一、全书概览
这本书的定位很明确——给普通人讲清楚 AI 浪潮里怎么赚钱、怎么不被淘汰。市面上讲 AI 的书不少，但大多要么偏技术（满篇代码和公式），要么偏鸡汤（"拥抱变化"喊口号）。这本书试图走一条中间路线：既有实操层面的工具教学，也有商业层面的机会分析。
全书结构沿着"认知重构—产业分析—能力构建—行业实践—创业指南"这条线展开。前半部分重点解决"怎么看"的问题——帮读者建立对 AI 的正确认知，破除"AI 会取代我"的焦虑；后半部分重点解决"怎么干"的问题——从提示词工程到具体行业的 AI 应用案例，再到创业路径设计。
作者林志是上海大学背景、10年连续创业者，杨慧琴专注于企业知识管理领域。两个人的组合让这本书既有一线创业者的市场嗅觉，又有知识管理工作者的方法论意识。
坦率地说，这本书的优点和缺点都很明显。 优点是覆盖面广，从 Kimi 的基础操作到行业落地方案都有涉及，对 AI 零基础的读者确实友好。缺点是 210 页的篇幅要讲清楚这么多内容，必然有些地方浅尝辄止。比如提示词工程、AI 创业等话题，每一项单独拿出来都可以写一本书，这里只能点到为止。
适合谁读？ 三类人：① 对 AI 有好奇心但还没开始动手的职场人；② 想用 AI 提升工作效率但不知道从哪下手的人；③ 考虑 AI 相关创业但需要先建立全局认知的人。如果你已经是 AI 老手，这本书可能帮不了太多。
二、逐章要点
第1章 AI财富浪潮：认知重构与机遇洞察
"未来淘汰你的不是 AI，而是比你更会使用 AI 的人。"
这一章是全书的理论基座。作者从宏观经济视角切入，分析了 AI 技术对全球经济结构的冲击——不是什么遥远的未来图景，而是正在发生的事。2023年 ChatGPT 爆火之后，AI 从实验室走进了每个人的手机，这个转折点的意义不亚于 2007 年 iPhone 发布。
作者提出"认知重构"的概念，核心观点是：面对 AI，焦虑没用，逃避也没用，唯一正确的态度是"主动驯化"——把 AI 当成工具来用，而不是当成对手来怕。
AI 对就业市场的影响分三个层次：
| 影响层次 | 具体表现 | 应对策略 | |---------|---------|---------| | 替代层 | 重复性、规则化工作被自动化取代 | 转向需要创造力和判断力的岗位 | | 增强层 | AI 辅助提升现有岗位的效率和产出 | 学会使用 AI 工具，成为"AI 增强型"人才 | | 创造层 | AI 衍生出全新的职业和商业模式 | 关注 AI 催生的新机会，主动探索 |
- [ ] 梳理自己工作中哪些环节可以被 AI 辅助或替代
- [ ] 列出 3 个行业内已经出现 AI 应用的案例
- [ ] 用自己的话写一段"我对 AI 的真实看法"
实操要点： 作者建议读者先做一个"AI 认知自检"——你目前对 AI 的了解停留在哪个层级？是"听说过"，还是"用过一两次"，还是"日常工作中已经在用"？诚实评估自己的起点，后面的学习才有针对性。
第2章 文字应用篇：写作能力升级
"AI 不会让写作变得廉价，但会让不会写作的人变得更透明。"
这一章聚焦 AI 在文字工作中的应用。从公文写作到营销文案，从学术论文到社交媒体内容，AI 已经能覆盖相当大比例的文字生产需求。
文体类型与 AI 适配度：
| 文体类型 | AI 适配度 | 人类不可替代的部分 | |---------|----------|------------------| | 公文/报告 | ⭐⭐⭐⭐⭐ | 格式规范、数据准确 | | 营销文案 | ⭐⭐⭐⭐ | 品牌调性、情感共鸣 | | 学术论文 | ⭐⭐⭐ | 研究设计、创新观点 | | 文学创作 | ⭐⭐ | 独特视角、情感深度 | | 法律文书 | ⭐⭐⭐⭐ | 法条引用、逻辑严密 |
作者特别强调了"人机协作"的模式：AI 负责初稿和素材整理，人类负责修改润色和最终把关。这不是偷懒，而是效率的合理分配——让机器做机器擅长的事，让人做人擅长的事。
