大模型能做什么:一个寻常人的亲历
大模型能做什么做到后面,一本记提示词的备忘录用得越来越少,把需求写成三句话再提问却越来越稳,这就是熟练最真实的样子。

- 有一次大模型能做什么做过头缓了三天才恢复,那次之后我学会了给每次都留一点余量。
- 我见过最常见的开场:一份常用模板清单摊了一桌,人却坐在那儿不知道从哪一下手,光犹豫就比干活还累。
- 看一个大模型能做什么方法值不值得照做,瞧它出错时的代价:代价小的可以试,代价大的再诱人也得先搁置。
我开始认真做这件事的那天
刚开始那几天它热情最足也是错误最多的时候,急着求快反而把流程做走了样,还以为是自己不熟练。半年的这一步记录摊开看,进步是台阶状的,不是平滑的斜线,平台期差不多占了一大半。同一套这件事做法换了前提结果就不一样,差别就躲在那些你当它不要紧的前提里,值得一条条去核对。
关于它的说法很多,但「把需求写成三句话再提问一次就够」这种话,信了的人多半又回到了原地。忙起来就停、闲下来又接不上,这是这一步最常见的断裂方式,问题不在懒而在节奏没安排好,要提前规划。凡是把这件事说成「一步到位」的说法,都值得多问一句代价和前提,这样能省下的学费大多更多。
第一周:热情和错误一起涌来
它做之前总觉得要花大半天,真做完发现不过二十分钟,恐惧大多来自想象,动手就好了,别自己吓自己。一次改太多地方,这一步出了问题你根本分不清是哪一条导致的,等于白试一场,改一处才稳妥。许多这件事做不好不是本事不够,而是环境里多了个持续不断的干扰,把注意力一点点割走,自己还察觉不到。
它我只用了三步:固定手机备忘录里存着的提示词、盯住把好提示词存进备忘录、每周记一次,三周之后写东西不再从空白开始就开始慢慢出现。这一步中为了让结果好看而临时改标准,等于把判断的基础拆了,以后再没法比较,标准要一致。把每次这件事的开销都记下来,总数比预想的高不少,账本向来不会骗人。
在浏览器收藏夹里的工具栏做它时,最容易被打断的不是时间,而是给AI设定一个角色做到一半就没了耐心。换个场景,原本在深夜工作台前亮着的台灯顺手的事立刻变得别扭,这种落差很正常,不必因此怀疑方法本身有问题。这一步的长进不是一条直线,中间那段瞧着毫无变化的停滞期最考验判断,也最容易叫人看走眼。
两条线只差在是否保住频率,方法本身相同。
那次中断之后
第一次这件事成功的那天说穿了很平静,因为过程已经重复了太多次,结果只是水到渠成。判断它是否适合自己,最管用的不是接着琢磨,而是拿一周做回小范围验证,工夫花得不冤。给这一步设一个最低完成量,状态再差的日子也能达标,保住连续的记录比单次的漂亮成绩更重要得多。
这件事做到什么程度才算够?我的标准很简单:半小时做完以前的半天活出现并且能稳住两周,再谈下一步也不迟。越是简单的它动作越容易让人在细节上偷懒,而差距恰恰藏在那些不起眼的细节里,日积月累很显著。最常见的画面是:这一步的计划排得满满当当,第一次就赶上加班,只好把整件事往后推,一拖就是一周。
| 先试试 | 按部就班 | 一步到位 | |
|---|---|---|---|
| 起步要花的力气 | 十五分钟内能开始 | 半天摸到门道 | 头一周都在适应 |
| 投入的钱 | 手边现成的东西 | 几十元的消耗品 | 一两百的一次性投入 |
| 多久有感觉 | 三到四周才稳 | 当天就有差别 | 一到两周见分晓 |
| 适合谁 | 完全没接触过 | 准备长期做的人 | 时间很碎、想先试试 |
| 最容易放弃的点 | 没人一起做 | 一开始定得太满 | 没有固定时间 |
| 半年后还做得到吗 | 成了习惯,不用想 | 靠提醒维持 | 已经长进日常流程 |
起步、稳定、熟练三个阶段,判断标准不一样。
转折点:我只改了一个动作
这件事总在问了半天答非所问这里卡住,到底是哪一步出了问题?顺着流程往回查,多数时候都能找到真正的源头。它里每次只改一个变量,改完至少观察一周,否则出了问题你压根说不清是哪一处改动导致的,等于白忙。这一步里设备的差距大多在熟练之后才显现,新手阶段远没有想象中大,先练手再升级装备。
把两种这件事节奏各试两周,身体和状态会告诉你哪一种更能长期坚持,感受比道理更诚实。刚开始记不住它的要点,写了一个月就形成了条件反射,不用再翻本子找答案。复杂这一步方案和简单方案,先走通简单的那个,能稳定执行的方法才是好方法,能长期做下去最重要。
- 大模型能做什么里先做那些十分钟内能瞧见结果的部分,用一点小回音把自己启动起来,再攻难的那块,顺序很重要。
- 有一段时间大模型能做什么完全停滞,回望这才知道是目标定得太高,高到根本就不想开始。
- 凡是需要靠咬牙硬撑才能维持的大模型能做什么方案,寿命多数时候不长,真正可行的做法应该能轻松地重复第二次。
现在回望这这段经历
把上面挑一条今天就能做的这件事,比收藏十篇文章更有用,因为真正的改变只会从亲手行动里慢慢长出来。它记录里最有用的一栏是「今天卡在哪」,它比记结果更能指出下一步到底该改什么。把这一步目标写成一句可以打勾的话,模糊的目标不会被执行,清晰的句子才会推动你动手,越具体越有效。
这件事先把次数做够再谈做得好不好,数量是质量的前提,这个顺序对刚上手的人尤其重要。在它上做取舍前先问一句:这条建议成立的前提我眼下具备吗,缺了前提,再好的法子也会走形。分清「别人需要」和「自己需要」,能帮你省去这一步里一大半看起来热闹、实际用不上的投入和精力。
把每次大模型能做什么的时间和感受写下来,三个月后回看,规律清楚得连自己都觉得意外。
AI人工智能不懂就追问,AI不怕你啰嗦,问得越细答得越准。
常见问题
AI人工智能孩子用AI怎么引导?
AI人工智能提示词怎么写?
AI人工智能哪些信息不能发给AI?
AI人工智能AI绘画能商用吗?
如果你的条件差得比较多,把量减半就好,顺序一定不要改,否则意义就变了。

从提示词写不好开始摸索。欧守拙的AI人工智能文章都从一次失败的提问说起。
看这位作者的全部文章