AI Prompting for Everyone 课程笔记 - P21 总结 Conclusion

1. The AI Novice and the AI Power User：如何成为 AI 高阶用户
2. Pretrained Knowledge：AI 已经掌握哪些知识
3. Web Search：如何获取外部信息
4. Web Search Sources：如何选择和验证信息来源
5. Using Deep Research：如何开展复杂研究
6. Lab Overview：如何通过实验比较不同 AI 使用方式
7. Brainstorming with AI：使用 AI 进行头脑风暴
8. Context：上下文
9. AI Desktop Apps：AI 桌面应用
10. Reasoning with AI：AI 推理
11. Sycophancy：谄媚
12. Writing with AI：用 AI 写作
13. AI Critique：AI 评价与批判性反馈
14. Lab Overview: Brainstorming and Critique：实验介绍：AI 头脑风暴与批判性评价
15. Working with Multimedia Data：处理多媒体数据
16. Imaging Understanding：图像理解
17. Imaging Generation：图像生成
18. Building Apps：使用 AI 构建应用程序
19. Data Analysis：数据分析
20. Lab and Final Project：实验与期末项目

一、课程核心思想

经过前面 20 节课程，我们已经学习了 AI 的多种能力。从最初的简单问答，到利用 AI 搜索信息、开展研究、进行头脑风暴、分析复杂问题，再到生成图片、构建应用和分析数据。整门课程实际上围绕一个核心问题展开：如何从 AI Novice（AI 新手）成长为 AI Power User（AI 高阶用户）？

AI 新手通常将 AI 当成一个回答问题的工具。例如：

What is machine learning?

而 AI 高阶用户不仅会提问，还会：

• 提供充分的 Context。
• 根据任务选择合适的 AI 工具。
• 让 AI 处理复杂任务。
• 使用 Web Search 和 Deep Research 获取信息。
• 通过 Iteration 不断改进结果。
• 使用 Rubric 和 Critique 检查质量。
• 利用 AI 创建真实的应用和成果。

因此，整门课程的重点并不是记住某几个万能 Prompt。而是建立一种新的工作方式：让 AI 成为能够参与信息获取、思考分析和实际执行的协作伙伴。

核心结论：AI Power User 的重要能力，是能够根据真实任务选择合适的方法，为 AI 提供必要的背景，评价输出结果，并通过反复协作完成有价值的工作。

二、整门课程的三个核心模块

2.1 Module 1 — Finding Information（获取信息）

第一个模块主要解决：如何让 AI 帮助我们找到需要的信息？

核心知识点

1. Pretrained Knowledge（预训练知识）：理解 AI 已经掌握哪些知识。
2. Web Search（联网搜索）：获取预训练知识之外的信息。
3. Web Search Sources（搜索来源）：判断信息来源是否可靠。
4. Deep Research（深度研究）：对复杂问题开展多步骤研究。
5. Lab Practice（实验实践）：比较不同信息获取方式的效果。

什么时候使用不同能力？

重要学习启示：不要假设 AI 的预训练知识始终足够。

例如：如果用户询问：

What are the latest developments in AI research this week?

AI 应该考虑使用 Web Search，而不是只依赖已有知识。如果用户需要系统比较多个研究方向，就可能更加适合 Deep Research。

核心知识点：信息获取的关键，不只是找到答案，还包括选择正确的信息来源，并检查答案是否可靠。

2.2 Module 2 — AI as a Thought Partner（AI 作为思考伙伴）

第二个模块主要解决：如何让 AI 帮助我们思考，而不仅是回答问题？

核心知识点

1. Brainstorming（头脑风暴）：生成和探索创意。
2. Context（上下文）：提供任务背景。
3. AI Desktop Apps（AI 桌面应用）：获取相关工作资料。
4. Reasoning（推理）：分析复杂问题。
5. Sycophancy（谄媚倾向）：避免 AI 过度迎合。
6. Writing with AI（AI 辅助写作）：分阶段完成写作。
7. AI Critique（AI 批判性评价）：评价并改进已有成果。

一个典型的 AI 思考协作流程

Define the Problem （定义问题） ↓ Provide Context （提供背景） ↓ Brainstorm Ideas （探索不同想法） ↓ Reason and Compare （分析并比较方案） ↓ Evaluate with a Rubric （使用评价标准） ↓ Critique and Refine （批判性评价与优化） ↓ Final Decision （形成最终决策）

这是根据课程知识整理的综合框架，并非老师在总结视频中展示的原始流程。
重要学习启示：AI 不应该只是赞同用户。

例如：

I have an amazing business idea. Don't you agree?

