第 2 章：AI 不是魔法，是新的工作方式
这一章要让你
不害怕 AI，也不神化 AI，先建立一个普通人够用的判断力：知道它大概是怎么回事、强在哪、坑在哪，以及为什么学好它的关键不在工具，而在你会不会"管"。
先说个常见的场景
很多人第一次用 AI，两种反应：一种是"卧槽这也太神了"，问啥答啥，看着特别顺，于是把它当万能答案机，复制粘贴就交差；另一种是问了一句"帮我写个方案"，结果出来一堆正确的废话，立刻下结论"这玩意儿没用"。
这两种都会让你用不好 AI。第一种迟早被它一本正经的错误坑一次，第二种则是还没学会"怎么使唤它"就放弃了。这一章就是把这两个误会先掰开。
一、先搞懂三个老被混着说的词
你会经常听到"AI""生成式 AI""大模型"，其实可以这么理解：
- AI（人工智能）：一个大筐，所有让机器看起来"聪明"的技术都往里装，比如人脸识别、地图导航、推荐你刷到的视频。
- 生成式 AI：这两年火的这一类，特点是它会"生产新东西"——写文章、画图、写代码、做总结，而不只是做判断题。我们这门课说的 AI，基本都指它。
- 大模型：生成式 AI 背后的"发动机"。你打开的 ChatGPT、豆包是产品（车），大模型是引擎。同一个引擎可以装在不同的车上。
一句话记住：工具是你打开来用的产品，模型是工具背后的发动机。 你不用懂引擎构造，会开车就行。
二、AI 能帮你干的，就三类活：写、想、做
工具名字记不住没关系，你只要记住一件事：AI 能帮你干的活，翻来覆去就三类——写、想、做。 这是你认识 AI 最该先立住的一张底图，后面所有章节都在这三个字上做文章。
- 写（生成）：帮你产出新东西——写文案、写邮件、拟合同、画图、做 PPT、写代码、把一长段话总结成几句。大多数人用 AI，用的就是这一类。
- 想（分析判断）：帮你处理信息、做判断——读一堆资料挑重点、比较几个方案的优劣、从一堆数据里找出异常、给你出主意。这一类最省你脑力，也最容易被忽略。
- 做（调用工具执行）：帮你动手把事办了——它不只是"说"，还能读写文件、上网查资料、调用别的软件，按你定的规则一步步执行。这一类最强，但要先给它配"工具"、划好边界（就是后面第 12-14 章讲的东西）。
一句话锚在脑子里：每次想用 AI，先问自己——这件事，是要它"写"、要它"想"、还是要它"做"？ 分清了，你才知道该怎么交代、要不要盯着、能不能放手交给它。
这三类活，难度是递增的："写"和"想"，你把话说清楚基本就能用（这是前面基础章要练的）；"做"要给它配工具、设边界，才敢让它跑（这是后面进阶章的事）。本章最后那张"四层能力地图"，展开讲的就是"做"这一类能深到什么程度。
顺带说一句这门课的整条主线：AI 是什么 → 它怎么工作 → 能干什么、不能干什么 → 怎么把活交代清楚 → 怎么核验它、怎么把经验沉淀下来。 你现在学的每一章，都是这条链上的一环。学着学着觉得零散时，回头看这条线，就知道自己在哪儿了。
三、ChatGPT、Claude、豆包、Kimi 们，到底啥区别
先不排名，谁最强这件事一个月一变，记了也白记。你只要有个大概印象：
- ChatGPT：最全能，写作、问答、看图、做表，啥都能聊。
- Claude：长文阅读、写作和整理特别稳，适合丢一大篇资料让它读。
- 豆包、Kimi、通义、DeepSeek：国内能直接用、中文顺、不用折腾，日常够使。
它们更像"口味不同的助手"，不是"高低分的选手"。具体怎么挑，第 9 章专门讲。这里你只要知道：先固定一两个用顺手，比每天追新工具有用得多。
四、它为什么会写、会聊、会总结
不讲技术，给你一个够用的比喻：AI 在玩文字接龙。 它读了海量的文字，练成了一身本事——你给一段话，它能猜出"接下来最像样的下一个词是什么"，一个词一个词往下接，就成了一段通顺的回答。
所以它写得顺、聊得像人，是因为它太会"接最像的话"了。记住这个，下一条就好懂了。
五、它为什么会一本正经地胡说
正因为它接的是"最像的话"，不是"查证过的事实"。当它不知道答案时，它不会停下来说"我不知道"，而是继续接一段"看起来最像答案"的话给你——听着特别顺、特别可信，其实是编的。这就是常说的"幻觉"。
举个例子：你问它"某本书第几页讲了什么"，它很可能给你一个像模像样的页码和段落，全是假的——因为"给个页码"比"承认不知道"更像一个正常回答。
