为什么你用错了人工智能（如何真正将你的产出提高10倍）

作者：Carlos E. Perez

原文：https://x.com/IntuitMachine/status/2012476953941459352

如果你和现在大多数人一样，使用人工智能的方式就像是使用一个稍微智能一点的谷歌搜索。

你输入一个问题，得到一个答案，然后复制粘贴到其他地方。或许你还会让它帮你写封邮件或总结一份文档。你告诉自己这是在“利用人工智能”，感觉自己好像有点效率。

但内心深处，你总觉得好像漏掉了什么。你在推特上看到有人声称自己一下午就开发出了整个应用程序。你听说有些创始人用 Claude 取代了一半的工作流程。你看了教程，读了帖子，却仍然感觉自己像在黑暗中摸索。

我曾经也经历过这个阶段。我花了几个月时间把人工智能当成高级自动补全工具来用，直到后来才恍然大悟。我估计现在使用这些工具的人中，90%可能只发挥了它们实际价值的5%——这并不是因为这些工具被过度吹捧，而是因为我们使用它们的思维模式完全错误。

然而，尽管我对网络上充斥的肤浅的“快速工程技巧”感到厌烦，但现在正是真正理解正在发生的事情并让自己站在这场变革正确一边的最佳时机。这并非通过学习技巧，而是通过从根本上改变你对工作、创造以及自身认知架构的思考方式。

所以，无论你是想在没有计算机科学学位的情况下构建软件，还是想自动化工作中繁琐的部分，或者只是想不再觉得人工智能是在对你施加影响而不是为你服务，我都想分享关于人机协作、技能习得和认知杠杆的 7 个想法，这些想法将永久改变你处理这个问题的方式。

这将是一项全面的工作。

这不是一份你明天就会忘记的提示清单。

这是一个思考人工智能的框架，它的影响将在未来数年内逐步显现，而不是几天之内。

最后的一些练习需要几个小时的专注练习，但这种思维转变——如果你准备好了——将会改变你的创作和职业产出的轨迹。

我们开始吧。

你之所以无法从AI中获得结果，是因为你没有用它思考

在有效利用人工智能方面，人们往往关注以下两件事之一：

1. 学习更好的提示词和技巧（最不重要，仅停留在表面层面）
2. 改变他们的思维方式，使人工智能成为认知能力的延伸（这是最重要、最基础的）。

大多数人对提示模板着迷，像收集卡片一样收集它们。他们照搬别人的成功经验，却不明白为什么自己行不通。他们试图在与工具保持平庸关系的同时，获得非凡的成果。

如果这让你感到困惑，我举个例子。

想想那些真正精通人工智能的人。不是偶尔使用一下，而是将人工智能深度融入工作流程，以至于产出质量发生了质的飞跃。他们几天就能完成原本需要几个月才能完成的项目。他们以前所未有的速度探索各种想法。他们似乎已经掌握了某种秘诀。

你觉得他们是在遵循某种模板吗？你觉得他们是在从推特帖子中复制粘贴提示语吗？

事实上，他们与人工智能的关系从根本上就不同。他们不把人工智能视为“使用”的工具，而是将其视为可以合作的思考伙伴。这种区别看似细微，却能改变一切。

当我观察人们在使用人工智能时遇到的困难，几乎总能发现同样的模式：他们把人工智能当作交易工具来对待。他们希望投入最少的资源，获得最大的产出。他们把每一次交互都当作自动售货机——输入指令，然后收到商品。

但你和一位才华横溢的同事合作时，绝不会这么做。你不会只给他们一句话的简要说明，就指望他们写出杰作。你们会一起思考，反复修改，逐步构建背景，充分发挥他们的优势，弥补他们的不足。

接下来这一点听起来很简单，但令人惊讶的是，竟然有那么多人不明白：

当有人告诉我他们“试过Claude Code，但没成功”时，我通常不相信是工具本身出了问题。我认为他们期待的是奇迹，而不是协作。他们想跳过思考，而思考恰恰是人工智能的价值所在。

