半年了，你收藏夹里还躺着十几篇“AI 入门指南”，一篇都没打开。问题不是你忙，是你被“从入门到精通”的厚重感吓退了。其实，从完全小白到用 AI 干出第一件实事，只需要一个下午。真的半天就够了。这套 12 步实操流程，不教原理，不讲发展史，直接把 AI 变成你手里的一把改锥——拧紧一颗螺丝就算赢。
先把作案工具配齐，别在装备上磨叽
Mac 还是 Windows？内存才是唯一硬门槛
别纠结操作系统。真正的门槛只有一条：内存不低于 16G。8G 的机器也不是不能用，但你一定会被卡得怀疑人生——在 AI 工具频繁调用本地模型、跑浏览器沙箱的时候，内存不足就像让你穿着拖鞋跑马拉松。如果你用的是 M 系列 Mac，16G 统一内存够用；如果是 Windows 本，老老实实 16G 起步，有钱上 32G 也不亏。其他的，CPU、显卡，在入门阶段都不是瓶颈。先翻开系统信息看一眼，内存达标，开工。
ChatGPT、Codex、WorkBuddy，你不在炒面
第二个动作：订阅一个 ChatGPT 付费账号。免费的也能用，但限制多、反应慢，对新手极不友好。月费二十美元，相当于请了一个不用喝水的实习生，不亏。接着，装一个 Codex 或者 WorkBuddy——这两个东西本质上都是把 AI 能力嵌入到你本地的文件和工作流里。Codex 走终端路线，WorkBuddy 偏向图形界面整合。选哪个？如果你习惯在编辑器里搞定一切，Codex；如果你希望 AI 像助手一样跨窗口帮你读文档、写邮件，WorkBuddy。别在两者之间纠结超过五分钟，先跑起来再说。
模型选型不要贪大求全，GPT-5.6 Sol 和 Kimi K3 够你用了
很多新手一上来就研究模型排行榜，非得用最新最强的。没必要。Codex 环境下，直接切到 GPT-5.6 Sol，这是目前对复杂指令跟随最稳定的模型，出错率低，不会把你绕进去。WorkBuddy 用户，选 Kimi K3，中文长文档处理尤其干净，你丢几十页 PDF 进去它不会胡编。记住，初期你不需要“最强”，你需要“最听话”，在指令跟随这个维度上，这两个模型就是卷王。
学会对 AI 说人话，这是唯一需要练习的技术
写下【背景、痛点、需求】，你已经赢了八成
大多数人用不好 AI，是因为把 prompt 写成了谜语。解决方案简单到不可思议：永远用 【背景、痛点、需求】 这个框架开头。比如：“我是一个刚入职的市场专员，背景是老板让我写一份竞品分析报告；痛点是我没写过，不知道结构；需求是帮我生成一份大纲，并告诉我每个部分该去哪里找资料。” 就这三句话。AI 不怕你啰嗦，只怕你含糊。你把这框子套上去，准确率瞬间从玄学变成工程学。
苏格拉底不会教你用 AI，但你可以教 AI 用苏格拉底
把框架丢出去之后，AI 通常会给你一份回答。此时不要急着说“不对”或者直接修改 prompt，而是启动 苏格拉底式追问。举个例子，如果 AI 给的报告大纲里有个“市场现状”部分，你问它：“为什么你认为市场现状应该放在这里，而不是放在竞争对手分析之后？” 让 AI 解释自己的逻辑。这个过程不是让你变成哲学家，是逼着 AI 暴露它对你的真实意图理解到什么程度。几轮追问下来，你会得到一个远比第一次输出精准的东西——而且完全不用你自己动脑子梳理逻辑。
说话比打字快十倍，语音输入法是你最该装的插件
脑袋里想法一堆，手指跟不上，最后 prompt 缩水成几个关键词——这是新手的通病。直接上语音输入法，用说话的方式把自己的背景、痛点、需求讲出来。一分钟说两百字轻轻松松，比你打字快得多，而且语气里带的那些焦虑、着急，AI 能从词频里嗅出你的真实意图。讯飞、搜狗、系统自带，哪个都行，关键是用嘴把问题讲清楚。你很快会发现，语音输入天然逼着你说完整的句子，AI 需要的正是这个。
从投喂到产出，没有中间商赚差价
别担心它看不懂，直接把文件丢进去
讲清楚需求之后，别停在“理论讨论”阶段，把真实的文件喂给 AI。你要写周报？把过去四周的周报文档拖进去。要写产品说明？把旧版手册和竞品链接扔进去。担心数据隐私？敏感信息马赛克一下，结构保留就行。这一步是新手跟“AI 欣赏家”的分水岭——后者永远在反复调试 prompt，前者已经拿到了一份基于真实材料的初稿。记住，没有原材料的加工都是玄学。
半天出活儿的关键，在于立刻沉淀成 Skill
当 AI 交出一份你满意的结果，不要只是复制粘贴就走人。最后一步，把这个完整的交互过程——包括你的初始框架、中间的苏格拉底式追问、最终采纳的输出——打包沉淀为一个可复用的 Skill。Codex 和 WorkBuddy 都支持把当前会话存为技能模板，下次遇到相似任务，一键调用，AI 直接用同样的思考链条运行。第一次可能需要两小时，第二次二十分钟，第三次五分钟。这才是“半天上手”真正的滚雪球效应。
半天的路径，其实一点都不神秘
今天下午，关掉视频网站，打开终端
所谓 12 步，骨架就这四个：环境就绪、框架提问、文件投喂、沉淀复用。环境是内存和订阅，十分钟搞定；框架是你说话的方式，练一次就会；投喂是胆量问题，不是技术问题；沉淀是习惯，养成一次受益终身。你不需要看完任何一门课程，不需要理解 Transformer 架构，不需要知道什么是注意力机制。你就是雇佣了一个聪明的实习生，现在你只需要学会给他派活。
这届 AI 的门槛，从来不在智力上
很多人口中的“学 AI”，其实是在学一个技术神话。事实是，当前大模型的能力已经足够让人用自然语言指挥它干活。挡在普通人面前的，不是代码，不是数学，是“我得先系统学习”的幻觉。你根本不需要系统学习，你需要的是一个下午、一个具体任务、一套不会让你迷茫的流程。动手改一份 PPT、生成一份数据报告，或者让你的 AI 助手帮你回完积压了三天的工作邮件。干完一件，你就再也不是 AI 的旁观者。
