作为个体，我们如何把握好AI时代呢？

3、如何高效使用AI

3.1 关于chatgpt对话

1、基础认知和逻辑胜过提问技巧

我知道很多人都在学习提问技巧，但提问技巧其实是个临时手段，在AI不能完整理解诉求的时候，提问技巧当然是非常有意义，有价值的。不过我想强调的是，你对诉求的基础认知，你对目标拆解的逻辑，其实是比提问技巧更重要的。

提问技巧可以在提问的过程中不断根据反馈修正，但是认知问题和逻辑问题，是会极大影响你使用AI的手段和效率。

以研发项目为例，你对诉求的正确认知才可以提出关键性的问题，寻求AI的辅助，否则你的提问技巧再好，可能都会忽略一些关键问题。此外，你自己对诉求有很清晰的认知判定，才能在AI的建议中快速过滤无效信息，干扰信息，快速判定不同信息的有效性和可用行，这才能让AI辅助的能力得到充分施展，如果你没有这种认知能力，你很容易被AI的答案误导。

而你能够正确的对诉求拆解，能够有架构思维，才能把复杂的问题拆分为一些具体的简单问题，让 AI给你合理的答复，AI很可能无法拆分复杂问题，或者它拆分的逻辑偏离你实际场景的诉求（当然这也基于你的描述质量）。

所以这里的关键点就是，你在使用AI的同时，不能说有了他，就不需要自我能力的提升和培养了。仍然需要加强自己的业务认知，加强自己的逻辑分析能力，才能更好的利用AI工具。

当然，这里有个好消息，就是你可以利用AI来提升基础认知和逻辑，不过这个好消息的前提是，你必须有逻辑的提出有价值的问题，然后基于AI来优化自己的认知能力，优化自己的逻辑能力，但我们知道，这个世界上可能大部分人在描述问题，表达诉求的时候，是缺乏逻辑的。

举例而言，你要描述一个诉求，你需要明确几点来描述，第一，你的目标和初衷是什么；第二，关于这个目标和初衷的一些背景信息；第三，你在寻求这个目标的过程中，所遇到的困惑和阻力，也就是你的目标和诉求，也就是所需要的建议和方案。那么基于以上来提问，相对来说，就更容易获得符合自己真实场景的答案，而大部分人描述诉求的时候，或者忽略了初衷和目标；或者忽略了背景信息。比如有人说，我应该去新加坡还是香港，你的目标和初衷是什么，你个人及家庭的背景因素又如何，愿意付出的成本如何（包括时间成本），没有这些信息，盲目找人给建议不是胡来么。

还是以上为例，有人又会铺垫过多无关的背景信息，啰里啰唆全不在重点，噪音信息提供太多，让人无法理解其真实意图，这也是经常遇到的糟糕提问的场景。

2、基于上下文的层进提问

Chatgpt 最大优势就是上下文的能力，基于这个能力，我们可以逐级提问，从浅入深的寻求建议和方案。

我们一直有个误区，认为对chatgpt提问要和对搜索引擎提问一样，需要精准而且严谨，其实由于新的语言模型上下文理解的存在，我们完全可以通过宽泛的问题起步，基于层进推进的方式，逐步获得更完美的结果，这是搜索时代所不具备的交流方式。以前有个笑话，一个老板让程序员搭建一个淘宝那样的平台，我们都会觉得这是不自量力的事情，但在AI时代，利用层进提问，类似的话题似乎出现了一些可行性。

就以上述的话题来举例

  • 问题1，请给出搭建类似淘宝这样的在线电商平台的产品架构，技术架构，运营组织架构。
  • AI会给出若干步骤和环节。
  • 问题2，关于产品架构的第三部分，请给出更具体的技术方案建议。
  • AI给出若干方案选择和建议。
  • 问题3，关于建议4，请给出可使用的第三方工具库和案例。
  • AI给出若干工具库和范例。
  • 问题4，参照范例2，请给出示范代码。
  • 问题5，请将示范代码中的查询效率做优化，并对录入内容做必要的的安全检查和容错设计。
  • 。。。

