“我的AI助手真的很蠢”,可能的问题和解决建议

朋友们，周日快乐。

财务作为专业知识服务业，从AI开始以来，就被认为跟程序员、律师一样，可能会在被AI所替代。各互联网工厂也开始了职能AI化的步骤。这个系列，记录我日常工作中关于AI使用的一些想法。

系列上两篇：

可怜的小财务会被AI替代吗？（1）

AI何时替代财务不好说，但财务此刻是真需要AI呀（2）

这篇文章，总结笔者日常最被问到的AI使用问题：“小埃，我的AI助手真的很蠢耶”。我们来聊聊，这可能是个什么问题，以及一些解决的建议。

一、区分产品问题和使用问题

不得不说，AI被（非研发背景人员）广泛使用其实也就是这两年，尤其是26年才出现的事情。这也意味着，AI产品也刚上线不久，还没有经过多少轮迭代呢！

所以，使用时候出现问题的时候，如果可能（尤其是在各厂内工作的小伙伴），请务必加入产品内测/答疑群，及时反馈使用问题。

比如以下这种报错，很可能就是产品问题，而不是AI的问题：

虽然说，如果报错给产品，产品很可能的反馈也只会是：“这位用户，请你卸载重装一下，谢谢。”

但知道大家都有这个问题，就放心多了。

二、区分是硬技能，还是软技能

厂内的小伙伴们大概今年以来都拿着一份小财务的工资，苦哈哈地被要求干着一个财务+半个产品/半个研发/半个BI老师的工作了。

问题是，虽然是基础产研工作，但也是有专业门槛的。即使现行主流AI agent工具设计已经尽量小白友好，而不是像传统编译器（相信我，部分财务小伙伴可能连“编译器”是什么都不知道，让我们改转义符报错是什么东西？）一样让人不知道从何下手。

但有些AI的反馈和错误，有时候是真的没看懂。所以就只能一概归咎于“这个AI助手很蠢”的暴论。这时候，建议先区分一下，是硬技能不够，还是软技能问题。

硬技能问题，常见于不得不赶鸭子上架被拉去写代码时候的各种没看懂。软技能问题，常见于跟AI沟通时候无法得到想要的结果。

三、一些硬技能（也不那么硬）

市场上诸如“提示词工程”、“30分钟速懂AI编程”此类的课程已经足够多了，就不复制粘贴了。这里贴两个东西：

• 一个是常见报错和解决方案，
• 一个是建议找AI帮你编制一个短期技术素养学习路径。

a/ 常见报错及解决方案：

适用场景：使用AI生成的代码时遇到报错，可快速查询，减少挫败感。

报错信息	通俗含义
`ModuleNotFoundError: No module named 'xxx'`	电脑里缺少AI代码需要用到的“工具箱”（库/包）。
`SyntaxError: invalid syntax`	代码中有“标点符号写错了”或“格式不对”，Python看不懂。
`FileNotFoundError: [Errno 2] No such file or directory`	AI读取文件时“没找到”你指定的文件。
`NameError: name 'xxx' is not defined`	你用了AI代码中的一个“变量”，但该变量还未被赋值或定义。
`IndentationError: expected an indented block`	代码的“空格缩进”不对。
`JSONDecodeError`	AI返回的不是有效的JSON格式，程序解析失败。
`ConnectionError / TimeoutError`	网络连不上AI的服务器。

b/ 短期技术学习路径

必须承认很难用“短期”的学习就能取代产研老师们多年的技术经验。但如果你已经不得不被赶着干部分研发的工作了，那一点基础学习也有备无患。AI时代再列书单啥的可能有些老套，而且AI coding本来就是实践科学。

以下是我让AI帮我制定学习路径的prompt，供参考：

我是一名非技术背景的财务同学，日常工作需要频繁使用AI工具（如ChatGPT、Claude、Kimi等）来辅助产品设计、数据分析、文案撰写和流程自动化，已经感受到AI带来的效率提升，做过一个简短的财务分析工作流skill。

但在实际使用过程中，我发现：
1. 当AI生成的内容涉及代码、技术方案或数据逻辑时，我难以判断其正确性和可行性2.想进一步用AI做更复杂的产品原型或自动化工作流时，受限于技术理解，无法准确表达需求或验证结果3.看到技术同学用AI做出更强大的工具时，希望自己也能具备类似能力4.由于缺乏一些研发基本知识（比如转义符），在修改工作流生成的python源码时，需要耗费远比研发同学更多的时间

