根据 2026.09.27 AI 神思会线下第九期深圳 AI 应用交流会现场录像整理。主持为会长，台上有一场十五分钟主讲《零基础学 AI：小白如何真正用起来》。圆桌按现场身份呈现，不具名。下载 PDF 讲义 下载精选 PDF
信息积累不能替代一次真实使用。
收藏停手，从一件真事开始
主讲先把大家最担心的问题摆出来：现在开始学 AI 还来得及吗？工具每天更新，文章、教程越存越多，自己的成果却没有增加。她把问题换掉：你最近哪件事，真的需要人帮忙？先找到自己的问题，再看 AI 能参与哪里。思维方式的转变就一句话：遇到问题，先向 AI 请教。
一句太宽的请求，比如「我零基础，帮我学 AI」，它会堆来概念和资源，却不知道你的目标和起点。结果时好时坏，先看缺了哪一项：任务模糊、材料不足、信息在外部、没有人验收。补任务、补材料、查来源、做检查。先让它复述理解的任务，再出第一版。
五个智能体，项目一变就掉队
做项目的朋友为项目管理搭过大约五个智能体：任务跟踪、会议管理、会后纪要、文档梳理。从零走到一半，它们确实提效。再往后，项目在变，人的认知变得比 AI 快，它跟不上——变化常常来自随口聊天，跟人沟通已经累了，再把同一件事对机器讲一遍，它还不一定懂。
到了这一步，与其不断调教，不如自己按新情况往下做：调整它产生的收益，可能还没有自己去干的收益。AI 适合承担整理和如实跟进，没有办法把整份工作完整落地。组织架构、职责分工稍一含糊，它就会把人认成别人，判断仍要人来做。
从零到一半，智能体有用；完整落地仍要人。
先有库，再谈模型
以前助手做完一个任务就完全失忆，有人专门去找开源记忆项目。现在主流工具自己会沉淀记忆，那一套基本不用了。但切换不同智能体时，仍要有一个自己的基础库：过往的聊天和做法沉淀进去，新的智能体才接得上上下文。
JKL 当场把判断说死：先有知识库再有 AI，比直接跟 AI 聊好很多。每次换模型都有损耗，需要一个固定的库，让它知道你做过什么、工作规范是什么，不用每次重新解释。不要把东西留在过往的模型里，要倒出来放在本地——换什么模型都接得下去。所有的软件是为人服务的，不是人为软件服务。
先有知识库再有 AI。库在自己手里，工具可以换。
人定标准，别被第一版糊弄
做分析的朋友把买来的数据模型喂给 AI 做分析，她的判断是全场最重的一句：落地不能只用一家，只用一个，会被它反着带到坑里。人相比 AI，逻辑性和最终目的要更强烈。自己是 60 分，它最多帮你到 70；自己有清晰标准，才可能把它逼到 120。同一份数据、同一个任务，她交出去的比同事好，因为她第一版就敢指出问题，按一二三四五继续改；别人觉得第一版已经完美，直接交差。
求全的时候还有一个动作：让它把概率排名前二十的答案都给出来，再给一个分布，而不是只拿默认那一条。AI 是很好用的工具，真的不要被它带跑——它不能替你背锅。它是放大器，不是许愿灯：人有多大能耐、多大局限，它的局限也就那样。
稳定了，就做成 Skill
做班主任的朋友每天写日记，让 AI 做日复盘、周复盘：日复盘看当天的身体、工作和成功，周复盘看问题的共性和成功的原因。她把一道长指令固定成文档，每天把日记和指令一起扔进去，很快就出结果。JKL 当场点破：这就是 Skill，你其实已经在做 Skill。把长提示词变成文档，不用每次复制粘贴。
会议纪要也能做成 Skill：先告诉它组织架构和谁负责什么，再告诉它要提取什么——主要内容、待办、过程里暴露的风险。格式一次约束，后面都能用，提炼的可用度明显提高。JKL 自己把油画风照片的做法做成 Skill，以后的演示稿纹理和风格每次都一致。零散的尝试积累下来，就变成大的任务；一步步来，没有一蹴而就。
说清楚任务，给清楚材料，出第一版，然后修改。整个流程就这么结束了。
这个月只打四件事
- 从收藏夹里挑一件真事，今天就让它往前走一步。
- 说清任务、给清材料，先让它复述，再出第一版。
- 第一版找一处最影响使用的改掉，别直接交差。
- 稳了的做法固定成 Skill，库放在自己手里。
工具会换，库留在自己手里
第九期收回四件事：真事、库、标准、Skill。工具会换，收藏会过期，跟得上你的只有你自己的任务、你自己的库、你自己敢改的第一版。
从一件真事开始，让 AI 帮你向前一步。
视频号 / 小红书：JKL神思记。文中提到的人数、效果均为现场口述，不是审计、投资、接单或效果承诺。