这个问题可能引导 AI 迎合用户。

更好的方式是：

Evaluate this business idea objectively. Identify: 1. Strengths 2. Weaknesses 3. Market opportunities 4. Major risks 5. Missing evidence Do not assume the idea is good.

核心知识点：AI 作为 Thought Partner 的价值，在于帮助用户探索不同观点、发现问题并改进判断，而不是始终提供令人满意的回答。

2.3 Module 3 — Working with Multimedia & Code（处理多媒体与代码）

第三个模块主要解决：如何利用 AI 从理解信息进一步走向创建实际成果？

核心知识点

1. Multimedia Data（多媒体数据）：理解不同数据类型。
2. Image Understanding（图像理解）：分析已有图片。
3. Image Generation（图像生成）：创建和修改图片。
4. Building Apps（构建应用）：通过自然语言创建软件。
5. Data Analysis（数据分析）：使用代码分析数据。
6. Final Project（最终项目）：综合运用所学能力。

不同能力的应用场景

重要学习启示：AI 不仅能够生成文字，还能够帮助用户完成实际任务。

例如：用户可以通过自然语言描述一个简单应用：

Build a Pomodoro timer. Goal: Help users manage study sessions. Input: Start, Pause, and Reset buttons. Output: A countdown timer. Use a simple and clean interface.

AI 可以尝试生成一个可运行的番茄钟应用。

核心知识点：AI 的价值不局限于提供建议，还可以通过代码、图像和其他工具帮助用户创建具体成果。

三、P21 的实际课程定位

重新核对 DeepLearning.AI 官方目录后，可以确认：

• P21 正式标题为 Conclusion。
• 官方标注时长约 1 分钟。
• 它是整门课程的最后一节视频。
• 课程共包含 21 节视频，分为三个主要模块。

因此，P21 本身是一节很短的结课视频。前面整理的三个模块属于整门课程的系统复习，并不意味着老师在这一分钟内重新讲解了所有知识点。

官方课程介绍强调的总体目标，是帮助学习者成为 AI Power User，学会利用现代 AI 完成信息检索、思考与写作，以及多媒体和应用构建任务。

四、整门课程最值得掌握的五个方法

以下是根据 P01–P20 归纳的学习总结，并非 P21 视频的逐字内容。

4.1 根据任务选择合适的 AI 能力

学习启示：没有一种 AI 工作模式适合所有任务。选择合适的能力，往往比不断修改同一个 Prompt 更重要。

4.2 提供正确的 Context

Task （任务） + Context （背景信息） + Constraints （约束条件） + Output Requirements （输出要求）

这是我的综合 Prompt 模板，不是老师提出的固定公式。

4.3 通过 Iteration 改进结果

Initial Prompt （初始提示） ↓ AI Output （AI 输出） ↓ Evaluate （评价） ↓ Provide Feedback （提供反馈） ↓ Refine （改进）

学习启示：不要总是期待 AI 第一次就给出完美结果。对复杂任务，多轮协作通常更加有效。

4.4 使用 Critique 检查结果

对于重要输出，可以要求 AI：

Critically evaluate your previous answer. Identify: 1. Important assumptions 2. Potential errors 3. Missing information 4. Unsupported claims 5. Possible improvements Do not assume the original answer is correct.

