普通人,也能开始用 AI
从一个普通家庭的真实场景出发,看 AI 如何进入日常生活。
Vibe coding · navigation
开场案例 · 先看再开始
先看三个真实案例:普通妈妈如何使用 AI、AI 如何整理错题、识别运动动作。看完后,再进入今天的交流。
从一个普通家庭的真实场景出发,看 AI 如何进入日常生活。
从试卷和错题材料中提取高频考点,形成可复习的知识结构。
从视频中提取骨骼关键点,再用规则识别运动动作。
From Token to Four Capabilities
先学会把 AI 当成一个可以协作的助手:说清目标,给对背景,把它放进可驾驭的工作系统。
假如现在的 AI 回到了 16 世纪的英国,以下哪个选项是 AI 最有可能做不到的?
以下哪家公司是目前世界和国内最领先的 AI 公司?
在 AI 工具和模型不断更新的背景下,你认为以下哪项最关键?
Token
Nadella 提醒企业:AI 模型会持续吸收个人和组织的专业知识,并把它商品化。真正需要保住的,是组织自己的学习循环、判断和独特知识。查看原文 ↗
你的知识、判断、关系、直觉。
别人偷不走,但你不沉淀,它就只在你脑子里。
你自建的 AI 能力——规则、Skill、工作流、检查标准、私有知识库。
你把它建起来,它就一直为你工作。
把工作流、行业知识和判断标准沉淀下来。即使以后更换模型,这些经验仍然属于你。
把反复说的要求写进规则文档,不再每次重讲。
把"输入→AI处理→检查→修改→验收"固化成可重复步骤。
每次有效的提问、检查方法,都记下来,下次直接用。
规则+流程+经验 = 你的 Token 资本。换工具、换模型,这套东西不丢。
把原始资料放进 raw,把 AI 整理出的概念、实体和对比放进 wiki,再用 index 和 log 记录变化。这样每次学习都不是一次性聊天,而是在给自己的知识库加一块砖。
打开 Obsidian 知识库 000AI brain给家长的一句话 · 2026
拿走手机,给他 Vibe coding。
一条主线:Token。三个工程动作:Prompt、Context、Harness。四个能力支点:想象力、好奇心、学习力、执行力。
AI 知不知道你要什么,取决于目标、边界、材料、格式和合格标准是否讲清。
AI 知不知道真实情况,取决于你给的是关键上下文,而不是一堆无重点材料。
AI 能不能稳定工作,取决于项目文件夹、规则、工具、Skill、验证和权限边界。
AI 更像一个能力强、反应快、但不了解你具体情况的实习助手。
它不知道你的目标、背景和合格标准,所以只能猜。
内容多不等于效果好。关键不是“多给”,而是“给对”。
这不是给 Prompt 打分,而是模拟一件事:AI 的注意力是有限的。无关材料占得越多,目标、背景、边界和验证能用的空间就越少。
目标、背景、边界和验证都有空间,AI 比较容易按正确方向工作。
目标:安排 3 天杭州旅行。 背景:两人、预算 3000、想轻松。 边界:不要太多景点,晚上不要太晚。 验证:按上午/下午/晚上输出。
我准备五一去杭州玩三天,帮我安排一个轻松一点的行程。
请帮我安排一个 3 天 2 晚的杭州旅行。 两个人,预算 3000 元以内。 希望节奏轻松,不要安排太多景点。 重点想看西湖、吃本地菜,晚上不想太晚回酒店。 请按每天上午、下午、晚上给出安排。
“我的语言的界限意味着我的世界的界限。”The limits of my language mean the limits of my world.
