写给零基础读者的AI入门指南

为何写这篇指南#

网络上有很多 AI 相关的教学，但这些教学要么讲得太复杂，要么引入了许多并不长久的概念。如果你在读计算机专业，这样的内容或许会有用。但对于大部分人来说，需要的是另一种教学。

我认为，使用 AI 是一件非常简单而又符合直觉的事情，我只需要将一些简单的概念引入给读者，就足以帮助大家打开 AI 世界的大门。为此我编写这篇指南，将那些我认为基础的、长期有效的概念和使用方式传达给各位。

这篇指南写给谁？#

如果你对于如何在今后的工作和学习中使用AI缺乏了解，例如仅使用过 AI 对话的功能，这篇指南很适合你。这篇指南尤其适合刚刚毕业、即将踏入大学的高考生们，时代正在迎来剧变，在大学期间更有效地利用 AI 将是关键。

本文中以“概念补充”方式引入的内容均为选读。

概念补充：AI 是一种极其高效的工具，我们应了解两类事情：如何使用工具以及如何避免过度依赖工具。这篇指南主要着眼于如何使用工具，但读者也需对 AI 的双刃剑效应有所了解。让 AI 成为你臂膀和大脑的延伸，而非替代大脑本身的存在。我的做法是确保自己在思考比AI更高一个层级的事情，而非全盘交给 AI。以软件开发为例，假如让 AI 去编写具体的模块，人类就要去想架构；假如让 AI 去设计架构，人类就要去想用户需求和功能设计。

三个基本认识#

总的来说，我们只需要了解以下三件事：

• AI 能做什么事情？

• 如何确认自己的需求？

• 如何让 AI 完成需求？

一、AI 能做什么事情？#

AI 的能力边界正在不断扩张，我们自然无法预料 AI 智能在未来的发展。但我们可以将 AI 的能力看作由两个方面组成，一方面是智能能力，另一方面是工具能力。智能能力即大模型本身所具备的智能，是一种不断发展的能力。而工具能力则建立在智能能力的基础上，代表着 AI 现在能够被我们当作哪些形态的工具。

AI 的工具能力也在发展，但基本可以归为以下三种：

• 对话式内容生成

• 任务执行

• 构建可复用流程

前两者的区别是 AI 能够使用的能力不同，后两者的区别是直接执行的对象不同，下面会解释这两点。

1. 对话式内容生成#

这是最常见的类型，在网页中使用的 AI 就是这样。你提出一个问题或一个需求，AI 给你一段回答或一份内容。

在这个过程中，AI 可以使用以下能力：

• 思维链：进行多轮思考，在思考轮次之间插入工具调用，工具即以下两项。

• 网页搜索：搜索关键词以获取网络信息。

• 通过已连接的应用获取信息：例如将受支持的笔记软件连接到 AI，AI 将在有需要时从中获取信息。

由于网页中的 AI 并未运行在本地，无法读取、修改本地文件，所以其能力基本表现为“一问一答”式。

2. 任务执行#

本地 Agent 是 AI 模型的外壳，它就像给AI装上了更加健全的四肢。Agent 可以为你执行任务，跳出“一问一答”式的限制。它具备网页AI的全部能力，同时还可以使用以下能力：

• 读取本地文件内容

• 创建新文件或修改现有文件

• 启动应用、通过模拟点击等方式操作应用

• 截图并理解其中内容

• 通过已连接的应用执行操作

现在，Agent 基本上可以在电脑上做人类可做的一切事情。不管是整理课件、从许多文档中提取重点、按要求在表格内填写内容、帮你操作某个软件然后写一份测试报告，都在它的能力范围内。

概念补充：连接，一般指的是通过特定协议，让 AI 可以像人类一样更顺畅地使用某些应用，而非通过“模拟点击”这种并不契合AI运行逻辑的方式。发起连接的AI可以是运行在本地的 Agent、也可以是网页中的 AI；被连接的应用可以是网络应用、也可以是本地应用。许多常见应用都支持 AI 连接，例如笔记应用 Notion、建模应用 blender、设计应用 figma、代码托管应用 GitHub，AI 可以读取、修改其中的内容，使用应用的许多功能。
一般而言，网页中的 AI 能够连接的应用是有限的，只有被官方支持的那些应用才能够连接，而本地 Agent 则能够连接所有开放了连接功能的网络应用和本地应用。所以网页 AI 执行任务的限制要大得多。
“连接”这一概念并非统一术语，在 ChatGPT 中被称作“应用”，在 Claude 中被称作“连接”，但其功能基本是一致的。

3. 构建可复用流程#

假设上文所说的任务都是单次执行的，现在我们不仅要 Agent 完成单次任务，还需要 Agent 提供一个反复多次触发该任务的方式。可以是每周每日定时触发，也可以是一键触发，这便是在构建可复用流程。

