吴恩达的新课，学完才知道是真爽。

吴恩达又上新课了。

这次名字很直接：AI Prompting for Everyone。

课程页上写得也很清楚：Beginner，Andrew Ng 主讲，3 小时 4 分钟，21 节视频，3 个 graded assignments。完成后可以通过 PRO 拿证书。

AI Prompting for Everyone 课程首屏
如果你看到“Prompting”这几个字，第一反应是“又来一套提示词模板”，我完全理解。

过去两年，这个词已经提了太多次，有一种快被玩坏了的感觉。

什么万能 prompt，什么神级咒语，什么一句话让 AI 替你完成一天工作。听起来很爽，真用起来经常是另一回事：第一次有点惊艳，第二次开始跑偏，第三次你就发现，模板救不了具体问题。

所以这门课真正有意思的地方，不是它又教 prompt 等模板化的东西。

而是它好像在提醒普通人：别再动不动就直接套 prompt 了。

很多人用 AI 的姿势，其实很像去窗口办事。

递一句话过去，等它给结果。

结果不满意，就再补一句：“再专业一点。”

还不满意，就继续：“再像人一点。”

最后 AI 终于写出一段看着还行的文字，但你心里也知道，这东西还是有点假大空。

然后你觉得这 AI 真是个辣鸡。

其实有的时候不是，更多的情况下，是你任务没说清楚。

DeepLearning.AI 这门课把目标放在三个场景上：找信息、头脑风暴与写作、处理多媒体和简单构建。

因为普通人每天用 AI，基本也就绕不开这三件事：查东西、想东西、做东西。

问题是，这三件事听起来都叫“问 AI”，但背后完全不是一类任务。

查一个过时风险很低的常识，和查一个最新课程、最新政策、最新产品价格，完全是两码事儿。

让 AI 帮你改一句话，和让它反过来挑你文章里的漏洞，也不是一回事。

让它写一段说明文，和让它根据生成一个页面原型，更不是一回事。

所以 prompt 的门槛不在“句子写得多漂亮”。

门槛在于，你能不能先判断自己到底要 AI 干哪种活。

找信息，最怕一本正经地瞎说
课程第一个模块是 Finding Information。

课程页说，这部分会讲模型已有知识、web search，以及 deep research mode 分别适合什么情况。

我觉得这个模块放第一，很有必要。

因为现在很多人用 AI 查资料，最大的问题不是搜不到，而是分不清“像真的”和“是真的”。

AI 最迷惑人的地方，就在这里。

image-20260504170259431
这也就是大家经常说的：一本正经的胡说八道。

它不会像搜索引擎那样丢给你一堆链接，让你自己整。它会直接整理好，语气自然，结构清楚，甚至还会顺手总结一个结论。

这其实就是经常说的 AI 爽感幻觉。

舒服到你很容易忘记问一句：它为什么这么说？

一个模型训练时见过的旧知识，一个实时搜索出来的网页结果，一个 deep research 之后交叉验证过的结论，可靠程度完全不一样。

但在屏幕上，它们可能都长得像一段流畅中文。

这就是风险。

所以，学 prompt 的第一课不应该是“怎么问得高级”，而应该是“什么时候别急着信”。

有些问题可以让模型凭常识答。

有些问题必须联网。

有些问题还得多看几个来源。

有些问题，证据不够就是证据不够，别硬编。

这听着不像技巧，但它比技巧重要。

AI 不应该只提供情绪价值
第二个模块叫 AI as a Thought Partner。

这个标题其实比“Prompting”更值得看。

因为很多人现在用 AI 写东西，最大的问题不是写不出来，而是它太会配合你了，它太会知道趋炎附势了。

你给它一个想法，它说这个想法很有潜力。

你给它一篇文章，它说结构清晰、观点明确。

你让它提意见，它先铺一层软软的鼓励，再给你几个不疼不痒的建议。

主打一个提供极强的情绪价值。

但是真正有用的搭档，不应该只会顺着你说，应该会对你的问题提出反驳和意见。

