人工智能在三个领域如何切实提升我的效率

在先前一篇探讨人类在人工智能时代如何维持深度思考的文章里，我分析了我们在运用这项技术时应当留意的一些要点及应对策略。

总的来说，我对这项人类历史上迄今最强大的技术持有一种中立的立场。

或者说，我倾向于相信人类有能力掌控人工智能。

既非盲目地抗拒，也非一味地追捧。

这意味着我会深入地去学习如何使用它，理解它的本质，并观察和分享我个人的实际体验。

本文将重点分享在我使用人工智能的过程中，那些真正对我的生活与工作产生助益的应用场景，即那些确实发挥了积极作用的方向。

1. 我的人工智能使用历程

在开始之前，先简要回顾一下我个人接触人工智能的经历。

提供一些背景和上下文信息。

我最早是在2022年前后，以产品经理的身份，将GPT（大约是3.0版本）整合进一家融资租赁企业的风险审核流程中，那时就已经能从业务部门明显收到关于效率提升的积极反馈。

我个人当时的工作并不高频使用AI，只是偶尔用它进行一些资料搜索和文档整理，和大多数人一样。

我开始集中使用AI，要到2024年夏天开始使用Claude，那时我正在尝试一人公司的模式，试图用AI辅助内容创作，短暂体验后便主动选择了停止，这个过程在我用AI写出过10W+阅读量的内容后，却完全回归了手写，这在我之前的文章中有过记录。

随后的时间里，我依然在使用AI，但更多聚焦在信息处理和检索上，而非直接让AI替代我的创造性工作。

从2026年2月份左右，我开始使用Claude Code进行编程，开发了一些应用，其中有一款对话式自我探索产品，成功上线并完成了部署以及小规模的商业化变现。

图：我开发的自我探索工具KNOW的用户使用反馈

这款产品由于我购买的Claude中转API不稳定目前已暂停服务（尽管从用户反馈来看对话效果非常不错），后续我考虑直接开源到github上，大家可以使用自己的API免费使用。

2. 接下来进入我的具体应用场景：

1）自我教育

首先分享一个观点，我认为人工智能将在未来彻底重塑自我教育领域，也就是通常所说的自学。

拥有好奇心、能够利用AI辅助学习的人，与缺乏好奇心、被动接收外部信息的人，将拉开巨大的差距。

这件事并非未来才会发生，而是此刻正在进行。

在我自己的生活中，我注意到，AI正在降低我接触那些难度较高但价值巨大的深度信息的学习门槛。

例如，我最近在读的两本书，一本是尼采的《查拉图斯特拉如是说》，另一本是爱比克泰德的《论说集》。

过去我觉得这两本书阅读难度太大，产生了畏难情绪导致拖延。

但在AI的辅助下，我发现阅读它们的门槛极大地降低了。

这导致我个人吸收优质信息的能力得到了增强。

不仅限于通用哲学文本领域，我同时也使用Claude辅助我学习Andrej Karpathy长达5小时的LLM底层原理课程（目前全网最适合学习LLM底层原理的教程），并发现在AI的帮助下，即便在最艰深的技术领域，我也获得了循序渐进学习的能力。

这使得我后续在浏览一些AI相关的社交媒体信息时，能够快速联系到其底层的技术原理（而不容易被各种技术名词轻易唬住）。

图：Karpathy的LLM教程

使用过程中的关键点有三个层面：

第一层是，在AI辅助的过程中，我的体验与过去单纯阅读不同之处在于，我可以针对任何信息提问，并获得相对精准的回答（当然也存在少量幻觉）。

第二层是，你可以让AI用最简明易懂的语言来教你。如果看不懂，就让它讲得更简单，直到你能理解为止。相信我，AI在这方面的能力已经足够强大。（推荐让AI使用类比的方式来教会你）

第三层是，在互动的过程中，让AI实时生成技能（Skill）。技能的意义在于AI可以了解你在这个领域的掌握程度，并在未来的对话中，采用最贴合你理解水平和挑战能力的方式来与你交流，辅助你学习。

这会大幅减少后续对话中需要反复建立上下文所耗费的时间和精力。

以上三种模式，对于我能够彻底消化深度信息起到了非常重要的作用，也极大地增加了我学习过程中的主动性和能动性。

提问的过程，就是大脑神经元主动建立连接的过程。

我们都知道死记硬背之所以没有意义，是因为神经元并未建立连接，只是进行了短暂的存储（随后会随时间消退）。

只有建立连接，才能将知识信息与你实际的事务联系起来，从而得以应用。

简单来说，AI极大地提升了自学者的学习能力，并成为了人类历史上能力最强的老师。

2）产品构建

除了信息的输入层面，在信息的输出层面，能力也得到了增强。我指的不是AI写作，而是AI辅助构建产品和服务。

假设你经营着一人公司，想要学习如何构建一个产品或服务（Offer），你可以让AI运用Alex Hormozi在《100M Offer》中提到的方法，一步步指导你构建你的Offer。

这个应用场景相较于之前单纯的信息交互，更贴近现实世界的互动。你不仅通过信息输入改变了大脑的结构和能力，还开始利用AI工具构建新的事物。你从AI获得的助力同时来自于信息层面和构建层面。

信息层面来自你与Claude chat的对话，关于你所要构建的细节。

构建层面则是在你的需求明确后，交由Claude来完成产品雏形的构建，并调整一个Offer核心价值的构成要素。

我当然知道很多程序员会说，这个雏形距离最终的生产级产品还有很大差距，但我认为，技术类的问题会越来越容易解决，对于非原生编程者来说，未来的友好程度将呈指数级提升。

你唯一的阻力，在于用语言清晰表达需求的准确度。（这也凸显了上一篇文章中关于写作和独立思考训练的重要性）

3）第二大脑

我最近借鉴了Karpathy构建LLM知识库的逻辑，为自己创建了一个专用的LLM信息知识库。

图：我目前构建的AI知识库（使用了Karpathy的skill）

使用方法也是让Claude Code直接读取Karpathy的skills来辅助我构建。基本上几分钟就完成了。

（有兴趣的朋友可以自行尝试，Karpathy的skill链接：https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f）

这个应用让我意识到，LLM也在增强我处理、整合和检索信息的能力。

这个知识库，区别于以往人们构建的“第二大脑”，最核心的差异在于由AI来决定整个数据库的结构。

人需要做的只有一件事：判断并筛选高质量的原始信息，投入Raw文件夹。

后续的标签标记、定期的融合输出，都可以通过简单的指令交由AI辅助完成。

这种形态在我看来，是最接近于“第二大脑”的一种知识库类型，它将人（判断/品味/筛选）的功能与AI（组织、打标签、建立反向链接）的功能进行了有效分离。

3. 总结

总的来说，以上是我目前集中体验到、真正对我生活和工作有所帮助的一些应用场景。

后续如果有新的发现，再做补充。

希望对你有所帮助，也欢迎留言分享你的使用案例。

#AI#人工智能#学习#一人公司