— 路德维希·维特根斯坦

Token 是资源,但资源不会自动变成结果。差别不只在技术,而在四种能力。
把“AI 可以聊天”扩展成“AI 可以帮我完成一类任务”。
不止停在第一版,而是追问风险、反例、替代方案和更适合的表达。
从每次反馈里总结下一次怎么问,把经验变成模板、规则或 Skill。
把对话拆成步骤,生成文件、页面、流程或决定,而不是停留在草稿。
每次使用 AI 后,勾选这四项。一个都没勾上,通常说明只是聊了一轮,没有形成能力。
已勾选 0/4:还没有形成可复用能力。
它不是背模板,而是减少 AI 必须替你猜的地方。先看错误产物,再补最关键的条件。
让 AI 知道你在做什么、要完成什么,而不是只丢一句孤立的话。
明确不要做什么,只给它真正相关的材料,不把所有东西都倒进去。
说清输出格式(表格、分点、步骤),并告诉它你会怎样检查结果。
同一句模糊需求,也可能得到一份看似专业、实际没人愿意用的结果。
帮我做一个客户回访表,简单一点,方便销售用。
AI 可能交付的“完整方案”
客户回访管理系统 字段:客户编号、客户等级、来源渠道、销售阶段、满意度、 NPS 评分、复购概率、流失风险、负责人、下次提醒时间…… 功能:销售登录、主管权限、自动提醒、回访评分、 趋势看板、客户分层、CRM 数据同步、月度报表导出。
先选一个最明显的问题。答案揭晓后,再看它在错误输出里造成了什么后果。
这份输出不是“不完整”,而是替用户做了太多未经确认的决定。
请为销售做一张企业老客户回访记录表。 目标是记录本周联系结果和下一步跟进。 第一版只做可复制到 Excel 的表格,不做登录、提醒、评分或 CRM。 保留 5 列:客户名称、联系人、回访日期、客户反馈、下一步与日期。 销售应能在 3 分钟内填完一行。
改善后的输出
| 客户名称 | 联系人 | 回访日期 | 客户反馈 | 下一步与日期 | | 华星科技 | 王经理 | 6 月 24 日 | 计划第三季度增购 | 7 月 3 日发送方案 |
Prompt 是“要做什么”,Context 是“这次任务的真实情况”。背景缺了或错了,AI 就会写出看似通顺、实际不能用的结果。
AI 只能按常识猜,输出容易空泛。
你说价格问题,它就围绕价格认真生成。
资料不是越多越好,关键是告诉它最重要的三点。
只给会影响结果的事实:对象、原因、下一步和不能承诺什么。
我们想优化客户回访流程,让销售定期跟进老客户,你帮我设计一下。
我们的客户主要是企业客户。 客单价较高,成交周期长。 回访目标不是售后满意度,而是发现二次采购机会。 销售人员每周最多只能回访 20 个客户。
上下文窗口不是无限的资料仓库。无关内容越多,真正重要的信息越容易被淹没。
需要大量探索时,可以把读取、命令输出和中间推理交给子智能体,主对话只接收需要的结论。
用户级 CLAUDE.md 也要控制长度。它会在每次新对话初始化时加载,长期文件只保留真正通用、稳定且高频的规则。
最简单的理解:开发工具是“工作台和手脚”,大模型是“负责理解与推理的大脑”。
学员经常把这一层统称为“AI IDE”,但更准确地说,它可能是 IDE、桌面应用、命令行智能体或执行工作区。
模型接收 Token,理解需求和上下文,决定下一步应该回答什么或调用什么工具。它本身通常不知道你的文件在哪里,也不会自动拥有操作权限。
如果你觉得打字会打断思路,可以试试把自然说话先变成文字,再交给 AI 处理。
Typeless 这类 AI 语音输入工具,不是替你思考,而是把“把想法敲出来”这一步变快。
我先不用键盘写 Prompt。 我直接说: “帮我把这段交流反馈整理成三类: 哪里太长、哪里不清楚、哪里需要举错误例子。 输出要短一点,方便我直接改展示。” 语音输入先把想法落地, 再让 AI 帮我整理。
官网介绍它可以去掉口头填充词、重复表达,并把列表和步骤整理成更干净的文字。
语音转文字只是第一稿。重要内容仍然要检查事实、语气和遗漏。
先用语音把完整想法讲出来,再让 AI 帮你压缩、分类、改成 Prompt。
AI 改错了:
“停。撤销刚才的修改,告诉我你改了哪个文件。”
AI 越做越多:
“停。只做我刚才说的那一步,不要扩展。”
感觉不对:
“这版哪里你是在猜的?标出来。”
不确定做完没:
“你怎么验证已经做到了?给我三个检查点。”
更通俗的说法:给 AI 准备一套可以工作的工程系统。
