AI时代的重要心法

一套面对 AI 时代的底层思维。工具会变，心法不会。

每天都有新的 AI 工具、新的功能更新、新的"颠覆性"消息。如果你每次都追着工具跑，会很累，也会很焦虑。但如果你掌握了一些底层的思维方式，你会发现，工具换了，你的能力不会归零。

这篇文档分享我在深度使用 AI 之后，沉淀下来的几条核心心法。我把它放在这个文件夹，在所有工具安装和使用的前面，是希望你能随时回来看看这些，提醒自己成为一个聪明的ai原住民。

一、AI FIRST的思维

这是我认为 AI 时代最重要的一个习惯，没有之一：

不管遇到什么问题，第一时间先问 AI。

移动互联网给了我们太多关于搜索引擎的习惯，导致我们一有问题第一反应都是先搜索。但我建议大家一定要养成一个下意识的动作：先问 AI。打开百度、发朋友圈求助、去小红书搜，都放在它后面。养成这个“ai优先”的思维习惯之后，你解决问题的速度会快很多，而且你会越来越清楚 AI 能帮你做什么、不能做什么。

更有意思的是，我发现一个最容易掉进去的坑：用 AI 的时候，反而忘了问 AI。很多人在日常生活中已经开始用 AI 了，但当他们遇到跟 AI 本身有关的问题时，反而忘了问 AI。

比如：

• 在用 Cursor 做 vibe coding，代码报错了 → 跑去论坛翻帖子，却没想过直接把报错信息丢给 AI
• 在安装 OpenClaw 的时候卡住了 → 到处找教程、问群友，却忘了自己电脑上就装着一个能回答这个问题的 AI
• 在学一个新的 AI 工具，看不懂某个设置 → 去 B 站找视频，却没试过直接问 AI "这个设置是什么意思"

这就好像你手里拿着手电筒，却在黑暗中到处找灯。

我们的旧习惯太强了。遇到问题 → 搜索/问人，这个回路在我们大脑里跑了十几年。而"遇到问题 → 先问 AI"是一条新回路，需要刻意练习才能建立。

实践建议：

1. 把ai放在最显眼的地方。大家可以把元宝加到自己的微信好友里，把你最常用的ai软件放在手机最明显的地方。挑一个ai公司的官网作为你的浏览器锁定页。
2. 专门做一个每周求助清单。记录下自己每次求助的时刻，看看自己遇到问题了是找了谁什么办法，还是去问了ai。尽量不管遇到什么问题，强迫自己第一步先问 AI。问完之后，如果 AI 的回答不够好，你再去搜索、再去问人，完全没问题。但先给 AI 一个机会。你会惊讶于它能解决的问题比你想象的多得多。

慢慢地，"AI First"就会变成你的本能反应。

二、AI 是你的「第二大脑」

还有一个大家的常见误区，就是把 AI 当成搜索引擎。和上面我说的一样，因为过去的习惯过于深刻，很多人第一次用 AI，甚至之后地很多次使用ai，都会像用百度一样：丢一个问题，等一个答案。

但比起给你一个标准答案，AI 更大的价值是陪你思考，帮你干活。

我们可以把使用ai从期待一个正确答案转换到期待一个思考框架；从用完即走到持续对话，逐步深入；“帮我查一下 XX 是什么" 到"我在思考 XX 问题，你能帮我从几个角度分析一下吗？" 如果你这样去使用 AI，你其实真正的可以把 AI 当成一个脑力健身房，在这个过程中让自己也变得更好。

另外，现在的 AI，早就不只是一个聊天窗口了。它能写文章、做 PPT、画图、剪视频、生成海报、搭网站、写代码……它的能力边界每个月都在扩大。已经有不少公司，人均至少2-3个智能体，每个人的智能体都有自己的性格。

我观察到一个很普遍的现象：

AI 其实做得了，只是我们脑子里还没有建立这条新回路："我要做一件事" → "先看看 AI 能帮我做到什么程度"

你不需要知道 AI 到底能做到什么程度，你只需要遵循我们心法的第一条，AI FIRST，养成一个习惯：做任何事之前，先问一句——"这件事，AI 能不能帮我？"试了之后你可能会发现，有些事 AI 能完成 80%，你只需要调整 20%。有些事 AI 可能还做不好，那你再回到老办法也不迟。但如果你从不去试，你就永远不知道自己错过了多少。

