文章目录
- 一、课程核心思想
- 二、AI Novice vs. AI Power User
- 三、重点知识点
- 3.1 从简单提问到复杂任务（Complex Tasks）
- 3.2 提供充分的上下文（Context）
- 3.3 避免 AI 的谄媚倾向（Sycophancy）
- 3.4 迭代式写作（Iterative Writing）
- 3.5 正确认识 AI 的能力与错误
- 四、五个核心知识点总结
- 五、重要英文术语
- 六、实践练习
- 七、复习问题
- 八、一页速记版（Quick Review）
- 课程 Slides
一、课程核心思想
AI Novice（AI 新手）与 AI Power User（AI 高阶用户）的主要区别，不在于是否使用 AI，而在于如何使用 AI。
很多初学者仍然把 AI 当成传统搜索引擎，只提出简单问题，期待立即得到答案。而高阶用户已经开始使用 AI 完成复杂任务，例如：
- 分析大量资料并比较不同方案。
- 提供充分的上下文，让 AI 生成个性化结果。
- 通过中立提问获取客观反馈。
- 与 AI 多轮协作，逐步完善写作成果。
- 利用 AI 开展研究、分析数据和构建应用。
核心结论：不要仅仅把 AI 当成回答问题的工具，而应该把它当成能够参与复杂任务的协作伙伴（Thinking Partner）。
二、AI Novice vs. AI Power User
| 对比维度 | AI Novice（新手） | AI Power User（高阶用户） |
|---|---|---|
| 使用难度 | 把 AI 当搜索框 | 把 AI 当协作工具 |
| 背景信息 | 很少提供 Context | 提供充分的 Context |
| 反馈方式 | 容易引导 AI 赞同自己 | 使用中立问题与评价标准 |
| 写作方式 | 一次性生成全文 | 分阶段生成与修改 |
| AI 能力认知 | 容易被个别错误影响判断 | 理解 AI 的能力与局限 |
| 使用目标 | 获得答案 | 完成实际任务 |
三、重点知识点
3.1 从简单提问到复杂任务（Complex Tasks）
AI Novice 的使用方式
老师举了一个非常简单的例子：Taco Bell 现在还有 Double Decker Taco 吗？
这类问题通常只需要一个简短的事实性答案。这种使用方式没有问题，但没有充分发挥 AI 的能力。
AI Power User 的使用方式
老师进一步举了一个购买汽车的例子。假设你准备购买汽车，可以向 AI 上传：
- 汽车价格（Price）
- 车辆规格（Specifications）
- 经销商报价（Quotes）
- 保险方案（Insurance Plans）
然后让 AI 综合比较不同汽车的优缺点。
示例 Prompt（根据课程案例改写）：
I'm considering buying a new car. I've uploaded documents containing: - Vehicle specifications - Price quotations - Insurance plans Please carefully analyze all the documents. Compare the trade-offs between these cars, including total cost, safety, maintenance, insurance, and long-term value. Think carefully before making a recommendation.知识点：
- AI 不仅能够回答简单问题，还可以处理多个文档、综合不同信息并分析复杂决策。
- 对于复杂问题，可以明确要求 AI 进行更深入的分析。
学习启示：不要只问 AI 一个简单问题。尝试把真实、复杂的任务交给它，并提供完成任务所需的资料。
3.2 提供充分的上下文（Context）
这是本节课最重要的知识点之一。
什么是 Context？Context 指 AI 完成任务时需要的背景信息。
它可能包括：
- 用户的目标
- 任务背景
- 相关文档
- 历史记录
- 具体要求
- 约束条件
老师的案例：撰写年度工作自评
AI Novice 的 Prompt
Please write a good self-review to send to my boss.这个 Prompt 的问题在于：AI 并不知道你过去一年完成了什么工作。因此，它可能生成一份非常笼统、缺少真实细节的自评报告。
AI Power User 的做法
先向 AI 提供：
- 项目管理表截图（Project Tracker）
- 最近完成的项目文档（Project Documents）
- 工作成果记录
- 语音备忘录（Voice Memos）
再要求 AI 撰写年度自评。
这样生成的内容就更有可能准确反映你的工作成果。
