ARTICLE · 1031684
AI 辅助工作入门 基本概念(培训讲义)
壹
当前情况
（一）用的人很多，做成的事很少
三项调研，指向同一个反差
78.2% 的职场人每周借助 AI 开展工作 | 95% 的企业级生成式 AI 试点没有可以衡量的回报 | 17→42% 放弃大部分 AI 项目的企业比例，一年之内的变化 |
这里说的生成式 AI，指能自动生成文字、图片、代码这类内容的 AI。三组数据的样本范围都不等同于使用单位，直接套用并不合适，但它们指向同一个现象：员工层面的使用已经普及，单位层面的落地多数没有做成。这是判断，依据是使用率与项目回报率之间的反差。
失败集中在四个环节：数据基础不成熟、试点没有嵌入业务流程、没有人对结果负责、成功没有用数字来定义。这四条里有三条属于管理问题。
（二）算力资源也有闲置
据 2026 年 7 月的公开报道，近 150个智算中心的使用率约为 30%，这个水平已经持续约一年。智算中心指专门提供 AI 计算能力的机房设施。一方面资源紧张，另一方面大量闲置，原因不在总量不够，在调度不够合理。分配之前先做盘点，盘点本身就是治理的第一步。
（三）为什么先讲这几个问题
上面两个情况里的多数问题，技术部门解决不了。流程怎么定、谁对结果负责、指标怎么设，这三件事只有单位层面才定得下来。技术部门能回答「能不能做」，回答不了「该不该做、出了问题谁负责」。
贰
AI 的几个特点
要弄清楚怎么用才有效，先要弄清楚它是什么。下面提到它的时候，有时说「AI」，有时说「模型」，指的是同一件事，只是说法不同。这几点不需要懂技术，但它们决定了后面的做法。
（一）一次能处理的量有限
它一次能处理的文字量是有限的，超出这个范围的内容它看不到。
在这个范围以内，它也不是平均地看每一条内容，而是有选择地分配关注。已有的测试显示，内容放在开头或者结尾，它记得比较准；放在中间，容易被忽略。而且内容越长，整体表现越差，即使所有内容都在它能处理的范围内。所以给它准备材料，不是越多越好。
补充：注意力机制：权重归一化带来的稀释效应
注意力机制（Attention）是当前主流模型的核心结构。做法是：把每个字转换成一串数字，计算每个字与其他所有字的相关程度，得到一组权重，然后按权重把其他字的信息加权汇总到当前字上。每一层都做一遍，层层叠加。
关键在于这组权重是归一化的，用 softmax 计算，加起来等于一。注意力是一份固定额度，序列越长，分到每个位置上的就越少。前面说的位置效应和长度效应，机制上的原因就在这里。
另一个推论是，注意力计算的量随序列长度平方增长，长度翻倍，计算量约变四倍。这是处理慢、费用高的主要原因之一，也是处理范围不能无限放大的技术约束。
（二）没有记忆，不会积累
一次对话结束以后，这次对话里的内容不会保留下来。它也不会从过去的使用中积累经验，用得再多，能力也不会提高。所以单位的规章制度、统计口径、历史数据，它都不知道，每次要用都要重新提供给它。
目前各厂商的做法都一样，只能在使用的时候把需要的内容重新提供一遍。有人尝试让它自己记住，结果会偏差、会过时，各厂商的官方说明都不建议这样做。
补充：上下文窗口：容量、平方复杂度与硬上限
模型单次计算能容纳的文字量有硬上限，这个上限叫上下文窗口（Context Window），通常按 token 计。token 是文本切分的基本单位，一个汉字大致对应一到两个 token。
上限由两层原因决定。一是注意力的计算量随长度平方增长，显存和时延承受不住。二是模型在预训练（Pre-training）时只见过特定长度的文本，超出这个长度以后表现明显下降。
