← → 翻页 · ESC 索引
01 / 36

把 AI
用出生产力。

会用 AI,和用好 AI,中间差着一整个技能体系。跟着巧手猫,把 prompt、上下文、RAG、Agent 这些"真本事"一个个练会。

💬 Prompt 工程 📚 RAG 🤖 Agent
巧手猫在工作台前
共 36 页 · 约 25 分钟 → 方向键开始
02 / 36

巧手猫会带你练四套手艺

用好 AI,
本质是四种能力的组合。

💬

提问

Prompt 工程:怎么把需求说清楚

P03 – P11

🧠

记忆

上下文工程:怎么管 AI 的记忆

P12 – P18

📚

查证

RAG:给 AI 配外挂大脑

P19 – P25

🤖

放权

Agent:让 AI 自己干一串活

P26 – P36

每套手艺都配真实工作流——学完,你就能把 AI 当成一个真正的全能助手

03 / 36

第一章 · 提问的艺术

同样的 AI,
问法不同,天差地别

第一个要练的手艺:怎么把脑子里的需求,翻译成 AI 能听懂的话。这叫Prompt 工程。

巧手猫接指令
04 / 36

先记住这个万能公式
受众 + 目的 + 风格 + 约束 + 参考。

👥

受众

给谁看?

🎯

目的

想达成啥?

🎨

风格

啥调性?

📏

约束

字数/禁忌?

📎

参考

有样板?

❌ 公式前

「帮我写个自我介绍」

✅ 公式后

「给高一新生写自我介绍,目的是竞选班长,风格活泼自信,300字内,别用套话,参考:像和同学聊天」

05 / 36

第一招:角色设定
先告诉它「你是谁」。

没设定角色

「怎么复习数学?」

→ AI 给一堆泛泛的建议,谁都能说,没用。

设定了角色

「你是一位带过20届高三的数学老师。我现在高一,函数这章没学懂,给我制定2周补漏计划。」

→ AI 立刻进入老师视角,给具体的、分天的、可执行的计划。

💡 原理:设定角色,等于把 AI 锁定在「它训练数据里某个专家的视角」。同一个问题,"数学老师""编剧""律师"会给出截然不同的答案

06 / 36

第二招:少样本
说一百句,不如给三个例子

例子 = 最精确的说明书。

你想让 AI 把句子分类(正面/负面),与其费力解释规则,不如直接给:

「这电影太烂了」→ 负面
「今天天气真好」→ 正面
「快递又迟了」→ 负面
现在:「食堂阿姨多打了一个鸡腿」→ ?

AI 一秒就懂你要的格式和判断标准。

巧手猫学样
07 / 36

第三招:思维链
加一句"一步步想",难题迎刃而解。

直接问

「鸡兔同笼,头10个脚26只,各几只?」

→ AI 可能直接蹦答案,复杂题容易算错。

加思维链

「……请一步一步推理,先列方程再求解。」

→ AI 写出过程,既不容易错,错了你也能看出错在哪

🧠 为什么有效?AI 本质是"逐字生成"。让它"先想后答",等于给它更多步骤去推演,每一步都为下一步铺路——就像人做难题也要打草稿。

08 / 36

第四招:自我反思
让 AI 当自己的审稿人

三连问模板:

①「请检查上面的回答,有没有事实错误?」

②「有没有遗漏重要方面?」

③「如果满分10分,你打几分?为什么?」

AI 自己审一遍,质量往往明显提升,还会主动补漏。

巧手猫自查
09 / 36

四种最常见的翻车现场

😵 太笼统

「写篇文章」→ AI 不知道写啥、多长、给谁。结果平庸。

→ 补足受众+目的+约束

🙃 自相矛盾

「详细点但要简短」→ AI 左右为难,两边都做不好。

→ 矛盾时,明确优先级

🙅 没给约束

不说字数/格式/禁忌,AI 自由发挥,常跑偏。

→ 主动声明「不要什么」

🔄 反复重问

不满意就换句话重问,但不告诉它上次哪里不对。

→ 明确指出「具体改哪里」

🔧 记住:AI 答得不好,多半是你没问好。先反思 prompt,再怪 AI。

10 / 36

提问四招,
已经能甩开 90% 的人

1
万能公式 · 受众+目的+风格+约束+参考
地基
2
角色 + 少样本 · 让它扮专家、学例子
定位
3
思维链 + 自我反思 · 让它一步步想、审自己
提质

