这篇写给不写代码的人------业务专家、管理者，以及想把 AI 用起来的普通职场人。文里提到的每样东西，你不需要会编程也能用上。
上周有人问我：怎么才算会用 AI 了？
他自己先答了："知道 skills 是啥、怎么装，知道专家怎么切，知道 MCP 能连上东西，应该就够了吧。"
这话我听过不止一遍，说的人多半刚装了几个插件、连过一两次 MCP，正觉得自己摸到了门道------所以它值得认真回一句：那是个很像终点的中途站。
装了一整箱工具，然后一个都想不起来用
新手对工具的热情是惊人的。技能市场逛一圈，这个说要，那个也要，一周下来装了二三十个。
然后真正干活的时候，脑子里空空如也。
我一开始以为是记性问题。后来发现不是------是顺序反了。skill 的价值在于它是"你某个重复劳动的解药"，但大多数人先看药，再找病。逛商店的时候满眼是"这个好、那个也好"，可日常该烦的还是烦，因为那些药跟他身上的病压根不对症。
会用的人的走法是倒过来的：先有"这事我一周做三遍，做得想死"，再去翻有没有现成的解药，没有就自己配一个。
判断自己到哪一步了，一句话就够：你手头哪些重复劳动，已经被 skill 接走了？ 一个都没有，那你还在逛商店，还没开始用。
切了专家，还是被糊弄
这坑我踩得很实。
第一次用角色专家的时候，我把它当成"换了个皮肤的聊天机器人"，客客气气地跟它说"帮我写篇文章"。它回我的东西，和通用助手给的没两样------四平八稳，谁都能写。
我当时的反应是"专家就这水平"。其实不是它的问题。
你说"写篇文章"，它就只能在公共池子里捞一篇给你。你说"读者是完全不懂技术的人，开头要拿他们的日常常识反着来，中间举三个他们生活里的例子，结尾不许升华"，它才可能真给你想要的东西。
专家是放大镜，不是许愿池。 你手里得先有东西，它才有东西可放大。你交给它一团雾，它还你一团雾，只是这团雾贴了专家的标签。
连上了 MCP 差点信了错数据
MCP 最容易让人上头。看着 AI 真的翻开了你的 Jira、真的在读你的 Confluence，那一刻确实爽。
爽完就该害怕了。
它拉回来的那份数据，是你以为的那份吗？表名对不对，时间范围对不对，字段的中文名和实际含义是不是一回事？数据本身是脏的时候，它会安静地把错的结果当对的给你吗？------会，而且给得非常自信。还有你没权限看的那部分，它是老实避开，还是硬答一个听起来合理的？
我见过最危险的场景，不是 AI 答不出来，是它答得又快又顺畅，而你没核。
MCP 给的是能力 ，不给正确性。连上之后那句"等等，我得核一下"，才是会用的人的标志。
那到底怎么算会用
一条线，好不好使你自己试：
AI 卡住的时候，你能判断出它缺的是什么，而且知道该补哪一样。
缺的东西无非三种。
缺上下文 ------它不知道你的业务、你的数据长什么样、你的约束在哪儿。这时候要补的是材料，不是换更花哨的提示词。 缺视角 ------它给的答案太通用、像正确的废话。这时候要补的是立场，切个专家，或者加一句"你站反对者的角度再想一遍"。 缺工具------它不是不会，是够不着。这时候才轮到 MCP 上场。
工具会变，今天叫 MCP，明天可能换个名字，今天流行专家，明天换个形态。但"它到底缺什么"这个追问，是恒定的，比记住三个名词重要得多。
回到开头那个问题。知道 skills、专家、MCP 是不是就够了？
那只是让你认得出工具箱里有什么。真正要练的，是另一件事：别盯着工具箱，盯着你手里的活儿。活儿卡在哪儿，你就知道该摸出哪把。
说白了，玩 AI 玩到最后，练的不是工具知识，是诊断能力。
附：五道题，看看你到底入门没有
不用翻回去对照，凭第一反应答是或否就行。
- 过去一个月里，有没有哪件事是你把整个活交出去、它把结果交回来的。只是帮你搜搜资料、润润文字，不算。
- 你手头那些"一周要做三遍"的活儿，有没有至少一件，已经交给一个固定配置去跑了。
- 派活给 AI 的时候，你会不会忍不住补一句"读者是谁""要什么格式""别写什么"。
- 它给你的答案里，有没有哪一次是你核出来不对的。
- 它卡住的时候，你能说出它缺的是材料、是角度，还是权限。
数一下答"是"的个数：
- 0~1 个：还是在老办法干活。你会跟人说"AI 挺好用"，可真要你举一件它这周替你干完的事，你举不出来------周报自己敲，数据自己从表里拉，客户的问题自己翻聊天记录。
- 2~3 个：能用了，但每件事都得重新交代一遍。上周刚教过它的格式，这周又得从头说一次。卡点就在第二题。
- 4~5 个：你已经不关心市面上有多少工具了，只关心手里这活儿卡在哪一步、该给它补点什么。