AI协作不是一蹴而就亿正策略，而是一场认知、实践与系统化方法的持续进化。本文作者从最早一批ChatGPT用户的“无感体验”出发，历经高频实践、场景深挖与提示词迭代，最终构建出一套可复用的AI工作流。
时间过得好快呀，还差一个月chatgpt3.5发布就要3年时间了。
在chatgpt3.5刚发布的时候，我立马搞了个账户去体验了一下。
当时用完感觉这个AI好神奇，能够和人进行对话，而且脑子里还有很多知识。
但我用完了之后，并不知道chatgpt3.5对我来说有什么用，我感觉它帮我干活的速度还不如我自己干快，把它当知识库吧，它的语料也没有那么强，总是有各种各样的幻觉。
于是我把它扔到了一边，错过了23年初第一波用chatgpt的红利。
在探索了各种AI落地场景，学习了大家使用AI的各种方式后，我在24年就开始转向AI产品经理，研究各种AI落地的方式，当时AI在我日常生活中用的最多的其实还是做一些文案类的工作，更多是辅助性质大一点。
今年是我真正把AI融入生活和工作的一年，现在基本上每天只要我干活都是和AI一起完成的，每天使用AI的时长在8-10个小时之间，妥妥的离开了AI立马就干不下了，哈哈哈哈~
今天我想跟大家分享一下：我是怎么从一个AI小白，变成一个能和AI高效协作的人。
希望我的这些经历和思考，也能帮你把AI用得更顺手。
我是最早的一批chatgpt用户，但我其实在23年并没有什么深度AI使用认知，核心原因在于我看各种文章太多，自己上手用的太少。
我并没有去理解模型到底是什么，没有去找一个场景不断去做深挖。
模型是我们最重要的伙伴，我们要去理解它进化到了哪一步，它擅长做什么，它不擅长做什么。
虽然chatgpt3.5 和 chatgpt 5都叫AI大模型，但他们其实是两个完全不同的AI。
chatgpt5能够解决各种算法问题，而chatgpt3.5只能干瞪眼；chatgpt5拥有更浩瀚的语料库更低的幻觉，而chatgpt3.5则能告诉你云舒和关羽马上大战三百回合的历史故事。
但chatgpt3.5和chatgpt5都能够给人提供足够多的思考角度，虽然强弱不一样亿正策略，但这个能力他们都是具备的。
gemini2.5pro拥有所有模型最强的多模态能力、最强的上下文，但它的编程能力弱的一批，它就和产品经理一样，是一个写prd的好手，但是下一步只能交给程序员。
gpt5codex模型的后端能力是目前所有模型中最强的，但前端页面画的真的惨不忍睹，也不是说不能用，反正就是感觉它除了画UI别的都干的很好，而claude 4.5则是画UI的神器。
同时AI在写作上更多是润色器的功能，它虽然也能够代替人类写文章，但是人类内心的那一抹灵魂AI是欠缺的。
你看当我能够侃侃而谈说出这些时，说明我在日常使用、思考、写作、编程这些场景上花费的精力还是比较多的。
因为我研究的比较多，所以我能够了解模型在这些场景下擅长什么，当下能够做到什么样的水平。
当我了解了这些时，我才能够在这些场景下研究的更深。
高频实践是用好AI的第一件事情。
我在24年10月份开始一直尝试用AI写prd，当时第一版AI写的prd是claude3.5写出来的，它写出来之后我又润色了一会，然后我拉着我的产品同事们去评审。
评审结束后我问他们你们觉得这个prd文档怎么样，大家都说还不错，是你正常发挥的水平。
我来了一句，这个文档主要是AI完成的，我只起辅助作用。
当时同事们有些震惊，大家又问了问我写prd的时长，结果大家发现我用的时间比自己写还要多，大家感觉AI好像没那么大的用。
我当时也同意大家这个观点，但我并没有和23年一样觉得AI没什么用。
我开始不断的迭代AI写prd的逻辑，从写公司内部的文档到给AI编程写文档，我一直在不断的迭代这个提示词。
到今天这个时候，它已经迭代了几十个版本，到了3.0的阶段。
那它写prd比我快吗？亿正策略
快得很，边界条件比我想的清晰多了，ASCII图画原型设计更是强的飞起。
