我后来发现，对普通人来说，更自然的入门顺序是：先体验大模型，再理解大模型，最后才去使用 Agent。第一步：先把大模型当成一个可以反复追问的对话对象第二步：理解提示词，不是背“咒语”，而是学会把需求说清楚好的提示词不是让模型显得更聪明，而是减少双方对目标的误解。第三步：理解模型的本质，才不会把流畅当成正确真正稀缺的能力，不是会问，而是会判断AI 可以放大你的信息处理能力，但它不能替你承担判断的责任。自己的判断力，才是最难被替代的东西。第四步：体验过“会回答”，再去体验“会干活”先对话 → 再提问 → 学会核验 → 理解边界 → 体验单个工具 → 最后组合成 Agent 任务如果你刚开始，可以先完成这三个小练习写在最后先学会和模型对话，再学会判断模型，最后才让 Agent 替你行动。顺序对了，工具才会真正变成能力。我是张渔歌，1999年生，国企辞职青年，AI Agent 探索者。这里不吹概念，只记录一个普通人如何从零理解、使用并真正驾驭 AI Agent。
如果让我重新讲一遍，我是怎样理解 AI、大模型与 Agent 的，我不会先从一堆术语讲起。
我的起点其实很普通：先在手机上下载豆包、元宝这类厂商做好的应用，然后像聊天一样，一点点试它们到底能做什么。
那时候我还没有急着研究 Agent，也没有先去啃复杂的技术资料。我只是不断问问题、改说法、看回答，再把结果和自己知道的信息放在一起比较。
刚开始，我最直观的感受是：很多以前需要打开浏览器、输入关键词、翻十几个网页才能拼出来的信息，现在可以先直接问它。
比如一个陌生概念是什么意思、某种工具适合什么场景、两种方案有什么区别，甚至生活里碰到的小问题，都可以先让它帮你梳理。
它和传统搜索不太一样。搜索引擎更像把一堆可能相关的网页放到你面前；大模型更像先读懂你的问题，再用你能理解的方式组织一份回答。你还可以继续追问：讲简单一点、举个例子、换个角度、把步骤列出来。
这一步最重要的，不是立刻追求多复杂的功能，而是亲自建立一种感觉：同一个问题，你怎样表达，会直接影响它怎样回答。
我以前也会觉得，提示词工程是不是要记很多固定模板。后来用得多了，我越来越觉得，它的核心没有那么神秘。
所谓提示词工程，本质上是在练习一件事：把脑子里模糊的期待，变成对方可以执行和检查的信息。
我现在提问时，通常会尽量补齐下面几项：
01
背景
我为什么问这个问题？我现在处于什么情况？
02
目标
我最终想得到的是解释、方案、清单，还是一份可以直接使用的内容？
03
限制
有哪些不能做的事？时间、预算、对象、格式和风险边界是什么？
04
输出
希望它用什么结构回答？要不要分步骤、做对比、给例子或先说结论？
05
核验
哪些结论需要来源？哪些数字、日期和操作步骤必须再次确认？
例如，与其只问“怎么学 AI”，不如告诉它：我是零基础，主要想提高工作效率，每天能拿出一个小时，请先给我一条两周体验路径，并说明每天的验收结果。
随着使用越来越多，我觉得有一个概念必须尽早建立：大语言模型不是一个知道一切、永远正确的人。
它通过大量数据学习语言和信息之间的规律，再根据当前上下文生成最可能接下去的内容。它非常擅长理解、归纳、改写、解释和组合信息，但“说得像真的”不等于“事实一定是真的”。
当信息不足、问题含糊，或者它没有可靠依据时，它仍然可能给出一份完整、自然、甚至很有说服力的答案。这就是为什么我们不能因为它语气肯定，就放弃自己的判断。
我现在会把问题大致分成三类：
A
适合直接让它辅助
解释概念、整理思路、比较方案、润色文字、生成初稿。
B
需要交叉核验
产品参数、行业数据、新闻事件、引用出处、技术版本。
C
必须谨慎并由人负责
医疗、法律、投资、账号权限、隐私和任何可能造成现实损失的决定。
大模型让获取答案变得越来越便宜，但判断一个答案是否可靠，反而变得更加重要。
你需要判断：它有没有真正理解问题？是不是偷偷补充了不存在的前提？给出的结论有没有证据？有没有遗漏相反情况？这件事如果做错了，后面的执行越快，可能错得越远。
所以我慢慢形成了几个习惯：重要事实要求它给出处；关键结论再去看官方资料；让它主动列出不确定性；涉及现实风险时，不让它替我做最终决定。
当你已经知道大模型擅长什么、不擅长什么，也学会了怎样描述目标和核验结果，这时候再去体验 Agent，会顺很多。
大模型主要解决“理解和生成”的问题；Agent 则在这个基础上，多了一层行动能力：它可以把目标拆成步骤，选择并调用工具，读取文件、访问网页、检查系统状态，再根据执行结果决定下一步。
也就是说，前者更像一个可以对话和思考的“大脑”，后者则尝试给这个大脑接上手脚、工具和工作流程。
但能力越往外延伸，风险也越大。只聊天时，错误可能只是一个答案不准；当 Agent 能改文件、发消息、操作账号时，错误就可能变成真实后果。
因此，我更建议按照下面的顺序体验：
练习一
把同一个问题问三遍
第一次随便问，第二次补充背景和目标，第三次增加限制与输出格式，比较答案为什么变化。
练习二
故意让它暴露不确定性
要求它区分“确定事实、合理推断、未知信息”，再检查其中一条重要结论。
练习三
把一次对话升级成一个小任务
先让它整理资料，再输出检查清单；等你能验收结果以后，再交给Agent调用工具执行。
我的学习顺序并不专业，也不是唯一正确的路线。它只是比较符合一个普通人的真实体验：先因为好奇开始对话，再因为回答有用而深入使用，接着因为遇到错误开始理解模型，最后才走到 Agent。
现在回头看，我觉得最重要的不是尽快追上所有新工具，而是在每一步都建立一种能力：知道自己要什么，知道怎样说清楚，知道怎样检查结果，也知道什么时候不能把决定交给 AI。
下一篇，我准备继续讲：普通人需要掌握哪些重要概念，哪些可以先跳过，以及怎样给自己画一张不容易迷路的 AI 认知地图。
也想问问你：你第一次用大模型时，问它的第一个问题是什么？
热门跟贴