夜雨聆风这段时间，一直有一个很明显的感觉：AI工具越来越多，我反反而越不想开始。
今天看到一个新工具，明天又有人推荐一个新课程，后天又刷到一个观点说：之前那套方法已经不够用了。
我一开始还挺认真。看到有用的AI教程就收藏，看到别人推荐工具也会先记下来。结果收藏夹越来越满，真正打开学习的次数反而越来越少。
不是我完全不想学，而是有一种很别扭的感觉：
怎么好像永远学不完？
有时候刚准备开始学一个东西，新的东西又出来了。刚想认真研究一个工具，又有人说另一个工具更强。久而久之，我反而更不想开始。
我还听到过一句挺有趣的话：
在这个 AI 时代，只要你学得慢，你就不用学。
听起来像段子，但仔细一想，如果我学的是各种工具，好像还真有点这样。
刚学完一个工具，另一个工具又火了。越追越累，最后什么都没留下。
我一开始以为，普通人学 AI，就应该多看教程、多收藏资料、多留意AI相关内容。
我原本想图省事：别人推荐什么，我先收藏；大家都在说什么，我先看看；哪个工具火，我就先记下来。
我当时的想法很简单：
先把资料攒着，总有一天会用上。
但后来我发现，这个想法其实不太稳。
因为收藏教程这件事，本身并不等于学习。
关注工具，也不等于真的会用。
看了很多推荐，也不等于我知道自己下一步该干什么。
我最开始甚至会很直接地问 AI：
这个课程怎么样？
这句话当然也能问，但太泛了。
AI 很可能会给我一个看起来正确、但对我没什么帮助的回答：
课程不错、适合入门、内容全面、可以学习。
这些话不是完全没用，但太空了。
它没有真正解决我最关心的问题：
我是普通人，不是技术大牛。
我时间有限。
我怕学完很快过时。
我想知道这东西到底值不值得我现在学。
其实，我真正担心的，不是学不会某个具体工具。
我真正担心的是：我花了时间学一个东西，结果还没学完，它就不重要了。
这也是普通人学AI很容易焦虑的地方。
AI变化太快了。
工具在变，模型在变，课程也在变。
如果每次都跟着最新的热门内容走，就很容易变成一种被动状态：
今天别人说这个重要，我就学这个。
明天别人说那个更强，我又去看那个。
最后我好像一直在学习，但没有形成自己的判断。
后来我慢慢想明白一个点：
如果我学的是“工具”，那确实很容易学不过来。
因为工具会换。
今天火的工具，过几个月可能就没人提了。
今天流行的玩法，明天可能又被新的模型能力替代。
但如果我学的是底层能力，慢一点反而没那么可怕。
比如：
- 怎么提出一个清楚的问题；
- 怎么给AI足够的背景；
- 怎么让AI先反问我；
- 怎么让AI给出多个方案；
- 怎么要求它批判我的想法；
- 怎么判断它的回答有没有依据；
- 怎么把一次有用的对话沉淀成下来。
这些能力，不是今天学完明天就废的东西。
所以我现在觉得，普通人学AI，不一定要先追每一个新工具。
反而可以先练一个更通用的能力：提示词。
但这里说的提示词，不是背几个万能模板，也不是找几句神奇咒语。
我理解的提示词，更像是：
把自己的问题说清楚的能力。
工具会换。
你今天用 ChatGPT，明天用 Claude、Gemini、grok，后来各种国产大模型也慢慢在追赶，以后还会有新的工具。
但你怎么描述问题、怎么交代背景、怎么提出判断标准、怎么要求输出格式，这些能力不会那么快过时。
这就是我这次想从提示词开始的原因。
不是因为它是热点，而是因为它更像一个底层入口。
我现在给自己定了一个很小的学习方法：以后不再一上来就问很泛的问题，而是先把问题拆清楚。
以前我可能会这样问：
这个课程怎么样？
现在我会改成：
我是一个普通职场人，想学习AI。请你判断这门课适不适合普通人入门，重点看学习成本、可实践性，以及这些知识会不会很快过时。请不要只给结论，要说明理由。
这个变化看起来很小，但其实差别很大。
第一，我给了身份：
我是一个普通职场人。
这能避免AI默认用专家视角回答我，避免它净说一些我听不懂的专有名词或内容。
第二，我给了目标：
我想学习AI。
这能让回答围绕学习价值，而不是泛泛评价课程好不好。
第三，我给了判断标准：
学习成本、可实践性、会不会过时。
这才是我真正关心的东西。
所以我现在准备先用一个简单的“三问法”来练提示词。
每次问AI前，先问自己 3 个问题：
1. 我现在到底想解决什么具体问题？
不要只说：
我想学AI。
而是尽量说清楚：
我想判断这门提示词课程适不适合普通人入门。
2. 我能给AI什么背景？
比如：
我不是技术大牛。
我是普通职场人。
我时间有限。
我怕学完很快过时。
我希望学完能马上用在工作和学习里。
3. 我希望 AI 用什么方式回答我？
比如：
请从学习成本、可实践性、是否容易过时三个角度分析。
请先给结论，再给理由。
如果不适合，也请直接指出。
把这3个问题想清楚后，提示词就不会只是“帮我看看这个怎么样”。可以减少ai回答太过空泛的情况。
它会变成一个更具体、更可执行的问题。
我觉得这个方法至少能帮普通人避开三个坑。
第一个坑：不要把收藏当学习。
收藏教程确实有用，但收藏只是存放，不是吸收。
如果没有下一步行动，收藏越多，反而越容易焦虑。
第二个坑：不要被工具热点牵着走。
不是每个新工具都必须马上学。
如果你没有自己的判断标准，别人说什么火，你就跟着学什么，很容易越学越乱。
第三个坑：不要一上来就问AI很泛的问题。
比如：
这个工具好不好？
这个课程怎么样？
我该不该学 AI？
这些问题太大，AI很容易给出正确但没用的回答。
更好的方式是，把自己的身份、目标、担心和判断标准说出来。
比如：
我是普通职场人，想提高使用AI的能力，但不想追太多容易过时的工具。请帮我判断这门课程是否适合入门，重点看学习成本、可实践性和长期价值。
这样问出来的答案，才更接近自己真正需要的东西。
这次我最大的变化，不是发现了某一门课，也不是又收藏了一个教程。
而是我意识到：普通人学AI，不能只看什么最新、什么最火，也要看什么能力能长期复用。
所以我接下来不打算先追一堆新工具。
我想先练一件很基础的事：
把自己的问题问清楚。
这对我这种普通人来说，可能正是开始学AI最稳的一步。
最后我想问一下，你有没有那种“AI教程收藏了很多，但真正没怎么开始学”的感觉？
如果你也有类似情况，可以留言说说：你现在学 AI，最容易卡在“工具太多”，还是“教程太多”，还是“不知道该问什么”？