还要分清一件事，处理范围是容量，注意力是分配。标称的数字可以很大，实际被用上的有效部分要小得多，这是「标称一百万、实际十几万」的由来。
（三）按概率生成，不会说「我不知道」
它生成文字的方式，是按概率逐字推测下一个字最可能是什么，训练的目标是让文字读起来像人写的，没有一条要求是必须真实。
2026 年一项独立评测显示，五个最强模型给出错误内容的概率在 3% 至 19%之间，也就是每回答一百次，有三到十九次是错的。更值得注意的是，推理能力更强的模型不一定更准确，同一家公司后来推出的模型，错误率反而更高，最高的一款接近一半。开发这类模型的美国 OpenAI 公司承认，这是它生成文字的方式决定的，无法通过技术进步消除。
遇到它不知道的事情，它不会说明自己不知道，而是给出一段看起来很合理的答案。这个问题在数字和引文上最需要警惕，因为这两类内容最容易让人直接采信。还有两点是同一个原因造成的。一是它写出来的文字会趋向平均，这就是后面要说的文字有「机器味」的原因。二是它不按规则计算，而是按概率推测，所以数字计算容易出错，涉及计算要交给专门的工具，或者由人核算。
补充：概率采样与幻觉：为什么错的内容不可避免
模型每生成一个 token，都会在整个词表上算出一个概率分布，再按分布抽取一个。抽取的随机程度由温度参数（temperature）控制，温度越高越随机。整段文字就是这样一个一个抽出来的，这个过程叫概率采样（Sampling）。
训练时优化的目标，是让生成的文字最像人写的，没有任何一项训练目标是「这句话必须是真的」。模型学到的是语言和知识的统计相关性，不是一份可以查证的事实清单。
它给出的这类错误内容，行业里称为幻觉（Hallucination）。所以错误无法消除，与模型强弱无关。这也能说明，推理步骤多不等于结论可靠，链条越长，中间任何一步的偏差都会往下传递。
（四）不能承担责任
任务可以交给它做，但一旦出错，承担责任的是单位里的人，不是它。它不是能够承担责任的主体。这一点决定了后面授权安排的上限。
（五）合起来说明什么
合起来看，它能力很强，但对单位的规矩一无所知，而且在不知道的时候会编。
由此可以得出一个基本判断：同样是这样一套 AI，交给不同的人，配上不同的资料和规则，用出来的结果差别很大。模型本身只是其中一部分，围绕它准备的东西，包括提供什么资料、定下什么规则、允许它做到哪一步，共同决定了最终效果。
所以这件事做得好不好，关键不在于选择多强的模型，而在于这些准备做得怎么样。通用的方法只有与具体实际结合起来才能管用，这层意思讲的就是理论联系实际。后面讲的三个条件，正是它的具体展开。
补充：框架：把概率性能力嵌进确定性流程
模型本身只做一件事，根据已有内容预测下一个 token。要让它完成一项实际工作，需要另一套东西补上它做不到的部分：哪些内容进入窗口、允许调用哪些工具、一次任务走几步、每步结果怎么校验、出错怎么重试、什么条件算完成、操作留不留记录。这一整套行业里叫框架（Harness）。业内有一个公式，Model + Harness = Agent，模型加上框架才等于能干活的应用。
它的本质是把概率性的能力嵌进确定性的流程。模型负责需要判断、允许多种答案的环节；框架负责必须确定、只能有一个答案的环节，比如权限、日志、重试、终止条件。把这些交给代码而不是交给模型，可控性就来自这里。
这也是框架里的资料、规则、权限设计只能自己定、省不掉的原因。
叁
它能承担什么工作
在准备条件之前，先要明确哪些工作可以交给它。下面四类与日常工作关系最直接，每一类都分成能做的和不能做的两部分来看。
（一）写材料
•能做的：查阅数据、列出事项、按格式填写、出第一稿。
