ARTICLE · 1179275
工作日与AI搭子的一天
工作日与AI搭子的一天今天早上，我和公司的同事们做了一场关于AI应用的分享，参与的有业务销售、设计、产品研发、培训、剪辑、财务等不同岗位的同事。 这次分享没有讲太多复杂的技术，而是从我自己每天真实的工作场景出发，聊聊一个普通职场人，如何让 AI 从聊天工具逐渐变成工作助手。 
过去，我们使用AI，更多是打开豆包，问一个问题、写一段文案、整理一份资料。我自己也是从这个阶段开始的。但随着使用越来越深入，我慢慢发现：AI 真正改变工作的地方，不只是帮我们回答问题，而是改变我们完成工作的方式。 比如，让 AI 每天自动整理工作消息、定时推送行业资讯、协助完成调研报告，或者把重复性的工作方法沉淀成可以反复使用的技能。 而这些变化，背后其实涉及三个经常被提到的概念：Prompt（提示词）、Skill（技能）和 AI Agent（智能体）。 接下来，我想结合自己的真实工作经历，聊聊我是如何一步步把AI融入日常工作的，以及这些方法如何帮助我们从“向 AI 提问”，走向“让 AI 帮忙做事”。
01｜先分清三个词：提示词、技能、智能体 在分享中，我提到了三个经常出现的 AI 概念：Prompt（提示词）、Skill（技能）和 AI Agent（智能体）。刚开始接触时，我自己也分不太清它们的区别。 
其实，用一个日常工作场景就很好理解。比如，公司准备开展一场亲子阅读活动，需要策划活动、撰写宣传文案，并整理成推广资料。 第一，Prompt（提示词）：告诉 AI 这次要做什么。 比如，我们对 AI 说：“帮我写一篇亲子阅读活动宣传文案，面向幼儿园家长，语言温暖一些，控制在 800 字以内。” 这就是一个 Prompt。它的作用是告诉 AI 任务目标、背景、具体要求和期望的结果。无论是写文案、生成图片还是整理资料，都可以通过提示词完成。 第二，Skill（技能）：告诉 AI 这类事情应该怎么做。 如果公司经常开展活动，每次都重新描述文案要求、活动流程和设计规范，其实很麻烦。 这时候，就可以把活动策划的方法、内容结构、品牌风格等整理成一个 Skill。以后遇到类似任务，AI 就能按照这套方法执行，不需要每次从头说明。 Skill 的价值，就是把重复性的工作方法和个人经验，沉淀成可以反复使用的技能。 第三，AI Agent（智能体）：让 AI 帮你把事情推进完成。 如果说 Prompt 是任务指令，Skill 是工作方法，那么 AI Agent 就像一个能够调用工具、执行多个步骤的工作助手。 比如，我在飞书里设置了一个工作早报 Agent。每天早上，它会按照设定的规则整理工作消息、查看日历，再把当天需要关注的事项汇总发给我。 整个过程不需要我每天重新提问，而是由 AI 按照预设的任务和时间主动执行。 所以，这三个概念其实可以简单记成： 它们不是相互替代的关系，而是可以组合使用：我们通过 Prompt 交代目标，Agent 负责执行任务，过程中可以根据需要调用 Skill。 理解了这三个概念，就能更清楚地看到人与 AI 协作方式的变化：从最初的“我问，AI 答”，逐渐走向“我提出目标，AI 参与完成”。
02｜招聘从“看作品”到“看你如何和 AI 协作” 为什么现在值得花时间学习AI？最近和朋友聊到的一些招聘变化，让我有了更直观的感受：AI 正在从一种效率工具，逐渐成为衡量职场人工作能力的一部分。 以前面试，主要看简历、项目经验和作品集。但现在，一些企业开始增加 AI 实战测试，不仅关注你最终交付了什么，还会观察你如何借助 AI 完成任务。 
