用好AI的五个习惯

一、善于拆解问题

核心逻辑：AI是执行者，人是设计者。

对项目的全流程和细节了如指掌，能够将复杂的大问题拆解为具体的、AI可执行的子任务。

二、上下文管理大师

核心逻辑：理解模型极限，追求高效输出。

当前AI模型，在上下文超过窗口标称75%左右后性能会急剧下降。

因此需要筛选最关键的信息投喂给AI，争取在有效上下文窗口内解决具体的一个子问题，而非一股脑塞入所有信息。

三、善用反问

核心逻辑：通过交互查漏补缺，提高上限。

不仅向AI提问，还让AI反问自己。

四、沟通精准

核心逻辑：输入质量决定输出质量（Garbage in, Garbage out）。

AI是基于概率预测的机制，能够使用精准、专业、逻辑通畅的语言进行提示，引导AI生成高质量内容。

五、保持空杯心态

核心逻辑：AI发展迅速，经验需要不断迭代。

即使是行业顶尖专家也需要保持谦逊，不固守旧经验，不断调整自己与AI的协作方式，持续探索人机协作的最佳契合点。

行动清单

一、每次用 AI 前，先写三行

• 目标是什么？
• 哪些不能让 AI 决策？
• 哪些是可自动化执行的？

二、固化上下文压缩模板

• 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

三、AI 反问模板

如：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？

四、人类对 AI 的API能力

• 模糊输入 —— 未定义行为
• 精准输入 —— 稳定输出

五、每隔 3 个月，强制问 AI 一次

过去 3 个月，我使用 AI 的方式，

• 哪些已经明显过时？
• 哪些新范式值得尝试？

AI 时代个人生产力系统

在这个系统中，人管方向与结构，AI 管速度与规模，一共分为五层。

决策层负责选目标，防跑偏。

认知层负责拆问题，防失控。

执行层负责产出，提效率。

记忆层负责存结构，防遗忘。

校验层负责纠错，防幻觉。

每个层级中，人与 AI 分工协作。

个人生产力系统，也可以拆分成 5 个相对独立的工作模块。

模块 1：问题建模器

- 功能：

• 把模糊目标 → 结构化任务
• 明确：目标 / 约束 / 评价标准

- 人负责：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：

• 把 100 页背景 → 1 页“决策最小充分集”
• 控制信噪比

- 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：

• 把任务拆成可并行的子任务
• 多 Agent 并发（分析 / 方案 / 风险 / 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：

• 存结构，不是存内容
• 可复用：模板、框架、决策树、评价标准

- 人负责：结构抽象

- AI 负责：检索与复写

模块 5：自我校验系统

- 功能：

• 反问
• 找盲区
• 压幻觉

- 标准反问模板：

• 这个结论最可能错在哪里？
• 如果对立立场，会怎么反驳？