2024年总结：人人都能实现高效的AI 方法论 - 链载Ai

到年底大家开始纷纷发总结了，然后我也看了看，感觉今年一直在忙活，但好像也没搞出什么像样的作品或者项目来。今年依然没有扎进任何一个细分赛道，还是在外围摸索观望，从基座层到应用层跑了个遍。

比较多的时间浪费在了基础学科（数学和物理）上面，学了一些底层的算法，用来处理一些简单的分析预测类任务，也实时盯着大模型性能的进展；其次上半年玩了一阵AI音乐，觉得还挺有意思的，下半年就弃坑转去学传统乐理了，纯当个爱好；然后就是学习一些系统开发类的知识（虽然现在的工作也没什么毛用，当个技能储备）

今年的学习项目都开源在社区知识库上面，前前后后大概写了毛30篇文章，不过算法层相关的东西会比较枯燥，有兴趣可以随便看看。

今年AI的关注度明显变高了，很多周围的朋友都知道了kimi和豆包，说明投广告还是挺有用的。但很多反馈下来觉得AI挺有意思，但并没有传说中吹的那么强，有的时候说的还是错的。这其实是个很好的现象，说明大家在运用的时候，不会像看短视频一样无脑吸收了，而是用审视的眼光去看待新工具，这是链式思维(CoT)中非常重要的一环。

因为没有作品可以晒，就大概说说目前主流的LLM人工智能的学习路径吧，可能不一定是最好的，但基本亲测高效。按照我自己目前的学习进度来看，从开始入门到深入各大细分赛道，基本上是不需要去买任何付费课程的。（今年例外因为想学全栈开发，买了idoubi的开发课程，当然这个和AI本身没有直接的关系，当是一个延展平台来看）

现在大部分人说的AI，本质上都叫做“生成式人工智能” Generative AI (GAI)，那么AI生成的内容理所当然就叫做AIGC (AI Generated Content)，好像只有国内这么叫。所以如果从0开始学习AI，只要记住“生成”两个字就可以了。什么Transformer，BP，RAG，RNN，Diffusion，暂时都和我们没有关系。

接下来，随便找一个国产AI（其实国产AI的基础性能做的并不差，可以解决日常的很多问题），然后随便聊点什么，比如小学奥数题，写一篇演讲稿，怎么看待996的牛马生活......看看AI擅长什么，不擅长什么，有没有地方能帮到你，有哪些地方做的其实不够好。不用一开始带着太强的目的性，这样会限制我们提问的开放程度，就把它当作天猫精灵来玩就行了。在聊了一段时间之后，每个人会有自己觉得更顺手的应用，留下来1-2个增加使用深度就可以了。

上面的第一步，也就是大部分朋友已经经历过的，基本都会碰到同样的问题：AI并不好用，很多时候都在瞎扯淡，给出的东西根本就不能用，这个时候我们就可以开始最基础的入门了。“Prompt Engineering” 提示词工程是一切生成式AI的基础，不管你是用来学习，写作，绘画，编程，甚至玩音乐，提示词都应该是最前置的知识点。

这个东西乍一看是个很高大上的东西，但其实并不难理解。Prompt（提示词）字面意思就是，给AI适当的提示，就可以让AI产生效率更高的对话。这个和人是一个道理，如果你跟随便一个人说：“帮我写一个xxx品牌的营销方案”，对面一定表面或者心里面会骂你是个傻x。但如果你告诉对方，这个品牌现在处于xxx的阶段，我们的下一步目标是提升xxx，主要产品是xxx，通常在xxx渠道卖，但是有一个别的牌子xxx经常来抢我的生意，我得想一个办法，那么对面的人不管懂不懂，一定会有更多的思考成分，而不是简单的骂你傻x。下面是一些比较装逼的说法，如果用来卖课很适合拿来忽悠。

告诉AI它需要扮演的身份。比如我想要AI推荐一份减肥食谱，就告诉AI，你现在是一个私人健身教练/营养师；如果要用来写小红书推文，就是一个小红书xx板块博主。这种简单的提示，我们可以认为是提升AI的”职业素养“，让它有身为牛马的自我意识。

我们所有的对话都是带有目的性的，这个不难理解，但很多时候我们可能会忽略交代目标背后的逻辑。比如我为什么要减肥，我做小红书是为了塑造一个什么样的人设之类。尽量把完整的思考过程说出来。目标本身的描述也可以具体，我希望达到一个什么结果，不希望做成什么样子，都可以说出来。

通常在处理相对复杂的问题时，我们会有解决问题的一个工作流（这个概念也很重要，以后经常会考），先做什么，后做什么，最终一步步达到我的目标。这里我们也可以告诉AI，我们的工作流是什么。举个例子，在写一份品牌策划案的时候，我们可能会分析行业宏观趋势 →品牌定位 → 机会分析 → 策略推导，这个流程可以给到AI明确的指示，用于遵循我们期望的步骤来达到接近理想的效果，而不是一开始就跑偏了。当然我们的工作流并不一定是最好的，这个过程也可以和AI讨论优化的可能性。

这也是一个非常高效简便的方法。我们所有的大模型是学习了各种语言模式的。因此当我们提供了一个语言输出的模板，它会更容易判断我们期望哪种沟通方式。举一个社区里我最喜欢的虚拟角色”老王“的提示词，就会在提示词里运用大量的例子来引导AI的回复方式（最近老王因为讲脏话被封了，只是做个举例~）

