AI Spark 知识库

外观

新手避坑清单 ​

🚧 这一章帮你避开什么：

  • 新手最常踩的 24 个具体坑（认知 / 使用 / 选型 / 安全 / 成本五大类）
  • 每个坑都给「为什么会踩」+「怎么避开」+「踩了怎么救」三段
  • 一份打印出来贴桌子上的「用 AI 前自检 10 条」
  • 新手 30 天最典型的踩坑路径地图，按月份对照

1. 五类最常踩的坑：先看分类 ​

新手踩的坑虽然形式各异，根上能归到五类。理解分类比记每条具体坑更重要——因为新坑会出现，但根因不变。

类别常见数量代价修复难度
认知坑5 个高频低（浪费时间）低（看完一篇就能改）
使用坑6 个高频中（结果质量差）中（要练手感）
选型坑4 个高频中（多花钱拿差结果）中（要试多个模型）
安全坑5 个高频极高（合规 / 隐私事故）事后不可逆
成本坑4 个高频高（月底账单暴雷）中（要建预算监控）

2. 认知坑：5 个最高频的错误理解 ​

坑为什么会踩怎么避
把 AI 当百科全书AI 答得太自信，看起来像在查资料所有事实 / 数字 / 引用都当"待验证"，回到原始来源核对
认为 AI 输出都是对的没养成 verify 习惯，AI 错答看起来跟对答一样顺关键决策前问自己"如果这句话是错的，代价是什么"
觉得 Prompt 越长越好误以为"信息越多越准"关键信息浓缩成 200 字内的指令，长上下文反而稀释注意力
认为模型越贵越好把"参数大"等同于"全方位强"分场景选模型，日常任务用便宜模型，难任务才上顶配
觉得 AI 能"想清楚"把人脑思考过程投射到 AI 上AI 是概率预测器，不是"思考者"。需要思考的任务先让它写步骤

💡 **最大的认知坑：**把 AI 当人。它不是助理，也不是搜索引擎——它是个超大概率预测器。理解这一点，前面 4 个坑会自动避开。

3. 使用坑：6 个最高频的操作错误 ​

坑具体表现怎么避
同一会话聊太久对话超 50 轮还在死磕，AI 开始前后矛盾每 30-50 轮开新会话，把上轮关键结论复制到新会话开头
一次让 AI 干太多"帮我写文章 + 配图 + 起标题 + 想 SEO"拆成独立步骤，每个 Prompt 一个明确任务
给 AI 算数 / 统计"帮我算下这 100 个数的平均值"数学 / 统计交给代码（让 AI 写脚本跑），别让它直接算
不会让 AI 主动问需求模糊时直接让 AI 开始，结果方向跑偏开头加一句"如果有不确定的，先问我 3 个问题再开始"
长任务不分段让 AI 一口气写 5000 字技术文档，质量后半段塌方分章节让它写，每段 1000-1500 字
不会保留好 Prompt每次重新摸索同一类任务的写法建一份「Prompt 库」，跑通的就存起来复用

4. 选型坑：4 个最高频的工具 / 模型选错 ​

坑具体表现怎么避
一个模型走天下什么任务都丢给 ChatGPT 4o写文 Claude、写码 Codex / Claude Code、日常 GPT，分场景
追新太快每出新模型就换，工作流刚搭好就拆给新模型至少 1 周观察期，确认稳定再切换主力
追新太慢还在用 GPT-3.5 干 2025 年的任务每月看一次主流模型评测，老模型差距大就该换
不分 API 和订阅买了订阅又开 API，重复付费个人日常用订阅，要批量 / 自动化用 API

💡 **中转站特别提醒：**低价中转站经常用魔改限速 / 偷偷换模型 / 计费虚高。便宜 50% 的中转站可能背地里给你换成 GPT-3.5 假装 GPT-5。除非你能监控计费明细，不然别图便宜走中转。

5. 安全坑：5 个不能踩的红线 ​

红线具体表现替代方案
内部资料直接喂把公司文档原文粘进对话框脱敏后再用，或部署本地模型（Ollama / vLLM）
客户数据上云客户姓名 / 手机 / 身份证粘进 Prompt替换成占位符（"客户 A"）再让 AI 处理
商业机密放 Prompt把没公开的财务 / 产品规划丢给 AI 改本地模型 / 走私有部署 / 走加密 API
密钥写代码让 AI 写示例代码时把 API key 写死所有密钥走环境变量，AI 写的代码先扫一遍
账号绑错工作账号开通的订阅绑私人邮箱 / 手机账号严格分离，订阅按归属选邮箱

💡 **安全坑的特点：**事后不可逆。资料一旦上云就当成已泄露处理。这一类一定要"事前预防"，事后处理 99% 没用。

6. 成本坑：4 个让账单暴雷的原因 ​

坑具体表现怎么避
中文比英文贵忘算按英文 token 预算，跑中文超支 2 倍中文项目预算 × 1.5 起步
API 跑大模型小任务分类 / 抽取这种小任务也用 Claude Opus小任务用 Haiku / GPT-4o-mini，省 10 倍
包月没算清买了 200 块包月，结果月用量也就 50 块先按量跑 2 个月，看真实用量再决定包不包
跑长任务忘断点一次任务跑 100 万 token 没分段，跑失败重头来每 10K token 切一段，存中间结果

7. 新手 30 天典型踩坑路径 ​

把上面所有坑按"普通新手会按什么时间顺序踩"画一遍。这张图基本就是 80% 新人前 30 天的真实路径。

8. 「用 AI 前自检」10 条清单 ​

✅ 每次开新任务前过一遍，能避掉 80% 常见坑：

  1. 这事是 AI 真的擅长，还是我觉得它该会？
  2. 有没有敏感信息？粘进去前脱敏没？
  3. 这个任务该用哪个模型？不是哪个最贵
  4. Prompt 有没有交代清楚：角色 / 任务 / 上下文 / 输出？
  5. 结果是事实类的吗？怎么验证？
  6. 我有没有时间核对它给的关键数字 / 引用？
  7. 同样的任务我是不是已经有现成的 Prompt 可用？
  8. 这一轮对话累计 token 是不是快超窗口？
  9. 这一轮 API 费用大概多少？我月预算还剩多少？
  10. 如果 AI 这次答错了，下游会有什么损失？

9. 踩坑后的自救：决策树 ​

已经踩了坑，先按这棵树定位严重程度，再决定怎么救。

10. 避坑工具汇总 ​

场景工具 / 做法
预算 / 用量监控各家 API 后台都有 usage 页，每天看一次；超阈值告警
敏感信息脱敏手动替换关键字段成占位符，或用本地脱敏脚本
模型对比试用OpenRouter / Poe 一个界面试多个模型
Prompt 库管理Obsidian / Notion 建一份 markdown 库，按场景分类
Token 计算OpenAI Tokenizer 网页版 / tiktoken Python 库
本地模型部署Ollama（最简单）/ LM Studio（带 GUI）/ vLLM（生产）

延伸阅读 ​

来源：飞书 · AI Spark 知识库 ｜ 原文（最新版）：https://lcnniolukk80.feishu.cn/wiki/Aq7FweDT3iRXt5kOjvhcCqdTnCg ｜ 归档：2026-06-04