看似都是在执行任务，但这里发生了执行主体的变化。单次任务是由 Agent 直接执行的，可复用流程则是由 Agent 构建的程序执行。

它可以做到类似这样的事情：

• 读取我的笔记库，每周根据我的学习方向推荐一些优质文章。

• 每周在 arxiv 上寻找我可能感兴趣的论文并推送给我。

• 每天将我的备忘录和笔记整理成更加结构化的总览。

这类需求比较难设计，它们有些来自于你的平时习惯，有些则是你以前不会去做但有了 AI 提升效率以后可以做的事。搭建这样的流程对于提升使用 AI 的能力很有帮助，推荐大家找一些方向尝试着搭一下。

二、如何确认自己的需求？#

了解 AI 的能力边界很重要，通过上文你已经知道 AI 可以做什么样的事情（工具能力），但你可能还不清楚 AI 可以把这些事情做到什么程度（智能能力），这需要一段时间的使用。

不过抛开对其智能的具体评估，我们不妨先用这样的思维来看待 AI：AI 是一个坐在你电脑前随时待命的硕士研究生，他基本能像你一样使用电脑，他的效率很高、知识面很广，并且完全听从你的命令。

由于你可能尚不习惯在自己的流程中使用 AI，你需要在前期多刻意去想一想：当前有没有什么事情可以交给 AI 去做？

接下来，你需要向他提出需求，这时你需要确认以下几件事。

1. AI 需要信息源#

假设你的需求是基于一定信息量的，例如涉及到“我的喜好”、“我的研究方向”、“我的笔记”，首先需要确保 AI 能够获取这些信息。

尽量不要依赖隐式的 AI 记忆，而是把信息放在你和 AI 都能够看得到的地方。在电脑上集中存放信息是个好办法，使用知识库可能为时过早，但可以先尝试将笔记、文档、学习材料分类存放在一个主文件夹下的子文件夹内，并将其作为 Agent 的工作目录。如果文件位置比较分散，可以写一个位置文档来索引这些内容，在使用 Agent 时让其读取。

笔记应用往往是重要的信息源，能够让 AI 读取会方便很多。所以尽量选择支持连接功能（MCP）的应用，例如 Notion。

2. AI 需要反馈#

AI 在执行任务的过程中，需要能拿到执行情况的反馈，才能判断自己做得对不对、应该往什么方向调整。如果缺少反馈，这件事就很难真正做好。

在一些专业任务中，反馈尤为重要，例如用 AI 调试机器人 PID、开发应用时实际 build 或跑测试、完成设计任务时用视觉验证效果。

如果你确保 AI 在完成你的需求时能够拿到信息源与反馈，就可以正式开始向 AI 提出需求了。

三、如何让 AI 完成需求？#

好消息是，今天的 AI 已经非常善解人意，你不需要像背咒语一样写固定的句式，也不必专门去了解提示词工程。

真正决定效果的是：你给了它多少信息。

把 AI 当作人沟通是很好的技巧，你需要考虑：如果对面是一个真人，我应该把事情交代成怎样才能让他做好？我可以给他哪些信息？

沟通技巧可能有所差别，但语句内包含的信息量是一定的，某件事情说了就是说了、没说就是没说。如果我对于 AI 的工作有某个方面的期望，却没将这种期望告诉它，就不能指望AI的工作结果会如我所愿。

尽可能精准地传达信息、自然地组织语句，基本就够用了。不过有时我们会遇到一种情况。

情况：我对于如何去做这件事并不了解#

我只知道需要 AI 做到什么效果，但不清楚中间过程如何实现。那就可以大方地把决策权交给 AI，但要给它方向性的要求。比如：

• “我希望这个流程每天凌晨自动运行，且开机也会自启”

• “我希望最终的结果能方便分享给朋友”

• “我希望能用电子邮件将结果推送给我”

AI 可能会提供一些方案让你选择，从中挑它推荐的或者看着合适的就可以，尽管你不了解实现过程，但你可以追问“某方案能够达到什么效果”，与自己的预期相对照。

如果你在熟悉的领域有已知好用的方案，告诉 AI 会有更好的效果。这在结合型场景下尤其重要，比如化学、法律、设计领域，你可能比 AI 更清楚一些细节。

从哪里开始？#

通过上文，大家应该发现了本地 Agent 具备许多网页AI无法实现的强大能力，配置一个 Agent 几乎是有用且必要的。

基于当前情况，我非常建议大学生们想办法开通 ChatGPT Plus 会员，并且安装 codex 作为 Agent 使用。这是当前最综合、完善的方案，并且应该始终会具备前沿智能。codex 桌面端的完善程度在 GUI Agent 中是最高的，适合不熟悉命令行的新手使用。

并且尽量使用自己的账号开通，而非购买的账号。因为大家使用一段时间就会发现，账号数据是宝贵的。购买的账号比较容易被封。相关教程网络上有很多，这里就不再赘述了。尽管前期开通有些折腾，却是一劳永逸的方案。

这个方案的成本约为¥140/月，的确不太便宜，但十分有用。

祝大家都能顺利利用 AI 改进自己的学习和工作，也欢迎大家通过协作方式共同改进这篇文章。笔者在此文章中的见解多为个人经验，愿大家不吝批评。