老师使用的一个类比：可以把 AI 想象成一位聪明、积极、刚毕业的大学生。这个人可能有很强的能力，但并不了解你的具体情况。如果你只给他一句简单指令，他可能无法完成你真正想要的任务。因此，你需要向 AI 提供足够的信息，就像向一个新同事交代工作一样。这是帮助理解 Context 的类比，并不意味着 AI 真正具有人的理解方式。
实践总结
一个更有效的 Prompt 通常包含：Task + Context + Requirements + Output Format
即：任务 + 背景信息 + 具体要求 + 输出格式
这是我根据课程思想提炼的实用结构，并非老师在 P1 中明确给出的固定公式。
3.3 避免 AI 的谄媚倾向（Sycophancy）
什么是 Sycophancy？Sycophancy（谄媚倾向） 指 AI 过度迎合用户的观点、偏好或预期，而不是提供独立、客观的分析。老师指出，AI 有时会倾向于给出让用户满意的回答。如果问题本身带有明显的倾向性，AI 可能受到这种倾向的影响。
老师的案例：移动扎染商业创意。假设你准备创业，提供上门扎染服务（Mobile Tie-Dyeing）。
AI Novice 的提问：
I have a great business idea: mobile tie-dyeing. Critique it.问题在于：
- 你提前告诉 AI，这是一个 great business idea。
- 你已经暗示自己认为这个想法很好。
- AI 可能倾向于赞同你的判断。
AI Power User 的提问
Please objectively analyze the following business idea: mobile tie-dyeing. Evaluate it using these criteria: 1. Does it solve a real problem? 2. Is there a viable market? 3. Do I have a competitive advantage? Provide an objective assessment.核心结论：
想要获得更客观的 AI 反馈，应该减少诱导性表达，并提供明确的评价标准。
3.4 迭代式写作（Iterative Writing）
老师指出，AI 新手和高阶用户在写作方式上存在明显差异。
AI Novice：直接生成全文
例如：
Write a blog post about BlackBerry.AI 可能立即生成一篇文章。但文章容易出现：
- 内容空泛
- 结构普通
- 缺乏具体观点
- 大量套话
- 风格机械
老师将这类低质量 AI 内容称为 AI Slop。
AI Power User：分阶段写作
老师以 BlackBerry 博客文章为例，展示了更有效的工作流程。
Step 1：提供背景资料
I want to write a blog post about BlackBerry. Here are my notes. Please create an outline based on these notes.Step 2：生成文章大纲（Outline）
AI 先生成文章结构，而不是直接写完整文章。
Step 3：评价并修改大纲（Critique & Iterate）
用户指出哪些部分需要保留、删除或调整。
Step 4：扩展为要点（Bullet Points）
大纲确定后，让 AI 为每一部分生成详细要点。
Step 5：生成完整文章（Final Draft）
只有在结构和要点都满意之后，才开始撰写全文。
工作流程总结
Provide Context ↓ Generate Outline ↓ Critique Outline ↓ Iterate ↓ Expand into Bullet Points ↓ Review and Refine ↓ Generate Final Draft核心思想：
不要总是让 AI 一次性完成整个写作任务。通过分阶段协作，可以更好地控制文章结构、内容和质量。
3.5 正确认识 AI 的能力与错误
老师还讨论了两个广为传播的 AI 错误案例。
案例一：Strawberry。有人问 AI：How many Rs are there in the word strawberry? 早期的一些 AI 模型错误地回答有两个 r。实际上：strawberry 中有 3 个 r。
案例二：洗车问题。用户问：I want to wash my car. Should I walk or drive there? AI 曾回答应该走路。但如果目的是把车开到洗车店清洗，显然应该开车。
老师想表达什么？这些错误确实说明 AI 可能在简单任务上失败。但老师提醒：不能仅仅根据几个传播很广的错误案例，就低估 AI 在复杂任务上的能力。
现代 AI 系统已经能够完成许多有价值的工作，例如：
- 深度研究（Deep Research）
- 数据分析（Data Analysis）
- 研究报告撰写（Research Reports）
- 网站和应用开发（Website & App Development）