但 prompt 再好,AI 记不住也白搭——
下一章讲怎么管它的"记忆"(上下文工程)。

→ 翻到下一章

11 / 36

第二章 · 管理 AI 的记忆

AI 的工作台
大小有限。

prompt 再好,AI 记不住也白搭。这一章讲上下文工程——怎么在有限的"记忆"里,放对东西、扔掉没用的。

巧手猫的工作台
12 / 36

把 AI 的记忆,
想成一张固定大小的工作台

类比 · 工作台

巧手猫面前的工作台就这么大,能摆的东西有上限。这个上限就是上下文窗口(比如 12.8 万 token)。

所有对话、你给的资料、它的思考,都挤在这张台上。满了,最早的东西就被挤下去"忘了"。

工作台
13 / 36

聊太久 / 给太多,
AI 就开始忘前面

😵 典型症状

• 聊到第 50 轮,忘了第 1 轮说的要求

• 喂了一本 500 页的书,只记得后半本

• 你强调过"不要用某词",后来它又用了

🧠 为什么

不是 AI "故意忘",而是窗口满了,旧的被挤出去。就像工作台摆不下,最早的资料被收进抽屉(且找不回来)。

💡 所以上下文管理的核心问题:有限的台面上,放什么、扔什么、怎么组织,才能让 AI 始终记得该记得的。

14 / 36

让 AI 记得牢的三个办法

重要的事反复说

关键要求放在开头、中间、结尾各说一次。别假设它"应该记得"。

定期总结

聊久了,让它先总结已达成的共识,用简短摘要代替冗长历史。

分段处理

超长任务拆成几段,每段单独处理,最后合并,别一次塞太多。

15 / 36

同样的内容,
排版好的 AI 更懂。

😵 一坨文字

「帮我写文案,产品是保温杯,卖点是保温24小时不锈钢轻便,受众是上班族,风格要简洁有力,300字」

✅ 结构化

【产品】保温杯
【卖点】保温24h/不锈钢/轻便
【受众】上班族
【风格】简洁有力
【字数】300字

📐 用 Markdown / 标签 / 列表把信息分层,AI 解析得更准、漏得更少。结构化 = 给 AI 戴眼镜

16 / 36

第三章 · 给 AI 配外挂大脑

AI 知识有
截止日期

训练完那一刻,它的知识就"冻结"了。问最新的、问私密的资料,它要么不知道,要么瞎编。RAG 解决这个问题

巧手猫开卷考试
17 / 36

光靠"记忆",
AI 有两个硬伤

📅 知识过时

训练数据有截止日期。昨天发生的新闻、最新的政策,它都不知道

「2026 年最新的高考政策?」→ 它可能答 2024 年的

📚 不懂私有资料

你公司的文档、你写的笔记、班级的资料——它从没见过,自然答不出

「我们班上周定的值日表?」→ 它根本不知道

🔧 RAG 的思路:别让 AI 死记,让它开卷考试——临时查资料再回答。

18 / 36

RAG = 检索 + 生成

检索 Retrieve

先从你的资料库里,找出和问题最相关的几段

类比:考试时翻书找依据

+

生成 Generate

把找到的资料 + 你的问题,一起交给 AI,让它基于资料回答

类比:翻完书再答题

📖 这就是"开卷考试"——AI 不靠死记,靠临时查证。答得又新又准,还能标出处。

19 / 36

语义相似
不是关键词匹配。

向量检索的妙处:

把每段文字变成一串数字(向量),意思相近的文字,数字也相近

问"怎么提高睡眠质量"→ 能找到讲"改善失眠""助眠方法"的段落,哪怕没用同一个词。

这比死抠关键词聪明多了——它懂"意思",不只是字面。

语义检索
20 / 36

第四章 · 让 AI 自己干活

单轮问答
到自主完成。

前面三招(prompt/上下文/RAG)还在"一问一答"。Agent 是放手让 AI 自己拆任务、用工具、一直干到完成。这是终极形态。

巧手猫团队协作
21 / 36

普通对话 vs Agent

💬 单轮问答

「帮我做份调研」
→ AI 回答"建议你这样调研……"

你问一句,它答一句。剩下的活还得你自己干

🤖 Agent

「帮我做份调研」
→ 自己搜索 → 整理 → 写成报告 → 发你

真的把活干了,你只管提需求和验收。

Agent = 会拆任务 + 会用工具 + 会自我反思 + 有记忆的 AI。

22 / 36

Agent 反复跑一个循环
思考 → 行动 → 观察。

💭

Think 思考

"这一步我该做什么?用什么工具?"

