夜雨聆风从"发了账号没人用"到"大家都抢着用"，我们走了 3 个月。这是一份真实的内部使用复盘，包含 12 个场景的详细操作流程、踩坑记录和经验总结。
开篇：我们自己的困惑
2024 年下半年，我们团队开始全员用 AI。
一开始很兴奋：
给每个人都买了账号（Cursor、Claude、文心一言、通义千问） 群里分享各种 AI 工具，今天这个好用、明天那个厉害 老板说"好好用，能提效"，大家也都认同
但 3 个月后的周会上，我们做了一个统计：
30% 的人基本不用（"太麻烦了，不如自己写"） 50% 的人只会问简单问题（"这个代码怎么写""这个 PPT 怎么做"） 20% 的人用得不错，但不知道怎么用得更好 用是用了，但产出质量参差不齐（有人用 AI 写的代码 bug 多，有人用 AI 写的方案客户说没深度）
我们开了一个复盘会，问了一个问题：
"AI 工具都买了，账号都发了，为什么效果不好？"
大家的反馈：
"不知道什么场景该用 AI" "用了，但不知道怎么用得好" "看别人用得好，自己用就不行" "提示词不会写，问出来的东西不好用"
我们意识到：问题不在工具，在方法。
后来我们做了一件事：给每个岗位梳理了 3-5 个高频使用场景，每个场景配上：
适用工具（哪个场景用哪个工具） 操作流程（第一步做什么、第二步做什么） 提示词模板（直接复制能用） 注意事项（我们踩过的坑）
又过了 3 个月，效果出来了：
AI 使用率从 30% 提升到 75% 周会上大家主动分享"这周用 AI 解决了什么问题" 新同事入职，直接给场景清单，上手快多了 最明显的是：同样的人力，产出明显多了
今天，我们把这 12 个高频使用场景整理出来，不是"成功案例"，就是一份真实的内部使用复盘。
希望能帮你：
少踩几个我们踩过的坑 少走一些我们走过的弯路 快速找到适合自己岗位的使用场景
一、研发场景（4 个）
场景 1：代码生成
我们用的工具： Cursor（主力）、GitHub Copilot
真实使用场景：
我们团队有个习惯：每周统计"哪些代码是重复的"。
半年下来，发现这些代码出现频率最高：
CRUD 代码（增删改查） 数据导入导出（Excel、CSV） API 接口封装 单元测试
这些代码，现在基本都交给 AI 写。
具体操作流程：
第 1 步：写清楚需求- 功能是什么- 输入是什么- 输出是什么- 有什么特殊要求（错误处理、日志、类型注解）第 2 步：给 AI 生成- 用 Cursor 的 Chat 功能- 粘贴提示词模板- 等 AI 生成代码第 3 步：人工 review- 看代码逻辑对不对- 看有没有安全隐患- 看有没有性能问题第 4 步：修改优化- AI 写的不对的地方改一下- 加上项目的代码规范- 跑测试确保没问题提示词模板：
你是资深 Python 工程师，请帮我写一个函数：【功能描述】从 Excel 文件读取数据，清洗后写入 MySQL 数据库【输入】- Excel 文件路径- 目标表名【输出】- 成功：返回写入的记录数- 失败：抛出异常【具体要求】1. 使用 pandas 读取 Excel2. 处理缺失值（填充或删除）3. 处理异常值（超出范围的标记）4. 使用 pymysql 写入数据库5. 添加错误处理（try-except）6. 添加日志记录（logging）7. 添加类型注解8. 添加文档字符串（说明参数和返回值）【代码风格】- 遵循 PEP 8 规范- 函数长度不超过 50 行- 添加必要的注释我们踩过的坑：
效率提升：
CRUD 代码：3-5 倍（真的快） 单元测试：2-3 倍 数据导入导出：3-4 倍
心得：
AI 写代码，就像实习生写的：框架搭得好，细节要 check。用它写重复代码，省下来的时间思考业务逻辑，值。
场景 2：Code Review
我们用的工具： Cursor、Claude
真实使用场景：
我们团队有个规定：所有代码提交前，必须经过两轮 review。
第一轮：AI review（查基础问题） 第二轮：人工 review（查业务逻辑）
为什么这样安排？
因为我们发现：
AI 查代码规范、潜在 Bug、性能问题，比人细心 但 AI 理解不了业务逻辑，复杂判断还得靠人
具体操作流程：
