换个思路用AI：把“写”换成这六个动作效率翻倍
开篇说明：
上篇分享了6个技巧——核心思路是把现成的材料（图片、截图、样本）丢给AI进行格式转换。
本篇继续分享另外7条技巧。这些技巧的共同点更明确：不再依赖具体素材，而是改变与AI的互动方式。具体而言，是将“让AI写”转变为“让AI审、问、考、翻、改”。
所有技巧均无需付费版、无需API接口、无需编程基础——豆包、千问、Kimi、DeepSeek、GLM、MiniMax、GPT、Claude、文心等国内外主流大模型，今晚都能直接尝试。
如果说上篇讲的是“把现成素材扔给AI转换”，那这篇讲的是“更换与AI协作的动词”。
几个对比示例：
每一条都是将“写（生成新内容）”替换为另一个动词。这个动词的改变，直接决定了AI能否真正帮你节省时间。
以下7条都是这一思路的具体应用。
完成一份方案/一段论述/一个PR后，直接丢给AI：
"帮我看看写得怎么样？"
AI会很客气地回应："写得非常棒！逻辑清晰，论证充分，建议在第三段适当补充一些数据支撑……"
你心情舒畅，关掉对话框。但你的方案没有任何改进。
让AI唱反调。写完想法或做出决定后，在指令末尾加上一句：
"请直接指出我这个想法中最致命的3个逻辑漏洞，不要表扬，越犀利越好。"
把AI当"对手"用，而不是"评委"用：
这是我的方案/论述/文章/PR/决定，请扮演一个最严苛、最不客气的反对者。
找出其中最可能让我栽跟头的3个漏洞，每个漏洞说明：
不要给我任何鼓励性话语，所有反馈必须是批评性的。
或者更狠的版本：
请扮演一个对这件事持相反立场的人。用他的视角，写一段反驳我的论证——尽可能尖锐、尽可能合理。
这种Prompt写完后，AI给出的反馈密度明显比"鼓励型Prompt"高得多。
进阶玩法：让AI多角色轮流批评。
请依次扮演下面三个角色，每个角色用他的视角批评我的方案：
比如，用AI给最近写的"关于AI时代如何学习"的文章进行批评：
上方这个例子，用的是DuMate（https://dumate.cn），最近刚上手试，初步印象还不错。
人类对鼓励容易上瘾，所以本能把AI当成"夸我的工具"。但"夸"对你的成长几乎为零，"挑刺"才是真正的提效。
而且AI不像同事——它不怕得罪你，不担心影响关系，不怕你给它使绊子。它大概是你能找到的，比较耐心、不会有情绪的批评者。这个优势如果不用，挺亏的。
要写一份方案/邮件/报告，第一反应是打开AI：
"帮我写一份关于XX的方案……"
AI写了，你看了，不满意，让它再改。改了三五版，还是觉得"没我自己写的那个味儿"——但你已经被AI的第一版"锚定"了，跳不出来。
反过来——先自己写，再让AI审。
具体节奏：
这套流程的好处：
绝大多数人觉得"AI写得比我快，所以先让它写"。但你忽略了一件事：一旦你看了AI写的版本，你的思路就被它锚定了——后面你怎么改都跳不出它的框架。
这跟你写文章前不要看类似文章一样：别人的好句子，会偷偷替换掉你本来想说的好句子。
学习新概念/阅读新文档时，看不懂，让AI解释：
"什么是RAG？""什么是反向代理？""什么是期权Theta？""什么是IRR？"
AI给你一段标准教科书式的解释，你看完了还是不懂。
让AI用你已经熟悉的领域类比新概念：
我是一个做电商运营的人，请用电商场景的例子，解释什么是RAG（检索增强生成）。
或者：
我是一个会做饭的家庭主妇，请用厨房/菜谱/备料的方式，给我解释什么是"反向代理"。
或者：
我是一个看了10年足球的人，请用足球比赛的方式，解释TCP三次握手。
AI会给你一个完全用你已有知识体系搭建出来的版本——理解速度通常比看10篇技术文章还快。
更高阶的玩法：
我对[新领域]完全是小白，但我对[旧领域]非常熟悉。请用[旧领域]的概念体系，逐一类比[新领域]里这10个最关键的概念。给我一份"双语对照表"。
举几个真实用法：
