夜雨聆风大家好，我是虾哥。
说出来你可能不信，有一次我用AI搞砸了一件特别简单的事。
那天领导让我整理一份供应商名单，大概三百多家公司，需要按行业分类。我觉得这事太简单了，直接把Excel丢给WorkBuddy，说「帮我把这些公司按行业分类排好」。
然后我就去开会了。
开完会回来，看到屏幕上确实出现了一份分类好的名单。我看了一眼，好像没问题，就直接交上去了。
第二天，领导把我叫到办公室。「虾哥啊，那个供应商名单，你把建筑公司和建材公司搞混了。」「还有，这几家明明是做信息系统集成的，你怎么全归到软件开发里去了？」
我当时脸都红了。回去一查，AI确实分了类，但它是根据公司名称里的关键词来分的，根本没有核实每家公司实际的经营范围。一个叫「XX建材有限公司」的，它归到了建材。但实际上这家公司早就转型做装修工程了。
这是我用AI早期踩的坑里最丢人的一个。不是AI不行，是我太懒了。我放弃了自己应该承担的判断责任。
从那以后我慢慢摸出了一些规律，也总结了五个我实打实踩过的坑。今天跟大家分享一下。
1
先说最基础的那个，把AI当搜索引擎用。
我刚接触WorkBuddy的时候，所有的提问都是这种模式：「帮我写一份XX通知」「帮我分析一下XX政策」「帮我做个XX方案」。
一句话需求。不给背景、不给约束条件、不给参考样本。然后看着结果说「AI就这样啊，写出来都是套话」。
后来有一次我跟一个用AI用得特别好的朋友聊，他问我：「你知道为什么AI给你的东西总是那么空吗？」
我说不知道。
他说：「因为你给它的就是一个空的题目。你让它帮你写一份通知，它能写什么呢？你让它写通知给谁看？上级单位还是下级单位？语气是正式还是简洁？有没有什么必须写进去的关键信息？你全没说。」
一语惊醒梦中人。
你把AI当搜索引擎用，给一个关键词就让它出全文，它只能从它的知识库里抽取最通用的模板来套。这不是它不想做好，是你没给它做好的条件。
后来我养成了一个习惯：每次让AI写东西之前，先花两分钟在脑子里过一遍，我要的到底是什么。有时候甚至会先在记事本里打下几个要点，然后丢给AI说「根据这几个要点来写」。
从那以后，AI给我的初稿质量明显上了一个台阶。不是说它变聪明了，是我变聪明了。
所以现在我会：在给AI任何写东西的指令之前，先问自己一句「如果对面坐着一个真人，我要跟他说清楚哪些信息他才能帮我写？」然后把那些信息都给AI。
2
第二个坑，以为AI说的都是对的。
这件事说起来有点丢人。我之前对AI有一种奇怪的迷信。它写出来的东西，格式工整、逻辑清晰、用词专业，看起来就很权威。再加上它什么都能接上话，你问什么它都能给你一个看上去很有道理的回答，你会不自觉地信任它。
有一次我让WorkBuddy帮我查一条政府采购领域的法规，它非常自信地给出了一个条文，还标注了法条编号和出处。我看了一眼，觉得说得通，就引用到了一份材料里。
还好我的材料在发出之前被法制部门复核了一遍。他们告诉我，那条法规在去年的修订中已经被废止了。
我当时的感觉，就像你在街上问路，一个人非常笃定地指着前方说「往前五百米左转就到了」，你走了八百米发现前面是条河。你回头想找那个人算账，他已经不见了，而且你甚至不知道那是不是个真人。
从那以后我养成了一个习惯：AI给我的信息，如果是需要对外使用的，我一定会自己核实一遍。特别是法规条文、数据、时间节点这些硬信息，必须是能查到出处的，我才会用。
这不是信不信任AI的问题。AI不是一个信息源，它是一个语言模型。它的目标不是说真话，是生成看起来合理的回答。如果你用它来查硬信息，那相当于你用锅铲去拧螺丝，不是锅铲不好用，是用错了地方。
所以现在我会：需要查法规、数据、名单这些硬信息的时候，不用AI直接查，而是用AI辅助我快速定位原始资料，然后自己去原始资料里确认。
3
第三个坑，贪大求全，一次想让它搞定一切。
我用AI有一个阶段，特别执着于「一次性搞定」。比如写一份采购方案，我就希望把所有的背景资料丢进去，然后一句话出来一份可以直接交付的成品。
每次这么做，结果都是惨不忍睹。
不是因为AI写不好，是因为一份完整的采购方案涉及的东西太多了：项目背景、需求分析、技术方案、预算编制、实施计划、风险评估。你把这么多东西搅在一起让AI一次性输出，它就变成一个什么都说了但什么都没说清楚的大杂烩。
后来我学聪明了。我不再试图一次性搞定，而是把它拆成六七个步骤。第一步：帮我梳理项目背景。第二步：根据背景，罗列需求要点。第三步：针对每项需求，给出技术应对方案。以此类推。