- [ ] 用 AI 辅助完成一次日常工作文档的写作
- [ ] 对比 AI 初稿和人工修改后的差异，总结修改规律
- [ ] 建立自己的"AI 写作模板库"
实操要点： 书中给了几个具体的提示词模板，比如"请以XX的身份，为XX受众，写一篇关于XX主题的XX字文章"。这些模板的价值不在于你照抄，而在于帮你建立"结构化表达需求"的习惯——你越清楚自己要什么，AI 给你的结果就越好。
第3章 Kimi 电脑版核心功能与提示词工程
"提示词就是你和 AI 之间的'产品需求文档'。"
这一章是全书最"硬核"的部分，也是实操性最强的一章。作者以 Kimi 为主要工具载体，系统讲解了提示词（Prompt）设计的方法论。
提示词设计四要素：
| 要素 | 说明 | 示例 | |------|------|------| | 角色设定 | 告诉 AI 它是谁 | "你是一位有10年经验的营销总监" | | 任务描述 | 明确要做什么 | "帮我分析这个产品在Z世代中的市场机会" | | 约束条件 | 设定边界和格式 | "输出不超过500字，用表格呈现" | | 参考素材 | 提供背景信息 | 附上行业报告或数据链接 |
作者还讲了提示词优化技巧——如果你对 AI 的第一次输出不满意，不要直接放弃，而是通过追问和迭代来改进结果。这个"多轮对话"的能力，是很多人忽略的。
参数指令部分（temperature、top_p 等）虽然技术性较强，但作者用通俗语言做了类比：temperature 就像"创意温度计"，值越高 AI 越有想象力，值越低输出越稳定。
- [ ] 用四要素框架重新设计 5 个常用的提示词
- [ ] 练习多轮对话优化，把一个粗糙的结果迭代到可用
- [ ] 调整 temperature 参数，感受不同参数对输出风格的影响
实操要点： 作者建议建一个"个人提示词库"，把日常工作中反复使用的提示词整理成模板。这不是什么高级技巧，但长期积累下来，你的 AI 使用效率会远超那些每次都从头想提示词的人。
第4章 多行业 AI 应用场景分析
"AI 不是万能的，但在特定场景下，它比大多数人想象的更有用。"
这一章可能是争议最大的部分。作者试图覆盖多个行业的 AI 应用：金融、医疗、教育、交通、制造等，每个行业用几个案例来说明 AI 在实际业务中的落地情况。
重点行业 AI 应用成熟度评估：
| 行业 | AI 应用成熟度 | 代表性应用 | 普通人的机会 | |------|-------------|-----------|------------| | 金融服务 | ⭐⭐⭐⭐⭐ | 智能投顾、风控模型 | 量化策略、内容分析 | | 医疗健康 | ⭐⭐⭐⭐ | 影像诊断、药物研发 | 健康管理、科普内容 | | 在线教育 | ⭐⭐⭐⭐ | 个性化学习、智能批改 | 知识付费、课程设计 | | 交通出行 | ⭐⭐⭐ | 自动驾驶、路径优化 | 数据标注、场景分析 | | 文化传媒 | ⭐⭐⭐⭐⭐ | 内容生成、智能推荐 | 自媒体运营、IP 开发 |
其中"AI+交通出行——自动驾驶与智慧交通新图景"一节，作者从技术路线（L1-L5 自动驾驶等级）讲到商业模式（Robotaxi、物流无人化），再到对传统交通从业者的冲击。这部分信息密度较高，但受限于篇幅，每个点都只能一笔带过。
- [ ] 选择自己所在行业，用 AI 搜索 10 个最新的行业应用案例
- [ ] 找到 3 个"AI 还没做好但即将做好"的细分领域
- [ ] 画出自己行业 AI 渗透的"时间线预测图"
实操要点： 不要试图了解所有行业的 AI 应用——这不现实。聚焦你自己所在的行业，深入到"知道别人不知道的"程度，比泛泛了解十个行业有价值得多。
第5章 AI 辅助的行政与人力管理
"AI 不是要取代 HR，而是要让 HR 从表格和流程中解放出来，去做更有价值的事。"
