AI时代应该提升的6种能力

AI 背景下技术新手应重点提升的 6 类能力讨论“AI 时代该提升什么能力”需要尽量避免空泛表达。“学习能力”“终身成长”“拥抱变化”这些说法并非错误但如果只停留在这类表述对正在学习 AI、编程或嵌入式开发的新手帮助有限。本文的基本判断是AI 背景下普通人和技术新手需要提升的不只是“会使用某个 AI 工具”还包括问题定义、专业基本功、AI 素养、验证能力、自动化能力、表达复盘这 6 类能力。这个判断不是凭感觉来的而是基于几类资料的交叉参考。世界经济论坛《Future of Jobs Report 2025》在技能展望部分提到雇主仍把分析性思维视为核心技能在增长较快的技能中AI 与大数据、技术素养、网络与网络安全等技术能力排在前列创造性思维、韧性、灵活性、好奇心和终身学习也被反复提到。NIST 的 AI 风险管理框架反复强调可信 AI 不是“看起来会说话”就够而是要关注有效可靠、安全稳健、透明可解释、隐私和公平等问题。欧盟 AI Act 也专门把 AI literacy 写进条款要求相关人员具备足够的 AI 素养。这些资料并没有直接给出一份“6 个能力清单”。但把它们放到技术新手和嵌入式工程师的实际工作里可以整理成一个更容易执行的版本。所以这 6 个能力不是“报告原文照搬”而是把权威资料里的方向落到具体工作场景后的整理。这些资料共同指向一个事实会使用 AI 只是起点。能够定义问题、判断结果、验证结论并把 AI 放进真实工作流程中才更接近可持续的能力。图WEF Future of Jobs Report 2025 的技能部分。它不是只强调 AI 技能分析性思维、技术素养、创造力、韧性和持续学习也都在里面。先区分两条路线研究 AI还是使用 AI很多新手看到 AI 快速发展会产生一种焦虑是不是要学机器学习是不是要补线性代数是不是要训练大模型如果目标是从事 AI 算法、模型训练或论文研究数学、机器学习、深度学习需要系统学习。但如果你是嵌入式工程师、软件工程师、创客、技术写作者或者只是想把 AI 用进自己的学习和工作里第一优先级不一定是“转 AI 算法”。对多数技术从业者和学习者来说更现实的路线是把 AI 作为辅助工具而不是把“会用 AI”当成新的职业身份标签。你原来会写 CAI 可以帮你读报错、补注释、写测试清单。你原来会看 datasheetAI 可以帮你先缩小阅读范围。你原来会做项目AI 可以帮你拆任务、整理日志、写文档。但如果你原来不会判断问题、不会验证结果、没有专业基本功这些不足会直接影响 AI 工具的使用效果。换句话说AI 工具的效果与使用者原有的专业知识、任务描述能力和验证习惯密切相关。第一种能力问题定义能力这是技术新手应当优先训练的能力。很多人觉得 AI 不好用问题不一定出在工具本身也可能是任务描述过于模糊。比如帮我写一个串口程序。这个任务描述过于宽泛。你没有说芯片型号、串口号、波特率、HAL 还是寄存器、是否中断接收、是否 DMA、验收标准是什么。AI 只能根据不完整信息补全答案。更好的问法是我在做 STM32 串口接收实验。 环境STM32F103HAL 库USART1115200 波特率。 目标接收上位机发送的一帧数据帧格式为 AA 55 长度 数据 校验。 现在的问题单字节接收正常连续多帧时偶尔丢包。 请先不要写代码。 先帮我拆排查步骤并列出需要确认的硬件和软件条件。在这个版本里AI 还没回答任务边界已经清楚了很多。问题定义能力就是把脑子里的模糊想法变成可执行、可验证的任务。可以用这个模板训练我要解决的问题 当前现象 我希望得到的结果 已确认的信息 还不确定的信息 限制条件 怎样算解决这个模板的作用在于它要求使用者先把任务边界写清楚。第二种能力专业基本功AI 很容易让人产生一种错觉不会也没关系问它就行。短期看这种做法可以解决一部分问题长期看它无法替代专业基本功。尤其是工程领域。你让 AI 分析串口日志它能找出seq jump、crc bad、ring buffer overflow。但你要知道这些词背后意味着什么。你让 AI 读 datasheet它能帮你整理 GPIO、UART、I2C 初始化步骤。但你要知道寄存器、时钟、复用功能、中断、缓冲区这些基本概念。否则 AI 说错了你也看不出来。对嵌入式工程师来说这些基本功不能丢C 语言指针、数组、结构体、位运算中断、定时器、串口、I2C、SPI基本电路和原理图阅读Linux 基础命令和编译环境Makefile / CMake / GCC 报错阅读datasheet 和 reference manual 的阅读习惯AI 可以加快查资料、读报错、整理日志的速度。工程直觉仍然来自基本概念、实际调试和反复验证。第三种能力AI 素养AI 素养不是会背模型名字。也不是知道哪个模型排行榜第一。它至少包括三件事知道 AI 适合做什么 知道 AI 容易错在哪里 知道什么时候必须人工确认比如 AI 很适合总结公开资料解释报错整理日志拆任务写初稿生成测试清单帮你把中文问题翻成更清晰的英文搜索词但下面这些内容不适合直接相信未核对的寄存器位没来源的技术结论公司代码里的安全判断涉及客户、账号、权限的信息删除、发布、改生产配置这类高风险操作欧盟 AI Act 把 AI literacy 单独写出来就是因为 AI 不只是工具按钮。