每一步我都可以在中间介入，检查方向对不对，调整表述，补充遗漏的点。然后基于这一步的输出，再进入下一步。
这样做出来的方案，无论是逻辑严密性还是内容深度，都比「一次性硬上」好太多了。
这里有一个很有意思的领悟。我之前一直觉得用AI就是追求「快」。一次性让它出成品，肯定比一步步做快。但实际体验告诉我，快的那一步你省的时间，全在后面改第一版的时候加倍还回去了。
就像一个不会做饭的人，你给他一筐菜让他一次性做出一桌宴席，他可能全炒在一起变成一锅乱炖。但你让他先切菜、再炒菜、再摆盘，每一步都看着，最后也能做出像样的菜来。
所以现在我会：任何超过两千字的任务，绝不一次性丢给AI。至少拆成三步以上，一步一步来，每步之间我介入确认。
4
第四个坑，什么工具都要尝一口，结果哪个都没用熟。
这个坑我踩得尤其深。
过去半年我试用过的AI工具，可能不下二十个。每次看到别人推荐一个新工具，我就去下载试试。试用完了觉得「哇这个好厉害」，然后放着，过两天又看到另一个新工具，又去试。
结果就是，什么都会一点，什么都用不深。WorkBuddy的连接器功能是我用了快两个月之后才发现的，QClaw的一些高级用法我也是看了别人的分享才恍然大悟的。我之前不是没有这些功能，是我根本没有用进足够深入的程度，它们就被我放在那里了。
这就跟你同时参加十个兴趣班一样。每个班都去过一两次，最后弹钢琴只会弹小星星，画画只会画火柴人，游泳只会狗刨。好像什么都会，其实什么都不会。
后来我强制自己做了一件事：选定两个核心工具，专注用三个月。一个是WorkBuddy处理所有文字和知识类工作，一个是QClaw处理文件操作和自动化任务。其他的工具先不管。
三个月之后我发现，当你把一个工具用到足够深的时候，它给你的回报是指数级的。不是因为你用了什么新功能，而是因为你已经形成了以它为核心的工作习惯，你遇到问题会条件反射地想「这个我用WorkBuddy怎么处理」，然后处理的效率就上去了。
所以现在我会：不追新工具，不跟风。手上的工具如果足够满足需求，就把它用透。新工具出来先观望，等它成熟了、真的解决了我现有工具解决不了的问题，再考虑上手。
5
第五个坑，没有养成固定的AI工作流。
这个坑是前四个坑的合集。把AI当搜索引擎是因为没有固定的提问习惯。以为AI全对是因为没有固定的核实流程。贪大求全是因为没有固定的拆解步骤。工具换来换去是因为没有固定的工具选择。
它的根源在于一个很底层的东西：你把AI当成一个偶尔拿来用一下的「外挂」，而不是你日常工作流程里的一个「标准环节」。
我以前用AI就是这样的。遇到特别难写的材料，实在写不下去了，打开AI让它帮我写一段。写完了，关掉。下次遇到另一个问题，再打开，用完，再关掉。它就像一个工具箱里最底层的那个工具，只有别的办法都用完了才想起来。
但后来我发现，那些真正从AI中获得很大收益的人，不是把AI当备用工具用的。他们把AI嵌进了日常工作流。
比如每天早上，先打开WorkBuddy，让它帮你梳理今天要处理的事情。然后每处理一项工作，先问一句「这个AI可以帮忙吗」。处理完之后，让AI帮你做个小结，记录一下处理结果和遗留问题。到下班前，让AI自动生成一个日报。
这件事一旦形成习惯，就不是「AI帮我做了什么」的问题了，而是「我的工作方式已经包含了AI」。就像你现在用Word写文档不会觉得「我在用Word帮我」，因为Word就是你写文档的方式。AI最终也应该成为你工作的一部分，而不是一个外来物。
养成这个习惯需要时间。我自己也没完全做到，但正在往这个方向靠。
好了，五个坑说完了。简单回顾一下：
1. 把AI当搜索引擎，不给背景信息，出来的东西当然空
2. 以为AI永远不会错，不核实，结果它就是个会犯错的工具而已
3. 一次性想让它搞定一切，不分步，结果就是大杂烩
4. 什么工具都浅尝辄止，没有用深的
5. 没有把AI变成日常工作流的一部分
这五个坑，每一个我都踩得不浅。有一些到现在偶尔还会犯。
但我的感受是，踩坑不可怕，可怕的是你踩完坑之后对AI失望了，觉得这东西果然不行，然后放弃了。那前面的坑就白踩了。
我把这些踩过的坑写出来，就是希望看这篇文章的你，如果要掉进去的话能摔轻一点，或者至少你知道「虾哥也掉进去过，还爬出来了」。
这就够了。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章，我们，下次再见。