以上范例，就是层进提问，从非常宽泛的架构开始，逐层到达最细致的代码和优化逻辑，而这样的过程可以延续非常多的层级。

我发现，做技术方案调研，产品调研，运营建议的时候，这个方法都可以很好的提升个人的认知，弥补个人认知盲区，以及从大量宽泛的信息中，挖掘到真正可用的方案和建议。

3、自我纠错能力

AI给予的答案经常是有问题的，或者是不符合提问预期的，但好消息是，你可以不断的批评他，或者要求他修正和改进。

当然，很多时候，你让它改进后得到的依然是错误的，但如果是一些建议类信息，可能还是会让你有所发现，有所收获。

有朋友说，可以pua AI，不断的批评它，不断地否定它，来试图获得更好的答案，我不确定这是否是有个好策略，但是AI没有玻璃心，总是好的。

目前我的一个尝试的结论是，AI给出错误答案的时候，部分情况下可以通过否定给出正确答案，部分情况下多次否定也无法给出正确答案。这时候可能搜索引擎更靠谱一些。但是给不符合预期建议的时候，其实修订成功率会更高一些。不过你需要对提示词做一些调整，更好的描述自己的预期。

4、一些优化技巧

寻求案例支持

比如你想做一个符合什么需求的产品，或者有一个不错的主意希望AI给你一些建议，你就可以先问它这样的诉求，这样的目标，有什么成功案例，我发现这个是非常有意义的一种咨询，它会给出一些网上最成功的范例（虽然有一定的时效性问题），这时候你可以针对具体案例再提出更细致的问题，可以更好的认识自己诉求，以及防止很多自以为是的情况，很多人会认为自己有个足够新奇独特的点子，但其实可能网上已经有很成功的案例了。

那么看到案例后，可以针对性的展开提问，比如我想要复制类似某某案例的产品，请给出合理的产品设计，技术规划。这个真的是非常有效的一种工作方式。

比如你的老板给你一个任务，设计某个需求的产品，你用寻求范例，然后模仿范例规划的方式，可以极短的时间做出相对专业的整体产品规划或技术架构方案，当然可能中间有不少需要调整和优化的地方，但是从整体规划来说，可用性是非常高的，而且可以带来很多思路和线索。

我们做整体规划的时候，最大的障碍往往是担心自己考虑不周，规划有严重缺漏或者存在一些不合理的地方，其实一些核心理念和关键技术自己都是心里有数的。而通过寻求案例，结合案例给出规划的提问手段，就可以极大弥补这方面的担心，你可以继续坚持自己的核心理念和核心技术架构，但是可以利用案例中的整体规划来给自己查漏补缺，让自己能够对整体结构的完备性和通用性有更多的信心，当然，提问的过程中，可以通过多次让AI补充的方式，获得更加完整的内容，也可以基于实际诉求酌情删减，记住AI只是建议和咨询，你必须有自己的决策能力，所有的建议最终需要你的取舍能力，这一点依然是人类价值的所在。

投喂一些范例。你希望在某个领域创建一个新的品牌，有个很值得推荐的方法，你把这个领域最好的品牌都录入进去，告诉AI，你要做一个类似的领域内品牌，看看它给你多少建议，你不能指望所有建议都是好的，但是这里很可能会有一两条不错的建议。

企业命名，孩子命名，都可以用先投喂再提问的方式来寻求更符合你期望的结果。

Temperature, top-p,top-k参数

可能很少人访问过这个页面，https://platform.openai.com/playground，这里其实有诸多提问的参数定义。

这是发挥AI想象力，增加AI词汇丰富度的参数，可能很多小伙伴都不知道这些参数，我也是通过王小雨的文章看到的。

利用以上三个参数，可以让AI生成的文字更具有渲染力，但也可能导致文字逻辑和用词出现一些散乱和错误。所以这也是需要不断测试，需要对生成的内容做一定的人工校验。

这些参数适合做文章生成和故事创作，具体使用可参见如下文章。https://mp.weixin.qq.com/s?__biz=MzkwOTMzMzk0MQ==&mid=2247485195&idx=1&sn=ef880bb3a4b302a4d43025074773225d&chksm=c13d03d1f64a8ac708c78f027c0ce26d366b45956f0cdcffd2c9911b95c944b9b973173bddfd&token=1087620821&lang=zh_CN#rd

