上一篇我们聊了AI如何把技术门槛踏平，让咱这种连Hello World都写不出的凡人也能玩转创造。这一篇开始，我将正式分享AI创造的体验心得，以及作为一个"AI小白"和"技术外行"应当如何以正确的姿势开始AI之旅。

先看这里 - 本篇主要解决什么问题：

你是不是有这些困惑？

 - 为啥同样用ChatGPT，别人能做出惊艳作品，我却只能得到"差不多能用"的结果

 - 为啥网上那些"神奇咒语"到我这儿就不灵了

 - 为啥AI总是"不太懂我的意思"，我明明说得很清楚啊

 - 大项目用AI总感觉不靠谱，究竟是AI不行还是我不行？

本篇心得不是具体的AI工具教学，而是分享一种AI沟通的思维方式，帮助新手迅速入门。

正式分享之前，我们先看下本篇心得的应用可以轻易达到什么效果

我随手做了两个网页“猜词游戏”的对比样板

1）“新手式沟通"成果：一个可用的，标准的猜词游戏

2）“本篇沟通思路应用"成果：具备更丰富游戏机制、实现基本交互的产品雏形

上述截图的还只是能看的到的变化，看不到的内容变化还包括：游戏角色进化、隐藏关卡，难度提升梯队等游戏性设置，并优化了加载速度等体验改善的内容。

同样都是用Cursor作为工具，选用的都是cladue-3.7-sonnet thinking模型，做出来的玩意在完整性和游戏机制上怎么会有这么大的差别，难道是我给AI传递的信息不同？NO！在本篇最后，我会把两次完整对话曝光出来，来分析到底为什么产生这种差异。

AI“全民化”，但90%的人只是在"撩AI"？

最近我和朋友热衷于搞AI摸底，走哪儿问哪儿，几乎把身边所有行业的朋友都骚扰了一遍："你用AI不？"，"用AI干啥？"，"好不好使？"

摸底情况大致如下：

—— 非技术行业人士：

• 90%以上知道ChatGPT、玩过豆包或Deepseek
• 其中八成就用来问"锐评xx"、"讲个笑话"，或者当个高级搜索引擎
• 剩下的20%虽然用在了实际场景（比如股票分析），但往往是一次性|交互，而且经常感叹"AI不太懂我意思"

—— 程序员、文案、设计师这些技术人士：

• 用得多，但大多数人都在吐槽"AI出的东西不能直接用"
• 认为过程和结果都不太可控，大部分时候都在抽盲盒，各种教程里的“咒语”也没有说的那么好用

这个情况哪怕算上幸存者偏差，也能大致得出一个结论：大部分人的AI有效利用率不高。

而与此同时，不少大佬却用同样的AI工具创造出令人amazing的作品。从我的亲身体验感受来看，AI也并非那么"不可控"（可能是我要求低？）。

与各职业人士深入沟通后，我发现了一个问题：

"好好说话"居然成了当代人最大的技术门槛

1）“怎么就不行呢？”——即用即弃的快餐思维

现在网上充斥着各种标题党教程："5分钟用AI写个爆款小说"、"一个提示词生成百万流量视频"、"零基础10分钟做游戏"...这让很多人养成了只能接受一次性、短链路沟通的"快餐思维"，觉得AI就是个愿望按钮，一键解决所有问题。

"我要这个" → "AI给我端上来"

但这种单向的命令式交流有三个大坑：

1. 容易全盘放弃：AI没按预期输出直接放弃尝试，进而对AI的能力存疑。但实际连AI应用门槛都没摸着。

2. 工具思维过重：期望一锤子买卖就能实现要求，然而复杂任务根本不可能一句话就完成，需要多轮对话才能达到相对满意效果，就像正常与人交流一样。

3. 只要结果不求原理：只关注拿到答案，不关心背后逻辑，这样永远停留在表面使用层次，遇到新情况就无法灵活应对。

正是这种思维方式，催生了那些靠写"咒语（Prompt）"为生的"提示词工程师"——就为了提高单次命令的命中率。

2）"我都说清楚了啊"——需求错位而不自知

除了命令式沟通，还有个更大的坑是"需求错位"——你以为你说清楚了，但其实差了十万八千里。举个栗子：

假设：没做过程序开发的你，想让AI帮你做个社区团购小程序，你可能会这么说：

> "帮我做个社区团购小程序，能发布商品，用户能下单，团长能配送。界面要好看点。"

