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。
巧手猫会带你练四套手艺
Prompt 工程:怎么把需求说清楚
P03 – P11
上下文工程:怎么管 AI 的记忆
P12 – P18
RAG:给 AI 配外挂大脑
P19 – P25
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。
第一章 · 提问的艺术
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。
给谁看?
想达成啥?
啥调性?
字数/禁忌?
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」
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。
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:
AI 一秒就懂你要的格式和判断标准。
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。
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。
「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
「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
不说字数/格式/禁忌,AI 自由发挥,常跑偏。
→ 主动声明「不要什么」
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。
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
第二章 · 管理 AI 的记忆
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。
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"。
• 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
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。
关键要求放在开头、中间、结尾各说一次。别假设它"应该记得"。
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。
超长任务拆成几段,每段单独处理,最后合并,别一次塞太多。
😵 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。
第三章 · 给 AI 配外挂大脑
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。
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
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。
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
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。
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。
第四章 · 让 AI 自己干活
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。
「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。
「帮我做份调研」
→ 自己搜索 → 整理 → 写成报告 → 发你
它真的把活干了,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。
"这一步我该做什么?用什么工具?"
调用工具:搜索、跑代码、查资料
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。
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。
第五章 · 五大实战工作流
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。
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。
搜资料→整理→分析→成文
让 AI 当文献助手,你定方向和判断。
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。
选学校、医疗方案、大额投资——AI 只能提供信息,决定必须你来。
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。
身份证号、密码、商业机密——别发给任何在线 AI。
你的个人感悟、独特见解——AI 能帮表达,但核心得是你的。
常用的好 prompt 存下来,下次直接套用,不用重写。
一次给 AI 一批任务(如"翻译这 20 句"),比一句句问快得多。
prompt + RAG + Agent 组合用,能完成单个搞不定的复杂任务。
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"。
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
• ChatGPT / Claude / Kimi / 豆包(对话练)
• OpenAI Playground(调参数看效果)
• Coze / Dify(搭知识库,零代码)
• NotebookLM(喂资料让它答疑)
• Claude Code / Cursor(编程 Agent)
• Coze 智能体(搭工作流)
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。
把这一句记住
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。
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
THE END · 篇二完结
🎯 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。
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》