5、反向获得问题

这也是非常有意义的一种提问技巧，就是你想要得到的答案是问题。这时候可能需要给ai提供一个人设，然后让它提出问题。

比如前面提到的说，假设你是某行业的产品面试官，请给出一些面试题目。假设你是什么角色，现在面对怎样的场景，你最关心的是哪些问题。

之后，你还可以自己回答问题，让AI来打分，或者直接通过AI来获得答案。

如果你希望通过某些专业考试，真的可以试试，比如真的有人用这个方式检验自己的雅思能力，结果还是比较准确的。

如果你希望对自己的职场竞争力做一个评估，可以让AI当作面试官给你出题，你认真作答，再让AI给你点评。

还有就是，一些创业者，需要招聘合伙人，但是对相关领域的问题不熟悉，缺乏相关领域专业判断能力，可以让AI出题，然后让AI点评对方的答案。不过这里可能存在一些不那么专业的判定，实话实说，这里最好还是有专业人士协助判断。

6、代码解释器，老板的神器

Chatgpt最新发布的代码解释器，其实我备课的时候还没有，这也让我不得不增补内容。

很多人会被这个名字所误导，以为这只是一个解读代码的工具，是的，这个确实能解读代码，但更酷的是，它对数据的理解和建议，是非常非常专业的。

为什么我叫它老板神器，把公司的收支数据，excel数据导出来喂给它，然后让它用各种方式，维度，目标来归纳整理做报表。把公司的运营数据扔进来，也是同理。就把各种excel数据表直接输出csv然后扔进来，直接给目标让它干活，甚至，你不知道目标还可以问它，让它给你建议，看看能从数据中得到什么结论。有哪些数据是值得分析的。

很可怕，很强大，对数据分析的从业者而言，如果你的老板玩的很熟练了，你们就要仔细考虑自己的职场该怎么办了。

https://zhuanlan.zhihu.com/p/642445620 这里发一个知乎的链接，可以看看这个新的功能有多强大，强烈建议每个人都亲身体验一下，而且尽可能复制一下链接中的可能性，然后挖掘一些新的玩法。代码解释器的出现甚至让我觉得自己的备课内容可能需要大幅度重构，它对从业者的冲击，很可能是非常剧烈的。

最后今天增补一条啊，就是最近也有测评，chatgpt4的专业能力大幅度下降，据说应该是微软为了节省成本减算力了，而另一方面，claude+ 2.0，llama2.0 都在最近发布，这个市场格局的变化也是非常快的，所以我也不肯定后续是不是chatgpt4能依然保持领先。

3.2 关于midjourney

AI设计肯定是最有价值的AI产业化领域之一，而midjourney是目前表现最出色的AI设计平台。

使用方法和prompt范例，网上有很多，随便搜索一下都有很多，我就不赘述了，毕竟我不够专业，但有些基本思路，还是很值得分享一下。

https://mp.weixin.qq.com/s?__biz=MzI0MjA1Mjg2Ng==&mid=2649871399&idx=1&sn=de9c66bad2972b6683a1c15a64e0590c&chksm=f1074e4ac670c75ca49e65761bc00a5d3da953d67e2ffb7dba2260b475f20903061a85d22711&token=1087620821&lang=zh_CN#rd

这篇文章非常值得分享（没有公开发布），说几个要点。

1、所有的提示词，均可理解为更加灵活的参数模式，具体看文章里的表格，不同的参数组合，测试不同参数的效果区别。

2、基于上传种子图片，利用适当的提示词参数生成角色换装图，角色场景图。这在游戏中是很常见的，未来甚至可以做到不同玩家基于自己的照片生成角色换装图和角色场景图，无缝接入游戏。

3、特定的提示词可以实现组图，套图的效果，文章中典型的游戏道具，需要风格一致的组图，这个是非常有效的一种生成方法。

其实在AI设计里，如果仅仅是海报设计，是自由发挥的设计，更容易通过发散性的提示词去寻找最优设计。

但如果是需要满足一定的业务场景诉求，比如游戏中，就需要风格一致性，角色一致性，场景视角切换的背景信息一致性，在这样的诉求下，需要限定AI的生成范围和生成逻辑，就需要一些特定的提词技巧，这里对种子图片的使用就很关键，此外，一些第三方插件可以角色剥离或者动作设计，但midjourney不是开源系统，所以第三方插件整合目前看上去好像还不是很支持，由于技术的提升太快，可能我的备课内容无法有效覆盖。

