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
道理都懂了，然后呢？
第六篇里我说，Agent 时代最重要的技能是管理——知道自己要什么，给足上下文，精准反馈。那是心态层面的。
但光有心态没有行动，就是鸡汤。
读完这个系列，大家问得最多的一个问题是："道理我都懂了。但到底怎么开始？"
八条心得，大部分是踩坑踩出来的。
1. 花钱用最好的模型
免费模型和前沿模型之间的差距，不是量变，是质变。
上周末我教朋友用 AI（第五篇写过这件事），第一件事就是帮他开通了最好的模型。不是免费聊天机器人，不是打折版。最好的那个。
因为我见过太多人第一次用 AI 就被弱模型劝退了——试了一次，觉得不过如此，从此再也不碰。
太可惜了。就像你吃了一顿加油站的盒饭，就断定所有餐厅都不行。
每月 20 美元，一百多块钱，少喝几杯奶茶的事。前沿 AI 订阅的投资回报率，我敢说是我见过最高的专业工具投资之一。
2. 把 AI 当协作方，不是聊天机器人
用 AI 最大的瓶颈，不是工具有多强——而是我们能不能合理地给它布置任务。
想象你雇了一个软件工程师，跟他说："给我弄个 XX 软件。"他能在一个晚上弄好吗？
这个逻辑对 AI 完全成立：人能搞定的，AI 大概率也能搞定；人搞不定的，AI 大概率也搞不定。
你说"帮我做个像微信一样的聊天软件"——就算是真人工程师也不知道从哪下手：要支持多少用户？语音消息要不要？群聊有没有上限？需要朋友圈吗？连人都交付不了的需求，AI 也交付不了。
做盘盘猫的时候也是这样。大多数人会问 AI："八字怎么算？"然后得到一篇百科概述，完全没用。
我是这么做的：直接跟 Claude 讨论——"我想做一个用 AI 解读玄学的 App，把那些所谓大师的门槛打下来，但我需要结构化数据，你觉得我们怎么开始？"
我不是在问一个问题。我是在用 AI 做协作方，在一个我完全不懂的领域里，共同设计一个产品。
这种协作不只发生在做产品上。比如你在考虑要不要换工作，但自己想不清楚。
聊天机器人模式：问"我应该换工作吗"——得到一份通用清单，没用。
协作方模式：把你的真实处境直接摊开——哪里让你难受，你隐约向往的方向，你的顾虑和约束。AI 会问你几个你没想到要问自己的问题，帮你把模糊的感受理清楚。两个小时后你有了一个真正属于你自己的判断——不是 AI 给你的答案，是你们一起推导出来的。
这就是从聊天机器人到协作方的切换。你不是在发送查询，你是在布置任务：交代背景，说明目标，定义什么叫做好了。
第六篇里说过：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。你给得越清晰，得到的越好。
还有一个文化维度。我们的表达习惯偏含蓄——"你应该懂我的意思"。
AI 不会读空气，不会领悟言外之意。把话说清楚不是粗鲁，是有效。学会跟 AI 清楚地沟通，其实也是在训练自己跟人清楚地沟通。
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：AI 能帮我吗？
很多人不是不会用 AI——是根本想不起来用。
我自己也经常犯这个毛病。上周我手动在整理一堆文档的格式，干了二十分钟才反应过来："我在干嘛？"跟 AI 描述了一下规则，两分钟搞定。
知识和工具都在那里。我只是忘了伸手去拿。
明天有三个会议撞了，哪个能推？这份合同里有没有对我们不利的条款？这份 Excel 的数据怎么对不上？下周出差的行程怎么安排最高效？
这些全都可以问 AI。
给自己一个心理触发器：做任何事之前先问"AI 能帮吗？"一开始很刻意，坚持一个月就变成了本能。复利是真实的——不只是省下的时间，还有你对"AI 能做什么"这件事不断扩大的认知边界。
4. 从最无聊的任务开始
如果你觉得"AI 跟我的工作没什么关系"——从这里开始。
看看你这周有什么事是重复的、无聊的、每次都差不多的：
- 每周编一份固定模板的周报——把工作日志丢给 AI，让它按模板帮你写
- 整理会议纪要——录音转文字，让 AI 提取要点和待办事项
- 处理 Excel 表格——"帮我把这 500 行数据按部门分类汇总，标出异常值"
- 回复格式差不多的邮件——给 AI 几封样例，让它帮你起草
- 写工作中的各种文案——通知、汇报、方案初稿，AI 都能帮你打底稿
这些都是低风险、高频次的任务，最适合练手。
第一次可能比手动做还慢。第三周你就会更快。第八周你一半的杂活可能就消失了。
更重要的是，你在这个过程里会慢慢长出第六篇说的那种管理直觉——你会越来越清楚哪些事该交给 AI，怎么交代才做得好。
5. 去做一个东西
这是我感触最深的一条。
