第32章 如何更好地使用 AI
前一章讲的是： **AI 的风险与误区。** 那一章的重点是提醒： • 不要把 AI 当权威 • 不要把顺滑感当正确感 • 不要把辅助变成依赖 • 不要把自己藏在 AI 后面 这一章要更进一步，回答一个更实际的问题： **既然 AI 很有价值，但也有风险，那到底该怎么更好地使用 AI？** 这件事非常重要。 因为很多人并不是完全不会用 AI。 而是： • 用得不稳定 • 有时很好，有时很差 • 偶尔觉得很有用，偶尔又觉得很空 • 明明花了很多时间，却没有形成真正的协作质量 这往往不是因为 AI 本身不够强。 更常见的原因是： **使用方式不对。** 所以，这一章不讲抽象未来。 也不讲工具技巧大全。 只讲几个最关键、最通用的使用原则。 --- 第一，先想清问题 这是最重要的一条。 很多人一用 AI， 会本能地直接开问。 这当然没问题。 但如果问题本身很模糊， 得到的结果通常也会模糊。 例如： • “帮我分析一下这个。” • “这个怎么看？” • “你觉得哪个好？” • “帮我写一下。” 这些问题不能说完全没用。 但它们太宽、太散、太轻。 而 AI 的质量，往往高度依赖于： **你到底有没有把问题想清楚。** 这里的“想清楚”，不是说你必须先有答案。 而是至少要知道： • 你在解决什么问题 • 你现在卡在哪 • 你想得到哪种帮助 • 你是要解释、比较、结构、反方，还是总结 很多时候， 问题一旦被你自己说清楚， AI 的质量就会明显提高。 所以，高质量使用 AI 的第一原则是： **先把问题想清楚，再把问题交出去。** 不是所有问题都要自己先想完。 但至少要知道自己在问什么。 --- 第二，给足上下文 AI 很强。 但它不会天然知道你脑子里的背景。 这点很多人容易忽略。 人和人之间说话， 很多上下文可以靠共同经验默认。 但 AI 不行。 如果你不告诉它： - 你当前的目标是什么 - 你已经想到了哪里 - 你不想要什么 - 你现在最在乎什么 - 你要的是深一点还是浅一点 - 你要的是结构还是结论 它就只能用一个相对通用、平均、保守的方式来回答你。 于是结果就容易变成： • 还行 • 但不够贴 • 看起来有道理 • 但不够像你真正需要的那个东西 所以，高质量使用 AI 的第二原则是： **不要只给问题，要给上下文。** 上下文越清楚， 协作质量通常越高。 这里的上下文包括： - 任务目标 - 使用场景 - 你当前已经做到哪 - 你最关心的重点 - 输出形式要求 - 你希望 AI 扮演什么角色 很多时候，不是 AI 不行。 而是你只给了一个题目， 却没有给它做这道题真正需要的背景。 --- 第三，让 AI 做它擅长的 很多人用 AI 用得不好， 并不是因为不勤奋。 而是因为： **总让 AI 去做它不擅长的位置。** 比如： - 让 AI 替你决定人生方向 - 让 AI 直接拍板投资结论 - 让 AI 在你完全没想清楚之前替你承担最终判断 - 让 AI 代替你形成价值排序 这就很容易出问题。 更好的方式是： 把 AI 放在它真正擅长的位置上。 比如： - 搜索 - 整理 - 分析 - 生成版本 - 找反方 - 做结构审计 - 做风险扫描 - 帮你拆问题 - 帮你看盲点 也就是说， 不要期待 AI 替你做一切。 而是： **让 AI 专门去做那些它结构上更擅长的部分。** 这一点一旦想明白， 很多使用方式会立刻顺很多。 --- 第四，关键判断自己做 这一条必须反复强调。 AI 可以参与很多环节。 甚至可以深度参与。 但关键判断，必须自己做。 什么叫关键判断？ 就是那些一旦做了，就会带来真实后果的部分。 例如： - 是否下注 - 是否转方向 - 是否接受某个长期结构 - 是否承担某种风险 - 是否保留某个核心结论 - 是否把某件事真正放进你的人生里 这些都不能轻易交出去。 因为判断不是“哪句话更像对的”。 判断是： • 取舍 • 决断 • 承担 • 下注 所以高质量使用 AI 的一个底线原则是： **让 AI 深度辅助，但不要把最后的判断位置让出去。** 如果这条守不住， 表面上可能更快， 实际上却是在悄悄削弱你自己的判断力。 --- 第五，把 AI 当协作对象，不当许愿机 有些人用 AI， 会不自觉地把它当成“许愿机”。 也就是： - 我问一个东西 - 它最好直接给我成品 - 最好一步到位 - 最好替我全解决 这种方式有时也能拿到一些结果。 但整体协作质量通常不高。 因为高质量任务， 尤其是复杂任务， 通常都不是“一次问完”的。 它更像来回推进： • 先给一个版本 • 再改一次 • 再收窄范围 • 再换一个角度 • 再暴露一个盲区 • 再逼近一个更清楚的结构 也就是说， 真正高质量地使用 AI， 更像是合作。 而不是“我下一道指令，你给我一个成品”。 所以一个很重要的原则是： **把 AI 当成协作对象，而不是一次性许愿机。** 你和它之间最好的关系， 通常不是一问一答， 而是一来一回地共同把问题推清楚。 --- 第六，重要内容要复核 这一条很实际。 AI 很会生成。 但会生成，不等于天然可靠。 所以，只要事情足够重要， 就一定要复核。 尤其是这些地方： - 数据 - 事实 - 出处 - 引用 - 关键结论 - 高代价判断 - 会影响别人行动的内容 为什么要复核？ 因为 AI 最危险的地方之一不是胡说八道。 而是： **说得像真的。** 这意味着， 在重要任务里， 你不能把 AI 输出直接当成定稿。 更成熟的做法是： • AI 先给你一个结构 • 你再核事实 • 你再做判断 • 你再决定是否采用 所以，高质量使用 AI 不是盲信。 而是： **先利用，再复核。** --- 第七，好的使用方式会越来越个性化 这一点是很多人用久了才会慢慢发现的。 AI 的通用能力，大家都差不多。 但协作质量，最后会越来越不一样。 为什么？ 因为随着长期使用， 你会越来越知道： • 哪种问法对你最有效 • 你最常见的任务是什么 • 你最容易卡在哪里 • 你最需要 AI 扮演什么角色 • 你最讨厌什么样的输出 • 你最需要什么密度、什么风格、什么层次 也就是说， 真正好的使用方式，不会永远停留在通用模板。 它会越来越贴近你自己的工作流和思维结构。 所以高质量使用 AI 的后期，不只是会“用”。 而是会慢慢形成： **适合你自己的协作方式。** 这一点会直接通向下一章。 --- 所以，如何更好地使用 AI 可以把这一章压缩成一个非常清楚的总结。 想更好地使用 AI，至少要守住这些原则： • 先想清问题 • 给足上下文 • 让 AI 做它擅长的 • 关键判断自己做 • 把 AI 当协作对象，不当许愿机 • 重要内容要复核 • 长期形成适合自己的使用方式 这些原则看起来不花哨。 但它们非常实用。 因为 AI 的价值，并不只取决于模型本身有多强。 还取决于： **你是不是把它放到了正确的位置上，用了正确的方法。** --- 一句话结论 **更好地使用 AI，不是学几个技巧，而是先想清问题、给足上下文、让 AI 做擅长的部分、关键判断自己做，并在长期协作中形成适合自己的使用方式。**