# AI 能帮我做出来，但不会让我自动学会

**Summary:** AI 让我更容易做出自己想用的工具、尝试创作，但不会让我自动学会判断结果。结合 Dense-Mem、AI MemMail 和创作尝试，谈我为什么还需要通过犯错与反思继续学习。

- Canonical: https://markhuang.ai/zh/blog/ai-makes-building-easier
- Language: zh-CN
- Author: [Mark Huang](https://markhuang.ai/about)
- Published: 2026-11-11
- Section: 行为与心态
- Tags: AI, 持续学习, 生成式 AI, 自我反思
- License: https://creativecommons.org/licenses/by-nc/4.0/

---

![创作者在屏幕旁研究同一场景的多幅草图，对照画面与纸上的设计选择](https://cdn.markhuang.ai/blog/ai-makes-building-easier/hero.webp)

*概念插画：生成一张图，让我有了可以观察的结果。继续学习，才更容易弄清楚该改什么。*

2026 年，我试着用 AI 生成视频、图片，也尝试其他创作。看到别人用 Claude 做动画，我也想试试。我脑子里有想做的东西，AI 让我有了动手的机会。

但要让结果准确地符合我的想法，比开始难得多。很多时候，我根本不知道自己需要先做哪些决定，也不知道该给 AI 补充什么信息。看得出哪里不太对，却说不清怎么改才会更好。

这些尝试让我反复想到学习这件事。AI 让我更容易进入陌生领域，但它没有让我自动理解这个领域。想对结果有更多把握，我还是得花时间去学。

## 先做一个自己想用的东西

AI 让我兴奋的一个原因，是我终于可以动手做一些自己想要的东西。有时我需要一个工具，找了一圈，却找不到适合自己的。那就用 AI 帮忙做一个，至少我自己能用。

我做 [Dense-Mem](/zh/blog/ai-memory-beyond-rag) 和 [AI MemMail](/zh/blog/ai-memmail-dense-mem-email-agent)，就是从这个想法开始的。Dense-Mem 管理 AI 可以记住和召回的上下文，AI MemMail 则把这些上下文用到邮件处理里。我想用这些东西，也确实觉得它们在帮助我更好地理解事情。我希望它们能让生活省心一些。

我最初想的并不是怎么做出一个热门 GitHub 项目。如果别人也觉得好用，我当然高兴。即使只有我自己觉得好用，后来也一直没什么名气，这个东西仍然可能值得做。

我看到很多人不断创建仓库，也很积极地宣传自己的项目。我能理解。做了东西，总希望有人看到；一个能帮到别人的项目，也需要有机会被别人发现。只是工具已经这么多了，让人注意到，和让人愿意把它用进生活里，是两回事。

Star 数也不是一个完全可靠的信号。[研究 GitHub 疑似虚假 Star 活动的研究者](https://arxiv.org/abs/2412.13459v2)记录了人为抬高这类数字的行为。这项研究不能替我判断某个具体项目有没有用，也不能告诉我究竟有多少人真正在用。但它让我更不愿意只看这个数字，就当这些问题已经有了答案。

对于自己的项目，我可以先问问自己还想不想继续用。如果想，哪怕暂时没有别人关注，我也已经有理由继续做下去。

尝试创作时，我的起点也差不多。我想要一张特定的图，或者想做一段视频，用自己希望的方式把事情讲清楚。区别在于，这些工作里有很多决定，我还不熟悉。

## 看得出不对，却说不出怎么改

做熟悉的事情时，我大致知道该关注什么。我能描述问题，知道有哪些限制，也有办法判断一个方案是否有用。AI 可以帮我提速，因为结果回来以后，我至少知道该怎么看。

换到陌生领域，连一句简单的要求都可能藏着我没意识到的选择。比如，想要一段好看的动画，光说「好看」还不够。动作的节奏、画面的取景，都可能改变同一个动作给人的感觉。这些东西，我得先理解一点，才能跟 AI 讨论，而不是指望一个形容词就把脑子里的画面传过去。

不喜欢一个结果，和知道怎么把它改好，中间还有一段距离。前一种感觉可能很快就有，后一种却需要更多知识。如果连自己在意什么都说不清，我其实是在让 AI 猜一个我还表达不出来的想法。

