Co-Intelligence（拆解视角：队友协作篇）
Wharton教授Mollick说把ChatGPT当搜索引擎用，是在浪费AI 90%的能力——LLM不是工具是队友，四条协作原则决定了你能不能追上这一代最差却也最强的AI。
- AI不是搜索升级：搜索是找现有答案，LLM是生成推理创造，用搜索思维浪费了AI大部分能力
- 假设这是余生最差的AI：能力指数级提升，现在开始学方法，等新版本来时你已经准备好
- 锯齿状边界（Jagged Frontier）：AI在某些任务超越人类，某些任务却低于人类，边界不规则，必须多试才知道
核心观点
AI不是搜索引擎升级：把ChatGPT当Google v2会浪费它90%的能力
搜索引擎的本质是「找到已经存在的东西」，LLM的本质是「生成、推理、创造」。用查找信息的心态去问AI问题，得到的只是它能力的一小部分——真正的价值在于让它参与思考过程，而不是替代查询过程。
- 把AI当成更聪明的搜索引擎来查资料
- 只用AI核实已知信息
- 让AI参与推理和创意生成的全过程
- 把AI当协作者邀请进决策链
给AI角色和上下文，输出质量差5倍
「写个营销文案」这种指令是垃圾输入；「你是顶级文案，受众是X，目标是Y，禁止Z，写一个100字的开头」这种带角色、受众、目标、边界的指令才是好用法。前者像对着空气说话，后者像对专家精确布置任务。
| 指令类型 | 示例 | 效果 |
|---|---|---|
| 模糊指令 | 写个marketing文案 | 输出泛泛而谈 |
| 角色化指令 | 你是顶级copywriter，受众X，目标Y，禁止Z | 输出精准可用 |
假设今天用的是余生最差的AI：现在学方法，未来自然升级
AI能力在指数级提升，等到「更强的版本出现」再学习使用方法的人，会永远处于落后状态——因为方法本身需要时间积累。现在就开始用、开始摸索协作模式，新版本上线时你已经具备了驾驭它的经验。
This is the worst AI you'll ever use—and it's already amazing.
— Ethan Mollick锯齿状边界：AI在写作编程创意上超人类，在数学事实长上下文上却常常出错
这条边界不是平滑的，是锯齿状的——你无法提前预判哪类任务AI会表现得比人类好、哪类会更差，唯一的办法是多试、多校准，而不是凭直觉假设。
AI让你成为通才：跨界连接能力成为新的护城河
AI时代，能用AI快速覆盖多个领域的通才，正在取代原本靠深度专精立足的专家。具体领域的专业知识加上AI杠杆，比单一专精更强——这与专注单一领域的旧时代生存逻辑正好相反。
多数任务里AI承担70%产出、人类承担30%核心判断的协作比例
速度和质量同时升级的关键是那30%的品味与语境判断
免费部分到这里。墙内还有：
本书与另外 4 本书的观点交锋 · 应用篇
金句摘录
「Always invite AI to the table.」
「This is the worst AI you'll ever use—and it's already amazing.」
「In a year, the question will not be 'Did AI write this?' but 'Did you use AI well?'」
常见问题
这本书讲了什么？
Wharton教授Mollick说把ChatGPT当搜索引擎用，是在浪费AI 90%的能力——LLM不是工具是队友，四条协作原则决定了你能不能追上这一代最差却也最强的AI。
适合谁读？
从核心观点看，适合想搞清楚「AI不是搜索引擎升级：把ChatGPT当Google v2会浪费它90%的能力」这类问题的人。
最核心的一个观点是什么？
AI不是搜索引擎升级：把ChatGPT当Google v2会浪费它90%的能力