比如，面试官给出一个业务目标：“如何在今年九月，让某项业务的销售业绩提升 20%？”除了最终方案，还会考察你如何拆解问题、向 AI 提供背景、不断追问和完善思路，甚至会关注你与 AI 的整个对话过程。 真正被考察的，不只是你会不会使用 AI，而是你能不能借助 AI 解决实际问题。 这种能力也不再局限于技术岗位。销售可以用 AI 分析客户需求，设计可以用 AI 辅助创意，产品可以用 AI 做竞品研究，培训可以用 AI 整理课程内容。不同岗位，都在逐渐探索自己的 AI 工作方式。 过去，我们更关注一个人“会不会做这件事”；现在，也开始关注“能不能借助 AI，把这件事做得更好”。 就像办公软件逐渐成为职场人的基础技能一样，AI 协作能力，也正在成为一项值得每个人掌握的职场基本功。 这也是我想做这次分享的原因：AI 已经不只是一个技术话题，而是正在进入我们每个人的日常工作。
03｜企业用 AI 的三个阶段：从个人工具到团队协作 除了个人使用 AI 的方式在变化，企业和团队的协作方式也在发生改变。我把企业应用 AI 的过程，大致分成三个阶段。 
第一个阶段：人与人协作，AI 还没有参与。 这是最传统的工作方式。比如销售提出客户需求，运营整理后交给设计，设计完成后再反馈修改。整个流程依靠人与人之间的沟通、对接和推动。 第二个阶段：每个人开始和自己的 AI 协作。 这也是目前很多人所处的阶段。销售用 AI 整理客户话术，设计用 AI 生成创意，产品用 AI 分析需求，培训用 AI 制作课程资料。 每个人都有了自己的 AI 助手，工作效率提高了，但也出现一个问题：每个人的 AI 都像一座独立的小岛。 你用你的，我用我的，AI 了解各自的任务，却不一定知道整个团队正在做什么，彼此之间也很难形成协作。 第三个阶段：AI 真正融入团队的工作流程。 比如，一个产品项目从客户反馈开始，AI 帮助整理需求，产品部门进一步分析，设计部门根据需求生成方案，市场和销售再基于这些内容准备推广资料。AI 不再只是某个人的工具，而是参与到不同部门的协作中。 但要实现这一步，有一个很重要的前提：AI 能不能看见、读懂我们的工作？ 如果公司的消息、文档、会议记录和业务资料都分散在不同地方，AI 很难了解完整的业务背景。只有在获得相应权限、能够读取和连接这些信息后，它才有机会真正参与工作流程。 这也是为什么我现在更关注飞书这类协作平台。相比在独立的 AI 对话窗口里反复提供背景，当工作信息能够被连接起来，AI 就更容易理解我们正在做什么，以及下一步需要完成什么。 所以大家也可以想一想：现在你所在的团队，处在哪个阶段？ 是还没有使用 AI，还是每个人都有自己的 AI 助手，又或者已经开始探索让 AI 参与整个团队的协作？
04｜案例一：每天早上九点，我的 AI 工作早报已经准备好了 先分享第一个案例，也是我每天早上都会用到的——飞书消息早报 Agent。 
每天到公司，我做的第一件事还是打开飞书。大部分工作信息都在这里：同事发来的消息、项目进展、待处理事项以及当天的会议安排。以前需要花不少时间翻看消息、检查有没有遗漏的工作，再打开日历确认安排。尤其是同时推进多个项目时，光整理这些零散的信息，就很容易消耗注意力。 后来我就在想：每天重复的信息整理工作，能不能直接交给 AI？ 于是，我给飞书里的豆包设置了一个定时任务，让它每天自动整理工作消息和当天的日历，生成一份「今日工作早报」。 这里有一个很重要的区别：平时写提示词，更像是在向 AI 提问；而给 Agent 写提示词，更像是在给一位新同事安排工作。 除了告诉它做什么，还需要明确使用哪些工具、按照什么规则处理、最终交付什么结果，以及哪些事情不能做。 
所以，我把一个完整的 Agent Prompt 拆成了五个部分： 
工作早报完整提示词发给AI执行一下吧 其实这和我们给同事安排工作是一样的：工作目标、使用工具、判断规则、交付结果和执行边界，都要提前说清楚。 把这五个部分交代清楚以后，豆包又问了我一个问题：“每天几点把结果发给你？”我选择了早上九点。就这样，一个每天自动运行的工作早报 Agent 建立起来了。 现在，每天打开飞书，我就能先看到一份整理好的工作早报：哪些消息需要关注、今天最重要的事情是什么、有哪些会议需要准备，以及需要我确认的回复草稿。当然，重要信息我仍然会核对，但已经省去了不少重复翻找和整理的时间。 
