2025年，如果你没学习这9项人工智能技能，你就完了
每隔几年，科技界就会发生一次转变。但现在人工智能领域发生的一切比我们过去十年中看到的任何事情都要大。 事实是：到2025年，理解人工智能和不理解人工智能的人之间的差距将以前所未有的速度扩大。 这不是危言耸听，而是现实。 我们正在从“与AI聊天”的时代转向“用AI构建”的时代。如果你想保持竞争力——甚至取得领先——这里有你今年必须学习的9项AI技能。
每隔几年，科技界就会发生一次转变。但现在人工智能领域发生的一切比我们过去十年中看到的任何事情都要大。
事实是：到2025年，理解人工智能和不理解人工智能的人之间的差距将以前所未有的速度扩大。
这不是危言耸听，而是现实。
我们正在从“与AI聊天”的时代转向“用AI构建”的时代。如果你想保持竞争力——甚至取得领先——这里有你今年必须学习的9项AI技能。
别担心……我会用简单的语言解释一切。
- 提示工程——新的基本技能将提示工程想象成学习一门新的编程语言，但语法是英语（或你的母语）。如果你知道如何提出正确的问题，人工智能会给你带来令人难以置信的结果。如果你不知道……你最终会因为幻觉般的答案而感到沮丧。掌握这项技能的人工作效率会快得多。他们不只是说“编写代码”。他们会说：“作为一名高级Python工程师，使用pandas库，并处理这些特定的边界情况。”2025年的转变：它不再仅仅是单次提示。它是关于思维链提示——引导AI通过一个逻辑过程来解决复杂问题。我的看法：我曾经花数小时调试代码。现在，我将错误和上下文粘贴到带有结构化提示的LLM中，并在几秒钟内得到解决方案。这不是“作弊”；这是 leverage。
- AI代理——自动为你工作的工具2025年被广泛预测为代理人工智能之年。
聊天机器人会等你输入，而AI代理可以执行任务。它们可以阅读电子邮件、安排会议、分析数据、测试代码、创建文档或运行完整的 workflow，而无需你手动操作。
想象一下，你有一个永不疲倦的迷你员工。
为什么它很重要：我们正在走向“代理到代理”（A2A）的交互，你的日程安排代理与客户的预订代理进行沟通以确定时间。
个人说明：我给大家搭建的Dobby智能体就是一个例子，所有白领的工作Dobby都能帮你做了，网址：Dobby.now。
3. 理解数据（和 RAG）——仅仅是基础
你不需要成为一名数据工程师。但你需要了解如何向AI提供数据。
AI 的好坏取决于你提供给它的上下文。2025年，热门词汇是 RAG（检索增强生成）。这只是一种花哨的说法：“在回答之前，在你的私有文件中查找事实。”
如果你理解数据结构的基本原理，你就可以构建真正了解你的业务而不仅仅是通用互联网知识的工具。
- 微调和 SLM——用于实际工作的自定义 AI世界上每个人都可以访问 GPT-4 或 Claude。但公司将通过根据自己的数据——他们的文档、流程、语气——定制模型来取胜。这通常通过微调来完成。此外，2025年出现了 SLM（小型语言模型）的兴起。这些是可以在你的笔记本电脑或手机上运行的微型、快速、廉价的模型。知道何时使用大型大脑（如 GPT-4）与快速大脑（如 Llama 3 8B）是一种战略技能。
- 多模态 AI——文本+图像+视频+音频人工智能不再仅仅是文本。现在它可以同时处理图像、视频、音频、图表和代码。如果你学习多模态人工智能的工作原理，你就会立即变得比只知道聊天的人更强大。试试这个：不要只描述你想要构建的网站。把它画在餐巾纸上，拍张照片，上传到人工智能，然后让它“将这个草图转换为 HTML/Tailwind 代码”。结果会让你大吃一惊。
- 使用 AI 进行编码——即使你是初学者使用 AI 的开发人员将以巨大的优势超越不使用 AI 的开发人员。
GitHub Copilot 和 Cursor 等工具正在改变游戏规则。AI 现在可以：
搭建整个项目结构。
生成样板代码。
编写单元测试（我们都讨厌做）。
安全地重构遗留代码。
现实检验：编码并没有消亡，但语法变得不那么重要。逻辑和架构变得越来越重要。你正在从“编码员”转变为“审阅员”。
- AI产品思维——真正的价值所在知道如何使用人工智能是好的。知道在哪里使用人工智能是一种超能力。
AI产品思维意味着：
识别真正的问题（不仅仅是因为AI很酷而使用它）。
设计简单的工作流程。
了解成本（API令牌不是免费的！）。
避免不必要的复杂性。
这正在成为科技领域最受欢迎的技能之一。公司不需要更多的聊天机器人；他们需要能够节省资金或赚钱的解决方案。
- AI评估（Evals）——“真相检测器”这是此列表中最被低估的技能，但它将业余爱好者与专业人士区分开来。现在，大多数人测试人工智能只是通过与它聊天并说，“是的，看起来差不多。”但在2025年，这还不够。如果你正在构建一个人工智能工具，你怎么知道它不是5%的时间在说谎？人工智能评估是设置自动化测试以评估人工智能答案的技能。它意味着创建一个系统来检查：人工智能是否回答了具体问题？它是否产生了幻觉？公司迫切需要能够证明他们的人工智能可靠工作而不仅仅是“大多数时候”工作的人。
- 安全与伦理 AI——必备技能随着人工智能变得越来越强大，公司对数据泄露和安全风险感到恐惧。他们需要了解以下内容的专业人士：护栏：如何阻止人工智能说出冒犯性的话。隐私：确保公司数据不会训练公共模型。安全：防止“提示注入”攻击。如果你能弥合“创新AI”和“安全企业”之间的鸿沟，你将成为房间里最有价值的人。底线你不需要一夜之间掌握所有这9项技能。但你不能忽视它们。从提示工程开始。然后，尝试用 AI 代理自动完成一项小任务。未来不是人工智能取代人类。而是拥有人工智能的人类取代没有人工智能的人类。到2026年，你将站在哪一边？