这一章专门针对行政和人力资源领域，给了不少具体的操作案例。招聘环节是重点：用 AI 筛选简历、生成面试问题、做初步的人才画像。作者认为，HR 行业目前最大的问题不是"AI 要取代 HR"，而是"很多 HR 连 Excel 都用不好，更别提 AI 了"。
书中给了一个"AI 招聘全流程"的案例：从岗位 JD 撰写 → 简历智能筛选 → 面试问题生成 → 候选人对比分析 → 入职管理。每个环节都可以用 AI 提效，但最终决策权在人类手中。
- [ ] 用 AI 帮你优化一份简历或岗位 JD
- [ ] 设计一套"AI 辅助面试问题库"的提示词模板
- [ ] 统计一下行政工作中哪些环节可以自动化
第6章 知识管理与学习力提升
"未来的核心竞争力不是你知道多少，而是你多快能学会新的东西。"
这一章回到了作者的"老本行"——知识管理。杨慧琴长期在企业中推动知识管理实践，这一章的内容显然有真实项目经验的支撑。
核心观点：AI 时代，知识的获取成本趋近于零，但知识的组织能力、应用能力、创新能力反而更值钱了。你需要的是一个"个人知识操作系统"——不是简单的笔记工具，而是一套从信息收集到知识输出的完整流程。
个人知识管理四层模型：
| 层级 | 内容 | 工具 | AI 的角色 | |------|------|------|----------| | 信息收集 | RSS、阅读、课程 | 浏览器、稍后读 | 自动摘要、关键信息提取 | | 知识整理 | 分类、标签、关联 | 笔记软件、数据库 | 智能分类、关联推荐 | | 知识输出 | 文章、报告、方案 | 写作工具 | 辅助写作、结构优化 | | 知识应用 | 决策、解决问题、创新 | 项目管理工具 | 方案生成、风险分析 |
- [ ] 梳理自己目前的知识管理流程，找出断点
- [ ] 选择一个 AI 工具嵌入到自己的学习流程中
- [ ] 用 AI 做一次"知识盲区扫描"
实操要点： 不要追求完美的知识管理系统。先用最简单的方式跑起来（哪怕就是一个 Markdown 文件），在实际使用中发现问题再优化。工具是手段，不是目的。
第7章 AI 创业：从副业到全职
"创业不是辞职才叫创业。从下班后的两小时开始，就是最好的时机。"
这一章讨论 AI 创业的机会和路径。作者林志作为连续创业者，给出的建议比较务实：不要一上来就"All in"，而是从副业开始验证，跑通最小闭环再考虑放大。
AI 创业机会图谱：
| 类型 | 门槛 | 收入潜力 | 风险等级 | 代表方向 | |------|------|---------|---------|---------| | AI 内容创作 | 低 | 中 | 低 | 自媒体、知识付费、写作服务 | | AI 工具代理 | 中 | 中高 | 中 | 企业 AI 落地咨询、培训服务 | | AI 产品开发 | 高 | 高 | 高 | 独立应用、SaaS、API 服务 | | AI 数据服务 | 中 | 中 | 低 | 数据标注、数据清洗、行业数据集 |
作者特别强调了"最小可行产品"（MVP）思维：不要花三个月开发一个完美产品，而是花三天做一个能用的版本去测试市场反应。AI 工具的存在大大降低了 MVP 的制作成本——很多以前需要团队才能做的事，现在一个人加 AI 就能搞定。
- [ ] 列出 3 个你感兴趣且有能力尝试的 AI 副业方向
- [ ] 为其中一个方向设计一个"30天验证计划"
- [ ] 找到 2-3 个已经成功的 AI 创业案例，拆解他们的起步路径
第8章 知行合一：从认知到行动
"所有你读过的书、看过的课、想过的计划，如果不去执行，价值等于零。"
最后一章是全书的"收尾动作"。作者承认，这本书最大的挑战不是内容本身，而是读者看完之后的行动率。据作者观察，看这类书的读者中，真正开始行动的不超过 10%。
