🎯 要点 1：AI 工具的三种分类

理解不同类型的 AI 工具是有效使用 AI 的第一步。

📱 独立工具（Standalone Tools）

• 定义： AI 驱动的软件，设计为独立工作，只需最少的设置
• 访问方式： 通过其网站或应用直接访问，无需与其他软件集成
• 通用聊天机器人： ChatGPT、Gemini、Claude、Perplexity
• 专用应用程序： Spico、Otter AI、Mid Journey、Gamma

🔧 内置 AI 功能的工具（Tools with Integrated AI Features）

核心区别：特定软件内的内置增强功能，而非独立应用。

场景对比 – 改进写作：

• 独立工具方式：在 Google Docs 中起草 → 复制粘贴到 ChatGPT → 改进写作
• 集成方式：直接在 Google Docs 中使用内置的 Gemini for Workspace AI 功能

场景对比 – 生成图像：

• 独立工具方式：使用 Mid Journey 生成图像 → 插入演示文稿
• 集成方式：在 Google Slides 中直接使用 Gemini 创建图像

⚙️ 定制 AI 解决方案（Custom AI Solutions）

为解决特定问题量身定制的应用程序。

案例 1：医疗领域 – Johns Hopkins University 败血症检测系统

目标：检测败血症的唯一目的
成果：诊断准确率从 2-5% 提高到平均 40%

案例 2：销售领域 – 客户优先级排序系统

背景：每季度管理 200+ 客户，对每个客户进行研究非常耗时
系统功能：摄取所有客户信息 → 考虑季节性、历史数据、行业趋势 → 按需要帮助的可能性排名

重要认知纠正：设计良好的定制 AI 解决方案应该需要很少或不需要技术知识，非技术背景人士也可以使用。

💡 要点 2：提示工程技巧 – 浮现隐含上下文

核心概念：将人类交流中的隐含信息明确表述给 AI 工具。

🍽️ 例子 1：餐厅推荐场景

• 场景： 你的素食主义朋友要求餐厅推荐
• 人类行为： 你本能地回复素食友好选项
• 隐含上下文： 朋友是素食主义者（虽然未明说）
• AI 使用原则： 这种隐含上下文需要在与 AI 工具沟通时明确陈述

💰 例子 2：薪资谈判场景

你脑中的隐含上下文：

• 去年获得了 10% 的涨幅
• 今年是团队中表现最好的
• 行业平均涨幅是 12%
• 因此决定要求 15% 的加薪

问题：如果在与 AI 工具头脑风暴谈判技巧时遗漏所有这些隐含上下文

后果：将收到质量较低（更通用）的输出

相关资源： 作者关于如何编写完美提示的完整视频（链接在视频描述中）以及免费 Workspace 工具包，包含 5 个最喜欢的生产力提示词

🎯 要点 3：Zero-shot 与 Few-shot 提示技术

📚 核心定义

• “Shot” 的含义： 简单来说就是例子
• Zero-shot： 不包含例子的提示
• One-shot： 包含一个例子
• Few-shot： 包含两个或更多例子

💬 实际应用示例：Bumble 约会应用开场白

Zero-shot 提示：

Prompt: "Write me a pickup line for Bumble"

特点：完全假设的场景，没有任何参考例子

One-shot 提示：

Prompt: "Write me a pickup line for Bumble. Reference this pickup line my friend used that worked well for him"

包含：一个你朋友写的例子

Few-shot 提示：

结构与 one-shot 相同，但包含两个或更多成功开场白的例子

关键原则：你提供的相关例子越多，AI 工具的输出就越相关

🔗 要点 4：链式思考提示（Chain of Thought Prompting）

定义（来自 Google 课程）：

“当你将单个任务分解为更易管理的步骤时，你帮助大语言模型产生准确和一致的结果”

📝 实际应用案例：撰写求职信

选项 1：不使用链式思考

• 与聊天机器人分享当前简历和职位描述
• 直接提示它写一封求职信

选项 2：使用链式思考提示（完整三步流程）

"Based on my resume and the job description, write an 
attention-grabbing hook for my cover letter..."