•不能做的：核对数字、统一口径、判断这份材料里有没有具体情况。
写出来的材料好不好，可以用一个标准来判断，它是拼装出来的还是写出来的。工作总结、汇报、方案属于拼装型，内容由事实和格式决定，靠的是素材和规矩，不是文字水平。所以力气应当花在备好素材、定好规矩上，不必在检测文风上投入。
（二）重复性的工作
•能做的：反复出现的工作，把做法写进文件，下次按这个做法自动执行。
•不能做的：需要作出判断的环节。
算得清三笔收益就值得做：省下反复交代的时间；做法固定以后，输出才稳定；把有限的精力从反复交代转到正事上。出现频率低、要求经常变化的工作不必做，维护本身有成本。
补充：技能：把流程固化为可复用的文件包
把一项反复要做的活，连同做法步骤、用到的资料、调用哪些工具、产出要过哪些检查，一起写成一个文件包。系统遇到这类任务时自动加载这份文件，按里面的规定执行。这种做法行业里叫技能（Skill）。
它解决的是模型没有记忆、每次都要重新交代的问题。流程写进文件，内容就固定下来，不因操作人不同而变化。这是把个人经验转成组织资产的一种方式，而且这种资产可以直接搬移，换个单位只要口径一致就能用。
技能和知识库的分工是清楚的。知识库解决「它知道什么」，存的是依据；技能解决「它怎么做」，存的是流程。技能和智能体的区别也清楚：技能的路径预先定好，每一步都写死；智能体处理的是路径不定的活，下一步由模型自己判断。
需要提醒的是，能固化的只有流程，不能固化判断。流程是确定的，可以写死；判断要担责任，只能留在人手里。这是技能设计时最容易出问题的地方。
（三）选择工具
能用的方式是拿实际工作去试。评测排名参考价值有限，因为可以被刷，曾经出现过小模型靠提前接触到测试题就把名次做上去的实例。排名只能作参考，用实际工作试一遍才能判断。
费用方面，单价在下降，但总费用反而上升，因为价格便宜以后用量会大幅增加。有三笔费用容易漏算：一是输出内容变长，二是思考过程也要计费，三是任务失败后系统自动重做，每次重做都计费。
补充：数据污染：评测有效性的前提被破坏
评测用的题库是公开的。模型训练的数据来自大规模网络文本，公开题库很容易被一起抓进去。模型在训练阶段就见过题目和答案，测试时等于开卷答题，成绩自然偏高。这种情况行业里叫数据污染（Data Contamination）。
失真方向并不固定：参数量小的模型如果训练数据里恰好包含题库，反而可能排在前面。
更根本的问题在于，评测有效的前提是测试内容模型没学过，而这一点在训练数据不公开的情况下无法验证。所以榜单只能作参考。
（四）任务委派
•能做的：模型、工具和连续执行能力三样齐备的系统，可以自己把一项完整任务做完，中间不需要人一步步下指令。
•不能做的：签字。
交出去之前先想清楚怎么验收。风险按两点判断，出了问题多难发现、代价多大。如果每一步的把握是九成，连续做十步都不出错的把握不到四成。
验收可以按规则分级。常规问题由系统按规则检查，规则之外的问题由人判断；关键错误不允许出现，一般错误设上限，按类别分别计分。AI 生成的材料里最危险的是引文和数字，因为这两类内容看起来最像真的。
还有一点要提前考虑。美国麻省理工学院的一项实验显示，用 AI 写作的那一组脑部连接最弱；法航 447 空难（388 人）中，机组长期依赖自动驾驶，手动飞行能力逐渐退化。电网一直用操作票、唱票复诵、仿真演练来保持人员能力。引入 AI 以后，减少的应当是重复劳动，不能连基本操作能力一并丢掉。
补充：智能体：自主循环与错误累积
模型能回答问题，但不会自己动手做事。给它配上工具，再让它能够自己判断下一步做什么、做完一步接着判断下一步，直到任务完成，这样一套系统行业里叫智能体（Agent）。判断标准是三样齐备：模型（Model）、工具（Tool）、自主循环（Agent Loop）。