为了提高行动转化率，作者给了一个"21天 AI 上手计划"：第一周每天花30分钟熟悉一个 AI 工具；第二周每天用 AI 完成一个真实工作任务；第三周尝试将 AI 融入日常工作流程。这个计划的节奏感不错，不至于太激进导致放弃，也不至于太轻松没有成就感。
书中还提到了"知行合一"的概念——这不是王阳明哲学课，而是一个非常朴素的道理：你知道 AI 重要，但你不用它，那这个"知道"就没有任何价值。认知和行动之间的鸿沟，是大多数人失败的原因。
- [ ] 制定自己的"AI 学习 30 天计划"
- [ ] 找一个"学习搭子"，互相监督进度
- [ ] 一个月后复盘，看看自己实际改变了多少
三、关键概念速查
1. 认知重构（Cognitive Reframing）
不是简单改变想法，而是从根本上调整看待 AI 的框架。从"AI 是威胁"转向"AI 是杠杆"。核心操作：识别自己的认知盲区 → 主动获取新信息 → 用小实验验证新认知 → 固化为新的行为模式。
2. 提示词工程（Prompt Engineering）
和 AI 对话的技术。好的提示词包含四个要素：角色设定 + 任务描述 + 约束条件 + 参考素材。进阶技巧包括多轮迭代、少样本学习（Few-shot）、思维链（Chain of Thought）等。
3. AI 增强型人才（AI-Augmented Worker）
不是"会用 AI 的人"，而是"把 AI 融入工作流程，产出比不用 AI 时高 3-5 倍的人"。关键区别在于：前者是把 AI 当玩具偶尔玩玩，后者是把 AI 当基础设施持续使用。
4. 最小可行产品（MVP）
用最低成本、最短时间做出能验证市场需求的产品版本。AI 工具让 MVP 的制作成本降低了 80% 以上——很多以前需要技术团队才能做的事，现在一个人用 AI 就能完成初版。
5. 个人知识操作系统（PKOS）
不是简单的笔记工具，而是从信息收集→知识整理→知识输出→知识应用的完整闭环。AI 在每个环节都能发挥作用：自动摘要、智能分类、辅助写作、方案生成。
6. 多轮对话优化（Iterative Refinement）
第一次和 AI 的对话 rarely 能得到完美结果。关键是通过追问、补充约束条件、提供更多上下文来逐步优化输出。这个过程类似和实习生沟通——你越明确，他越靠谱。
7. AI 创业验证闭环
从副业开始 → 找到真实需求 → 用 AI 快速做出 MVP → 小范围测试 → 收集反馈 → 迭代优化 → 验证可行后考虑放大。整个过程的核心是"用最小成本验证最大不确定性"。
四、核心框架/模型
模型一：AI 时代个人竞争力金字塔
┌─────────┐
│ 创新力 │ ← 最高层：AI 难以替代
┌┴─────────┴┐
│ 学习力 │ ← 中间层：决定你的成长速度
┌┴───────────┴┐
│ AI 工具力 │ ← 基础层：人人都能掌握
┌┴─────────────┴┐
│ 专业能力 │ ← 底座：你的行业经验
└─────────────────┘
这个金字塔的核心逻辑：专业能力是底座，没有它你不知道该让 AI 干什么；AI 工具力是必备技能，不会用就等于在工业时代不会用电脑；学习力决定了你能跟上 AI 发展的速度；创新力是最终的差异化壁垒——AI 目前还做不到真正的"从 0 到 1"。
模型二：AI 应用决策矩阵
| | 高标准化 | 低标准化 | |---|---------|---------| | 高价值 | 🔴 优先自动化（报告生成、数据分析） | 🟡 人机协作（战略规划、创意方案） | | 低价值 | 🟢 直接自动化（邮件分类、日程安排） | ⚪ 保持人工（人际沟通、情绪管理） |
用法：把你日常的工作任务填进这个矩阵，高标准化+高价值的优先用 AI 自动化，低标准化+高价值的用 AI 辅助人工完成，低价值的直接自动化或者外包。
模型三：21天 AI 融入工作流
第1-7天（探索期） 第8-14天（应用期） 第15-21天（融合期）