实践建议：

1. 开始尝试。跟着我们节奏到下一个文件夹的时候，你会看到各式各样的 AI 工具。我会给大家介绍这些 AI 工具分别怎么使用，在什么样的场景最合适，能够完成什么样的任务。希望不管这个 AI 完成的怎么样，大家都可以先上手试一试。
2. 把 AI 当成一个随时在线的聪明朋友——当你不再把ai当成一个工具，你就不会跟这位朋友说"帮我查个东西"，你会说"我最近在想一件事，你怎么看？"结果也自然会完全不同。

三、构建“元系统”：往前走一步，做好指挥工作

有同学跟我说，觉得自己在一些简单的 AI 对话中还可以，但是一旦涉及到用ai生图或者产出视频，就觉得写提示词很困难。还有一些同学每天花大量的时间在学习和收集各式各样的提示词，认为这是 AI 学习中最重要的东西。但实际上，真正的 AI 的大机会反而错过了。

其实，不少人觉得写提示词（和ai交流）很难，是因为他们直接上手，试图从零构建一个完美的指令，或者总是只在网上复制别人的提示词。

我最开始也是停留在这个状态，直到我意识到，完全可以把这个过程往前推一步：不要直接写提示词，而是先问 AI “怎么写这个提示词”。

第一步：回到源头——先问 AI “怎么写这个提示词”

在你真正写提示词前，先定义清楚你的核心需求，然后让 AI 帮你设计提示词本身。这就像在盖房子前，先问建筑师“怎么设计蓝图”——它能帮你避开常见坑，加入你没想到的元素。

举个例子：假设你想让 AI 帮你写一篇小红书笔记，主题是“AI时代的生活小tips”。

• 直接写提示词的旧方式： 你自己脑补一个：“帮我写一篇关于AI生活tips的笔记，800字，轻松风格。”
• 元优化的新方式： 先问 AI：“我想要一个提示词，让你帮我生成一篇小红书笔记。笔记主题是‘AI时代的生活小tips’，目标读者是上班族新手，长度800字左右，语气轻松实用。请帮我先设计一个高效的提示词，方便我和其他ai沟通这个要求并阐述为什么这个模板好。”

AI 会给你一个优化过的模板，比如：

然后，你可以直接用这个模板，或者稍作调整，再输入给 AI 生成内容。结果会比你自己写的精准得多。尤其是一些相对复杂的任务，花更多的时间去调试这个提示词，能够帮助你提升输出质量至少2~3倍。

第二步：把自己当“小白”——让 AI 主动提问你，挖掘更多上下文

或者有没有一些时候，其实你连自己到底要干嘛都还表达不清楚。那这个时候，你可以反过来试试：承认自己是小白，让 AI 变成采访者，主动问你问题。 这能让 AI 获取更多细节，输出更贴合你的需求。

怎么操作：告诉 AI：“我是个AI新手，想让你帮我[描述任务]。但我也刚接触ai，什么都不懂，我是个小白，可能没说清楚。请不停问我问题，了解我的具体需求，直到你觉得你获得充分多的信息，再基于我的答案帮我构建一个完整的提示词，并生成输出。”

这样，AI 有了更多“主动权”和信息，输出会更精准、更有针对性。这个方法特别适合复杂任务（如写方案或分析问题）。就像我们再第二个心法里说的，你是在让 AI“帮你想清楚”，这本身就是在训练你的清晰表达能力。

这个构建元系统的能力随着ai技术的迭代就会越来越重要。openai在最近一篇2026年2月的报告中就提到最近的一次模型迭代员工没有人写一行代码。人在做构建、规划、判断的工作，而ai在做具体的执行。

四、赋予AI人格，跨 AI 协作，让机器不断迭代

大家在使用各家ai模型的时候，也会感觉到不同的 AI 有不同的性格不同的输出。所以，很重要的第一步是要去了解和定义你正在打交道的这个 AI 是什么样子的特点。真正的把 AI 当成是一个员工，一支队伍来看待，而不仅仅是一个简单的工具。仅仅是这个视角的转变，就可能在产出上给到你惊喜。

再比如说，一个人写的东西，自己很难发现问题。AI 也一样，且不说他们很多时候各有各的幻觉和“脾气”。地标目前最强公司创始人黄仁勋先生就介绍他的一个聪明方法：让多个 AI 互相审视、互相挑战。当你给每一个 AI 赋予人格，把他们当成是一个你的同事，跨 AI 的协作就像公司内部的研讨会一样。