它和传统程序的差别在路径。传统程序把每一步写死，遇到没预料的情况就停；智能体的下一步由模型判断，所以能处理路径不定的活。代价是这个判断本身也是概率性的。
整体可靠性是各步把握相乘的结果，而不是相加。步骤越多，下降越快。这是把一条长流程交给它之前必须评估的。
四类工作合起来看，有一条分界线：需要作判断、需要担责任的环节，都留在人这一边；把这些环节之外的部分交出去，效率才提得起来。
肆
需要事先准备的三个条件
上面四类工作要做成，先把三个条件准备好。
（一）把依据整理好
1. 依据现在存在哪里
单位的规章制度、统计口径、历史数据、经验做法，目前主要存在两个地方。
一是老同志的脑子里。这部分最完整，但会随着人员调动和退休流失。
二是文件和资料里。这部分数量大，但有两个问题。它一次能读的文字量有限，材料多了中间部分读不全；材料格式不统一，同一个问题有多个说法，它读不准。
2. 所以要建知识库
把这些依据整理成它能直接使用的形式，放在一个固定的位置，供每次使用的时候取用。这件事就是知识库的由来。它要解决的是依据取用问题，不是资料存放问题。
补充：知识库与提示词：指令类内容与资料类内容
使用时送进模型处理范围的整段内容，包括系统给定的要求（System Prompt）、加载进来的资料（Context）、以及操作人的提问（User Query），合起来构成这一次的完整输入。这段输入行业里叫提示词（Prompt）。
知识库里的内容按作用分两类。一类是指令性的，规定它该怎么作答，比如必须引用条文原文、数字不得重算、口径不一致要并列列出、输出要过哪些检查。这类内容本身就是提示词，只是提前写好、存在库里，用的时候调出来。另一类是资料性的，比如规程原文、统计数据、历史案例。这类是依据，作用是让它读到事实，不规定它怎么做。
所以知识库可以看作提示词的一个来源，但整个库不都是提示词。这个区分有实际意义，因为两类内容的维护要求不同：指令类要精炼、明确、可判分，写含糊等于没写；资料类要齐全、标注来源、标注版本，缺了它就会编。
3. 把文件集中到一个文件夹，不等于建好了知识库
区别在整理的时间和方式。
| 入库时就整理 | ||
| 提问时现找 |
补充：检索增强生成：加工时机决定规则执行力
提问时临时查找、当场转述，这套做法行业里叫检索增强生成（Retrieval-Augmented Generation，缩写 RAG）。流程是：文档先切片（Chunking），建成可检索的索引；提问时用问题去检索，取回最相关的若干片段；把这些片段和问题一起送进模型，由模型组织成回答。
它的优点是文件不必事先加工，随收随用，容量可以做得很大。短处有三个。一是切片会切断上下文，一段话被切开以后，实体与属性、条件的对应关系容易错配，这是这类系统张冠李戴的主要原因。二是检索本身会漏，该找的没找出来，模型就只能靠参数补，于是开始编。三是规则来不及生效，因为回答是在检索之后现场组织的，写好的规则没有在检索环节起作用的位置。
4. 资料要分层放，用的时候按需取
前面讲过，它一次能处理的量有限，内容越多越容易漏。所以知识库不能只是把文件堆在一起，要分层组织。先做一份索引，写清楚有哪些内容、各自放在哪里。使用的时候先看索引，判断这次需要哪几份，再把这几份调出来。这样每次进去的内容都是当前用得上的，不会因为材料太多而被忽略。
补充：渐进式披露：把定位和加载分成两步
只呈现当前需要的内容，需要更多的时候再往下展开一层，这种做法来自信息设计领域，叫渐进式披露（Progressive Disclosure）。
