夜雨聆风学习资料网

ARTICLE · 1011793

想学 AI 却不知道从哪里开始?先迈出第一步你就会了

想学 AI 却不知道从哪里开始?先迈出第一步你就会了

想学 AI,却不知道从哪里开始;收藏了不少教程,却难以真正用到实际日常工作中。

如果你也“同病相怜”,那么,先别给自己上强度,安排一套庞大的学习计划,而是找一件用得上的小事,做起来。

比如,花几分钟时间,用 WorkBuddy 创建一份自己的医药新闻日报。

你可能觉得:“不就是搜搜新闻、做个摘要吗?这有什么值得学的?”

别嫌简单。看懂别人怎么做,和自己真正做出来,中间还有一道 GAP。

下面,我就手把手教你如何做。

一、先做出一份自己愿意看的日报

打开 WorkBuddy,新建任务,先手动生成一份日报。不要急着设置自动化,先确认它找来的内容是不是你需要的。先手动跑通、再设置定时,也是官方资讯简报教程采用的顺序。

下面这段提示词,可以直接复制:

请帮我制作一份中文医药新闻日报,面向临床试验从业者。

检索截至当前、过去24小时内发布的公开新闻,重点关注药企、CRO、临床试验、医药行业的AI应用,以及监管政策动态。

优先使用企业官网、监管机构公告等原始来源。同一事件的重复报道合并,按重要程度筛选,最多保留5条,没有足够的重要新闻就少写,不要凑数。

每条包括:新闻标题、发布时间、100字以内的摘要、原始来源链接。另用一句话说明值得关注的原因,并区分新闻事实与分析判断。

不要把旧闻当新闻,不要编造信息或链接。无法核实的内容不要收入正文。

只使用公开信息,不读取企业内部文件。将日报按日期命名,保存到我指定的“医药新闻日报”文件夹。

第一份出来后,不要只看排版漂不漂亮。点开来源,看看是不是新消息,摘要有没有夸大,选出来的内容是不是你真正关心的。

觉得范围太大,就继续告诉它:

减少泛行业新闻,重点关注临床数据管理、统计编程,以及AI在临床试验中的实际应用。

这些修改不是额外的麻烦,而是你开始学会指挥 AI 的过程。

二、让它每天自动执行

内容调整得差不多了,再点击左侧的 “自动化”,进入页面后,点击 “添加自动化”。

图1:进入自动化页面,创建一个定时任务。

接下来,把任务配置填好。自动化页面支持设置任务名称、提示词、工作空间和执行时间等内容。

配置项
本次填写内容
名称
医药新闻日报
工作空间
选择专门保存日报的文件夹
提示词
粘贴刚才测试、调整后的完整提示词
执行频率
每天07:00,核对时区,确保对应北京时间

需要在手机上查看,还可以开启页面下方的 “推送到 WorkBuddy 微信小程序”。开启后,任务结果会同步到云端,供小程序查看,因此这个练习只处理公开新闻即可。

保存后,先试运行一次,确认文件确实生成、内容符合要求;开启了推送的,还要检查手机能否收到。使用这里介绍的本地客户端自动化时,记得让电脑保持开机、联网,并保持 WorkBuddy 运行和登录。

三、你学到的,不只是“搜新闻”

做这件事之前,“提示词”“自动化”可能只是你听过的概念。

真正做一遍,你就有了具体的问题:为什么搜出来的内容不相关?为什么昨天的新闻又出现了?为什么摘要说得很肯定,原文却没有这个结论?

带着这些问题去调整,你就知道下一步该学什么了。

你也会发现,自己的业务经验并没有失去价值。恰恰相反,什么值得关注、什么需要核实、什么只是宣传,这些判断正是你要告诉 AI 的。

今天先把日报做好。以后遇到需要整理的公开资料、需要比较的文档版本,再继续尝试让 AI 帮上一部分忙。

不必一开始就挑战最复杂的业务,更不必等所有概念都学明白再动手。

四、先迈出去,再慢慢走远

“迈出第一步你就赢了”,不是说做一份日报就成了 AI 专家。

而是当你真正做出来,你就从“我也想学 AI”,走到了“我已经用 AI 解决了一个问题”。你已经走在了那些仍然停留在观望和收藏教程阶段的人前面。

不要把学习 AI 变成工作之外的另一份负担。带着工作中的问题去学,让每一次学习都有一个用得上的结果。

开始时需要反复修改,没有关系。随着一个个小问题被解决,你会逐渐知道怎样表达需求、怎样检查结果,使用起来也会越来越得心应手。

回头看,你会感谢的,未必是某一篇让你大受震撼的教程,而是那个没有嫌事情太小、愿意打开软件试一次的自己。

今天,就从第一份医药新闻日报开始。


我创建了一个 AI 临床试验交流Qun,感兴趣的朋友看箭头,备注「AI」,我拉你

AI 临床试验交流群


往期文章精选
手把手教你用 AI 开发一个 AI ADaM 系统
为什么药企明明知道 AI 是趋势,但真正落到业务里却进展缓慢?
PharmaSUG 2026 AI 案例拆解 05:康方生物 用 AI 串起 aCRF、SDTM Spec 和 SAS 代码生成
PharmaSUG 2026 AI 案例拆解 04:百济神州 AI 驱动的 TFL 自动化框架
PharmaSUG 2026 AI 案例拆解 03:AI 辅助从数据库 Spec 到 EDC、SDTM 和 P21
PharmaSUG 2026 AI 案例拆解 02:百济神州 实时 SDTM Mapping Agent
PharmaSUG 2026 AI 案例拆解 01: 百济神州 ADaM AI 平台
试验启动前,AI 先帮你看方案哪里会翻车
CDISC AI 挑战:AI 开始直接挑战 SAP、SDTM、ADaM 和 TFL
ICON 和 Anthropic 宣布合作:Claude 开始进入临床试验全流程
第一家 AI 原生 CRO 出现了:临床数据管理、统计编程会被重新定义吗?
这可能是第一个临床数据管理的 Agent

相关学习资料