开工周，我照例做了一轮一对一

老师、销售、同学、创业朋友，问得最密的还是那句：我想把 AI 用起来，从哪开头？

作为产品经理，我越发确信

AI 对多数人不是一门“课”，而是一套“工作方式”。

与其背理论，不如先让它帮你写一封难缠的邮件、审一份含混的需求、跑一段枯燥的分析。

你会惊讶：当它成为同事，而不是机器，价值才真正落地。

Part 1 心态与心法

行业变化快，焦虑也快。别被 FOMO 牵着走。基础技术在变“水电级”基础设施，你无需理解“麦克斯韦方程组”就能用上电。同理，九成人处在“应用层”——把 AI 驾驶好，胜过去“造发动机”。

• 动手为先：少囤课，多上手。当天把 ChatGPT/豆包/Kimi/Claude 任一打开，拿真实任务试一圈：邮件润色、会议纪要、报告摘要、英文写作。站在岸上学不会游泳。
• 场景驱动：从你的痛点切入。学生盯论文/PPT/英文；职场盯周报/数据/客户往来；创作者盯选题/脚本/配图。每个痛点，都是一个可落地的最小用例。
• 溯源学习：信息“食物链”有层级：官方文档 > 权威媒体一手报道 > 优质创作者深度解析 > 营销转述。越靠近源头，越少失真。
• 功利取舍：在投入前问自己三件事：能省时吗？能赚钱/省钱吗？能让我做到之前做不到的事吗？至少命中一项，再学不迟。
• 输出沉淀：能讲清才是真懂。把好提示词、流程、案例沉淀成“工具箱”。时间的复利，来自可复用。

作为产品经理，我会额外补一条：度量优先。任何 AI 尝试，都要配一套轻量指标：准确率/覆盖率/延迟/成本（CALC），再加上用户满意度小样本。没有度量，就没有复盘，团队很难形成稳定收益。

Part 2 入门篇：选对工具、找准场景

2.1 先挑一把趁手的

别在选择里耗一周。先用起来，错了再换成本几乎为零。

• 对话类：豆包、通义千问、Kimi、DeepSeek、ChatGPT、Claude、Gemini（起步首选其一）。
• 创作类：绘画/视频：即梦、可灵；音乐：Suno（按需搭配）。
• 搜索类：秘塔 AI 搜索、Kimi 搜索模式（长文与资料向）。
• 组合建议：“1 个对话类 + 1 个创作类”，经常处理长文档再加 Kimi。

2.2 从你的真实场景切入

• 学生：把 PDF 扔给 Kimi 让它摘要结构；用 AIPPT/Gamma/Dokie 出 PPT 雏形，再人工打磨。
• 职场：录会工具转写+纪要；周报交给 AI 结构化；Excel 数据请它找规律、做初析与可视化。
• 创作者：AI 辅助列纲/扩写/同义改写/找素材；生成配图减少版权风险。观点与风格始终要是你的。
• 生活：作业辅导讲思路；旅行把偏好/时间/预算交给 AI 排线路，效率明显提升。

我在团队里常用“一日三件小事”法：每天让 AI 帮你完成三件原本要 30 分钟的小任务。两周后，使用习惯和收益曲线都会更稳定。

2.3 学会和 AI 说“人话”

提示词 = 你给 AI 的指令。清晰具体，结果更稳。

• 四要素：背景（上下文）/目标（做什么）/要求（约束与格式）/示例（参考）。
• 迭代心法：别指望一稿过，多轮追问效果显著提升；用 Meta‑Prompt 让 AI 帮你写更好的提示词。

可参考 LangGPT 结构化提示词与各家提示词工程指南，但记得回到你的真实语境：公司术语、数据口径、判断边界，这些“私域语义”才决定效果上限。

2.4 让 AI 跑“全流程”：认识 Agent

普通对话是“你说一句，它做一步”；Agent 能理解目标、自主拆解步骤、调用工具、跑完整流程。可在扣子（Coze）、豆包 App、智谱 GLMs 商店、Manus Agent、Lovart、OpenAI Operator、OpenClaw、Zapier Agents、Quizlet 体验；代码向可看 Claude Code、Cursor、Trae。

2.5 建个“学习大本营”

WaytoAGI 知识库与社群值得常逛；飞书/Notion 建个人索引库，把高频模板、好例子和踩坑记录沉淀进来。关注量子位、机器之心、赛博禅心、数字生命卡兹克、Agent 橘等；LangGPT 知识库里有大量模板与案例。