所以这一条要刻进脑子：AI 给你初稿，不等于给你事实。 越是涉及数字、人名、法规、报价这种，越要自己核一遍。怎么核，第 8 章会专门教。
六、所以普通人真正要练的是什么
不是背一堆工具，是两件事：把事说清楚，和管好它。
你可以把 AI 想成一个能力很强、但完全不了解你公司、也不会替你负责的实习生。实习生聪明归聪明，你交代得含糊，他就给你乱发挥；你把目标、背景、要求、验收标准说清楚，他就能干得漂亮。
这也是这门课的一条主线：你会不会用 AI，越来越等于你会不会管人——定目标、交代背景、划清边界、验收结果，这套本事，管人和管 AI 是同一件事。后面每一章，其实都在练这套"管"的功夫。
七、从聊天到工程：AI 能力的四层地图
很多人用 AI 停留在"对话框问一句、它答一段"的阶段。这不是你一个人的问题——这是大多数人对 AI 的默认用法。
但如果你想让 AI 真正帮你干活、重塑你的工作方式，你得知道 AI 的能力其实分四个层次。每一层解决不同的问题，也对应不同的"管法"。这四层就像一张地图，告诉你"我现在在哪、还能往哪走"。
第一层：提示词工程
解决"怎么把一次任务交代清楚"。你用角色、背景、要求、格式把一件事说明白，AI 一次就能给你能用的东西。这是地基。
对应课程：第 3 章（把事说清楚）、第 5 章（把复杂任务拆清楚）。
第二层：上下文工程
解决"怎么让 AI 长期记住你是谁、你的标准是什么"。不是每次对话都从头交代一遍，而是通过项目说明书、参考样例、记忆文件，让 AI 持续用对的口径工作。如果说提示词是"这次怎么聊"，上下文就是"每次都知道你是谁"。
（后面第 13 章要讲的 Skill，本质也属于这一层——把某一类任务的做法写成一份说明书，就是给 AI 的长期上下文；只是它要动手写，编排上放进了进阶篇。）
对应课程：第 4 章（上下文和记忆）。
第三层：Harness 工程（工具与边界工程）
解决"怎么给 AI 配工具、划界限"。你不再只和 AI 聊天，而是给它设计一套它能用的工具——读文件、查资料、算数据——并在你限定的范围内运行。Harness 就是你给 AI 搭的工作台：告诉它能去哪、能摸什么、不能碰什么。
对应课程：第 12 章（Agent，会调工具干活的执行体）、第 14 章（工具 / MCP，连接真实服务）。
第四层：Loop 工程（自动化循环工程）
解决"怎么让 AI 自己跑流程"。AI 不再等你的每一次指令，而是你设计好一套流程——拆任务、执行、检查、改进、再执行——AI 自己循环跑，你在关键节点把关。就像给 AI 装了自动驾驶，但方向盘还在你手里。
对应课程：第 15 章。
为什么你要知道这张地图？
大多数人卡在第一层的"对话框问答"里，以为 AI = 写提示词。当你意识到还有上面三层，你就从"用 AI 回答问题"进化到了"用 AI 改造工作方式"。前面基础章节练的是第一、二层（人人必学），后面进阶章节带你接触第三、四层（选学，不想碰可以跳过）。
后面每学完一章，你都可以回头看看：我现在到第几层了？
关键表达
- AI 能帮你干的活就三类：写、想、做——每次动手前先分清这件事属于哪一类。
- AI 不是搜索引擎，也不是万能员工。
- AI 更像一个能力很强但需要你管理的助手。
- 小白第一步不是追最新工具，而是学会判断什么事适合交给 AI。
- 你会不会用 AI，越来越等于你会不会管人——定目标、交代背景、划清边界、验收结果，这套本事管人和管 AI 是同一件事。
- 管理 AI 的最高境界，不止是提出问题，还要提出解决问题的方法。
- 大多数人 AI 用不深，不是因为提示词写得不够花，是不知道 AI 还能从"问答"进化到"上下文→工具→自动循环"。
避坑提醒
- 别看它答得顺就全信，"顺"和"对"是两回事。
- 别一上来就纠结"用哪个工具最强"，先随便选一个能用的开始练。
- 别指望它懂你没说出口的标准——它不会读心，只会接话。
课后任务
让 AI 解释一个你自己很熟的概念（你本行的、你能判断对错的），然后手动标出：
- 哪些地方说得对
- 哪些地方不准确，甚至是它编的
- 哪些地方你需要再查来源确认
做完你会有个直观感受：它有多能干，又有多会一本正经地错。
衔接贯穿案例：还记得第 0、1 章你挑的那件"每周都要重复做的事"吗？这一章起，每章作业都尽量拿它来练——这次就让 AI 聊聊"这件事能不能交给它做、哪部分能、哪部分得你自己来"。