问题：不少用户把大模型当“升级版搜索” 随着大模型应用加速普及，办公写作、信息检索、创意生成等场景正快速落地。但周鸿祎提醒，一个值得警惕的现象是：不少用户仍沿用传统搜索思路，把大模型当成“问一句答一句”的工具——只停留在拿答案的层面——忽略了它在理解意图、拆解任务、制定步骤、持续迭代等的综合能力。长期停在浅层用法，效率提升会很有限，个人能力边界也难以真正被打开。 原因：认知惯性与指令表达不足并存 业内人士认为，这种现象一上来自长期形成的检索习惯——用户更习惯“找结果”，不擅长“交任务”；另一方面是表达方式和工作流程尚未跟上新技术的节奏。很多需求本质上需要补充背景信息、约束条件、评价标准和输出格式，但用户往往只给一句笼统指令，结果生成内容容易模板化。此外，部分人对“智能体”的理解还不够，也就缺少“让系统持续跟进、持续执行”的使用意识。 影响：从个人竞争力到组织运行方式的重塑 周鸿祎判断，大模型带来的变化不只是效率工具的更新，更可能改变个人与组织的生产方式。能把大模型用成“可协作、可执行、可复盘”的智能体的人，会信息处理、文案策划、数据分析、客户沟通等环节形成叠加优势，向“超级个体”演进；而只把大模型用于简单问答的人，产出效率和质量提升都有限，在更快的行业节奏和更高的协同要求下，可能逐渐处于不利位置。对中小企业来说，智能体的规模化使用有望缓解人手不足、流程不畅和管理成本偏高等问题，用数字能力补上组织能力短板。 对策：三上提升用法，把大模型训练成“长期助手” 围绕如何让大模型真正“上手干活”，周鸿祎提出三条路径。 第一，定位从“临时查询”转向“专属助手”。与其遇到问题才临时求助，不如围绕自身行业、岗位职责或兴趣方向，持续提供资料和范例，让系统逐步熟悉专业语境、常用格式和偏好标准，形成稳定的个性化支持。积累越多，助手越懂业务，也越贴近个人的工作节奏。 第二，沟通从“单次指令”转向“多轮对话”。任务越复杂，越需要补全信息和过程校准。与其只说“写周报”，不如说明本周工作内容、难点与解决方案、客户反馈和下一步计划，并明确语气与侧重点，再通过追问补齐遗漏，让输出逐步贴近目标。多轮沟通不仅能提升成稿质量，也更容易激发新的思路与结构。 第三，交付从“模糊要求”转向“清晰边界”。有效指令应尽量包含时间范围、对象范围、分析维度、数据依据和输出形式等要素。比如做市场研究时，明确需要对近三个月行业竞争态势进行对比，聚焦价格策略、新品发布、传播声量等指标，并要求最终产出可直接用于汇报的提纲或结构化材料。边界越清晰，系统越容易稳定产出，也更便于复核与再加工。 前景：从“使用工具”迈向“管理智能体协作” 周鸿祎继续指出，下一阶段的关键在于智能体的普及与协同：让其在一定权限与规则下，自动完成信息监测、资料整理、初稿生成、数据比对、进度提醒等连续性工作，形成“任务闭环”。随着终端算力提升和软件生态完善，个人或企业可能同时管理多个智能体分工协作，形成“数字助手集群”，在不增加人力的情况下扩展能力边界。业内也预计，围绕安全、权限、数据来源可信和结果可追溯等问题，将成为智能体走向更深应用时必须重点解决的方向。
技术变革从不等人，也不会拒绝主动适应的人。周鸿祎的建议是在提醒人们：智能时代真正的门槛不在技术有多复杂，而在使用者能否完成认知更新。从被动接收信息到主动驾驭工具，从单次调用到长期协同，这种变化看似细微，却可能在长期积累中拉开难以弥合的能力差距。如何与新技术建立更深层的协作关系，正在成为每个身处变革中的个体都无法回避的现实课题。