最好的老师，往往就是那个工具本身。

递归法：把问题抛给工具本身

李笑来有一个观点，我觉得非常妙——

不知道怎么用某个工具，最好的办法是直接问那个工具本身。

比如不知道怎么用 Google？打开 Google，搜索"如何像专家一样使用 Google"。结果不会让你失望。

同样的道理，不知道怎么用 AI？直接问 AI：

“如何像专家一样使用 AI？”

它会给你一个非常系统的答案。比你去看什么攻略文章、买什么课程都要直接得多。

这个方法叫递归法——用工具来学习工具本身。

为什么有效？因为没有谁比工具自己更了解自己的能力边界、最佳使用姿势和常见误区。Google 知道哪些搜索技巧最有用，AI 知道什么样的问题问出来效果最好。

提示词优化：让 AI 卷 AI

很多人觉得"提示词工程"是个高门槛的技能，需要专门去学。

其实不用。一个模板就够了：

将以下提示词改良为最好的版本：

[你原来想问的内容]

操作流程很简单：

1. 把你模糊的问题丢给 AI，加上上面那句话
2. 让它帮你优化成一个更清晰、更完整的提示词
3. 开一个新对话，把优化后的提示词重新发过去
4. 对比一下两次的答案——差距往往非常明显

本质上，这是在让 AI 卷 AI。

你不需要懂提示词工程，你只需要知道 AI 比你更清楚"怎么问它自己"。这个信息差，直接交给它来填平。

为什么要开新对话？因为你想要的是一个干净的、基于优化后提示词的回答，而不是在原有对话上继续叠加上下文噪音。

AI 时代真正稀缺的能力

李笑来还提到了一个更底层的判断：

在 AI 时代，最基础的核心技能，是阅读和研究。

这两个能力，加上 AI，你可以做任何想做的事。专业背景已经不那么重要了。

为什么是这两个？

• 阅读：能吸收信息，识别信号，理解复杂内容
• 研究：能提出问题，构建假设，验证判断

AI 很擅长执行、生成、整合——但它需要你知道自己在找什么，需要你能判断答案好不好，需要你能把复杂问题拆解成可以问的形式。

这些，正是阅读和研究训练出来的能力。

反过来说，如果你没有这两个能力，AI 给你的输出，你也未必能用好——你甚至不一定能分辨它是不是在瞎说。

三点总结

1. 递归法：不知道怎么用工具，问工具自己。对 AI 尤其有效，直接问"如何像专家一样使用你"。

2. 提示词优化模板：将以下提示词改良为最好的版本：[你的问题]。让 AI 优化你的问题，再开新对话发回去，答案质量会显著提升。

3. 真正稀缺的能力：不是某个具体技能，而是阅读和研究的基础能力。有了这两样，AI 会是你的放大器而不只是一个玩具。

最后，递归法其实是一种思维习惯：当你不知道怎么开始，先把问题抛给最熟悉这件事的那个"人"。很多时候，答案已经在那里了，你只需要问一句。