一个人给你提建议，你可能半信半疑。但如果三个人都指出同一个问题，那大概率就是真的有问题。AI 之间也是这样。它们的"共识"往往指向真正的改进方向，它们的"分歧"往往藏着你没想到的角度。

具体怎么做？很简单，三步：

① 先让一个 AI 完成任务，拿到初稿。

② 把初稿丢给另一个 AI，让它当"评审"：

③ 把评审意见拿回给原来的 AI（或第三个 AI），让它基于反馈优化。或者直接让第二个AI给出一版修订方案。

这个循环跑 2-3 轮，输出质量会有肉眼可见的提升。注意：这里有一个非常重要的操作细节，就是必须生成中间工作产物，不要让信息只停留在对话框。我建议使用 Markdown 格式的文件作为在不同模型间流转的硬通货。所有的计划、批判、执行的结果，都必须落在这个可编辑、可流转的文档上，这样才能保证信息的无损传递。

当然，咱们的token也不是大风刮来的。所以不是每件事都需要这么"隆重"。日常简单问答，一个 AI 就够了。但如果这是对你比较重要的输出——一份方案、一篇要发布的文章、一个关键决策的分析——这个心法就变得尤为关键，花几分钟让 AI 们"互相改作业"，性价比极高。还要注意使用这一点的时候不要过度，避免信息过载，重点放在关注他们的分歧上。未来在企业端，大家的任务复杂度越来越高的时候，AI agents之间的互相讨论和互相协作，会很自然地变成一个工作流。最后温馨提示，聪明的宝宝可能已经想到了，特别重要的任务，在第三点的提示词优化的基础上，叠加上这个心法作为 buff 效果更佳。

五、别急着收藏 100 个工具，先建立你的「AI 工作流」

现在网上其实教 AI 的各式各样的机构和个人很多，所以就有各式各样泛滥的 AI 工具和信息。这些信息一是会加强大家对于 AI 使用的恐惧心理，增加进入门槛。另外就是噪音太多，分散掉了非常宝贵的注意力。

真正能提效的，是你有没有真正意义上掌握 AI 的第一性原理，以及建立一套稳定的工作流。这也是为什么我想把这个心法的文档写在最开始的原因。

什么是 AI 工作流呢？就是把你日常重复做的事情，拆解成步骤，然后看哪些步骤可以让 AI 介入。

举个简单点的小例子：收到一封法文工作邮件，需要回复

没有工作流时：看半天没全看懂 → 打开翻译软件一句句查 → 想好中文回复 → 再一句句翻成英文 → 反复改措辞 → 30分钟过去了。

有 AI 工作流后：

从30分钟变成3分钟。而且回复的法语比你自己写的更地道。

这个例子虽然小，但它说明了工作流的本质：

任何事情都可以套这个结构。大到做一份年度计划，小到今晚吃什么——都可以先拆步骤，再分工，就是工作流。尤其是你现在生活中经常要你自己亲力亲为，但你又不想做，或者是经常你需要做的一些重复性的工作，你都可以看一看能不能建立你的 AI 工作流，甚至从一开始就是建立一个完全由不同 AI 来主导的工作流。如果你有你自己的的龙虾小队伍，可能最终这个工作流，你只需要看一眼。

六、给ai足够多的上下文，数据是你的核心壁垒

如果你刚接触AI或者你总在换你的AI，你会发现他对你知之甚少。它不知道你的职业、你的目标、你的偏好、你正在经历什么。

每一次对话，你给的背景信息（ai行话：上下文；不要怕，之后我们会专门给大家提供一版ai核心词汇的）越丰富，AI 的回答就越贴合你的需求。

我一直在想，AI 的第一性原理是什么？到目前为止，我认为AI 的第一性原理是模式识别与概率生成。所有的大语言模型，本质上做的是一件事：从海量数据中找到规律（模式），然后基于这些规律做预测。它把人类知识中的模式压缩成了一个可以调用的系统，这和真正"理解"世界还不是一回事。所以AI本身是在做“基于模式的概率预测”（下一个词、下一帧、下一步）。理解了这个原理，你就会明白为什么上下文对于 AI 来说至关重要。因为只有当你提供了足够多的上下文，它就可以尽可能的在这些上下文里面为你找出规律，找出模式，从而给到你一些预判和建议。