原始材料放 input,当前成果放 output,旧版本放 backup。
受众、边界和不能改的内容,放进项目规则。
让 AI 说明改了什么、检查了什么、还有什么没验证。
重要文件先备份;不满意时能恢复到修改前。
| 维度 | 提示词 | 技能 |
|---|---|---|
| 加载方式 | 全量塞入上下文 | 按需加载 |
| 工作空间 | 只能在上下文中,对话结束即消失 | 文件系统可作为附加工作台,中间产物可保存、可重跑 |
| 协作能力 | 单打独斗,模板之间互不相通 | 可串成工作流,可带脚本处理确定性任务 |
| 迭代积累 | 模板散落各处,改一份,别处还是旧版 | 迭代同一份文件,后续任务自动用最新版 |
将技术栈固化于 CLAUDE.md 中,让每次对话从同一套项目事实开始;将审查标准封装进 Skill,实现按任务自动加载;将提交检查配置为 Hook,确保每次提交前都不会遗漏。CLAUDE.md 就是 Vibe coding 的宪法:规定 AI 应该如何工作,以及哪些边界不能碰。
它可以按固定步骤读取数据、计算比率、做 DCF 估值、解释预算差异,并输出可检查的分析结果。重点不是“会做财务”,而是把一类重复工作变成可复用流程。
从产品思路看,Harness 不只是概念,而是一组判断、模板和验收动作。
如果你第三次解释同一套要求,就该写进规则或 Skill。
当前明确要求 > 项目规则 > 个人 Profile > 通用习惯。
让 AI 说明看了哪些文件、改了哪里、跑了什么检查、还有什么没验证。
| 层级 | 解决的问题 | 例子 |
|---|---|---|
| 个人 Profile | AI 长期怎么做事 | 简洁、讲逻辑、不要讨好、先说明假设 |
| 项目规则 | 这个项目必须遵守什么 | 面向小白、少用术语、案例要真实 |
| Skill | 某类重复任务怎么做 | 交流展示页、会议纪要整理、发票对账 |
Skill 不是“做 PPT 的技巧”,而是把某类重复工作变成 AI 的固定流程。以下来自 alirezarezvani/claude-skills(19k+ stars,345 个生产级 Skill),覆盖六个行业。
除了业务 Skill,还可以给智能体一份“工作人格和工程纪律”。在 Claude Code 里常见形式是 `.claude.md` 或 `CLAUDE.md`;在 Codex 项目里可以理解成 `AGENTS.md`、项目规则或个人 Profile。它们解决的不是“做什么业务”,而是“AI 应该用什么方式做事”。
不要假设,不要掩盖困惑。先说明假设、歧义和取舍;不清楚就停下来问。
只写解决问题所需的最少代码。不要提前做抽象、配置、扩展性和“以后可能会用”的功能。
只改和目标直接相关的地方。匹配现有风格,不顺手重构,不清理无关旧代码。
把需求变成可检查目标:复现问题、写测试或跑检查,循环到结果可验证。
You don't need to please me. You should possess the logical thinking capabilities of a scientist or engineer, while remaining concise and to the point.
You don't need to please me. You should possess the logical thinking capabilities of a scientist or engineer, while remaining concise and to the point.
Behavioral guidelines to reduce common LLM coding mistakes. Merge with project-specific instructions as needed.
Tradeoff: These guidelines bias towards caution over speed. For trivial tasks, use judgment.
1. Think Before Coding
Don't assume. Don't hide confusion. Surface tradeoffs.