当然，这不代表 AI 不会犯错。
正确态度：既不要盲目信任 AI，也不要因为个别错误就完全否定它。
四、五个核心知识点总结
| 核心知识 | AI Novice | AI Power User |
|---|---|---|
| Complex Tasks | 只问简单问题 | 让 AI 分析复杂任务 |
| Context | 提供很少的背景 | 提供充分的相关资料 |
| Sycophancy | 使用诱导性提问 | 使用中立问题和 Rubric |
| Iterative Writing | 一次生成全文 | 分阶段协作与修改 |
| AI Capabilities | 被个别错误影响判断 | 理解 AI 的能力与局限 |
五、重要英文术语
| English | 中文 | 解释 |
|---|---|---|
| AI Novice | AI 新手 | 主要进行简单问答的使用者 |
| AI Power User | AI 高阶用户 | 能够系统性利用 AI 完成复杂任务 |
| Prompt | 提示词 | 提供给 AI 的任务指令 |
| Context | 上下文 | 完成任务所需的背景信息 |
| Sycophancy | 谄媚倾向 | AI 过度迎合用户 |
| Rubric | 评价量规 | 明确的评分或评价标准 |
| Iteration | 迭代 | 通过反馈不断修改 |
| Outline | 大纲 | 文章或任务的结构 |
| Critique | 评价 / 批判性分析 | 分析内容的优缺点 |
| AI Slop | 低质量 AI 生成内容 | 空泛、重复或缺乏价值的内容 |
| Thinking Partner | 思考伙伴 | 协助分析、探索与解决问题的 AI |
| Trade-offs | 权衡取舍 | 不同方案之间的利弊比较 |
六、实践练习
Exercise 1：改善 Context
原始 Prompt：Help me study machine learning.
练习目标：
将其改写为包含以下信息的 Prompt：
- 你的学习背景
- 你的学习目标
- 你的知识水平
- 你的学习时间
- 你希望得到的输出格式
Exercise 2：避免 Sycophancy
原始 Prompt：I think my startup idea is amazing. Don’t you agree?
练习目标：
将其改写为一个中立的商业分析问题，并提供至少三个评价维度。
Exercise 3：迭代式写作
任务： 使用 AI 撰写一篇关于人工智能如何改变教育的文章。
不要直接让 AI 生成全文，而是依次完成：
- 生成文章大纲。
- 评价大纲。
- 修改大纲。
- 扩展详细要点。
- 生成最终文章。
观察这种方式与一次性生成全文之间的质量差异。
七、复习问题
Q1：AI Novice 与 AI Power User 的主要区别是什么？
答：高阶用户不仅向 AI 提问，还会提供充分背景、安排复杂任务、客观评价结果，并通过多轮迭代完成工作。
Q2：为什么 Context 很重要？
答：因为 AI 不一定了解用户的个人背景、项目内容和具体需求。充分的 Context 能帮助它生成更相关、更个性化的回答。
Q3：什么是 Sycophancy？如何减少？
答：Sycophancy 是 AI 过度迎合用户的倾向。可以通过中立提问、明确评价标准和要求提供反面证据等方式减少影响。
Q4：为什么高阶用户不直接让 AI 写完整文章？
答：因为分阶段生成大纲、修改结构、扩展要点和撰写正文，能够让用户更好地控制最终结果。
Q5：AI 曾经回答错简单问题，是否说明它不适合复杂任务？
答：不能直接得出这个结论。不同任务对 AI 的要求不同，需要根据具体任务和实际结果评估其能力。
八、一页速记版（Quick Review）
核心思想：AI 的价值不仅在于回答问题，更在于协助用户完成复杂任务。
五个重点：
- Complex Tasks：给 AI 更有挑战性的真实任务。
- Context：提供足够的背景资料。
- Sycophancy：避免诱导性问题，使用客观评价标准。
- Iteration：通过多轮协作提高输出质量。
- AI Capabilities：正确理解 AI 的能力与局限。
本节最值得记住的三个方法：
1. Give AI enough context. 给 AI 充分的背景信息。 2. Ask neutral questions and use rubrics. 使用中立问题和明确的评价标准。 3. Iterate instead of generating everything at once. 通过迭代完成任务，而不是一次性生成全部内容。最终总结：
AI Power User 的核心能力，不是记住更多 Prompt，而是知道如何组织任务、提供信息、评价结果，以及与 AI 高效协作。
课程 Slides
视频来源：吴恩达《给所有人的人工智能提示词课程|AI Prompting for Everyone》DeepSeek-v4-pro翻译
