夜雨聆风
不是让 AI 替你工作，而是和 AI 一起找到"这件事到底该怎么做"。
前段时间，公司提了一个需求：做一次 AI 通识培训，让大家了解 AI、看到应用场景、知道怎么开始用。
听起来很清晰，对吧？
但真正坐下来准备的时候，你就会发现全是问号：
• 讲什么？讲多深？
• 用什么案例？自己编还是找真实场景？
• 各部门到底想用 AI 解决什么问题？
• 3 小时的课，结构怎么排？
如果你做过类似的活儿，你肯定知道：需求越模糊，越不能一上来就打开 PPT。
我的做法是：先打开 AI，和它聊。
这篇文章，就是我把这次真实的培训准备过程拆开给你看——从一个模糊需求开始，到最终形成一堂完整课程，每一步 AI 做了什么、人做了什么、方法论是什么。
拿到需求之后，我的第一句话不是"帮我做一个培训 PPT"，而是：
公司要做一场 AI 通识培训，请帮我判断：这件事应该从哪里下手？需要先做哪些准备？要不要先做需求调研？如果要调研，应该采集哪些字段？
这一步非常关键。
AI 给我的建议是：先别做课件，先做需求调研。 因为如果不知道各部门到底想用 AI 解决什么问题，课件很容易变成泛泛而谈，讲完之后大家觉得"有道理，但跟我没关系"。
这个建议让我少走了一大段弯路。
接下来，我让 AI 帮我准备了：
• 一份需求采集表（各部门填什么字段、怎么填）
• 一份调研问题列表（调研会上怎么问、问什么）
• 一份简要的需求调研 PPT
这里有一个细节值得讲：调研 PPT 不是纯文字的。我先把调研问题聊出来，让 AI 转成适合现场展示的页面结构，再用文生图能力把文字问题变成视觉化的页面——这样调研会上大家看着更直观，沟通也顺畅。
然后，我拿着这些材料去联系人力部门，组织了各部门同事的需求调研会。
这一步的核心逻辑是：AI 不能替你开会，但它能帮你把开会前需要准备的所有材料做出来。 人还是工作的推动者，AI 是准备材料和辅助思考的助手。调研会上，大家的需求是口语化的、分散的、碰撞出来的。
如果只靠记笔记，你一定会有这些问题：
• 漏掉细节
• 记不全每个人的真实表达
• 会后回忆容易偏差
• 整理成本极高
所以我选择了录音。
这个动作看起来简单，但它体现了一种 AI 时代的重要工作习惯：
真实世界的信息，先尽量完整采集下来，再转换成 AI 能处理的材料。
会后，我用豆包把录音转成了纯文字稿。这一步的本质是：把现场的音频信息，变成 AI 可以分析的文本输入。
这里有一个值得注意的工具链：调研问题是文字
→ 文生图转成 PPT 图片式表达
→ 会议现场是声音
→ 豆包把声音转成文字
→ AI 再处理文字
→ 文字变成需求清单、课程大纲、演示案例
AI 工作不是只靠一个工具完成的，而是多个工具按任务环节组合起来。这也是多模态在实际工作中的真实体现——多模态不只是"AI 能看图"，也包括"AI 能把文字转成图片化的、可展示的表达"。
拿到录音文字稿之后，很多人会忍不住直接问："帮我做一个培训 PPT。"
但我没有。
我的做法是：先让 AI 做结构化整理。
我给 AI 的指令大概是这样的：
请把录音里提到的需求按类别整理：文档/汇报类、表格/数据类、知识库类、流程事务类、图像/视频/多模态类、平台和安全类。每一类请提炼：典型部门、典型痛点、输入材料、期望输出、是否适合第一期培训演示、是否涉及数据安全风险。
为什么这么做？
因为录音转文字后的材料，AI 处理起来有天然优势：
• 它不怕文本长
• 它不怕内容散
• 它可以反复按不同维度分类
• 它可以从多个角度重新组织信息
对 AI 擅长的工作，要给足材料，让它充分展开，不要一开始就用自己有限的认知把它限制死。
AI 给我的输出是这样的：
需求类别 | 典型部门 | 典型痛点 | 是否适合第一期 |
文档/汇报 | 全部门 | 通知、汇报、PPT、方案撰写 | 适合 |
表格/数据 | 计划、IE、质量 | Excel 拆分合并、考勤核算、台账汇总 | 适合 |
知识库 | 安全、采购、综合 | 培训材料查询、制度检索、经验沉淀 | 适合 |
视频分析 | 安全、生产 | 监控视频识别、动作分析 | 后续阶段 |
高敏数据 | 财务、人事、计划 | 薪酬、经营数据、百万行预测 | 后续+本地化 |