Before implementing:
- State your assumptions explicitly. If uncertain, ask.
- If multiple interpretations exist, present them - don't pick silently.
- If a simpler approach exists, say so. Push back when warranted.
- If something is unclear, stop. Name what's confusing. Ask.
2. Simplicity First
Minimum code that solves the problem. Nothing speculative.
- No features beyond what was asked.
- No abstractions for single-use code.
- No "flexibility" or "configurability" that wasn't requested.
- No error handling for impossible scenarios.
- If you write 200 lines and it could be 50, rewrite it.
Ask yourself: "Would a senior engineer say this is overcomplicated?" If yes, simplify.
3. Surgical Changes
Touch only what you must. Clean up only your own mess.
When editing existing code:
- Don't "improve" adjacent code, comments, or formatting.
- Don't refactor things that aren't broken.
- Match existing style, even if you'd do it differently.
- If you notice unrelated dead code, mention it - don't delete it.
When your changes create orphans:
- Remove imports/variables/functions that YOUR changes made unused.
- Don't remove pre-existing dead code unless asked.
The test: Every changed line should trace directly to the user's request.
4. Goal-Driven Execution
Define success criteria. Loop until verified.
Transform tasks into verifiable goals:
- "Add validation" -> "Write tests for invalid inputs, then make them pass"
- "Fix the bug" -> "Write a test that reproduces it, then make it pass"
- "Refactor X" -> "Ensure tests pass before and after"
For multi-step tasks, state a brief plan:
1. [Step] -> verify: [check]
2. [Step] -> verify: [check]
3. [Step] -> verify: [check]
Strong success criteria let you loop independently. Weak criteria ("make it work") require constant clarification.
把目标、边界、验证和回退放进同一个请求里,学生更容易从聊天进入交付。
请先阅读项目文件和规则。 只做这一步: …… 不要改这些文件: …… 完成后告诉我: 1. 你改了什么。 2. 我应该检查哪里。 3. 哪些地方你没有验证。 4. 如果要回退,应该怎么做。
每次回答都必须非常完整。 每个概念都要解释。 每次都要给三个方案。 每次都要输出详细报告。
