說真的，大模型這幾年發展的速度，簡直像坐雲霄飛車。去年還在討論怎麼用ChatGPT寫文案，今年就冒出各種Agent框架、RAG系統，好像不學會這些就會被時代拋下。但仔細想想，真正需要的技能，其實不只是會「用」工具那麼簡單。
從「會問問題」到「會定義問題」
很多人以為大模型時代最關鍵的是寫Prompt，也就是所謂的「提示工程」。這當然沒錯，但你會發現，真正厲害的人不只是會寫「請用繁體中文寫一篇800字的文章」，而是懂得把一個模糊的需求拆解成具體的步驟。比如，當老闆說「幫我做一份市場分析」，高手會先問：分析的目標是什麼？目標客戶是誰？數據來源有哪些？這種「問題定義能力」反而成了稀缺技能。我見過太多人直接丟一句「分析一下市場」給AI，結果得到一堆泛泛而談的內容，根本不能用。所以，學會把大問題拆成小問題，再引導模型一步步解決，才是真本領。
專業知識才是護城河
另一個容易被忽略的技能，是「領域知識」。大模型就像一個知識淵博但不太靠譜的顧問，它什麼都懂一點，但深度的專業判斷還是得靠人。比如在法律、醫療、金融這些高風險領域，光靠模型輸出是不夠的，你得有能力去驗證、修正。我認識一位做合規審計的朋友，他利用大模型快速篩選合約條款，但最終的風險評估還是得自己來，因為模型可能忽略某些行業特有的灰色地帶。這就說明了，大模型時代，專業知識不但沒有貶值，反而因為能與AI協作而變得更有價值。如果你既懂行業又懂AI，那競爭力絕對翻倍。
批判性思維與「人機協作」節奏
還有一點很關鍵——批判性思維。現在很多人拿到AI生成的內容，直接複製貼上，連錯別字都不改。但真正高效的使用者，會像對待一個實習生一樣對待AI：先給它明確的指令，檢查它的輸出，指出錯誤，再讓它修正。這種「迭代式協作」需要耐心和判斷力。舉個例子，我用大模型寫程式碼時，常常發現它生成的邏輯有漏洞，這時候不是抱怨模型笨，而是反問自己：是不是我的需求沒說清楚？或者我該換個角度提問？這種不斷反思、調整的習慣，比單純會寫程式碼更難養成。
別忘了「倫理敏感度」
最後，我想特別提一下倫理意識。大模型可以生成虛假資訊、偏見內容，甚至被惡意利用。如果你在工作中使用它，就必須有能力辨識這些風險。比如，用AI生成招聘文案時，會不會無意中帶有性別歧視？用AI做數據分析時，樣本偏差會不會導致錯誤結論？這些問題看似抽象，但實際工作中很容易踩坑。我認為，未來企業會越來越看重那些「既懂技術又懂責任」的人才。
總之，大模型時代需要的不是單一技能，而是一套組合拳：問題定義、專業知識、批判性思維、協作能力，再加上一點倫理敏感度。這些東西聽起來老生常談，但當你真的在實戰中把它們串起來，就會發現——AI只是放大器，真正的核心永遠是「人」。
評論（8）
問題定義這塊真的痛，老闆一句「分析一下」我能崩潰半天。
光會寫 prompt 沒用啊，不懂行業邏輯輸出的東西根本没法看。
那個合規審計的例子太真實了，模型漏掉的灰色地帶才是地雷。
所以現在是要我們既當產品經理又當行業專家還要懂代碼？
之前搞過自動生成報告，結果全是廢話，還得人工重寫，累死。
要是比特幣跌回 3 萬他們還能撐住不？
倫理那個點有點虛，實際工作中誰有空管樣本偏差啊，先交差再說。
感覺最後那句「人是核心」又是正確廢話 😂