如何通过向 AI 提问来提升你的 AI 使用水平

来源：https://every.to/p/codex-graded-my-ai-habits-then-it-became-my-coach *这封通讯是转发给你的吗？注册（https://every.to/account）即可在邮箱中收到。*

在我大部分的职业生涯中，任何任务的第一步都是从一张白纸开始：一个空白的 Google 文档、一封新邮件，或是一张全新的 Excel 表格。从调研到编写公式，建造过程中每一个环节的琐碎工作都由我来完成。AI 让这个过程更快了，但我完成工作的方式并没有太大不同。我会开一个新对话，反复提示，直到输出符合我心中那个未言明的“完成“标准。

今年五月我加入 Every 时，仍然在用这种方式工作。当需要给承包商付款时，我就在同一个对话线程里操作，依次提示：查询协议条款、批准付款、再发送付款已发出的确认邮件。

如今情况已大不相同。上周，我需要核实为一名员工购买股权的成本，涉及多批股权授予、行权价和归属时间表。我没有在一个线程里完成这项复杂任务，而是把项目拆分给几个子代理，让它们独立协作：核实已签署协议上的信息、进行计算、复查并标记差异，最后返回一份 Slack 消息草稿，我只需回复一个简单的“确认“即可批准。这项工作用到了 skills、编排器线程（orchestrator threads）、上下文包（context packets）、子代理、MCP 和 computer use。这是一大堆技术术语的字母汤，我以前确信这些只有“高度技术型人才“才能理解和运用，然而现在我发现自己每天都在使用这些技巧，它们让我工作得更快，结果也更好、更精准，而且让我对此更有信心。

促使我做出转变的是一条推文。**Katie Parrott (https://every.to/@katie.parrott12)在六月发推（https://x.com/kplikethebird/status/2061846652139217258），说她问了 Codex 自己在Mike Taylor (https://every.to/@mike_2114)和Laura Entis (https://every.to/@laura_27bbaf_1)**的《AI 采用的八个层级》指南（https://every.to/guides/the-eight-levels-of-ai-adoption）中处于哪个位置，这让我看到了一个机会，去更好地了解自己在 AI 生态中的位置。该指南是一个框架，描绘了从基本的聊天机器人使用到完整的代理编排的进阶过程，每一层都意味着将更多工作——以及更多信任——交给 AI。Codex 将 Katie 评为第 5 级（构建工作流，使代理的输出保持一致和可靠），并有第 6 级的开端（代理在后台主动工作，无需等待提示）。

Katie Parrott 让 Codex 评估她的 AI 采用层级。（所有截图由 Arielle Shipper 提供。）(https://d24ovhgu8s7341.cloudfront.net/uploads/editor/post/4508/optimized_ef0b020a-dca6-4695-ae8d-33e280b28b12.jpg)

Katie Parrott 让 Codex 评估她的 AI 采用层级。（所有截图由 Arielle Shipper 提供。）

让 Codex 评估我在该框架中的位置，成为我提升 AI 使用技能的起点。我很快意识到，帮我提高的最佳老师一直就在我面前：AI 本身。下面是我的做法——你也可以这样做。

1. 我让代理评估我的工作方式

我把同一篇文章给了 Codex，然后问了一个非常简单的问题：“根据我们到目前为止的合作方式，我处于哪个层级？“因为 Codex 可以回顾我们过去的会话，它的回答基于我实际的工作模式，远比我独自阅读文章、自己琢磨如何升级更有洞察力。

Codex 将我评为 5.5 级，并指出编排是我下一步的方向。（基于一次 Codex 对话重新创建。）(https://d24ovhgu8s7341.cloudfront.net/uploads/editor/post/4508/optimized_51df6da4-5e99-4ed5-aeb7-669c919c1ba9.jpg)

Codex 将我评为 5.5 级，并指出编排是我下一步的方向。（基于一次 Codex 对话重新创建。）

Codex 给了我 5.5 分：扎实地处于第 5 级，带有一些第 6 级的习惯。我在深度使用 AI，但仍然倾向于给单个代理一项大任务，然后和它一起干到完成，而不是委派多个代理分别扮演不同角色。我甚至不确定同时使用一个代理与多个代理意味着什么。

试试看：

如果你已经在工作中持续使用 AI，选一个你最常用的代理，让它回顾各个会话来评估你的层级。如果你还没有每天使用，就等积累了大约一周的聊天记录后再说，这样它才有数据可以提取。

请阅读这篇关于 AI 采用八个层级的文章（https://every.to/guides/the-eight-levels-of-ai-adoption），然后回顾我们的各个会话。根据我们的合作方式，我处于哪个层级？在评估中包含具体例子。

