后来我慢慢发现,AI 的效果不稳定,很多时候不是模型的问题,是你没把它当成“一个需要被清楚指挥的助手”。
这篇文章我就按 Tina 的视频脉络,把她讲的 4 个 2026 必备 AI 技能,翻成普通人能直接用的版本:你不需要懂技术,也不需要买一堆工具,照着做就能明显提升效率。
1)提示词工程:不是会“问”,是会“把事情交代清楚”
Tina 的原话很直接:Prompting 是最重要的技能,而且只要记住两套框架,你就能比“98%的人”更会提问。
她给的第一个框架名字很可爱(Tiny crabs write enormous iguanas),但背后其实是一套非常实用的结构:
框架 1:TCREI(Task / Context / References / Evaluate / Iterate)
Task:你要它做什么(输出是什么)
Context:你的背景/使用场景/限制条件
References:给样例/参考/你喜欢和不喜欢的
Evaluate:评判标准(什么叫“好”)
Iterate:让它自检、迭代再给最终版
TCREI 举例:
【Task】我要你输出:________(例如:一份邮件/一页PPT大纲/一份学习计划)
【Context】我的情况:________(例如:我是职场新人/学生/老板;时间预算;目标)
【References】参考/样例:________(可选:我喜欢的风格/不喜欢的风格/给一段示例)
【Evaluate】好答案的标准:1)________ 2)________ 3)________
【Iterate】先问我最多2个关键问题再写;写完自检“错误/遗漏/更优解”,再给最终版。
她还提到第二套框架(Ramen Saves Tragic Idiots),意思是:当第一套框架没得到你想要的结果,就换另一套方式再试。你不必纠结名字,记住“卡住就换问法”就行。
2)用AI加速学习:让它帮你跨过“看不懂”和“信息太多”
Tina 在视频里说:如果要选一个“最强元技能”,她会选 快速学习——而 AI 会把这件事放大很多倍。
她举的工具方向也很明确:
一个通用聊天机器人(能看图、改邮件、分析数据)
一个做新闻/研究的工具(个性化信息流、研究报告)
一个用AI加速学习的工具
一个偏执行的工具(做 slides、dashboard、简单 app)
3)构建定制化 AI 智能体:从“帮你写”到“替你跑流程”
视频里 Tina 对 AI Agents 的定义很明确:用AI去追求目标、代表用户完成任务的软件系统。她还举了很具体的例子:客服 agent 可以自动回邮件/电话,coding agent 可以帮你写代码。
普通人可以从一个最小的“个人智能体”开始:只做一件重复的事。
4)AI辅助编程(vibe coding):不会写代码,也能把想法做成东西
Tina 把 AI-assisted coding(vibe coding)当作 2026 的最后一个关键技能。她甚至说得很绝:任何想做产品的人,现在都能做产品,不管你会不会写代码。
你可以在工具里直接输入“做一个漫画生成器……”,它就能给你搭出来;当然要做得可扩展还需要调整,但核心搭建不再需要你先学会编程。
我把“2026 AI技能清单 + 提示词模板”整理成了一份可直接抄的文档
如果你看到这里,基本已经掌握了这支视频最关键的那条线:
会提问 → 会学习 → 会搭智能体 → 会做东西。
我自己为了方便反复使用,把上面这些内容整理成了:
4项技能的“最小练习路径”(每天做什么)
TCREI 提示词模板 + 学习/总结/研究模板
个人智能体搭建模板
vibe coding 的“需求描述模板(输入-处理-输出)”
后台发送“2026AI技能”可以获取,也欢迎加入AI社群一起交流~
往期内容:
OpenClaw 能干什么?我整理了 100 个入手方向
OpenClaw 太烧token怎么办?七种省钱方案
加这一条指令,AI回答质量直接翻倍
小红书文案:为什么 AI 写得“全对”,却永远不爆?
很多项目不是做不大,是你还在用“个体思维”做创业