这就是为什么，如果你能尽可能多的跟同一个 AI 进行互动，你能把你们互动的信息留存，并且让它拥有一定程度的记忆，你能够每一次给到它清晰的反馈和再次提高的方向，都能够让你的 AI 成为你的完美帮手。我也在这里建议大家尽可能多的在自己的日常生活中留存你的上下文，也许从每天写日记开始。当然，在我们一起的 AI 学习旅途中，我也会带大家一起探索自己的上下文，找到最适合留存上下文的工具，并且尝试一些有意思的 AI 工具分析和拓展自己的上下文，尽情期待。

2026是一个即将到来的 Agents 爆发之年，会有越来越多的应用横空出世。每一个企业或者超级个体可能都会希望能够建立自己的 agents团队，而这个建立的基础就是有足够多的数据支持。所以企业和个人一样，都要做好自己的数据留存，这将会是你过去这么多年业务的核心积累，会让你在 AI 时代打造真正趁手的武器。和属于你自己的核心竞争力。

七、永远付费使用SOTA模型，这是你回报率最高的投资

很多人舍不得为 AI 付费，觉得"免费的也能用"。能用，但差距比你想象的大得多。

免费版和付费版的差距，不是"好一点"，是"两个物种"。免费版 AI 像一个刚毕业的实习生——能听懂你说话，但经常理解偏，输出平庸，复杂任务直接掉链子。付费版的最强模型（SOTA，State of the Art）像一个十年经验的资深顾问——理解力、表达力、逻辑力完全不在一个层级。同样一个问题，免费版给你一个"还行"的答案，最强模型给你一个让你说"卧槽"的答案。

这个差距，用过的人都知道。

一笔账算清楚

目前主流 AI 的付费价格大概是每月 20 美元（约 140 元人民币）。140 块一个月，你得到的是：

• 一个随叫随到的写作助手
• 一个全领域的学习导师
• 一个不会烦的头脑风暴伙伴
• 一个帮你处理信息、整理思路、辅助决策的全能搭档

你去请一个真人帮你做这些事，一小时都不止这个价。这笔钱买到的，是成为“超级个体”的认知升级入场券，确保你总是在跟地球上最聪明的“大脑”工作。

AI 行业迭代极快。每隔几个月，就会有更强的模型出来。你不需要了解技术细节，只需要记住这个原则：永远用当下最强的那个。用旧模型省下的那点钱，远远抵不过你损失的效率和质量。

如果你还只是在使用免费的 AI 模型，我建议你订阅一个顶级模型，尝试在72小时之内把它的付费额度彻底用光。你一定会有惊喜！

八、拥抱不完美的开始，也允许自己先跳过

很多人迟迟不开始用 AI，是因为觉得：

• "我还不够懂"
• "我怕用错了"
• "等我学完再开始"
• "我试了一次ai，真的不太好用"

没有人是"学完了"才开始的。AI 本身就在飞速变化，没有人能"学完"。

所有的技术在刚开始的时候，总是有各式各样的缺点和使用不畅的地方。有很多人在最开始可能听到或者了解到了这些工具，只是因为一次两次的尝试觉得不好用，就放弃继续探索和学习。实际上技术的浪潮只会滚滚向前，不会等待任何人。所以哪怕您用的觉得不舒适或者觉得不好用也没有关系。可能再给他一些时间，半年一年的迭代，他就会给到你超乎想象的结果。

而也正是因为它还不完美，所以你的先行可能都会给你带来一些小小的优势。正是在这些使用的过程中，你可能会对它的性质，对它使用的场景有更深入的了解，你就会能够在这次范式的革命中占领先机。

最好的学习方式，就是带着真实的需求去用它。

还有非常重要的一点，就是因为 AI 的进步实在是太快了，技术就像一阵风，一支穿云箭，你根本抓不住，我们只能去抓住那些最重要的东西，这也是我要再次强调一下阅读和实践这一套心法的重要性。千万不要让自己陷入在那些技术的小问题里。如果你发现有一些不完美的地方，或者有一些卡住的的地方，但实际上不影响你整体的大概的使用，那你就可以先把这些需求或者困惑放到一边，可能下一个 AI 的迭代版本就可以完美地满足你的这个要求。允许自己先跳过，允许 AI 不完美。

带着这种谦卑与好奇，持续的在 AI 的学习路上不断的精进自己，实现幸福。

不需要完美，只需要开始。