会用 AI 的四项基本功

会写提示词，不等于能把 AI 安全地用于工作。真正可复用的一次 AI 工作，至少要回答四个问题：任务是否值得做、材料是否能用、结果是否可核对、最后由谁负责。

Anthropic 的 AI Fluency 公开课程也提醒人们不要把 AI 素养缩减成提示词。该课程页面标注 CC BY-NC-SA 4.0；商业使用边界未核清前，本文不采用其课程结构、不复刻课程练习，只保留这段短评和原始链接。下面是和铭依据日常企业工作独立编写的四步练习。

适合谁

• 想把 AI 用于资料整理、初稿、对比、提取或检查，却不知道怎样稳定开始的人。
• 已经偶尔使用 AI，但同一个任务换个人就无法复现的团队。
• 需要先建立最小数据边界、核验和人工责任的企业。

前置条件

• 先选择一个低风险、结果可人工核对的任务。
• 确认材料可以进入当前工具；身份、客户、财务和内部数据未经批准不输入。
• 明确生成、发送、提交、付款和正式决定是不同动作，最终责任仍由人承担。

一、选任务：先判断是否值得用 AI

从真实流程的等待、重复、遗漏或信息负担开始，不从“我们必须用 AI”开始。OpenAI Academy 的工作流准备度工具建议把价值、频率、影响范围、复杂度、依赖、治理和准备度分开评估，并允许得出“现在试、继续验证、以后做或不做”四种结论。

你的检查点：这个任务重复发生吗？结果能人工核对吗？即使 AI 出错，也能在造成外部影响前被发现吗？如果不能，先缩小范围或保留全程人工。

二、备材料：把来源和限制放在任务前面

列出允许使用的原文件、系统记录和公开来源；把缺失项单独标出，不让模型猜。一次可交接的输入至少说明目标、背景、材料、禁止事项、输出格式和合格标准。

你的检查点：另一位同事只看任务卡，能否找到同一批材料、理解不能做什么，并得到结构一致的结果？

三、核事实：把“看起来合理”变成可复核

先标出所有日期、数字、身份、规则、引用和高影响判断，再逐项回到原始来源。要求模型区分已知、推断和未知，并把不确定项留给人工。NIST 的生成式 AI 风险资料也把情境识别、评测和风险处置放在一个持续周期中，而不是等出错后再补禁止清单。

你的检查点：每个会影响决定的结论，能否指出来源或验证动作？代表性样本、异常样本和禁止动作是否都测试过？

四、留责任：记录谁确认了什么

记录输入范围、工具和版本、模型输出、人工修改、最终确认人和实际动作状态。生成、保存、上传、发送、提交、受理和办结必须分开记录。高影响动作要保留人工门禁和回退方式。

你的检查点：出现问题时，能否回答谁在何时依据什么材料，确认了哪个版本并执行了哪个动作？

一次 20 分钟练习

1. 选一个不含敏感信息、可在 20 分钟内人工核对的任务。
2. 填写任务、材料、禁止事项和合格标准。
3. 让 AI 生成结果并标出已知、推断和未知。
4. 核对所有数字、日期、身份、规则与引用，再抽查三条普通事实。
5. 记录人工修改、最终状态和是否值得做成团队模板。

失败信号

• 任务目标只是“试试 AI”，没有真实流程问题。
• 材料不完整，却要求模型给出确定结论。
• 只挑看起来正确的结果，不检查异常和禁止动作。
• 生成后直接发送、提交或覆盖正式文件。
• 换一名同事、换一批材料后，流程就无法复现。

可下载模板

下载《AI 四项基本功单任务练习卡》。它是和铭独立编写的任务卡，不是 Anthropic AI Fluency 课程的改编或替代版本。