夜雨聆风
AI 提效的实话实说|从工具选择到组织变革
前言
今天和一个在金融行业做技术管理的同学聊 AI 落地，聊了一个多小时。
他问的问题很具体：”怎么让会议纪要自动填充到需求模板里？”
但聊着聊着，问题就变了：”大公司怎么在 AI 时代活下去？”
整理成文，既有基础科普（工具和模型到底啥关系），也有深度思考（AI 提效背后的组织变革）。各取所需吧。
一、先科普：工具和模型，别被名字忽悠了
这是很多人都搞混的概念。
两层架构
上图：工具层（本地安装，免费）可以随意搭配模型层（花钱的地方）
关键洞察：
- 工具层是装在你本地的软件，爱怎么用怎么用，基本都是免费的
- 模型层才是关键：你可以用 Trae 调国内的 GLM，也可以用 Claude Code 调国内的 API——这两层是可以随意搭配的
- 真正受限的是网络：如果公司不让连外网，那就只能本地部署模型
一个常见误解
“Claude Code 是国外的，得翻墙才能用吧？”
不是。工具本身是本地软件，只是默认配置的模型 URL 指向国外服务器。你完全可以把它改成国内的模型地址。
智谱就出过一个小工具，一键配置让 Claude Code 调用智谱的模型。这种东西本质上就是改个配置文件。
但说实话……
我个人认为，金融行业迟早会想明白这件事：本地部署大模型就像自己建搜索引擎，理论上能做，但经济上不划算。
你现在用百度查资料，百度理论上也能知道你查了什么。但你用不用？大部分时候还是用。
更合理的方案是：让大厂给你做独立实例，物理隔离，只跑你的请求。大型企业完全有谈判能力谈这种合作。
⚠️ 这个问题没有标准答案：安全合规的要求是现实的，但成本效率的权衡也是现实的。想听听大家是怎么平衡的。
二、会议纪要自动填充模板
聊天的起因很具体。他问：
“我们在跟客户谈需求的时候，会开录音做会议纪要。但记出来的东西还是要整理。有没有那种可以让我预先设置规则，然后按照我的要求去整理会议纪要的工具？”
这其实是个很典型的需求：不是要一个通用的”会议纪要”，而是要把会议内容结构化地提取出来，填到标准模板里。
实操方案
上图：从录音到结构化输出的完整流程
具体做法是这样的：
- 准备一个指令文档：告诉 AI 你是谁、要干什么、输入是什么、输出格式是什么
- 给原始材料：会议录音转写的文字稿（有些会议软件能自动区分说话人，更好）
- 让 AI 处理：用任何你顺手的工具（Trae、Claude Code、甚至直接打开网页版），把指令和材料一起丢给它
- 拿到结构化输出：Markdown、Word 都可以，格式转换对 AI 来说不是问题
效果到底怎么样？
这套方法我亲身用过。
之前有一次，20 多个项目需要评审打分，每个项目都有路演录屏的文字稿。如果逐个人工看，工作量很大。所以我提前写好了一套固定的评分规则文档——告诉 AI 从哪些维度打分、几分制、每个维度什么标准——然后把每个项目的文字稿丢给它，自动生成了结构化的评审报告。
20 多个项目，标准统一，一碗水端平。因为量大、标准必须一致，所以”提前写好指令文档”的投入完全值得。
但如果你的场景只是偶尔用一下，就没必要搞那么复杂——直接跟 AI 一轮一轮聊也行，就是费点时间。根据使用频次和规范化程度，决定投入多少精力去固化流程。
三、知识库管理：轻量级方案就够了
话题从会议纪要自然延伸到了知识库：怎么沉淀行业和业务知识，让 AI 能随时调用？
两种”知识库”
首先得区分一下，不同的人说”知识库”的时候可能在说不同的东西：
- 狭义知识库：高度结构化的专业数据（比如法院案例、催收案例），需要做向量化、embedding，用语义搜索
- 广义知识库：你以前积累的各种文档、项目资料、会议纪要——说白了就是”一大堆文件”
最轻量级的方案：直接给文件夹
