1基本功：四件事先做起来
- 语音输入。非常有必要。说话比打字快得多，而且更接近自然交流——要求、抱怨、纠错都直接说出来。AI 对口语的容错很强，不用组织好语言再说。
- 同时开多个模型。不要盯着一个模型干等。它干活的几分钟里，你可以在另一个窗口布置第二件事、第三件事。把自己当项目经理，不当监工。
- 会选模型。不同模型价格差几十倍，性能差别却常常没那么大。原则：日常便宜快的，关键任务用最强的（详见第 5 节价格表）。
- Codex 上手。
- 创建 project：project 就是一个“带记忆的工作间”——文件、上下文、历史都在里面，换个话题就换个 project，不要什么都挤在一个对话里。
- 把东西扔给它：文件直接拖进去，截图直接粘贴，网址直接发。
- 云上处理：任务可以放到云端跑，关电脑、下班了它还在干，第二天来收结果。
当场用语音布置一个任务；同时在第二个窗口开第二个任务，让大家看到“并行”是什么感觉。
2会说话：智能使用的十个要点
- 什么都可以问它。想到什么说什么，可以直接问；自己不会的更要直接问，不要怕它不会。包括“这个问题用什么工具解决比较好”这种问题本身。
- 没想法可以先讨论。不必等自己有了成熟想法再开口——先跟它聊，让它帮你把想法聊出来。
- Plan 和 Execution 分两步。先让它出计划（plan），你看过、改过、点头了，再让它执行（execution）。大任务尤其要这样，避免它一头扎错方向。
- 用触发词让它做深、做久。这些词会明显改变它的工作强度：
全面搜索仔细研究用另一个 agent 复核你的结果复核标准：达到 X 分才算通过loop：不达标就重来
- Token maxing。鼓励多用 token，不要省。token 是最便宜的生产资料，省 token 省出来的都是你自己的时间成本。
- 给范本。把你已经满意的东西（文档、图表、代码、网页）直接给它：“照这个抄，学这个风格”。模仿比描述准确得多。
- Preference memory。它老犯的错、你不想说第二遍的要求，用语音直接告诉它：“把这条写进 preference / memory”。以后每次都自动生效，也可以随时调出来看、改、删。
- Fork 与跨 session。同一个 project 里可以 fork 出分支尝试不同方案；也可以用语音直接调用同一个 project 里的其他 session，让它们互通信息。
- 交叉检查。调用另外一个模型来检查这个模型的工作——A 干活，B 挑毛病，成本很低，效果很好。
- 不满意怎么办？用嘴说，一点一点说：“这里太长”“这个颜色不对”“第三段重写”。涉及文字、图片的精细修改可以借用工具；不知道用什么工具，就直接问它。
3工具箱
- Chrome 插件（必装）。让 AI 能看到、操作你的浏览器页面，网页相关的活它就能直接上手。
- 远程控制：向日葵。在家、在路上都能连回办公室电脑；手机上也能看进度、发下一条指令。AI 在云上或办公室跑长任务时，你人不用在。
- 发布网站。AI 做的报告、图表、结果，最好的交付形式就是网页：
- 每人都可以有一个自己的“文件夹网站”，用前缀区分，比如 xiaoming.某某.com；
- 可设置公开可见，也可以加密码，密码可以只给需要的人；
- 好处：发个链接就是交付，手机能看、能转发、随时更新，不用传文件。
- Notion 及其他插件。笔记、数据库、协作看板，AI 可以直接读写。
- 让 AI 帮你装软件。装环境、配工具这类最烦人的事，直接让它干：告诉它你要什么，它来下载、安装、验证。
- 好用的识别类工具。OCR 图像识别（扫描件、截图转文字）、语音转文字模型，都已经非常成熟，问 AI 要当前最好用的即可。
- 调研 / 分析模板。做调研、做分析有现成的套路模板（背景 → 数据 → 对比 → 结论 → 建议），让 AI 按模板产出，质量稳定。
手机打开向日葵控制办公电脑；把一份结果发布成网页，现场扫码打开。
4概念小词典：这些词是什么意思
- Prompt（提示词）
- 你发给模型的那段话。说清楚背景、要求、验收标准，就是好 prompt。
- Context（上下文）
- 模型此刻“记得”的全部内容：你说过的话、贴的文件、它查到的结果。有上限，装满了就会忘前面的——所以长任务要分段、要让它写记录。
- Harness（外壳 / 驾驶舱）
- 模型本身只会输出文字。Codex、Claude Code 这类软件是套在模型外面的“驾驶舱”，替它读文件、跑命令、上网、改代码。同一个模型，换个好外壳，能力完全不同。
