与 AI 共事

除了三条原则，几种做法在实践中反复证明有效。

设定角色和约束。「你是一位有二十年经验的初中物理老师，正在给一个刚学到浮力、对公式有畏惧的学生解释」，比「解释浮力」得到的回答更贴切。角色不是魔法，它只是一种高效的上下文：一句话唤起了模型在训练中见过的那一类文本的全部风格与深度。约束同样重要：「不超过两百字」「不用列表」「只用中文」。

分解任务。一个大任务拆成几步，每步单独问，并把上一步的结果作为下一步的输入。这是第十一章智能体在自动做的事，你手动做也一样有效，而且每一步你都有机会纠偏。

迭代而不是重来。第一次的回答不满意，不要换个说法从头问，而是指出具体哪里不对：「第二段的例子不适合小学生，换一个和课间活动有关的」。模型的上下文里保留着前一轮，修改比重来省力，也更准。

让它批评自己。「找出上面这段回答里最可能有错的三处」。这是第十章交叉验证的一种，成本几乎为零，经常能抓出编造的细节。

这些做法有一个共同的底层逻辑：你在用文字操纵一个概率分布的形状。理解了这一点，你不需要背任何「提示词模板」。

下面十条覆盖日常最常见的用法。每一条都体现了前面的原则：说清对象和标准，给结构，让它先想。方括号里换成你的内容。

1. 改写给特定读者：「把下面这段话改写给 [小学三年级家长]。要求：口语、不超过 [150] 字、保留 [三个时间点]，去掉专业词。原文：……」
2. 先大纲后成文：「我要写一篇关于 [主题] 的 [1500 字文章]，读者是 [谁]。先给我一个五段式大纲，每段一句话说明要点，我确认后再展开。」
3. 出题：「根据下面这段材料出 [5] 道 [单选] 题，难度 [中等]，每题附答案和一句话解析，考查 [理解而不是记忆]。材料：……」
4. 找反例：「下面是我的论证：……。请找出三个最强的反对理由，每个理由一段，不要顺着我说。」
5. 解释给外行：「用一个 [日常生活] 里的类比解释 [概念]，不超过 [100] 字，然后用一句话说明这个类比在哪里不准确。」
6. 总结带来源：「总结下面的材料，分 [三] 条要点，每条后面用括号标出它来自材料的第几段。材料里没有的内容不要加。材料：……」
7. 对比方案：「我在 [A] 和 [B] 之间选择，用于 [场景]。列一张表，比较 [成本、上手难度、风险] 三项，最后给出一个推荐并说明前提。」
8. 自我检查：「读一遍你上面的回答，找出最可能有错的三处，说明为什么可疑，需要我怎样核实。」
9. 角色扮演练习：「你扮演 [一位对新政策有疑虑的家长]，我扮演老师。你一次只提一个问题，语气 [礼貌但坚持]，我回答后你再追问。开始。」
10. 诚实模式：「回答下面的问题。如果你不确定，明确说不确定，并说明你确定的部分和不确定的部分分别是什么。问题：……」

这些模板的价值不在字句，而在结构。用几次之后，你会自然地在任何提问里带上对象、标准、格式和验证要求，那时就不需要模板了。

把分工表落到三个学科的具体场景，看它怎样运作。

语文：作文评讲。交给它：对三十篇作文各写一段初步评语，指出结构问题和三处可改的句子。一起做：让它按「论点是否清晰」「论据是否支撑」两项给每篇打分，老师抽查五篇，校准它的标准，再让它重打。留给自己：决定给每个学生的评语最终怎么写，因为老师知道这个孩子上一篇作文是什么样、这次进步在哪。陷阱：模型偏爱辞藻华丽、结构工整的文章，可能低估朴素但真诚的表达；老师要为这一点纠偏。

数学：错题分析。交给它：把一次测验的错题按知识点归类，统计每个知识点的错误率。一起做：对错误率最高的知识点，让它猜三种可能的误解原因，老师根据课堂观察判断哪种最可能。留给自己：决定下节课讲什么、怎么讲。陷阱：模型对「为什么错」的猜测是基于常见模式的，未必符合这个班；它给的是假设，不是诊断。

历史：史料辨析。交给它：把一段文言史料翻成白话，标出有争议的词。一起做：让它列出这段史料在学界的几种解读，老师核对来源。留给自己：讲课时对史料可信度的判断，以及引导学生质疑的方式。陷阱：这正是第十章说的「需要精确事实的冷门领域」，模型可能编造不存在的学者观点和出处，每一条都要核。

三个场景的共同点：模型承担的是「量」的工作，人承担的是「对这个班、这个学生」的判断。而且每个场景都有一个专属的陷阱，需要懂这门课的人才能看出来。

把东西交给一个 AI 产品之前，先想清楚它去了哪里。

数据去向。你输入的内容会被发送到提供服务的公司的服务器。它是否被用于训练、保存多久、谁能看到，取决于产品的条款，而条款各不相同。学生的作业、病人的检查结果、公司的内部文件，不要交给条款不明的服务。第五章说过「数据最小化」：只提供任务需要的部分，能匿名的先匿名。

