吴恩达老师今年又上了一门提示词新课，仍然是给所有人的，叫 AI Prompting for Everyone。

这门课我学完感觉，适合所有需要利用AI完成日常任务的普通人。

以前我们更关心怎么写一句漂亮的 Prompt。

现在更重要的是，怎么给 AI 足够的背景，怎么让它用靠谱来源，怎么让它慢下来思考，以及怎么检查它的答案。

十分推荐去看下免费的原课程，不长，2-3 小时就能看完。

https://learn.deeplearning.ailcourses/ai-prompting-for-everyone/information

一、高阶用户如何使用 AI？

高阶用户用 AI，最明显的特点是：不会只问一句。

他们会把 AI 当成一个刚加入项目的新同事。

你要它做事，就得告诉它背景、材料、目标和标准。

1. 把背景讲清楚

课程里讲了一个写年终自评的例子。

如果你只说：

“帮我写一份年终自评。”

AI 很难写好。

因为它不知道你今年做了什么。

更好的做法，是把项目记录、工作成果、会议纪要、老板关注点一起给它。

可以这样问：

下面是我今年参与的项目、关键结果和一些会议记录。请先帮我提炼 3 个最值得写进年终自评的成果，再帮我整理成一版给老板看的自评。语气要真实，不要太夸张。

这个提示词好用的地方，不在于句子多高级。

而是它给了 AI 足够的材料。

健身计划也一样。

“帮我制定健身计划”太宽了。

最好补充：

• 目标：减脂、增肌、恢复体能；
• 时间：每周几次，每次多久；
• 器械：健身房、跑步机、弹力带、徒手；
• 限制：伤病、讨厌的动作、不方便做的动作；
• 偏好：喜欢有变化，还是喜欢固定训练。

你给得越具体，AI 越不用猜。

2. 别在一个对话里混太多任务

上下文越多，AI 越能理解你。

但上下文太乱，也会影响回答。

比如你一直在聊自己的健身计划，突然又让它帮你家人制定计划。

它可能会把你的信息混进去。

我的做法是：

• 同一个任务，留在一个对话里；
• 换人、换项目、换场景，就开新对话；
• 对话很长时，让 AI 先总结当前背景。

这个习惯很小，但能减少很多奇怪答案。

3. 让 AI 用靠谱来源

AI 会联网，但联网结果不一定可靠。

课程里提到，AI 搜索很容易引用热门来源，比如论坛、百科、视频站、点评网站。

这些来源有时能参考，但不能总当依据。

比如你问某种补剂安不安全。

如果不加限制，它可能会参考论坛、博客、卖货网站。

更好的问法是：

如果你让 AI 做行业研究，也可以这样要求：

AI 可以帮你省搜索时间。

但来源标准最好由你先定。

4. 复杂任务给它思考时间

现在的思考模型，已经不太需要我们反复写 “step by step”。

更简单的方式是直接说：

“请深入思考后再回答。”

或者打开工具里的思考模式。

适合这样做的任务包括：

• 比较多个方案；
• 分析一份数据；
• 写研究报告；
• 做商业计划；
• 阅读多份文档后给建议。

这些任务你自己做也要花时间。

就别期待 AI 几秒钟给出最好答案。

5. 深度研究适合复杂问题

普通联网搜索，适合查一个小问题。

深度研究，适合处理信息很多、需要比较和判断的任务。

比如：

• 研究一个行业的趋势和机会；
• 分析一家公司的财报和竞争环境；
• 比较几个产品的价格、功能和适合人群；
• 整理某个学术问题的研究结论。

我会把深度研究当成研究助理。

先让它帮我搜材料、理框架、列引用。

最后哪些结论能用，再自己判断。

6. 模型按任务来选

课程里建议大家使用更先进的模型。

我觉得更准确的说法是：模型要按任务来选。

• 改标题、总结短文，用快模型就够了。
• 写长文、做分析、改代码，用强模型更稳。
• 涉及钱、合同、医疗、商业决策，要加验证。

有些任务错了也没什么。

比如改一个朋友圈文案。

有些任务错了成本很高。

比如财务判断、合同条款、投放预算。

这种时候，不要只看模型厉不厉害。

更重要的是有没有人工核对，或者让另一个模型再审一遍。

二、如何让 AI 给出更有创意的回答？

课程里说，要帮助 AI 逃离“常识空间”。

换成大白话，就是：

AI 默认会先给你最常见的答案。

1. 给它更具体的场景

比如你问：

“帮我制定一个健身计划。”

