学习 AI，可以从一个能够检查结果的小任务开始。与其一口气收藏许多工具，不如选一份自己的笔记，尝试把它整理成一篇清晰的摘要。这个练习没有复杂的前置条件，却能帮助我们观察：模型理解了什么，遗漏了什么，以及哪些判断仍需要自己完成。
一、先定义结果，再打开工具
选取一段不涉及隐私、且你熟悉的材料，例如一次公开课程的个人笔记。先写下你希望得到的结果：一段不超过 200 字的摘要、三个关键概念，以及两条值得继续追问的问题。把字数、结构和读者写清楚，后面才有判断好坏的依据。
为这个练习设定三条验收标准：关键观点有没有遗漏；有没有加入原文不存在的事实；不看原笔记的人能否理解摘要。输出是否流畅只是其中一个方面，内容能否核对同样重要。
二、用背景、任务和约束组织输入
可以从这样的提示开始：“下面是我的学习笔记。请面向刚接触这个主题的读者，写一段 200 字以内的摘要，再列出三个关键概念和两条追问。仅使用笔记中的信息；不确定的地方请标明，不要补充未经提供的事实。”随后附上材料。
不必寻找一条适用于所有任务的完美提示。先让任务足够具体，再根据结果逐步调整。如果摘要过于抽象，就要求保留一个原文例子；如果重点不清楚，就先让模型提取观点，再由你挑选需要保留的内容。
三、把第一版当作草稿来核对
逐项回到原文检查。把每句话对应到材料中的依据，标出遗漏、误解和多余的推断。对于需要引用的数字、名称或结论，亲自打开原始来源确认。模型的自信语气不能替代证据。
一次只修改一个变量，例如读者、长度或输出格式。保存修改前后的结果，看看问题是否真正改善。这样得到的经验，比反复点击重新生成更容易复用。
四、记录过程，而不只保存答案
建立一张简单的实践记录：任务是什么、使用了哪些材料、输入了怎样的提示、哪里出错、你做了什么修改，以及最终花了多少时间。使用的工具或模型名称也可以一并记录，便于之后比较。
如果结果没有节省时间，这次练习仍有价值。你可能发现：整理原材料比生成摘要更关键；某类判断必须亲自完成；或者这个任务并不适合交给模型。把这些边界写下来，也是学习的一部分。
五、完成之后，只扩展一步
先把同一方法用于第二份笔记，观察是否仍然有效。稳定后，再尝试增加一个环节，例如把摘要改写成复习卡片。每次只扩展一步，让结果始终可以检查。
Let’s AGI 希望记录的，正是这样的过程：从一个具体问题出发，做一次小实验，认真核对，再留下可复用的笔记。探索 AGI 可以很远，而今天的第一步，可以很小。