不再追AI新品后, 我用这3个方法把学习效率翻了倍

面对AI快速迭代带来的学习压力，作者分享了三个高效学习方法：聚焦个人目标以集中注意力，提升与AI协作的核心能力，以及通过快速实践在行动中学习。这些方法帮助作者在AI浪潮中保持学习效率并减少焦虑。

最近跟AI圈的小伙伴们聊，大家很直观的感觉是今年AI进化的速度超级快，要比24年快了好多好多，每天都有各种新的AI产品出来。

AI出新品的速度比自己学AI的速度还快，这还得了，压根就学不完！

每次聊这些，都能感觉到大家的焦虑要溢出来了。这个阶段我这两年也经历过，每次AI出点什么新东西都想跟一下，但发现其实一个人的注意力是有限的，什么都要做最后一定是什么都做不好。

于是我开始压缩自己的注意力，尽可能的少做一点、把事情做深一点，逐渐摸索出自己的学习方法，现在稍微能够在AI的浪潮下没有那么焦虑~

今天这篇文章，想跟大家分享一下我的学习方法，供大家参考~

希望能够帮助大家稍微的不焦虑一些，能够更轻松的在AI浪潮下冲浪。

这套学习方法核心是三件事情：

1.聚焦自己的目标，减少注意力的损耗

2.做模型变强自己也会变强的事情

3.快速实践，边干边学效率最高

这套学习方法需要你先想清楚自己的目标是什么，基于这个目标来看自己的核心优势是什么，然后再去落地高频践行，通过正反馈来增加自己的动力、降低焦虑。

1.聚焦自己的目标，减少注意力的损耗

我先拿自己举例子，我去年在刚开始学AI的时候就是东一榔头西一棒子，反正啥产品我都要去研究研究，chatgpt写文案好用去用用chatgpt、AI绘图好用去用用AI绘图、有新产品出来了赶紧去用用。

但最后会发现自己还是啥都不会用，每一块都知道边边角角，但每一块都做的不够深，然后跟公司业务也结合不上，发现学习了很多就是没有任何的成果。

当时琢磨了一下觉得这样学习是没有效率的，还是公司业务需要点啥我就学点啥吧，于是就开始沿着AI落地场景这条线往下去顺。

业务需要做知识库，那就去学习如何让AI知识库完成高质量的产出；业务需要文案自动化，那就去研究如何让AI能够达到99%的内容生产稳定率；业务需要AI赋能客服团队，那就去研究AI+SaaS场景如何去应用。

把AI在业务上跑的稍微顺利了一点后，我开始琢磨是不是可以让AI来给自己赋能更多。

于是我开始研究自己日常有哪些场景可以和AI结合，比如用AI写prd、用AI编程写脚本、用AI去读论文。

吃透更多AI的落地场景，从而扩大影响力。

这是我自己的核心目标。

所以大家会发现我写公众号内容和我日常研究的事情，都是紧紧围绕AI落地场景来的。

围绕着这个目标，那我其实不会去跟AI的各种新品资讯，我只需要等大家都测评完了，然后速览看一下测评信息，了解一下这个产品怎么样，能不能让我现有的落地场景效果再提升提升。

所以我成为了不咋熬夜、也抢不到首发的AI小博主，核心原因是那些内容和我的目标是无关的。

我会去写提示词、拆产品、研究Agent，看起来这些事情关联度不大，但它们最终的指向都是AI的落地场景。

聚焦在自己的目标上，减少注意力的损耗，这样才能够把一个事情做深做扎实。

之前有很多小伙伴看完我写的各种提示词跑过来问我，你是用什么思路想出来的这个提示词？

其实答案其实非常简单：我当下遇到的问题，需要这个提示词来帮我解决。

我写论文大师提示词的时候，是我需要理解Claude那两篇论文到底在讲什么，顺便还需要准备和我们算法一起搞模型训练，一堆论文和新逻辑等着我在那学习，我需要一个高效的学习搭子。

写思考拍档的时候也一样，我当时需要把自己的目标从新梳理一轮，我需要让AI当一面镜子，来找我要到足够多的的信息，然后它给我呈现多种参考结果，让我来做最后的核心判断。