AI 最厉害的地方不是回答问题，不是省时间——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——花了 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——第一名股票，第二名八字——觉得这个市场有潜力，就决定做。
我做的事情是：用 Claude Research Agent 和 GPT Pro 去读那些晦涩的古籍和民间解读，把它们蒸馏成结构化的、AI 能理解和编排的数据格式。
放在一年前，这是一个六人团队做半年的项目。有了 AI，变成了一个人一个月的事。
我不是在炫耀。我是在说：创造的门槛从来没有这么低过。
第四篇里我说过，软件正在变成日抛型的——为你一个人的需求定制，用完即弃。这不是理论，我自己就在这么做。
朋友们经常打八人掼蛋，记分是个痛点——谁赢了哪局、队伍怎么分、总分怎么算，每次都吵半天。于是我做了一个掼蛋计分器。一开始只记录名次和队伍分数，够用就行。后来大家打得上头了，我就一步步加了荣誉榜单、Overall MVP、玩家个人档案、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。
你不需要做一个十合一平台。你也不需要"会编程"。
你只需要有一个真实的需求——一个只有你自己最清楚的痛点——然后让 AI 帮你解决它。做一个自动整理家庭账单的表格。一个帮你规划每周菜单的助手。一篇你一直想写但总觉得写不好的文章。一个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——比看再多教程都有用。
而且那种从无到有的感觉——说实话，会上瘾。这种创造的快乐，和创造中快速学习的成长，是看再多教程、参加再多学习社群、刷再多让你焦虑的公众号文章都给不了你的。
6. AI 会温柔地骗你
创造的另一面。
盘盘猫上线的时候，用户立刻发现了一个问题：AI 的解读太"讨好"了。每一个八字都说你会成功。每一个健康分析都是正面的。每一段关系都很有希望。我们仓库里的 PR #38 整个就是在修这个问题。
这不是算命 App 独有的。AI 本身就是这样。
让它帮你看方案——"思路很好"。让它帮你改简历——"经历很丰富"。让它点评你写的文章——"观点很有深度"。
AI 被设计成善于鼓励。这也意味着它善于温柔地骗你。
真正的检验永远在真实世界里。方案交给老板看，简历投出去看有没有面试，文章发出去看有没有人读。盘盘猫的讨好问题，是真实用户告诉我们才发现的。
AI 永远不会告诉你。
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
我见过最大的坑就是"准备模式"。
研究最佳学习路径。收藏教程。加社群。买课程。
然后就没有然后了。
做盘盘猫就是这样——对玄学一窍不通，无所谓。我不需要自己懂，我需要 AI 帮我把那些古籍蒸馏成数据。第一天就开始做，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）"。
混乱吗？当然。犯了很多领域专家不会犯的错？很多。
但 29 天后我有了一个上线的产品，有了真实的用户。那些错误本身就是最好的学习。
AI 变化太快了，三个月的准备可能等你"开始"的时候就过时了。三个月的实际使用，才会让你真正变强。
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
这一条听起来可能有点虚，但它的护城河最深。
当所有人都能用同样的 AI——很快就会是这样——基线变成了标配。
你的优势在哪里？
你的判断力。你的品味。你对"什么是好的"的直觉。
AI 能帮你写十版方案，但哪个最适合你的客户？你得自己判断。AI 能帮你设计三个营销策略，但哪个最契合你的品牌调性？你得自己选。AI 能帮你起草一百封邮件，但哪封的语气最恰当？你得自己感觉。
这种选择和判断的能力，就是品味。AI 复制不了。
怎么培养？没有捷径。看好东西。理解为什么它好。自己做一个版本。对比。找差距。三个月后回头看自己之前做的东西觉得尴尬——恭喜你，你的品味提升了。
还有一个 AI 没有的东西：你的人生经历。
你做过的项目，你经历过的失败，你在无数个深夜里积累的判断力。你把这些活生生的经验带入对 AI 输出的评判，结果是你和 AI 单独都做不出来的东西。
这才是你真正的护城河。
现在就开始
这八条没有一条需要技术背景。它们需要的是投入——花时间去用，去创造而不只是消费，去面对真实反馈而不是躲在 AI 温暖的夸奖里。
差距不在天赋，在动手的先后。你今天开始用，三个月后回头看，会觉得今天的自己像另一个人。
第八篇退一步看更大的图景：为什么偏偏是 Claude Code 成了拐点。