比如，用电商场景的例子来解释什么是RAG：
需要注意的是，有些专有概念要小心。比如，只有在你所在企业内部才使用的专用名词，或者某个特定专业领域的专用概念，如果AI的训练数据里没出现过，你也没提供足够的参考语料（上下文），它就可能会胡乱解释，这叫AI幻觉。
这个时候，可以在Prompt里加上：
我们以为"学新东西"等于"读教程"。其实学新东西等于"在旧知识里找一个钩子，把新东西挂上去"。AI的强项之一就是帮你找这个钩子。
你自己想钩子很难——你不知道哪些类比合适。AI见过的类比比你多得多，它能找到。
想让AI帮一件事，开始深思熟虑组织语言：
"请扮演一位资深XX顾问，按照XX框架，给我输出XX格式的XX，要求1）…2）…3）…4）…"
打了200字，才发现自己还没说清楚要什么。于是打字本身就花了5到10分钟。
第一句话直接说人话，越口语越好：
"诶我有个事儿啊，我想做一份汇报，主要是讲我们这个季度做的事情，大概有这些点啊：搞了个新功能、上了个新流程、出过一次故障然后修了……你帮我想想这份汇报应该怎么搭结构？"
AI一般都能听懂。它对"口语化随便聊"的容忍度，比对"打了一半半完美的格式化Prompt"高得多。
更狠的姿势——直接语音输入：
说完之后，如果觉得"我语音录的有点乱"，加一句：
"我刚才说话有点乱，你先帮我把我说的内容整理成清晰的需求描述，然后再回答。"
例如听不清楚/听不太懂修车师傅所说的车子有哪些问题，让AI梳理：
可以看到，AI对日常中非常口语化、充满重复和无用信息干扰的文字描述具有很强的容忍度，让AI将其整理成"清晰的内容描述"，往往能取得很不错的效果。
这一招在三类场景里特别值钱：
很多人把"写出完美Prompt"当成一种技术活，害怕AI听不懂随便说的话。但现在的大模型对自然语言的理解力比五年前强很多——它最不怕的就是你说话乱。
并且说话本身就是一种思考。打字时你会反复修改，思路反而卡住；说话时你会一口气说完，思路反而连贯。
学一个新东西——看一份长PDF/看一篇技术文档/看一段视频——让AI帮我总结。AI给你出一份大纲，你看完，觉得"懂了"。
实际上没记住多少。三天后回想，全忘了。
学完之后，把材料喂给AI：
然后你认真回答，AI帮你批改。
整个流程下来：
比如，丢一份《【人教版】九年级全一册物理电子课本》给AI，然后让AI给你出题，考考你知识点掌握得怎么样：
然后它就会给出批改和解释了：
更进阶的玩法：让AI设计一份"间隔重复"复习清单——今天考5题、明天考3题、一周后再考一次。
主流的"AI学习"姿势是AI输出→我接收——但接收型学习是效率最低的方式之一（教育心理学早就证明）。
更高效的学习是"我输出→反馈→再输出"——也就是费曼学习法。AI出题、AI批改、AI反馈，正好是费曼学习法的一种自动化版本。
不开玩笑，这一招对学生党、考证党、新人入职、跨领域转行的人，效率提升是数量级的。
收到领导一段微信：
"这个事情我觉得还可以再考虑一下，你最近也比较辛苦，要不下周再聊？"
愣半天，他到底是让我继续做还是停下？
或者写完一段邮件，自己看着觉得"是不是太冲了？""会不会显得我抱怨？"——但又找不到具体哪里不对。
把消息（无论是收到的还是要发的）扔给AI，让它做"语气翻译"：
场景A：解读别人的消息
这是我领导刚发给我的微信，请帮我分析：
消息：[贴消息]
背景：[简单说一下你们的关系、最近在做的事情]
AI通常能比较准地识别出"潜台词"，并帮你拟一个得体的回复。
场景B：审查自己要发的消息
下面这段是我准备发给[客户/领导/同事]的消息。请帮我看一下：
我的消息：[贴消息]
场景C：跨文化沟通
我要给一个英国客户回邮件，下面是我写的中文版本。请帮我翻译成英文，要符合英国商务邮件的得体程度（不要太美式热情，也不要太生硬），并指出原文里有没有任何可能"文化上不合适"的表达。
