普通人怎么开始用 AI
踏出第一步——从日常走进 AI 世界的大门
这个系列写到现在，大家问得最多的一句话是："道理都懂了，到底怎么开始？"
第六篇讲的是心态：Agent 时代最重要的技能是管理，知道自己要什么，给足上下文，给出精准反馈。但光有心态、没有行动，那就只是鸡汤。所以这篇说点能直接上手的，八条心得，大部分是我自己踩坑踩出来的。
1. 花钱用最好的模型。
免费模型和前沿模型之间的差距，大到不像同一类产品。上周末教朋友用 AI（第五篇写过这件事），我做的第一件事就是帮他开通最好的模型：别用免费聊天机器人，也别用打折版，直接开最好的。
见过太多人第一次接触 AI 就被弱模型劝退：试了一次，觉得不过如此，从此再也不碰。太可惜了。这就像吃了一顿加油站盒饭，就断定天下所有餐厅都不行。
每月 20 美元，合人民币一百多块，少喝几杯奶茶的事。在我见过的所有专业工具投资里，前沿 AI 订阅的回报率是最高的。
2. 把 AI 当协作方，不是聊天机器人。
工具已经足够强，卡住大多数人的是另一件事：能不能把任务给它布置清楚。假如你雇了位软件工程师，跟他说"给我弄个 XX 软件"，他一晚上能弄出来吗？这个逻辑对 AI 完全成立：人能搞定的事，AI 大概率也能；人搞不定的，AI 大概率也搞不定。"帮我做个像微信的聊天软件"，要支持多少用户、要不要语音消息、群聊上限多大、要不要朋友圈，这些都没说清楚，真人工程师听了也不知道从哪下手。连人都交付不了的需求，AI 同样交付不了。
做盘盘猫的时候也是这样。大多数人问 AI 的方式是："八字怎么算？"得到一段百科式概述，完全没用。我的做法是直接跟 Claude 讨论："我想做一个用 AI 解读玄学的 App，把所谓大师的门槛打下来，但我需要结构化数据，你觉得该怎么开始？"我不是在问问题，是拉着 AI 在一个自己完全不懂的领域里，一起设计产品。
协作也不只发生在做产品上。比如你在考虑换工作，自己想不清楚。聊天机器人模式是问一句"我应该换工作吗"，得到一份通用清单，没什么用。协作方模式是把真实处境摊开：现在的工作哪里让你难受，你隐约向往什么方向，有哪些顾虑和约束。AI 会问出几个你从没想过要问自己的问题，帮你把模糊的感受理清楚。两个小时之后，你手里会有一个真正属于自己的判断，是你和它一起推导出来的。
从聊天机器人切换到协作方，就是别只丢一句查询过去，要像布置任务一样：交代背景，说明目标，定义什么叫"做好了"。第六篇说过，你不会对一位聪明的新员工说"把那个事搞一下"，对 AI 也一样，交代得越清晰，拿到的结果越好。
这里还有一层文化因素。我们的表达习惯偏含蓄，总觉得"你应该懂我的意思"。AI 不会读空气，也不会领悟言外之意。把话说白说透才有效，这不算粗鲁。学会跟 AI 清楚地沟通，其实也是在训练跟人清楚地沟通。
3. 做任何事之前，先问 AI 能不能帮。
开始任何任务之前，停一秒，问自己一句：这件事 AI 能不能帮上。很多人会用 AI，但轮到具体的事，压根想不起来用。
我自己也经常犯这个毛病。上周手动整理一堆文档的格式，干了二十分钟才反应过来："我在干嘛？"把规则跟 AI 描述了一遍，两分钟搞定。知识有，工具也有，就是忘了伸手。
明天三个会议撞在一起哪个能推、这份合同里有没有不利的条款、Excel 里的数据怎么对不上、下周出差的行程怎么排，这些全都可以问 AI。给自己装一个心理触发器：做任何事之前先问一句"AI 能不能帮"。一开始会很刻意，坚持一个月就成了本能。这件事的复利很实在，省下的不只是时间，还有对"AI 能做什么"的认知，这条边界会不断扩大。
4. 从最无聊的任务开始。
越是觉得"AI 跟我的工作没什么关系"，越应该从这里开始。看看这周有哪些事重复、无聊、每次都差不多：每周按固定模板写的周报，把工作日志丢给 AI 照着模板写；会议纪要，录音转成文字后让 AI 提取要点和待办；Excel 表格，直接说"帮我把这 500 行数据按部门分类汇总，标出异常值"；格式都差不多的邮件，给 AI 几封样例让它起草；工作里的各种文案，通知、汇报、方案初稿，都能让 AI 打底稿。这类活低风险、高频次，最适合练手。
第一次用可能比手动还慢，第三周就会比手动快，到第八周，一半的杂活可能已经消失了。比省时间更值钱的是，这个过程里会慢慢长出第六篇说的那种管理直觉：越来越清楚哪些事该交给 AI，怎么交代它才能做好。
