不學計算機的普通人也能用好AI嗎？

前言

你在各種 QQ 羣、微信羣甚至小黑盒上應該看到過別人聊 AI，或者看到過那些大肥魚表情包。常見的話題多半繞着大模型參數、價格或者寫代碼效率打轉，不碰技術的人看多了這類討論，大概會出現一種錯覺，覺得這套技術是專門給程序員準備的，自己既不懂編程，也不想折騰複雜的工具鏈，恐怕只能站在場外看熱鬧。

但其實距離我們沒那麼遠，AI 是工具，在這個時代更是極大幅度降低了門檻的工具，或者說 AI 本身就是降低門檻後，讓我們這些普通人享受技術變革帶來的成果。筆者不曾系統學習過什麼編程，上學期間也是法學相關專業，但有着折騰各種東西的愛好。

本文的寫作緣由是偶爾會教身邊的朋友怎麼用，由於經常會重複說那些東西，有時候偷懶還直接合並轉發以前給別人講的東西。所以想着不如干脆一勞永逸寫一篇儘可能讓大家好理解的文章，聽起來倒像是針對人類的 skill 了。

當然了，本文只涉及 最基礎 的內容，所用語言也儘可能的 通俗易懂，因此註定不具備什麼專業性，也不能保證你看完立馬就有什麼收穫，一下子就提高了工作效率。我的建議是拿出“玩兒”的心態，玩什麼不是玩，玩 AI 當然是玩，折騰的過程也當然是玩。以興趣爲出發點去折騰一個未知的領域，就和你平常玩遊戲一樣。你就純當玩嘛，今天你試一試這個，明天你試一試那個，玩他一個月你也知道什麼情況了。

甚至我可以說，我這篇文章都是寫着玩的，所以如果你看到有什麼不專業的地方，有明顯謬誤的地方，請務必指出來，非常感謝！

術語

術語本身是爲了方便交流，因此出現了許許多多的術語，因此這些聽起來陌生的詞彙是完全無法避免的。我會列出一部分用的多的詞彙進行解釋，不成體系化，只要求能聽懂。這裏先介紹一部分，還有些我們後面再說。

LLM

大語言模型。比如 ChatGPT、DeepSeek 這些東西就屬於 LLM，他將是整個 AI 構成裏的“大腦”，說白了就是想怎麼幹活的。

Token

可以簡單理解成 AI 處理文字時使用的“計量單位”，也就是藍色大肥魚的飯，或者你也聽說過“詞元”這個叫法，但務必不要機械理解，token這個詞不只用作計量單位上，還有比如說“令牌”的意思，代表着某種授權。

Harness

直譯有“馬具”或者“鞍”的意思，放在 AI 這裏，可以理解成“套在模型外面的工作環境”，或者乾脆把它當成AI的身體。或者你可能更習慣 專武 這個叫法，粗暴理解爲電腦上那些承載大模型的軟件、客戶端。

目前市面上除了 pi 那些開源通用的以外，各個大模型廠商也都爲自己的模型推出了專用的 Harness，比如前兩天剛上線客戶端的 DeepSeek Harness，大家習慣簡稱 dsh，這就是大肥魚的專武。而 GPT 的專武叫 Codex。

騰訊也做了一款，叫 workbuddy，這個後面我們會單獨聊聊。

總之，別把模型本身和裝模型的工具混成一回事。

Agent

Agent 一般翻譯成“智能體”，但這個詞聽起來有點玄。說白了就是一個不只回答問題，還會爲了完成目標自己拆步驟、調用工具、檢查結果的 AI。粗略理解，LLM+Harness = Agent，有大腦、有身體才能幹活，對吧。

