1. 期望准确的事实而不进行验证
人工智能可以自信地生成看似合理的文本，但也可能会犯错误并弥补错误。盲目相信事实、数字和链接是导致问题的直接途径。该怎么做：从源头检查重要事实，并根据您的数据连接文档以获取答案。将人工智能视为快速但不精确的助手。
2. 模糊的要求
“写一些关于营销的东西”给出了一个模糊的答案。该模型不会读心——它会响应你所写的内容。做什么：设置角色、上下文、所需的格式和限制。要求越精确，结果就越接近。答案的质量很大程度上取决于提示。
3、被动消费而非实践
观看视频和阅读现成的答案固然令人愉快，但它会造成一种知识错觉：“我明白”并不等于“我能”。该怎么做：练习实际问题，在提问之前自己决定，用自己的话解释主题。 Skill is born only in practice.
4. 争夺每条新闻
人工智能变化很快，试图跟踪一切是令人筋疲力尽且徒劳的。该怎么做：坚持基础（促进和使用人工智能的原则会慢慢改变），选择2-3个可靠的来源并针对特定任务进行研究，而不是为了将来使用。基础知识慢慢过时，包装很快过时。
5. 尝试一次性学会所有内容
AI范围广泛，分散性减慢了进展。该怎么做：为您的目标选择一个方向（无代码工作、开发或职业）并深入研究。一项已完成的技能比十项已开始的技能更有价值。
6. 盲目相信，不为自己着想
如果你要求人工智能为你思考，你自己的技能不会增长，模型错误也不会被注意到。该怎么做：将人工智能用作放大器，而不是思维的替代品。检查逻辑，自己做出最终决定。你是一个编辑，而不是一个表演者。