在AI时代,大家都说要会使用AI,那怎么才算是会使用AI呢?

多客科技

作者：微信文章
在AI时代，大家都说要会使用AI。

“不久的将来，会使用AI的人将会对不会使用AI的人，形成降维打击。”

“替代你的不是AI，而是会使用AI的人。”

这些预测，触及了我们每个人的焦虑感。

但也绝非危言耸听。就像工业革命时期，会操作机器的人与手工业者之间的区别。

那么，怎么才算是会使用AI呢？我一直思考这个问题。

很多人可能以为会聊天就是会用AI，但经过这段时期的思考和实践，真正关键的是把AI当成思维伙伴，而不仅仅是工具。

以下是我个人思考过程中的一些记录：

1、锻炼AI第一思维。

遇到问题时想到AI，遇到无聊性工作时想到AI。工作中，任何时候都应该问问自己，智能体是否能解决该任务或问题。AI还能解决什么问题？去发现AI善于解决的问题，比人解决更好的问题，然后利用AI去替代它。这才是我们真正要去思考和实践的。

用上你所知道或不知道的AI工具（不知道就想办法知道哈）去高效、聪明的解决问题，并知道每个工具所擅长的点。

tips：没有工具就学会自己造哈哈。

2、不要只做“大模型套壳”应用，简单的聊天界面价值越来越低。

特别是ChatGPT刚发布的时候，很多套壳的大模型。随着AI的发展，简单的聊天毫无价值了，而是真正能解决实际场景中的问题才是最重要的。

3、无需死磕数学推导和算法。

很多人都认为掌握AI离我们很远，因为我不懂八股文一样的算法，不懂深奥数学，不会复杂的transform框架和机制原理。现在无论我现在多努力，也无法比那些在大学就深耕AI的博士生牛逼。

确实是这样，但是不必焦虑。

AI时代，除了会开发AI大模型，还有很多机会，我们不需要掌握如何开发一个大模型，我们目标是如何应用这些大模型，了解基本的机制原理即可，最好能动手微调属于某个场景的大模型。

市面上有太多的优秀的开源大模型，没有必要重新做一个，也没有这样的能力、时间和金钱。我认为大模型是只是头部几家巨头能做的，也只有他们才能持续做好的。

我们现在能做的就是思考如何利用这些优秀的大模型，聚焦应用层，去解决生活或工作中的各种重复性工作。

对于普通的大众来说，忘掉“做一个比OpenAI更好的模型”。你的方向也不应是去和博士生拼数学、算法，而是用AI去解决你熟悉的行业里的老问题。

4、专注于定义要完成的目标和约束条件，然后让AI智能体去思考“如何做”。

你的价值体现在准确描述问题和评估解决方案上。

如果你开发AI智能体，你就会发现设计一个高质量的提示词，对最终的效果有多么的重要。很多智能体框架，其实都是提示词驱动的，比如AutoGPT、CrewAI、AutoGen等。

我之前看过一篇文章，很多国外的招聘都有提示工程的岗位，就是会训练Agent。

一个完整的提示词，包括角色、背景、任务、目标、格式要求、各种限制等等。

会写提示词也是我们区别于只会泛泛提问聊天的人，将AI能力发挥到极致。

未来管理者也许不是管理人，而是管理Agents，然后不断地的根据业务对这些Agents进行优化，让他们可以做的更好。

理解AI的产出很少能一步到位，会基于第一次的结果，给出更具体的反馈，不断地优化提示词，生成更高质量的结果。

5、智能体主要工作是集成和编排。

大模型是强大的“大脑”，各种API和工具是“四肢”，你的任务是用LangChain、AutoGen这样的“骨架”将它们优雅地组合起来，解决实际问题。

“AI驱动工作流”的构建能力， 将AI嵌入自己的工作流程，而不仅仅是完成孤立任务。

6、聚焦“AI原生”思想： 思考哪些应用是只有在大模型能力下才能实现的？

思考方式从起点就包含了AI这个变量。在设计一个产品、一项服务或一个流程时，会本能地思考：“这里AI可以扮演什么角色？如何从架构上就让它发挥最大价值？” 而不是在旧流程上简单地打补丁。AI的出现，打破了原有的模式。

比如：DeepSeek和月之暗面的大模型技术的竞争，在注意力机制上，DeepSeek提出的新架构名为NSA（原生稀疏注意力），而月之暗面提出的新架构命名为MoBA（混合块注意力机制）。区别是，DeepSeek的改造更为果断和彻底，而月之暗面兼顾了老机制和新机制，动态平衡，即为混合。

虽然跟本文不沾边，但是挺有意思的“瓜”。

7、聚焦“应用层” 。90%的需求是“用好模型”，而非从头训练大模型。

打造作品集，如：在GitHub上发布RAG系统、Agent应用。加入社区，参与Hugging Face、魔搭（ModelScope）、知乎AI专栏等。通过实践，了解AI的能力边界，以及如何应用AI的能力。魔塔社区中，有很多免费的大模型提供给我们学习和实践。

不要等“完全准备好”，从一个Prompt工程小项目开始（如自动写周报），从解决身边实际问题开始。搭建自己的RAG知识库，一个完整RAG搭建过程你会学到很多东西，比如：文本的预处理和分块方式、向量化、向量数据库、嵌入模型、文本块的管理、向量的检索和召回优化、重排序技术、构建提示词等等。

8、利用AI进行跨界学习和创新： 利用AI快速学习一些专业知识，AI打破了我们获取知识壁垒，比如，我经常使用https://www.studywithgpt.com/，让gpt帮忙生成一门课程，用相对通俗易懂的方式学习专业知识，而且还可以实操练习，非常适合入门。

善于使用和会用，有用和好用的AI工具，高效完成工作。

以上是个人的一些思考和总结， 希望不久的将来，大家都能真正使用AI解决生活和工作中的问题，个人效率和产出质量有了质的飞跃。