但需要注意，AI 自我评价不能替代原始证据核实。

4.5 从问答走向实际成果

这是整门课程最有实践价值的学习方向之一。

例如：

Brainstorm （探索问题） ↓ Research （研究信息） ↓ Build （创建成果） ↓ Test （测试） ↓ Improve （改进）

它将前面三个模块的能力连接起来，让 AI 从信息工具转变为实际工作的辅助工具。

五、重要英文术语

六、课程综合实践练习

Exercise 1：选择正确的 AI 工具
判断以下任务适合使用什么能力：

练习目标：建立根据任务选择工具的能力。

Exercise 2：设计一个综合 Prompt
选择一个真实问题，例如：如何提高大学生学习机器学习的效率？

Act as my AI thought partner. Goal: Help me develop an effective machine learning study strategy. Context: [Describe my current background.] Constraints: [Describe my time and resources.] Tasks: 1. Brainstorm possible approaches. 2. Compare their strengths and weaknesses. 3. Identify important assumptions. 4. Recommend a practical study plan. 5. Critique the plan. 6. Suggest measurable improvements. Clearly distinguish evidence-based recommendations from assumptions.

练习目标：综合使用 Context、Brainstorming、Reasoning 和 Critique。

Exercise 3：完成一个小型 Final Project
建议使用整门课程介绍的三个阶段：

1. Brainstorm：选择一个真正感兴趣的研究问题。
2. Research：使用可靠资料开展研究，生成带引用的报告。
3. Build：根据研究报告创建测验、小游戏或其他简单应用。

完成后，检查应用功能、研究事实和引用来源。

练习目标：将 AI Prompting 从知识理解转化为实际能力。

七、复习问题

Q1：整门课程的主要目标是什么？
答：帮助学习者从简单使用 AI 的新手，成长为能够充分利用现代 AI 能力完成真实任务的高阶用户。

Q2：为什么 Context 很重要？
答：因为 AI 不一定了解用户的具体情况，相关背景能够减少猜测，使输出更加符合任务需求。

Q3：为什么不能完全相信 AI 的回答？
答：因为模型可能使用过时信息、不可靠来源或错误推理，也可能受到用户提问方式的影响。

Q4：为什么 Iteration 是重要的 AI 使用方法？
答：因为复杂任务通常需要多轮反馈和修改，才能逐步得到符合要求的结果。

Q5：为什么老师鼓励学习者尝试创建应用？
答：因为这能帮助学习者了解 AI 不仅可以回答问题，还能将自然语言需求转化为实际的软件成果。

八、一页速记版（Quick Review）

核心思想：成为 AI Power User，不是记住更多复杂 Prompt，而是学会根据任务选择合适的 AI 能力、提供相关 Context、评价结果，并通过 Iteration 完成真实工作。

三个核心能力：

1. Find Information：寻找并核实信息。
2. Think with AI：利用 AI 辅助思考、写作和评价。
3. Create with AI：利用 AI 生成图片、分析数据和构建应用。

三个核心原则：

1. Use the right AI capability for the task.
   根据任务选择合适的 AI 能力。
2. Provide context and iterate.
   提供相关背景，并通过多轮反馈改进结果。
3. Verify important outputs and keep experimenting.
   核实重要结果，并通过持续实践探索 AI 的能力。

P1 → P21 完整知识框架

AI Prompting for Everyone │ ├── Module 1: Finding Information │ P1–P6 │ 预训练知识、搜索、深度研究 │ ├── Module 2: AI as a Thought Partner │ P7–P14 │ Context、Reasoning、Writing、Critique │ └── Module 3: Working with Multimedia & Code P15–P21 图像、应用构建、数据分析、最终项目 ↓ AI Power User

最终总结：整门课程最值得带走的，不是一套固定不变的提示词，而是一种可迁移的 AI 协作方法。面对不同任务，理解 AI 的能力和局限，提供必要信息，选择合适工具，并对结果进行评价和改进。

参考资源

1. 吴恩达《给所有人的人工智能提示词课程|AI Prompting for Everyone》DeepSeek-v4-pro翻译
2. DeepLearning.AI — AI Prompting for Everyone 官方课程
3. Full AI Prompting Course with Andrew Ng — 公开英文转写稿

课程 Slides