第 1 步：提交前 AI review- 用 Cursor 的 Review 功能- 或粘贴代码到 Claude- 让 AI 查问题第 2 步：根据 AI 建议修改- 能改的直接改- 有疑问的标记出来第 3 步：人工 review- 重点看业务逻辑- 看 AI 标记的疑问- 确认没问题后提交第 4 步：记录问题- 把 AI 发现的问题记下来- 避免下次再犯提示词模板：
请帮我 review 这段代码，关注以下几点：【审查维度】1. 潜在 Bug（空指针、数组越界、资源未关闭等）2. 性能问题（循环内查询、重复计算、大数据量处理等）3. 代码规范（命名、注释、函数长度等）4. 安全隐患（SQL 注入、XSS、敏感信息泄露等）5. 可优化点（更简洁的写法、更好的设计模式等）【输出格式】请按以下格式输出：1. 【严重】必须修改的问题2. 【建议】建议优化的问题3. 【疑问】需要确认的问题【代码】[粘贴代码]我们踩过的坑：
效率提升： 2-3 倍（AI 查基础问题快，人工专注业务逻辑）
心得：
AI review 不是替代人工，是让人工 review 更专注。基础问题 AI 查，业务逻辑人查，分工明确。
场景 3：技术文档撰写
我们用的工具： Claude（写文档真不错）、文心一言
真实使用场景：
我们团队文档比较多：
API 文档（给前端和第三方用） 部署文档（给运维用） 使用说明（给客户用） 技术方案（给老板和客户看）
以前写文档：
花很多时间写格式 反复修改措辞 还要检查有没有遗漏
现在写文档：
AI 生成初稿（框架和内容） 人工核实准确性 补充案例和截图
具体操作流程：
第 1 步：准备素材- 接口参数- 错误码- 使用示例- 流程图（如有）第 2 步：AI 生成初稿- 粘贴素材到 AI- 用提示词模板- 等 AI 生成第 3 步：人工核实- 检查参数对不对- 检查示例能不能跑- 检查有没有遗漏第 4 步：补充完善- 加截图- 加常见问题- 加联系方式提示词模板：
你是技术文档工程师，请帮我写一份 API 文档：【接口信息】接口功能：用户登录请求方式：POST请求 URL：/api/v1/login【输入参数】- username（字符串，必填）：用户名- password（字符串，必填）：密码（MD5 加密）【输出参数】- token（字符串）：登录令牌- expires_in（整数）：过期时间（秒）- user_info（对象）：用户信息【错误码】- 401：密码错误- 404：用户不存在- 403：账号已冻结- 500：服务器错误【文档要求】1. 包含接口说明（功能描述）2. 包含请求示例（curl、Python、JavaScript 各一个）3. 包含响应示例（成功和失败）4. 包含错误码说明5. 包含常见问题（FAQ）6. 语言通俗易懂，给客户看的【输出格式】用 Markdown 格式我们踩过的坑：
效率提升： 2-4 倍（AI 写框架和内容，人工核实和补充）
心得：
文档是给人看的，AI 写内容，人写温度。核实准确性，补充案例，这是 AI 替代不了的。
场景 4：Bug 排查
我们用的工具： Cursor、Perplexity（能搜索最新信息）
真实使用场景：
遇到 Bug，我们现在的流程：
第 1 步：看错误日志- 完整复制错误信息- 看错误发生的位置- 看有没有相关日志第 2 步：问 AI- 粘贴错误日志- 粘贴相关代码- 让 AI 分析可能原因第 3 步：AI 给方向- AI 列出几种可能- 给出排查建议- 给出解决方案第 4 步：人工验证- 按 AI 建议逐一排查- 找到真正原因- 修复并测试第 5 步：记录沉淀- 把问题和解决方案记下来- 避免下次再犯提示词模板：
我遇到了一个错误，请帮我分析可能的原因：【错误信息】[完整粘贴错误日志，包括堆栈信息]【代码上下文】[粘贴相关代码，包括调用方]【环境信息】- 操作系统：Ubuntu 20.04- Python 版本：3.9- 相关库版本：pandas 1.5.0, pymysql 1.0.2【已经尝试的解决方法】1. 重启服务（无效）2. 检查数据库连接（正常）3. 查看磁盘空间（充足）【请分析】1. 可能的原因有哪些（按可能性排序）2. 如何进一步排查（给具体步骤）3. 可能的解决方案（给代码或命令）我们踩过的坑：
效率提升： 2-3 倍（AI 给方向，少走弯路）
心得：