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ 每天熟悉1个 │ │ 每天用AI完成 │ │ 将AI融入日常 │
│ AI工具的基础 │ → │ 1个真实工作 │ → │ 工作流程， │
│ 功能和场景 │ │ 任务 │ │ 形成习惯 │
└──────────────┘ └──────────────┘ └──────────────┘
五、金句摘录
-
"未来淘汰你的不是 AI，而是比你更会使用 AI 的人。" ——这句话几乎成了 AI 时代的"标准口号"，虽然有些老生常谈，但道理不假。
-
"提示词就是你和 AI 之间的'产品需求文档'。" ——把提示词比作 PRD，这个类比对有产品思维的读者特别有效。
-
"AI 不会让写作变得廉价，但会让不会写作的人变得更透明。" ——这句话的潜台词是：AI 拉高了"及格线"，但上限仍然取决于人。
-
"所有你读过的书、看过的课、想过的计划，如果不去执行，价值等于零。" ——全书中最朴素也最有力量的一句话。
-
"创业不是辞职才叫创业。从下班后的两小时开始，就是最好的时机。" ——降低创业的心理门槛，让更多人愿意迈出第一步。
-
"不要追求完美的知识管理系统。先用最简单的方式跑起来。" ——对工具党的一记警钟。
六、行动清单
📅 每天
- [ ] 用 AI 辅助完成至少一个工作任务（邮件、文档、数据分析等）
- [ ] 花 10 分钟浏览一个 AI 相关的信息源（公众号、播客、newsletter）
- [ ] 记录一次"AI 帮我解决了什么问题"或"AI 哪里做得不好"
📅 每周
- [ ] 优化 1-2 个常用提示词，提升输出质量
- [ ] 尝试一个新的 AI 工具或新功能
- [ ] 复盘本周 AI 使用情况：哪些场景有效？哪些场景还没覆盖？
- [ ] 向一个朋友或同事分享你发现的 AI 实用技巧
📅 每月
- [ ] 做一次"行业 AI 应用"调研，更新自己的认知
- [ ] 用 AI 完成一个稍微有挑战的项目（比如写一篇深度文章、做一份市场分析）
- [ ] 评估自己的 AI 技能水平，设定下个月的提升目标
- [ ] 整理本月积累的提示词和模板，更新个人提示词库
七、一句话总结
这是一本"AI 入门+行动指南"——它不能让你成为 AI 专家，但如果你认真读完并照着做，至少不会在 AI 浪潮中掉队。
八、读者热议
热议 1：内容深度 vs 广度的取舍
不少读者认为 210 页要覆盖"认知+工具+行业+创业"这么多话题，每个部分都显得太浅。"什么都讲了等于什么都没讲"是常见的批评。但也有读者反驳：作为入门书，它的价值在于帮读者建立全局视角，具体深入可以再去看专题书。这个争议本质上是"通才书 vs 专才书"的经典争论——对初学者来说，先见森林再深入某棵树，其实是一个合理的路径。
热议 2：案例的时效性问题
有读者指出，AI 领域发展太快，书中 2025 年初的案例到 2025 年下半年可能就已经过时了。比如 Kimi 的功能迭代速度很快，书中描述的界面和功能可能和最新版不一致。这是一个结构性问题——任何关于 AI 的纸质书都面临同样的困境。更务实的做法可能是：把这本书当作"方法论框架"来读，具体工具层面的内容以官方文档和在线教程为准。
热议 3："副业变现"是否过于乐观？
书中关于 AI 创业和副业的章节，有读者觉得有些过于乐观。"用 AI 写自媒体就能赚钱"的说法在实操中并不容易——2025 年 AI 生成内容的竞争已经非常激烈，单纯靠"AI 写文章"的门槛低到几乎没有护城河。但也有读者认为，作者的建议并不是"用 AI 无脑写文章赚钱"，而是强调"找到真实需求+用 AI 降低执行成本"，这个思路本身是对的。争议的核心在于：读者是否把"降低成本"理解成了"零成本"。
笔记生成：2026-04-28 by 喵喵 🐈
相关笔记
同作者仅有此篇 同主题：