🔧

Act 行动

调用工具:搜索、跑代码、查资料

👁️

Observe 观察

看工具返回的结果,决定下一步

🔁 循环往复,直到任务完成或发现自己走不通。这就是 Agent 能自主完成复杂任务的秘密

23 / 36

复杂任务,
多个 Agent 分工

就像一个团队:

🔍 搜索员 · 专门负责查资料

📊 分析员 · 专门负责整理数据

✍️ 撰稿员 · 专门负责写报告

各司其职,互相传递结果,比一个 AI 全包更稳。

多 Agent 协作
24 / 36

第五章 · 五大实战工作流

把四招,
用进真实场景

接下来看五个最常见场景——写作、编程、学习、研究、创意,每个都有一套成熟的 AI 协作流程

25 / 36

✍️ 写作四步

1构思 · 让 AI 给多个角度,你选
2起草 · 你定方向,AI 快速成稿
3润色 · 让 AI 改语病、调语气
4校对 · 让 AI 查事实、查错别字
写作流水线
26 / 36

💻 编程四步

1需求 · 用大白话说要什么
2设计 · 让 AI 出技术方案
3编码 · AI 写,你审
4调试 · 报错贴给 AI,它帮改
编程流程
27 / 36

学习 · 研究 · 创意

📚 学习

提问→讲解→测验→复盘
不懂的让它换讲法,懂了就让它出题考你。

🔬 研究

搜资料→整理→分析→成文
让 AI 当文献助手,你定方向和判断。

💡 创意

发散→收敛→落地
先让 AI 猛出点子,再一起筛选、打磨成方案。

🔄 通用规律:所有工作流都是 PDCA 循环(计划-执行-检查-改进)的 AI 版——你来 P 和 C,AI 来 D 和 A

28 / 36

AI 不是万能,
有些事别交给它

❌ 关键决策

选学校、医疗方案、大额投资——AI 只能提供信息决定必须你来

❌ 需要事实确证的

法律条文、医学数据、历史细节——AI 会幻觉,务必自己核对权威来源

❌ 隐私敏感的

身份证号、密码、商业机密——别发给任何在线 AI

❌ 需要原创思考的

你的个人感悟、独特见解——AI 能帮表达,但核心得是你的

29 / 36

三个效率技巧

📋

存 prompt 模板

常用的好 prompt 存下来,下次直接套用,不用重写。

📦

批量处理

一次给 AI 一批任务(如"翻译这 20 句"),比一句句问快得多。

🔗

工具串联

prompt + RAG + Agent 组合用,能完成单个搞不定的复杂任务。

30 / 36

四套手艺,
一张技能地图

💬
提问 · Prompt 工程
🧠
记忆 · 上下文工程
📚
查证 · RAG
🤖
放权 · Agent
技能地图
31 / 36

三个练习,
把今天学的用起来

① 用万能公式,重写一个你常问 AI 的问题。

对比重写前后的回答质量。

② 找一篇长文章,让 AI 总结。试着用"分段+合并"处理。

体会上下文管理的作用。

③ 给你的学习/爱好,设计一个 Agent 工作流。

比如"每天自动帮我整理错题"。

32 / 36

这一份,
最实用的一份。

第一份懂原理,这一份真上手。学完这四招,你已经超过90% 还在"随便问问"的人

三部曲定位:

• 篇一(多毛鸟):懂原理
• 篇二(巧手猫·本篇):练技能
• 篇三(吉卜力):看世界

🐦 篇一
AI 怎么学出来的

🐱 这一份
把 AI 用出生产力

🌿 下一篇
AI 正在改变的世界

33 / 36

想真练?
这些工具免费用。

💬 练 Prompt

• ChatGPT / Claude / Kimi / 豆包(对话练)

• OpenAI Playground(调参数看效果)

📚 练 RAG

• Coze / Dify(搭知识库,零代码)

• NotebookLM(喂资料让它答疑)

🤖 练 Agent

• Claude Code / Cursor(编程 Agent)

• Coze 智能体(搭工作流)

🎯 最重要

工具会变,方法不变。把本篇的四招内化成习惯,换什么工具你都吃得开。

34 / 36

把这一句记住

用好 AI 的人,
不是会用复杂命令的人,
而是会拆任务、会提问、会验收的人。

这些能力,恰恰是 AI 替代不了的
所以练它们,就是在练你的不可替代性

35 / 36

练好了手艺,
该看看更大的世界了。

下一篇《AI 正在改变的世界》,带你看看 AI 在写作、编程、学习、艺术、科研里到底改变了什么,以及——在这个时代,你该怎么做

🌿 吉卜力风 · 龙猫带你游历 AI 改变的六个领域

继续上路
36 / 36

THE END · 篇二完结

现在,
你是会用 AI的人了。

🎯 四套手艺(提问/记忆/查证/放权)+ 五个工作流,足够你应对绝大多数场景

🚀 别停在"看懂"——今天就挑一个工作流,真用一次

巧手猫继续干活

谢谢巧手猫陪你练就一身本领 🐱
AI 进阶 · 篇二《把 AI 用出生产力》