- Regex（正则表达式）
- 描述文本模式的小语言，批量查找替换的神器。不用学会写——描述清楚你要匹配什么，让 AI 写，你验收结果。
- Markdown（.md）
- 用纯文本写格式的记法（# 是标题、- 是列表），AI 的“母语”文档格式，人也能直接读。
- handoff.md（交接文档）
- 把任务背景、做到哪了、下一步是什么写成一个 md 文件。传给同事、或传给另一个 AI，对方就能无缝接着干。交接给人和交接给 AI，用的是同一个办法。
- JSON
- 机器之间传数据的通用格式，配置文件里最常见。看得懂大括号和引号就够了，写交给 AI。
- PowerShell
- Windows 的命令行。命令让 AI 写、让 AI 跑，你只需要看得懂它在干什么。
- 共享与打包
- 成果怎么给别人：网页发链接；文件打包成 zip；工作现场打包成 handoff.md + 相关文件。原则是让对方“一次拿全”，不要挤牙膏。
- API / API key
- 不走网页、程序直连模型的通道。API key 是通行证兼计费卡号：要花钱、要保密、不要贴在任何公开的地方。
- 权限
- AI 执行命令前会请求授权。点到为止：知道有这道闸门、别不看内容就全点“允许”即可。
- 定时任务
- 让 AI 每天 / 每周自动跑一件事（收数据、出日报），可以在云上实现，不占你的电脑。
5Token 经济学：怎么花最划算
| 模型 | 定位 | 输入价* | 输出价* | 建议用法 |
|---|
| DeepSeek | 白菜价 | ≈0.3 | ≈1.1 | 量大管饱：批量、初稿、翻译 |
| Claude Haiku | 快而便宜 | 1 | 5 | 日常小事、格式整理 |
| GPT-5（Codex） | 写码主力 | 1.25 | 10 | 编程任务，套餐内优先用 |
| Claude Sonnet | 性价比主力 | 3 | 15 | 大部分正经任务的默认选择 |
| Claude Opus 级 | 最强 | 15 | 75 | 把关、检查、最难的问题 |
* 美元 / 百万 token，2026-08 API 挂牌价量级，具体以官网为准。订阅套餐（ChatGPT Plus、Claude Pro 等）内不按 token 计费，先把套餐用满。
- 推荐组合：日常 Sonnet / Haiku，便宜量大用 DeepSeek，最后用 Claude 最强档做检查把关。
- API key 是怎么回事：按量付费的直连通道，适合批量和自动化；网页订阅适合日常对话。两条路并用。
- Codex 是“一张皮”。它是外壳（harness），后面接的模型可以换、可以同时接多家——一套操作习惯，通吃各家模型。
- ChatGPT 网页版免费额度就能日常对话；配上合适的插件和用法，几乎可以无限用。先用免费的，再谈花钱。
6程序员好习惯（不是程序员也该有）
- 开工先 pull。先把最新版本拉下来再干活，避免在旧版本上白忙。
- 常 commit，收工 push。做完一小步就提交存档，下班前推送上去。存档点越多，出错的代价越小。
- 有版本就敢试。一切都能回滚，所以可以放心让 AI 大胆改——改坏了退回上一个存档点就是。
- 验收靠运行，不靠“看着像对”。让 AI 跑给你看结果，而不是它说做完了就算做完了。
7进阶玩法
- Orca / Maestro / Open WebUI。多 agent 编排类软件：让多个 AI 分工协作、自动排班干活；Open WebUI 可以自建一个统一的模型对话门户。知道它们存在、能干什么即可，有需要再深入。
- SSH。远程命令行，指挥另一台机器（服务器、云主机）干活的标准方式。同样：命令让 AI 写。
- GitHub 淘宝贝。别人写好的 MD 指令文件、memory、工作方法在 GitHub 上大量开源，直接下载来用、改成自己的。先搜再造，不要从零开始。
8未来趋势：往哪个方向准备
- 大盘：每个 token 的价格因为竞争在持续下降；但 token 的用量在暴涨——为了追求最后那一点性能，大家愿意烧更多的 token。总账是：AI 越来越值得多用。
- 长：一个 agent 能长期工作下去——跑几小时、几天的任务会成为常态。
- 多：多人会话、多 agent 协作——不再是一人对一个 AI，而是一个团队加一群 AI。
- 简：更简便——交代一次，它自主完成整个任务，而不是我们反复在旁边 prompt。
- 给大家的话：今天讲的所有技巧，本质是同一句——把 AI 当成一个不知疲倦的同事来管理，而不是一个搜索框来查询。