夜雨聆风
很多人第一次用AI，都会经历一个相似的过程。
刚开始觉得它什么都能做：写邮件、做总结、改方案、列计划。
可用了一段时间后，又发现结果经常不稳定。有时确实省事，有时写得像模板，有时看起来很专业，仔细一查却并不准确。
于是有人开始收藏更多提示词，追更新的工具，研究各种复杂用法。
但普通人真正用好AI，关键往往不是记住多少提示词。
更重要的是养成三个工作习惯：把问题说清楚、对结果负责、把有效方法留下来。
第一个习惯：先把问题说清楚
很多不理想的AI回答，都来自一个过于简单的要求。
比如：
帮我写一份工作总结。
AI不知道这份总结写给谁，也不知道你做过什么、重点是什么、最终要用于周报还是绩效沟通。
它只能用常见表达把空白补满。
更有效的做法，是先补充四类信息：
背景：事情为什么发生； 目标：你最终想得到什么； 限制：时间、篇幅、资源和不能触碰的边界； 标准：什么样的结果才算可用。
例如，可以这样说：
我要整理一份给直属领导看的本周工作总结。下面是我的原始记录。请按“完成事项、产生结果、当前风险、下周动作”整理，控制在500字以内。不要补写我没有提供的数据，不要使用夸张表达，信息不足的地方标注“待确认”。
这不是什么高深的提示词技巧。
它只是要求我们在使用AI之前，先想清楚自己到底要解决什么问题。
而这项能力，即使不使用AI，也会直接改善我们的沟通和工作质量。
第二个习惯：把AI当初稿，不当答案
AI生成内容很快，也容易让人产生一种错觉：只要文字通顺，结果就是可靠的。
但工作里真正重要的，往往不是语句是否漂亮，而是事实是否准确、责任是否清楚、判断是否合理。
因此，AI给出结果以后，至少检查三件事：
第一，事实对不对。
日期、数字、名称、版本、政策和引用来源，都不能因为AI写得肯定就直接采用。
第二，有没有自行补充。
AI可能会为了让内容完整，补出你没有提供的原因、结果或承诺。
第三，是否符合真实场景。
一封邮件语气正确，不代表适合你的同事关系；一份方案结构完整，也不代表符合公司的实际标准。
可以在提示词结尾加上一句：
不要编造信息。无法从材料中确认的内容，请单独列出并标注“需要人工确认”。
但即使加了这句话，最后的核对仍然不能省略。
AI可以帮你完成初稿，却不能替你承担发送邮件、提交方案和作出业务判断的责任。
第三个习惯：把一次好结果变成长期方法
很多人每天都在重新向AI提问。
同样的周报，下周再问一次；同样的会议纪要，下次重新组织提示词；偶然得到一个好结果，用完以后就找不到了。
真正有价值的做法，是把有效过程保存下来。
每完成一项工作，可以留下四样东西：
原始任务是什么； 给AI提供了哪些关键信息； AI初稿哪里需要修改； 最终可复用的模板是什么。
例如，用AI整理过一次会议纪要后，不要只保存那份纪要。
还可以留下一个固定模板：会议背景、已确认决定、负责人、截止时间、待确认问题。
下一次遇到类似会议，直接套用这个结构，再根据实际情况调整。
这样积累一段时间后，你得到的就不只是一堆聊天记录，而是一套属于自己的工作方法。
普通人不需要把AI学得很复杂
AI工具还会继续变化，今天流行的功能，过一段时间可能就会被新的功能替代。
但有些能力不会很快过时：
能不能把模糊任务变成清楚问题； 能不能识别结果中的错误和遗漏； 能不能把一次经验沉淀成可复用的方法。
这三件事，才是普通人使用AI时更值得练习的部分。
不必一开始就追求复杂自动化，也不需要收藏几百条提示词。
先从一个每天都会遇到的真实任务开始：一封邮件、一份总结、一次会议记录，或者一段需要读懂的材料。
让AI帮助你完成第一版，再由你核对、修改和保存方法。
当这个过程逐渐稳定，AI才会从一个偶尔好用的新工具，变成真正融入工作的助手。