把 AI 用明白｜经验分享 01：AI 会放大你的工作流

这是一档把“我怎么用 AI”讲清楚的播客。每一期，我会从一次具体的使用经历出发，拆开其中真正有用的判断、方法和边界。

本期我们聊一个很容易被忽略的问题：为什么有些人用了很多 AI 工具，效率却没有明显提高？我的答案是，AI 往往不是在替你完成工作，而是在放大你原本的工作方式。流程清楚的人，会得到更快的结果；流程混乱的人，也会更快地得到一堆看起来像结果的东西。

第一，先把 AI 当成“思考流程的镜子”，而不是万能答案机。

我现在遇到一个新任务，通常不会一上来就问：“帮我写一篇文章”或者“给我一个方案”。我会先告诉它三件事：我想达成什么目标，我手里已经有什么信息，以及最后的结果要给谁使用。这样做的价值，不只是让提示词更长，而是逼自己先把问题说清楚。

如果我连“什么算完成”都没有想明白，AI 再聪明，也只能替我把模糊放大。相反，当目标、限制和判断标准都摆出来以后，AI 才真正有机会帮我发现遗漏：是不是少了一个关键条件？是不是把手段误当成目标？是不是为了追求完整，加入了其实没人需要的内容？

第二，把一次对话改造成一个可以重复的工作流。

很多人觉得 AI 好用，是因为某一次对话刚好得到了漂亮答案。但真正能积累下来的，不是那句提示词，而是背后的步骤。比如我做资料整理时，会固定经过四步：先收集材料，再区分事实与推测，然后让 AI 提出结构，最后由我检查重要判断。

这四步里，AI 可以参与很多地方，但不能替我承担最后的责任。尤其是涉及数字、时间、人物和引用时，我会把“请帮我检查”变成一个明确动作，而不是一句礼貌性的补充。没有验证环节的自动化，通常只是把出错的速度提高了。

当一个流程稳定下来，下一次面对类似任务时，你不需要重新从零开始。你可以复用问题清单、输出格式和检查标准。AI 的价值也就从“偶尔帮我一下”，变成了“让我少做一遍重复的组织工作”。

第三，学会给 AI 留出“不确定”的位置。

我以前很容易被那种语气确定、结构完整的回答说服。后来我发现，真正可靠的协作，不是要求 AI 永远给出确定答案，而是让它把不确定性标出来。

现在我会直接问：哪些结论有材料支持？哪些只是合理推断？如果缺少信息，最影响判断的那一个问题是什么？这样的追问有时会让答案变短，却会让下一步行动更清楚。

这也是我觉得 AI 使用中最重要的能力之一：不是把所有空白都填满，而是知道哪些空白必须保留，直到你拿到足够证据。一个看起来完整的回答，不一定比一个诚实地说“这里还不能确定”的回答更有用。

如果把今天的内容压缩成一句话，就是：先用自己的判断设计流程，再让 AI 加速其中可重复的部分，最后把关键的验证权留在自己手里。

下一次你打开 AI 之前，可以先问自己三个问题：我到底要完成什么？什么证据能说明它完成了？哪一个判断不能直接交给机器？这三个问题，往往比再换一个工具更能提高结果的质量。

这里是《把 AI 用明白》。如果这一期对你有帮助，欢迎把你最近一次和 AI 协作时遇到的“看起来对、用起来不对”的经历记下来。下一期，我们就从这些具体的失败里，继续拆解哪些地方值得改。我们下期见。