大模型 / 神经网络
LLM / Neural Network
AI 不是一行行写好的程序，而是读了几乎整个互联网文字后学会「续写」的超级联想器。你给上半句，它猜下半句。
像手机输入法的「联想词」，只是它联想的范围是一整段话——而且读了海量的书才学会这么联想。
一个精确的数据库（不会查到某条记录），也不是一个真正「懂」你意思的人。
LESSON 00 · MINDSET 思维
Why this lesson · 为什么值得先读
建立一套「和 AI 协作」的方法论，而不是遇见问题再慌
改掉三个最常见也最耽误事的毛病
拿到一张能立刻开干的「7 天实验卡」
很多人第一次用 AI，是把它当成一个「更聪明的搜索框」：输入一个问题，等它吐一段答案，然后关掉。用得顺就多用两次，用得不顺就觉得「也就那样」。
这其实很可惜。AI 真正的价值不是「回答一个问题」，而是陪你把一个真实的小目标，一轮一轮地往前推。但要让它发挥这个价值，你先得有一套自己的协作方法——否则它只是一面偶尔灵光的镜子。
这一课不教你某个具体工具怎么点，而是先把心法立住。后面所有的实操课（装 Agent、写网页、用 Skill、玩 GitHub），都建立在这个基础之上。
先把预期摆正：AI 不是全知，也不会永远对——同一个问题原样问两遍，回答也可能不同。和它协作前，有五个「边界」要心里有数——①会一本正经地出错：行内叫「幻觉」，它可能给出看似合理却错误的定义、日期、引用或数据；你越不熟悉的话题，越要复核。②知识和联网能力有边界：没开搜索或联网工具时，它不能自动知道刚发生的事；要最新信息，就要求它搜索并检查来源。③记性有限、且因产品而异：跨对话记忆是否开启、能记什么，由产品设置和你的选择决定。④对话不等于绝对私密：服务商会按各自政策存储和处理数据，是否用于改进模型也与账户类型、设置和聊天模式有关；密码、身份证号、银行卡号、病历等敏感信息仍不要直接粘贴。⑤专业建议仅供参考：健康、法律、财务等高风险决定，要找合格真人专业人士复核。把 AI 当「会犯错的聪明助手」，而不是「不会错的答案机」，反而更容易用好。
能问 AI 的问题越来越多，但「最后拍板的人」永远是你。
先祛魅：AI 不是一行行写出来的程序。很多人以为 AI 是「你告诉它什么它就做什么」的固定软件——其实不是。它内部是一张叫神经网络的大网，靠反复读海量人类文字、猜答案、被纠正，慢慢学会了「看到这类输入、就给这类输出」的规律。用最直白的话说：它读过了互联网上几乎所有的公开文字，成了一个超级「续写器」——你给上半句，它猜下半句。
这意味着两件事：① 它不是搜索引擎，不会给你一堆链接让你自己挑；它是直接给你「续写」出来的答案。② 它也不是「全知」——它学的是文字里出现的规律，不等于它真懂事实、更不保证每次都对。理解这一点，你就明白为什么它有时会一本正经地编：不是存心骗你，而是它在用学到的规律「合理地猜」，猜错了自己也不知道。
AI 不是一行行写好的程序，而是读了几乎整个互联网文字后学会「续写」的超级联想器。你给上半句，它猜下半句。
一个精确的数据库（不会查到某条记录），也不是一个真正「懂」你意思的人。
「AI 会取代所有人」不是好的学习动机。对工作被取代的恐惧，是很多人接触 AI 的起点——但把它当成动机，反而容易学偏：要么焦虑到什么都想学、什么都抓不住；要么只学皮毛、应付了事。更稳的心态是：把 AI 当成放大器——你的判断力、经验、品味，会被它放大；你的混乱和含糊，也会被它放大。所以真正值得花力气练的，不是「怎么用某个工具」，而是「怎么把自己的想法讲清楚」。
顺带一个能让你松口气的视角：目前 AI 最难替代的，恰恰是那些需要真实人与人关系的工作——互相照看、彼此关爱、维护生活之美的照料型工作。机器拼的是速度、记忆和产出量，这些它永远赢；而你的注意力、创意、判断力，才是机器抢不走的东西。
很多人放弃，是因为把「改变」想成了一件一蹴而就的事。我们用三个点把它拆开，你会轻松很多。