这些领域是值得深挖的，一般而言，如果能够达到文章中王哲那样的使用能力，设计成本至少节省一半以上，甚至3/4以上。

坦白说，我不是此中高手，我只是指引方向，所需要的就是不断精进研习，不断自己测试打磨，不断把文章中提到的方法，思路，用自己的理解实现一遍，总结整理，用在自己所熟悉的领域中，并交付市场验证。

3.3 关于stable diffusion

Stable diffusion 是另一款强大的AI设计软件，和midjourney最大的不同是，这款软件是开源的，而且可以完全私有化安装和使用，并且能够使用大量的第三方开源模型，或者自我训练模型，这给企业带来了极大的灵活度。

所以目前也是最常用的AI设计工具之一，那么从搭建，使用，到各种场景的测试，王小雨的公众号是最有价值的，如果能完全按照其公众号的学习教程完整复制一遍，相信已经能熟练掌握达到非常高的境界。公众号名称，“Renee创业随笔”。

我开始备课的时候，stable diffusion在一些细节处理上，比如手型处理，和midjourney还是有差距的，但最近进步也是神速，可以说和midjourney已经相差无几，这样可用性也得到了极大的增强。

Stable diffusion提供了更多的参数选择，所以灵活性和垂直应用能力更强，但入手难度相对来说也更高。

那么说一些基本逻辑。

  • 第一，你要学会如何使用不同的训练模型，并且能理解不同模型的适用范围。
  • 第二，你要了解如何训练自己的模型，并基于自己的模型生成所需要的图片。比如家居平台的统一风格设计图。
  • 第三，你要知道如何利用已有的图片进行生成，部分替换，合成等操作，这些在很多具体场景，比如模特换装。
  • 第四，你要学会使用civitai，利用这个平台寻找符合自己的训练模型，并不断尝试学习别人的训练技巧和提词技巧，这是很好的交流学习的社群。国内也有一个炼丹阁，也是类似的平台。
  • 第五，你要学会结合第三方插件来更好的利用stable diffusion，这里特别强调的两个，一个是segmentanything，是抠图插件；另一个是DragGAN，是拖拽插件。

那么多说一点，如果你真正熟练掌握了模型训练的技巧和提词技巧，你完全可以在civitai，或者炼丹阁发布自己的模型，并结交更多的同领域的专业人士，这有可能给你的带来意想不到的机会和可能。

仅仅stable diffusion使用，都足够一个十几节的系列课，但其实我并不擅长细节，建议去追寻renee创业笔记学习。

3.4 关于hugging face

Hugging face 可能知道的人不是很多，可以用一个简单比喻，hugging face是机器学习领域的github，上面有大量的第三方开源的预训练模型。目前上面的资源包括四大类，数据集，预训练模型，课程，以及文档。

如果想要学习机器学习，参照别人最先进的成果，hugging face是很好的学习平台和案例展示库。那么对于一些垂直领域有实际业务诉求的企业或从业者而言，可能也就有一定的探宝价值。但坦白说，我认为对普通人而言，可能很难从中挖掘到有价值的东西，这需要你的技术理解力，你的英文学习能力，需要对机器学习有相当的基础，才能在这个平台寻找到有价值的东西。

https://zhuanlan.zhihu.com/p/535100411 这篇文章是很好的科普，有兴趣的读者可以仔细阅读。

3.5 关于Langchain

Langchain是一个基于大语言模型的超强框架，可以用于拓展诸如chatgpt这样的语言模型使用边界的开源系统。这样作为个人开发者就可以基于langchain开发很多垂直领域，或者与特定应用结合的ai产品。一个简单的范例，langchain可以轻松搭建chatgpt与google的结合，这样所谓时效性的问题就可以有很好的解决。

下面是一个知乎上的中文文档 https://zhuanlan.zhihu.com/p/620529542

程序员朋友想要基于典型的AI平台搭建一些应用产品，可以认真的研究一下，并快速用于实践。

星球嘉宾 王小雨的公众号 renee创业随笔 中，有多篇langchain的学习笔记，自己去搜索即可，就不列所有具体连接了，如果不会搜索，对不起，这不是我认为现在需要教给你的技能。初学者可以按图索骥先复制实现，然后再思考还有什么其他可以做的事情来尝试。

