把 AI 用起来：能力边界与使用心法
很多人第一次用 AI 的体验是「惊艳三分钟，然后放弃」：问实时行情、算精确报表、查某公司的年报数据，结果要么过时要么含糊，于是判定「这东西不好用」。问题多半不在模型，而在把 AI 当成了搜索引擎。本章先说清它能做什么、不能做什么，再给出三种使用姿势，以及一张「该问 AI、什么该查文档」的对照表。
先摆正心态：把 AI 当实习生，而不是当搜索引擎
搜索引擎的工作是「找到别人已经写好的答案」，AI 的工作是「按你的要求现场产出内容」。前者你要判断来源、自己提炼；后者你要交代清楚、自己把关。把 AI 当实习生，要记住三件事：
- 实习生不知道你的公司背景、业务口径、历史决策，你不说它就编。
- 实习生很勤快但不稳定，同一句话问两遍结果可能不同，重要产出必须复核。
- 实习生能一次干完一整天，成本低，所以值得把「说清任务」这件事做扎实。
AI 擅长什么
| 能力 | 具体表现 | 适合的活儿 |
|---|---|---|
| 改写与润色 | 换语气、换受众、压缩或扩写，几十秒出稿 | 邮件、公文、产品文案、周报 |
| 归纳与提炼 | 从长材料里抽要点、找共同点与冲突点 | 会议纪要、竞品调研、多文档对比 |
| 生成样板 | 按格式产出结构化文本、代码骨架、表格 | 用例列表、SQL 草稿、配置模板 |
| 跨领域联想 | 把 A 领域的做法迁移到 B 领域，给多种思路 | 取名、方案 brainstorm、类比解释 |
| 语言转换 | 中英互译、术语统一、风格模仿 | 对外文档、字幕、双语公告 |
| 解释与教学 | 按指定深度拆解概念，随时追问 | 学新框架、读不懂的报错与论文 |
AI 不擅长什么
| 短板 | 表现 | 应对办法 |
|---|---|---|
| 实时事实 | 训练数据有截止时间，最新政策、股价、版本变更一律不可靠 | 联网搜索或自己贴最新资料给它 |
| 精确计算 | 长串数字相加、日期推算、金额汇总容易出错 | 让它写出算式或代码，用工具算 |
| 可追溯的引用 | 会把书名、作者、链接拼得像真的 | 要求给原文摘句，逐条到原始出处核对 |
| 你的私有上下文 | 不知道你的项目历史、内部规范 | 把关键背景写进提示词或做成技能包 |
| 概率性输出 | 同样输入两次结果不同，无法保证复现 | 固定提示词、要求给依据、多跑一次比对 |
| 一致性判断 | 长文档里前后矛盾处容易漏看 | 拆成分段任务，或明确要求「只找矛盾点」 |
三种使用姿势
用不好 AI 的人，通常只用第一种；产出高的人，大量在用后两种。
| 姿势 | 你做什么 | AI 做什么 | 典型场景 |
|---|---|---|---|
| 问答 | 提问、追问、挑答案 | 给结论、给解释 | 快速了解一个概念、要几个思路 |
| 协作 | 给标准、来回改、做判断 | 起草、扩写、挑错、给对照版本 | 写方案、写文档、做设计取舍 |
| 委托 | 说清目标与验收标准，只看结果 | 端到端做完并自检 | 批量整理、格式转换、周期性产出 |
问答只需要一段话，协作需要三到五轮，委托需要一份「任务说明书」。任务越像委托，越值得花时间把提示词写清楚。
什么问题该问 AI，什么该查文档
| 你的需求 | 优先用什么 | 原因 |
|---|---|---|
| 「这个报错大概是什么原因」 | 问 AI | 它见过大量同类问题，能给排查方向 |
| 「这个函数的签名和参数含义」 | 查官方文档 | 版本间会变，文档才是唯一权威 |
| 「把这份纪要整理成待办清单」 | 问 AI | 纯语言加工，正是它的强项 |
| 「我们的服务用了哪个版本的依赖」 | 查仓库/配置 | 私有事实，只有你的环境知道 |
| 「这两个方案各有什么取舍」 | 问 AI 起头，自己判断 | 它能列全维度，但拍板要靠你 |
| 「某规定的现行条款原文」 | 查官方发布 | 引用必须可追溯，错了代价大 |
| 「帮我写个 SQL 查询思路」 | 问 AI | 生成样板效率极高，注意再验证 |
一个简单的判断口诀：「是谁知道这件事」——只有公开语料里存在、且不要求实时与精确的，放心交给 AI；只有你的环境里存在、或要求逐字准确的，先去查原始来源，再把资料喂给 AI 让它加工。
把任务说清楚，比换更强的模型更有效
多数「AI 不行」的现场，其实是提示词太糊。对比一下：
模糊版：帮我写个周报
清楚版：你是我的助理。请帮我把下面这周的零散记录整理成一份周报，
收件人是部门总监，篇幅 300 字以内，分「本周进展 / 风险与阻塞 / 下周计划」三节，
进展部分用「事项 + 结果 + 数据」的句式，风险部分只写需要总监协调的事，不要客套话。
以下是记录：
<记录>
……（粘贴本周的零散记录）
</记录>
清楚版的每一句都在减少返工：受众定语气、字数定体量、小节定结构、句式定密度、负向约束砍掉废话。这些信息在模糊版里全靠模型猜，猜错就得重来。先把话说清楚，再考虑换模型。
交任务前的五句自检
1. 受众是谁？看完要做什么决定？——决定语气与详略
2. 必要的背景材料与内部口径给了吗？——不给就会编
3. 输出格式写死了吗？（小节名 / 表格列 / 字数上限）
4. 哪些内容不许出现？（套话、编造、外部数据、免责声明）
5. 结果里的事实、数字、引用，我准备怎么核对？
五句里只要第 3、4 句做到，返工率通常就能降一半。
常见坑
| 坑 | 后果 | 改法 |
|---|---|---|
| 把它当搜索框，问一句就走 | 得到笼统答案，误判为「能力差」 | 补上背景、受众、格式与验收标准 |
| 一次提三个不相干的目标 | 每个都做得浅 | 拆成三轮，一次只解决一个目标 |
| 直接采信带引用的答案 | 引用可能是编的，专业场合翻车 | 要求给原文摘句并自行核对出处 |
| 把敏感数据原样粘贴 | 客户信息、密钥外泄 | 脱敏后再给，或走本地/私有部署 |
| 拿到结果不看就发出去 | 事实、口径、称呼出错 | 人工复核事实与数字，这一步不能省 |
小结：AI 是一名不知疲倦但不了解你的实习生——擅长改写、归纳、生成样板与联想，不擅长实时事实、精确计算、可靠引用与私有上下文；先把任务说清楚，再用「问答 / 协作 / 委托」三种姿势对号入座，并把事实核对留给自己。