用在知识库上通常分三层：第一层是索引，写有什么、在哪里、什么条件下用；第二层是摘要，说明这份资料讲什么、关键结论是什么；第三层才是全文。
它有效的原因直接对应注意力机制：进入窗口的位置越少，每一个分到的关注越多。同时也对应容量的约束，进去的内容少，留给真正干活的空间就大。
本质是把「找」和「读」分成两步，先用很小的成本定位，再按实际需要加载。索引的质量因此变得关键。
5. 三条具体原则
整理的时候就要按用途加工好，不当场加工的等于没有存。这里说的加工，指把文件里的内容整理成可以直接取用的形式，比如把一份规程里的关键要求单独列出来，而不是只把文件原样放进去。按用途决定存什么，查答案就存知识，写材料就存模板。
6. 投入要有重点
几百份资料不可能用同样的深度整理，投入要放在经常使用的内容上。检索三次以上的做深一层整理，写材料用过两次的整理成模板，反复用于决策的整理成对照表，长期没有人用的只保留原文。
7. 建起来还要养下去
知识会过期。过期不是变旧，是变错，旧的规定混进现行版本，会让人拿旧规定当新规定用。没有维护的库，18 至 24 个月之后就会失去可信度。
清理分三步，每一步都可以恢复。第一步列出重复的、长期没有人使用的、已经过期的清单。第二步把长期没有人使用的降为归档，不再进入正常检索。第三步把同一内容有多个版本的并成一个，早期版本里还有效的内容先提出来，再归档。检查重复、核对过期、统计使用次数这些工作可以让它做，但这个库对工作还有没有用，它判断不了。所以检查由它发起，清单由它整理，怎么处理由人决定。
用得越多的内容，整理得越深；使用中纠正过的地方，记录回库里，下次按纠正后的做法执行。这是让库越用越准的办法。
这几步做到位，说到底是调查研究的要求。调查研究讲究去粗取精、去伪存真、由此及彼、由表及里，整理依据也是这四件事：挑出关键要求，分清哪一版有效，建立材料之间的联系，提炼出可以直接取用的结论。
依据没有整清楚，后面定的规则再严，它说出来的仍然是没有根据的话。这也是三个条件里，把依据整理排在最前面的原因。
（二）把使用规则定下来
规则要写成可以检查的形式。它的行为靠规则约束，不能靠它自己把握。
| 数字原样保留 | ||
| 清单全量核对 | ||
| 说法不一致的并列列出 |
换成工作中熟悉的说法，就是报送之前做三项核对：数字回到原表核对、条目与总数核对、说法不一致的并列上报。
（三）明确哪些环节必须由人确认
把授权分成三级，不是一次放开。
顺序不宜跳过。技术成熟程度决定能不能做，责任边界决定该不该做。越过一级，就意味着一部分责任没有人承担。模型可以迭代，治理不能缺位；治理能力不到，再好的模型也只能停在试点。
三个条件合起来是一件事：把准备工作做在前面，效果就不再取决于用的是哪一家的模型。
伍
可以先做哪些
前面讲的是推进这项工作的准备条件，下面看具体可以从哪里入手。同一批工作可以从两个角度看：按技术类型分是五条路径，按嵌入工作的深度分是四个层次。
（一）五条技术路径和各自的限制
AI 在电网已经进入实际使用阶段，按技术类型分五条，分别是看、读、算、断、做，其中「断」指辅助分析判断。逐条看，每条都有自己的限制，限制在哪里，决定了它当前能干到哪一步。
| 看 | ||
| 读 | ||
| 算 | ||
| 断 | ||
| 做 |
（二）工作嵌入的四个层次
| 一 | ||
| 二 | ||
| 三 | ||
| 四 |
建议从第一个层次起步。多数单位的数据基础还没有建好，直接上第三、第四个层次多半会失败。
（三）起步四步
