用 AI：出结果、长本事、不白忙

 

 

 

 

 

 

 

 

 

 

 

六张图的文字版

下面按图 1—6 的顺序补充文字解释；不加载图片也可以阅读。

图 1：四个问题，按需选用

1. 明确目的：这次想拿到结果，还是想学会？
2. 选择用法：目前卡在哪里，需要 AI 帮哪一部分？
3. 检查结果：看产物、运行情况和证据，不只看 AI 自评。
4. 判断进展：和开始前相比，多了什么可以确认？

这是按需选用的四个问题，不是每次必须走完的固定流程。达标就结束本轮；还要继续时，调整方法再选用。重复劳动可以交给 AI，必要的学习思考仍需保留。

图 2：要结果，还是要学会？

要结果时，AI 可以整理口述、改格式、做配图，人检查是否符合要求、能否直接使用，不必学会全部制作技术。要学会时，可以先看示范，再自己预测、讲解、修改和排错；离开答案，换个例子验证。两种目标可以按任务分工，例如页面样式交给 AI，工具调用由自己练习。AI 做出来、自己看懂了，都不直接等于自己能独立使用。

图 3：把 AI 用在具体困难上

• 澄清想法：语音口述加 AI 追问，分清目标、方案与疑问，再确认本意；正在考虑不等于已经决定。
• 检查理解：自己先讲，再让 AI 追问关键缺口，最后换例子验证；别让自动补齐掩盖不懂之处。
• 看清因果：概念配合小实验，先预测、再改变条件、观察结果并解释差异；教学模拟不等于真实系统。
• 查证排错：结合原始材料与现场证据，对照预期和实际，做最小检查后再决定是否修改；区分证据和猜测，材料先脱敏。
• 减少重复：先试少量样本、确认规则，再扩大处理；检查异常并保留原件。样本通过不等于整批无误。

图 4：看见低效信号，就换动作

• 计划和提示词反复打磨：先做最小验证，再按证据调整。
• AI 代替自己学习：离开答案自己解释，再预测和动手验证。
• 反复盲改：固定失败案例，一次验证一个原因。
• 不断加需求：守住本轮目标，新想法另记。
• 报告漂亮但没验收：检查真实产物、运行、输入和输出。
• 不断换工具、框架和模型：先说清具体不足，再用同一任务比较。
• 反复求认同或无限挑错：区分缺陷、风险与可选优化，允许结束。

判断这次是否真的推进，要看有没有新证据，而不是只看忙了多久。

图 5：双 Agent，不一定更好

简单任务可由单个 AI 加人工检查；规则明确时可加入脚本或测试；复杂任务再按需增加独立审查。这不是固定的升级路线。人先明确目标、验收标准和授权边界；执行者实现、自测并说明未确认项，审查者按需求核对真实结果，提供可复现证据。发现明确缺陷就修复重审，满足验收就交付，缺条件或需要新授权则暂停补齐、请人决定。两个 AI 同意不等于结果正确，检查强度与风险相称，也要计算协作成本。

图 6：有进展，也要知道何时停

开始前先说清本轮目标和判断进展的方法，结束时检查新增了什么：可用结果、真正理解、新证据、需求澄清，或排除了错误方向。更多代码、文档、自评和对话时长，本身不能证明进展。达标就结束；明确缺陷就修复验证；缺少条件就暂停补齐；方向不对就调整方法；超出预算或风险边界就停止投入。总成本包括准备、沟通、等待、检查、返工和维护。