上周三下午，部门要一份竞品分析，四点交。

我把需求丢给 DeepSeek，来回改了六轮，五点才勉强发出去。改到第四轮的时候我意识到，我已经在改它给我的东西，而不是在写我自己的东西了，那种感觉挺糟的。同一个办公室的老陈，三点半就交了。

用的是同一个工具，同一个模型，他甚至没开会员。

我问他怎么问的。他说他没问，他把活派出去了。

我们大多数人，还在把 AI 当搜索框

中国互联网络信息中心上半年的报告里有个数字，76% 的用户用生成式 AI 来做问答。

我问一句，它答一句。满意就走，不满意再问一句。这么用没什么错，但它把 AI 放在了搜索框的位置上。

搜索框给的是答案。你要一份能直接发出去的纪要，它给你一段看起来像纪要的文字。你要一张能用的表，它跟你讲做表该注意什么。剩下都得你自己动手。

今年变的，我觉得不是模型又聪明了多少，是交互方式换了。以前你给问题，现在你给目标。这话在行业里被讲了很多遍，我一开始也当口号听，直到有一次让它整完一份三十页的材料，才发现确实不一样。

工具换了代，人的用法没跟上。所以很多人试两周，结论还是那句"AI 也就那样"。

派活和提问，差在哪儿

举个具体的。把八页会议材料压成明天会上能用的五页提纲。

我原来的说法是"帮我总结一下这份会议材料"。出来的东西均匀、周全、没有重点，八页变两页，我还得自己重排。

后来改成这样：

这是八页会议材料，明天我要在会上过一遍，参会的是部门同事。请压成五页提纲：每页一个结论，结论下面列两到三条支撑，尽量用原文里的数字。背景介绍和客套话删掉。

同一件事，多说了四句。出来的东西能直接上会。

给材料，别给形容词

"帮我写得好一点"，这句话 AI 没法执行。什么叫好？它只能往四平八稳的方向写，因为那在统计上最安全。AI 味就是这么来的，不是它偷懒，是它不知道你的标准。

换成"照这份去年的总结改，结构保留，第三段的空话删掉，数据换成我给你的这组"，它立刻就知道该干什么。

我现在的习惯是，凡是能贴的都贴进去。原始数据、上一版稿子、客户的原话、领导批注过的旧文档。AI 不缺写作能力，缺的是上下文。

说清什么不能出现

这条比"要什么"更有用。不能出现"赋能""闭环""抓手"，不能出现没核过的数字，不能超过八百字，不能出现具体客户名。

这些约束一加上，能用的比例明显上升。因为 AI 的默认行为是尽量多写、尽量周全，你不划边界，它就一直往外扩。

把长活拆开，分步骤安排

二十页的方案让它一口气出，出来的一定是空架子。拆成三步：先出目录，我改目录；再按目录一节一节写；最后统一口径和语气。这样比一次生成再返工省时间。

做表同理。先让它列出该有哪些字段，你确认；再让它按字段填；最后自己核总数。跳过中间任何一步，后面都要重做。

还有个习惯值得养成：每次改到满意，把那版指令原样存进备忘录。三个月下来我攒了二十来条，全是自己工作里的事，比任何提示词合集都好用。因为它是从一个真实的、被改过六轮的活里长出来的。

三个可以直接抄的场景

这三个是我这半年用得最多的，改一改就能套到自己工作上。

1、会议录音转成的文字稿

这是一份会议记录，参会人是我、老陈和客户方两个人。请整理成三部分：一、已经定下来的事，每条一句话；二、没定的事，写清卡在哪；三、待办，格式是"谁 + 做什么 + 什么时候前"。原文没提到的，不要补。

最后那句是关键。不加这句，它会很热心地帮你补全，补出来的东西没人认。这个活我用豆包，手机上直接录，转成文字顺手就整理，不用在手机和电脑之间倒腾。

2、几十页的合同或者报告

我要签这份合同，我是乙方。只看三件事：付款条件和账期、违约责任怎么算、有没有单方面解约的条款。每条引用原文，标出在第几条。其他内容不用总结。

"只看三件事"这四个字，比"帮我总结一下"有用得多。总结给你一份均匀的摘要，而你真正关心的往往只有几处。这个活我用 DeepSeek，几十页扔进去不吃力。

3、一堆数据处理

这是销售明细，一共 12 列。先告诉我你识别到的每一列是什么含义，不要做任何计算。我确认之后你再算。

这一步必须分开。AI 在表格里最容易出问题的地方，是它默默把某一列理解错了，然后一路算下去，最后给你一个很像样的错数。先让它把理解说出来，你一眼就能发现对不对。

用哪个：先看材料是什么形态

每次有人问该用哪个模型，我都觉得这问题问偏了。现在这几家的差距，在你日常那些活里基本感觉不出来。决定结果的是两件事：你手里的材料是什么形态，你能给多少上下文。

手里是语音、图片、手机上的零碎活，用豆包。会议录音、拍照转文字、临时在路边想问一句，这些活要的是随时能用、能接住非文字的东西，豆包的语音和多模态正好是这块。

长文档、要一段一段推逻辑、或者要写代码，用 DeepSeek。它现在这两个版本都标配百万 token 的上下文，Pro 那档专门用来做复杂推理和长文本分析。还有一个别人替代不了的点：它是开源的，公司要私有部署、数据不能出内网，基本只有这条路。

至于写长稿、反复改稿这种事，用哪个都行，但一定要把上一版贴进去。改稿这件事上，材料比模型重要得多。

还有个事，这些工具里的"一键生成"我基本不用。听起来省事，实际上出来的是通用模板，改起来比自己写还费劲。

有几件事，别交给它

1、数字要自己核

AI 编数字的能力比编文字强得多。你问它某行业今年一季度的市场规模，它能给你一个精确到小数点的数，还带同比增幅，看起来完全可信。美国有律师因为向法庭提交了六个由 AI 编造的判例，被法院罚款。国内也有用户因为 AI 给了错误信息去起诉平台，今年一月杭州互联网法院一审驳回，理由是 AI 不具有民事主体资格。签字的人是你，责任落不到模型身上。

2、要担责的判断别外包

该不该开这个人、这个项目要不要继续投、这份合同能不能签，AI 可以帮你列利弊，但不能替你决定。它不知道你老板的脾气，也不知道这个客户去年拖欠过款。

3、要人味的地方别用

给客户的道歉信、给同事的说明、给家人的话。AI 写出来是对的，但没有体温。同质化是它天生的毛病，因为它永远选最常见的那条路。

4、没把握的事别让它猜

涉及政策口径、法律条文、医疗建议，宁可去查原文。它答得很流畅，和答得对，是两件事。

AI工具这两年更新得快，每周都有新东西。但真正拉开差距的，我越来越觉得不是工具本身。

问问题，你拿到一个答案，剩下的活还是你的。

派活，你拿到一个半成品，改一改就能交出去。

省下来的时间其实不多，主要是省掉了那种"又得从头想一遍"的疲惫。

如果只打算做一件事，就今晚挑一个每周都要重复的活，把指令写下来，改到能用为止，存进备忘录。下周同一时间，你大概会发现自己少干了一个小时。