默认简洁。 高风险修改先说明计划和回退方式。 如果不确定,先问,不要自己猜。
新建文件夹 最终版 最终版2 真的最终版 素材 不知道还有没有用
AI-Coding-Course/
input/
交流大纲.md
个人项目案例.md
output/
course.html
backup/
交流大纲-2026-06-09.md
rules.md主课只需要会用四个工程动作;下面内容适合课后继续看。
| 维度 | 提示词 | Skill |
|---|---|---|
| 加载方式 | 全量塞入上下文 | 按需加载 |
| 工作空间 | 对话结束即消失 | 文件系统可保存中间产物、可重跑 |
| 协作能力 | 单个模板独立工作 | 可串成工作流,也可带脚本 |
| 迭代积累 | 模板散落各处 | 同一份文件持续迭代,后续任务自动复用 |
用 5 Why、鱼骨图和 FMEA 固化纠正与预防措施流程。
分析采购支出、供应商整合和 SaaS 续约日历。
做 BPMN 流程映射、瓶颈检测和周期时间分析。
固定执行财务比率、DCF、预算差异和滚动预测分析。
追踪供应商评分、SLA 合规和第三方风险分类。
扫描 GDPR 合规风险,管理 DPIA 和数据主体权利。
三个词都围绕 Token,四个能力决定人能不能用好这些 Token。
| 英文术语 | 简单理解 | 解决的问题 | Token 作用 |
|---|---|---|---|
| Prompt Engineering | 把话说清楚 | AI 知不知道你要什么 | 决定 Token 怎么表达目标 |
| Context Engineering | 把背景给清楚 | AI 知不知道真实情况 | 决定 Token 是否承载有用背景 |
| Harness Engineering | 把 AI 驾驭起来 | AI 能不能稳定工作 | 用系统减少反复猜测和浪费 |
提出更有价值的任务。
继续追问关键问题。
把经验沉淀下来。
把输出变成真实成果。
2026 年最受关注的新方向:不再是你一句一句提示 AI,而是设计一个"循环系统"来代替你提示它。
你打字 → AI 回复 → 你看结果 → 你再打下一句。人是循环的驱动力。
你定目标和规则 → 循环自动跑:做一步、检查、不对就改、对了就下一步,直到完成。
你不负责每次对话,你负责设计"AI 怎么自己跟自己对话、检查、纠错"的规则。
| 层级 | 解决的问题 | 谁在干活 |
|---|---|---|
| Prompt Engineering | AI 知不知道你要什么 | 一次对话 |
| Context Engineering | AI 知不知道真实背景 | 一次对话 + 背景材料 |
| Harness Engineering | AI 能不能在可控环境里工作 | 一个项目里的多次对话 |
| Loop Engineering | AI 能不能自己循环运转 | AI 自己驱动多轮对话,直到目标完成 |
Addy Osmani 将两者的关系解释为:Harness 是单个智能体运行的环境;Loop 位于它的上一层,让系统能够定时触发、分派任务、检查结果并继续运行。 查看原文 ↗
每天早晨自动运行。 读取昨天的 CI 失败、未关闭 issue、最近提交。 按优先级分给不同的子智能体。 每个子智能体在自己的工作区里修改。 另一个子智能体检查修改。 通过的自动提 PR 并更新任务状态。 没通过的退回,附带具体问题描述。 整个过程人没有打一个字。
1. Token 成本:Loop 跑的对话量远超手动提示。 2. 理解债务:代码在你不看的时候快速堆积,等你回头已经看不懂了。 3. 认知投降:Loop 跑得太顺,你慢慢不再思考,只是"按接受"。 4. 现在还是早期:这个概念才出现几周,很多细节仍在探索。
从角色设定到分镜提示词:一个 AI 短剧如何被拆成可循环、可验证的制作步骤。
页面只保留流程标题;点击任意标题,查看对应的正文或参考图。
1960 年代美式复古原子朋克城市街道,刚刚爆发丧尸危机。大战后的死寂街道上有破损老爷车、散落报纸、血迹和四处可见的丧尸尸体;冷战太空风的流线型建筑、临街商铺和圆润穹顶科幻楼宇,与休闲惬意的环境形成荒诞反差。声音只保留同期声,不使用配乐。
原子朋克、末日丧尸、电影级质感、超写实、极致逼真、Photorealism 真人实景拍摄。杜绝游戏 CG 感和僵硬动作,保持速度感,让闲适场景与恐怖丧尸形成荒诞反差,整体氛围幽默且滑稽。
电影感、史诗级大全景。无人机高空俯拍,利用公路作引导线;主体入画后跟随,固定机位缓缓上摇。
