夜雨聆风你是不是也这样用ChatGPT——问它一个问题，它给你一段话，你看一眼觉得没用就关掉了？
你不是一个人，我见过太多人用了两天AI就说"这东西没什么用"。但有意思的是，同一个人，可能也在抱怨AI不够好用。
区别在哪？不是AI不够聪明，是大多数人根本不知道2026年的AI已经能做什么——以及怎么让它做。
深度学习三巨头之一，deeplearning.ai创始人Andrew Ng最近出了一门免费的AI提示课：AI Prompting for Everyone。如果你听说过这个人的名字，应该知道他不是那种随便说话的人。他在课程里说了大实话：2026年大家用AI的方式，跟2022年完全不一样了。如果你还在用2022年的方法用AI，就像拿着智能手机只会打电话。
我研究了这门课的核心内容，结合实际工作中的测试，总结出4个真正能提升AI输出质量的技巧。这不是玄学，是可操作的实践。
技巧1：Deep Research模式——让AI替你做系统性调研，而不是回答一个简单问题
大多数人用AI的方式是这样的：问一个问题，等几秒钟，收到一段回答，关掉。
这个模式对"今天天气怎么样"没问题。但如果你想让AI帮你做市场调研、分析一份报告、搞清楚一个复杂问题——这种一问一答的方式简直是在浪费AI的能力。
Andrew Ng在课程里提到的第一个核心技能，是Deep Research模式。开启这个模式后，AI不再是"回答问题"，而是"做研究"：它会主动规划调研路径、搜索多个来源、交叉验证信息，然后输出一份完整的报告。
我测试了一个真实场景：让它研究"2026年AI对内容创作行业的影响"。简单提问，AI在5秒内给出了一段泛泛而谈的总结。但切换到Deep Research模式后，它花了大约三分钟，搜索了十几篇来源，输出了结构化的行业分析，包括具体数据、案例和不同观点。
什么时候应该用Deep Research？当你需要做重要决策的时候——选专业、换工作，投资一个方向、了解一个陌生领域的基本面。这些场景下，多花三分钟等待一份经过系统性整理的信息，远比快速得到一个表面答案有价值。
具体怎么用？目前ChatGPT（Plus和Pro订阅）、Gemini和Claude都支持Deep Research或类似的深度搜索功能。以ChatGPT为例，选择"Deep Research"模式，然后在提示词里说清楚你要研究的问题、你的背景、你希望输出什么样的结论。提示词越具体，报告质量越高。
技巧2：多文档上下文——大多数人不知道可以同时扔几十份文件给AI分析
你可能知道AI能阅读PDF和文档。但你可能不知道的是，现在的AI上下文窗口已经大到可以同时处理几十份文档。
这个能力在实际工作里意味着什么？
我最近帮一个创业朋友做竞品分析。他发给我十几份行业报告，让我帮他提炼每份报告的核心观点，以及找出这些报告之间的矛盾之处。传统做法是先读完所有报告，再花几个小时整理——现在我只需要把这些PDF打包扔给Claude，告诉它"这些报告中关于A话题有哪些一致观点，有哪些矛盾观点"，它在几分钟内就给我一份完整的对比分析。
法律从业者或者研究者，可以把几十份判决书、合同、论文一起扔给AI，让它找出其中的规律、异常和关键条款。会计可以把几十份财务报表同时分析。HR可以把几十份简历一起处理，按条件筛选排序。
这听起来很夸张，但技术上限确实已经到了这个水平。现在主流模型的上下文窗口：GPT-5.5支持100万token（相当于约75万字），Claude Opus支持20万token以上，Gemini 1.5支持100万token。这意味着你可以一次扔进去几百页的原始材料。
实操建议：不要只扔一个文档。如果你在做研究、做分析、做决策相关的工作，尽可能把相关的材料都扔进去，然后让AI做对比、做总结、做提炼。你会惊讶于它的分析深度。
