零基础上手 AI 的七个步骤
不需要编程基础,也不需要看完一堆教程。按这七步走,每一步都有明确的完成标志——做完你就已经把 AI 用起来了。
第一步:选一个工具,注册账号
只选一个。不要同时注册五个对比——对比的心智成本会让你一个都用不起来。
怎么选:回想你上周花了最多时间做的文字类工作是什么。写东西多,就选通用对话类工具;处理代码多,就选编程助手;做图多,就选绘图工具。从你最高频的任务切入。
完成标志:注册成功,并且用它完成了第一个真实任务(哪怕只是"帮我把这段话改得正式一点")。
第二步:先拿真实任务试,别练手
新手最常犯的错是"先学怎么用"。更好的顺序是:直接把你今天要做的工作丢给它。
原因是,只有真实任务才有真实的判断标准——你知道什么样的结果算好。而练手任务没有标准,你会陷入"好像不错又好像不对"的模糊状态,学不到东西。
完成标志:用 AI 完成了一件你本来就要做的事,并且你明确知道它对你的工作有没有帮上忙。
第三步:学会提要求的五要素
AI 输出质量的上限,主要由你给的信息量决定。一个完整请求包含:角色、任务、背景、约束、示例。
| 要素 | 加上之后的区别 |
|---|---|
| 角色 | 决定它用什么视角和知识重心回答 |
| 任务 | 动词要具体:不写"帮我看看",写"列出三个问题并给出修改建议" |
| 背景 | 补足它不知道的信息,这是质量差距最大的一项 |
| 约束 | 字数、格式、语气、禁用词——不写它就会自由发挥 |
| 示例 | 给一个参照样本,比描述十句都管用 |
更详细的模板见 AI 工具实测 中的"万能提问框架"。
第四步:建立你的提示词库
用顺手的一次性提问,如果不保存,下次还要重新想。把验证有效的提问存下来,这是你使用 AI 最重要的资产。
做法很简单:建一个文档或备忘录,每次发现某个提问效果好,就整段存进去,标注适用场景。积累二三十条之后,你会发现自己的常用任务基本都被覆盖了。
完成标志:拥有至少 5 条你反复使用、且每次都有效的提示词。
第五步:给 AI 加一层「资料」
这是从"能用"到"好用"的分水岭。不要让 AI 凭记忆回答关于你业务的问题,把材料给它。
三种做法,由易到难:
- 直接粘贴:把文档、表格、邮件内容贴进对话,让它基于材料回答。最省事,适合单次任务。
- 上传文件:多数工具支持上传文档,适合长材料。
- 检索增强(RAG):把你的资料库接进来,让它每次先检索再回答。适合反复查询同一批资料的场景。
第六步:固定进工作流,而不是想起来才用
多数人用了两周就放弃,不是因为工具不好,而是因为没有固定的触发点——想起来才用,用得少,就感受不到价值。
解决办法是绑定具体场景:比如"每周一整理会议纪要时先过一遍 AI"、"写任何对外文档前先让它列提纲"、"收到长邮件先让它摘要"。触发点越具体,习惯越容易形成。
完成标志:你有两个以上的固定场景,到了那个场景会下意识地打开工具。
第七步:建立核验习惯
最后一步也是最容易省略的一步。AI 会生成看似权威但错误的内容,而这个风险在你不熟悉的领域最大。
给自己定一条铁律:凡是涉及数字、日期、人名、法规、金额、医疗与法律建议的内容,一律核验原始来源。
可以顺手做的三件事:让它标注每句话的来源;让它明确回答"资料中未提及";对关键结论要求它给出反方观点。
附:常见卡住的地方
- "不知道能用来干什么"——列出你这周重复做过三次以上的文字/信息类任务,从最耗时的那条开始。
- "输出太啰嗦"——在请求里明确写"不超过 XXX 字""用要点列出""不要铺垫和总结"。
- "总是不够贴合我的情况"——补背景。把你所在行业、目标读者、已有约束写进去,通常一次就能明显改善。
- "担心数据安全"——敏感业务数据不要粘贴进公共工具;需要时改用团队内部部署的方案。
延伸阅读:大模型到底是什么 · 四类常用 AI 工具怎么选