Bug 排查，AI 是"军师"，人是"将军"。军师出谋划策，将军拍板决策。
二、产品场景（3 个）
场景 5：竞品分析
我们用的工具： Perplexity、秘塔 AI 搜索（能搜实时信息）
真实使用场景：
我们做竞品分析，有个"三步法"：
第 1 步：AI 收集信息- 用 Perplexity 搜索竞品官网、评测、用户评价- 让 AI 整理竞品信息- 输出初步分析报告第 2 步：人工核实- 上竞品官网核实信息- 找真实用户了解使用情况- 补充 AI 搜不到的信息第 3 步：形成结论- 对比我们和竞品的差异- 找出可借鉴的点- 形成行动建议具体操作流程：
第 1 步：明确分析目标- 分析哪个竞品- 分析哪些维度（功能、价格、用户评价等）- 输出什么格式（PPT、文档、表格）第 2 步：AI 收集信息- 用 Perplexity 搜索- 让 AI 整理信息- 输出初稿第 3 步：人工核实补充- 核实 AI 收集的信息- 补充一手信息- 形成最终报告提示词模板：
你是产品分析师，请帮我分析竞品：【竞品名称】[填写竞品名称和官网]【分析维度】1. 核心功能有哪些（列出 5-10 个主要功能）2. 定价策略如何（免费版、付费版、企业版）3. 用户评价怎么样（找 10 条典型评价，包括正面和负面）4. 优缺点分别是什么（各列 3-5 条）5. 我们可以借鉴什么（给具体建议）【信息来源】- 竞品官网- 第三方评测- 用户评论（知乎、小红书、应用商店等）- 行业报告【输出格式】用表格 + 文字的形式，便于后续做 PPT我们踩过的坑：
效率提升： 3-4 倍（AI 收集信息快，人工核实和结论）
心得：
竞品分析，AI 是"情报员"，人是"指挥官"。情报员收集信息，指挥官做决策。
场景 6：需求文档撰写
我们用的工具： Claude、文心一言
真实使用场景：
我们写 PRD，有个变化：
以前：
从 0 开始写框架 花很多时间组织语言 反复修改格式
现在：
AI 生成框架和初稿 人工补充业务细节 画流程图和原型
具体操作流程：
第 1 步：准备素材- 功能背景- 用户故事- 核心流程- 原型草图（如有）第 2 步：AI 生成初稿- 粘贴素材到 AI- 用提示词模板- 等 AI 生成 PRD第 3 步：人工补充- 补充业务规则- 画流程图- 写验收标准第 4 步：评审修改- 和开发、测试评审- 根据反馈修改- 最终定稿提示词模板：
你是资深产品经理，请帮我写一份 PRD：【功能名称】用户分享功能【背景】提高用户拉新效率【目标】分享转化率提升到 15%【功能描述】1. 用户可以生成分享海报2. 好友通过海报注册，双方获得奖励3. 分享数据可追踪【要求】1. 包含功能说明2. 包含用户流程3. 包含原型描述4. 包含验收标准5. 语言简洁，给开发和测试看的我们踩过的坑：
效率提升： 2-3 倍（AI 写框架，人工补充细节）
心得：
PRD 是写给开发测试看的，AI 写初稿，人写细节。业务规则、流程图、验收标准，这些必须人工写。
场景 7：用户反馈分析
我们用的工具： Claude、ChatGPT
真实使用场景：
我们每周都会收集用户反馈：
客服工单 应用商店评论 用户访谈记录 社群讨论
以前分析反馈：
一条条看 手动分类 花半天时间
现在分析反馈：
把反馈丢给 AI AI 自动聚类 人工看结论
具体操作流程：
第 1 步：收集反馈- 从各渠道收集- 整理成文本- 至少 20 条（样本太少不准）第 2 步：AI 分析- 粘贴反馈到 AI- 让 AI 聚类- 输出分析报告第 3 步：人工核实- 抽查 AI 分类结果- 补充业务判断- 形成优先级提示词模板：
你是用户研究员，请帮我分析这些用户反馈：【反馈内容】[粘贴 20-50 条用户反馈]【请分析】1. 用户提到的主要问题有哪些（聚类）2. 每个问题出现的频次3. 用户情感倾向（正面/负面/中性）4. 建议优先解决的问题（按影响面排序）【输出格式】用表格形式，包含：问题类别、频次、情感、优先级我们踩过的坑：
效率提升： 4-5 倍（AI 聚类快，人工判断优先级）
心得：
用户反馈分析，AI 是"统计员"，人是"决策者"。统计员分类汇总，决策者拍板优先级。
三、市场场景（3 个）
场景 8：公众号文章撰写
我们用的工具： Claude（写中文真不错）、文心一言
真实使用场景：
我们写公众号文章，有个"70%+30%"原则：