以前是我每天主动找 AI 整理消息，现在是 AI 按照约定的时间，主动把结果交给我。 类似的场景还有会议记录。飞书里的「妙记」可以记录会议内容、生成文字稿，再结合 AI 整理会议纪要、待办事项和责任人，减少会后重复整理的工作。 其实这些应用并不复杂。对于刚开始接触 AI 的同事，我更建议从每天重复的一件小事开始，先尝试让 AI 帮忙完成，等流程跑顺了，再考虑设置定时执行。 从“和 AI 聊天”，到“让 AI 主动帮我工作”，改变的就是这一步。
05｜案例二：让 AI 每天早上把资讯送到我手机上 第二个案例，解决的是另一个问题：如何让自己每天关注的信息，主动送到面前？ 因为工作的缘故，我每天都需要关注早教行业动态、竞品公司的产品变化，以及 AI 领域的新技术和应用。以前基本靠自己打开网站、翻公众号、搜索资讯，花上一两个小时，真正值得关注的内容可能并不多。 后来我就在想：既然每天关注的信息相对固定，能不能让 AI 帮我自动搜索、筛选和整理？ 
于是，我先把经常关注的网站、公众号和行业资讯渠道整理成一份信源清单，再设置一个定时任务，让 AI 每天按照这些来源检索信息、提炼重点，并附上原文链接。 
但这里还有一个问题：如果 AI 整理完资讯，我还需要主动打开软件查看，那就不算真正完成了自动化。所以，我又增加了最后一步——让 AI 主动把结果推送到手机上。 具体做法也不复杂：在飞书里创建一个群，添加「群机器人」，再把机器人的 Webhook 地址配置到定时任务中。这样，每天任务执行完成后，整理好的资讯就会自动发送到飞书群里，我打开手机就能直接查看。 
现在，每天早上我都能收到一份整理好的资讯早报：行业有哪些新动态、竞品有什么变化、AI 领域又出现了哪些值得关注的产品和应用。重要内容已经提前提炼出来，需要深入了解时，再点击链接查看原文。 
原本可能需要一两个小时搜索、筛选的信息，现在通常只需要十几到二十分钟，就能先了解当天的重点。当然，涉及重要业务判断的信息，我仍然会进一步核实来源。 以前是我每天主动去找信息，现在是信息按照我的需求，主动来找我。 其实，这个方法不只适用于产品经理。销售可以关注客户行业和竞品动态，设计可以收集设计趋势，培训部门可以追踪教育政策和课程研究。只要有持续的信息获取需求，都可以尝试建立类似的流程。 这里我觉得最重要的，不是使用了哪个 AI 工具，而是先想清楚三件事：关注哪些信息、按照什么标准筛选、最后通过什么方式交付。 当这些要求明确以后，就可以尝试让 AI 定时执行，把每天重复的信息搜索和整理工作交给它，而自己把更多时间留给阅读、思考和判断。
06｜我没有打开 PPT 软件，却做出了一份演示文稿 前面两个案例，都是让 AI 帮我处理日常工作。接下来分享一个不太一样的场景，也是这次公司内部分享时，我实际演示过的——用 AI 制作网页版 PPT。 平时做PPT，我们大多使用PowerPoint 或WPS，从整理内容、选择模板到调整排版，一页页修改下来，往往需要花费不少时间。尤其是想做出一些有设计感的页面时，还容易受到现有模板的限制。 而我现在尝试的方式，是让AI直接用HTML（网页）生成演示文稿。它同样可以翻页、演示，但因为本质上是网页，所以在布局、配色、交互和动画效果上有更大的自由度。 你可能会问：用网页做PPT，是不是还得懂代码？ 其实不需要。这就涉及前面提到的Skill（技能）。 
