AI 助手使用指南
写在前面
如果你看完前面的「什么是 API」已经自己用上 Cherry Studio 了,那这篇文章更适合你 —— 这里不重复 API 怎么注册,只讲我自己摸索出来的一些「让 AI 更好用」的小习惯。
工具只是工具,真正决定效率的是你怎么用它。
一、提示词别再"问问题"了
很多人用 AI 像用百度一样 ——「xxx 怎么写」「xxx 什么意思」。这种问法 AI 当然也能回,但回复质量往往很 generic,因为你没有给它足够的上下文。
1.1 角色 + 任务 + 约束 三段式
我常用的模板长这样:
你现在是一位 [角色,比如:有 5 年经验的嵌入式工程师 / 资深前端 / 中文编辑]。
任务:[具体要做的事,比如:帮我写一段 STM32 HAL 库的 UART 接收回调]。
约束:
- 输出格式:仅返回代码 + 关键注释
- 长度:不超过 50 行
- 风格:贴近 Linux kernel coding style
- 如果信息不足,先反问 3 个问题再开始
把角色、任务、约束写清楚,回复质量直接上一个台阶。
1.2 多轮对话比单轮更聪明
不要指望一次问到位。复杂任务我会拆成多轮:
- 第 1 轮:让 AI 给出大纲 / 方案,我挑一个
- 第 2 轮:基于选中的方案展开细节
- 第 3 轮:针对细节追问 / 反驳 / 调整
这种「对话式推进」对写论文、写代码、做规划都特别有用。
二、几个我每天都在用的小套路
2.1 让 AI 扮演面试官
准备实习 / 面试前我会让 AI 反向拷打我:
你现在是某大厂嵌入式岗的面试官,要对我做一次 30 分钟的模拟面试。
请:
1. 先问我一段简短的自我介绍
2. 根据我的回答追问技术细节
3. 每次回答后,给我打分 + 改进建议
简历如下:[贴简历]
效果比单纯背八股好得多,而且不花钱。
2.2 让 AI 当"代码 reviewer"
写完一段代码,直接让 AI 帮忙看:
请以严格的角度 review 下面这段代码,指出:
- 可能的 bug / 边界条件遗漏
- 性能瓶颈
- 命名 / 可读性问题
代码:
[贴代码]
我经常 review 出一些自己没想到的边角问题,比自己写、自己测稳多了。
2.3 资料翻译 + 总结
英文 datasheet、博客、论文我都是先丢给 AI:
- 第一次问:翻译 + 保留关键术语 + 输出 markdown 笔记
- 第二次问:基于上面的笔记,给我 5 条 take-away
比自己读快 3 倍,而且 AI 还能顺手把段落关系给你理清楚。
三、Cherry Studio 之外的几个小工具
| 场景 | 推荐 |
|---|---|
| 写代码 + 跑命令 | Trae / Cursor / VSCode + Continue |
| 长文档总结 | Cherry Studio + 100k+ 上下文模型 |
| 临时截图提问 | QQ 截图 → 直接粘到任意 AI 网页 |
| 移动端问答 | 豆包 / Kimi 公众号 |
| 学术翻译 | DeepL + AI 二次润色 |
核心心法:不要被工具绑架。哪个方便用哪个,但至少精通一个聚合客户端,日常效率会高很多。
四、避坑指南
- ❌ 不要把敏感信息(密码、密钥、身份证号)发到在线 AI —— 无论它说多安全
- ❌ 不要让 AI 替你做最终决策 —— 它给的方案仅供参考
- ❌ 不要盲目相信 AI 给的代码 —— 一定自己跑过再交付
- ✅ 用 AI 加速学习,而不是替代学习 —— 这是工具,不是答案
- ✅ 建立自己的 prompt 库 —— 好用的 prompt 收藏起来,反复用
五、我常用的 prompt 片段(可直接抄)
让 AI 解释一段陌生代码:
请用通俗的中文 + 类比,解释下面这段代码做了什么。要求:
- 假设我是初学者
- 用 3 句话总结 + 1 个生活类比
代码:
[贴]
让 AI 帮我写文档:
请基于下面这段代码,写一份 README,包括:
- 功能简介(1 段话)
- 快速上手(代码示例)
- 参数说明(表格)
- 常见问题(QA,3 条)
代码:
[贴]
让 AI 帮我 debug:
我遇到一个 bug:
- 现象:[贴报错截图 / 描述]
- 复现步骤:[1,2,3...]
- 我已经试过:[你已经尝试的方法]
- 我的猜测:[你的假设]
请基于以上信息,给出 3 个最可能的原因 + 验证方法。
小结
AI 不会让懒人变强,只会让原本就在认真做事的人效率翻倍。希望这一篇能帮你少走点弯路,有任何更好的用法,欢迎评论区交流!
下一篇预告:把上面这套工作流和 Cherry Studio + Skills 配合,做成一条完整的「AI 辅助写文档」流水线。