说完你就等着AI吐出一整套代码。

但如果真找专业开发团队，人家会有更加系统的思考方式，去从不同层面思考问题，可能会有以下这些：

—— 业务层面：

- 用户角色怎么分？普通用户、团长、管理员各自能干啥？

- 整个团购流程咋走？开团、参团、成团、配送、收货咋衔接？

- 钱怎么处理？支付流程、退款规则是啥？

- 团长拿多少提成？咋结算？咋提现？

—— 技术层面：

- 数据库怎么设计？用户表、商品表、订单表各存啥？

- 高峰期扛得住不？秒杀场景咋处理？

- 前后端咋交互？接口怎么定义？

- 用户数据安全不？隐私保护达标不？

—— 体验层面：

- 不同角色看到的界面一样不？

- 订单状态怎么通知用户？

- 订单退款了咋处理？货缺了咋办？

- 新手第一次用咋引导？

与专业人士的思考路径对比，原“需求”差不多缺了90%的关键信息。AI再聪明，也只能猜，结果自然是————看着像那么回事，但实际上缺失了作为一个产品应有的要素。

这就是典型的"需求错位"：你以为你说明白了，其实你连冰山一角都没描述清。而且这问题不只在跨界领域，甚至在自己本专业领域都存在。这就是典型的：

"不知道自己不知道什么"。

角色定位——先摆正与AI的相处态度

AI时代带来的变化之一，就是打破了专业信息差，要避开以上坑，首先得转变对AI的看法。

“AI不是许愿工具，是搭档，还是个多重角色搭档”

在AI的使用过程中，尤其涉及到非自己专业领域中，AI至少要扮演三种角色：

专家顾问：你的专业百科全书

让AI当你的专家顾问，解释你不懂的术语、分析技术原理、评估可行方案。最擅长补齐你的知识盲区，解决"不知道自己不知道什么"的困境。

—— 我在完全0基础上手设计声控四驱车时，完全不懂硬件的底层逻辑，AI就扮演了硬件专家的角色，全面教育我包括"ESP32和Arduino的区别"、"MCU、驱动模块与舵机和电机之间的交互和控制原理"、"蓝牙和WiFi方案的优缺点"等等。

职业经理：你的项目总监

让AI当你的项目经理，帮你拆解任务、设计流程、评估风险、制定解决方案。它能给你一条清晰的执行路径，避免你像无头苍蝇乱撞。

——在做小程序时，我可以让AI帮我规划功能模块、设计数据结构、预估开发难点，甚至帮我算出哪些功能该第一版实现，哪些该放后面版本。

执行助手：你的实干工具人

最后才是大家最熟悉的角色——让AI直接干活，写代码、设计界面、做文案、画图表等。这个角色负责把规划变成实际产品。

这三个角色不是割裂的，经常需要在一个任务中多次切换相互配合（具体技巧以后再说）。而大多数人误区在于，只跟"执行助手"说话，完全忽视了"专家顾问"和"职业经理"的价值。

“跟不同角色，说不同的话”

既然咱们把AI拆成了三种角色，那每个角色的"特长"肯定不一样，这就跟公司的职务架构一样，每个层级让他去解决他们该解决的问题。

跟专业顾问对话时，应该：

- 坦诚承认自己是小白——"如果我只想简单存点用户信息，最简单的做法是什么？"

- 请教最佳实践——"做这个功能，有没有什么‘最不容易踩坑’的常用套路？"

- 了解专业思维——"如果你是专家，你会怎么开始做这件事？"

跟职业经理对话时，应该：

- 要求拆解大任务——"将这个项目分解为哪些核心步骤？"

- 评估方案优劣——"A方案和B方案各有什么优缺点？对我这种情况推荐哪个？"

- 预判风险——"实施过程中可能遇到哪些坑，如何提前规避？"

跟执行助手对话时，才应该：

- 明确具体需求："我想要一个登录页面，能不能帮我设计一个简单点的？"

- 提供足够上下文："我想让用户能注册账号，怎么做最简单？需要注意什么"

- 迭代完善："这个页面看起来还不错，但能不能再加点小细节，比如让密码输入有点提示？"

跟"专业顾问"弄懂领域知识，再跟"职业经理"规划方案，最后才跟"执行助手"去沟通实现，需求会专业很多，自然结果也会靠谱很多。

但要真正用好这三个角色，你还需要一个终极武器——"元问题"思维。

"元问题"思维：AI好用和不好用的最大差距

 啥是"元问题"？

"元问题"是我自造的词，我定义为挖掘事物本质和底层逻辑的问题，它不纠结于"怎么做"这种表面细节，而是探究"为什么要这么做"和"这事的本质是啥"。通过"倒着问"（也称"溯回式提问"），来让AI给你解析事物的核心原理和内在规律。

