公 开 课 · 协 作 手 册

AI 协作技巧手册

把自己变成 AI 的「数字孪生」—— 从提示词工程,走向上下文工程。

上下文工程课 + 私房课 录音整理 开始阅读

这是一份浓缩版的 AI 协作手册——整理自上下文工程课与私房课最后一堂的录音。课上讲过的所有方法、心法与操作要点都在这里,方便你以后反复查阅。

AI 压缩了全人类的智慧,
你的提问,就是解压的咒语。

§1 底层范式

为什么要换一套用法

以前是提示词工程,
现在是上下文工程

鱼缸到大海
从鱼缸到大海——本地部署,把 AI 的能力放回无限的水域。

跟 AI 协作有两个动作:向下执行向上思考。多数人只用了第一个。要真正用好 AI,先要换一套底层认知。

关键认知

§2 上下文工程

把自己变成 AI 的「数字孪生」

AI 知道你是谁,
用你口吻写的东西比你还香

数字孪生
你的笔记、录音、档案,层层叠成一个 AI 能读懂的「你」。

一、数字资产清单

这是你要逐步积累的内容——不必一次到位,从简单的开始。

类型例子怎么收集
静态档案简历、创业履历、核心技能、人际关系图谱、价值观、性格一次性导入历史文档
故事库个人经历的关键故事(如「德国火车上那段对话改变了我的创业路径」)写下来,或访谈式录音
方法论你的写作风格、思考方式、做事原则AI 读完你过去的内容后自动提炼
动态档案日常对话录音、笔记、调研、会议纪要持续积累,AI 自动压缩提取

二、三种信息录入方式

三、起步原则

  • 不要等「整完所有信息」再开始。从简单内容起步,随着时间积累完善。
  • 第一步,先搭一个个人 AI 网站,作为数字资产的集中载体(支持图片、音乐 MP3 等多媒体)。
  • AI native 的人都会随身带录音设备——在征得对方同意的前提下记录日常交流。目的不是公开,而是丰富自己的上下文。

§3 核心方法

AI 协作六步法

这是私房课最后一堂讲的「心法」,也是整份手册最核心的部分。

六步法
先发散,再收敛——六级台阶,是一次完整的呼吸。
1

准备完整的上下文

把所有相关的背景信息一次性提供给 AI——讨论记录、历史聊天、参考文档、个人知识库。判断标准是:让 AI 知道「我们在哪个项目下、为什么要做、之前讨论到哪一步」。
例:要让 AI 帮你想 AI 社团提案,先把这次课的录音转写发给它,再加上你学校的背景资料。

2

从 Why 出发(黄金圈法则)

上下文给完后,先让 AI 识别你的动机——「你看到我现在的动机是什么?我们讨论的问题,本质是什么?」

黄金圈法则(TED 史上播放量最高的演讲之一)讲的就是:leader 都是 start from why。只有知道 Why,AI 才能想到你想不到的东西,而不是按字面意思干活。你的动机会影响 AI 的全部输出,所以「我的动机是……」这一句不能漏。

3

三路发散

明确动机后让 AI 发散,不要急着收敛。三路并行:

来源提问方式
AI 自身
(模型内置知识)
「你有什么洞察 / 好奇 / 启发?你有什么想问我的?」
互联网
(网络调研)
「上网调研一下相关的……」——把最新的互联网上下文动态加载进来
你的个人知识库「翻一下我笔记里关于 X 的内容」「看一下我的调研目录」

关键:让 AI 反过来向你提问。这一步常被忽略,却极有价值。

4

过程持久化

每一步发散的结果、调研报告、推导过程,都整理成 Markdown 文档存下来。AI 不会保留它自己的思考过程,只保存最终成品会丢掉中间推导路径。持久化之后,下次可以从任意中间步骤重新出发,不必从零开始。

你的「半成品调研」,未来比「最终成品」更值钱。

5

第一性原理收敛

发散到信息够多时,让 AI 用第一性原理做收敛推导。为什么这是 magic word:

  • 普通推理是基于「中间结论」接着推(前人帮你算过了,你只算最后一步)。
  • 第一性原理要求抛开所有中间结论,从问题最本质的 root 重新推导
  • AI 时代变化太快,很多中间结论已经过时,按老结论推会跑偏。马斯克造电动车、造火箭都是这么干的。

收敛之后还有一步:你自己用判断力、品味、直觉做最后筛选——这一步是 AI 替代不了的。

6

区分格式:AI 看的 vs 人看的

给谁看格式工具
给 AI 看
(存进知识库、压缩成上下文)
Markdown写完用 Obsidian 看
给人看
(外发、汇报、传播)
可视化:网站 > PPT > Word / PDF让 AI 直接帮你做

为什么 Markdown 优先:省 token、AI 直接 process,一个文档几 K 到十几 K。
为什么做网站优于 PPT:更快、形式更多样、支持交互。

§4 人机协作

三个心法

跟 AI 讨论,
就像与神对话

与智者对话
你问一个有洞察的开放问题,它就还你巨大的价值。

心法一 · 像带团队一样管 AI

跟 AI 协作就像带团队。领导不会一开始就把自己的结论抛出来框住下属——先让大家发散,最后再加入你的判断。
  • 你的 taste、判断、品味,放在最后一步加入。
  • 前面让 AI 充分发散,不要先入为主
  • AI 输出后你补充,再让 AI 调整——形成相互迭代。

心法二 · 压缩 ↔ 解压、发散 ↔ 收敛 的循环

整个 AI 协作不是线性流程,而是一个反复循环:

你压缩出的报告(上下文)
  ↓ 解压
AI 发散(洞察 + 调研 + 知识库)
  ↓ 持久化
中间文档
  ↓ 第一性原理推导
收敛方案
  ↓ 你的 taste 筛选
最终产品
  ↓ 不满意?回到发散……

发现某一步不够时,回到上一步重新发散——这是被允许的,甚至是推荐的。

心法三 · 向上思考,不只是向下执行

  • 向下执行:让 AI 帮你做 PPT、做网站、做 APP——这只用了 AI 能力的下限。
  • 向上思考:AI 是苏格拉底、是柏拉图、是这个世界上最聪明的人。让它陪你思考、帮你 verify、给你指出盲区。
  • 涉及你自己的问题时,多问一句:「我有什么盲区?你觉得有什么是我不知道的?
你问他一个 low 的问题,他给你一个 low 的回复;你问一个有 insight 的开放性问题,他能给你的价值非常大。

§5 工作流与技能化

把流程,封装成技能

技能,就是用自然语言
写给 AI 的规则

工作流技能化
把散落的笔记,沿着流程打磨成一个可复用的技能模块。

工作流 = 完成一件事的分步流程

不同用户的工作流应该不一样。同样是「调研」,普通用户的工作流是「上网调研一下」,而你的工作流可以是:

  1. AI 先拆分调研场景(学术调研 / 竞品调研 / 用户调研 / 政策调研……)
  2. 给每个场景匹配对应的方法
  3. 把这个流程封装成一个可自动调用的技能(skill)

封装后,下次说「帮我调研 X」,AI 就自动按你的工作流跑,比通用流程效率高得多。

技能 = 用自然语言写给 AI 的规则

项目目录 vs 对话

§6 模型选择 & 避免 AI 腔

选对模型,写出人话

模型选择
深度与速度,是天平的两端——为任务选对那枚砝码。

模型选择规则

任务类型推荐模型档位
思考性、推理深、要全面长上下文大模型(GPT-5 超高 / Claude Opus)
调研、执行类、走流程中模型
写代码中模型
默认任务GPT-5.5 标准(升级后断层领先)

两个原则

  • Claude 和 Codex 此消彼长,哪个好用哪个——不要绑死一个。
  • 推理 vs 思考:调研用推理档,复杂思考用超高档。

关于 AI 投入

每月在 AI 订阅上花七八千人民币看起来贵,但:

避免 AI 腔的方法

让 AI 写出来的东西不像 AI,三个关键:

  1. 「不要 AI word」——直接告诉它别用通用 AI 话术。
  2. 参考个人档案——让它读你的风格、价值观、表达习惯。
  3. 加入真实故事案例——从你的故事库里调用具体经历,不要泛泛而谈。

§7 项目立项与需求调研

找到那道「体验落差」

好用到不好用,
中间的 gap才是机会

许愿池
维护一个随时更新的许愿池——你许个愿,AI 帮你架起那座桥。

找「体验落差」,而非重复造轮子

不要看技术能做什么,要看现有解决方案的「不好用」程度。以视障辅助领域为例,已经有很多产品,关键问题是:

  • 用户的真实痛点是什么?
  • 现有产品为什么满足不了?
  • 这个 gap 大到能撑起一个新项目吗?

软件验证,先于硬件

视障出行助手不要直接做硬件。先做软件版本验证需求是真的。如果验证下来需求被充分满足、或根本不存在,就果断放弃,转去做你能触达的下一个方向(比如学生群体的痛点调研)。

项目灵感池(许愿池)

像当年创业列 20 个想法一样:

  • 维护一个随时更新的项目灵感清单。
  • 同时推进 1–2 个,其他作为后备。
  • 当前项目卡住时,切换备选。
  • 你顾不上的想法可以交给社团其他同学孵化——你从执行者变成孵化者。

附录 A 金句沉淀

「AI 压缩了全人类的智慧,你的提问就是解压的咒语。」
「以前是提示词工程,现在是上下文工程。」
「AI 知道你是谁,你让他用你的口吻写出来的东西比你还要香。」
「跟 AI 协作就像带团队——不要一开始就把自己的结论抛出来框住思路。」
「跟 AI 讨论就像与神对话。」
「AI 时代,人找答案不重要,学会提问更重要。提问,就是为 AI 指明方向。」
「你不用迷信权威。用这套方法,你可以在任何领域成为那个专家,甚至超越那个专家——这是 AI 给我们时代的最大红利。」
「AI 时代最重要的就是许愿。你许个愿,AI 很多时候就可以帮你实现。」

附录 B 两个演示案例

把方法跑起来

  1. 把和博士的讨论交给 AI。
  2. AI 完成调研,区分假设 / 事实 / 推导。
  3. 用第一性原理整理出文章框架。
  4. AI 写初稿。
  5. AI 生成多张配套手绘图。
  6. 结合图片调整,生成最终公众号文章。
  7. 全程要求「不要 AI word」、参考个人档案风格、加入真实故事。

完整流程(每步都是发散 + 收敛的小循环):

定背景 → 拆概念 → 追本质 → 做方案
  ↓ 不够发散
看全球(网络调研)
  ↓
加个人贡献 → 写综述 → 写演讲 → 加方法论 → 做外发文档

关键技巧:

  • 先扔一个 Why 给 AI(「我要给统战部做汇报」)。
  • 让 AI 先发散方案,不先入为主
  • 你的 taste 在最后一步作为补充加入(「我有 assumption:还有这两类人群没考虑到」)。
  • 用第一性原理质疑旧模式(「皇帝的新装」——别人不敢说的,你说出来)。
  • 多个智能体并行:一个做调研、一个做思考。