70% 内容 AI 生成（框架、初稿） 30% 内容人工补充（案例、故事、数据核实）
具体操作流程：
第 1 步：确定选题- 调研热点- 确定主题- 列大纲第 2 步：AI 生成初稿- 粘贴大纲到 AI- 用提示词模板- 等 AI 生成第 3 步：人工补充- 加公司案例- 加客户故事- 核实数据第 4 步：润色优化- AI 检查错别字- 人工 final review- 排版发布提示词模板：
你是资深内容编辑，请帮我写一篇公众号文章：【主题】企业 AI 部署的 12 个高频场景【目标读者】企业管理者、技术负责人【风格】实用、接地气、有案例【结构】1. 开篇：痛点引入2. 主体：12 个场景分类介绍3. 结尾：行动建议【要求】1. 3000-4000 字2. 每部分有小标题3. 语言通俗易懂我们踩过的坑：
效率提升： 2-3 倍（这篇文章就是这么写的）
心得：
公众号文章，AI 写框架，人写温度。案例、故事、数据核实，这些必须人工来。
场景 9：方案 PPT 制作
我们用的工具： Gamma（生成 PPT）、Claude（生成大纲）
真实使用场景：
我们做方案 PPT，有个分工：
Claude 写内容（大纲、每页文字） Gamma 做设计（排版、配图） 人工审核（逻辑、案例、数据）
具体操作流程：
第 1 步：明确目标- 听众是谁- 讲多长时间- 要达到什么目的第 2 步：AI 生成大纲- 粘贴需求到 AI- 生成 PPT 大纲- 人工调整逻辑第 3 步：AI 生成内容- 每页标题和内容- 演讲备注- 人工补充案例第 4 步：工具生成 PPT- 用 Gamma 生成- 人工调整设计- 最终审核提示词模板：
你是咨询顾问，请帮我写一份方案 PPT 大纲：【主题】企业 AI 部署方案【听众】企业老板、技术负责人【时长】30 分钟【要求】1. 包含 15-20 页2. 每页有标题和核心内容3. 包含案例页和数据页4. 最后有行动建议我们踩过的坑：
效率提升： 2-3 倍（AI 写内容，工具做设计）
心得：
PPT 是讲给客户听的，AI 写内容，人讲故事。案例、数据、逻辑，这些必须人工把关。
场景 10：客户问答准备
我们用的工具： Claude、文心一言
真实使用场景：
我们见客户前，有个习惯：
列出客户可能问的问题 准备标准应答话术 预演异议处理
以前准备 Q&A：
靠经验想问题 话术临时组织 经常答不上来
现在准备 Q&A：
AI 列问题（全） 人工写话术（真） 团队预演（熟）
具体操作流程：
第 1 步：AI 列问题- 告诉 AI 客户背景- 让 AI 列可能问题- 整理成清单第 2 步：人工写话术- 根据公司实际情况- 写真实应答话术- 补充案例和数据第 3 步：团队预演- 角色扮演- 模拟问答- 修正话术提示词模板：
你是销售顾问，请帮我准备客户问答：【产品/服务】[描述你的产品或服务]【目标客户】[描述目标客户特征]【请列出】1. 客户最常问的 10 个问题2. 每个问题的标准应答话术3. 客户可能的异议及处理方法4. 促成成交的关键话术我们踩过的坑：
效率提升： 3-4 倍（AI 列问题，人工写话术）
心得：
客户问答，AI 是"参谋"，人是"将军"。参谋列问题，将军定话术。
四、职能场景（2 个）
场景 11：会议纪要
我们用的工具： 通义听悟（转文字准）、Claude（总结）
真实使用场景：
我们开会，有个流程：
录音（征得同意） 转文字 AI 总结 人工核对 发邮件确认
具体操作流程：
第 1 步：录音转文字- 用通义听悟- 上传录音- 等转写结果第 2 步：AI 总结- 粘贴文字到 AI- 让 AI 总结要点- 提取待办事项第 3 步：人工核对- 检查总结对不对- 补充遗漏内容- 确认待办事项第 4 步：发邮件- 发给参会人员- 确认待办事项- 存档备查提示词模板：
你是会议秘书，请帮我总结这次会议：【会议主题】[填写会议主题]【参会人员】[列出参会人员名单]【会议内容】[粘贴转录文字]【请总结】1. 会议讨论的主要议题2. 每个议题的结论3. 待办事项（含负责人和截止时间）4. 下次会议时间我们踩过的坑：
效率提升： 3-4 倍（AI 转文字 + 总结，人工核对）
心得：
会议纪要，AI 是"记录员"，人是"确认者"。记录员整理内容，确认者拍板结论。