机器人骑乘鸵鸟飞驰在公路上,背对镜头从画面下方入画,沿笔直公路狂奔。机器人左手握住鸵鸟脖子,右手按住牛仔帽;鸵鸟翅膀微张,双脚交替蹬踏,在街道上蛇形高速走位并带有动态模糊。远处出现行动缓慢的丧尸尸潮,吼声此起彼伏,尾随在鸵鸟后方,渲染末日危机氛围。
轻微仰拍,机器人上半身近景,正面 30 度;人物与鸵鸟居中作为前景,街道建筑为背景,固定机位跟随主体。
鸵鸟奔跑产生剧烈抖动,持续高频颠簸、震颤,随着步伐上下晃动。机器人身体随步伐高频颠动,前倾后仰,腰身和坐姿猛烈起伏。面部 LED 屏保持蓝色冷酷、无奈的静帧表情,同时发出生无可恋的电子机械男声。与上个镜头形成反差,制造滑稽氛围。
生成身形修长的未来人形机器人,展示全身,主体乳白色机甲外壳+黑色机械关节结构,全身外露精密机械零件,简约机械头颅,面部有纯黑色 LED 显示屏代替五官,显示马赛克风格的微笑表情。机械结构关节处有轻微污渍和灰尘,金属表面带有轻微划痕,机械感与科幻感强烈。影棚纯灰色背景,科幻电影质感,超高精度材质纹理,超写实渲染,细节拉满,真实相机实景拍摄。
先帮我整理需求,不要开始制作。
请告诉我你改了什么,以及我应该检查哪里。
打开 Claude Code、Codex 或任何 AI 编码工具,对着敲。不要追求一次对,只是感受“对话 → 产出 → 调整”的节奏。
| 步骤 | 你输入 | 你大概会看到什么 |
|---|---|---|
| 1 | 我是一个销售主管。我想做一个客户回访记录表。先不要开始做,先问我三个问题,搞清楚我的需求。 | AI 大概会问:这张表谁用?要记录什么信息?在什么场景下填? |
| 2 | 销售自己用。记录客户名称、上次联系日期、客户当前状态(有意向 / 观望 / 已流失)、下一步计划。浏览器打开就能用,不需要登录。 | AI 开始生成一个 HTML 页面。 |
| 3 | 打开了,能看到表格。现在加一个功能:如果客户状态是“已流失”,那一行显示红色背景。 | AI 修改代码,红色标记生效。 |
| 4 | 有用。不过我现在发现一个问题:销售可能会忘记填“下次联系日期”。请加一个提醒:如果这个字段为空,保存时弹出提示。 | AI 加上表单验证。 |
不要只展示“AI 做出了什么”,要展示“你怎么让 AI 做对”。
帮我写一份 Vibe coding 交流介绍,说明这场交流能提高工作效率。
我想把 Vibe coding 交流做成一个展示页面。 页面不要只讲概念,要包含: 1. Token 主线。 2. 四个能力支点。 3. 好坏提问对比。 4. 从普通任务过渡到 Vibe coding 的案例。 5. 初学者行动路径。
这版内容适合完全没有技术背景的人吗? 里面哪些词可能让他们听不懂? 能不能把每个专业词换成一个生活例子? 如果只保留三个重点,你建议删掉哪些?
以后修改这类交流大纲时,请遵守这些规则: 1. 受众默认没有技术背景。 2. 反面案例不能太低级,要像真实用户会说的话。 3. 每个概念都要有生活类比。 4. 案例要体现“没有这个能力会卡在哪里,有了以后怎么推进”。 5. 输出内容要适合生成 HTML 展示页。
第一步:确定交流主线。 第二步:补齐四个支点。 第三步:改案例。 第四步:生成 Markdown。 第五步:生成 HTML 页面。 第六步:检查页面是否适合现场展示。
| 个人项目讲解结构 | 说明 |
|---|---|
| 1. 我想解决什么问题 | 先讲真实场景,不先讲工具。 |
| 2. 一开始我是怎么说的 | 展示模糊需求。 |
| 3. AI 第一版哪里不符合预期 | 指出偏差,不只说“不行”。 |
| 4. 我后来补充了什么背景 | 展示 Context 如何改变结果。 |
| 5. 我怎么检查它有没有做对 | 展示验证和边界。 |
| 6. 最后沉淀出什么经验 | 把一次项目变成可复用方法。 |
| 7. 下次写进哪里 | 把一句有效要求写进规则、Profile 或 Skill。 |
截图保存这页。下次不知道该怎么跟 AI 说的时候,先看这里。
我正在做什么、是什么角色。
我希望 AI 帮我完成什么。
不要做什么、不要改什么、不要加什么。
我已经有什么文件、数据、参考。
我希望输出什么样子:表格、列表、页面、文字。
我怎么判断结果合格:谁看、在哪用、多久能完成。
AI 知不知道你要什么。
AI 知不知道真实情况。
AI 能不能在一个可控环境里稳定工作。
客户名单、财务数字、合同原文、密码、API key、身份证号、员工薪资。不知道能不能给?先问你的主管。
尾声 · 文明正新
Per aspera ad astra.