AI 很可能会给你深蹲、俯卧撑、跑步、拉伸。

这些建议没有错。

只是太通用。

如果你继续补充：

• 家里只有一条弹力带；
• 不喜欢深蹲；
• 每天只有 20 分钟；
• 有一只很黏人的猫，经常打断训练。

AI 就会开始围绕你的真实场景设计。

这就是“逃离常识空间”。

它不是让 AI 硬想怪东西。

而是给它更具体的限制，让它不能继续套普通答案。

2. 一次多要几个方案

课程里有一个例子，是让 AI 想一块砖头的 200 种用法。

重点不是砖头。

重点是：创意往往不会出现在第一个答案里。

前面几个想法可能都很普通。

数量一多，AI 才会慢慢往不同方向走。

所以做选题、活动、产品方案时，我建议这样问：

先挑方向，再展开。

比一上来要完整方案更好用。

3. 用反馈继续迭代

AI 的第一版方案，经常只是起点。

你可以继续告诉它：

• 这个太保守；
• 这个太像广告；
• 这个不适合公众号；
• 这个方向有意思，但要更口语；
• 这个可以保留，再给我 5 个类似方向。

这些反馈会变成新的上下文。

AI 会越改越接近你的偏好。

所以创意任务不要一轮结束。

好结果通常是聊出来的。

三、如何避免 AI 讨好？

AI 很容易顺着你说。

这一点做判断时很危险。

它看起来很懂你，但可能只是把你想听的话说得更漂亮。

1. 问题尽量中立

课程里举了远程办公的例子。

如果你问：

“远程办公是不是更好？”

AI 很可能顺着“更好”来回答。

可以改成：

“目前研究对远程办公和办公室办公的效率对比有什么看法？”

这句话没有提前告诉 AI 你支持哪边。

它更容易给出正反两面的分析。

创业点子也是一样。

不要说：

“我有一个很棒的想法，你帮我批评一下。”

可以说：

少给倾向，多给标准。

2. 用评分表约束它

如果你只问“你觉得怎么样”，AI 很容易说好话。

评分表会让它更客观。

比如评价一个创业想法，可以让它按这些维度看：

• 问题是否真实存在；
• 目标用户是否清晰；
• 市场是否足够大；
• 竞争优势是否明确；
• 执行难度是否可控。

还有一个小技巧：

先分项，再总分。

不要一上来让 AI 给总分。

它可能先给一个友好的分数，再倒推理由。

先逐项分析，会更稳一点。

四、如何提高 AI 的写作质量？

很多 AI 文章的问题，不是句子不通顺。

恰恰相反，它们太顺了。

顺到读完以后，好像什么都说了，又好像什么都没留下。

1. 先大纲，再正文

课程里建议用“渐进式大纲”。

我觉得这是写作里最实用的一点。

不要一上来让 AI 写全文。

先让它给 1-3 个不同大纲。

你选一个方向，改结构，再让它扩展要点。

要点满意了，再写正文。

可以这样问：

大纲清楚，正文就不会太差。

大纲混乱，后面再润也很难救。

2. 删掉 AI 废话

AI 很喜欢写一些大而空的话。

比如：

“这不仅提升了效率，也重新定义了未来。”

听起来挺有气势。

但读者不知道到底提升了多少，也不知道未来哪里变了。

我的判断很简单：

一句话删掉以后，读者没有损失任何信息，那它就该删。

可以要求 AI 这样改：

• 少用抽象词；
• 多写具体场景；
• 每个观点配一个例子；
• 把“提升效率”改成“从 2 小时缩短到 20 分钟”。

具体，比漂亮更重要。

3. 逐段打磨

不要把整篇文章丢给 AI，说“帮我润色全文”。

这样很容易把你的表达磨平。

更好的方式是逐段改。

选一段，让 AI 给几个版本：

• 更口语一点；
• 更有观点一点；
• 更克制一点；
• 更适合公众号读者一点。

然后你挑一个最顺的，再自己微调。

AI 负责提供选项，人负责判断取舍。

五、如何让 AI 作为批判性思维助手？

AI 很适合帮我们发现盲点。

但前提是，不要只让它“评价一下”。

那样很容易得到一堆客气话。

1. 让它进入评审状态

你可以直接说：

“请作为一名严厉编辑，优先指出这篇文章的问题。”

或者：

“请不要先夸，先告诉我哪里不成立。”

这样它会更愿意指出结构、证据、表达上的问题。

2. 好的批评需要好的标准

不要问“好不好”。

要拆成具体问题。

比如评价一篇文章，可以问：

• 核心观点是否一句话能说清；
• 结构是否符合读者理解顺序；
• 每个观点有没有例子支撑；
• 有没有空洞表达；
• 读者看完能不能马上用上。

标准越具体，反馈越有用。

3. 最后还是要自己判断

AI 可以帮你搜索、分析、写作、评分、审查。

但最后要不要采用，还得自己判断。

这也是我看完这门课后最深的感受。

普通人以后用 AI 的差距，可能不只在会不会提问。

更在于会不会判断。

最后

这门课学下来，我觉得最值得记住的是：

别急着找万能提示词。

更重要的是养成一套使用习惯。

• 给足背景。
• 保持对话干净。
• 需要新信息时让它联网。
• 重要问题限定可靠来源。
• 复杂任务用深度研究。
• 写作先大纲，再正文。
• 判断问题用评分表。
• 关键结论人工或多模型验证。

如果只记一句话：

AI 越强，我们越要学会给背景、定标准、做判断。

这样用，它才真的会变成一个好用的工作伙伴。

- 完 -