因此，我希望系统性地补充一些"技术素养"——不是要成为专业程序员，而是希望能够：• 看懂AI生成的代码和技术方案，判断其合理性• 更精准地向AI描述技术需求（Context Engineering）• 理解AI能力的边界，知道什么能做、什么需要人工介入• 能够用低代码（coze）或有代码（接入claude的vs code）工具搭建简单的AI工作流

请为我推荐：
1. 适合零基础非技术背景同学的编程入门书籍（Python优先，也需要补充SQL背景，注重实用性和可读性）
2. 帮助建立"技术思维"和"AI思维"的书籍或博客
3. 针对"用AI做产品/提效"的实战资源和社区
4. 一条最小可行的学习路径（8周左右），让我能快速从"AI使用者"进化为"AI驾驭者"请按难度梯度组织推荐，并说明每本书/资源能解决我哪个具体痛点。

四、也许有用的一些软技能

听了很多使用bug，比如“AI帮我把流程审核错了，我不得不求业务重新发起一条流程”，其实似乎是混淆了人和AI的工作和责任，不仅常见于AI的使用场景，也常见于刚做到管理岗的场景。

就像团队的产出最终是归咎于团队负责人一样，AI的产出最终是归咎于使用AI产生结果的人的。一个暴论是，可以把AI当做对公司一无所知，来做实习的N个行业博士生一样管理。

因此，一些刚给初级管理岗的建议，竟然也适用于与AI的沟通。

a/ 识人善任

作为初级管理者，我们那时候是没有权力选择下属的，只能通过下属的风格，用ta能听懂的方式，给ta安排合适ta的工作。AI也一样。市场上的AI也就这么几个，你说AI太蠢了不用，就没法用了。认识不同AI风格，给ta安排不同的工作，是使用者的责任。

比如常见分工：

• 数据分析 → DeepSeek/Claude
• 文档总结 → Kimi/文心
• 文生图片 → Midjourney/可灵
• 图生视频 → Seedance

b/ 过程管控

无法否认，很多管理者是依靠甩锅下属来在企业生存的。这里讨论另一套逻辑：想把事情做好的逻辑。

作为初级管理者，手里来了个对公司一无所知的实习生，是不可能安排ta做一个巨大的模糊任务（如，你去帮我写一个PPT），不做任何过程监控，然后希望ta一次性把所有事情做对，直接让ta给自己上级汇报的。PDCA，就是一个常见的过程管理工具：

阶段	财务AI案例
Plan：定目标、给背景、选工具。	“帮写一份本月销售费用环比分析报告，重点看异常波动，模板参考上月的。”
Do：AI生成初稿/结果。	AI输出报告全文，含表格和结论。
Check：人检查逻辑、数据源、是否胡编。	发现AI把“市场部”的费用归到了“研发部”，且引用了一个不存在的会议。
Act：反馈修正、固化经验（沉淀为Skill）。	修正：“市场部归集错了，重新归集。以后记住，市场部含XX科目，把这个规则加到我的Skill库里。”

与AI交互的PDCA循环里，最关键的是C（Check），且必须由人来Check。结果的对错，是使用者，而非AI的责任。计划、检查和修正的颗粒度，决定了AI助理成长的速度。

c/ 任务要具体

在企业的职级设置里，越往上的职级（比如P12及以上），会承接越模糊的任务，再翻译成具体的动作，安排给下属完成。根据我们的设定，AI助手只是一个“对公司一无所知，来做实习（P4/5）的N个行业博士生”，所以，请不要把自己未经思考的模糊任务，直接复制粘贴给ta，并期待ta能给你完美的结果。

SMART就是一个我们也很希望上级能做到的布置任务工具：

废话指令	专业指令
S：分析下费用。	分析销售部门在6月份的费用明细。
M：算准确点。	数据精确到小数点后2位，核对表1和表2的总差额必须为0。
A：预测未来三年现金流。	根据今年上半年实际流水，做下个季度的简表。
R：总结下企业文化。	只关注与差旅费报销相关的制度条款。
T：有空算一下。	5分钟内输出结果，超时直接终止。

d/ 如何避免幻觉

至于AI特有的幻觉问题，最可能出现问题的地方，在于我们自己也未知的领域，这时候，可以通过定规矩来减轻。比如预设防火墙，定规则：“不确定必须说不知道，严禁编造”。

是的，这不是一篇吐槽文，或者就粗暴来一句AI无法替代财务的文章。

“先为不可胜，以待敌之可胜。不可胜在己，可胜在敌”。AI和AI产品能进化到哪一步，是时代的课题。虽然AI无法替代我们承担责任，但如何与AI协同合作，可能会是往后一段时间，我们需要共同面对的课题。

那就练好基本功，坐等时代的进步吧。