一个日益明确的共识是：这轮人工智能浪潮正让越来越多的人意识到——将自己视为一个大模型来使用，才是AI带给人类最核心的启示。这并非玄学，而是一种切实可行的行为方法，能从根本上改变做事方式。

这一理念已在多个项目协作中得到反复验证。当AI被积极调用为助手时，效率提升立竿见影，但同时也让人更清晰地看到自身的局限与潜力。所有观察最终归结为两个维度：“知道什么”与“做到什么”。

“知道什么”

包括绝大多数人在内，这个社会中的大部分成员都是被高度“驯化”的产物。无论驯化者是谁，有效手段只有一个：灌输并强化概念。驯化完成的标志，是自认为已经充分掌握了某个关键概念；若未完成，则会产生“可能被抛弃”的焦虑感。

“它是什么？它到底是什么？本质是什么……？”对概念的追寻早已刻入骨髓。仿佛搞不清概念，就无法动手操作。例如，最近一个公益数字化项目的问题列表中，几乎所有人都想搞清楚“什么是数字化”“行业专家眼中的数字化是什么”。再往前，做区块链项目交流时，没有技术背景的朋友急切想弄明白“什么是区块链”。更早些年，客户常拉着问“到底什么是私域”，它与“社群”有何区别。

这就是现实：我们习惯并热衷于弄清一个概念，而非解决一个问题。因为首先求的是心安，其次才是其他收益。解决办法很简单——无论是与行业专家对齐概念，还是深造拿个MBA，本质都是对接了一个“专业知识库”或“专业概念库”。这恰恰是目前AI调教领域最重要且最常用的方式。例如RAG（检索增强生成），简单来说就是给大模型灌输并强化某方面更专业的知识概念。经过RAG调教的“公益专家大模型”，会引经据典地给出一个有背书的“公益数字化”解释。

所以，想尽快解决“概念焦虑”，不如干脆把自己看作一个大模型。首要任务不是像无头苍蝇一样到处乱撞求问，而是直接找到该领域最专业的知识库进行对接。在对接过程中，还可以利用AI来帮助记录与沉淀概念，甚至直接用AI代替自己回复别人的提问或挑战。比如，现在与一位经济学专家朋友单聊时，可以打开腾讯会议记录，随时询问AI——它建议进一步了解哪些可能被忽略的方面。随着交谈次数累积，AI助理会被调教得更像这位专家朋友；在他没空理你的时候，你可以肆无忌惮地挑战他的逻辑。毕竟大家都是大模型，没什么不好意思的。

“做到什么”

很多时候光“知道什么”远远不够，还必须能“做到什么”。经常使用大模型的朋友对调教提示词（Prompt）一定不陌生。能否快速提炼出合适的提示词，是新手与老手最大的区别。而且要想让AI高效完成某个任务，有时不得不给它“下个套”。比如先赋予AI一个身份角色：“请你扮演一位专业的xxx……”然后告诉它关键的行动指令：先去做什么，再去做什么，最后提供什么。每当你这样给AI指令时，会不会不由自主地感到惭愧？因为很少有人有耐心为自己拆分某项任务，并给出明确的交付说明。既然自己也是大模型，为什么不这样对待自己？

另一个从AI身上得到的深刻感触，是自我审查。AI有一个天生的缺陷——无法做到足够准确，或者说边界感不强。例如Google的Gemini在生图时引发肤色争议，原因就是无法正确理解种族价值观。如果只是一味调教AI，不仅解决不了问题，还会因为某个认知边界锁死，导致整体智力水平下降。这一点人也一样——家教太严会阻碍孩子智力发展。目前有效的方法是引入自我审查机制：在AI给出答案前，先提出相关的反问或审查，让AI自行校对后再答复。Claude3就运用这种方式化解了Gemini遇到的窘境。前不久，我自己做了一个帮助优化提示词的AI助手，一开始效果总是不尽人意，但在加入“与用户确认并自我再次确认”的指令后，效果提升非常明显。

随着与AI共处的时间越来越长，人们也会习惯在思考与行动中加入自我审查——给自己一个明确的反问句。曾经自省是个道理，当把自己看做大模型后，它就是个动作。

最后，更重要的是：学会给自己与协作的人编写“提示词”。如果你想让自己或别人去行动，一开始就要避免发出“是什么”这样的提示词，而要替换成“为了什么”“步骤是什么”“如何检验效果”。以经验来看，这个方法有效解决了咨询服务中大家往往停留空谈而难以落地的问题。很多人面对同事、上级或关系更近的人时，无法产生行动的原因，现在看很简单——就是没有好好编写提示词！

在搞清自己或对方是个什么人之前，先承认大家都是个大模型，事情会好办很多。试着想一想，如果你是个大模型，能让你立马行动起来的提示词是什么？

PS：这个思路下，每个人彼此的区别，或许首先还真是上下文处理长度不同（开玩笑）。