A 点 · 你现在在哪。你会什么、有什么、卡在哪里。它只用来定位，不用来定性——A 点低，不代表你没天赋，只代表今天从这儿出发。
B 点 · 有没有变化。引入一个新工具或方法，只是多了一个变量。只有它真的改变了你的行动、并留下看得见的结果，才算走到 B 点。
C 点 · 改变稳不稳定。一次做成不算数。真正到 C 点，是你已经形成新的默认做法：遇到问题会拆解、会借力、会验证、会留资产。
记住一句话：A 点用来出发，不用来否定自己；B 点看变化，不奖励忙碌；C 点看稳定，不看重做一次。
知道了 A/B/C，还得有方法把改变「固定」下来。四个词，都很朴素：
专注化：一个阶段只选一个具体对象、一个真实问题、一个可交付结果。贪多，是改变的最大敌人。
外显化：把理解变成网页、方案、清单、演示或作品，让别人看得见、用得上、提得出意见。
复利化：留下明天还能继续用的模板、提示词、流程、案例或复盘，让下一轮不用从零开始。
专门化：在一个小场景里持续解决相似问题，慢慢长出别人能识别的能力。
脑子里想清楚，不等于真的会
「我懂了」是最容易骗自己的感觉。真正的懂，是你能把它做出来、写出来、或者讲给别人听还不卡壳。所以这一课的每一节，都尽量让你产出点什么——哪怕只是一张卡片。
当你开始让 AI（尤其是能动手的 Agent）帮你做事，有几条纪律能让你少踩很多坑。核心是一套最小确定性四件套：
人类守关口。批准、验收、授权归你；执行归 Agent。开工前，让它先复述它对你目标的理解，确认无误再动手；并且一次只问你一个问题。涉及发送、发布、购买、联系外部人员这类动作，必须等你点头。
下面这段话，建议你之后每次开新任务都先发给它（把括号里换成你的实际情况）：
「请先复述你对目标的理解，并指出最模糊的一处。之后一次只问我一个问题。
不要擅自发送、发布、购买或联系外部人员；这些动作必须等我确认。每一步都说明：做到什么样子，算这一步完成。」
协作里，有三个误区最常出现。对照一下，你中过几个：
回想最近一次用 AI：你是在协作，还是在索取一个答案？哪一条最像你，就在那一条上先改一点点。
很多人卡在「我不知道该拿 AI 做什么」。记住四个方向，就够了——它们正好覆盖了普通人最高频的需求：
① Coordination 协调：帮你打理日常琐事——分邮件、理日程、汇总消息。最安全的起点：只让它读、不让它发，审批后才动手。
② Creativity 创意：你出粗糙素材（笔记、想法、大纲），它帮你组装成能评估的东西——PPT、文案、方案。你是导演，它打下手。
③ Clarity 清晰：帮你读懂复杂资料——合同、报告、论文。让它找关键条款、标风险、列成表，比从头啃快得多。
④ Coaching 陪练：模拟真实对话——面试、谈加薪、做提案。先跟它练，它给你反馈，真上场时你才不慌。
放权要一级一级来。不管是协调、创意还是别的，都别一上来就全交给 AI。稳妥的节奏是四步：先让工作可见（它读、你看）→ 让它变高效（它帮你整理、草拟）→ 让它自动化（它定时跑、你来审批）→ 最后才慢慢委托（你设好边界，它在边界内自己干）。就像给新员工升职——先干活给你看，再慢慢放权，一级一级来，别跳级。
光看没用，得开干。下面这张卡，把上面所有方法压成了八个格子。花十分钟填完，你就有了这一轮的具体目标——以及一段可以直接发给 AI 的「启动话术」。
7-DAY CARD · 实验卡
不需要想完美，先写出来。七天后回看，看 B 点有没有出现一点变化。
这一课讲的方法，不绑定任何一款具体工具。今天你用这个、明天换那个，界面和名字都会变——但「先看清 A 点、用小目标推进到 B 点、留下资产走到 C 点」这条线，不会变。
选一个问题 → 交给 AI 协作 → 做出成果 → 接受反馈 → 留下资产 → 再走一轮
每一轮都按这个节奏走，不求快，但求稳。下一课开始，我们就进具体工具：先弄懂聊天窗口到底该怎么用。
REFERENCES · 参考资料
有疑问？返回 主页，或者直接打开 AI 聊天工具，把你的「7 天实验卡」发给它，从今天第一个小动作开始。