使用者也需要理解它的能力、限制和风险。这件事对初学者尤其重要。不要只问怎么让 AI 给我答案还要问这个答案我怎么验证 哪些信息我不能给它 它在哪些地方可能出错第四种能力验证能力在入门阶段验证能力应当优先训练。AI 的风险不在于它会错。人也会错。风险在于它错的时候常常表达得很顺。这对初学者有明显风险。NIST AI 风险管理框架里提到可信 AI 的一系列特征包括有效可靠、安全稳健、透明、可解释、隐私保护等。换到个人使用上不需要把框架完整搬过来但至少要养成一个习惯没有证据的结论先当作假设。比如 AI 说你的串口丢包大概率是缓冲区太小。你不要直接信。你应该追问请列出支持“缓冲区太小”的证据。 再列出反对这个判断的证据。 哪些信息还需要通过代码、日志或示波器确认这个问法比“你确定吗”有用。验证能力可以这样练技术结论回官方文档代码建议跑最小测试日志分析看时间线证据硬件问题看波形和原理图文章观点找原始来源AI 答案要求标注不确定点在大量答案可以快速生成的环境里判断答案是否可靠会变得更重要。第五种能力自动化能力AI 背景下自动化能力会变得更重要。不是说每个人都要写复杂系统。而是你要逐渐学会把重复劳动变成脚本、模板、流程。比如每次分析日志都先自动脱敏每次写文章都先生成选题卡每次读 datasheet都先整理寄存器清单每次改代码都让 AI 生成测试清单每次发布前都跑一遍检查表对技术新手来说可以从很小的自动化任务开始。不需要一开始就做复杂工具。先写一个脚本把日志里的 IP、SN、token 替换掉。先做一个 Markdown 模板固定记录问题、现象、排查步骤、结果。先让 AI 帮你把重复流程整理成清单。自动化能力的价值不在于工具看起来复杂。它的价值在于减少重复劳动和重复出错。第六种能力表达和复盘能力这点很多技术人会低估。在 AI 使用场景中表达能力的作用会更明显。因为给 AI 的输入就是把问题、约束和目标写清楚。你写不清楚问题AI 就帮不上忙。你写不清楚约束AI 就容易给出偏离场景的答案。你写不清楚验收标准AI 就不知道做到什么程度算完成。复盘也是一样。调通一个 bug不要只记“好了”。最好写下来问题现象 错误猜测 真实原因 排查顺序 下次避免方法 可以沉淀的提示词这类复盘会变成你的个人知识库。以后你再用 AI也可以把这些记录作为上下文材料。表达不是额外负担。对工程师来说清楚表达问题、约束和验收标准本身就是使用 AI 的基础能力。最后如果你正处在“想学 AI但不知道从哪里开始”的阶段可以先从一个小问题开始。不必把目标设成“系统学习 AI”。这个目标过大容易停留在计划阶段。从手头一个小问题开始。比如你是嵌入式新手就拿一段已经脱敏的串口日志。先自己看一遍标出你怀疑的地方再交给 AI让它按时间线整理。整理完以后不要急着接受结论要求它列出证据和还不能确认的地方再回到代码、波形或更多日志里验证。这一个小闭环就能同时练到好几件事你要描述问题。你要懂一点串口和缓冲区。你要知道日志里哪些信息不能乱贴。你要判断 AI 的分析有没有证据。你还要把排查过程写下来。与单纯收藏提示词相比这类闭环训练更能形成可迁移的方法。如果你暂时没有日志就拿一页 datasheet。不要问“这个芯片怎么用”。换成“我现在只想理解 GPIO 输出模式请帮我列出需要阅读的段落、关键寄存器和必须回原文核对的点。”然后真的回去核对。练习 AI 使用能力不一定要从大型项目开始。先把一个小问题问清楚、查清楚、验证清楚。这种闭环训练有助于把抽象的 AI 使用能力转化为可重复的方法。参考来源World Economic Forum, Future of Jobs Report 2025https://www.weforum.org/reports/the-future-of-jobs-report-2025/WEF Skills Outlook 2025https://www.weforum.org/publications/the-future-of-jobs-report-2025/in-full/3-skills-outlook/NIST AI Risk Management Frameworkhttps://www.nist.gov/itl/ai-risk-management-frameworkNIST AI RMF FAQhttps://www.nist.gov/node/1674681EU AI Act Article 4 - AI literacyhttps://ai-act-service-desk.ec.europa.eu/en/ai-act/article-4OECD Skills Outlook 2023https://www.oecd.org/en/publications/oecd-skills-outlook-2023_27452f29-en