替我做完阅读，它做的只是把"逛推荐流"这件本来就会发生的事，压缩成一个我很习惯和自然进行的事，和以前不同的是，“翻书”过程中的上下文和判断，以前是在我的脑子里的，现在成为我和AI之间显式化的文字语料。

AI很快完成了reading购物车的实现，我们跑了几轮。

「reading购物车」从推荐池里给我找出了三本书：一本现实感最强的《真本事》，一本结构感很强的《深度工作》，还有一本拉开判断视角的《熊逸说经典》。AI管它的选书逻辑叫三角结构：主翻书、对照书、备选书。

第一轮看完，我给出反馈：今天不想深阅读，更想从《真本事》里快速扫出有启发的题目。于是我们继续一起翻书。AI 替我拿回了《真本事》全书 191 条热门划线——我没有一条条看，而是先看分布：最热的三条划线全部指向同一章"商业的规则"，划线人数从 180 到 150 不等。

我当时还没读过这本书，个人划线是 0，想法也是 0。但光看这三条划线的密度，我已经能感觉到这个章节在做什么：它在用一个反直觉的框架去重新定义"个人价值"。而读者想法里，一条原理提炼尤其扎眼："很多人容易本末倒置，其实，一定要以终为始。"

但这轮实验里最意外的收获，不是关于工具的，是关于我自己的。

跑了几轮，我对我的「翻看书籍」的行为产生了一个自我观察，除了书籍介绍，我确实会注意去看评论，评论中体现的倾向性会对我产生一定的影响 -- 而以前我是认为自己完全依照书籍摘要来进行判断的。

把上面的这段文字给回到AI，它又和我发生了两三轮讨论，然后把reading购物车迭代了两版，挂接到我的agent助手的每日工作上。

至此，「reading购物车」的设计和实现完成，会每两个小时给我发送一份阅读速报，自动将与我目前选题相关的语料存入flomo，并且给我提供1本待读图书的推荐。

而深度使用AI最大的成果，可能不是工具，不是效率，而是你终于看清了自己到底是怎么工作的。

AI工具的价值，从来不只是AI能力本身，而是能力、编排方式和你真实工作流之间的乘积。

同样的大语言模型能力，用"搜一本书"的方式用它，它就只是一个更方便的搜索框。但如果你花一点时间去审计能力边界、理解自己的工作习惯、设计一个贴身的编排方式，同样的能力就能变成一个完全不同的东西。

以阅读为例，以前阅读对我来说是分散的：逛推荐、点一本到处翻、划线、记笔记，写摘要，很多记录散落在各处，没有自然进入后续工作。

现在AI不仅仅是工具入口，而开始像一个工作台，读前帮我完成预采样和进入判断，读中帮我把热门片段和个人痕迹并排拉出来，读后很自然就能接到笔记、选题、知识库这些后续链路上。

「深度使用AI」的分水岭，是你是否将AI从"通用能力"改造成"只对你有用的工具"。

AI时代最核心的能力，不是会写prompt，而是能说清楚自己到底在干什么。

如果你也想试试设计自己的AI工作流和skills，我不建议一上来就做"大系统"。先做一个很小、但会替你做真实工作的协议就够了。

三步：

第一步，找一个你原来就经常在做的动作。 找你已经在做、也愿意继续做的事情。比如逛推荐、翻目录、回看划线、整理笔记、扫一圈行业新闻，任何一个都行。

第二步，问一个更精确的问题：AI可以替你接管哪一小步？

第三步，打通一条最小闭环。 无论具体是什么事，无论是“高级”用法还还是“普通”用法，重点是，你要想清楚自己这件事的“起承转合”，让AI成为其中的一环，并且成为以后你进行这件事的自然动作。

真正重要的不是规模，是AI真正进入到你的习惯动作里。

至于具体的工具，技术，方法，只要这篇文章的思路你理解清楚了，你就可以和AI讨论出来。

或者，把整篇文章发给AI，然后，让它来采访你：“我想按照这篇文章的思路，为我每天在做某某事设计一个skills，请向我提问，帮我想清楚。”

你不需要成为程序员，成为产品经理。你只需要能回答一个问题：我每天在做什么，以及我希望哪一步变得更顺滑。