2. 我把评估转化为建议

我天生无法抗拒升级的诱惑，于是问道：“你能回顾过去的会话，告诉我怎样才能升到 6 级或 7 级吗？我怎样能更有效地使用你？我错过了哪些机会？”

Codex 在我的工作历史中找到了具体例子，比如有一个项目，我使用 Stripe API 密钥（这对我又是一个首次尝试！）来提取交易数据，以确定我们哪些州需要代收销售税。

这些数据必须精确，而在不实际进入 Stripe 界面的情况下我很难交叉核对，但 Codex 向我展示了如何在不同的线程中将工作分配给多个子代理：一个负责提取数据的专家，一个负责核实数据正确性和完整性的专家，以及一个负责按我们会计师要求的格式组装成 Google Sheets 工作簿的构建者。

Codex 展示了一支专家代理团队如何处理我的 Stripe 项目。(https://d24ovhgu8s7341.cloudfront.net/uploads/editor/post/4508/optimized_5a800a15-d12a-4101-8b89-c5d36faad47e.jpg)

Codex 展示了一支专家代理团队如何处理我的 Stripe 项目。

光说“使用多个代理“不会改变我的行为。但看到一个我已经完成的项目可以有更好的设置，给了我一些可以尝试的东西，下次再遇到类似复杂的项目时就能用上。

试试看：

选一个你已经完成的项目，问它怎样才能在下一个层级运行。

能否回顾我最近的工作，建议最多三项战术性的尝试，帮我升到［下一个层级］？请具体一些，并结合过去的项目或工作会话来解释你的建议。

3. 我让 Codex 教我如何做出改变

当 Codex 最初给出建议时，它让我委派给 schema mapper、Stripe API 提取器、工作簿构建者和税务逻辑校验器。我完全不知道这些词是什么意思，更重要的是，我不理解实际操作层面的问题。我需要打开五个聊天窗口吗？每个代理如何获得正确的上下文？谁来调和它们的结果？

于是我问了。Codex 用我带领团队做项目的方式来解释：一个主负责人，也就是编排器，掌握业务目标、约束条件、截止日期和完成定义。它给每个专家一份上下文包——完成其部分工作所需的最小化背景、素材、约束和成功标准，而不需要继承整个项目——然后把结果汇总到一起。

Codex 解释如何通过一个主编排线程来协调专家代理。（基于一次 Codex 对话重新创建。）(https://d24ovhgu8s7341.cloudfront.net/uploads/editor/post/4508/optimized_82eec08f-9cf0-4893-bf81-ea36814cdbd9.jpg)

Codex 解释如何通过一个主编排线程来协调专家代理。（基于一次 Codex 对话重新创建。）

然后我在自己的工作中尝试了这种方法，为每个子代理分配不同的角色。本质上，我是在把一个项目拆解成不同的组成部分，分配给最适合做那项特定任务的代理，就像我在现实中会委派给不同的团队成员一样。

我开始为每个项目保留一个聊天窗口作为“经理“，由它把任务分发给不同的 AI 代理，并跟踪结果。对于高风险的工作，比如数据提取或分析，我会加入怀疑者（skeptic）和校验者（verifier）代理，它们唯一的任务就是挑战假设、确保结果的准确性。例如，代理会检查归属时间表中是否存在潜在重叠，以防文件有误。

我的设置仍然是实验性的。有时我会得到令人困惑的答案，或者项目发生偏移，我始终对数据提取和分析的准确性感到担忧，而当我疲惫或匆忙时，我默认回到长对话模式。但我开始看到自己使用 Codex 的整体趋势线在改变。

试试看：

当你的 AI 推荐了你不理解的东西时，问它那是什么意思，以及如何操作。

我想通过以［下一个层级］的方式重新做［项目或任务名称］来练习。能否给我一些具体的战术建议，告诉我如何在［下一个层级］执行这个项目？请解释每项建议如何执行，必要时提供示例产物（如提示词或验收表格），并请不要使用行话。

4. 我让反馈变成周期性的

Codex 对我 Stripe 项目的反馈很有帮助，但学习需要练习，还需要强化。当我看到那一次评估有多有用之后，我让 Codex 设置了一个每周任务：扫描当周的会话，在周五下午给我发送一份评分报告。

报告会针对八个层级给我的工作打分，指出与上周相比的变化，引用支持该评分的会话，并给出下一周的实验清单。这种周期性的复盘让我在四个月内从 5.5 分提升到了 7.9 分。

分数让我高兴，但真正促成学习的是“变化了什么“和“下周“这两个部分。它注意到我已经把一个小小的文件命名偏好固化成了永久规则，也注意到我一直在使用编排器，但没有下功夫在开始时就定义成功标准。