比如你說“幫我重命名這一批文件”，普通聊天 AI 可能只會告訴你應該怎麼整理；但 Agent 則會先掃描文件，再按你要求的規則分類、改名，最後把結果彙報給你。

人話就是能代替你幹活了，這就是現在 AI 的核心功能之一，代替人類完成那些重複度高的工作。

當然，能自己做事不等於一定做得好。尤其涉及刪除文件、發消息、花錢這類操作時，最好還是讓它每一步都經過確認。

幻覺

就是瞎編，各種造假，一本正經胡說八道。這是普通人最需要知道的風險。使用 AI 但不能完全相信 AI，這一現象的重災區就是遊戲相關的內容。你問他哪一段劇情是什麼或者攻略啥的還好，但你要是讓他幫你做一套配裝、一個構築，哦豁，完蛋。做出來的東西你看都看不下去，簡直是一派胡言。法律、醫學、新聞、購物信息，這些也都是重災區。

多模態

粗暴理解爲可以讓模型看圖片了，不再是純文字。

這幾個東西的關係：

LLM：大腦

Harness：身體

Agent：大腦控制着身體

用戶：許願

正式的使用

這裏我們先以 workbuddy 爲例，workbuddy 是騰訊所開發的一個 harness。作爲騰訊出品，他顯得 臃腫、卡頓、影響大模型的智商。單也正因爲是騰訊出品，他纔有了決勝於其他 harness 的兩個最大優勢，也就是門檻低和免費額度。縱觀市面上的 harness，codex 和 Claude code 雖然好用但需要折騰，dsh 本身還不穩定亟需後續維護，pi 更是完全沒必要讓普通用戶折騰，zcode 其實是一個很好的選擇，但前段時間出了一些事讓我不是很喜歡他，不過產品本身沒什麼問題。

而免費額度就是他送的這些積分。

初始自帶一部分積分，大學生認證或者別的任務送一部分積分，每天簽到還給一部分積分。這些白嫖的積分搭配各種活動，還算耐用，更別說偶爾還有限免的模型。

因此說不定光靠白嫖的積分就能一直用下去，這也是 workbuddy 有如此用戶粘性的原因，畢竟是真的不用付費。當然你願意折騰的話還是建議將 workbuddy 反代出來，有一些開源項目是搞這個，就是讓你可以在其他 harness 裏使用 workbuddy 的積分，這樣一來就 不必忍受過於臃腫的 workbuddy 還能白嫖 了。

所以我認爲讓 workbuddy 作爲第一個 harness 是極好的，更別說先把他安好之後，後續折騰其他的 harness 也方便，出問題直接問他。當然了臃腫啊那些個問題也是客觀存在的，騰訊嘛......

總之，通過 workbuddy 鬧明白現在的 AI 是怎麼一回事後，你就可以繼續結合自己的興趣或者用途，開始研究其他的 harness 了。我目前是 codex 和 dsh 這兩個，前者裏面搭配 GPT-6-luna，後者搭配 DeepSeek-v 4.1-flash，這是大模型的具體型號，兩個比較便宜的模型，畢竟貴的我也壓根用不到那些貴的。而現在，我們還要講一些別的東西。

最後再強調一下，這部分寫的篇幅有些長了，你可能只記住了“WorkBuddy 很臃腫，但免費”而忽視了“原來 AI 可以替我處理具體任務”。後者纔是我們的重點。

第一次讓 AI 幫你幹活

如果你本就有一些想法，比如讓它做你的助理，那自然是極好的，放手去幹吧。而如果你對着 workbuddy 的輸入窗口不知道說什麼，那你也可以試試這麼想：

我想讓它做什麼

我把什麼材料給它

我怎麼描述要求

它第一次做得怎麼樣

我如何繼續糾正它

最後得到什麼結果

雖然我說的沒那麼通俗易懂了，但你也不用想複雜，你去五金店的時候哪怕你不知道你要買的那個東西叫啥，但只要你能描述出你的需求，五金店的老闆一下子就能掏出來你要的東西，即便你倆都不知道那玩意叫啥。現在也是一樣，你要做的就是準確描述你的需求，交代一下背景啦，說明一些限制啦，或者還有給他一些參考樣例。以及針對輸出的結果繼續修改，因爲 AI 能替你執行，不代表它知道自己在執行什麼。 所以還是需要你親自去驗收，並讓他改到你滿意爲止。