3.6 其他AI平台

AI 时代工具太多，太驳杂。

网上最近我看到有人提到一个观点，和我之前强调的不谋而合，不要把阅读AI领域新闻当作学习AI，你知道100个工具没有意义，你用好其中两到三个，发挥最大效率，就是你最大的成就。

当然，适度了解还是有必要的，毕竟不同领域可能有垂直方向上更适合的产品。在各自的领域选择最合适的工具，依然是需要做一些功课和调查的。

那么企业办公而言，notion AI是非常好的选择，办公文件的编写，商务邮件的回复，协同办公任务定义，数据表整理，都是很好的帮手。当然这个产品也结合了chatgpt，并且针对办公场景，我相信做了一定的优化。目前几个业内顶级大佬都推荐了这个产品作为企业内部办公工具。如果不涉及机密产业，不涉及数据信息保密诉求，我认为这个产品是有推荐价值的。

但是也必须指出，毕竟该产品和chatgpt有绑定，云端部署，所以如果对企业内部信息涉密度要求较高，比如一些军工企业，和国家政府，金融领域业务来往密切的企业，不建议使用。

Adobe 的设计AI firefly和他们的设计软件有深度绑定，这样对于一些习惯于Adobe体系的设计师来说，学习成本和迁移成本是最低的，可以在日常工作中轻松引用，这也是值得推荐的一个选择。有朋友说他们创业团队的设计师习惯adobe工具，非常排斥AI，我说没问题的，他能把firefly用起来，用的非常好，也是有价值的。

Meta 的 AI组件，segment-anything，对于很多场景来说应用价值巨大，那么现在这个插件也可以整合到 stable diffsion上，这样的组合威力，如果熟练使用，在诸如电商，游戏等诸多领域都有非常巨大的应用空间。前面也提到了，包括最新的dragGAN，也是很有意义的。

当然，Meta的LLAMA开源大语言模型平台，在很多学术领域也有广泛的应用，基于此发布的垂直训练模型也非常丰富，对于特定领域从业者而言也是非常值得探索的。

此外，quroa社区推出的poe.com 是一个整合的使用平台，在上提供了一些目前口碑最好，最流行的大语言模型，也是一个不错的资源平台，可以用于学习和比较不同产品的使用效果。

最后，祭出一张大图如下，这个算比较全的流行AI产品的整理了，很抱歉，这张图并没有包括国内的诸多AI产品。而且随着时间推进，现实会有非常巨大的变化和调整，确实，新产品新模型出来的太快太频繁了。

4、AI时代的人才价值如何定义

4.1 通识能力

AI可以放大个体能力边界，让一个个体掌握团队的力量，我看到案例，一个产品经理用很短的时间做出完整的产品原型。包括可交互代码的那种完整原型。那么这时候，要求这个产品经理有基本的前端交互设计能力，有基本的编码理解力，有基本的架构能力，当然，还必须有很好的产品理解力。

个体的价值差距，不再体现在具体细节的熟练度和精深度上。（个别领域精深度依然关键，但仅仅针对顶尖人才，对大部分职场从业者，这部分能力AI足够替代），而是体现在个人的适配性和效率产出上，具有通识能力，可以更好的利用AI实现广泛的适配性，实现超级个体的力量。

其实以前的福利课，多次提到增加横向的知识面和适配性，但说实话，我也没想到AI时代的来临这么快，而AI时代，对这个能力的价值放大，比之以往，更加显著。

我们也知道现在职场流行一个词，降本增效，一个能够兼任多个岗位的通识性人才在职场更具有广泛的适用性，而创业者，具备通识性也将是极大的优势，此外，从企业运营效率而言，沟通成本一直是制约团队产出效率的一个重要因素，通识能力也是极大降低沟通成本的一种重要基础能力。所以就如以往说的，做产品和运营的学一点技术基础；做技术研发的去理解一下业务和运营逻辑，横向拓展自己的认知边界，一定是有价值的。