制作一份演示文稿，背后其实有一套完整的方法，包括内容结构、页面布局、视觉风格、字体配色和翻页效果等。如果每次都重新向 AI 描述这些要求，会很麻烦。而 Skill 就是把这些设计规范和制作流程提前整理好，让 AI 可以反复调用。 这次分享时，我就是使用了一个现成大神们写好的PPT制作开源的Skill。安装后，把准备好的分享内容交给AI，告诉它：“根据这些内容，帮我制作一份PPT 演示文稿。” 
接下来，AI先提供几种视觉风格让我选择，确定以后再自动组织内容、设计页面，最后生成一份可以直接演示的网页版PPT。我不需要自己写代码，也不用一页页排版，只需要检查内容，再根据需要调整细节。 整个过程就是：提出需求 → 选择风格 → AI 生成 → 检查调整。 网页版还有一个我很喜欢的地方：可以直接生成分享链接，发给别人后，通过电脑或手机浏览器就能打开，不一定需要安装PPT 软件。 其实 Skill 不止能用来制作PPT。比如前面提到的AI 资讯收集，也可以把固定的信息来源、筛选规则和输出格式整理成一个Skill。类似的还有销售方案、培训课件、活动策划、产品需求文档等，只要有相对固定的工作流程，都可以尝试把它沉淀成技能。 而且，Skill 不一定需要自己从零开发。 有技术基础的人可以自己编写，刚接触 AI 的人也可以先尝试社区里已有的技能，再根据自己的需求调整，使用前注意检查来源和权限即可。 这也是我觉得Skill 很有价值的地方：与其每次都重新告诉AI怎么做，不如把已经验证有效的方法保存下来，让它下一次继续使用，也可以做成售卖的课程内容变现服务更多人。 
07｜让 AI 直接动手：从一句话到一份完整的工作方案 前面几个案例，更多是让AI 帮我整理信息、自动执行任务。接下来分享一个最近使用比较多的工具——腾讯WorkBuddy，今年三月推出的一款 AI 智能体工具。 
网站地址：workbuddy.cn 和我们熟悉的AI对话方式不太一样，WorkBuddy 让我感受最明显的是：AI 不只是告诉我怎么做，而是可以直接帮我把事情做出来。 
比如，以前让AI 帮忙写方案、做分析，得到答案后，还需要自己整理成文档。而 WorkBuddy 这类工具，可以根据任务目标，调用工具、查找资料、读取文件，最后直接交付一份完整的工作成果。 
我曾经给它安排过一个任务：“帮我做一份 AI 学习机的竞品调研报告。” 如果按照以前的方式，需要自己搜索不同品牌的产品信息，再整理产品定位、核心功能、卖点和差异。但这次，我只需要交代调研目标，它就帮我完成了前期的信息收集和整理，最终生成了一份结构比较完整的竞品报告。我再根据实际业务需求，核对信息、调整重点就可以了。 
还有一次，是公司实际的业务需求。我们需要为代理商准备一份产品销售分析方案，我把公司的产品手册交给 AI，再告诉它产品面向哪些客户、通过什么渠道销售、哪些产品适合引流、如何组合销售，以及需要考虑哪些报价因素。 
最后，它输出了一份包含产品定位、销售思路、产品组合、竞品对比和报价建议的方案。当然，涉及产品价格、渠道政策等内容，还需要结合公司的实际情况进一步核实，但至少我们已经有了一份可以讨论和修改的初稿。 这也是我最近越来越喜欢的一种工作方式：先让 AI 做出第一版，再根据真实业务需求不断调整。 以前遇到一个新需求，我们可能习惯先等资料、等讨论、等方案成熟以后再动手。但现在，我更愿意利用已有的信息，先让 AI 快速做出一个 Demo 或初步方案。哪怕它还不够完善，也能帮助我们更早发现问题、明确方向。 而且，当一套分析方法逐渐成熟以后，还可以把它沉淀下来，下次面对不同产品、不同客户时，继续调整和复用。 回头看，AI 带来的变化，不只是帮我们更快地获得答案，而是让我们能够更快地把一个想法变成可以讨论、验证和改进的成果。 当然，最终的业务判断、信息核实和方案决策，仍然需要我们自己完成。但那些重复的信息收集、整理和初稿制作工作，已经可以尝试交给 AI。