其實你把他當搜索引擎用也可以，甚至更高效，但要注意幻覺。

簡單的案例

我的電腦裏有一個 obsidian 倉庫，這是一個筆記軟件，他把文件存在本地時採用的 md 格式，你不需要具體瞭解這些都是什麼，因爲等會我會單獨提一嘴。現在你只需要知道，md格式可以被AI直接讀寫（此處的 AI 指的就是 agent 了，而不是 llm），這對它來說是專業對口的東西。那麼既然ai可以直接讀寫我的筆記軟件裏的東西，我是不是就可以直接讓他幫我進行管理呢，沒錯。是這樣的。

我的筆記軟件裏有兩個部分會讓AI干涉，一個是打卡表，這裏面存有我的運動和體重的打卡。另一個是日記，我會讓他讀取我每月寫的日記生成一篇月度總結。

相信細心的你已經發現了，我直接把截圖扔給他，他就知道怎麼辦事，這是怎麼回事呢？這就涉及到又一個術語 ：skill 。

Skill 可以理解成一份專門教 AI 做某類事情的說明書。它會告訴 AI 這件事應該怎麼做、要遵守什麼格式、哪些步驟不能跳過，以及遇到問題時應該怎麼處理。

比如“寫作 Skill”可以規定文章要用什麼語氣，“整理表格 Skill”可以規定文件怎麼讀取、怎麼檢查、怎麼輸出。你當然可以在每次工作的時候都囑咐一遍，但遠不如提前就寫好說明書讓他在幹活前掃一眼來的方便。

我基於日常的習慣寫了這樣一份skill：

甚至這玩意都不是我自己手動寫的，是在某次填入數據之後讓他保存爲一個skill，它自己完成的。

那麼爲什麼它能直接幫我改筆記呢，這又說回 obsidian 和 markdown 去了，也就是介紹一下我用的筆記軟件以及它保存文件的方式。

Obsidian

聊天窗口裏問問題誰都會，但讓 AI 真正替你管理東西，就需要它能接觸到你的文件和工具。我的例子就是 Obsidian。

Obsidian 可以理解成一個專門管理 Markdown 文件的軟件。它負責讓這些普通文本變成筆記、文件夾、雙向鏈接和知識庫，但底層文件本身還是保存在電腦上的 Markdown。

Markdown

Markdown 是一種純文本格式，文件後綴通常是“.md”，是一種輕量級標記格式，不太適合叫“編程語言”。本質是是一種可以被人和程序直接讀懂的文字。標題、列表、表格、加粗，都只是一些簡單符號。這種格式的特性是用純粹的文字去實現排版的效果，易讀易寫，在各種設備或軟件中均一致，不會因爲來回轉移就導致排版錯亂。AI 回覆你時就是這種格式。

所以最終的效果就是，AI 在文件上讀寫 markdown，而我這個人類在 obsidian 這個可以直觀看到的軟件上讀寫 markdown。

另外你應該也注意到了，我的 obsidian 窗口最右邊有一個 AI 的對話框，這是通過插件實現的，可以在 obsidian 裏調用你的 harness，我目前是調用 codex。AI 能融入我們學習工作的方方面面，寫文章自然也不例外，我會讓它讀完我寫的東西然後提供一些指導意見，所以本文自然也是在 AI 輔助下完成的。不過懂行的朋友一眼就能看出來這篇文章是我傾注大量心血手打的，還是讓 AI 一句話生成的。因爲它作爲機器和人類在輸入文字的思路不一樣，人類打字需要先在心裏想，然後打字，本質上是語音轉文字，所以讀起來也就通順。而 AI 只能從邏輯角度輸入文字，還常常用 AI 八股，所以對人類來說讀起來十分別扭。

