核心判断

AI 是执行者，人是设计者。想要真正用好 AI，首先要学会拆解问题。

这意味着，你对一个项目的全流程和细节要了如指掌。能把一个模糊或者复杂的大目标，拆解成一个个具体、AI 能直接执行的子任务。这才是人机协作的起点。

上下文管理

当然，能拆解只是第一步。在实际产出中，当前大多数 AI 模型在上下文窗口超过其标称容量的 75% 左右后，性能会急剧下降。这就像让一个人同时处理十件大事，肯定会丢三落四。

所以，我们得做“上下文管理大师”——筛选最关键的信息投喂给 AI。争取在有效的上下文窗口内，只解决当下那个具体的子问题。千万别想着把所有东西一股脑全塞进去，那只会让模型“消化不良”。

善用反问

除了会问，还得学会“被问”。你是不是也有过这样的经历：给 AI 提了一堆要求，结果它给出的方案总有让你没想到的漏洞？高手之间的区别在于，他们不仅向 AI 提问，还会反过来让 AI 反问自己。这才是“善用反问”的精髓。

通过这种交互，我们可以查漏补缺，大幅提高最终产出的上限。

输入质量

输入质量直接决定输出质量，这是老生常谈的“Garbage in, Garbage out”原则。AI 说到底是一个基于概率预测的机制。能不能用好它，取决于你能不能使用精准、专业、逻辑通畅的人类语言进行提示。

那些看起来行云流水的对话，背后都是大量关于“如何说话”的琢磨。

空杯心态

最后一点，可能最反常识。哪怕是行业里摸爬滚打了十几年的专家，在面对 AI 时也需要保持“空杯心态”。因为 AI 的发展速度远超我们的想象，昨天的经验，今天可能就已经过时了。

保持谦逊，不固守于过往的认知。随时调整自己与 AI 的协作方式，持续探索最佳契合点——这看似简单，但往往是最高要求。

可复制的行动清单

与其听一堆道理，不如直接拆成一套可复制的行动清单。每次用 AI 前，先花 30 秒写三行：

• 目标是什么？
• 哪些绝对不能交给 AI 决策？
• 哪些是可以自动化执行的？

这就已经甩开大多数人了。

上下文压缩模板

然后，你需要固化一个“上下文压缩模板”。把所有冗余信息都砍掉，只保留：背景（只留决策必需的信息）、目标、约束条件、输出格式、评价标准。这个模板是你和 AI 之间的“通用接口”。

万能反问模板

还有一个万能的 AI 反问模板：

• 在当前信息下，哪 3 个关键信息缺失？
• 哪 2 个风险点我可能忽略了？
• 这个方案最脆弱的一步是什么？

这能逼着 AI 暴露它的“盲区”，帮你把方案想得更周全。

精准输入与迭代

说到底，人类对 AI 的“API 能力”其实就一句话：模糊输入会产生未定义行为，只有精准输入才能保证稳定输出。

最后，每隔 3 个月，强制问自己（或者问 AI）一次：过去 3 个月，我使用 AI 的方式，哪些已经明显过时了？有哪些新的交互范式值得我尝试？迭代，永远是这个时代最好的护城河。

AI 时代个人生产力系统

把上述所有能力落到实际工作中，就构成了一个完整的个人生产力系统。在这个系统里，人管方向与结构，AI 管速度与规模。它一共分为五层。

• 决策层：负责选目标，防跑偏，确保你一直在解决正确的问题。
• 认知层：负责拆解问题，防失控，避免在复杂任务中迷失方向。
• 执行层：负责规模产出，提效率，这是 AI 最擅长的领域。
• 记忆层：负责存储结构，防遗忘，把可复用的模板、框架、决策树沉淀下来。
• 校验层：负责纠错，防幻觉，通过反问和交叉验证堵住最后的漏洞。

每个层级里，人和 AI 的分工都各有侧重。

这套个人生产力系统，也可以被进一步拆分成 5 个相对独立的工作模块：

模块 1：问题建模器

功能是把模糊目标转化成结构化任务，明确目标、约束和评价标准。人负责划定问题边界，AI负责补充选项、暴露盲区。

模块 2：上下文压缩器

功能是把100页的背景资料，压缩成1页“决策最小充分集”，控制好信噪比。人负责判断什么重要，AI负责摘要与提炼。

模块 3：AI 执行流水线

功能是把任务拆成可并行的子任务，让多个AI Agent并发执行，比如分析、出方案、评估风险、模拟反对意见。人负责结构设计，AI负责规模化执行。

模块 4：结构性记忆系统

功能是不存内容，存结构。可复用的模板、框架、决策树、评价标准才是核心资产。人负责结构抽象，AI负责检索和复写。

模块 5：自我校验系统

功能是通过反问找盲区、压制幻觉。有一个标准反问模板很好用：

• 这个结论最可能错在哪里？
• 如果站在对立立场，会怎么反驳？
• 这个方案最脆弱的一步是什么？