"Based on my resume, the job description, and hook, 
write the body of my cover letter."

"Based on my resume, the job description, hook, and body 
write a strong closing for my cover letter."

为什么有效：将大任务（写整封求职信）分解为可管理的步骤，产生更准确和一致的结果。

相关资源： 作者完整视频展示求职者如何使用链式思考提示不仅写求职信，还改进简历（链接在视频描述中）

⚠️ 要点 5：理解 AI 的局限性

为什么重要：许多人（包括作者本人）在使用 AI 工具时倾向于忽视这一点。了解局限性是负责任使用 AI 的关键。

🚨 三大主要局限性

局限性 1：数据偏见

• 问题： 用于训练 AI 模型的底层数据可能存在偏见
• 例子： 如果文本转图像模型仅在极简主义图形上训练，那么它可能无法生成华丽和大胆的设计

局限性 2：数据不足

• 问题： 源训练数据中关于特定主题的信息不足
• 表现： 许多 AI 模型有截止日期
• 后果： 如果询问最近发生的事情，它不会有足够的关于该主题的数据，无法给你准确的答案

局限性 3：幻觉（Hallucinations）

• 定义： AI 输出完全不符合事实的不准确信息
• 何时是功能而非 bug： 例如在头脑风暴新想法时
• 何时成为问题： 幻觉传播虚假信息

应对策略：对于”高风险任务”一定要仔细检查答案

高风险任务示例： 根据健康目标应服用什么补充剂或维生素

目标受众限制

不适合的人：

• 已经在日常工作流程中使用 AI 工具（如 ChatGPT 和 Google Gemini）
• 希望深入研究特定 AI 用例

主要缺点：例子过于模糊

问题表现： 虽然课程很好地解释了复杂主题，但提供的例子相当模糊

具体批评案例：客户服务 AI 应用

课程给出的例子：一家公司使用 AI 来减少客户服务响应时间。就这样，这就是整个例子。

缺失的深度内容：

• 这家公司使用的是独立 AI 工具还是定制 AI 解决方案？
• 他们如何培训员工使用 AI 系统？
• 他们如何 grounding 数据以防止 AI 系统产生幻觉？

适合的学习者类型

• 初学者： 优秀的入门级课程
• 视觉学习者： 特别适合通过图形学习的人

🌟 优势 1：权威性和可信度

• 学习来源： 从 Google 员工那里学习
• 资质： 这些人是 AI 领域的权威专家
• 对比： 他们不只是”互联网上某个喜欢开粗俗玩笑的随机人士”

🎨 优势 2：出色的视觉化教学

作者评价： 作为视觉学习者，惊叹于他们如何使用简单图形解释复杂主题

经典类比示例：AI 工具与 AI 模型

• AI 模型 = 引擎 – 提供底层能力
• AI 工具 = 汽车 – 帮助你完成任务

🎯 优势 3：交互元素令人惊喜地有帮助

• 活动/作业（Homework）：
  • 设计良好
  • 实际帮助学习该课程的关键概念
• 评分作业（Graded Assignments）：
  • 不容易通过
  • 主要是多项选择题
  • 但必须认真注意才能达到 80% 并通过测验

额外资源价值：

• 精选 AI 工具列表：课程提供为初学者探索的 AI 工具精选列表
• 术语词汇表：包含日常生活中普遍存在的常见 AI 术语词汇表

🎓 证书价值

实际用途： 可以使用课程结束时获得的合法证书吸引潜在雇主和/或合作伙伴

重要提示：不要直接购买 AI Essentials 课程

原因： 作者在付费后才发现的信息

更优方案： 如果在 Coursera 上注册 Google 项目管理认证，可以免费获得 AI Essentials 课程

💡 赞助商： Coursera 赞助了视频的这一部分

如何获取：

1. 点击视频描述中的链接
2. 注册 Google 项目管理认证
3. 免费解锁 AI Essentials 课程