Part 3 进阶篇：从会用到用好

3.1 底层概念，一次读懂

• Transformer：大模型的“发动机”，擅长注意力建模（可看李沐论文精读与原论文）。
• Context Engineering：用角色/规则/示例/知识/工具经营上下文，本质上是把“语境”当产品材料。
• 三条生成路线：自回归（LLM、部分生图）/扩散（SD/MJ）/潜空间（VAE/GAN）。
• Agent：从“回答”走向“执行”，依赖推理与上下文工程。

公开课可按兴趣拆着看：李宏毅 GenAI‑ML、李沐 D2L、吴恩达 Deeplearning.ai。

3.2 从 Prompt 到 Skills：把能力封装起来

• 结构化提示词：角色/背景/任务/要求/输出格式；多轮迭代，利用 Meta‑Prompt 生成和优化。
• 演进路线：Prompt（一次性） → Context（经营场景） → Skills（封装能力包，按需加载、稳定复用）。
• 落地动向：Trae“技能”、扣子 2.0 等都在走 Skills 路线，更贴合大众心智。

产品实践里，我会把技能视作“微服务”：有清晰输入/输出、边界条件、失败回滚策略，并纳入轻量评测集。

3.3 Agent & Workflow：把步骤串成流水线

把多步任务装配成 Workflow：设定每一步的行为与数据流，触发后自动跑完。入门工具可用扣子（所见即所得）、n8n（开源灵活）、Dify（偏应用开发）。从一个小场景起步，例如“每日行业新闻→摘要→飞书推送”。企业更看重可控与稳定，Workflow 提升可预测性与审计能力。

3.4 Vibe Coding：用中文“造产品”

你描述需求，AI 生成代码，跑起来，再迭代。零基础可先用 Cursor/Trae，上手后用 Claude Code 做全仓级改造与测试。媒体案例显示，短时间完成可用产品已成常态，行业统计称“今天约 41% 的代码由 AI 生成”，新工具的上手门槛正在断崖式下降。

• 工具全景：Cursor、Trae、CodeBuddy、Windsurf、GPT Codex；国内用户入门推荐 Trae、CodeBuddy。
• 实践建议：把“验收标准”写给 AI（接口、样例、边界）；每轮只改一类问题，保持可回溯。

3.5 你的第一个数字员工：OpenClaw

OpenClaw 是 2026 年现象级开源 Agent（GitHub Star 22 万+，以社区公开口径计）。可部署本地或云端，通过 Discord/Telegram/飞书/WhatsApp 等聊天工具交互，7×24 在线，能读文件、执行命令、浏览网页、自动化操作。

• 核心是 Skills：装什么技能就干什么活。自然语言即可编写，社区库丰富（ClawHub Skills、awesome‑openclaw‑skills）。
• 典型用法：新闻监控推送；自然语言建站并部署；PDF/表格分析；定时任务（周报、备份）。
• 关键设计：Gateway 接入你的通讯流，让 Agent 像同事一样待在群里；技能自举，越用越聪明。

3.6 建好你的雷达：AI 信息网络

中文可按主题关注：AI General、Prompt & Agent、AI Design、AI Tech、AI Product、Tutorial 等代表号；海外以 X 的时效性和 YouTube 的深度为主，The Information/TechCrunch 关注商业动向。

英文不熟装个“沉浸式翻译”浏览器插件，双语对照即可。

原则更重要：固定 1–2 个日更、1–2 个周更，其余交给 AI 做过滤与摘要，别在信息里淹没。

Part 4 洞察篇：回到源头，看懂趋势

4.1 第一手资讯

看到任何 AI 新闻，尽量找原始出处：论文、实验室博客、官方公告。值得长期关注的技术与商业领袖通常“言行差异”很有信息量——看他们的资金与产品投向更诚实。科研博客可关注 Anthropic Research、OpenAI、Google DeepMind、Meta AI；国内看 Qwen 博客、字节 Seed、以及 Kimi/智谱/DeepSeek 官方。

论文不必怕，只看三件事：它解决了什么问题；效果好到哪里；对你所在场景有什么影响。必读清单里，Transformer、Generative Agents（斯坦福小镇）、ReAct（推理+行动）仍是基础积木。