场景 12：数据分析
我们用的工具： Cursor（写 SQL/Python）、ChatGPT
真实使用场景：
我们做数据分析，有个变化：
以前：
查 SQL 语法 写 Python 脚本 调图表样式 花很多时间
现在：
AI 写 SQL（不用查语法） AI 写 Python（快速出结果） AI 给图表建议（省时间） 人工分析结论（核心）
具体操作流程：
第 1 步：明确分析目标- 要分析什么- 数据在哪里- 输出什么格式第 2 步：AI 写脚本- 告诉 AI 需求- AI 写 SQL/Python- 人工测试第 3 步：运行分析- 执行脚本- 出结果- 检查数据第 4 步：人工分析- 看数据趋势- 找异常点- 形成结论提示词模板：
你是数据分析师，请帮我写一个 Python 脚本：【数据源】MySQL 数据库【分析目标】分析近 3 个月的销售趋势【要求】1. 连接数据库并读取数据2. 按月统计销售额和订单量3. 计算环比和同比4. 生成折线图5. 输出分析结论我们踩过的坑：
效率提升： 3-5 倍（AI 写脚本，人工分析结论）
心得：
数据分析，AI 是"工具人"，人是"分析师"。工具人跑数据，分析师出结论。
五、我们的 3 点经验（不是建议）
这半年用下来，我们有 3 点体会，分享给正在推 AI 的企业：
经验 1：不要一上来就全员推广
我们走过的弯路：
一开始给每个人都买账号，结果很多人不用 后来改成：先让愿意用的人用起来 再后来：周会上分享"谁用 AI 解决了什么问题" 最后：其他人看到效果，主动开始用
现在我们的做法：
先选 3-5 个高频场景试点 跑通了，再推广到全员
具体建议：
第 1 周：选 3-5 个场景（如代码生成、文档撰写、竞品分析）第 2 周：让愿意用的人先试第 3 周：周会分享"谁用 AI 解决了什么问题"第 4 周：统计效果（使用率、提效情况）第 2 个月：推广到全员第 3 个月：建立分享机制（每周/每月）经验 2：给场景，不只是给账号
我们踩过的坑：
只发账号，不给场景 → 很多人不知道什么时候用 只说"要用 AI"，不说"什么时候用" → 用不起来 只买工具，不做培训 → 用不好
现在我们的做法：
给每个岗位写清楚：你有哪些场景可以用 AI 每个场景用什么工具 提示词怎么写（给模板） 注意事项是什么（给踩坑记录）
具体建议：
研发岗位：代码生成、Code Review、技术文档、Bug 排查产品岗位：竞品分析、需求文档、用户反馈分析市场岗位：公众号文章、方案 PPT、客户问答职能岗位：会议纪要、数据分析经验 3：建立分享机制
我们现在的做法：
每周周会：留 5 分钟分享"这周用 AI 解决了什么问题" 每月复盘：统计"谁用 AI 提效最多" 新人入职：直接给场景清单，上手快多了
具体建议：
每周分享：- 谁分享了什么场景- 效率提升了多少- 有什么坑需要注意每月复盘：- 统计 AI 使用率- 统计提效情况- 表彰用得好的人新人入职：- 给场景清单- 给提示词模板- 安排导师带六、写在最后
说句实话： AI 不是万能的，但用好了确实能提效。
这 12 个场景，是我们自己这半年用下来的真实经验。每个场景都经过实际验证，不是纸上谈兵。
我们也还在摸索：
有些场景用得还不够好 有些工具还在尝试 有些坑还在踩
但有一点是确定的：
会用 AI 的团队，一定会替代不用 AI 的团队。
希望这 12 个场景，能帮你和企业快速上手 AI。
附录：提示词模板领取
为了方便大家使用，我们整理了文中提到的 12 个场景的完整提示词模板（可直接复制使用）。
获取方式：
关注"迅易科技"公众号 后台回复"AI 场景" 自动获取模板文档
也欢迎添加微信交流： 迅易科技市场部
关于迅易科技
迅易科技是 AI 驱动的企业数字化转型专家，具备完整的 ABCDU 数字化能力体系，一站式支撑企业数智化转型。
核心业务：
AI 智能应用：AI 项目落地成功率 90%+，平均上线周期 2-6 周 BI 商业智能：报表效率提升 80%+，数据口径 100% 统一 Cloud 智能云：Azure 架构、M365、云迁移 Data 数据治理：数据中台、数据治理、主数据管理 Unified 运维服务：故障定位缩短 60%，运维成本降低 30%
合作咨询： 欢迎前往迅易科技官网，了解更多产品详情与定制化解决方案。
