2026 年，最需要掌握的一個AI使用習慣

呢篇文章有2106字，大概要睇4分鐘

幾日前，有個朋友揾我幫手。

佢想訂閲ChatGPT同Gemini，但搞唔掂付款流程。

其實佢以前係做技術嘅，做咗好多年。照計呢件事唔應該難到佢。

但佢就係卡住咗——唔知用咩工具，唔知點樣繞過搞掂海外支付。

我之前開通過好幾次，而且將啲關鍵步驟都記錄低咗，所以佢今次問我，我就直接將教學俾咗佢。

然後佢跟住做，幾分鐘就搞掂咗。

事後我喺度諗：如果當初我冇將啲步驟寫低，今日佢問我嘅時候，我仲可以完整回憶起嚟咩？

好大機會係唔得。

因為呢類嘢，搞掂一次之後，細節好快就會模糊。只係記得自己搞掂過，但具體點樣搞掂，已經講唔清。

知道點樣做，同「記錄低」點樣做，係兩件完全唔同嘅事。

呢個亦都係今日想講嘅話題：喺AI快速迭代嘅今時今日，點解「囤積你知道點樣做嘅事」，可能係回報率最高嘅習慣之一。

囤積你知道點樣做嘅事

先解釋嚇呢句說話，佢唔係記靈感，唔係摘錄金句，亦都唔係將人哋嘅文章複製去自己嘅筆記度。

它是將自己親手做過嘅嘢、踩過嘅坑、解決問題嘅完整過程，記錄成一份可以重用嘅筆記。

核心結構可能好簡單：我遇到咩問題 → 我做咗咩嘗試 → 最後用咩方法解決。

舉一個我自己嘅例子。

我寫公眾號差唔多兩年喇。

由最開始完全唔知點樣寫公眾號，到而家基本上每篇文章兩三個鐘就可以完成，中間經歷咗大量試錯。

呢啲試錯，我全部記低咗。

例如：AI點解成日寫出好蹩腳嘅比喻？

後來發現係因為提示詞入面俾咗「反面樣本」，負面指令往往比正面指令更難執行。

解決方法就係，刪走反面樣本，或者直接換成高質量嘅正面示例。

結尾點解成日虎頭蛇尾？

因為我只係同AI講「幫我收個尾」，冇俾任何限制，好容易放飛自我。

解決方法就係，結尾都要好似正文咁俾明確嘅方向同要求。

呢啲經驗，單獨睇每一條都好細。

但係積累埋一齊，就變成咗一份「經驗手冊」——我嘅公眾號創作提示詞由第一版迭代到第九版，每一版都係基於之前記錄嘅問題嚟改進。

如果冇記錄呢啲，每次寫文章好大機會仲會遇到同樣嘅錯誤。

點解喺AI時代呢件事變得更加重要

過去幾個月，你可能已經感受到——AI領域嘅新工具、新功能更新得太快喇。

OpenCode、Cowork、Remotion、Openclaw 各種新工具，層出不窮。

每隔幾個禮拜就要學一樣新嘢。如果每次都由零開始摸索，時間根本唔夠用。

但如果擁有「囤積」嘅習慣呢？

以我自己最近遇到嘅幾個場景做例子。

一、搭建短視頻創作流程。

前幾日我又開始嘗試拍短視頻，由寫劇本、錄口播、拍素材到剪片導出，前後花咗成六個幾鐘。

做完之後，我將成個流程寫成咗一份SOP。

每一步用咩工具、注意咩細節、邊個環節最容易卡住，全部記低咗。

下次再做，唔需要回憶「上次點樣做」，直接跟住自己寫嘅SOP做就得。中間某個環節發現更好嘅工具，更新SOP就得。

二、學習一門新課程。

最近睇緊吳恩達教授喺DeepLearning.AI推出嘅Agentic AI系列課程，因為係全英文嘅課程，一開始想用AI翻譯逐字稿。

結果去到第二個模塊，發現AI開始老作，佢冇準確翻譯原片內容，而係根據主題自行生成咗一套。

發現問題之後，我轉咗思路：既然課程咁受歡迎，GitHub上面好大機會有人整理過。

搜咗一下，真係揾到完整嘅中文翻譯。

相比自己用AI翻譯，直接睇呢個項目，快好多，而且更準確。

呢件事本身好細，但我記低咗：「用AI翻譯長內容時要驗證準確性，遇到熱門資源可以同步搜嚇GitHub。」下次就唔會重複踩坑。

呢啲「囤積」落嚟嘅經驗，本質上都係縮短未來同類任務嘅啟動時間。

你唔需要每次都由零開始諗「我應該點做」，因為過去嘅你已經幫你想好咗。

最好嘅上下文

除咗幫未來嘅自己慳時間之外，呢啲記錄仲有一個隱藏價值——佢哋係你同AI協作時最好嘅上下文。

