第1章实践:AI任务体检师——判断一项任务该不该用AI
预计 1×45 分钟。本章不需要编程,使用网页端AI工具完成。
第1步:需求与背景
为什么做这个
"帮我做一个活动策划"——这句话听起来简单,但哪些部分适合交给AI,哪些必须自己做?
大语言模型擅长生成、整理和提出候选方案,但它不知道未提供的事实,也不能代替你确定真实预算、安全条件和最终责任。在把任务交给AI之前,先给它做一次"体检"。
项目目标
以"筹备一次班级旧物交换活动"为样例,完成一次AI任务体检:
- 输入:一份活动需求描述
- 输出:一张《AI协同项目卡》——列出哪些工作可以交给AI、哪些必须人工、有什么风险
- 验收标准:至少列出2项AI可辅助工作、2个人工确认点、1项不应交给AI的工作和1条有证据的模型纠错
明确不做
- 不编写代码
- 不调用API
- 不输入真实姓名、联系方式、支付信息或个人物品交易信息
系统全景
活动需求卡
↓
网页端AI(Qwen/DeepSeek)生成候选分工
↓
学生标注:可用 / 需核验 / 不能交给AI
↓
AI寻找风险 → 学生判断是否遗漏
↓
最终决策 → AI协同项目卡
第2步:数据与信号
活动需求卡
阅读以下模拟活动资料:
班级旧物交换活动
- 时间:下周五下午
- 地点:学校操场或食堂门口(需申请)
- 参与人数:约40人
- 交换物品:书籍、文具、小电子产品、手工艺品
- 预算:0元(纯交换,不涉及金钱)
- 需要:宣传、物品登记、现场管理、交换规则
圈出已知和未知
在阅读资料后,用三种颜色标注:
- 🟢 已知事实:资料中明确给出的信息
- 🟡 未知信息:需要进一步确认的
- 🔴 禁止编造:不能由AI或人凭空捏造的
第3步:AI原理
大语言模型擅长什么
- 生成文本:写宣传文案、整理规则、提出方案
- 整理信息:把零散需求归类、排序
- 提出候选:给出多个方案供人选择
大语言模型不擅长什么
- 不知道未提供的事实:它不知道你们学校的具体规定
- 不能代替人做决定:预算、安全、版权和最终责任由人承担
- 可能编造看起来合理的内容:如果资料不够,它可能"补全"
第4步:协同开发
第一轮:简单提问
把以下问题发给Qwen或DeepSeek网页端:
我要在班级组织一次旧物交换活动,大约40人参加。请帮我列出需要做的事情。
记录AI的回答,逐项标注:
- ✅ 可以直接作为草稿
- ⚠️ 需要核验
- ❌ 不能交给AI
第二轮:结构化提问
用更结构化的方式重新提问:
我要组织一次班级旧物交换活动。
背景:约40人,下周五下午,学校操场或食堂门口。
交换物品:书籍、文具、小电子产品、手工艺品。
预算:0元。
请帮我:
1. 列出需要完成的任务,按时间顺序排列
2. 标注哪些任务可以请AI协助,哪些必须人工完成
3. 指出我可能遗漏的风险
比较两轮回答的差异。
第三轮:让AI寻找风险
请检查以下活动方案中的隐私、安全和版权风险:
[粘贴你的方案]
学生判断AI找到的风险是否完整,有没有遗漏。
第5步:测试与边界
必测项目
| 测试 | 预期 |
|---|---|
| AI是否编造了学校的具体规定 | 应该没有,如果有则标为❌ |
| AI是否替你做最终决策 | 不应该,决策权在人 |
| AI是否遗漏了重要风险 | 学生至少补充1条AI遗漏的风险 |
| AI是否给出了有证据的建议 | 无法验证来源的建议标为⚠️ |
人工兜底
- AI不可用时,学生手动完成任务分析
- 最终决策不依赖AI,由学生独立完成
第6步:交付与验收
交付物
- AI协同项目卡(
ai_project_card.md): - 至少2项AI可辅助工作
- 至少2个人工确认点
- 至少1项不应交给AI的工作
- 至少1条有证据的模型纠错
- 简单/结构化提示词对照:两轮提问的差异
- 人工复核清单:AI回答中需要核验的内容
验收标准
- [ ] 能区分AI可辅助和必须人工的工作
- [ ] 至少否决或改写了AI的一条建议,并说明理由
- [ ] 没有输入真实个人信息
- [ ] 最终决策由人做出,不是AI
第7步:迁移与拓展
核心方法迁移
"AI任务体检"可以迁移到:
- 课程作业:写论文时哪些部分可以用AI辅助?
- 社团活动:组织活动时哪些工作适合AI?
- 实习工作:职场中哪些任务可以交给AI?
拓展任务(选做)
- 换一个完全不同的任务(如"设计一个班级公众号"),重新做一次AI任务体检
- 比较不同AI工具(Qwen vs DeepSeek vs 其他)对同一任务的回答差异