它应该能告诉你：这个标题太平了，这个判断证据不够，这个例子读者记不住，这段话像 AI 写的，这个结论其实没推出来。

说白了，AI 不缺礼貌。

缺的是你有没有要求它诚实。

课程页里提到，这部分会教你怎么给 AI 合适的上下文，怎么让它理解你的需求，怎么让它 honest push back，而不是只说你想听的话。

image-20260504170349678
这点很关键。

很多所谓“去 AI 味”，不是让 AI 多写几个口语词，也不是让它加几个玩笑。

而是让它进入真实工作状态。

真实工作里，编辑不会只说“很好”。产品同事不会只说“很有前景”。用户更不会因为你逻辑完整就买账。

所以 prompt 也不该只是：

“帮我润色一下。”

更好的方式是把边界讲出来：

这篇写给谁看。

我想保留哪个判断。

哪些事实不能动。

哪些表达不要变成营销腔。

你要重点挑哪里的问题。

这不是把 prompt 写长。

这是把任务交代清楚。

AI 不只会写字了
第三个模块是 Working with Multimedia & Code。

课程页里写到，这部分会讲在 prompt 中使用、生成视觉内容，以及用 AI 构建简单游戏、网站和应用，而且不需要编程经验。

这个变化很大。

image-20260504170449982
早期我们说 prompt，基本都在文本框里打转。

总结一篇文章。

改一封邮件。

写一段说明。

翻译一段话。

但今天的 AI 工具已经不只是文字机器。

你可以把丢进去，让它看图分析。

你可以让它生成一张视觉草图。

你可以让它搭一个小网页，做一个小 demo，甚至先跑出一个不太精致但能表达意思的原型。

这件事对非技术用户很重要。

不是因为每个人都要学会写代码。

而是以前很多想法只能靠嘴说，现在可以先做出来一点点。

一个粗糙页面，可能比一千字需求文档更容易让人理解。

一张流程图，可能比半小时解释更省力。

一个能点两下的小 demo，可能直接暴露出你原来没想清楚的问题。

这就是 AI 对普通人的真实价值。

它不是替你变魔术。

它是让你更快把脑子里的东西搬到屏幕上。

这门课最适合谁
我觉得它最适合已经在用 AI，但用的不太顺手、用不好的人。

课程大纲
你可能每天都让 AI 总结、改写、翻译、起标题。

但一到稍微复杂的任务，比如做判断、查证据、拆方案、写一篇有观点的文章，它就开始偏移主题，甚至说飘了。

这类人学这门课，收益应该比较直接。

内容、产品、运营、研究这些岗位，也挺适合。

因为这些工作真正需要的不是“收藏 100 条 prompt”，而是把任务边界讲清楚：目标是什么，读者是谁，资料从哪来，哪些东西不能编，最后交付什么形态。

课程页还提到，如果你学过 Generative AI for Everyone 或 ChatGPT Prompt Engineering for Developers，这门课可以作为下一步；但没有先修要求，直接学也行。

它当然也有局限。

如果你期待的是那种“打开就能复制”的提示词大全，这门课可能不会让你很兴奋。

它更像一门把基本功重新讲清楚的课。

朴实无华。

最后说句实在的
Prompt 这件事，正在从“炫技”变成“定义任务”。

这也是我看这门课最大的感受。

以后真正会用 AI 的人，可能不是记了最多模板的人。

而是最清楚自己要什么的人。

他知道什么时候该搜索，什么时候该深挖，什么时候该让 AI 反驳自己，什么时候该停下来检查事实。

他也知道，一篇文章不是越完整越好，一个回答不是越长越好，一个 prompt 不是越复杂越好。

说到底，AI 只是把执行成本降下来了。

但判断成本没有消失。

甚至更高了。

因为以前你不会做，问题很明显。

现在 AI 什么都能帮你做一点，问题反而藏得更深。

这门 AI Prompting for Everyone 如果能让更多人意识到这一点，就已经值了。

别再迷信提示词模板了。

真正要练的，是你自己的判断力。