当你真正理解人工智能协作时，浅薄的参与会让你感到极度不适。你会感受到资源的浪费，你会意识到那些尚未开发的潜力就在那里。你无法视而不见。

你之所以只能取得平庸的成果，是因为你的思维方式没有改变。你只是在旧流程中添加了一个新工具。

你没有利用AI，是因为你实际上并不想改变

如果你想用人工智能改变你的产出，你需要明白你为什么会抗拒它——因为你确实在抗拒它，即使你没有意识到这一点。

所有行为都是目标导向的。这就是人类行为的目的论本质。你做出的每一个选择都是为了实现某种目标，即使这种目标并非出于你的意识。

你强迫性地查看电子邮件，是因为你想感觉自己很重要，或者想逃避更难的工作。

你浏览社交媒体是因为你想不费吹灰之力地获得刺激。

这些显而易见。但潜意识里的目标才是真正有趣的地方。

当你“尝试”人工智能却很快放弃时，你并非因为缺乏自律而失败，而是在实现另一个目标——一个你尚未承认的目标。

这个目标可能是：保护你作为“按正规方式做事”的人的身份。

或者说：避免再次成为新手时的脆弱处境。

或者：坚持认为你的技能是不可替代的，人工智能永远无法做到你所做的事。

我经常看到这样的情况：开发者们对人工智能编码工具不屑一顾；作家们坚持认为人工智能无法捕捉他们的声音；专业人士们尝试过这些工具一次，结果平平，就断言它们“没那么有用”——而实际上，他们只是找到了一个让自己安于现状的借口，以此来满足自己的虚荣心。

这里有一个可能会刺痛你的问题：如果你真的想用人工智能将你的产出提高 10 倍，为什么不花 100 个小时刻意练习呢？

你可能已经花了100个小时在对你的未来无关紧要的爱好上。你可能已经看了几百个小时的视频内容。但是，真正可能改变你职业生涯的事情呢？你只是浅尝辄止。

这不是时间管理问题，而是动力问题。而动力问题总是与目标问题息息相关。

真正的目标不是“精通人工智能”，而是“保护自己免受变化的影响”。

真正的改变需要改变你的目标，而不是你的方法。

我说的不是设定一个“更好地学习人工智能”的目标，那只是表面现象。我指的是从最深层次上改变你真正优化的目标，改变你对工作本质的看法。

你没有利用AI，是因为你害怕它意味着什么

这就是你对人工智能产生抵触情绪的真正原因，也是为什么这种抵触情绪难以克服的原因：

1. 你培养了技能，并围绕这些技能建立了自己的身份。
2. 你透过这种身份的视角来看待世界。
3. 你会注意到那些能证实你价值的信息，而忽略那些会威胁到你价值的信息。
4. 你会重复那些强化自我概念的行为。
5. 这些行为会变成自动化的——你甚至都没意识到自己在做这些事。
6. 你的身份会变成你需要捍卫的东西，而不是你需要审视的东西。
7. 这种身份认同会影响人们对目标的感知，使其觉得哪些目标“现实”或“值得追求”。

这就是所有身份识别的运作方式。而这恰恰是人工智能让许多人感到威胁的原因。

当人工智能能够做到你花费数年时间学习的事情时，你的身份认同感会受到挑战。你不仅仅是在评估一个工具——你正在经历一场关乎自我存在的威胁。

一位作家花费数十年磨练技艺，如今却眼睁睁看着人工智能在几秒钟内就能写出像样的文章。一位开发者精通复杂的系统，如今却看到人工智能能根据简单的英语编写出功能完善的代码。一位分析师毕生致力于数据解读，如今却发现人工智能识别模式的速度远超他们以往任何时候。

合乎逻辑的回应是：“太好了，现在我可以做更多的事情了。”

情感上的回应是：“我的价值是多少？”

当你的身体感到受到威胁时，你会进入战斗或逃跑状态。

当你的身份认同受到威胁时，同样的事情也会发生。

这就是为什么人们对人工智能会有奇怪的防御心理。为什么他们会以一种可疑的、过于肯定的态度否定它。为什么他们会找出各种理由来证明它“根本行不通”、“实际上并不智能”或“做不到我做的事情”。

