Table of contents
Open Table of contents
一、先交代背景，再提问题
新手用 AI 最常见的姿势，是直接甩一个问题过去：「帮我写一份项目方案。」模型当然会给，但给出来的一定是放之四海而皆准的正确的废话。
后来我养成一个习惯：提问之前，先花两分钟把背景讲清楚——我是谁，这件事的来龙去脉是什么，约束条件有哪些，最后要交付给谁看。背景给得越具体，回答的质量肉眼可见地往上走。这其实和管理下属是同一个道理：任务交代不清，不能怪执行的人。
二、让它先出丑稿
写长文档最耗人的不是写，是从零到一的那一下。我的办法是让 AI 先出一个丑稿：结构粗糙、措辞生硬都没关系，先把骨架立起来。人在修改状态下的判断力，远比在空白页前的创造力可靠。
但要守住一条：丑稿是脚手架，不是成品。最后的每一句话，必须过一遍自己的脑子。署名是你，责任也是你。
三、关键事实，必须回源头核对
模型会一本正经地编造：不存在的法规条文、张冠李戴的数据、煞有介事的出处，都出现过。所以凡是要写进正式文件的关键事实——数字、日期、政策原文、判例编号——我一律回到源头核对一遍。
分工是这样的：AI 负责告诉我「去哪里找、找什么」，源头文件负责告诉我「到底是不是」。这两件事混在一起，迟早出事。
四、敏感信息守红线
我在金融行业工作，这一条没有商量余地：客户信息、未公开的项目细节、内部文件，绝不输入外部的 AI 平台。需要处理敏感材料时，要么脱敏后再用，要么用单位内部的系统。
效率和合规之间，我选合规。这不是保守，是因为出一次事的代价，够抵一百次省下来的时间。
五、把好用的问法存下来
同一个任务问得好和问得差，结果差出一大截。所以每次遇到一个效果特别好的问法、一段交代背景的模板，我就随手存下来，攒成自己的小册子。用得久了会发现，所谓的「会用 AI」，很大一部分就是攒了一套适合自己工作的问法，和老编辑手里的范文夹是一个道理。
六、把它当同事，别当神仙
最后一条是心态。AI 是个能力很强、但不了解你处境的同事：它读过很多书，却没在你的单位上过一天班。它给的建议要听，但拍板的是你；它犯的错误要纠，但别因噎废食。
真正拉开差距的，从来不是谁用的模型更贵，而是谁更清楚自己要什么。工具在变，这个问题不变。
接下来我打算把这几条经验展开，逐条写写具体的例子。下一篇，先从「交代背景」这件事开始。