技巧3：长时间思考模式——遇到重大决策，别让AI"秒答"
你有没有注意到，AI回答问题的时候，几乎是瞬间就给你一个答案？这个速度在处理日常问答时是优点，但当你问它一个真正重要的问题时——"我应该转行去学AI吗"、"我应该接受那个offer吗"——几秒钟给出的答案往往缺乏深度。
Andrew Ng在课程里提到了一个关键认知：遇到重要决策，可以要求AI思考更长时间。这个功能在各个平台上的名字不一样——OpenAI叫"Reasoning"或者"High reasoning"，Claude叫"Extended thinking"，Gemini也有类似的思考模式。
原理很简单：让AI花更多token去推理，而不是快速给出一个表面答案。这就像一个顾问，快速给你一个答案可能只需要五分钟，但花一小时深入思考后给你的建议质量完全不同。
我实际测试了一个场景：问AI"我是一个工作了五年的传统行业产品经理，想转行到AI领域，应该怎么规划"。快速模式下，它给出了一个通用的学习路线图，五秒出结果。切换到深度思考模式后，它开始问更多关于我的背景的问题，分析我的技能迁移路径，列举具体的转行风险和应对策略，输出了一份更像职业顾问给的完整方案。
什么样的问题值得开启长时间思考？换工作、转行决策，投资方向、重要的人生选择、学习一个新领域的路径规划。任何"如果选错了代价很高"的问题，都值得多花时间。
一个具体提示词格式：我正在考虑[具体决定]，我的背景是[你的情况]，请从多个维度帮我分析这个决定，包括：优势、风险、替代方案，以及如果失败了我有什么退路。请思考得更深入一些，不用着急给我答案。
技巧4：工具链联动——让AI不再只是"说话"，而是真正替你执行
前面三个技巧都是关于"怎么问"，但2026年的AI已经不只是能说话了。它能搜索、能生成图片、能写代码、能分析数据——如果你只用它来聊天，等于买了一辆汽车却只用来当椅子坐。
Andrew Ng特别提到了工具链的概念：让AI调用多个工具完成一个复杂任务，而不是单一地输出文字。
举一个实际用过的场景。做一份关于某个城市旅游的分析报告：先让AI搜索城市基本信息，然后用AI工具生成配套的封面图和文内插图，再让AI把内容整理成适合公众号发布的格式，最后让它写几个备选标题。
整个流程，我作为总指挥，只需要给AI发出指令和做最终审核。具体执行都是AI联动完成的。
这个模式的关键在于：你不再把AI当作一个回答问题的工具，而是把它当作一个能执行多步骤任务的助理。你需要学会的是怎么拆解任务、怎么给清晰指令、怎么做最终质量把控——而不是自己去执行每一步。
对于普通人来说，最容易上手的工具链组合是什么？如果你是办公人群，ChatGPT加Copilot的组合可以覆盖文档、邮件、PPT、表格的大部分工作流。如果你在做内容创作，Claude或者ChatGPT配合一个图片生成工具，可以完成从文字到视觉的完整产出。如果你在做数据分析，让AI帮你写SQL或者Python代码处理数据，效率提升是数量级的。
普通人要怎么开始
现在你知道了这4个技巧，可能还有一个问题：我知道AI很厉害，但我的工作具体怎么用？
我自己的经验是：不要一开始就想着用AI完成整个工作。先从一个小任务开始测试。比如你下周要写一份报告，先让AI帮你做个五分钟的调研；你下个月要做一个PPT，先让AI帮你写一个详细的大纲；你需要分析一组数据，先让AI帮你写一段代码处理一小部分。
从小任务开始，熟悉了AI的能力边界，再逐步扩大使用范围。这个过程不会很长——一旦你体验过AI替你工作的效率，你就不会再想回到纯手工时代了。
关键是心态的转变：不要把AI当成一个更快的搜索引擎，而是把它当成一个可以委托任务的智能助手。你不需要学会所有技能，你需要的是学会怎么指挥一个能干的人。
好了，今天的分享就到此结束，咱们下回见~~~如果觉得文章对你有帮助，记得点·赞·转·发·收·藏·哦！
