1/ 初高中你可能因为考试竞争的压力而习惯于事无巨细地学习任何细节。
2/ 不要这么做，要学表达精度更高的指挥型声明。现阶段的“劳力”调用成本已经很低了，未来会更低，不仅如此你还能得到更高级的“劳力”。
3/ 举个例子，假如你是老板，你告诉员工“去给我做宣传”。那么员工就会做好所有的策划和执行，你只需要看结果。这是一般性质的指挥性声明，它没有学习成本、不需要动脑，人人都会这么表达。不过这需要人力杠杆/资本杠杆，以前这不是人人都有的，现在（和未来）你有了，因为（AI）成本（越来越）低。
4/ 第二个例子，你在用 AI 设计网页，你说：“我要蓝色！”，此时 AI 立马给了你一个巨丑无比的蓝。很多人就懵了，只会说“这不是我想要的蓝，我要的蓝没这么蓝，我还希望它蓝白渐变。”
5/ 这就是因为表达精度不够高，而不是 AI 不行。设计师此时会直接修改代码，给到一个「色值」，或者用专门的设计软件设计好后导出参数给到 AI，让它按照这个代码融合到当前的项目代码里。（比如大家爱玩的 SVG 卡片）
⚠️ 补充：我所说的“精确”不一定是指“可以被量化的东西”，上面的色值只是一个比较好加以陈述的例子。
再比如，同一个文化同一个名词，你和我的理解大概率不一样。“精确”自然指代的是让对方理解你的理解。你可能会用比喻、类比等文学化的表述以“相对精确”地传达你和对方认识之间的差距。
即，语言的歧义永恒存在不等于你不能精确表达，“精确”源于你对两种表述之间的差距的附加说明。
（如果你打过辩论，应该有对“定义战”的敏感性）
6/ 新手小白吃了表达上的亏，而这种高精度表达来源于专业领域的知识术语；而巧就巧在也不是所有的“专家”都擅长表达。思考：谁是赢家？
7/ 你要做的就是学到一个精度恰到好处的程度 —— 即输入相对最少的信息，AI 又能完美 Get 到你的意思。换句话说，你总是在思考一个问题：“如何恰到好处地节省学习成本？”
8/ 当然，这个程度会持续变化。原因是你和 AI 的能力都在持续迭代中。
