AI,换个用法
别只琢磨
怎么问 AI。
先决定让谁干。
模型自己选,工具看得懂,账单心里有数。
把 AI 的选择权,拿回自己手里。
01 / 从大家熟悉的提示词说起
为什么先给 AI 安排十年工龄?
以前学提示词,大家应该都见过这一句。
“你是一个工作了 10 年的
资深软件工程师……”
是在提醒它按老工程师的思路考虑问题。
有点像“斗智斗勇”:想办法让它把本事使出来。
角色提示可以引导回答角度,但不等于自动切换到了更高级的模型。
02 / 比“怎么问”更早的问题
你不知道网页版的 AI
给你安排的是什么模型。
前面认真交代任务,后面到底谁接活?你未必看得见。
统计一下。
你看到的:一个聊天框
有时特别聪明,有时像没睡醒。
别只怀疑自己的提示词。
这里说的是未明确展示模型或自动分配的模式;部分网页版也支持明确选模型。回答错误有多种原因,不能仅凭答案断定平台偷换模型或节省算力。
03 / 聊天框背后,也有成本
你打几个字,后面真的有机器在干活。
简单问一句可能很便宜。材料变长、模型变强、思考变多,计算投入就不一样。
基础投入
这是投入关系示意,不是实际计费仪表。
点开三个条件,看看投入怎么叠加。
平台要平衡成本、速度和效果。
我更关心:这次投入多少,能不能由我自己决定?
04 / 我的用法
用什么模型,我自己选。
在支持自选模型、连接自己 API 的 Agent 里,型号和计费可以摆到明面上。
- 输入 / 百万 Token
- $0.15
- 输出 / 百万 Token
- $0.60
官方 API 美元单价 · 未缓存输入 · DS 此处为非高峰 · GPT 为 Standard。这里只演示选择,不会真的调用模型或产生费用。
简单活用经济的,难活选能力更合适的。
我至少先弄清楚:自己请的是谁。
自选模型、付费使用也可能答错;结果仍要检查。并非所有 Agent 都支持自由选型或按量付费。
05 / 一个大家都用得上的小活
“帮我统计每个人的客户数和成交数。”
要求:在汇总页填写公式,以后改客户状态,统计跟着变;原始数据别动。
客户明细 / 原始数据
| 业务员 | 客户 | 跟进状态 |
|---|---|---|
| 张敏 | 甲公司 | 已成交 |
| 李强 | 乙公司 | 跟进中 |
| 张敏 | 丙公司 | 跟进中 |
| 李强 | 丁公司 | 已成交 |
| 张敏 | 戊公司 | 已成交 |
汇总 / 最终交付
| 业务员 | 客户数 | 成交数 |
|---|---|---|
| 张敏 | — | — |
| 李强 | — | — |
=COUNTIFS(客户明细!A:A,A2,客户明细!C:C,"已成交")
公式向下填充;原始表格的统计口径不变。
接下来只比较一个前提:
三个模型都做对了,交付结果完全一样。
06 / 真单价,估算这一个活
结果一样,费用可以差十几倍。
统一估算:整个处理过程累计输入 10,000、计费输出 1,000 Token。单价真实,消耗未实测。
官方 API 单价查询:2026-11-13。普通未缓存输入,GPT Standard;仅模型费用,不含平台、工具等费用。三者统一用量是便于比较的估算口径,不是运行测评,也不代表实际消耗相同。相同正确结果是本例比较前提。
07 / 不被一个数字带跑
“用了十万 Token!”
先别喊贵,问问用的什么模型。
词语小块仅作示意,真实分词因模型而异。
统一面值的代金券
输入、输出价格不一样。
不同模型,单价也不一样。
你不必自己数 Token。
先问型号和计费,再看这件事做对了,最后花了多少钱。
08 / 我用过的模型,现场聊
什么活,我会交给谁?
个人使用体感,不是官方榜单。排名要连着工作场景讲,别只背型号。
候选模型池
电脑:拖到右侧。
触屏 / 键盘:先选模型,再点档位。
点击候选池标题下的按钮可放回。
还没排,留给现场讲。
09 / 再回头看 Harness
大脑可以是同一个。接上工具,就有了手脚。
Harness 可以理解为围着模型搭起来的工作台:工具、执行、上下文和权限管理。
不是换个壳就突然变聪明。
是让大脑能调工具、看结果、接着往下干。
实际能操作什么,取决于工作台接入的工具、运行环境与授权。网页里也可以接工具。
10 / 还是刚才那张客户表
不是一次“施法”,是一步一步执行。
模型下指令 → 工具执行 → 结果回来 → 模型再判断。点击推进,走一遍。
判断该怎么做
先读表头和数据,确认统计口径。
读取客户文件
工具返回:业务员、客户、跟进状态。
写入统计公式
模型决定公式,工具填入并计算。
核对,再交付
检查张敏 3 / 2、李强 2 / 1;不对就继续修。
Harness 把这一圈接起来。
所以选 AI,既要看大脑,也要看它用什么工作台。
本页是本地流程演示,不实际访问文件或调用付费模型。
最后 / 下次用 AI,先问三句话
把选择权拿回来,从问清楚开始。
不用人人成为技术专家,但别把自己的选择交给一个看不见的黑箱。
谁在干?
具体什么模型?
这个活值得用它吗?
怎么干?
能读文件、改表格吗?
谁执行,怎么检查?
多少钱干完?
看合格成果的总费用。
返工和人的检查也算成本。
别只研究怎么让它认真干。
先决定让谁干,再看它干得怎么样。