3.1版本也在迭代中了，它跟着我最新一版的AI编程协作逻辑，是更加标准化的协作，人和AI干活效率更高。
在AI写prd这个场景下我做对了什么？
总结复盘，迭代优化。
这八个字是我自己成长最核心的内在力量，也是我认为我成长速度还算快的主要原因。
任何一个事情刚开始都不会是完美的，尤其是拥抱AI融入到自己的工作流中，在早期它的效率往往是负的。
在刚开始拥抱AI它并不会给你带来任何的正向收益，反而会让你痛苦觉得毫无必要；这个时候要做的就是不断践行，践行完总结复盘迭代优化，等到AI的协作迈过那个临界点。
这个时候你才能真正的体会到AI的价值。
最近跟几个好朋友聊，大家说写教程的时候读者总是希望每一步再详细一点，然后跟着教程一步步不出错的搞出来，怕哪里做错了就达不成原有的效果。
我其实之前也是这样的，我希望有足够清晰的教程，希望能够少踩一点坑是一点坑。
我其实很希望能够拿到一个确定性的结果，而非自己去不断的摸索寻求确定性。
但我逐渐的发现，绝大多数场景都是不确定的，都是需要自己去探索的。
我最近遇到了Windows系统codex升级到0.46对话闪屏的问题、同时写代码都是乱码，别说教程了我连大家遇到问题的相同反馈我都快找不到了，那这个时候我要想用codex，我就必须解决这个问题。
于是我找到chatgpt让它给我出一套方案，chatgpt告诉我这几种情况可能是xxx原因造成的，我们只能先去尝试做xxx，然后继续做xxx，然后做xxx看看行不行。
那我只能死马当作活马医，拉着chatgpt去一点点式，最后发现是我的Windows主机的Powershell环境有点问题，需优化环境稳定显示utf8编码就行了。
折腾了接近一个小时终于能够让codex在Windows电脑上正常使用了。
同样的我最近还拉着chatgpt给cursor换了ide终端页面样式，我之前一直不会调，我让chatgpt给我写了一套我想看的样式出来，扔到了cursor中。
还有服务器的部署和运维，AI产品方案在应用场景的落地。
我对AI有着浓浓的探索欲，我也希望我的这套方法能够帮助到更多的人。
所以我自己写教程的时候，我更偏向把思维方式来讲出来，对于很多标准的化内容我写的比较少。
写codex的教程，我会告诉大家如何安装，那些指令是常用指令，基础的产品产出流程是什么样子的，帮助大家把框架搭建好，大家可以基于这些框架去搭建自己的房子，去找到适合自己的使用方法。
写到这里，我想你大概能看到我的答案了：我是怎么从一个 AI 小白，走到今天能和 AI 高效协作的。
高频实践，让我真正了解AI，知道它擅长什么、不擅长什么。总结复盘，迭代优化，在不断加深我在每个场景下的深度。探索欲，让越来越多的场景，被我融入到和AI的工作流中。其实在写这篇文章的时候我在想，我是跟大家表述更多容易落地的方法，还是需要自己摸索更久的思维方式。
这个事情在我落笔前想了很久，一个是落地方法短期来看是更有效更容易拿到结果的，思维方式则需要不断去的践行不断的去体会，很久之后你恍然回头才发现自己收获了这么多。
还有就是从流量角度来看，教程其实往往比思考总结更受大家的欢迎。
写这个选题前我其实纠结了几天，我想了想我过去几年试图走捷径踩的那些弯路，我一直希望有人给我一个确切的路径，只需要按部就班往前走就好了，就可以收获不错的结果。
但最终发现其实是没有的，没有任何一个事情会发生两次，遇到事情其实是就是发现问题，解决问题。
所以我想还是写总结思考吧，来把我自己的真实经历写给大家看看，讲一讲我自己的成长历程。
希望对大家有一点启发，能够帮助大家在AI路上走的顺一点~
本文由人人都是产品经理作者【云舒】，微信公众号：【云舒的AI实践笔记】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash亿正策略，基于 CC0 协议。
港陆证券提示：文章来自网络，不代表本站观点。
相关文章
沪深京行情 实时轮播
热点资讯
推荐资讯