5. 去做一个东西。
八条里我感触最深的是这一条。AI 能回答问题，能省时间，但它最厉害的地方是让你能创造。
我做了盘盘猫，一个融合中国传统玄学和 AI 的十合一平台，前后 29 天，一个人。我从来没信过玄学，也懒得学。起因是看到通义千问的年度提示词排行榜，第一名是股票，第二名是八字，我判断这个市场有潜力，就决定做。我用 Claude Research Agent 和 GPT Pro 去读晦涩的古籍和民间解读，蒸馏成结构化、AI 能理解和编排的数据格式。放在一年前，这是六人团队半年的项目；有了 AI，一个人一个月。这段经历给我的体感很直接：创造的门槛从来没有这么低过。
第四篇说过，软件会变成日抛型：为一个人的需求定制，用完即弃。这话听着像理论，我自己就在这么干。朋友们常凑八个人打掼蛋，记分一直是老大难，谁赢了哪局、队伍怎么分、总分怎么算，每次都要吵半天。于是我做了个掼蛋计分器，一开始只记名次和队伍分数，够用就行；后来打上头了，一步步加上荣誉榜单、Overall MVP、玩家档案、成就系统。整个过程就是跟 AI 协作，解决一个个具体的小问题。
不用做什么十合一平台，也不用"会编程"，有一个真实需求就够了：一个只有你自己最清楚的痛点，让 AI 帮你解决它。可以是自动整理家庭账单的表格，可以是帮你规划每周菜单的小助手，可以是那篇一直想写但总觉得写不好的文章，也可以是一条自动生成旅行攻略的流程，什么都行。
创造的过程会倒逼你学会 AI 的各种用法，比看多少篇教程都管用。从无到有做出一个东西的感觉会上瘾，这种快乐，还有在创造中快速学习的成长，刷再多教程、加再多学习社群、看再多贩卖焦虑的公众号文章，都换不来。
6. AI 会温柔地骗你。
这是创造的另一面。盘盘猫上线后，用户立刻发现一个问题：AI 的解读太"讨好"了，每个八字都说你会成功，每份健康分析都偏正面，每段关系都有希望。仓库里的 PR #38，整个就是在修这件事。
这个毛病不只算命 App 有，AI 本身就这样。让它帮你看方案，它说"思路很好"；让它改你的简历，它夸"经历丰富"；连你随手写的文章，它都说"观点很有深度"。
AI 被设计得善于鼓励，这也意味着它善于温柔地骗你。检验永远发生在真实世界里：方案要交给老板看，简历要投出去看有没有面试，文章要发出去看有没有人读。盘盘猫的讨好问题，就是真实用户告诉我们才发现的，AI 自己从头到尾没提过一句。
可以享受 AI 的鼓励，但一定要把东西拿出去见人。
7. 准备好之前就开始。
我见过最大的坑叫"准备模式"：研究最佳学习路径，收藏一堆教程，加几个社群，买两门课，然后就没有然后了。
做盘盘猫的时候，我对玄学一窍不通，但这无所谓，我不需要自己懂，只需要 AI 帮我把古籍蒸馏成数据。第一天就开始动手，边做边学，第一天的标题直接就是"为什么我要做一个算命 App（而且我完全不懂算命）"。过程当然混乱，也犯了不少领域专家不会犯的错，但 29 天之后，我有了上线的产品和真实的用户。那些错误教会我的，比任何教程都多。
AI 变化太快，花三个月做准备，等你"准备好"，学的东西可能已经过时了；花三个月实际去用，人才会真正变强。现在就开始，用最笨的方式开始，在过程中慢慢变聪明。
8. 培养你的品味。
当所有人都能用上同样的 AI（这一天很快会到），基线能力就成了标配，剩下能拉开差距的，是判断力和品味，是对"什么是好的"的直觉。
AI 可以帮你写出十版方案，但哪版最适合这个客户，要你来判断；它能设计三个营销策略，哪个契合品牌调性，得你来选；它能起草一百封邮件，哪封语气最合适，只有你能感觉出来。这种选择和判断的能力就是品味，AI 复制不了。
培养品味没有捷径：多看好东西，搞清楚它为什么好，再自己动手做一版，跟好东西对比，找出差距在哪。三个月后回头看自己当初做的东西，如果觉得尴尬，恭喜，品味提升了。
你还有一样 AI 没有的东西：人生经历。做过的项目、经历过的失败、无数个深夜里积累出来的判断力，把这些活生生的经验带进对 AI 输出的评判里，做出来的东西是人和 AI 单独都做不出来的。
这八条没有一条需要技术背景，需要的是投入：花时间去用，去创造、别只消费，去面对真实反馈、别躲在 AI 的温暖夸奖里。工具就摆在那儿，每月一百多块谁都花得起，差别只在谁先动手。
第八篇会退一步，看一个更大的图景：为什么偏偏是 Claude Code 成了拐点。