AI嘅輸出質素，好大程度上取決於你俾佢嘅上下文。

冇上下文，AI只能俾你一個「通用答案」；有你嘅真實經驗，佢可以俾你一個「你嘅答案」。

例如我嘅創作經驗合集，當我需要AI幫我優化寫作流程、或者分析某篇文章邊度唔好嘅時候，直接將呢份經驗合集上傳俾佢。

佢就可以基於我過去積累嘅經驗同教訓，俾出非常精準嘅建議。

呢個唔係「通用嘅寫作建議」，而係完全基於我自己嘅實踐、度身訂造嘅改進方案。

如果呢啲經驗只係存在我個腦入面、冇被文字化，AI就讀取唔到。佢再聰明，都只可以用通用知識嚟回答。

記錄得越多，AI就越瞭解你。呢個係一個正向飛輪。

具體點樣做

落到實操層面，其實好簡單。

一、完成一件有難度嘅事之後，花十分鐘回顧。

唔需要寫長文。就回答三個問題：遇到咩問題？做咗咩嘗試？最終點樣解決？

重點記錄「解決方案」同「踩過嘅坑」，呢兩樣嘅重用價值最高。

二、唔好追求格式完美。

好多人唔願意記筆記，係因為覺得記錄本身好麻煩——排版、分類、打標籤。

唔好諗咁多。打開筆記直接寫就得。甚至可以用語音輸入，講完叫AI幫你整理格式。

核心係「記低佢」，唔係「記得靚」。

三、記錄之後要用。

記錄唔係目的，重用先係。

下次遇到類似任務時，先搜嚇自己之前有冇做過筆記。有就直接用；發現更好嘅方案就更新佢。

每一次實踐，都係為咗下一次鋪路。

寫喺最後

返去開頭嘅場景。

朋友唔係搞唔掂，佢係「唔記得咗點搞」。準確啲講，佢根本冇喺第一次搞掂嘅時候將步驟留低。

喺AI迭代咁快嘅今日，唔記錄就意味住每次都要重新摸索，而每一次重新摸索，都係重複消耗本身可以慳返嘅時間同精力。

做過嘅每一件事，都值得被記住。唔係靠大腦，而係靠一條條筆記。

• AI 時代，你嘅上下文先至係最值錢嘅資產

• 2026 年點樣用好 AI，我發現呢啲能力更加重要

• Openclaw 咁搶手，但你真係需要佢嗎？

本文字數 2106，閲讀大約需 4 分鐘

幾天前，一個朋友找我幫忙。

他想訂閲 ChatGPT 和 Gemini，但搞不定付款流程。

其實他以前是做技術的，搞了很多年。按理說這件事不至於難倒他。

但他就是卡住了——不知道該用什麼工具，不知道怎麼繞過搞定海外支付。

我之前開通過好幾次，而且把其中的關鍵步驟都記錄下來了，所以他這次問我，我就直接把教程發給他了。

然後他照着操作，幾分鐘就搞定了。

事後我就在想：如果當初我沒把那些步驟寫下來，今天他問我的時候，我還能完整回憶起來嗎？

大概率是不能。

因為這種事情，搞定一次之後，細節很快就會模糊。只記得自己搞定過，但具體怎麼搞定的，已經說不清了。

知道怎麼做，和「記錄下」怎麼做，是兩件完全不同的事。

這也是今天想聊的話題：在 AI 快速迭代的今天，為什麼「囤積你知道怎麼做的事」，可能是回報率最高的習慣之一。

囤積你知道怎麼做的事

先解釋一下這句話，它不是記靈感，不是摘抄金句，也不是把別人的文章複製到自己的筆記裏。

它是把自己親手做過的事情、踩過的坑、解決問題的完整過程，記錄成一份可以複用的筆記。

核心結構可能很簡單：我遇到了什麼問題 → 我做了什麼嘗試 → 最終用什麼方法解決的。

舉一個我自己的例子。

我寫公眾號差不多兩年了。

從最開始不知道完全不知道怎麼寫公眾號，到現在基本上每篇文章兩三個小時就能完成，中間經歷了大量試錯。

這些試錯，我全部記了下來。

比如：AI 為什麼總是寫出蹩腳的比喻？

後來發現是因為提示詞裏給了「反面樣本」，負面指令往往比正面指令更難執行。

解決辦法就是，刪掉反面樣本，或者直接換成高質量的正面示例。

結尾為什麼總是虎頭蛇尾？

因為我只跟 AI 說「幫我收個尾」，沒有給任何約束，很容易放飛自我。

解決辦法就是，結尾也要像正文一樣給出明確的方向和要求。

這些經驗，單獨看每一條都很小。

但積累在一起，就變成了一份「經驗手冊」——我的公眾號創作提示詞從第一版迭代到了第九版，每一版都是基於之前記錄的問題來改進的。

