学而不思则罔，思而不学则殆。
既要思考，因为 prompt 是一套组织问题、引导思考的方法论。
又要学习，因为 agent 是一套需要理解和反复练习的高级工具。
君子生非异也，善假于物也
短短一年时间，AI 工具从新鲜玩具迅速变成了日常工具。许多人已经会打开 ChatGPT、Claude 或 Gemini，找它帮忙“帮我写一份总结”，或是“帮我想几个方案”。
可真正用下来，又常常觉得结果时好时坏：有时像得力小助手，有时却像死板机器人；有时画龙点睛，有时满纸荒唐。
问题往往不在于是否拥有一份“万能提示词”模板，而在于我们还没有真正理解 AI 的工作方式。
AI 不是许愿池里的王八，也不是传统搜索框。它更像一位聪明但不熟悉你处境的同事：你给它清楚的背景、材料、标准和反馈，它就能帮你把事情向前推进；你只丢给它一句含糊的要求，它多半只能交出一份像样但普通的答案。
本专栏面向已经接触过 AI 工具，但仍停留在“随手问一句、碰碰运气”阶段的读者：从这里开始，理解 AI 的知识来源和边界，学会提供上下文，学会引导推理与批评，学会把 AI 用在写作、研究、图像、数据和应用构建中。
由知而用，由用而成
本专栏分为五篇，关系可以看作一张由内向外展开的地图：先建立认知，再组织输入；先提升思考，再打磨表达；最后把方法迁移到更多媒介和任务中。
| 学习阶段 | 对应文章 | 要解决的问题 | 与下一篇的关系 |
|---|---|---|---|
| 认识边界 | 《知己知彼，方能善用 AI》 | 明白 AI 的知识从哪里来，为什么会过时、出错或需要搜索。 | 只有知道 AI 的边界，才知道该补什么材料。 |
| 喂好材料 | 《巧妇难为无米之炊：上下文工程入门》 | 学会提供背景、目标、文件、图片、约束和输出要求。 | 有了上下文，AI 才能参与更复杂的思考。 |
| 引导思考 | 《不做应声虫：让 AI 成为真正的思维伙伴》 | 让 AI 帮你生成方案、比较权衡、指出风险，而不是迎合你。 | 会引导思考之后，才能避免写作中的空话和套话。 |
| 打磨表达 | 《文章千古事：如何用 AI 写出不像 AI 的文字》 | 用 AI 搭大纲、改段落、做审稿，写出有信息密度的文字。 | 写作方法再往外扩展，就进入图像、数据、代码等多模态任务。 |
| 扩展成事 | 《从一言到万象：多模态、数据与应用生成》 | 把提示词方法用于看图、读表、生成图像、分析数据和构建小应用。 | 这是前四篇方法的综合应用，也是从“会问”走向“会做”。 |
授人以鱼，不如授人以渔
本专栏最想说明的一点是：用好 AI，靠的不是收藏多少提示词模板，而是掌握一套与 AI 协作的基本功。模型固然重要，但同一个模型，面对不同的问题组织方式、不同的上下文质量、不同的评价标准，输出会有天壤之别。
因此，真正值得练习的不是“怎么问一句神奇的话”，而是怎么把任务讲清楚，怎么把资料交完整，怎么让 AI 先分析再生成，怎么要求它指出风险，怎么在一轮又一轮反馈中把结果磨到可用。
当这些动作变成习惯，AI 的角色也会发生变化。它不再只是回答问题的机器，而会成为资料员、编辑、顾问、研究助理、数据分析助手，甚至是把想法变成作品的合作者。
鱼会吃完，渔法可以反复使用；本专栏要讲的，正是这套渔法。