4.2 思维发散性和想象力

很多人知道AI强大，却不知道该如何提问，或者不知道可以用来干什么，甚至在遇到明确问题的时候，也很难追问到更完整和有价值的答案。

提问的能力再次被放大，搜索引擎时代，我们就强调过提问的能力，而AI时代，这个能力的价值再次被放大。

在很多成功案例里，包括前面提到的一些提问技巧，一个关键点就是，你的思维必须是具有发散性的，具有开放性的。你可以问出更宽泛的问题，然后再逐步细化；你也可以天马行空的问出一些开放性问题，然后对答案做出甄别和判断，寻求对你有价值的建议。

我觉得不少人，会有一个误区，认为提问必须提出高质量，专业的问题。对搜索引擎来说，是这样的，问的足够精确，足够专业，才能获得足够完美的答案。但是搜索引擎是不具备上下文的能力的，而AI是可以完成层进提问，这是一个核心区别，在这样一个核心区别的基础上，其实可以多试试发散性提问，宽泛性提问，然后基于答案再进入深层次提问，逐步推进，这其实是更好的获得知识，建议的方式。

所以前面也说过，一个熟练程序员可能喜欢用注释的方式去利用AI写代码，但是如果你使用发散方式提问，可能会获得更多的灵活技术建议，而不是代码本身。

这其实又回到我旧文说过的话题，要做出题家，不要沉迷于当做题家，当做题家，你做不过AI的，哪怕现在你很强，未来也不是它的对手；当出题家，AI是你的帮手，你指挥它帮你干活。

4.3 强行动力

如果有人说，AI没什么了不起的，大家该干嘛干嘛，你该怎么回答？

对对对，你说的一点都对。

千万不要试图说服对方，千万不要试图教育对方，这是你的时间窗口，抓住时间和机会大踏步跨越，让对方原地踏步。

学习的目的是实践，实践是最好的学习，使用起来，高频度的使用起来，针对日常工作，针对一些曾经认为难以实现的设想，立即行动起来。

尝试写一些文案；尝试编写一个可执行的小程序，小游戏；尝试学习一些领域知识；尝试优化自己的面试能力；尝试给孩子提供一些更有意义的辅导，尝试为自己的企业，产品或者社团生成一张炫酷的海报，等等等等。

在行动的基础上，再去不断优化，调整。一切都必须与真实实践对接，我们学习AI的目的，不是为了考试，不是为了拿证，不是为了应付面试，而是解决真实场景中的真实问题。

当然，我知道，在现在中国互联网环境下有若干障碍，但这个希望读者自己克服，毕竟，限于法律法规，我不敢以身试险，这不是技术问题，也不是成本问题，这就是个法律问题。

4.4 基础逻辑与决策能力

首先，AI可以给出很多建议，方案，和策略。包括产品设计方案，技术架构方案，运营方案等，当然，这些方案可能是宽泛的，但是基于层进式提问，可以获得更多明细的建议，那么问题来了，这些建议并不都是可取的，所谓的投入产出回报，所谓的性价比，所谓的你的核心诉求和价值锚点，需要你自己斟酌，自己判定，所以，你需要做出关键选择，哪些为你所用，哪些则不是你应该去追求的。

俞军老师讲的，好的产品经理应该善于做减法，在AI 时代，这个原则依然适用。

其次，AI会告诉你各种可能，各种可行性，但是其中不同可能的概率，以及背后的博弈逻辑，需要你自己甄别，自己测算。盲目的相信AI也许会带来非常严重的糟糕后果，这时候，我希望你明白，不是AI本身的问题，而是你判断上的问题。前段时间有个新闻，美国一个律师用了AI提供的判例进行辩护，没想到 AI给出的判例是它自己编出来的，所以这个律师丢掉了工作和信用。

我们之前提过的，用概率的方式来规划人生，用博弈的理论思考策略和决策，在AI时代，也是依然适用的。

所以，基础逻辑，关键判断能力，决策能力，依然是AI时代最核心的能力诉求。

5、如何有效的学习AI

1、首先，你要确保自己能使用最好的 AI产品。涉及科学上网和海外账户的话题因为敏感原因，很抱歉这里无法给出解决方案。实际上我们AIGC星球提供了一个可以使用的跨接方案，针对星球用户是免费提供的，但据我所知，这个使用的人并不多。因为这个跨接方案的API是我付费支持的。

