在 AI 工具日益普及的时代，人们很容易被一些宏大的、引人注目的主题所吸引，比如“在 AI 日益融入我们生活的过程中，我们应该如何思考和使用 AI？”
这些广泛的问题激发了我们的好奇心，吸引了人们的关注。但真正重要的不仅仅是标题，而是我们在日常生活中如何思考和与 AI 互动。
基于个人经验和常见的使用场景，以下是一些关键见解，旨在鼓励更深思熟虑和更有效地利用 AI 的能力。
辅助软件开发
利用无代码或低代码平台，并结合 AI 驱动的提示工程，可以加速软件开发任务。例如，我曾使用 AI 开发了几个用于项目、任务和知识管理（PTKM）的 Obsidian 插件，包括：
此外，我还经常使用 AI 工具来调试科研项目中的 Python 代码，从而优化开发流程并节省宝贵时间。
这些示例展示了 AI 通过自动化重复性任务和加速技术问题的解决，简化了复杂的工作流程。
语音转录与内容润色
通过大声说出内容草稿，然后使用 AI 工具将音频转录为文本，可以加快写作过程。例如，本文的初稿始于包含关键想法的书面提纲，然后我使用语音笔记来详细阐述文章内容。AI 转录工具将音频转换为文本，随后我使用 AI 编辑工具对其进行了润色和优化。
AI 可以纠正转录错误、改进标点符号、调整段落结构、删除冗余内容，并将口语化的表达转变为更清晰、更专业的书面语。
类似的过程也可以用于改进电子邮件或其他书面沟通形式。
内容改进与翻译
对于非英语母语者，AI 在翻译和改进英语文本方面有很大帮助。它可以纠正错误、优化结构、改进逻辑和清晰度，从而提升沟通的专业性和可读性。
增强研究与问题解决
像 ChatGPT 和 Perplexity 等工具提供了高效的答案搜索方法，特别是在科研环境中。例如，我曾使用 AI 来解决复杂的科学或技术问题，在传统的手动研究可能需要数周的时间里，这些工具却在很短的时间内完成了任务。
有一次，我需要从 Google Earth 中提取坐标点。起初，我考虑通过手动点击和复制坐标，但这种方式非常耗时。AI 给出了各种自动化代码方法、推荐了工具，并讨论了可行性。在评估这些建议、检查其引用来源及其复杂程度后，我意识到对于一两个目标区域坐标点的提取而言，完全自动化的解决方案可能过于复杂。
最终，在验证了引用资料并考虑了 AI 提出的方法后，我采用了更简单、更手动的方法，同时借助 AI 的建议完成了数据格式转换。
过度依赖总结，缺乏深度思考
AI 可以将冗长的文章总结为几句话，提供快速概览。虽然这看似高效，但通常无法促进深度理解。如果我们没有亲自参与到细节和上下文的理解中，这些总结很快会被遗忘。
在阅读 AI 生成的摘要后，人们可能很难在几个小时后回忆起文章的主要观点甚至文章标题。这种表面的摘要让信息难以与个人的生活或工作建立联系，导致记忆效果不佳，学习效果也大打折扣。
主动参与
仅仅向 AI 提问并被动阅读其答案，而没有批判性思维、迭代性提问或验证，几乎不会带来有效学习。如果我们不消化或验证这些答案，我们就无法获得真正的见解。
随着时间的推移，这种被动消费可能导致挫败感，甚至焦虑，特别是在看到其他人似乎能够更好地使用 AI 工具时。这种焦虑往往源于我们缺乏有意的参与。
从明确的问题开始
与传统搜索引擎类似，使用 AI 时要明确提出问题。如果你有具体的问题或需求，你就能更好地判断 AI 的回答质量。
与使用百度一样，提出问题、尝试不同的关键词、比较多个结果，然后仔细验证哪个答案最符合你的具体需求。
批判性审视 AI 回答
不要盲目接受 AI 的回答。检查引用来源，验证其时效性，考虑其来源的可信度。AI 可能会推荐过时的代码或未更新多年的工具。
仔细核查推荐的资源，访问建议的链接，检查代码库或阅读相关文档，确保你依赖的是准确且最新的信息。如果代码库过时或解决方案过于复杂，可能就不值得实施。
迭代性提问与跟进问题
将与 AI 的交互视为一场对话，而不是一次性问答。如果某些内容不清楚，要求澄清。如果解决方案看起来有问题，提出质疑。如果初始解决方案引发了新的问题，请继续提问。
例如，当我尝试将 Google Earth 数据转换为用户友好的格式时，我向 AI 提出了有关将导出文件转换为更简单文本格式的问题，然后将其导入 Excel 进行处理。通过迭代提问，我不断完善流程，直到解决方案完全符合我的需求。
主动验证与调整
随着提问的深入，你可能会发现某些方法相较于你的实际目标过于复杂或耗时。根据需要调整策略。并非所有 AI 提议的复杂解决方案都需要采用。
始终保持实际思考：有时，借助 AI 提供的建议，一个简单的手动过程反而更高效。
在这个 AI 工具丰富的时代，如何思考和使用 AI 比仅仅选择一个吸引人的标题或追求捷径更为重要。真正的理解、记忆和成功源于积极参与 AI 生成的内容。
通过明确的问题、仔细验证和迭代跟进的方式与 AI 互动，可以将 AI 从一个简单的摘要工具转变为强大的研究助手。同时，我们必须警惕工作疲劳，保持健康的工作与生活平衡，并注意潜在的长期影响。
最终，保持批判性思维、质疑精神以及验证和改进 AI 建议的意愿，能够帮助我们负责任地使用这项技术，从而获得更高效的成果、创新的解决方案以及丰富的知识体验。
我从读博的时候就开始探索 PTKM (Project, Task, and Knowledge Management) 系统，用它来管理工作和生活的方方面面，至今已经六年多了。PTKM 是一个以任务管理为核心的系统，因为记录笔记、整理笔记、构建知识库本身就是很多任务，也因为万事皆任务。当然，我们的日常工作和生活不止涉及构建知识库（PKM、第二大脑），更需要完成很多项目和任务、需要有产品的产出。因此，我们需要系统地、协调地管理各种项目、任务和知识，而 PTKM 可以帮你实现这一点。
实际上，撰写这篇文章本身也涉及很多任务，包括但不限于准备将想法完善为初稿、校对文章内容等等。撰写本篇文章还只是持续几天的小项目；我还用 PTKM 管理持续数年的大项目，比如，整个读博过程，现在作为科研人员申请、管理和执行项目，和学术单位及企业合作等等。所有这些涉及无数的任务和笔记、多个项目的并行管理和执行，我都是用 PTKM 来实现的。
最后，欢迎大家留言讨论本篇文章。如果你觉得它对你和他人有用，欢迎点赞和转发。
也欢迎大家在这里以及其他平台关注我，以便了解更多有关高效工作和生活以及 PTKM 方面的介绍。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。