为什么AI教程从来不教这三种最基本的工具?

很多人看到这个标题，第一反应可能是：又要推荐三个 AI 软件了。不是。Codex、Claude Code、 harness、loop，今天都先放一边。

真正值得讨论的，是 AI 时代更靠里的三种工具：P，Purpose，定义意图；A，Assemble， 组装工具；O，Optimize，优化指令。它们对应的不是软件名称，而是三种能力： 意图力、工具感、表达力。

我做过很多 AI 培训，发现一个很现实的情况：很多人说自己用过 AI，其实就是在豆包里和它聊过天。 让它写过一段文案，问过一个问题，生成过几张图，这当然算使用，但还谈不上把 AI 放进工作系统。

很多人以为定义问题，就是把 What 说清楚：我要写一篇公众号，我要做一个 PPT，我要生成一张海报， 我要拍一个短视频。听起来很清楚，对吧？其实这些只是任务外壳。

你可能也听过 AI 对话的四象限。你知道，AI 也知道，这是开放区，直接问就行。你不知道，但 AI 可能知道，这是盲区，让它帮你解释、补课、拆解。你知道，但 AI 不知道，这是隐藏区，你必须先投喂背景、 资料和案例。你和 AI 都不知道，这是未知区，进入共创、假设和探索。

这个工具很有用。它解决的是 Problem：眼前这个问题该怎么被拆开、补足、讨论或探索。但它没有解决更前面的一件事： Purpose。你为什么要处理这个问题？

你为什么要写这篇公众号？是为了表达观点、筛选客户、建立专业感，还是为了转化成交？你为什么要做这个 PPT？是汇报成果、争取预算、说服领导，还是让一个团队达成共识？

你为什么要生成一张海报？是为了好看，还是为了在三秒钟内让用户知道这件事和他有关？你说"帮我写个朋友圈文案"， 背后可能不是一句文案，而是：我要显得专业、我要不冒犯客户、我要在同行里建立位置、我要证明我不是落伍的人。

AI 真正要接管的不是一句文案，而是这个人的处境、动机和判断。所以定义问题不是把任务描述得更细， 而是先把意图挖出来。你不是要"一个东西"，你是要通过这个东西改变某种关系、某种认知、某种行动。

这件事想清楚，AI 才开始真正进入你的工作。

第二种工具，是 Assemble：组装能力。这是大多数人最有感知、也最焦虑的部分。大家确实能感受到工具差距。 一个人只用免费聊天工具，和一个人长期使用主流大模型、搜索工具、知识库、Agent 工具，几个月以后， 差距一定会拉开。

这不是因为付费本身高贵，而是因为他会被迫进入更复杂的任务场景。他会开始理解什么叫上下文， 什么叫多模态，什么叫搜索验证，什么叫 skill 沉淀。

我不赞成一句话把工具打死。很多人喜欢说：不要迷恋工具，思维最重要。这句话对高手可能是提醒， 对普通人反而可能是误导。真实工作里有资料搜集、事实验证、内容组织、方案推演、图像表达、文档生成、 流程执行、团队协作、知识复用。一个聊天框不可能优雅地解决所有问题。

组装工具的重点不是追逐最新软件，而是理解四类能力。

第一类：大模型

它负责理解、组织、生成，帮你把混乱的信息变成结构。我坚决建议你至少为一个大模型付费。 关于大模型付费差距，Mollick 有一个很值得警醒的判断：免费用户和每月二十美元用户，两个月后就会拉开巨大差距。 这里不把它扩写成研究综述，只保留它真正服务的观点：更强的工具会把你推向更复杂的任务。

第二类：搜索工具

它负责连接现实，处理最新信息、市场信息、政策信息、事实验证。但我不太想把它简单叫作搜索工具。 更准确地说，它是一种能力，叫搜商。在 AI 时代，搜商远远不只是会查资料，首先是一种信源判断力。

你要知道什么问题应该去哪搜，什么问题不该去哪搜。查政策，不能只看自媒体解读；查行业趋势，不能只看营销号总结； 查技术进展，不能只看中文搬运；查 AI，也不能只看我这个视频。不同渠道有不同的污染方式：低质搬运、 洗稿拼接、情绪标题、商业投放，都会把答案推歪。

第三类：智能体工具

它不只是回答你，而是能替你执行动作：操作文件、调用代码、生成文档、连接本地系统。 这东西背后仍然是大模型，只不过它让这个大脑长出了手脚，可以自我规划、自我执行、自我迭代，接管真实世界。 一个很有画面感的例子是：下载企鹅家的 WorkBuddy，便宜量大，十分钟装到电脑上，一分钟绑定微信， 然后用微信口炮让家里的电脑干活干到冒烟。

第四类：知识库工具

它负责沉淀你的资料、经验、案例和风格，让你不是每次都从零开始。这里推荐两个： Google 的 NotebookLM，强搜索、端到端、高保真、跨模态输出；Obsidian 本地运行，安全隐私更有保障。 再给 Obsidian 接入像 Claude Code 这样的智能体，你的世界会厚重很多。我的视频也是这么来的：让 Claude Code 每天从 Obsidian 里提取高价值灵感，再进入后续写作流程。

第三种工具，是 Optimize：表达判断，也就是我们常说的提示词。但我想把提示词从玄学里拉回来。 提示词不是写小作文，提示词的本质，是你如何与一个非人类心智高效沟通。

AI 的默认人格通常很友善，很配合，很愿意满足你。你说什么，它都尽量顺着你说。你没判断， 它就给你一个看起来很完整的平均答案。你以为 AI 在帮你，其实它可能只是在强化你的含糊。

真正好的提示词，不是为了让 AI 更会讨好你，而是倒逼你向世界做出更清晰的判断。你要说清楚： 什么是好，什么是不好；什么可以接受，什么不能接受。

提示词其实是在外化你的 taste，品味。很多人会说：这个标题太俗了，这个画面不高级，这个文案太 AI 味了。但如果你不能继续说清楚，为什么俗，为什么不高级，为什么有 AI 味，那这个判断就只是一种情绪。

当你能把这些感受拆成标准、例子、边界和检查清单，它就变成了可以被 AI 复用的经验。未来 Agent 越来越强，提示词不是不重要了，而是会换一种形态存在。它会从"我临时怎么问一句"，变成"我如何定义一个任务系统"。 写 Harness、写工作流、写智能体规则，本质上都是高级 Prompt。

提示词的终点不是让 AI 更懂你，而是让你终于看清楚自己到底懂什么。

最后给你一个马上能用的检查方法。下次你打开 AI 之前，不要先问它，先问自己三个问题。

第一，我做这件事真正想改变什么？当你把 AI 当成一个工具，去服务一个你并不热爱的目标， 一定不会有神来之笔。你有多真诚，AI 就有多真诚。

第二，这个任务需要哪类能力：思考、验证、行动，还是记忆？当你把越来越多的工具装进箱子， 并了解它们的能力边界，这些工具就不是死物，你的工具箱会变成一个化学实验室。工具之间会产生奇妙的化学反应， 长出新的物种。 你有多丰富，AI 就有多丰富。

第三，我能不能把自己的判断标准说清楚？真实世界里，判断标准的弹性是常态，我们很善于在灰色地带游走。 但我们内心那条不可逾越的红线，底层往往写着许多刚性的标准。它是什么？你敢不敢说出来，并诉诸于实践？ 你有多勇敢，AI 就有多勇敢。