场景D：把"情绪化的话"变成"得体的话"
我现在很想跟某某说[一段情绪化的话]。请帮我改写成1）保留我所有真实诉求但2）听起来比较专业、平和、不带情绪的版本。
举个例子（下方是提示词举例，直接说你的想法和需求就是了）：
很多人觉得"沟通这种事是社交直觉，AI帮不上忙"。但其实"读懂潜台词"和"用合适语气写消息"是高度模式化的语言任务——AI训练数据里见过非常多类似情境。
而且AI有一个比较独特的优势：它没有情绪。它读你领导的消息时不会紧张，读你写的尖锐回复时不会生气，它只是冷静地告诉你"这话说了对方大概率会觉得X"。
这条技巧的真实价值，不在于"让你显得更圆滑"——在于让你在职场和生活里少踩一些沟通的坑。对偏内向、不太擅长应付社交场景的朋友，这条挺值得一试。
练Prompt写作。看各种"Prompt工程教程"。背各种"高手Prompt模板"。然后在实战里发现：背的模板对不上自己的真实任务，写出来的Prompt还是别扭。
让AI自己帮你写Prompt——这叫Meta-Prompting，可能是所有反直觉技巧里最反直觉的一个。
最简单的姿势：
我想让AI完成[一段任务描述]。我现在的Prompt是这样写的：
[贴你写的Prompt]
请你帮我:
更强的姿势——让AI反向问你：
我想做[一件事]，但我不太会写Prompt。你不要急着帮我写。请先反问我5-10个问题，把这件事的需求和边界搞清楚，然后再给我一份高质量的Prompt。
比如以"编程教程网站"为例：
然后就收到了AI推荐的Prompt，可以基于这个按自己需求进行更改，然后给AI编程工具让生成网站系统：
这一招在以下场景特别值钱：
绝大多数人觉得Prompt是"自己写给AI看的东西"，没意识到AI自己也能帮你写Prompt——而且经常写得比你更好（因为它知道自己被怎么问效率最高）。
这一条某种程度上是"AI协助AI"——用AI的元能力，反向优化你跟AI的交互。
类似地，在布置复杂任务前，可以让AI先进行提问，不让AI直接执行模糊指令，而是让它通过提问来帮你澄清需求。
比如，先使用提示词：
AI提出的问题往往能触及你自己都未意识到的模糊点，最终产出的结果与真实需求匹配度更高。
写到这里，你可能已经注意到一件事——上下两篇加起来13条技巧的共同点是什么？
我自己琢磨下来，是这么一句话：
大多数人用AI，动词是"写"——让AI写一段东西出来。
用AI用得顺手的人，动词是"转、审、问、考、翻、整理"——让AI把已经存在的东西换个形式。
把动词换掉，整个用法就活了：
每一条都是把"写（生成新东西）"换成另一个动词。这个动词的切换，决定了AI是不是真的能帮你省时间。
如果你看完上下两篇，今晚只想动手试一两条，我会推荐这四条（按"上手立刻见效"排序）：
这四条共同的特点是：门槛低、即时反馈强、看完会"啊原来还可以这样"。今晚试一下其中任何一条，接下来一段时间会持续从这条里受益。
剩下九条，按你的工作场景慢慢消化——它们的价值不在"今晚就用上"，而在于它们会逐渐替换掉你以前的某些低效习惯。
我自己用AI四年多，最大的感受是：AI是不是真的让你提效，跟你用什么模型关系不大（某些场景下），跟你怎么用关系更大。
那些"AI没什么用"的人，常常用的姿势就一种——让AI写。
那些"AI真的改变我的工作"的人，往往用了一堆奇奇怪怪的姿势——让AI转、审、问、考、翻、看、批、教、考你、扮演反方、模仿样本、把草图升级成设计、整理胡言乱语、解读潜台词。
这些姿势单看每一条都不算什么大招，但叠加起来，它会慢慢替换掉你一天工作里那些原本最耗时间的小动作——而工作里相当一部分时间，本来就是花在这些小动作上的。
如果上下两篇里有任何一条让你"哦原来还可以这么用"——那就值了。下次再发现一条新的反直觉用法，记得回头补到自己的私人清单里。
最好的"AI用法手册"，是你自己用出来的那本。