第四生产力 · AI 使用方法设想你准备出去玩三天让 AI 做一份旅行计划。它很快交来一篇攻略上午逛博物馆中午去老街下午看海晚上还有一家推荐餐厅。看着挺丰富。可真要订酒店你又拿不准这些地方离得远吗一天是不是都在赶路如果不想早起该删掉哪一站你让它“再简洁一点”它把攻略压成表格。字少了疑问却没少。你缺的那部分信息可能根本不适合继续用一段话来解释。攻略写得很完整为什么你还是拿不准上面是一个假设场景。但其中的困难并不需要特殊背景只看地点清单很难同时想清楚它们的位置、路上的时间以及自己能不能接受这个节奏。再问一次当然可能有用。AI 可以补上交通方式解释为什么这样安排。只是你还得在脑子里把这些零散信息拼起来。我会换个要求把已经核实的地点标到地图上按游览顺序连起来旁边再放一条时间轴把游览、交通和休息分别标清楚。地图回答“往哪走”时间轴回答“一天怎么花”。这两件事摆在一起才方便检查有没有反复折返、是否把午饭和休息挤没了。这并不是让攻略变漂亮。你要求 AI 补交的是一个能帮助你判断这份攻略的东西。Karpathy 最近分享的AI 使用建议就值得从这个角度理解。他谈到更清楚的文字、图、交互网页以及按具体主题定制的讲解视频。我更在意他最后的判断随着模型承担更多基础工作人会把更多时间花在理解和监督结果上而模型也可以帮助制作过去不值得专门制作的定制工具。放到旅行这件事上AI 已经替你写了攻略为什么不能再替你做一张方便检查它的路线图如果要求变了不必重新读一整篇路线图让你看清了原计划。但你还有一个问题我不想那么早出门怎么办以前你可能需要在地图、攻略和备忘录之间来回切换自己重排日程。现在可以尝试让支持网页生成与预览的 AI做一个只服务这次旅行的小页面。里面不用有酒店预订、社区评价、积分商城。只需要你已经选定的地点以及几个与你有关的选项晚一点出发少走一站或者多留一点吃饭时间。这样的页面应该能让你修改条件再查看调整后的日程比较哪些安排需要往后挪、哪些已经放不下。但要写清它按什么规则调整。交通用时是估算还是已查询有没有考虑预约时间不确定的地方要露出来不能让一个按钮替你假装算好了。你想知道的已经从“这份攻略写了什么”变成“换成我的要求这份攻略会怎样”。这也是交互比静态呈现多出来的价值你能带着自己的问题去试而不必只接受作者选好的那一种情况。设计者 Bret Victor 早在 2011 年就提出过“可探索解释”。到 2024 年补充说明时他特别强调重点不只是互动图片还包括把论证背后的事实、假设和计算展示出来让读者能够修改、质疑。作者原文这是一种设计思路不是证明 AI 网页有效的实验。它给我的启发很直接一个真正帮助理解的页面要让人看清结论怎么来的也能检查条件变了以后它还站不站得住。只为一次旅行做个工具会不会太奢侈如果需要找人开发、沟通需求、反复验收为一次短途旅行做个页面确实很难划算。Karpathy 这条建议有意思的地方就在这里当模型能参与写代码和制作内容定制的范围就可能变小小到只服务某个人眼前的一次疑问。这不是说成本归零。你仍可能需要付费、等待生成、修改错误。但不必先证明它能成为一个长期产品才允许自己尝试。已有产品提供了这样的入口。例如Claude 官方对 Artifacts 的说明包含单页网站、图表、仪表板和小型交互工具并支持在对话旁查看、修改产物。官方说明这说明有工具可以承接这类要求不代表随便一个聊天窗口都能做到更不代表地图数据、计算逻辑和预览效果会一次正确。我的判断是不必每次都做工具但可以改变提需求的习惯。