如果你还在把 ChatGPT 当百度用——输入问题、拿答案、关窗口——那你只用了它 10% 的能力。本文介绍一个被广泛认可的 AI 能力框架，帮你从「会用」进化到「善用」。
一个扎心的事实
2026 年，GPT-5 和 Claude 已经能自主完成多步骤任务，能读 500 页文档，能写代码、跑模拟、自动发邮件。
但大多数人还在这样用 AI：
- 「帮我写一段关于XX的文案」（→ 不满意 → 重写 → 还是不满意 → 放弃）
- 「XX 工艺参数怎么调？」（→ 得到一个教科书式的回答 → 发现和自己的实际情况完全不搭边）
这就像买了一台数控机床，却只用来锯木头。
Level 1：建立项目（Project）
关键词：上下文，不是对话
第一个关键认知：AI 不是一个搜索引擎，它是一个需要被 onboard 的同事。
你招一个新员工，不会只跟他说一句「好好干」就期待他产出结果。你会给他看流程文件、过往案例、团队规范。
对 AI 也是同样的道理。
在 Claude 或 ChatGPT 中创建一个 Project，然后：
- 上传参考文档：设计规范、企业标准、历史报告模板
- 设置自定义指令（Custom Instructions）：告诉 AI 你是谁、做什么工作、希望它用什么风格回答
- 设定记忆：项目的背景信息、关键参数、常用缩写
举个例子：
“
你是一家锂电工厂的工艺工程师，负责匀浆工序。
你的回答风格：简洁、数据驱动、可执行。
当提到「浆料」时，默认指 NMC 正极浆料。
常用溶剂：NMP（N-甲基吡咯烷酮）。
请始终优先给出现场可操作的建议。
这样做之后，AI 的回答质量会有质的飞跃——因为它的回答是基于你的上下文，而不是通用知识。
Level 2：学会提示（Prompting）
关键词：Persona + Task + Context + Format
绝大多数人的 prompt 太短、太模糊、缺少约束。
一个好的 prompt 包含四个要素：
错误示范：「帮我看看这些数据有什么问题。」
正确示范：「你是一名锂电工艺工程师。以下是过去24小时5个批次的浆料粘度数据（单位 mPa·s）。目标范围 5000-8000。对超出范围的批次，分析可能原因并给出处理建议。以表格输出。」
差距肉眼可见。
Level 3：构建技能（Skills）
关键词：可复用，不重复造轮子
这是2026年最重要的 AI 使用范式转变。
以前我们攒 prompt 库——把好用的 prompt 存在 Notion 里，每次复制粘贴。但 Claude 的 Skills 功能把这个流程升级了：
一个 Skill 是一个打包好的 .md 文件，包含了完成某类任务的完整指令——工作流程、检查清单、输出模板、常见陷阱。
比如我建了一个「管道压降计算审查」的 Skill：
`
当你收到一份管道压降计算书时，按以下流程审查：
1. 检查流体参数：
- 介质、温度、压力是否与 P&ID 一致
- 粘度、密度取值是否合理
2. 检查管道参数：
- 管径、壁厚是否符合管道等级表
- 管道长度、标高差是否正确
3. 验证计算：
- Darcy-Weisbach 公式：hf = f × (L/D) × (v²/2g)
- 摩擦系数 f 的取值方法是否正确（莫迪图 / Colebrook）
- 局部阻力系数 K 值是否合理
4. 输出模板：
- 审查结论：通过 / 需修改
- 发现的问题（如有）：
- 建议：
5. 常见陷阱提醒：
- 气体管道忽略压缩性
- 两相流用单相流公式
- 忽略了泵的 NPSH
“
建好之后，每次收到新的计算书，直接发给 Claude + 激活这个 Skill，10 秒完成审查。
如何创建 Skills？
1. Claude Settings → Capabilities → 启用 Skills
2. 直接用 Claude 的 Skill Creator 功能
3. 或者自己写 .md 文件上传
Level 4：设置自动化（Automations）
关键词：让 AI 按时干活，不用每次手动叫它
到了这个层级，AI 不只是被动响应你的请求，而是按时间表主动执行任务。
2026年的工具：
- Claude Cowork（桌面版）：定时运行 Skills，比如每天早上 8 点自动汇总过去 24 小时的关键生产数据
- n8n（开源自动化平台）：可视化搭建 AI 工作流，连接 SCADA、邮件、微信、飞书等系统
- OpenAI Scheduled Tasks：在 ChatGPT 中设置定时任务
实际应用：
- 每天早上 7:30 → AI 从数据系统拉取昨日关键指标 → 生成日报 → 发送到管理群
- 每周五 17:00 → AI 汇总本周所有变更请求 → 按影响等级排序 → 生成周报
Level 5：部署 AI Agent（智能体）
关键词：AI 自己干活，你只验收结果
这是最高的使用层级。AI Agent 和普通对话 AI 的区别：
- 有目标：不只是回答问题，而是完成一个开放性目标
- 会用工具：能读写文件、调用 API、运行脚本、搜索数据库
- 会规划：把大任务拆成小步骤，按顺序执行
- 会纠错：遇到错误自己重试，直到成功
2026 年已经有成熟的 Agent 产品：
- Claude Code（命令行）：在项目目录里直接运行，读代码、写代码、调试、重构——全程自主
- Devin AI：从需求到部署的全栈工程师 Agent
- Cursor Agent Mode：在 IDE 里自主重构项目
和一个 Agent 的典型对话：
你：「把三车间过去三个月所有超过报警阈值的温度数据找出来，分析趋势，看看和哪台设备的维护记录有关联。」
>
Agent：访问数据库 → 提取温度记录 → 交叉比对维护记录 → 发现与 3 号冷水机组的维护间隔强相关 → 生成报告 → 建议缩短 3 号机组的 PM 间隔
你只说了需求，它自己走完了全程。
你在哪个层级？
大多数人停在 Level 2——会提问，但不会建系统。
而真正的生产力差距，在 Level 3 以后才开始指数级拉开。
今天就可以做三件事
1. 开一个 Project — 把你最重要的那个项目的背景信息、规范文档、常用模板全部传上去
2. 写一条好的 Custom Instruction — 用 Persona + Context 的方式告诉 AI 你是谁、你做什么
3. 把你最常做的重复任务写成 Skill — 不管是审查、汇报、还是写邮件，把流程文档化，下次一键复用
这三点不需要花一分钱，但效果立竿见影。
Have questions about setting up your AI workflow? Contact me. I help engineers build practical AI tool stacks.
Related: 10款工程师必备AI工具（2026） | How Engineers Are Using LLMs in 2026
Related Reading (English): Read the English version of this article