那如何给自己定目标呢？

目标必须能落地，能解决你真正的问题。

比如一个产品经理定AI学习的目标，可以是这些：

转行成为AI产品经理，升职加薪

做好公司的AI业务，升职加薪

让AI帮自己多干一点活，自己可以有更多空闲时间

写一款自己内心喜欢的产品，探索为了更多可能性

看完是不是觉得这些目标很俗气，哈哈哈哈哈哈。

但这些目标都是清晰落地，能够解决问题的，不是焦虑驱动下的“伪目标”。

什么是伪目标？

精通AI所有类型的产品

成为AI时代不被淘汰的人

不被大家拉下，保持一个水平线

这些目标其实帮不到你，反而会让你更焦虑。

你当下要解决的问题是什么，你的目标是什么。

2.做模型变强自己也会变强的事情

我自己在去年用cursor的时候走了一些弯路，当时cursor没有现在这么全能，它还是需要让人来做核心，AI辅助人来完成各种编程，最终来上线产品。

以我的编程知识储备，我遇到了很多我自己解决不了的问题，当时其实有两条思路摆在我面前：1.自己去学一些编程知识，看看能不能把这些问题解决掉

2.想办法搓一套AI解决问题的流程，来让AI更高效的赋能编程

按我现在的思路我一定会选2，但当时的我觉得composer做的这么烂，终究还是要人来驱动的AI编程，那我还是去想办法学习一点编程知识吧。

于是我去开始学习Vue到底怎么画出好看的页面、Docker到底怎么用诸如此类的开发小白问题。

学的过程非常不顺利，我发现还得学一堆基础，然后慢慢磨才能去了解原理是什么，我当时实在学不下去我就放弃了，这些问题也都没能解决掉。

但今年cursor的Agent模式叠加大模型带来的是翻天覆地的变化，我之前面临的那些问题其实都能够让模型来解决了，压根就没有自己学的必要。

那我用cursor的核心竞争力在哪？这是我当时最困惑的一个问题，我脑子中没有答案。

直到听到小排老师的分享，他讲到做AI产品的思路，尽可能做模型变强自己也会变强的事情，这样才不会因为模型一次迭代从而让产品毫无价值。

我当时恍然大悟，我明白了为什么有一段时间，我的cursor编程能力没有提升了，是因为我走入误区了，我去研究那些模型变强了就没有意义的事情了。

我快速的把重心切了回来，去思考如何用AI来解决问题，可以看到现在分享给大家的AI编程思路，整体遵循了模型能力越强，开发的产品效果越好这一原则。

什么是“模型变强自己也变强”的事情，我来给大家举几个例子：

和AI的协作能力：判断哪些交给AI能解决，哪些必须是人来解决的

提出好问题的能力：不管AI进化成什么样子，结果的质量永远取决于提问者

对业务的理解深度：这是做好产品的基石，做好产品一定要深度的理解业务

审美能力：AI能画出来很多精美的图片，但什么是好的、什么是适合这个场景的，还得人来判断

这些能力它不会被模型替代，它们都是人类的责任区，对着模型越强，这些能力的价值反而越大。

3.快速实践，边干边学效率最高

之前很长一段时间，我学习新东西的思路是这样的：

但这样的效率其实蛮低的，我找的教程越来越多，干的事情越来越少。

现在的思路更多是干中学，先把事情做一遍，看看自己的问题是什么，再去想办法解决问题：

这样正反馈也来的非常快，能够察觉到自己每天都在进步，从而更有动力坚持下去。

比如我在做“提示词管理助手”这个飞书多维表格插件的时候，我一开始压根就没看多维表格的API文档，也不知道插件和飞书多维表格如何做数据对接，脑子中就是我想要做这个事情。

于是我就开始拉着AI开始做，边做边解决问题，中间遇到的问题一个接一个，压根就想不到：

插件和飞书多维表格数据对接的可行性分析

找多维表格API文档解决授权问题

飞书授权2小时token后过期了，如何重新授权

安全链接重定向的授权问题

暗夜模式和正常模式的样式兼容问题

不同浏览器插件安装

把“提示词管理助手”这几个插件做出来，我对飞书多维表格的理解又更深了一步，也跑过去听了更过飞书多维表格的应用场景案例。

如果我刚开始没有立马去干，而是先规划规划，找找教程，那这个事情又要遥遥无期了。

先干起来，不要怕错怕失败，多迭代几次就好了。

三件事情跟大家分享完啦，希望这篇文章能够帮你缓解一下在AI浪潮里的焦虑，能够更快的成长~