第一步选场景，选发生频率高、规则明确、数据齐备、风险低的。第二步建数据基础，统一口径、标注来源、明确更新方式。第三步在风险最高的地方设检查节点，比如停电范围核定、安全措施确认、对外停电承诺。第四步用流程指标来评价，看处理时长、解决率、错误率。
（四）一个完整的例子
把上面这些放到一件事上，顺序是这样的。
假设要做一个安全规程的问答功能。第一步，把规程文件找齐，先确认哪一版是现行有效的，作废的版本挑出去，不能让新旧混在一起。第二步，把规程里的关键要求整理出来，做成一份索引，标明每条要求在哪一页、适用于什么条件。第三步，定下回答的规则：必须给出条文原文，不能自己概括；涉及的条目数和原文件对得上；两份文件说法不一致时并列列出，由人判断。第四步，先只让它回答问题，答案由提问的人核对，试运行一段时间。第五步，把答错的地方记下来，回到第二步补充。
这件事做顺了，再考虑让它自己判断哪些条款适用。顺序不宜颠倒，先建立依据，再定规则，最后才谈放权。
（五）配套的基础工作三件
还有三件事属于基础性的配套安排，做不好会限制后面的推进。第一件是管理模型的系统。设计上做到模型可以更换、功能组件可以拆分，模型更新换代的时候就不用把整套推倒重来，每一步操作都有记录可以回看。代价也要说明，在内网重新搭建比较费力，跟着外部更新走也比较费劲，所以有一条原则，改进尽量做在功能组件这一层，不动最核心的部分。
第二件是可安装功能的审核。反复要用的做法可以做成技能，装上来就能用。外部经验是，这类技能中约 36%存在诱导系统执行不该执行指令的风险，伪装成效率工具的可疑技能累计安装超过 170 万次。所以做法是一放一收，开发这一头放开，发布这一头集中审核。还要分清哪些功能可以共用，哪些必须自己做，判断标准是换个单位还能不能用。
补充：提示注入：模型缺少信任边界
在模型看到的文本里藏一段指令，让它做出使用者并没有要求它做的事，这种情况叫提示注入（Prompt Injection）。
它之所以可能，是因为模型处理输入时不区分「指令」和「资料」。无论是操作人写的，还是从网页、文档、技能包里读进来的，进入窗口以后都是同一段文本，都会被当作理解对象，也都可能被当作要求来执行。模型没有「这个是外部数据、那个是内部命令」的信任边界。
防守的难点在于，靠关键词过滤挡不住，同一段意思可以换很多种写法，也可以编码、拆分、夹杂在正常内容里。可行的办法是结构性的：把权限限定在完成这件事所必需的范围，关键操作由人确认，外部来的技能和资料集中审核。
第三件是算力调配。除了先做盘点，办法还有集中，把分散的算力统一安排，使用率可以从 30% 提到 70%以上。不同类型的任务分开管，与业务现场结合的放在现场处理，响应更快、占用带宽更少，成批处理的走预算管理，平台上的通用调用按配额排队。
（六）这套做法的适用条件
前提只有两条：有可以整理的口径和文件，有人愿意在整理的时候多花一道工序。它不依赖特定的系统或供应商，换个单位同样适用。这也是它适合先在点上做、再逐步推开的原因。
陆
几点建议
前面提过的三个问题，这里是落点。流程怎么定，谁对结果负责，指标怎么设，归结起来是三句话。
•谁签字。任务可以交给它做，责任不能交给它。系统可以生成无限多的材料，签字的只能是人。
•看什么数。看处理时长、解决率、错误率，不看使用人次。
•从哪一步起。先只提供结果，由人核对；再提供建议，由人决定；最后才是执行操作，由人监护。
三句话要落下去，组织上要有安排：明确一个牵头人，分阶段推进，开展岗位操作培训，把使用情况纳入考核。技术上的准备决定能不能做成，组织安排决定能不能推开。
归结起来是把两条做实：事实要准，责任要清。实事求是讲一切从客观实际出发，这套方法要解决的就是同一件事，让它凭事实说话，判断留给人。
· 完 ·