夜雨聆风前段时间，一个伙伴在安装 Obsidian 时遇到问题，过来找我。
最近公司陆续在推广 WorkBuddy、IMA、Obsidian、Obsidian 的 AI 插件、Codex 等工具。交流过程中，她问了我两个问题。
第一个问题是：
"教程里提到的 Obsidian 插件，我是不是都要安装？"
我告诉她，不用。
先把最基础的装上就可以。以后遇到具体需求，再去寻找对应插件，不需要一开始就把所有东西都装完。
第二个问题让我有些意外。
她打开已经安装好的 Obsidian，问我：
"虽然我现在装好了，但我可以拿它做什么呢？"
那一刻，我突然停了一下。
因为这个问题，可能比安装问题更重要。
她缺的不是安装教程，也不是更多插件。
工具已经装好了，但她还没有建立工具和自己工作之间的联系。
后来，我打开自己的 Obsidian，给她演示了几个真实场景：
怎样整理散落的工作资料，怎样把一段经历沉淀成可以复用的案例，怎样从过去的笔记中调用材料，以及怎样让 Obsidian 和 AI 配合完成一个具体任务。
她看完以后说：
"啊，原来还可以这样用。"
这句话让我印象很深。
因为很多时候，工具不是没人装，也不是没人学。
真正的问题是：
装完以后，不知道它和自己有什么关系。
一、工具安装完成，不等于能力已经产生
类似的反馈，也出现在我们面向城市总经理和管理者的培训中。
伙伴去城市交流时发现，现在集团正在推广不少 AI 工具，也有很多课程在讲安装、配置和基础操作。
课程结束后，软件确实装上了。
但很多人回到工作中，还是不知道：
我为什么要打开它？
它和我的工作有什么关系？
我到底能用它解决什么问题？
问题可能就在这里：
我们正在用过去的软件培训方式，做今天的 AI 培训。
过去的软件培训，常见路径是：
介绍功能 → 安装软件 → 演示操作 → 培训结束
这种方式可以让人知道按钮在哪里，也能让大家完成一次标准动作。
但 AI 工具不一样。
AI 工具真正产生价值，不是因为你知道它有哪些功能，而是因为你能把它放进自己的工作任务里。
如果没有真实场景，再强的工具，也只是电脑里多了一个图标。
安装率解决的是"有没有接触工具"，但解决不了"会不会用工具完成工作"。
AI 真正进入工作，需要的不是另一套更复杂的安装教程，而是一条更接近真实工作的路径：
真实问题 → 明确任务 → 选择工具 → 完成成果 → 复盘方法
这条路径走通了，工具才开始变成能力。
二、不是先学工具，而是先找到任务
最近，我在准备一门面向培训人的 AI Skill 实操课。
前期分析了 49 份、覆盖 48 个城市的调研问卷。看完以后，我有一个很明显的感受：
很多伙伴并不是完全没接触过 AI。
他们听过课程，装过工具，也试过提示词。
真正的问题是：
学完以后，不知道怎么回到自己的工作。
所以，AI 培训的起点不应该是：
"今天我们学习哪个工具？"
而应该是：
"你现在最想解决的一个真实问题是什么？"
比如：
你每周写周报，都要翻大量聊天记录；
你手里有很多材料，但真正使用时总是找不到；
你要设计一门课，却不知道怎样从一线需求开始拆解；
你反复制作相似的 PPT，每次都要重新整理结构和格式；
你访谈了很多人，却很难从录音中提炼出真正有价值的判断。
当问题足够具体，工具的价值才会出现。
这时候，我们才需要判断：
这件事适合用 WorkBuddy，还是 IMA？
适合沉淀到 Obsidian，还是交给 Codex 执行？
适合用一次 AI 对话解决，还是应该做成一个可复用的 Skill？
工具不是课程的主角。
真正的主角，应该是一个人想要完成的任务。
因为只有任务真实，学习才不会停留在"我知道这个功能"。
而是会继续追问：
这个功能能不能帮我把事情做成？
三、AI 培训最小的交付物，是一个做成的任务
很多培训结束时，会统计课程完成率、工具安装率和参与人数。
这些指标当然有用。
但它们只能证明培训发生过，不能证明能力已经形成。
AI 培训真正应该验收的是：
学员有没有解决一个自己的真实问题？
有没有产出一个能回到工作中使用的成果？
换一个相似任务，他还能不能再做一次？
过程中形成的方法，能不能被沉淀下来？
所以这次课程设计，我把学习过程重新整理成四个阶段：
说清楚 → 做出来 → 跑一次 → 改得更好
第一步，先把问题说清楚。
不是泛泛地说"我想学 AI 做 PPT"，而是要说清楚：
这份 PPT 给谁看？
它要解决什么问题？
手里有哪些材料？
什么结果才算合格？
很多 AI 任务做不好，不是因为工具不行，而是一开始任务就没说清楚。
第二步，借助 AI 做出第一个成果。
不追求一步完美，先让任务真正跑起来。
因为只有成果出来了，人才知道哪里不对、哪里缺、哪里需要继续调整。
第三步，把成果放回真实工作中使用一次。
这是最关键的一步。
很多内容看起来完整，但一用就会发现问题：
有些表达不适合真实场景；
有些流程看起来顺，但执行起来很重；
有些规则没有说清楚，AI 每次都会跑偏；
有些成果自己觉得不错，但别人根本用不起来。
只有经过真实使用，成果才会暴露问题。
第四步，根据反馈继续修改。
把稳定有效的做法沉淀成模板、流程，甚至 Skill。
到了这一步，工具才不只是被使用了一次。
它开始进入一个人的工作方法里。
四、AI 培训不是教会安装，而是陪人完成第一次实践
回头看，那个伙伴问"Obsidian 装好了，我能用它做什么"，其实一点也不奇怪。
真正值得反思的是：
我们是不是太急着把工具交给别人，却没有先帮助他看见自己的问题？
工具可以统一安装，真实任务却因人而异。
管理者、培训人、数据分析师和一线业务人员，需要解决的问题完全不同。
所以，AI 培训不能只做统一的功能演示。
它应该让每个人带着自己的材料、自己的问题和自己的任务来到现场。
课程结束时，他带走的不只是一个工具，而是一个已经做成的成果，以及一条可以再次使用的方法。
AI 培训真正的交付物，不是一门讲完的课程，也不是一个安装完成的软件。
而是：
陪一个人用 AI，第一次解决自己的真实问题。
当他做成过一次，才会真正理解工具为什么存在。
当他能在新的任务里再做一次，工具才真正变成了能力。
所以，AI 培训最缺的，可能不是更多工具教程。
而是一个足够真实、足够具体、并且真的能被做成的任务。
关注「木子AI笔记」，一起在 AI 时代保持清醒、持续成长。
关于木子
AI 实践者：专注用 AI 解决业务、生活与家庭教育中的真实问题
- 一线经验：10年+算法、数据分析、经营与管理经验
- 实战经历：公司 AI 应用项目负责人，推动 AI 进入真实工作场景，产出 100+ AI 应用案例
- 持续分享：AI 实践、经营管理、亲子陪伴与个人成长