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，问得最多的还是那句：道理都懂了，到底怎么开始。第六篇讲的是心态，你要知道自己要什么，给足 context，给出准确的反馈。但心态这个东西讲多了就是鸡汤，所以这篇讲具体怎么上手。八条，基本都是我自己踩坑踩出来的。
1. 花钱用最好的模型。
免费模型和最好的模型，差距大到不像是同一类东西。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把最好的模型开通了：别用免费的聊天机器人，也别用什么打折版，直接上最好的。
我见过太多人第一次接触 AI 用的是弱模型，试了一次，觉得也就这样，然后再也不碰了。这个真的挺可惜的，你拿一个弱模型去判断 AI 能干什么，得出的结论基本是错的。
一个月 20 美元，合人民币一百多块。讲道理，这点钱换回来的是你对 AI 上限的一个准确判断，光这一条就值了。
2. 把 AI 当协作方，不是聊天机器人。
现在的模型已经足够强了，大多数人卡住的地方是任务没有布置清楚。你可以这么想：假如你雇了一个软件工程师，跟他说「给我弄个 XX 软件」，他一晚上能弄出来吗？弄不出来。这个逻辑对 AI 完全成立，人能搞定的事，AI 大概率也能搞定；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」，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，这些全没说。真人工程师听了都不知道从哪下手，AI 同样交付不了。
同一个任务给真人和给 AI 结果一样：含糊的需求两边都搞不定，清楚的任务两边都能交付
我做盘盘猫的时候就是这么干的。大多数人问 AI 的方式是「八字怎么算」，得到一段百科式的概述，没什么用。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，但我需要结构化的数据，你觉得该怎么开始。我不是在问它问题，我是拉着它在一个我完全不懂的领域里一起设计产品。
这个协作也不只是做产品的时候有用。比如你在考虑换工作，自己想不清楚。只丢一句「我应该换工作吗」过去，拿回来的是一份通用清单，没什么用。换成协作的方式，是把你的真实处境全部摊开：现在的工作哪里让你难受，你隐约想往什么方向走，有哪些顾虑和约束。AI 会问出几个你自己从来没问过自己的问题。聊两个小时下来，你手里的判断是你和它一起推出来的，是真正属于你自己的判断。
具体怎么切换呢，其实就是别只丢一句话过去，要像布置任务一样：交代背景，说明目标，说清楚什么叫做好了。第六篇说过，你不会对一个聪明的新员工说「把那个事搞一下」，对 AI 也一样，交代得越清楚，拿回来的结果越好。
还有一层是文化上的。我们说话习惯偏含蓄，总觉得你应该懂我的意思。AI 不懂，它也不会去猜你的言外之意。把话说白说透才有效，这不算粗鲁。而且这个习惯练出来是通用的，你之后跟同事交代事情也会清楚很多。
3. 做任何事之前，先问一句 AI 能不能帮。
很多人会用 AI，但轮到具体的事，压根想不起来用。这个毛病我自己也犯。上周我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。
明天三个会撞在一起哪个能推、这份合同里有没有对我不利的条款、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。所以给自己装一个触发器：做任何事之前先停一秒，问一句 AI 能不能帮。一开始会很刻意，坚持一个月就成本能了。省下来的不只是时间，问得多了，你对 AI 能干什么、不能干什么的判断也会越来越准，能放心交给它的事情自然就越来越多。
4. 从最无聊的任务开始。
如果你觉得 AI 跟你的工作没什么关系，那反而应该从这里开始。看看这周有哪些事是重复的、无聊的、每次都差不多的：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，录音转成文字之后让 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，给它几封样例让它起草；各种通知、汇报、方案初稿，都可以让 AI 打底稿。这类活低风险、高频次，最适合拿来练手。
第一次用大概率比你手动还慢，这个正常。第三周就会比手动快，到第八周，一半的杂活可能已经没了。省时间还是其次，这个过程里你会慢慢长出第六篇说的那种管理直觉：哪些事该交给 AI，怎么交代它才能做好，越用越清楚。
5. 去做一个东西。
八条里我感触最深的是这条。AI 能回答问题，能省时间，但它最牛的地方是让你能创造东西。
我做了盘盘猫，一个把中国传统玄学和 AI 融在一起的十合一平台，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，就决定做了。具体的做法是用 claude 的 research agent 和 gpt pro 去读那些晦涩的古籍和民间解读，蒸馏成结构化的、AI 能理解和编排的数据格式。这个项目要是放在一年前，大概得一个六人团队做半年才做得出来，现在我一个人一个月就做完了，创造的门槛降到了一个以前没有过的程度。
第四篇说过软件会变成日抛型的：为一个人的需求定制，用完即弃。这个事我自己就在干。朋友们经常凑八个人打掼蛋，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，把一个个具体的小问题解决掉。
你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 帮你把它解决掉。自动整理家庭账单的表格、帮你规划每周菜单的小助手、那篇一直想写但总觉得写不好的文章、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把 AI 的各种用法学会，这个比看教程、加学习社群、关注那些贩卖焦虑的公众号都管用。而且从无到有做出一个东西，这个感觉是会上瘾的。
6. AI 会顺着你说。
这是创造的另一面。盘盘猫上线之后，用户很快发现一个问题：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。
这个毛病不只是算命 app 有，AI 本身就这样。让它帮你看方案，它说思路很好；让它改简历，它夸你经历丰富；连你随手写的文章，它都说观点很有深度。它被训练得很会鼓励人，所以它的夸奖基本没有信息量，当真你就被骗了。
检验只能去真实世界做：方案要拿给老板看，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的，AI 自己从头到尾一句没提过。所以 AI 夸你的时候听听就好了，东西还是要拿出去给真人看。
AI 永远夸你所以夸奖没有信息量，真正的检验只能拿到真实世界里去做
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，但这个无所谓，我不需要自己懂，我只需要 AI 帮我把古籍蒸馏成数据。所以第一天就直接动手了，边做边学，第一天的标题就是「为什么我要做一个算命 App（而且我完全不懂算命）」。过程当然很混乱，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。那些错误教我的东西，比任何教程都多。
而且 AI 这个领域变化太快了。你花三个月做准备，等你觉得准备好了，学的东西可能已经过时了；你花三个月实际去用，人是真的会变强的。所以别等，先开始用，笨一点没关系，做的过程中会慢慢清楚的。
8. 培养你的品味。
真正能拉开差距的是判断力和品味，就是你对什么是好的那个直觉。AI 谁都能用，而且很快所有人用的都是同样的模型，基线能力就是标配，值钱的是基线之上你自己的判断。
AI 可以给你写十版方案，但哪版最适合这个客户，它自己判断不了，要你来挑。营销策略契不契合你的品牌调性、邮件的语气合不合适，也是同一类事情：AI 负责把选项摆出来，摆多少个都行，挑的那一下只能是你。这种判断能力 AI 替代不了，这就是品味。
人人用同样的模型基线，AI 摆出一堆选项，真正的差距在于只有你能挑出最对的那个——品味就是护城河
培养品味没有捷径：多看好东西，搞清楚它为什么好，然后自己动手做一版，跟好东西比，看差距在哪。过三个月回头看自己当初做的东西，大概率会觉得尴尬，这个其实是好事，说明你的品味在涨。
另外你还有一样 AI 没有的东西：你的人生经历。你做过的项目、经历过的失败、积累下来的判断力，把这些带进你对 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，需要的就是投入时间真的去用。用的时候多做点东西出来，做出来的东西记得拿去收真实反馈，AI 的夸奖不算数。反正工具就在那，一个月一百多块，先动手就是了。
第八篇讲为什么这个拐点是 claude code。