推文

@jinchenma_ai · 2026-10-11 16:02

AI 工具更新得这么快，普通人到底应该怎么学？ 我觉得没必要天天追着新工具跑，更应该关注一些底层的运行逻辑。 举两个例子。 第一个是手机。 手机发展这么多年，最开始你学会了怎么设置基础功能、怎么下载和使用软件，后面再出来新的 App，基本就不需要专门去学怎么操作了，摸索一下就能上手。 第二个是摄影。 当你理解了光圈、快门、感光度、焦距这些基础知识之后，换一台相机，只需要熟悉一下新设备的操作，不需要从头再学一遍摄影。 学习 AI 也是一样的。 这里说的底层逻辑，也不一定是大模型原理、Agent、MCP、Skill 这些技术概念。 比如你想用 AI 做视频，至少要理解视频是由哪些部分构成的，文字、画面、音效、动效分别是怎么产生和组合的。 再比如你想用 AI 搓一个工具，至少要知道这个工具需要哪些模块，每个模块需要调用计算机的什么能力，是图像处理、文件处理，还是音频处理。 你需要理解的是这些东西怎么组成、怎么运行，而不只是某个软件怎么操作。 具体怎么学？ 可以先让 AI 用通俗易懂的语言，给你讲清楚完成一件事的大致路径。 目的就是先了解全貌，后续动手的时候，至少知道自己做到哪一步了。 然后边做边学。 遇到不懂的地方，可以让 AI 帮你找一些公开的最佳实践，看看别人已经做出了什么成果、用了什么方法。 也可以多看一些优质教程、其他人的经验分享，再拿着这些内容跟 AI 讨论、核实，最后自己动手验证。 这个过程其实有点像上学时看论文。 先了解前人在这个领域做过什么，再在已有成果的基础上优化、完善。 虽然现在你可以只给 AI 一句话，让它自己想办法完成任务，但它选择的实现路径未必是你想要的。 一旦出了问题，如果你完全不了解中间的步骤，就很难判断问题出在哪里，更不知道该怎么调整。 所以自己脑子里最好有一个基本框架，知道完成一件事大概需要哪些步骤，也能判断 AI 给出的计划靠不靠谱。 当然，也不用把自己原来的经验当成标准答案。 如果 AI 提出了更好的方案，就去验证它在执行效率、成本、稳定性上是不是真的更好。 如果确实更好，就把新的方法沉淀成 SOP，下次直接复用。

曝光 617 · 评论 6 · 点赞 6 · 书签 2 · 曝光/时 217.57543140180357