他们不是在评估技术，而是在保护自己的心理健康。

我这么说并非为了评判。我也曾有过同样的感受。当人工智能第一次写出一些我完全无法分辨是我自己写的东西时，我感到一阵莫名的眩晕，仿佛天地都在摇晃。

那些因为“真正的作家不需要人工智能”而拒绝使用人工智能的作家，将会被那些利用人工智能更快地构思、撰写和迭代，同时仍然保留人类判断和品味的作家超越。

如果开发者因为“人工智能工具不了解真正的架构”而对其不屑一顾，那么他就会眼睁睁地看着其他人几天就能完成他们几周才能完成的工作。

固守“既定做法”的专业人士终将成为前车之鉴。

你的身份并非神圣不可侵犯，它只是一种工具。就像任何工具一样，它应该服务于你的目标，而不是反过来。

你想要的杠杆作用存在于特定的合作层面

人类与人工智能的合作方式会经历可预测的阶段，而你在这个过程中所处的位置决定了你的所有结果。

我观察到数百人在有效使用人工智能的过程中都经历了以下几个阶段：

• 轻蔑地认为——人工智能只是个噱头。你试过一两次，就觉得它被过分吹捧了，然后就放弃了。你甚至还没真正开始了解它。
• 事务型人工智能——它是一种用于简单任务的工具。你可以用它来进行基本查询，比如撰写帮助文档，但使用方法就像使用一个语法更优秀的搜索引擎。输入问题，接收答案，完成。
• 实验型——你充满好奇心，喜欢尝试新鲜事物。你曾有过几次“哇”的惊喜，但却无法持续重现。你感觉还有更多东西值得探索，但却无法完全把握。
• 对话式——你已经意识到，人工智能在上下文和迭代的情况下效果更好。你们进行来回交流，不断改进输出结果。最终结果明显优于事务处理阶段。
• 协作——人工智能是思考伙伴。随着时间的推移，你会构建起相关的背景信息。你可以利用它来挑战你的假设，探索新的想法，并扩展你的能力。“你的”工作和“人工智能的”工作之间的界限开始变得模糊。
• 人工智能已融入你的思维和创造方式。你不是“使用”人工智能，而是与它一起思考。你的认知架构已经扩展。你无法想象回到过去。
• 统筹全局——你协调多种人工智能功能，以实现复杂的目标。你设计的系统由人工智能处理整个工作流程。您不仅能力得到增强，而且能力得到放大。

大多数读者的沟通方式介于事务型和对话型之间。这并非贬义——学习正是在这个阶段发生的。但同时，这也是大多数人学习停滞不前的地方。

从对话式到协作式的转变，一切都将发生改变，这需要从“人工智能作为工具”到“人工智能作为伙伴”的根本性转变，从信息提取到共同创造。

好消息是：你可以有意识地逐步完成这些阶段。这与天生的智力或技术能力无关，而是关乎改变你的思维模式并进行刻意练习。

这些阶段的进展遵循一个模式：接触、实验、整合、掌握。

智慧在于懂得该交出什么，该保留什么

人工智能时代存在一种利用杠杆效应的公式。

其中一个要素是判断力——知道什么值得做。

其中一个要素是背景——理解人工智能无法看到的细微差别。

最后一个要素是统筹安排——知道如何有效地指导人工智能能力。

如果你有判断力但没有统筹安排，你做正确的事情也会进展缓慢。

如果你有组织能力但没有判断力，你很快就会做错事。

如果你同时拥有这两者，但缺乏上下文，你就会生成通用的输出，而忽略了真正重要的信息。

让我重点谈谈编曲的真正含义，因为这是大多数人做得不够好的地方。

协调是人工智能协作的元技能，它意味着了解：

• 哪些事情可以完全委托
• 那些内容需要共同起草
• 那些需要自己动手
• 何时应该相信AI的输出
• 何时需要退回重来
• 如何高效地提供场景信息
• 如何高效迭代