4.2 系统学习：课程与书单

• 课程：Stanford CS336、Berkeley CS294、Deeplearning.ai 短课、Hugging Face 全家桶、LangChain Academy、fast.ai（多数免费）。
• 书单：《深度学习》《这就是 ChatGPT》《深度学习革命》《AI 未来进行式》《拐点》《人比 AI 凶》《关于说话的一切》《GPT 图解》《智能体设计指南》《动手做 AI Agent》《RAG 实战课》《这就是 MCP》等。
• 电子书：黄叔《AI 编程蓝皮书 2.0》、姚金刚&向阳乔木《GEO 白皮书》。

4.3 关注资本，关注行业

用投资看趋势更稳。

公开估计显示，2025 年全球 AI 私募融资规模在高位区间；科技巨头 2026 年资本支出合计在 6350–6650 亿美元，其中相当比例押注 AI 基建。

企业采用层面，使用比例很高，但实现显著商业价值的占比仍偏低——“用了但没用好”意味着巨大的服务与集成机会。

Agent 赛道热度持续攀升，Gartner 预期 2026 年 40% 企业应用将嵌入 Agent；医疗/法律/金融等强流程、强合规行业的渗透率领先。

全球格局上，美国拿走了大多数 AI 投资，海外重基础模型与开发者生态，国内更偏应用落地与场景创新。

对个体的提示也就清晰了：学什么？Agent 开发、AI 应用集成、提示工程与评测。

去哪儿？医疗/法律/金融/教育更快看到 ROI。做什么？盯 YC、奇绩创坛的项目清单，那是“未来热门的预告片”。

4.4 职业发展：用作品说话

• 在 Coze 打造一个爆款智能体（用户破万）。
• 在 GitHub 开源一个 AI 项目（拿到 Star 与真实 Issue）。
• 在 ProductHunt 上线 AI 小工具（争取上首页）。

阵地建议：X（观点曝光）、GitHub（作品集）、HuggingFace（模型/数据集）、ProductHunt（首发）、飞书（高密度社群）。

在快变领域，一纸证书不如一份可验证的作品。

产品经理秘籍：用 AI 做项目

• 机会选择：用 RICE 或 Impact/Effort 选题，优先“高频+可量化+数据可得”的场景；避开强主观、强合规又缺评测集的灰区。
• 轻治理：在 PRD 里加“AI 专栏”：数据来源、隐私与合规、失败策略、人工兜底、评测集与阈值、成本上限（每 1k tokens 成本与月度预算）。
• 可测可控：建立 100–300 条小评测集，按 CALC 与用户满意度双轨度量；每次换模型或提示，先跑离线回归，再灰度。
• 成本与体验：“快/准/省”三角里至少锁两个；用检索与工具调用减少幻觉，用缓存与短上下文控成本。
• 人机协作：把 Human‑in‑the‑Loop 当成产品特性，而非补丁。让人做裁判与编辑，AI 做抓手与搬运。
• 组织落地：试点→扩面→制度化三步走：先找愿意共创的团队小范围做出可见成果，再沉淀模板与平台能力。

资源清单

• 行业报告：红杉《AI in 2026: The Tale of Two AIs》；a16z《State of AI》；Stanford HAI《AI Index 2025》；McKinsey《The State of AI》；Anthropic《2026 Agentic Coding Trends》。
• 实践指南：LangGPT；Prompt Engineering Guide；Anthropic 提示词指南；Awesome Claude Skills。
• 工具起步：对话类（豆包、通义千问、Kimi、DeepSeek、ChatGPT、Claude、Gemini）；创作类（即梦、可灵、Suno）；Workflow（扣子、n8n、Dify）。
• Agent：OpenClaw（K2.5、700+ Skills 生态）、Manus、Lovart、Operator、Zapier Agents、Claude Code、Cursor、Trae。

结语

不必从线性代数开始，也不必先写出一行漂亮代码。你只需要打开一个工具，开始一次像样的对话。

我的路径是这样分的：了解 AI → 走进 AI → 驾驭 AI → 与 AI 共舞。所谓“共舞”，不是比它强，而是你知道怎么协作，让 1+1 > 2；更重要的是，知道何时依赖它、何时相信自己，让它放大你的优势，而不是替你思考。

以我为主，人要比 AI 凶。

如果今天只能做一件小事，现在就打开一个 AI 工具，和它聊 10 分钟，把你这周最头疼的一件事丢给它。很多改变，都是先动，再懂的。