我的周五报告追踪进展、错失的机会和下一周的实验。（基于一次 Codex 对话重新创建。）(https://d24ovhgu8s7341.cloudfront.net/uploads/editor/post/4508/optimized_197df3df-201f-452d-82c1-99ae4ad47d07.jpg)

我的周五报告追踪进展、错失的机会和下一周的实验。（基于一次 Codex 对话重新创建。）

试试看：

让你的 AI 以每周的节奏来回顾你的工作，这样常规反馈就不依赖于你记得去提问。

能否为［星期几和时间］设置一个每周任务，扫描我们过去一周的工作会话，并给我评定一个层级？包括错失的机会和不足，并具体说明你认为我下周应该优先做什么来实现升级。

5. 我把失败转化为改进的机会

每周报告改变了我的工作方式，但我仍然要面对失败的实验、项目偏移和 AI 生成的垃圾内容。

最近我让 Codex 运行一个多步骤的财务任务：读取我们公司借记卡的支出数据，计算过去三个月的滚动支出平均值，加上税费缓冲，在该额度上为各个商户签发 Ramp 卡，然后在 Slack 上通知每位持卡人。卡片数据是对的，但 Slack 消息不对。它们读起来像精心润色的公司备忘录，以“Hey @某某“开头，还用了我从不会用的其他措辞——尽管 Codex 已经读过我的 Slack 沟通 skill，那是它在我代笔时应该遵循的一组保存好的指令。于是我让 Codex 批评自己的草稿，并让它在 skill 中添加规则，列出在 Slack 消息中应避免的那些标志性措辞。

接着我问了一个更大的问题：Codex 能从这类纠正中学到什么？一次对话中的纠正不会自动带到下一次，所以教训必须保存在 Codex 下次会读到的地方。我让它回顾那次会话，从我经常对它的工作做出的纠正中提取规则：关于数据源权威性纪律、审批关卡、数据验证和在合适的细节层级上工作的判断。把一次性改进转化为持久改进的工作，催生了我的 Self Improve skill (https://github.com/arielleshipper/every-thing/tree/main/skills/self-improve)。

我让 Codex 从我对一篇 LinkedIn 帖子的修改中学习。（基于一次 Codex 对话重新创建。）(https://d24ovhgu8s7341.cloudfront.net/uploads/editor/post/4508/optimized_54414545-79d7-46bb-ab4f-ddc3d2fb7475.jpg)

我让 Codex 从我对一篇 LinkedIn 帖子的修改中学习。（基于一次 Codex 对话重新创建。）

当我调用 /self improve 时，Codex 会查看前面的线程、原始输出和我的纠正，然后向自己提出一系列我在给别人反馈时也会问的问题。输出会诊断失败模式，阐明“好“的样子，并提出能防止同类问题再次发生的最小持久性改动。在这些改动被编码之前，我会先审核它们，然后循环再次进行。

试试看：

下次你的 AI 弄错了某件事，不要只是修复然后继续往下走。问它为什么会失败，并让它保存这个修复方式，这样同样的错误就不会再发生。

请看这个对话，包括原始输出和我的纠正。诊断它为什么会出错，描述好的结果是什么样的，并提出对我指令的最小改动，以防下次再发生同样的事。在保存改动之前先给我看。

接下来

我现在使用 Codex 的方式，是我以前以为只有工程师才能做到的，而且我的系统一直在变。最近，我让 Codex 研究了**Dan Shipper (https://every.to/@danshipper)**在 Slack 上发布的一份 AI 使用报告，找出我可以更像他那样使用 AI 的机会。我的每周反馈现在都围绕这些推荐展开。自从 Dots（https://every.to/vibe-check/vibe-check-dots-always-on-agents-in-chatgpt）上周上线以来，我的 Dot Sebastian 已经成了我处理任何快速或行政任务的编排器线程。

更全面的复盘会从委派、可靠性、自动化和学习四个维度给我的工作流打分。（基于一次 Codex 对话重新创建。）(https://d24ovhgu8s7341.cloudfront.net/uploads/editor/post/4508/optimized_2e75bbca-61d8-438a-bf4f-af66541b021f.jpg)

更全面的复盘会从委派、可靠性、自动化和学习四个维度给我的工作流打分。（基于一次 Codex 对话重新创建。）

五个月后，我确信自己使用 AI 的方式又会不一样。我不知道下一个会出现的技术是什么，但我知道我会向谁求助学习。

***Arielle Shipper (https://every.to/@arielle_951160_1)***是 Every 的运营负责人。此前她在 Donut 担任 COO，职业生涯起步于 Condé Nast 的编辑部。

现在每个人都是构建者。Every All Access (https://every.to/builder-pack)为你提供完整会员资格，外加 Builder Pack——价值 9,000 美元以上的工具额度，供我们用来构建产品。