08｜AI 落地最难的一步：懂业务的人，和懂 AI 的人 前面分享了这么多工具和案例，我越来越有一个感受：AI 真正落地的难点，很多时候不是技术，而是懂业务的人不太懂 AI，懂 AI 的人又不一定了解业务。 
比如，销售同事每天需要整理客户信息、准备产品资料、跟进客户需求。他很清楚哪些工作重复、哪些环节最耗时间，却不一定知道 AI 已经能帮忙完成其中的一部分。 反过来，熟悉 AI 的技术同事，可能知道如何搭建智能体、实现自动化，却未必了解销售在实际工作中最需要解决的问题。 结果就是：业务人员知道问题在哪里，却不知道 AI 能帮到哪一步；懂 AI 的人知道技术能做什么，却不一定知道业务真正需要什么。 一些原本可以改善的工作，就这样停留在了原来的流程里。 我自己做产品经理，对这种感受尤其明显。因为既需要理解业务和用户需求，也会主动探索 AI 的新能力，所以遇到重复、耗时的工作时，我会自然地想：这件事能不能换一种方式完成？ 比如前面提到的飞书消息早报、AI 资讯推送，都不是因为我想专门做一个智能体，而是因为日常工作中确实存在这些问题，才会想到能不能让 AI 帮忙解决。 先发现问题，再寻找合适的 AI 方法，而不是为了使用 AI，硬给自己找一个应用场景。 所以，我觉得企业里需要更多跨部门的交流。业务同事把实际工作中的问题讲出来，熟悉 AI 的同事帮助判断哪些可以实现、哪些还需要调整。两种视角结合起来，很多原本停留在想法里的事情，才有机会真正落地。 当然，并不是所有工作都需要 AI。我们更应该关注那些重复出现、耗费时间、规则相对清晰的任务，先从小场景开始尝试。 这也是我这次给不同部门同事做分享最想传递的一点：不需要每个人都成为 AI 专家，但可以从现在开始，多用、多问、多和不同岗位的人交流。 下一次遇到重复性的工作，不妨先问自己一句：这件事，有没有可能让 AI 帮我完成其中的一部分？ 懂业务的人向前走一步，懂 AI 的人也向前走一步。当业务经验和 AI 能力真正结合起来，很多工作才有机会找到新的解决方式。
09｜不要急于求成：先接受一段“变慢”的日子 分享快结束的时候，我还想提醒大家一件事：刚开始学习 AI，不要期待它立刻帮你提高效率。 因为学习新工具本身就需要时间。我们需要了解它能做什么、学习如何提问、调整工作流程，还要反复检查生成的结果。有时候，一件原本十分钟就能完成的工作，交给 AI 反而需要半个小时。 我自己也经历过这样的阶段。刚开始使用 AI 时，经常需要反复调整提示词，有时候折腾了半天，发现还不如自己直接动手快。 后来我了解到一个概念，叫作生产力 的J 曲线（Productivity J-Curve）。 
简单来说，当我们开始使用一项新技术时，因为需要学习和适应，短期内效率可能不升反降。但随着使用经验积累、工作流程逐渐成熟，效率才有机会慢慢提升。 我觉得这很符合学习 AI 的过程。我们看到别人几分钟做出一份 PPT、一份方案，却很少看到他们在此之前花了多少时间尝试、调整和积累方法。 当然，也不是所有工作都适合交给 AI。如果一件事情本身很简单，使用 AI 反而增加了沟通和检查成本，那自己完成可能更合适。 但对于每天、每周都需要重复的工作，就值得尝试一下。 比如前面提到的飞书消息早报，第一次配置时，我需要花时间梳理需求、设置规则、检查结果。但当这套流程稳定以后，它就可以每天自动执行，不需要我反复安排。 前期多花一点时间，如果能换来长期重复的收益，我觉得是值得的。 而且，随着使用越来越深入，我发现 AI 带来的价值不只是节省时间，还有注意力。每天查看消息、整理资料、寻找信息，这些事情单独看并不复杂，却会不断打断我们的工作。 当其中一部分重复性的任务可以交给 AI，我们就能把更多注意力留给真正需要思考、判断和创造的事情。 所以，如果你刚开始使用 AI，发现它暂时没有想象中那么好用，也不用着急。可以先从一件重复的小事开始，慢慢尝试、调整，再判断它是否适合自己的工作。 允许自己在学习初期慢一点，也是为了找到一种以后更高效的工作方式。
