实用 AI 指南 › 场景指南
Role-based Guides
AI 场景指南：不同角色怎么用 AI
市面上大多数 AI 教程按工具拆（ChatGPT 怎么用、Claude 怎么用），但你真正需要的是按你自己的角色拆——同一个 ChatGPT，程序员和内容创作者的用法几乎不重叠。这里按八种常见角色整理真实用法，每条都标注了容易踩的坑。
Role-based Guides
不是「这个工具怎么用」，是「你这个角色该怎么用」
同一个 ChatGPT，程序员和内容创作者的用法几乎不重叠。按工具拆的教程解决不了「我该怎么用」的问题，所以这里按八种常见角色整理真实用法——每条都标注了容易踩的坑，不是功能清单。
编程 Agent 提速：门槛不在会用，在敢授权
写重复的 CRUD、查陌生 API 用法、调试报错信息，这些事占用了大量时间，但价值密度很低。
用 Cursor、Claude Code、Codex 这类编程 Agent，把「写样板代码」和「查陌生 API」这类可验证的任务交出去——它写完你跑测试，对错立刻可知，这正是可验证性定律说的「能验证就放手交给它」。
加速初稿，但别把观点也交出去
空白文档恐惧症、选题枯竭、同一个话题写第二十遍找不到新角度。
用 AI 做选题发散、写初稿、改语气——从零到一的成本被压得很低，这部分确实值。
用它当陪练，别用它当替考
论文不会开头、简历不知道怎么写才有区分度、面试没人陪你练。
让 AI 扮演面试官做模拟面试、逐条改简历的动词和量化表述、把课堂笔记转成自测题——这些都是有明确对错、能被验证的用法。
从想法到可讨论方案，压缩的是沟通轮次
需求文档写了一半发现自己也没想清楚，竞品分析要翻十几个网站，原型稿等设计排期。
用 AI 梳理模糊需求、做竞品信息初筛、用 Lovable/Bolt 之类工具直接出一个可点击的原型——这些都在「AI 能干嘛」讲过的「文本到文本映射」范围内，AI 做得好。
灵感发散没问题，商用素材要小心版权
情绪板做到一半灵感枯竭，客户要的风格描述模糊，素材库里找不到刚好合适的图。
用 Midjourney、DALL-E 之类工具快速生成大量风格草图，帮客户把模糊描述可视化，这个阶段用起来很顺。
它算得准，但要先让它说清楚在算什么
面对几万行的表不知从哪下手，写公式和做图耗时又容易出错。
让 AI 写代码去算、画图、给结论——它是靠写程序算出来的，不是「心算」，数值运算本身通常可靠。
备课批改能提速，学生用 AI 代写要辨别
备课要凑齐不同难度的例题，批改几十份主观题作业耗时巨大。
用 AI 按知识点批量生成分级练习题、对着评分标准做第一轮批改初筛，把精力留给需要人工判断的部分。
用它压缩验证周期，别用它替代找 PMF 的过程
团队人手有限，一个想法从构思到能给用户看的原型，传统流程要好几周。
参考前向部署工程师（FDE）的做法：第一天就用真实数据搭原型，用 Prompt 工程、RAG、Agent 编排把 POC 从数周压到几天，快速拿去给真实用户看反馈。
📋 八个角色，一条共同规律
- AI 帮得上忙的地方，几乎都是「可验证」的环节——代码能跑测试、简历动词能对照 JD、数值能核对口径。这跟本站的可验证性定律是同一件事，只是换了八张脸出现
- AI 帮不上忙的地方，是需要人担责的判断——架构取舍、观点立场、面试临场表现、商用版权风险，这些没法交出去，只能拿它的草稿或建议做参考
- 找不到自己的角色？回看「AI 能干嘛」的四个通用场景，或者直接把你的具体任务套进「这件事的对错能否低成本验证」这句话里判断
常见问题
程序员用 AI 编程 Agent 需要注意什么？
最大的坑不是能力不够，是授权边界。Cursor、Claude Code 这类编程 Agent 能改文件、跑命令、自动提交，第一次用应该在能随时回滚的环境（干净的 Git 分支、隔离目录）里验证它的行为边界，再逐步放开权限，不要在生产分支上直接授权自动提交。
内容创作者用 AI 写东西，怎么避免文章千篇一律？
模型生成的是「最可能的下一句」，天然输出行业里最常见的说法，在它的初稿上一路改容易把自己原本有价值的观点磨平。更好的用法是让 AI 列出「这个观点最强的三条反驳」，用它做压力测试而不是代笔——观点稀缺，文字不稀缺。
学生用 AI 写作业算不算作弊？
用 AI 辅助学习（模拟面试、改简历、把笔记转成自测题）没有问题，但让 AI 代写论文或作业换不来真实理解，考试和面试现场没有它陪着，本质是在欠债，账迟早要还。边界是「辅助学习」还是「替代学习过程」。