除了“替我整理一个答案”再问一句“这个答案里的哪部分值得做成我能查看、调整的东西”旅行结束页面可以不用了。实际地点、确认过的信息和重要记录仍值得保留。“临时使用”的是工具不是对准确性的要求。回到工作里你也可以这样检查一份分析把旅行换成工作需求并没有那么陌生。假设你经营一家小店有一份按日期、商品和销售渠道记录的经营表。你让 AI 分析最近营业额为什么下降它交来一段总结“订单减少部分商品表现不佳。”你很可能还想问少的是哪几天线上线下都少了吗到底是买的人少了还是每单花的钱少了这时候只让它把报告再写长一点未必是最有用的下一步。可以要求它根据这份表做一个简单分析页让你按日期、商品或渠道查看。先把订单数量和每单实收分开再对照原表看发生了什么。你想检查线上渠道就切到线上想看看某类商品就只看那一类。这与旅行页面是同一种需求把结论背后的关系摆出来让你能围绕自己的疑问继续查看。不过页面能点、图表会动你就能放心了吗如果 AI 把退款订单也算进去了或者比较的两段时间长短不同页面照样可以很漂亮。按钮能点、图表会变并不能说明它分析对了。所以我会要求它把数据范围、统计口径和计算方式一起展示再从原表抽几项核对。不要只让同一个 AI 再说一句“我检查过了”。即使数据算对图表也主要告诉你“哪里发生了变化”。它不能单凭销量下降就证明产品质量出了问题或认定某次营销造成了下降。原因还要结合其他证据调查。这是本文假设的应用方式不是某家企业的成功案例。真正用于工作时也只能处理获准使用的数据先拿脱敏材料试不必为了做个页面就把经营明细全交出去。如果要持续给团队使用它就不再只是临时产物。数据更新、错误修复和结果核验都要有人负责不能因为第一次打开能用就当成稳定系统。那么视频又适合解决什么问题Karpathy 最看好的是量身定制的讲解视频。我的理解是它尤其值得用在“需要跟着过程才能看懂”的内容上。比如你想理解一台设备怎样工作或者某个技术步骤为什么会影响后面的结果。只看几个名词脑子里没有过程动画可以依次展示变化并在你卡住的地方停下来解释。但旅行路线已经一眼能看清就没必要再要求一支视频。店铺数据需要自己筛选比较也未必适合只看一段固定播放的解说。视频不是比网页更高级的标准答案。选它是因为你需要看清变化过程。Mayer 的多媒体学习研究在科学机制教学材料中发现无关的文字、图片或声音可能干扰学习。研究说明这不是今天 AI 视频的直接测评也不能证明动画总是有效。它提醒我们加进去的画面最好确实回答了一个问题。炫一点并不自动多懂一点。下一次换一种方式向 AI 要结果我觉得值得尝试的变化是让 AI 根据当前问题制作一个专属的理解工具旅行时看路线和时间分析经营时看数据关系学习陌生机制时看变化过程。按这个方向推测未来一部分 AI 输出可能会带着与任务配套的临时界面。你收到的不只有报告还可能有帮助检查报告的图表和选项。这不意味着通用软件会消失也不意味着每个人都应该自己造软件。需要长期稳定运行的工具与帮助理解一次结果的临时页面承担的责任不同。回到开头你不一定缺一份更长、更详细的旅行攻略。你可能缺的是把位置和时间放在一起看清这份安排是否适合自己。下次拿到一份让你犹豫的 AI 答案可以试着提出这个要求根据这份材料做一个帮助我判断的图解或小页面。我想看清的是____想尝试改变的是____。请把资料来源、计算依据和不确定的地方放在对应位置不要只展示最后的结论。从一个具体疑问开始做到足够看清就停。让 AI 帮你看清这份答案而不只是继续增加答案。—— 第四生产力 ——专注企业级 AI 工程实践RAGAgent推理优化集群调优从模型能力到业务价值的最后一公里。