10｜先实践，再变成你自己的东西 写到这里，这次关于“工作日与 AI 搭子的一天”的分享，也差不多要结束了。 回过头看，从每天早上自动整理的飞书消息早报，到主动推送到手机上的行业资讯，再到用 Skill 制作网页版 PPT，以及让 AI 帮我完成竞品调研和业务方案，这些都是我在实际工作中慢慢尝试出来的应用场景。 但我想分享的，并不是这些工具有多厉害，也不是希望大家直接复制我的方法。因为每个人的工作内容和需求都不一样，即使使用同一个工具，最终想解决的问题也可能完全不同。 所以，我越来越觉得：真正有价值的，不是收藏了多少条提示词、使用了多少个 AI 工具，而是能不能把它们逐渐变成适合自己的工作方法。 我自己也是从简单的尝试开始的。最初只是遇到问题时问问 AI，后来让它帮忙整理资料、生成方案，再到把重复的工作流程固定下来，设置成定时任务。 如果要把这次分享总结成一个方法，我觉得可以分成四步： 当然，不是每件事情都需要走到最后一步，适合自己的才最重要。 回到文章开头，每天早上九点，我依然会坐到工位上，打开飞书，开始一天的工作。不同的是，现在已经有一些工作由 AI 提前帮我整理好了，我不再需要把大量时间花在反复查找信息、整理资料这些事情上。 最近我越来越觉得，AI 带给我的变化，不只是让工作完成得更快，而是让我开始重新思考，应该如何分配自己的时间和注意力。 当一些重复性的工作可以交给 AI，我就有机会把更多精力投入到真正需要自己思考和创造的事情上。比如深入研究一个业务问题、学习新的知识，或者探索一个自己感兴趣的项目。 而这些投入并不是一次性的。今天积累的知识，可能成为明天解决问题的方法；今天沉淀的工作流程，也可能在未来被反复使用。随着时间推移，这些积累还有机会带来更多新的可能。 我想，这或许就是 AI 带给我的另一种人生复利：把重复劳动中节省下来的时间，持续投入到那些能够长期积累的事情上。 当然，我也还在不断学习和尝试。很多工具没有完全摸透，很多工作流程也还在调整。但比起等到完全准备好，我更愿意先动手做一版，再慢慢完善。 先实践，再变成你自己的东西。 
来自我可爱同事们的的认可鼓励（感恩） 希望下一次，当我们再聊起“工作日与 AI 搭子的一天”时，你也已经有了属于自己的故事。 
——END—— 欢迎点赞、转发，无我利他。 
Hi，我是yaoyao
Prompt（提示词）：这次做什么？ Skill（技能）：这类事情怎么做？ AI Agent（智能体）：谁来推进完成？
Job（任务）： 每天自动整理飞书消息和当天的日历，生成工作早报。 Tool（工具）： 告诉 AI 可以使用哪些工具，比如飞书消息和飞书日历。 Categories（分类）： 将消息分成紧急事项、信息通知、可以忽略三类，明确不同消息的判断标准。 Output（输出）： 按照固定结构生成早报，包括今日待办、重要事项、提前准备、日程冲突、可以推迟的事情，以及需要确认的回复草稿。 Boundary（边界）： AI 可以提前起草回复，但未经我确认不能直接发送；已经回复过的消息，不需要重复处理。
<< 滑动查看下一张图片 >>
<< 滑动查看下一张图片 >>
<< 滑动查看下一张图片 >>
先实践： 从手头的一件具体工作开始，尝试让 AI 帮忙完成其中的一部分。 再调整： 根据生成结果，不断补充背景、修改要求，找到适合自己的使用方式。 再沉淀： 把验证有效的方法保存下来，整理成提示词模板、工作流程或者 Skill。 最后考虑自动化： 如果一件事情需要定期重复执行，而且流程已经比较稳定，就可以尝试让 AI 按照固定规则自动完成。
互联网AI产品经理 / 人生设计 用产品方法重建自己的人生结构 和你一起探索主线人生，健康幸福生活着