Prompt的本质是用编程语言的结构 + 自然语言的内容打造AI指令，让AI可以像理解程序一样理解人类的指令。Prompt比较友好易懂的就是Markdown的结构化语言格式。这个非常容易理解，只要养成习惯就可以。

问题：把大象装进冰箱里要几步？答案需要三步：1.把冰箱门打开；2.把大象塞进冰箱里；3.把冰箱门关上。

#问题：把大象装进冰箱里要几步？#答案：需要三步##把冰箱门打开##把大象塞进冰箱里##把冰箱门关上

这里的#代表了一个层级，#代表一级类目，##代表#下面的子类目。这样所有prompt的执行顺序就有了很明确的划分。如果你想要用AI帮你写PPT，这个语言格式会非常实用。

掌握了上面的沟通技巧，AI的输出质量会有本质的提升，我们自己在提供信息的时候也会不自觉的去思考更多的信息维度，让问题的表达更全面，更具备逻辑性。然后就可以尝试一些更有意思的事情了。比如：

AI导师：尝试学习一门完全陌生的学科。（我这两年大部分使用时间都在干这个...除了学习PS，PR，Blender，DAW这些实用工具，也可以摸高等数学，量子物理这些变态学科了）

AI导演：从故事脚本，分镜规划，分镜提示词的一系列完整输出。（对视频方向感兴趣的同学可以深入尝试，今年AI视频的赛道非常火）同理可以演变成AI诗人，AI作词人，AI小说家等类似的角色。

AI哲学家：最出名的应该就是李继刚的prompt了，结合SVG可以生成非常精良的提示词卡片。大家有兴趣可以搜李继刚同名的公众号。

前面提到了，生成式AI的本质是”生成“，除了生成文字之外，图片，声音，视频，智能体，编程应用，3D模型，或者就是单纯的提示词，都可以作为细分赛道去深耕。（应该不大有人会跟我一样天天肝数学题...当然上面这些赛道我都会涉及到一些，有问题欢迎找我聊）这个看每个人的需求和兴趣，可以自行探索。有了扎实的提示词功底，进入任何一个细分赛道都不会很困难。然后就是借助AI工具，线上的信息源以及大量实践去建立适合自己的方法论了。

可能在这个过程里，AI并不是最核心的，只扮演工作流当中的一环。举个例子，比如我们想深入AI视频的制作（因为政策原因，今年的单子很多）。那么一开始入门，可以从一些简单的创作开始。比如生成一些零散的视频片段或者图片进行混剪，尝试选用一些现成的音乐，根据节奏进行简单的剪辑（顺道学一学主流的创意软件操作）。

这个视频是前几天跑着玩的，用了Midjourney的生图画出穿羽绒服的皮卡丘，用Google的Whisk把皮卡丘和外滩实景图融合，PS把Logo P在了手臂上，用即梦画了个圣诞帽，最后拿可灵的1.6模型生成了视频。

在成功产出一些简单的作品以后，再去尝试去完成一个更完整的工作流：选题 → 剧本 → 分镜描述 → 文生图 → 图生视频 → 配音配乐 → 剪辑后期。这里面会涉及很多方面的知识，比如怎么根据选题出一个好的本子，有了本子以后怎么去安排故事节奏和分镜，什么样的运镜手法更适合比表达这个故事，哪些音乐类型更适合这个故事的题材，都是AI工具之外可以学到的东西。

另外今年也发现，由于视频，图像包括音乐生成仍然有很大的随机性，这个时候很多同学都会选择不断尝试随机生成（业内称”抽卡“）去抽取自己想要的资源，但其实抽卡是个很低效的过程，会耗费大量的时间和资源成本。这个时候如果有一些AI外的技能，比如PS，AE或者DAW，也是可以提升工作效率的。所以入了AI坑以后，也未必一定要在每个环节都执着在AI的坑里，在哪个领域学习都是一样的。

在成功尝试了一些项目以后，或者成功利用AI工具改善了现有的工作流以后，基本上都会自然产生继续优化工作流的想法。可能是质量层面的，也可能是效率层面的。这个时候就可以尝试更多开发工具去搭建更适合自己的工作流了。

比如字节的低代码Coze平台，视觉类的ComfyUI，可以针对自己的需求搭建更加高效和定制的工作流。因为大模型的多模态能力，我们可以在多个模型的任务之间实现高效穿插（比如提取一个视频的声音，转换成文字，形成文本总结，再根据这个文本给它配个图），来实现一些更有趣的任务。

也可以选择高代码平台，比如传统的vscode或者cursor，更高效打造一些更具备实用性的应用。Prompt的训练其实一定程度已经让我们具备了代码的框架思维，这个时候上手高代码也会比以前要容易理解很多。(这块我其实也不是很熟练，只能写一些简单的脚本，还搭不了比较复杂的全栈项目，明年继续努力）

基本上看到这步，应该不会再问”应该怎么用AI”之类的问题了，对个人而言其实开发潜力还是很大的。今年社区里有很多人会问：“针对我们普通人，有没有什么更方便的解决方案？” 希望明年的这个时候，周围没有人再觉得自己是个普通人。