当然，如果你是涉密机构或敏感部门，不建议在办公场所使用，以免涉及法律问题。但我建议你在家也要尽量多尝试使用和学习。

2、善于互联网资源学习，比如通过搜索引擎搜索有关资料，特别是要使用google ,其实现在很多非常好的学习AI的资源网站，通过一些搜索关键词是可以轻松查阅的。那么这里强调的是，尽量让自己具有英文阅读能力，可以获得第一手的资料。

国内一些非常优质的学习自媒体资源，可以参见我们AI星球的嘉宾分享，前面也有提及。

3、reddit 里的优质讨论社区

这张图是我看到网上有人整理的，reddit社区里的相关讨论组，应该有不少非常优秀的讨论内容值得学习，当然，良莠不分，也会存在较多噪音，需要自己甄别。

一些优秀的社群，社区值得深度参与，但也要主意可能信息过剩，噪音过多，要有自己的主见和筛选能力，否则可能淹没在大量信息中，这就得不偿失了。

这里多说一点我的社群运营理念，我不认为社群的信息越丰富越好，用户参与越积极越好，因为质量参次，其实反而耽误更多人的时间，所以我对星球的运营，向来是侧重于删帖。

4、真实场景下的实战训练

学习不只是浏览，阅读和分析别人的案例，而是必须结合实战，实战必须符合真实场景，比如，你用AI做一张很酷的图片，这当然也不错，但脱离了业务场景，你基于自己所营销的产品做出了一张很酷的图片，这就是真实业务场景；你基于自己公司的游戏，生成了一组很酷的动作套图，或者存在特定角色的背景套图，这也是真实业务场景，这种才是有效训练。

比如学习AI编程，你要完成一个基本任务，比如写一个可以上线运营的小工具，小游戏，然后逐步优化它。比如你有一个学习算法的任务，你利用AI 成功学会十个中等难度以上的leetcode算法题，并且能在脱离AI后自己重写出来。

比如你学习英文，利用AI为老师，成功写出一篇可以获得雅思7分的英语作文来。

明确的场景，清晰的目标诉求，然后基于任务挑战的方式去利用AI实现，当然过程可能不是那么容易，甚至会有很多挫折，但这恰恰是你学习的过程。

必须认清一个事实，虽然我们的目标是提升效率，但学习的过程中，效率可能会有所损失，比如一个技术问题，你完全可以基于已有的手段去分析和解决，但你试图用AI辅助，反而浪费了时间，但这个过程可能是值得的，当你熟练使用后，最终会有很大的效率提升。

学习的过程记得不要求全责备，不要苛求AI是完美的，是稳定的，是完全可信的，你需要它的协助，但你永远记住自己的判断和决策依然是最关键的。

真实场景的实战训练，才会让自己更有信心利用AI，更好的解决真实问题，而不仅仅是一种技能炫耀或者桌上谈资。

5、分享出你学习的过程。

分享你学习的过程本身就是很重要的归纳整理，让你能更清楚的复盘得失，从而更清晰的认清AI在应用中的价值和缺陷。

此外，分享的过程也是你建立影响力，寻求价值认可的过程。

第三，分享也是接受反馈的过程，比如你到AI星球分享你学习的经历，可能会遇到有人告诉你，其实有更简单的方案，更好的方法，或者你在哪里可能做的不是很到位，等等，这都会反过来给你一个很好的指引，分享即学习，有价值的反馈往往是你进一步成长最关键的助力。

6，形成依赖和习惯。

相信我，当你真的开始不断使用AI来解决真实场景的问题，很快你就会形成一种依赖和习惯，不再需要别人催促，不再需要满足所谓特定的学习目标，你在工作和生活中，都会自主的不断使用和强化。就好比最开始习惯使用搜索引擎，习惯使用即时通讯。

实际上，我身边很多非常出色的创业者，企业家都已经依赖和习惯使用AI，解决工作中的诸多实际问题，这时候就完全没必要再去谈如何学习，如何成长了。已经成为他们日常工作、生活中的一部分。

我知道很多人还认为这是天方夜谭，但对于业内最优秀的一群人来说，这已经是他们的日常了。

那这里我也重申一下，本来是我要强调的内容。一个新的技术方向，或者产品方向，是否具有革命性，要看他的用户使用后，是否会产生依赖性，而这个依赖性是否不可逆。