夜雨聆风
1. 把AI当成“员工”而非“工具”
我在之前的这篇思考记录里曾讨论过，人与AI协助越久，越会是相互训练的关系。亦如书中所说，我们要把 AI 看作自己的“超级虚拟员工”，甚至是一支可无限扩展的“千人团队”。
因为只有把 AI 视为“员工”而非“工具”或“搜索引擎”，我们才会去思考如何给它分配任务、协调流程，从而真正释放其生产力。
在这种视角下，AI 不再是被动回答问题，而是主动为你完成从基础数据处理到专业级创作的全流程工作。
而且，当 AI 被当作“潜力巨大的劳动力”时，你才会去优化提示词、迭代工作流，把 AI 从一次性问答升级为持续价值创造。
本质上，怎么理解 AI 就决定了你怎么使用它。把 AI 当“免费劳动力”只能得到平庸结果，而把 AI 当“智囊团”才能获得战略洞见和多角度决策支持。
建立了这样的认知，就会从根本上改变人机协作观念。通过重新定义角色、流程和协作方式，让 AI 真正成为个人生产力跃升的杠杆。
2. 提出好问题
“问题的价值远超答案”。
目前大模型基本按月迭代更新，能力越来越强，就更需要驾驭大模型的能力，如何提问就显得十分关键。
好问题首先要清晰地界定你想解决的情境、目标或痛点，而不是直接跳到寻找解决方案。
在AI时代，提问不再是附属于思考的尾声，而是驱动整个认知、决策与价值创造流程的引擎。
掌握定义问题、拆解问题、追问问题的方法，就等于为AI注入了方向，也为自己的思维设定了边界，这正是个人生产力跃升的关键杠杆。
苏格拉底曾说，“人类最高级的智慧就是向自己或向别人提问。”
3. 黄金圈法则：why-how-what
书中给出了一个可复用的提示词底层框架，基本上我们所收藏的很多提示词本质都是这个框架：
驾驭AI的Prompt黄金圈法则，核心就是三个要素：Why、How、What。
• Why ：明确目标
这是最内层的“内功心法”。先问自己：我希望通过与 AI 的对话解决什么？得到什么认知或成果？写一篇标题党文章和写一篇理论阐述文章是根本不同的两个目的。目标越清晰，AI就越能理解你的意图，产出的结果也就越靠谱。• How ：方法策略
当目的明确后，就要决定“角色与策略”。你让 AI 担任什么角色？采用什么方法？例如：“请扮演一位知识管理专家，按照金字塔原理梳理资料”，这样既限定了身份，也给出了思考框架。方法策略越具体，AI就越能按照你的想法去执行。• What ：预期结果
最后一层是可交付成果。要具体到输出形式、结构、粒度，例如“列出 50-80 个关键词，并按核心理念、关键步骤、实操技巧、避坑指南分类，用树状结构输出”。期望结果越明确，AI就越能产出符合你要求的结果。
其中，最重要的还是要交代清楚 Why，AI的能力越来越强，说明任务可以完成的更好，甚至无需具体的策略方法，所以事前定义清楚为什么这么干更关键。
4. 赋予专业角色/场景
赋予专业角色，核心是让 AI 明白“我是谁”，进而激活专属知识与经验 ，这也是为什么大多数提示词都会根据任务让AI扮演不同的角色。
当你只说一句泛化问题而没有身份信息时，AI 只能调用通用知识做“平均值”式的回答。
指定角色（例如“资深产品经理”、“10 年临床心理咨询师”）会把 AI 切换到该领域的知识语境，把隐藏的领域知识带出来，让它以专家视角思考并输出更专业、更贴合实际的方案。
同时，还需要用场景约束范围，进而提高回答质量与可用性。场景相当于给问题加上时空与业务边界，让AI 得知自己是在“某行业、某环节、某目标”下工作，就能选择合适的分析框架、数据来源和表达方式，显著减少跑题或信息过载，得到可直接落地的结果。
5. 建立个人知识库
从通用智能到专业智能，关键就在于知识库。
谁掌握了更优质、更专业的知识库，谁就能更好地驾驭AI，谁就能在AI时代的竞争中占据更有利的地位。
内部的知识库，也是在不断积累个人智慧，打造出自己是专属AI员工。比如：
• 个人笔记：你在学习、工作、生活中积累的各种笔记、心得、总结、思考等。 • 工作文档：你在工作中创建的各种文档、报告、方案、PPT、邮件等。 • 项目经验：你在工作中参与的各种项目、案例、实践等。 • 个人收藏：你在网上收藏的各种文章、网页、图片、视频等。
• 个人思考：你对行业、技术、产品、商业模式等方面的深入思考和独特见解。
从现在开始，不断的积累和构建起来，未来就可以构建一个专业的的专属AI智能体。
精准的提示词（你的业务逻辑框架）+专属知识库（你的私有经验数据）+外部插件（AI的手脚）=一个高度专业的专属AI智能体（AI Agent）。