账号与权限。第十一章的智能体需要访问你的文件、邮件、日历才能工作。每授予一项权限，就多了一条提示注入可以利用的通道。只给必需的权限，重要操作保留人工确认，定期看一眼它做了什么。

对方是不是人。第十一章说过，声音和影像已经不能当作身份证明。涉及转账、密码、紧急求助的电话或视频，用另一个渠道回拨确认。这条对老人和孩子尤其重要。

生成内容的标注。用 AI 生成的文字、图片、代码，在需要的场合说明。这不只是诚实，也是让读者能正确校准信任。学术、新闻和法律领域已经有明确要求，其他领域正在跟上。

关于「AI 会不会取代我的工作」，本书能给的不是预测，而是一个比「会」或「不会」更有用的框架。

AI 替代的单位不是「职业」，而是「任务」。一个职业由几十项任务组成，其中一些有大量先例、结果可检查、错了代价低，那些会最先被自动化，不管它属于哪个职业。一个律师的合同初审、一个医生的报告初稿、一个程序员的样板代码、一个教师的出题和批改，都在这一类。而同一个职业里的另一些任务，对一个具体的人的判断、承担后果的决定、在没有先例时的创造，短期内不会。

所以更准确的问题是：我的工作里，有多大比例是第一类任务？比例高的职业会先被重塑：不是消失，而是一个人能做以前三个人的事，于是需要的人变少，留下的人做的事变了。比例低的职业变化慢，但也会变，因为周边的工作变了。

历史上每一次技术变革都伴随「这次不一样」的判断，结果既不是乐观者说的「会创造更多新工作」的简单重演，也不是悲观者说的大规模失业。真实的模式是：总量最终恢复，但过程中有人被抛下，被抛下的往往是最没有能力转型的人。这一次的特殊之处在于速度：以前的变革以一代人为单位，这一次以几年为单位。

本章前面讲的三种素养，提问、判断、负责，正是第二类任务共同需要的东西。这不是安慰，而是一个务实的建议：把自己的时间投向那些 AI 做不了的部分，同时学会用它做另一部分。

如果你是教师，想把这门课的内容带进课堂，下面是几个可以直接用的活动，每个对应前面的一章，不需要任何编程。

二十四小时盘点（第一章）。让学生列出过去一天接触过的所有 AI，然后按识别、预测、生成、决策分类。讨论：哪一类最多？哪一类你最没意识到？

写不出来的规则（第二章、第六章）。分组，让每组用文字写出「什么是猫」的判据，然后互相找反例。十分钟内每组的规则都会被攻破。这就是规则系统的墙，也是为什么需要从例子里学。

考试在训练集之外（第五章）。给学生一份「去年的题」让他们复习，然后考一份「今年的题」。讨论：背答案和学会了有什么区别？怎样判断一个人（或一个模型）是哪一种？

当一回分词器（第七章）。用本站的分词实验，让学生输入自己的名字、一句诗、一段英文，比较 token 数。讨论：为什么中文更「贵」？这对谁不公平？

抓幻觉（第十章）。让学生用聊天助手查一个他们熟悉的冷门事实（自己学校的历史、家乡的一条街），然后核对。统计错误率，分类错误类型。讨论：语气和正确率有关系吗？

人在回路（第十一、十二章）。让学生用 AI 写一篇短文，然后要求他们对每一句话负责：逐句标注「我确认这是对的」「我改了」「我删了」。最后讨论：哪些句子你不敢确认？为什么？

这些活动的共同点是：不教学生「用 AI」，而是让他们亲手撞上 AI 的边界。撞过一次的人，以后会自己小心。

如果你是家长，或者你要向家长解释，下面五条是这门课的浓缩。

一、孩子会用 AI，这不是能不能的问题。禁止的结果是偷着用、用得差。可以做的是一起用：让孩子解释 AI 给的答案，问「它凭什么这么说」，把 AI 的回答当作讨论的起点而不是终点。

二、AI 会一本正经地说错话。教孩子一个习惯：任何来自 AI 的数字、日期、人名、引用，都要用另一个来源核对一次。这个习惯对新闻、对广告、对一切信息都适用。

三、声音和影像不再能证明身份。和孩子约定一个只有家里人知道的确认方式。接到「家人」的紧急电话或视频要求转账，先挂断再回拨。

四、不要把孩子的作业、照片、病历交给条款不明的 AI 服务。它们可能被保存、被用于训练。用之前看一眼「数据怎么处理」。

五、最重要的能力没有变。提出好问题、判断信息好坏、为自己的产出负责，这三件事在 AI 出现之前就是教育的目标，现在只是更显眼了。一个会用 AI 但不会判断的孩子，比一个不会用 AI 的孩子更危险。