突然意识到，很多事情都要亲自体验，才能逐渐掌握。
尤其是怎么和 AI 协作。

这几天，我在教几个同事用我的产品经理 AI 工作台，配合 Codex 完成工作。

他们问了很多在我看来非常基础的问题。基础到我一度在想：为什么他们会这么问？

但仔细想想，可能不是因为他们不会用 AI，而是他们还没有经历过足够多的完整过程

一个人和 AI 建立协作关系，大概会经历这些阶段：

1. 先随便问一个问题，发现答案不对；
2. 开始补充背景，又发现背景并不是越多越好；
3. 逐渐知道什么信息必须给，什么可以省略；
4. 开始能判断 AI 是在胡说，还是根本没有理解任务；
5. 最后才形成一种直觉：面对一件事，应该怎么组织任务、提供上下文，以及怎么判断和验收结果。

这种直觉很难只靠听课或者看教程获得。它是在长期使用中，经过一次次试错、调整和验收，慢慢长出来的。

有个细节挺触动我的。

一个同事想让 AI 根据 PRD 画原型图，他直接发一句：
“/原型图技能，给我基于 PRD 生成原型。”

但如果是我，我会先告诉 AI：这个原型要解决什么问题，重点表达什么，页面之间是什么关系，我目前大概有什么想法。

哪怕这些想法还很粗糙，我也会先说出来，再让 AI 去做。

因为我直觉上知道：如果不把这些判断说清楚，AI 大概率只能生成一个“看起来像原型”的东西。
然后我带着失望离开，或者骂一句：它怎么这么不懂我😂

但新手还没有这种体感。

他们刚开始探索 Codex，不知道具体该怎么说、要给多少背景，也不知道 Codex 到底能产出什么样的东西

他们面对的只是一个冰冷的对话框。

看着 AI 在别人手里像魔法一样神奇，轮到自己使用时，还是要一点点摸索。

所以，学 AI 本质上也像学游泳、骑自行车一样

别人可以告诉你动作，但体感没办法直接教给你。人还是得亲自下水，呛几次水，才会慢慢知道该怎么游

想到这里，我也有点理解，为什么各种 AI 课程能一直卖下去：
使用 AI 确实有不小的门槛。只是这个门槛并不完全是知识门槛，还有很多经验和认知上的门槛。

这也暴露了一个成熟用户很容易忽视的断层：

我们以为自己交付的是方法和工具，但用户真正缺少的，可能是使用这些工具时逐渐形成的那套认知。

所以，不管是做 AI 产品，还是做 AI 内容，都应该多想一层：
怎么让一个还没有太多 AI 使用经验的人，在真实的对话和任务里，一步步长出与 AI 协作的能力？

我现在也没有完整的答案

但这几天带同事一起用下来，我越来越觉得，可能不是再给他们一套更完整的教程，而是陪他们把一个个真实任务从头到尾做完

很多东西，真的只有做到那一步，才会明白