这时，我们就会从”AI使用者“变成”AI创造者“，不仅仅是拥有属于自己的AI员工，甚至可以外包出去且服务于细分领域的专业AI员工。
6. 关键词学习法
书中提到的关键词学习法，对于陌生领域的快速学习非常有用，在当下AI能力加持之下，可以让我们以极高的效率开展学习。具体的步骤为：
• 收集资料：围绕一个新领域或业务主题，搜集官方文档、行业报告、个人实践案例等。可以借助AI工具，帮助完成检索、解读和整理的工作。 • 系统阅读：系统性阅读，寻找反复出现且能统领其他概念的关键词。 • 提炼并结构化：通过完整阅读提炼出 50–100 个关键词，并给出自己的理解和案例思考。
进一步地，基于关键词模式，也可以让AI把我们个人的经验等隐性知识提炼总结出来，建立复用的结构化知识。书中给出了“AI经验萃取四步法”：
- 收集“原石语料”
- 把自己计算机里与工作相关的所有“边角料”都找出来：项目复盘 PPT、SOP 文档、聊天记录、备忘录等，这些未经加工的材料被称为“原石语料”。
- 用提示词让 AI“提炼关键词”
- 通过深度阅读这些资料，让 AI 按照“Prompt 黄金圈法则”提取 **50-100 个高频、核心关键词**，并按“核心理念-关键步骤-实操技巧-避坑指南”等维度进行树状结构化输出，形成初步认知地图。
- 人工干预与结构重塑
- AI 生成的关键词列表往往还停留在文本概括层面，需要人结合业务直觉进行“修剪”：
• 合并同类项，消除语义重复。
• 抽象出更高层次的模型或公式，给体系命名，使其更符合个人工作逻辑。
- 将认知地图转化为“数字分身”
- 当前三步产出的关键词体系已带有鲜明的个人烙印。下一步是把它作为“系统预设指令”或导入 AI 的知识库：今后 AI 写方案、做规划时将无限逼近用户本人的最高水平，甚至因逻辑严谨而超越常规状态。
用这套体系反向赋能AI，构建起别人永远无法抄袭的护城河。
7. 多用高质量思维模型
AI之所以强大，是因为学习了全世界所有的知识，如果想进一步激发AI员工的生产力，光靠角色定位、策略技巧还不够，还需要顶级的思维框架，进一步提升逻辑思维、抽象思维和创作思维。
逻辑思维，是有效驾驭AI的基本底层能力。 抽象思维是帮助AI更高效、高质量地完成任务的关键。 通过创造性思维与AI协作，我们就更容易产生更多的创新。
具体可参考本书作者乔木大佬的分享片子：
参考： https://xiangyangqiaomu.feishu.cn/wiki/E1b2wPEf3ia2WTkbdEQcrkXunTe
8. 不断培养AI素养
面对AI如此高效的产出，如果我们缺乏专业素养，就很难判断方案质量，甚至看不出其中隐藏的逻辑漏洞。
AI作为虚拟员工，其天花板就在于我们自己。
AI时代最终的三个素养：
经验素养、审美素养、哲学素养。
我们需要基于现有的工作经验，不断向专家层次迈进，形成对该领域的系统性理解。拥有这样的经验素养，也是不被AI替代的底气。
审美素养不仅仅是表面的美感，更是对优质解决方案的不断追求。这样才能区分”能用“和”好用“，区分”平庸“和”卓越“。
对于问题本质的思考、判断标准的建立、未来演进的方向，这些最根本的能力，则需要哲学素养的建立，需要”好奇心“。
9. 科学评价AI的工作
如何对AI的工作进行有效的评估，书中直接给出了“4A评估法”。
对AI的结果，从四个维度进行评估和衡量，分别是：准确性（Accuracy）、适用性（Applicability）、对齐性（Alignment）、达成度（Achievement）。
拿“让 AI 策划公司周末团建方案”举例来说就是：
• 准确性：检查活动预算、时间安排、防疫措施等是否真实可行；
• 适用性：方案格式是否直接可用？是否满足员工们的诉求？
• 对齐性：是否理解公司文化、员工偏好及领导关注点？
• 达成度：方案能否让部门参与度、预算执行率、员工满意度同时达标？
无论是检验AI写的方案，还是测试创建的skill，都需要一套评估的标准，“4A评估法”是个很好的框架，既是确保AI工作的可用性，也是确保AI未来稳定执行的必要条件。
10. 用对AI工具
现在的AI，早已不是对话框了，能干的工作也越来越多，如何根据需求任务选择对应的工具也很重要，书中给了个简单的参考表格，可以根据需求场景选用。
此外，我自己的心得是，在能力范围内，尽量用最好模型。看似花了更多的订阅费用，但事实上节省了很多的时间。
最后，所谓的”AI领导力“，正是当AI从问答机器人转为虚拟员工时所必备的能力。
与其焦虑被AI替代，不如持续、深入的与AI协作，让AI稳定的产出价值，成为放大我们个人的关键杠杆。
《AI领导力》值得一读。