扯遠了，還有一個好用的地方，校對。它看 md 文件的時候能識別出第幾行出了錯誤，而 obsidian 也支持顯示具體的行數，我們就通過這樣的方式去定位並改正錯誤。

你會發現鳩十五的回覆裏有一個“哼”，這很可愛，而這又是一個術語：提示詞

你是否見過“你是一個貓娘...”，這是就是一種提示詞，種類千變萬化，總之就是叮囑 AI 按照你的某個需求去輸出內容。你可能有些耳熟，沒錯，skill 也是一種提示詞，只不過是對某類任務特化的專業工作流程。 還有一種系統提示詞，是寫在項目裏的長期文件，每創建一個窗口都會自動應用，例如你把“你是一個貓娘...”寫到系統提示詞裏，那你開的所有對話裏它都是貓娘。不過在系統提示詞裏一般寫的是文件規範、禁止操作、權限邊界這些，叮囑好它應該做什麼禁止做什麼。

最後，obsidian 是個非常好用非常有趣也值得折騰的軟件，和 AI 天生有極高的契合度，筆者在這裏只做簡單介紹，詳細的還是要大家去網上找各種教程研究，或者我後面可能還會再爲 obsidian 寫一篇文章。

然後我還能提供兩個其他我個人的使用案例。

這個是我下載了一個 Obsidian 主頁插件，挺好看的，但我想要一個“最近打開”的功能，對着 dsh 說一句話就解決了。

另一個就是做表情包，真的，兄弟們，我覺得這纔是 AI 繪畫最偉大的地方，我們可以自己做表情包了。

總而言之，信息整理、寫作輔助、學習理解、日常管理、興趣娛樂，你可能對着 harness 的輸入窗口不知道有什麼用，但實際上只是你還沒想到怎麼把 AI 融入到你原本的那些目標只做。也就是那些你知道目標，但懶得重複做，或者不知道怎麼開始做的事情。

結語

Obsidian 只是我自己的一個例子，而且它本身也有一定的學習成本。大夥不一定會用這個軟件，也不一定需要讓 AI 直接修改文件。但你可以從我舉的這些例子裏發現一個共同點：大家就是把 AI 當燈神在使，就是啥都不會擺爛然後擱那許願。如果涉及到編程還需要更多更專業的提示詞去幫助我們駕馭它，但既然只是用於我們的平常生活，自然也就沒必要那麼專業。

那麼，這都是別人怎麼用，但最終還要落到你是怎麼用的，比如讓他幫助你學習什麼東西，或者直接問它自己 AI 應該怎麼呢。你當然可以天馬行空的許願，但也要注意使用的邊界，辨別使用過程中因爲幻覺產生的錯誤信息，所以儘量還是要自己過一遍生成的內容，你像是給客服寫郵件讓它代筆的話，也要親自看兩眼寫的都是什麼東西，我前兩天玩星際戰甲發現用的是美元結算，比用人民幣結算貴不少，就讓它代筆寫了個英文郵件發出去。AI 可以代筆但不能替你負責，所以寫出來了我也要認真看看都是什麼東西，其實這個過程就很像“假如你是李華...”。

所以迴歸到最開始的話題，不學計算機的人當然也能用 AI，耍嘛，學什麼編程背什麼術語，搞什麼看起來很專業的提示詞，你只需要拿一件自己想做的事情試試就可以了，看它能不能給你做到，不能立馬做到你就繼續改，反正你再怎麼折騰它也不會拉黑你。

當然也真的就當燈神用了，它可以幫你查資料、整理信息、代筆，或者一定程度上當個搜索引擎用，但顯然他不能幫你承擔錯誤判斷帶來的後果，本質已經多次強調過這方面，一定不能完全信任 AI。姑且先把它當做一個可以隨時叫來的小夥伴吧，一起玩嘛，先玩起來，慢慢就能知道它都能幹什麼了。