这也不只是我的困扰。NN/g 的 Tarun Mugunthan 在一篇[发表于 2023 年的分析](https://www.nngroup.com/articles/ai-articulation-barrier/)里，观察了 100 多条 Midjourney 提示词及其生成图片。他记录了用户表达视觉意图时遇到的困难，其中就包括不知道该用什么词描述想要的风格。这是对当时某个图像生成工具及其用户的观察，但那种说不清楚的感觉，我很熟悉。

更好的工具和界面可以帮忙。而且，即使要求很清楚，工具本身的限制也可能让结果不理想。我想继续琢磨的是自己能改进的部分：先看见一个选择，理解它会改变什么，再把想法说得更清楚。

我会想到一句话：*人赚不到认知以外的钱。*&#x653E;到 AI 上，我想到的是自己目前理解的范围。拿到了一个能力很强的工具，并不意味着我已经知道它能做的每一件事，更不意味着我都知道怎么判断。

这个范围当然可以扩大。我可以一边动手一边学，AI 也可以帮我接触以前连名字都不知道的概念。但接触到一个词以后，我还得花时间弄懂它。知道有这么回事，只是学习的开始。

## 犯过错，才更容易懂那条建议

要学的东西太多，确实会让我觉得有点招架不住。看到一段喜欢的动画，想试着做出类似的效果，接着才发现面前有一堆不熟悉的选择。基础还不清楚时，我很难判断哪些细节值得现在关注，哪些暂时可以放下。

对我来说，犯错以后再反思，往往是理解得最快的办法。一次没做好的尝试，会给我一个具体问题。我刚刚碰过壁，自然会更在意答案。

书和教程可以把一个原理讲得很清楚。但作者为什么会走到这个结论，我通常需要更久才能理解。哪个看起来挺好的办法其实行不通？他当时遇到了什么问题，才会觉得这条建议有必要写下来？我可能已经能照着做，却还不明白这条建议是怎么来的。

自己试一次，就有机会把解释和实际结果连起来。有时，犯过那种错误以后，再回头看原来的建议，会突然容易理解很多。那个道理终于有了可以对照的东西。

不过，多犯几次错也不代表一定能学到东西。如果我只是不停让 AI 重做，最后挑一张最顺眼的图，也许结果变好了，我却还是不知道它为什么变好。反思的作用就在这里：这次改了什么，为什么可能有用，接下来还有什么需要弄懂？

所以，我觉得可以把一次尝试做小一点。比如，我可以先拿一小段动画，只改一个地方，比较两个版本，而不用一开始就学完整套制作流程。这样至少有一个具体变化可以观察，不必把所有不懂的细节都变成今天要解决的问题。

AI 也可以参与这个过程。它能提供不同方案，解释术语，帮我比较例子。Benjamin Lira 等人的一篇[预印本研究](https://arxiv.org/abs/2502.02880v4)发现，使用 AI 写作工具练习的人，后来在不借助 AI 的情况下，求职信写作表现优于独立练习的参与者。这项研究讨论的是职业写作，不能直接代表所有技能或所有 AI 工具。但它说明，我没有理由认定用了 AI，就一定学不到东西。

AI 给出一个解释时，我希望能拿眼前的结果对照一下。它能解释两个版本为什么不一样吗？如果解释不通，就还有问题需要继续琢磨。

## 我还想学会怎么判断

我以前写过，自己正在[积极尝试用 AI 替代自己](/zh/blog/aggressively-trying-to-replace-myself-with-ai)。我仍然想把工作自动化，腾出时间做自己在意的事。最近这些创作尝试，让我更想清楚地知道，腾出来的时间要用来做什么。

在[《我总在问为什么》](/zh/blog/i-keep-asking-why)里，我谈的是理解决定背后的原因。进入陌生领域时，我会碰到一个更早的问题：我可能连这里有一个决定需要做，都还没发现。一个选择都没看见，自然也很难问出有用的为什么。

所以，即使 AI 越来越能干，我还是有理由继续学。我想做出自己愿意用的工具，也想做出自己满意的作品。同时，我希望能解释清楚，一个结果好在哪里，还有什么地方想改。

之后做出来的东西，大概还是会有让我不满意的地方。我想更有把握地弄明白原因，这样下一次跟 AI 说起自己的想法时，至少能说得具体一些。