举个我自己的例子。去年做年度述职的时候，需要回忆一整年做过哪些项目。我有一整年的项目文件夹，直接丢给 AI，说：”帮我把去年干过的事情整理一下”。AI 会：
-
先跑个目录列表，了解文件结构 -
根据你的问题，找到相关文件 -
读取必要的内容，生成总结
并没有把你几个 G 的文件全传到服务器——它只会读取需要的部分。
什么时候需要重量级方案？
如果你需要：
-
一天查询几千次 -
毫秒级响应速度 -
海量文档的语义检索
那才需要提前做向量化、建索引、上 RAG 方案。
但大部分团队的查询频次没那么高，直接给文件夹就够了。
让 AI 帮你扩充知识库
知识库不仅能查，还能让 AI 帮你主动扩充。比如我前段时间做了一件事：给 AI 一个方向，让它搜集”不同公司怎么用 AI”的行业案例，它自己跑了一圈，整理出了：
-
场景库（不同公司、不同优先级的 AI 应用场景） -
行业趋势文档（最近有哪些值得关注的趋势） -
公司情况报告（几家代表性公司的 AI 战略）
这个投入是值得的：你给一堆原始材料（甚至只给一个方向），让 AI 帮你结构化、做摘要、做分类，以后查起来方便得多。
⚠️ 但这里也有个问题：文件丢给 AI，会不会泄露？
说实话，会有风险，但没有想象中那么夸张。它不会把你整个文件夹传走，只会读取需要的部分。但这确实是个需要自己权衡的事。
四、AI 提效背后的组织变革
聊到最后，话题从工具层面上升到了组织层面。
那位同学问了一个很现实的问题：
“我们未来要面向项目组推广，中初级的人比较多。怎么把 AI 使用能力做成可复制的？有的人用得好，有的人用不好。”
我的回答是：AI 不是来提高所有人能力的，AI 是来淘汰人的。
自然淘汰
这话关起门来说：AI 肯定能提效，而且大规模提效。但除非公司能接到特别多的单，否则干现在这么多的活，不需要那么多人。
那结果就是：
-
谁学得快，谁就活下来 -
谁学得慢，谁就被淘汰
这不是培训能解决的问题。有些人就是有兴趣、学得快，有些人就是没兴趣、学得慢。你跟后者费劲，划不来。
但公司层面的困境
话虽这么说，大公司确实需要一些标准化的流程和工艺。问题是：
现在这个行业变化太快了。
如果你等公司统一弄出来一套标准，估计早就落后了。更现实的形态是：
-
有些团队搞得快，自己小规模摸索出高效的方法 -
这些方法再上收到公司层面 -
公司整理后再下发
但这一上一下的速度，在不同团队之间差异会非常大。不像传统技术迭代那么慢——现在可能你刚传上去，下边的人已经迭代了两三版了。
本质问题：科层制 vs 网络化组织
这里其实藏着一个更深的问题。
传统大公司的组织方式是科层制的：
-
顶层设计 → 中层传达 → 基层执行 -
好处是整齐划一，坏处是慢
但 AI 时代的最佳实践往往产生于网络化组织：
-
小团队快速试错
-
好的实践自然扩散
-
好处是快，坏处是混乱 这两者怎么兼容？
我不知道标准答案。但我觉得，大公司可能需要接受”有限的混乱”——允许一部分团队先跑起来，然后再慢慢收敛。
⚠️ 这个问题真的没有标准答案：
想听听大公司的朋友是怎么处理这个矛盾的。
五、邀请讨论
这篇文章里我提了很多问题，但没给出多少标准答案。因为AI 落地这件事，大家都在摸索。
我想听听大家的经验：
欢迎在评论区聊聊，或者加我微信单独交流。🐻
后记
这场聊天对我自己也有启发。很多时候我们以为自己在问”工具怎么用”，其实是在问”组织怎么适应技术变革”。
后者没有标准答案，但问对了问题，就已经走了一半的路。
-
完全等公司统一推进？太慢，错过窗口期 -
完全自己摸索？重复造轮子，资源浪费 -
怎么平衡？我也不知道 - 你们公司是怎么处理敏感资料上 AI 的？
本地部署还是独立实例？ - 知识库管理
：你们是直接给文件夹，还是上了 RAG 方案？效果怎么样？ - AI 提效推广
：大公司怎么平衡”统一标准”和”快速迭代”的矛盾？ - 工具选择
：你们在用啥？有没有踩过坑？