把它想象成指挥一个交响乐团。指挥家不会演奏每一种乐器，但他们了解每种乐器的特性，能够有效地沟通，并通过指导和反馈来塑造整体的演奏效果。

我认识的最优秀的AI用户未必是最聪明或技术最精湛的，而是那些对这个协调层有着敏锐直觉的人。

他们知道克劳德擅长某些类型的推理，而对另一些则感到吃力。他们知道如何构建请求才能获得最佳输出。他们知道何时需要提供更多背景信息，何时应该让人工智能自行探索。他们知道如何批判性地解读人工智能的输出——既不会下意识地否定，也不会盲目接受。

这是可以学会的，不是什么魔法，而是一种技能。

为了提高效率，你必须：

1. 放弃“凡事亲力亲为就是美德”这种想法
2. 再次拥抱作为初学者的不适感
3. 培养判断力，决定哪些事情应该交接。
4. 学习能够产生高质量输出的交互模式
5. 建立加速学习的反馈回路
6. 接受你的角色正在从制片人转变为导演的事实。

那些能够成功的人，既不是那些抗拒变革的人，也不是那些盲目屈服的人。他们会有意识地培养适应变革所需的技能。

如何在一周内真正利用AI变得强大的恐怖

我在人工智能领域取得的最大突破，总是来自一段时间的刻意、密集的练习，而不是被动地吸收技巧和窍门。

如何培养真正的AI能力？

如何培养那种能将浅尝辄止者与实践者区分开来的直觉？

如何才能让AI协作感觉自然而不是勉强？

通过有条理、有计划的练习，并辅以即时反馈。

我想给你制定一个为期一周的强化人工智能技能提升计划。不是阅读人工智能相关的书籍，也不是观看教程，而是真正地运用人工智能技术，拓展你现有的能力。

这需要每天投入2-3个小时的专注练习。如果这听起来很多，不妨问问自己：你花了多少时间在那些对你的未来影响小得多的事情上？

第一部分：第 1-2 天——构建心智模型

目标：从事务性互动转向对话式互动

每次开始训练前都要设定一个目标：你不是要“让人工智能做某事”，而是要了解它的思维方式。

第1天练习：

把你最近写的东西拿出来，让AI来点评。不是让它“改进”，而是让它真正地点评。然后反驳AI的点评。和它进行一次真正的对话。注意，当你参与其中而不是被动地提取信息时，会发生什么。

让AI解释你已经很熟悉的事物。找出它的解释与你的解释之间的差异。问问为什么。深入探究这些差异。这有助于你构建它处理信息的模型。

给人工智能一个你目前遇到的难题。但不要直接寻求解决方案，而是请它帮助你理清思路。提出一些澄清性的问题，质疑它的假设。看看这种协作过程能否产生你独自思考时无法获得的洞见。

第2天练习：

找一个你一直拖延的项目。不要让人工智能替你完成，而是帮你把它分解开来。实际步骤是什么？是什么阻碍了你？初稿应该是什么样的？让对话降低你的启动能耗。

让人工智能反驳你坚信的观点。认真对待反驳论点。留意你的情绪反应。这有助于你将人工智能视为思考伙伴，而不是回音室。

让人工智能解释它在你的领域内的局限性。它做不到什么？哪些方面你不应该信任它？建立这种评估机制对于有效的协作至关重要。

每次课程后的反思问题：

• 什么时候互动感觉富有成效？什么时候感觉像是在拔牙？
• 我从中了解到人工智能是如何处理我的请求的哪些信息？
• 我究竟在哪一次想要放弃，只想“得到一个答案”？

第二部分：第 3-4 天——培养场景技能

目标：学习如何提供能显著提高输出结果的场景信息

人工智能输出的质量与你提供的上下文质量成正比。大多数人对上下文的投入严重不足。

第3天练习：

想想你之前用人工智能完成过但结果平平的任务。现在花10分钟时间写出你的需求场景：背景、限制条件、理想结果的标准、你已经尝试过的方法、以及为什么这次请求很重要。然后把这次的输出结果和你之前的尝试进行比较。

为正在进行的项目创建一个“上下文文档”。这是一个动态文档，其中包含人工智能需要了解的所有信息，以便有效地协助您。随着项目的推进不断更新它。观察引用该文档如何改变您的交互方式。