说人话？好的：

- 普通问题：如何做X

- 元问题：为什么要做X，X的本质是什么，专业人士如何思考X（不固定格式）

这个方法跟前面的三种角色可以这样配合：

- 跟专家顾问聊时，元问题帮你抓住领域的核心概念

- 跟职业经理聊时，元问题帮你理清项目的关键决策点

- 跟执行助手聊时，元问题帮你明确实现的优先级

为啥元问题这么重要？

在应用AI，尤其是非自身专业领域的运用中，技术实现往往不是最大障碍，真正卡住你的是对问题本质的理解不够。就像前面说的"需求错位"，本质就是你对领域核心逻辑不了解。

元问题思维主要要实现以下目的：

1. 看见盲区：发现那些"你不知道你不知道"的关键信息

2. 抓住框架：学会专业人士的思考方式

3. 建立全局观：把零碎知识点连成系统理解

4. 做正确决策：基于本质而非表象来判断

怎么溯回"元问题"？

所谓"溯回式提问"，就是沿着专业思维的路径往回走，一般包括三层问题：

第一层：探底层原理

比如问："做一个小程序，整个流程大概是怎么走的？中间最关键的几个环节是哪几个？为啥这些地方最重要？"

而不是问："怎么做小程序？"

第二层：分析决策标准

比如问：“如果有好几种做法（比如用不同的工具或者平台），我该怎么选？要考虑哪些方面，怎么判断哪个更适合我？”

而不是问："用哪个工具最好？/ 你直接告诉我用啥吧。"

第三层：连接实际场景

比如问：“我这个项目的用户主要是中老年人，标准做法里有哪些地方需要特别调整？能不能帮我分析一下？”

而不是问：“给我一个最好的方案。”

尝试一个例子：旅游规划对比

假设你要规划一次旅行，大部分人提问方式：

>"帮我规划一下x人5月去北海道5天的行程。"

如果是应用上面分享的角色定位和聚焦元问题的沟通方式，你就会这么做：

1. 先跟"专家顾问"聊：

> "规划北海道旅行，专业旅行社会考虑哪些关键因素？"

> "5月份北海道有什么季节特色和注意事项？"

> "五天行程的合理节奏是怎样的，如何避免过度疲劳？"

2. 再跟"职业经理"聊：

> "有哪些经典的北海道行程路线，各有什么特点？"

> "北海道的交通情况如何，自驾和公共交通各有什么优缺点？"

> "如何平衡景点观光、美食体验和休闲时间？"

3. 最后跟"执行助手"聊：

> "基于上面的原则，请为我设计一份详细的五天行程"

> "针对每天的行程，推荐几个当地人喜欢的美食地点"

可以尝试用把上面的问题给任意模型进行对比，你会发现，采用后者的沟通方式，你不仅可以得到一份更加符合心意的行程表，还顺带学会了旅行规划的核心逻辑和专业思维。

以上就是本篇分享的主要内容，我们聊了如何摆正心态看待AI（不是许愿瓶而是多角色搭档），重新定位AI在创造过程中的三种角色（专业顾问、职业经理和执行助手），以及那个让一切变得不同的元问题思维。

现在，我们回头来看看，篇章开头的两个网页猜词游戏，给AI的order的差别：

1）新手式沟通：猜词游戏——形式-html | 对象-6至12岁 | 诉求-有趣能上瘾

2）按本篇思维方式沟通：要求完全不变，我只简单的深化沟通了两个问题

Q1：询问专家——游戏设计注意事项的“元问题”：受众是6-12岁的猜词游戏设计重点？

Q2：还是专家——游戏上瘾机制的“元问题”：上瘾机制的设计原则

最后，下执行命令，根据上述专家的意见干活（这活太小了不需要项目经理）

我们来对比下代码的实现情况

这沟通内容差异的微小程度是否让你感到意外，仅是是简单的应用本篇思维，带来的成果完成度差异就如此巨大，不知道你是否已经能够稍微理解“好好说话”的重要性了呢？

本篇内容不仅适用于与AI沟通，与人的沟通本来也应该这样，这可以叫做“对齐思路”？

最后，我们可以想一下：为啥那么多教程里的"神奇prompt"实际效果总赶不上宣传呢？

其实，那些prompt本质上是"专业工程师"们针对特定场景，结合内行才懂的需求，经过反复测试后总结出来的。它们的目的跟元问题思维是一样的——给AI明确限制，让AI更清晰地理解你的真实需求。

但再厉害的固定prompt也有局限性。在特定场景或者小项目（比如刚才那个网页猜词游戏）中可能非常有效，但一旦项目复杂起来，照抄模板就很难达到理想效果了。

当然，在你完全掌握元问题沟通方式之前，多学习不同类型的prompt模板绝对是有帮助的——它们可以是你理解专业思维的捷径。

下一篇，我会继续分享，在稍微大型一点（不是一两句话就打发）的项目过程中，应该以什么样的姿势，串联起不同角色定位AI（忘了的请往上翻），形成一套完整的方法论。