30 秒结论
- 不要只学“怎么问”，还要学“怎么判断答案是否能用”。
- Prompt 是入口，上下文是燃料，工作流才是长期复利。
- 真正稀缺的是定义问题、拆解任务、验证结果和复盘经验的能力。
- 重要结论不要只看一次回答，要准备材料、设置边界，并做交叉验证。
- 最好的学习产物不是收藏夹，而是下次可以直接复用的步骤和模板。
能力分层
普通用户
会描述问题、整理材料，能得到清晰摘要。
进阶用户
会把任务拆成步骤，能让 AI 辅助研究、写作和代码。
工作流设计者
会设计输入、输出、检查清单和复盘方式。
Agent 协作者
会给 AI 明确目标、材料、工具边界和验收标准。
个人系统建设者
会把提示词、文档、工具和复盘组织成稳定的个人系统。
今天就能开始的 3 个动作
挑一个真实任务
不要从“我要学 AI”开始，改成“我要用 AI 整理一篇文章、修一个脚本、做一次复盘”。
写清输入和验收
把材料、限制、输出格式和合格标准写进任务说明。AI 的发挥空间要大，验收边界要清楚。
留下可复用产物
任务完成后，把好用的步骤保存成模板，把踩坑点写进复盘，下次直接从这次结果继续。
验证习惯
- 关键事实至少用两个独立来源验证。
- 要求 AI 区分“确知”“推测”和“不知道”。
- AI 生成的代码必须运行测试或语法检查。
- 运维命令先做只读检查，再决定是否改动。
- 成本、边界和公开范围要写进任务说明，而不是靠临场记忆。
最小验证问题
这个结论从哪里来？哪个地方最可能错？我能用什么小测试在 10 分钟内确认它？
12 周路线
这条路线不用追求每天都学新工具，而是每两到三周沉淀一个能复用的工作单元。
第 1-2 周
固定常用任务：研究、写作、代码、复盘。每类任务至少保存一个可复制模板。
第 3-4 周
给模板加验收标准：来源要求、检查命令、输出格式、失败时怎么收尾。
第 5-8 周
把重复步骤变成清单或脚本，让 AI 不只生成内容，也帮你检查结果。
第 9-12 周
整理个人知识库和任务记录，开始建立自己的小型 AI 工作系统。
每周复盘问题
- 这周哪个任务真正被 AI 加速了？为什么？
- 哪个回答看起来流畅但其实不能直接用？我后来怎么验证？
- 有没有一个步骤值得写成模板、清单或脚本？
- 下周最小的可交付成果是什么？