尝试不同的具体程度。用三种方式描述同一个请求：模糊、中等具体和非常具体。比较三种方式的输出结果。培养对具体程度最佳平衡点的直觉。

第 4 天练习：

练习如何提供能够改进输出的反馈。当人工智能生成的结果不太理想时，不要只是说“再试一次”。要具体诊断问题所在，并清晰地沟通。这是一项技能。

尝试“教”人工智能了解你的喜好。解释你的风格、标准、喜欢和不喜欢的东西，看看它适应得如何，反复修改你的解释，直到它“明白”为止。

练习交接：把你对某个问题的粗略想法告诉人工智能，让它进行拓展。然后反过来，根据人工智能的粗略想法进行自己的拓展。熟悉这种来回沟通的过程。

思考题：

• 上下文质量与输出质量之间有何关联？
• 哪些类型的背景信息似乎最为重要？
• 我还在哪些方面描述不足？

第三部分：第 5-7 天 – 构建工作流集成

目标：从孤立的练习过渡到综合练习

现在，我们将这一切变为现实。我们的目标是将人工智能协作融入实际工作中，而不仅仅是练习。

第5天：

选出本周最重要的项目，详细列出该项目的每个组成部分。针对每个组成部分，决定：自己完成、用人工智能完成，还是完全委托给人工智能。执行计划。观察你的直觉哪些是对的，哪些是错的。

第6天：

专注于最棘手的部分——那些人工智能协作感觉生硬或效率低下的地方，这些摩擦点正是学习发生的地方。在这些地方多花些时间，尝试不同的方法。让人工智能帮助你找出协作失败的原因。

第7天：

综合运用你所学到的知识。你的思维模式发生了哪些转变？你现在看到了哪些之前错过的机会？你个人的“人工智能协作风格”是什么？

为自己建立一个简单的系统：何时使用人工智能？如何提供场景信息？迭代流程是什么？把它们写下来。这将成为你的基础。

最终思考：

• 人们对人工智能的看法发生了哪些变化？
• 我现在能做哪些一周前做不到的事？
• 我希望在哪些方面继续发展？

将你的思想变成一支交响乐团

现在你已经具备了真正利用人工智能的所有要素。

让我把它们整理成一个连贯的系统。请拿出一份文件，写下这6个要素：

反愿景——被时代抛在后面是什么感觉？眼睁睁看着别人以十倍于你的速度创造和交付，而你却固守旧方法？成为那个“错过机会”的人？

愿景——人工智能真正成为你能力的延伸会是什么样子？执行不再是瓶颈，让你拥有更大的思维空间？创造出你独自一人无法想象的事物？

90天目标——你想培养哪项具体能力？你想完成什么项目？什么能证明你已经提升到了一个新的水平？

每月项目——这个月你能做出什么来拓展你目前的能力？不是那种玩票性质的项目——而是真正有意义的、对你来说重要的东西。

每周练习——为了提高流利度，你每周会进行哪些刻意练习？何时练习？如何确保练习能够进行？

限制条件——你不会牺牲什么？你的判断力？你的品味？你的价值观？无论你使用什么工具，是什么让你的作品成为你自己的作品？

为什么这个框架如此强大？

因为它将抽象的技术变革转化为一场有明确赌注、目标和规则的个人游戏。

你的愿景决定你的成败。你所构建的未来。

如果你不参与，你就会失去你的反视野。这就是不作为的代价。

你的90天目标就是使命。目标要足够具体，才能指导行动。

你每月的任务就是最终boss战，也是你真正升级的阶段。

每周的练习才是真正的磨练，是反复练习才能提升技能。

你的束缚就是规则。正是这些规则让你保持人性。

这些因素共同在你注意力周围形成一道保护罩。当你清楚地知道自己在构建什么以及为什么构建时，各种干扰就失去了效力。那些看似诱人的东西也不再具有吸引力。你拥有了一个值得投入的项目。

决定未来十年走向的，既不是那些抵制人工智能的人，也不是那些崇拜人工智能的人。而是那些学会驾驭人工智能的人——那些培养出判断力、洞察力和技能，能够引导人工智能朝着有意义的方向发展的人。

这才是真正的机会。不是被取代，不是竞争，而是主导。

工具已备，优势也已具备。

唯一的问题是你是否真的会使用它。