用好 AI 的四象限法则来自乔哈里视窗（Johari Window）——将人机协作按"我知道 / 不知道"× "AI 知道 / 不知道"分为四个象限，每个象限对应不同的使用场景和核心方法。
本页解决"何时用什么 Prompt 范式"；具体 Prompt 怎么写见 提示词设计五要素、提示词进阶技巧、Few-Shot少样本提示。
四象限总览
| 我 | AI | 场景 | 核心方法 | 角色分工 |
|---|---|---|---|---|
| 知道 | 知道 | 助理（辅助提效） | 结构化 Prompt | AI 执行，人把关 |
| 不知道 | 知道 | 学习（学习成长） | 三段式追问 | AI 教，人学 |
| 不知道 | 不知道 | 共创（创新共创） | 双钻模型 | AI 发散，人收拢 |
| 知道 | 不知道 | 投喂（模型训练） | ICL / Few-Shot | 人教，AI 学 |
随着时间推移，AI 能力不断增强，四象限的基线会随之推移——今天需要"学习"的，明天可能已是"助理"。
1、助理场景
对任务有清晰的认知和判断标准，AI 也具备完成该任务所需的通用知识与能力。这是最常见、也是最适合"放手让 AI 干"的场景。
典型任务：撰写日报周报、文档翻译、汇报材料结构化
使用技巧：
- 明确目标产出，给足上下文，不要让 AI "猜"你想要什么
- 善用结构化 Prompt（角色 + 任务 + 约束 + 输出格式）
- 把好"最后一公里"——AI 产出 ≠ 最终交付物，需质量把关
- 警惕"虚假流畅"——语言流畅不代表内容正确
2、学习场景
面对陌生的知识点、概念或领域，需要快速建立认知。AI 已经在海量语料中"学过"，可充当私人导师。
典型任务：概念学习（如 RAG、MCP、Agent 架构）、行业术语、快速入门新工具、补充论文背景
使用技巧：
- 要权威解释 + 标注出处（论文、官方文档、书籍）
- 要通俗化讲解（"用通俗易懂的话，假设我是完全不懂技术的人"）
- 要场景化代入（"请用【西游记/做饭/打工人通勤】的例子，把这个概念再讲一遍"）
3、共创场景
面对全新的、开放性的、没有标准答案的问题。探索新业务方向、设计全新产品形态、解决前所未见的复杂问题。
典型任务：新产品 0 到 1 的概念设计、创新业务模式探索、跨领域问题的破局思考、复杂战略选择
核心方法——双钻模型：
- 第一颗钻石：发现问题
- 发散阶段（AI 主导）：让 AI 广泛搜集信息，列举可能性，提供多元视角
- 收拢阶段（人主导）：从 AI 给出的海量信息中，用业务直觉和价值判断，提炼出"真正值得解决的核心问题"
- 第二颗钻石：解决问题
- 发散阶段（AI 主导）：针对核心问题，让 AI 生成多种解决方案、参考案例、潜在路径
- 收拢阶段（人主导）：基于资源约束、可行性、ROI，做最终的方案选型与落地决策
4、投喂场景
深谙某个领域的业务规则、内部流程、专有知识，但这些信息 AI 从未"见过"——可能是公司内部的、行业未公开的、或者非常细分领域的 Know-How。
典型任务：企业内部客服 Bot 的搭建、行业专属 Agent 的开发、私有知识库问答系统、业务术语解析与内部流程指引
核心方法：ICL / Few-Shot（少样本提示）
相关页面
→ 提示词设计五要素 → Few-Shot少样本提示 → AIPM课程 Day3