最近和朋友聊起来，发现身边朋友对AI的看法确实大相径庭。
有人觉得AI太牛了自己快被惯废了；有人觉得AI交付的成果根本没办法用，修改时间都够自己做一遍了，为什么要浪费时间用AI？
虽然有些隐晦，但相较于具体的AI使用方法与前沿工具，目前大家缺的似乎是AI的使用心法：我们该如何看待AI在工作中的表现？AI做到哪一步才能够算得上人类眼中的“好”？——一个人如何看待AI几乎直接决定了这人在工作时使用AI的意愿。
所以这篇想来聊聊自己使用AI的心法，我们究竟要抱着怎样的心态看待AI的交付。
PS：这篇的主题发表前已经在线下和大伙伴小伙伴们进行了交流。交流过程中收获了几个很不错的问题！在此顺便将Q&A的部分内容一并记录;D
之前听Manus创始人肖泓的访谈播客，他提到目前市场都认可大模型的潜力，但如何设计场景把大模型的潜力发挥出来是个难题，现在大家都在挖掘各种落地场景。
前几天看到一篇文章，作者观点和肖泓一致。他说这两年向几百个人推荐了 AI，观察是大多数人用完之后的反馈相当冷淡。最常见的回应是：还好吧，没觉得多有用。有时候还会补一刀：还不如我自己上手做嘞。
而造成这种现象的本质原因，是由于大多数人遇到的 AI，被封装成了一个错误的形状。模型很聪明，App 没跟上。这种体验上的落差，不是技术差距，而是产品设计和组织决策之间长期脱节的结果。
我们今天已经进入了模型不稀缺，体验才稀缺的时代。下一个 AI 产品的分水岭，也许就藏在你有没有发现这些断层之间的机会。
记住这个背景知识点，有了这层认知，我们才能在目前「把大模型作为核心交互工具」的世界里对AI更有耐心。
我用AI干活的时候，不会认为自己是在用AI完成工作，而是认为自己在摸索AI的应用场景。我的核心目的不是用AI完成工作，而是想方设法验证AI到底可以干活干到哪一步。所以接到任何任务我的第一反应都是：这件事怎么配合AI来完成会更好一些？
我的思考路径一般是：
第一步：有现成的工具可以直接用吗（比如检索对应律ai多/metaLaw/元典问答；合同是案牍；文书一般是Gemini）；
第二步：如果这个任务缺失现成可用的工具，接下来我用通用大模型还是通用agent？
第三步：我是直接把任务扔过去吗，还是先捣鼓个提示词，又或者先让Gemini/4o拆解一下任务？
如果是陌生任务，我预设这件事至少3轮对话完成，实在不行的时候我得自己全部推倒重来。但我尽可能确保AI的交付能起到核对的作用（aka.我做一遍，AI做一遍，一步步顺着思路做，AI至少能让我确保任务的每个节点执行正确）。
前几天有朋友跟我说天工Agent不好用，18张发票只识别出了16张，检查到底漏了哪两张的时间已经够她自己把发票全部填好了。我发现我看待这件事的角度跟她不太一样，我会想的是，18个文件能准确提炼16个完成度还不错？如果想完美完成扔PDF提炼发票信息这个任务场景，我可能需要注意什么？
🎯 直接扔PDF完成度不够高——有没有可能优化任务背景了？
一个交付给AI的任务提示背景基本上由两部分组成：1.下达的指令；2.提供的材料。从这两方面想想有没有可能让天工表现更好了。
1.指令：提示词如何优化？
2.材料：多了解一点AI的特性
AI读word比读PDF效率更高，那么我们扔文件之前可以尝试先把PDF文件转成word。
🎯 「提炼发票信息」这个场景或许不适合天工Agent——有没有其他更适合的产品了？
目前市面上擅长表格解析的工具可能有：
对我们小卡拉米而言，在工作中使用AI就是在自己设计场景。把自己当产品经理，因为摸索而浪费的时间无非就是尝试失败，不管这个任务完成度如何，你都得到了反馈信息。
多做这种小练习的额外好处是，你会对怎样的场景下AI可以发挥作用越来越有感觉。你知道哪些东西可以优化，哪些东西无法优化，哪些有替代方案，哪些没有。有了这种感觉，你浪费的时间也会越来越少。
我有个不成熟的小观点是，目前用AI做业务的一线经验很值钱。实操中对AI的感受、究竟哪些问题可以用AI解决——这类信息律所数智化转型需要、法律科技公司研发产品需要、想在法律行业掺一脚的AI创业公司也需要。描述使用感受，对用户来说像描述家常便饭一样简单，干活的时候顺便就全做了。但只要用户愿意把感受描述出来，有自己独到的观点，产品公司就会找过来。
我已经看到身边愿意表达体验感受的朋友们多少得到了一些额外的机会。使用-复盘使用体验-表达自己的使用经验。这件事门槛不高，但目前关注热度很高，坚持做就有概率获得一些意想不到的奇妙机会。
大家用工具的时候可能很难想到这一层。
Q1：按理说AI最利好的应该是资深律师，因为资深律师有足够深的经验去调用AI。但为什么现况是学得快一般是年轻律师，资深律师似乎不爱用AI？
1️⃣ 资深律师无法和新人律师一样在使用AI时获得强烈的正反馈
资深律师经验丰富，脑子里已经拥有了足够多的语料，AI提供的语料对资深律师而言不值一提。但新人律师经验少，急缺语料，和AI交互可以让新人迅速获取足够多的语料，这种强烈的正反馈会成为新人愿意持续使用AI的动力。
🌰一个场景举例
大部分律师改合同其实也就是积累好的条款/模板，在改合同的时候把积累的相关内容复制粘贴上去。新人没有语料积累的时候，改个合同抓耳挠腮，不知道某个条款究竟哪里不对，应该如何修订。有了AI以后新人可以很快地了解到某类条款漏洞有哪些、怎么修改、怎么表述。AI不只是新人的工具，更是新人手把手的老师。
2️⃣ 如果资深律师愿意多用AI进行业务之外的尝试，或许也可以得到强烈的正反馈
比如用AI尝试各类可视化的表达。这事儿我是从七爷身上想到的，七爷作为一个资深律师，对AI最上瘾的内容似乎是可视化。看下他公众号的内容就有感觉了：
AI制作，一图讲清：最高检抗诉、最高法改判，股东未出资董事到底担不担责|Trialday升堂
资深律师可能看不上AI的业务交付，但AI能做的事绝不止业务那一亩三分地。用manus梳理案件的可视化版本、用lovart设计自己的logo/个人形象、把公众号转化为可以聊天对话的agent、用AI生图功能画科普漫画……这些都值得资深律师尝试！
顺便，分享自己用lovart把形象照jellycat化的成果，怪可爱的😆
Q2：怎么看待脱敏问题？
如果把AI工具视作邮箱、微信这类软件，「保密性」就是一个伪命题。比如，没有人觉得把文件上传到邮箱是一个可能会泄露客户信息的高危行为；再比如，再谨慎的合伙人也会用微信发客户文件交代需要完成的任务；再再比如，大家多少用过全能扫描王扫描工作文件。如果不担心这些软件泄密，就没必要担心大模型泄密。
如果是觉得大模型的文本生成功能存在文件被调取导致信息泄露的风险。首先，喂给模型的语料是经过筛选的，不是所有用户文件都值得作为语料喂给大模型；其次，即便是被喂给大模型的语料，也很难被大模型完整吐出来。让AI读个文件都担心它有太多幻觉，不必太信任大模型能吐出完整的语料……
AI保密性的问题，也欢迎听听Lily姐和刘老板的这期播客⬇️
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。