AI 不仅帮我分了类，还帮我做了"能不能第一期讲"的初步判断。
AI 给出的结果只是初稿。接下来，人的判断开始变得真正关键。
我做了这些决定：
• 第一期不做太技术化的内容
• 开头要先有 LLM 和多模态科普，让大家建立共同认知
• 三个核心案例确定为：公文写作、Excel 数据/本地小工具、部门知识库
• 视频监控、百万行计划预测、高敏数据应用放到后续阶段
• 数据安全必须单独讲，而且要讲清楚红线
• 后续推进要落到交流群和部门种子用户
• 课程时间压到 3 小时，中间留 10 分钟休息
这些判断，AI 做不了。
AI 可以帮你把信息铺开，但取舍、边界、节奏、口径，必须由人来定。
最终，我们形成了：
• 一份结构化的需求清单
• 一堂 3小时的课程大纲
• 一份前置科普材料
• 三个可现场演示的核心案例
回过头来看，整个流程可以总结成六个步骤：
步骤 | 人做什么 | AI 做什么 |
1. 提出问题 | 说明背景、目标、人群、约束 | 帮助判断从哪里下手 |
2. 共创路径 | 判断 AI 建议是否可行 | 建议先调研、设计调研字段、生成调研问题 |
3. 准备材料 | 组织会议、联系人员 | 生成采集表、调研 PPT，文生图做视觉表达 |
4. 转换输入 | 主持会议、录音采集 | 语音转文字、OCR、文件解析 |
5. AI 展开 | 给足上下文，不急于收敛 | 提炼、分类、总结、生成初稿 |
6. 人工收敛 | 审核、取舍、定边界、定稿 | 提供备选方案和修改建议 |
如果用一句话概括：
人提出问题和判断方向，AI 负责展开和加速，人再负责收敛和定稿。
也可以浓缩成四个关键词，方便记忆：
问题牵引→ AI 展开 → 人工收敛 → 持续沉淀
文章写到这儿，你可能已经发现一个问题：这套流程很好，但下次遇到类似任务，难道又要从头聊一遍？
这正是我想讲的最后一个关键概念：Skill（能力包）。
什么叫 Skill？
简单说：把一次成功的 AI 使用经验，整理成一套可以重复调用的工作方法。
它不是单纯一句提示词，也不是单纯一个知识库。一个成熟的 Skill 通常包括：
• 适用场景：什么时候用
• 输入要求：需要提供哪些材料
• 处理流程：AI 应该按哪些步骤工作
• 输出格式：最终输出什么样
• 检查清单：结果怎么复核
• 安全边界：哪些数据不能放
• 示例样本：给 AI 一个参考样例
• 可选工具：需要什么工具配合
可以这样理解不同层级：
一次提示词（用完就没了）
↓
可复用提示词模板（下次照抄）
↓
带流程、输入、输出、检查清单的 Skill（别人也能用）
↓
能调用工具和知识库自动执行的 Agent（更高阶）
就拿这次培训准备来说，至少可以沉淀出这些 Skill：
Skill 名称 | 适用场景 | 输出成果 |
培训需求调研 Skill | 准备各类培训前做需求收集 | 调研问题、CR 表、调研 PPT |
会议录音整理 Skill | 调研会、访谈会后整理信息 | 会议摘要、需求清单、行动项 |
课程大纲生成 Skill | 根据需求材料生成课程结构 | 课程主线、模块、页标题 |
案例筛选 Skill | 从大量需求中筛选培训案例 | 推荐案例、原因、风险提示 |
数据安全检查 Skill | 判断材料能否上传公网 AI | 安全等级、处理建议 |
沉淀的意义是什么？
如果每次用 AI 都重新问一遍，会有几个问题：
• 每个人问法不同，效果不稳定
• 好经验停留在个人聊天记录里，部门没法复用
• 新人不知道怎么问，也不知道怎么检查结果
• 做过一次的事，下次还要从头摸索
而 Skill 解决的是：把个人经验变成部门经验，把一次成功变成可持续复用的能力。这篇文章从一次培训准备的真实过程出发，讲了一套"问题牵引、AI 展开、人工收敛、持续沉淀"的工作方法。
但它不是让你照抄这个流程——每个行业、每个岗位的工作场景都不同。
真正值得想的是：
你手头最重复、最耗时、规则最清楚的一项工作，能不能先让 AI 帮一部分？
如果你已经有了答案，不妨试着做一件事：
打开 AI，把你的工作背景、目标、现有材料讲清楚，先问它一句——"这件事，我应该从哪里下手？"
文图：研发中心 刘汉江
编辑：研发中心 龚嬴
校对：研发中心 王婷姣
审核：研发中心 龙杰强
