五个习惯
一、善于拆解问题
核心逻辑：AI是执行者，人是设计者。
对项目的全流程和细节了如指掌，能够将复杂的大问题拆解为具体的、AI可执行的子任务。
二、上下文管理大师
核心逻辑：理解模型极限，追求高效输出。
当前AI模型，在上下文超过窗口标称75%左右后性能会急剧下降。
因此需要筛选最关键的信息投喂给AI，争取在有效上下文窗口内解决具体的一个子问题，而非一股脑塞入所有信息。
三、善用反问
核心逻辑：通过交互查漏补缺，提高上限。
不仅向AI提问，还让AI反问自己。
四、沟通精准
核心逻辑：输入质量决定输出质量（Garbage in, Garbage out）。
AI是基于概率预测的机制，能够使用精准、专业、逻辑通畅的语言进行提示，引导AI生成高质量内容。
五、保持空杯心态
核心逻辑：AI发展迅速，经验需要不断迭代。
即使是行业顶尖专家也需要保持谦逊，不固守旧经验，不断调整自己与AI的协作方式，持续探索人机协作的最佳契合点。
行动清单
一、每次用 AI 前，先写三行
-
目标是什么？
-
哪些不能让 AI 决策？
-
哪些是可自动化执行的？
二、固化上下文压缩模板
-
背景（只留决策必需的信息）
-
目标
-
约束条件
-
输出格式
-
评价标准
三、AI 反问模板
如：在当前信息下，
-
哪 3 个关键信息缺失？
-
哪 2 个风险点我可能忽略了？
-
这个方案最脆弱的一步是什么？
四、人类对 AI 的API能力
-
模糊输入 ------ 未定义行为
-
精准输入 ------ 稳定输出
五、每隔 3 个月，强制问 AI 一次
过去 3 个月，我使用 AI 的方式，
-
哪些已经明显过时？
-
哪些新范式值得尝试？
AI 时代个人生产力系统
在这个系统中，人管方向与结构，AI 管速度与规模，一共分为五层。
决策层负责选目标，防跑偏。
认知层负责拆问题，防失控。
执行层负责产出，提效率。
记忆层负责存结构，防遗忘。
校验层负责纠错，防幻觉。
每个层级中，人与 AI 分工协作。
五个模块
个人生产力系统，也可以拆分成 5 个相对独立的工作模块。
模块 1：问题建模器
- 功能：
-
把模糊目标 → 结构化任务
-
明确：目标 / 约束 / 评价标准
-
人负责：问题边界
-
AI 负责：补充选项、暴露盲区
模块 2：上下文压缩器
- 功能：
-
把 100 页背景 → 1 页"决策最小充分集"
-
控制信噪比
-
人负责：判断什么重要
-
AI 负责：摘要与提炼
模块 3：AI 执行流水线
- 功能：
-
把任务拆成可并行的子任务
-
多 Agent 并发（分析 / 方案 / 风险 / 反对意见）
-
人负责：结构设计
-
AI 负责：规模化执行
模块 4：结构性记忆系统
- 功能：
-
存结构，不是存内容
-
可复用：模板、框架、决策树、评价标准
-
人负责：结构抽象
-
AI 负责：检索与复写
模块 5：自我校验系统
- 功能：
-
反问
-
找盲区
-
压幻觉
- 标准反问模板：
-
这个结论最可能错在哪里？
-
如果对立立场，会怎么反驳？