年初看到Sam Altman 说：「Older people use ChatGPT as a Google replacement. People in their 20s and 30s use it as a life advisor. People in college use it as an operating system."」
看到的时候我没太读懂，所以就让AI给我解释了一下。大意是：
【搜索引擎是你偶尔打开查信息的工具，但操作系统是你所有工作的基础设施。年轻人用AI的方式更像后者——AI不是偶尔用一下，而是贯穿工作的每一个环节。从写代码到内容创意，AI支撑着整个工作流程。这不是"用AI替代搜索"，而是"AI成为做一切事情的基础"。
更关键的是，操作系统改变的是你能思考什么问题。年轻创业者开始思考“用AI能构建什么样的企业模式"、"如何用AI快速验证想法"——这是根本性的思维升级。】
读完之后所以当下就决定，2026年值得all in AI（是我今年1.5件事儿中的“1”），即使我并不在AI行业，也不是Coder。
我这次分享更多的是心法而不是具体的操作方法。内容主要来自X上一篇帖子《How Best People Actually Use AI》，很受启发。
-- 以下是正文 --
《顶尖人才是怎么使用AI》
原文链接：https://x.com/Andrey__HQ/status/2010458127117025455
说在最前面，我不是专家才20岁，三年四家公司：两家做网络安全，一家做Agent（做的是Stable Diffusion工程师），现在在另一家企业级Agent初创公司做市场营销，运气好能跟一群比我聪明太多的人待一个屋子。
这不是"我全懂了"的建议，就是看那些最聪明的人怎么干活，观察出来的东西。
1）他们的共同点
听起来可能反直觉，但真不是智商、也不是几十年的经验，共性是好奇心。
最好的工程师、操盘手、建造者都有一种极致的好奇心。问那些没人想得到的问题，质疑一切。去研究别人看不上的工具，试那些看着没意义的东西（直到突然有了意义）。
我共事过的一个工程师，每天雷打不动第一个小时就是读她已经在用工具的更新日志和文档。注意，这可不是新工具，是她过去两年一直在用的工具，但她能找到团队里其他人根本不知道的功能。Claude Skills和MCP服务器现在也是这样。
规律很明显：顶尖高手从来不把学习当"有空再说"的事。而是当成铁律，把它当成每天刷牙、洗脸、吃饭、喝水一样必做的事情。对学习这件事儿，有敬畏感。
2）Claude为什么成了首选
现在看不奇怪，2023年的时候挺意外。工程师们什么都试——GPT-3.5、Gemini、本地模型、Mixtral、Claude、Grok。一堆模型，但十个工程师九个最后还是拿Claude干正事。
问为什么，都说：因为它思考的方式不一样。
Claude处理架构决策的方式和其他模型不同。给它一个复杂的系统设计问题，它不会直接吐出训练数据里最常见的模式，而是真的在推理权衡。
对我来说aha moment是这个：一个资深工程师搭了个工作流，四个终端屏幕，写一次提示词，四个模型同时收到相同输入。结果三个AI模型给的答案几乎一模一样，也不问问题。只有Claude不一样，会先问，然后给的答案涉及了别的模型压根没提的边缘情况。
Opus 4.5后来成了所有需要判断力的工作的标准选择。
需要思考系统设计、权衡选项、或者需要有东西能反驳你的想法？这时候Claude就拉开距离了（它不会无脑同意你，甚至可以通过skill让它真的反抗你的要求）。
对于那些路径已经很清楚的执行任务，人们会切换到更快的模型。但对于思考的工作——那些真正决定项目成败的东西，Claude成了默认选择。
而且，我看到的这些顶尖高手把选择模型本身当作一项技能来培养。
3）要问AI具体问题
有个规律：，每个能持续获得好AI输出的人，从来不问笼统的问题。输入比你想的重要得多得多。
AI对markdown文件和结构化文件的处理特别好。你对问题越具体，输出就越好。适用于你能想到的每一个场景。
例子：
❌ 烂："帮我写个脚本处理这些CSV文件。"
✅ 好："写一个Python脚本，从当前目录读取sales.csv和orders.csv，根据customer_id连接它们，计算每个客户的总收入，然后输出到revenue.csv。不要记录日志，不要配置，直接写脚本。"
第一个版本给了Claude自由发挥的空间，虽然能用，但达不到你要的标准。第二个版本有具体目标，定义了成功和达成路径，Claude只管填空。思考还是在你身上。
世界上最好的工程师提示词很严谨，因为敲字前就想清楚了，这个技能区分了99%的工程师和顶尖1%。
4）解决上下文冗长问题：「The Copy-Paste Reset」
当上下文窗口会膨胀，累积的东西越来越多，模型开始吐垃圾。很常见，也很好解决。
方法是：从当前对话中复制所有重要的东西，完全清空上下文，然后只粘贴回重要的部分。最后这步最关键！
（PS：顶尖高手会自动化这套流程，变成一个自定义的bash命令：在目录里建个.claude/commands/→写个markdown文件→把提示词扔给Cladue，结束）
全新上下文+关键信息保留=模型又开始正常工作了
听起来显而易见对吧？但我看到太多人在退化的上下文里挣扎好几个小时，就是不肯清空重来。我自己也犯过无数次。
顶尖工程师的心智模型：把AI当无状态机器。
5）学习速度
大多数人还没懂：信息不是护城河，但又是护城河。
信息到处都是。人人有Claude、GPT，人人能生成代码、分析东西。但你和顶尖高手之间的差别是获取正确信息的能力。
跟AI用得好的人之间的差距，不是工具的差别，而是知道该问什么。知道该问什么来自于保持好奇，真正去尝试那些看起来没意义的东西来学习。是的，AI几乎回答你的任何问题，但这是你的人生，不是AI的。所以保持好奇。
顶尖高手把AI当复利技能。像游戏开新地图一样，每天都有新东西。每隔一周顶尖工程师就优化，在日常工作流中碰到非常个人或者极小众需求就造skill或workflow，也就因为这个他们才是顶尖。普通人用1个月和用6个月没差别。不是说你得每天花几小时研究。而是说你需要足够好奇，去注意到什么时候不work了，然后尝试不同的东西，提高你的试错率。
顶尖工程师偶尔会用AI做一些完全不在他工作范围内的事情，只是为了看它怎么处理不同类型的问题。他会让它规划假期、写演讲稿，或者做一些完全无关的事情。他可能根本不需要这些，但他在测试自己对AI的直觉。
这直觉能直接用到实际工作：他知道什么时候该信任AI输出，什么时候该反驳。他对AI什么时候给好输出、什么时候需要加入他的专业知识和人类判断力，直觉很准。
6）残酷的真相
大多数人读完啥都不会变，他们会想"我早就知道了"或者"这不适用于我"或者"我晚点试试"。没事，反正大多数人压根不想学，只是读文章看视频感觉在学，觉得高效，但啥都没变。
真正在AI上领先的人不是，他们读到什么，立刻就去试。所以回到文章上面，去试着在claude code里创建你自己的命令。别再让它变成「待办事项」。
--End---
如果文章太长，你只能带走一个观点：把AI当成你的操作系统！干啥都先跟他讨论讨论，三问AI而后行。