如果沒有記錄這些，每次寫文章大概率還會遇到同樣的錯誤。

為什麼在 AI 時代這件事變得更重要

過去幾個月，你可能已經感受到了——AI 領域的新工具、新功能更新得太快了。

OpenCode、Cowork、Remotion、Openclaw 各種新的工具，層出不窮。

每隔幾周就要學一個新東西。如果每次都從零開始摸索，時間根本不夠用。

但如果有「囤積」的習慣呢？

以我自己最近遇到的幾個場景為例。

一、搭建短視頻創作流程。

前幾天我又開始嘗試拍短視頻了，從寫腳本、錄口播、拍素材到剪輯導出，前後花了六個多小時。

做完之後，我把整個流程寫成了一份 SOP。

每一步用什麼工具、注意什麼細節、哪個環節最容易卡住，全部記下來了。

下次再做，不需要回憶「上次怎麼做的」，直接照着自己寫的 SOP 走就行。中間某個環節發現了更好的工具，更新 SOP 就好了。

二、學習一門新課程。

最近在看吳恩達教授在 DeepLearning.AI 推出的 Agentic AI 系列課程，因為是全英的課程，一開始想用 AI 翻譯逐字稿。

結果到第二個模塊，發現 AI 開始胡編亂造，它沒有準確翻譯原視頻內容，而是根據主題自行生成了一套。

發現問題後，我換了思路：既然課程很熱門，GitHub 上大概率有人整理過。

搜了一下，還真就找到了完整的中文翻譯。

相比自己用 AI 翻譯，直接看這個項目，要快得多，而且更準確。

這件事本身很小，但我記了下來：「用 AI 翻譯長內容時要驗證準確性，遇到熱門資源可以同步搜搜 GitHub。」下次就不會重複踩坑。

這些「囤積」下來的經驗，本質上都是在縮短未來同類任務的啓動時間。

你不需要每次都從零開始思考「我該怎麼做」，因為過去的你已經替你想好了。

最好的上下文

除了給未來的自己省時間之外，這些記錄還有一個隱藏價值——它們是你和 AI 協作時最好的上下文。

AI 的輸出質量，很大程度上取決於你給它的上下文。

沒有上下文，AI 只能給你一個「通用答案」；有了你的真實經驗，它能給你一個「你的答案」。

比如我的創作經驗合集，當我需要 AI 幫我優化寫作流程、或者分析某篇文章哪裏不好的時候，直接把這份經驗合集上傳給它。

它就能基於我過去積累的經驗和教訓，給出非常精準的建議。

這不是「通用的寫作建議」，是完全基於我自己的實踐、量身定製的改進方案。

如果這些經驗只存在我腦子裏、沒有被文字化，AI 就無法讀取。它再聰明，也只能拿通用知識來回答。

記錄得越多，AI 就越懂你。這是一個正向飛輪。

具體怎麼做

落到實操層面，其實很簡單。

一、完成一件有難度的事之後，花十分鐘回顧。

不需要寫長文。就回答三個問題：遇到了什麼問題？做了哪些嘗試？最終怎麼解決的？

重點記錄「解決方案」和「踩過的坑」，這兩樣的複用價值最高。

二、不要追求格式完美。

很多人不願意記筆記，是覺得記錄本身很麻煩——排版、分類、打標籤。

別想那麼多。打開筆記直接寫就好了。甚至可以用語音輸入，說完讓 AI 幫你整理格式。

核心是「記下來」，不是「記得漂亮」。

三、記錄之後要用。

記錄不是目的，複用才是。

下次遇到類似任務時，先搜一下自己之前有沒有做過筆記。有就直接用；發現更好的方案就更新它。

每一次實踐，都在為下一次鋪墊。

寫在最後

回到開頭的那個場景。

朋友不是搞不定，他是「忘了怎麼搞」。更準確地說，他壓根沒在第一次搞定的時候把步驟留下來。

在 AI 迭代這麼快的今天，不記錄就意味着每次都要重新摸索，而每一次重新摸索，都是在重複消耗本可以省下的時間和精力。

做過的每一件事，都值得被記住。不是靠大腦，而是靠一條條筆記。

• AI 時代，你的上下文才是最值錢的資產

• 2026 年如何用好 AI，我發現這些能力更重要

• Openclaw 這麼火，可你真的需要它嗎？