夜雨聆风凌晨写的这篇文很想给职场人和刚高考完的学生和家长看一下，纳瓦尔宝典里面有一个经典观点是人要取得巨大成功必须要学会用杠杆。我不太愿意用成功去定义一个人追求的状态，但可以下一个暴论，AI就是普通人实现成功的高倍杠杆！无论你对成功的定义是什么。
周末又深入研究了AI（当然在专业玩家面前我才刚入门），再结合工作中了解到的同事用AI的方式和想法，很有感触。配合着AI我整理了以下的几个问题，大家可以对号入座了！
为什么很多人对AI带来的生产力半信半疑？是因为就不太会用！根据我的观察，大家在工作中用AI存在几个问题：
1. 不会区分模型&功能
分不清不同AI的定位，比如用文生图模型写长文档、用对话模型做专业绘图，选错工具导致效果差；也不会切换模型版本、调整基础参数（上下文长度、生图分辨率、输出格式）。
2. 不会整理输入信息
只丢零散文字、截图、语音片段，不梳理需求背景、约束条件、参考素材，AI理解偏差大；多人协作时，不会把历史对话、资料整合后再提问。
3. 不懂多轮对话逻辑
提完一次问题就反复新开会话，丢失上下文；不会顺着AI回复迭代优化，只会一次性索要最终结果。
4. 不会导出/复用成果
不知道把AI生成的内容导出为文档、代码、图片、表格；也不会复制分段内容、拆分复用片段，只会整段照搬。
5. 结构化内容制作能力弱
不会让AI生成规范表格、思维导图、PPT大纲、流程图文案，只会单纯写纯文字；面对报表、台账、规章制度，不知道用AI做标准化排版。
6. 复杂逻辑梳理不会借力
处理方案、复盘报告、流程梳理、风险分析时，只会让AI“随便写一份”，不会拆分模块、设定逻辑框架、补充行业规则。
7. 数据处理不会结合AI
拿到原始数据，不会用AI做数据解读、公式编写、Excel函数/脚本、数据分类汇总；也不会让AI把数据转化为可视化文案、图表说明。
8. 专业工具联动
不会把AI成果对接专业软件（CAD、PS、编程工具、工业设计软件），比如让AI出设计思路，却不会转化为软件可用参数。
9. 专业领域限定
医疗、法律、工程、金融等行业，不会给AI限定行业规范、专业标准、合规要求，生成内容脱离实际、存在漏洞。
10. AI工具串联（工作流）
不会把多个AI组合使用，比如：AI整理资料→AI写初稿→AI润色校对→AI配图，全程单工具单打独斗。
11. 自定义规则/角色设定
除了提示词外，不会给AI设定长期人设、专属工作规则、自定义知识库，没法打造专属“私人助手”。
11. 批量处理
不会用AI批量改写文案、批量命名文件、批量翻译、批量生成模板，依旧手动重复劳作。
简单来讲，就是把AI当做了一个闲聊工具，方便快捷的查询资料的助手，数据查的不对还得骂一句豆包傻X，甚至可能还沾沾自喜觉得自己不会被AI代替。这样的人，难听一点我称之为新时代蠢人，这不是骂大家，而是敲一记重锤提醒大家！
使用AI的发展阶段从prompt到context到harness阶段，有专家称，下一个阶段是loop（专业术语的解释和怎么用大家可以去问AI），简单讲Prompt=教AI说话，Context=给AI资料，Harness=给AI立规矩，Loop=让AI自己跑。我目前大概在harness入门这个阶段，但是大部分人可以还在prompt阶段。harness这个阶段已经有多离谱了呢？我很佩服的我师傅这样的一个资深工程师，面对我生成的研究性文件或者测试大纲，ppt之类的，表现出来了高度认可，甚至认为是可以直接交付的（当然核心数据还需要自己把握），而下一个阶段loop我还没进行尝试，据说核心逻辑是人彻底退居二线，AI自己定目标、自己执行、自己检查、自己迭代，直到搞定。做法是设计“目标→执行→检查→复盘→优化”的自运转循环。
我认为对AI的理解和掌控力高低，就是人的杠杆倍数，AI能巨大倍数提高人的杠杆率！这也是我和很多人一致的观点，人和人的能力差距不是被缩小，而是被无限拉大，这也和过往每次生产力大发展时候是一样的，这就和外附魂骨一样。比如互联网时代，会用一些例如双引号，特定词查找等方式的人搜索的内容精度都比只会打字的的人强，能力弱一些不愿意琢磨去学的让他找个片都找不到的。
我倒是觉得，AI时代可以弄个荣辱观。
以学习AI为荣，以逃避AI为耻；
以节约时间为荣，以无限内卷为耻；
以重视AI为荣，以轻视AI为耻；
以专研AI为荣，以懈怠AI为耻；
以harness/loop为荣，以prompt为耻；
以勤学精进为荣，以故步自封为耻。
正值高考刚结束，我曾经做过教育行业，如果有家长能看到，我希望家长能意识到，如今时代和以往任何时代都大相径庭，时代赋予的倍数从以前的10/100/1000，到现在的可能 100000...，永远要让自己的孩子接触在时代的最潮头，年轻人代表新的想法和新的文化！
