夜雨聆风其实一开始，我并不想做分享，因为针对于 AI 来说，会的人不用教，不会的人不一定学。
但最近无意间读到《奔向未来的人》，“学科心智”篇讲到：“大师和普通人的区别不是天赋，而是持续回到基本功的能力。”对此，鄙人很有感触。
在当臭教书的那几年，有一句话刻在脑子里最深：
当一个知识点你不确定是否牢固的时候，就将这个知识点教会别人。
由于平时没有空余时间做视频，就用我最开始用来工作的自媒体工具——公众号，和我一起重启吧。
从 2022 年 ChatGPT 3.5 的梦幻发布，到 2026 年 ChatGPT 5.5，虽然短短几年时间，AI 的发展已经到了不可忽视的地位，甚至被称为“第四次工业革命”。
用四川话说：gei 命 gei 命，总要 gei 人的命。
第一次工业革命，把靠人力和畜力干活的时代嘎了；第二次工业革命，把单纯依赖蒸汽的时代嘎了；第三次工业革命，把不会数字化的传统行业嘎了一遍；而第四次工业革命，AI 来了，这次大家最怕的是：它是不是真的要嘎人了，吗？
很多人一听到 AI，就会觉得很复杂。什么大模型、Agent、提示词、工作流、知识库、自动化、API、插件……听起来像技术人员才需要懂的东西。
但实际上，如果你想真正把 AI 用到工作里，并不需要一开始就学编程，也不需要先研究复杂原理。
第一步，只需要先搞懂一些常见关键词。因为这些词决定了你以后能不能听懂别人讲 AI，也决定了你能不能把 AI 从“聊天工具”变成真正的“工作助手”。
一、AI 是什么？
AI，全称是 Artificial Intelligence，中文叫人工智能。
简单理解，AI 就是让机器具备一部分“像人一样处理问题”的能力。
比如：
它可以帮你写文案、翻译、总结资料、分析图片、生成表格、写代码、做方案、规划流程，甚至帮你操作一些软件。
但要注意，AI 不是万能的。
它不是一个真正的人，也不是天然就懂你的业务。它的能力强不强，很大程度取决于你怎么提问、给它什么资料、让它完成什么任务。
所以，使用 AI 的核心不是“会不会聊天”，而是会不会把任务说清楚。
二、大模型是什么？
现在大家常说的 ChatGPT、Claude、Gemini、通义千问、Kimi、DeepSeek 等，本质上都属于“大模型”产品。
你可以把“大模型”理解成一个经过大量数据训练出来的“超级语言大脑”。
它最擅长的事情是：
理解文字、生成文字、分析内容、推理问题、归纳总结、按要求输出结果。
比如你给它一句话：
“帮我写一份招聘文案。”
它可以马上生成一版。
但如果你说得更具体：
“帮我写一份 AI 应用落地岗位招聘文案，面向跨境电商公司，要求候选人懂 AI 工具、自动化流程、图片生成和业务落地，语气要适合 Boss 直聘。”
它输出的内容就会更接近你的真实需求。
这就是大模型的使用关键：你给的信息越清楚，它越容易给出有用结果。
三、提示词是什么？
提示词，也叫 Prompt。
简单说，就是你给 AI 下的指令。
很多人用 AI 效果不好，不是因为 AI 不行，而是因为提示词太模糊。
比如：
不好的提示词：
帮我写个文案。
更好的提示词：
你是一名跨境电商运营负责人，请帮我写一篇适合 Etsy 店铺首页使用的品牌介绍。产品是北欧风刺绣服装，风格要高级、温柔、有手工感，适合欧美女性消费者。字数控制在 150 字以内。
这两个指令的结果会完全不同。
所以，提示词不是“神秘咒语”，而是你给
AI 的任务说明书。
一个好的提示词，通常要包含这几个要素：
四、上下文是什么？
上下文，就是你给 AI 的前后信息。
AI 并不是天然知道你是谁、你在做什么、你的公司情况、你的产品特点。
如果你不给背景，它只能根据通用信息回答你。
比如你问：
帮我分析这个产品能不能做。
这个问题太空了。
AI 不知道你做什么平台，不知道你成本多少，不知道你卖给谁，也不知道你能不能发货。
但如果你补充上下文：
我是做 Etsy 跨境电商的，主要卖手工感、家居装饰类产品。现在看到一个木雕摆件，采购价 80 元，重量 1.5kg，目标售价 69 美元，主要发美国市场。请帮我分析这个产品是否值得做，包括利润、物流、竞争、风险和上架建议。
这时候，AI 就有足够的信息帮你分析。
所以，AI 不是读心术。
你给的上下文越完整，它越像一个懂你业务的助理。
五、生成式 AI 是什么？
生成式 AI，就是可以“生成内容”的 AI。
它不只是回答问题，还可以创造新的内容。
常见的生成内容包括：
比如，你要做一个 Shopify 店铺首页，生成式 AI 可以帮你：
写品牌故事、生成 Banner 提示词、设计首页结构、输出产品描述、优化 FAQ、生成广告语。
这就是生成式 AI 的价值：
它不是单纯帮你“查资料”，而是帮你“产出东西”。
六、AI Agent 是什么？
Agent 可以理解为“AI 智能代理”。
普通 AI 更像是一个聊天助手，你问一句，它答一句。
但 Agent 更进一步，它可以围绕一个目标，自己拆解任务、调用工具、执行步骤。
比如你给普通 AI 一个任务：
帮我写一篇产品文案。
它会直接写文案。
但你给 Agent 一个任务：
帮我完成一个 Etsy 产品上架准备。
它可能会自动拆成：
分析产品图片
提炼产品卖点
生成英文标题
生成标签关键词
编写产品描述
判断目标用户
给出定价建议
整理成上架表格
如果再连接工具，它甚至可以进一步完成图片处理、表格填写、网页操作等动作。
所以，Agent 的核心不是“会聊天”，而是会执行任务。
未来很多岗位不会被 AI 聊天工具替代，而是会被懂业务、懂流程、会调度 Agent 的人升级。
七、工作流是什么？
工作流，就是把一件事情拆成固定步骤，然后让 AI 或工具按步骤执行。
比如一个电商产品上架工作流，可以拆成：
上传产品图片
AI 分析产品类型和风格
生成英文标题
生成关键词标签
生成产品描述
生成主图和场景图提示词
整理成上架表格
人工审核
发布到平台
这就是工作流。
很多公司用 AI 没有效果，是因为只停留在“单次提问”。
今天让 AI 写个文案，明天让 AI 翻译一句话，后天让 AI 总结一个文件。
这些都只是零散使用。
真正能提升效率的方式，是把重复性工作变成标准流程，再让 AI 参与其中。
一句话总结：
提示词解决一次任务，工作流解决一类任务。
八、知识库是什么？
知识库，就是把你自己的资料交给 AI，让它基于你的资料回答问题。
比如公司有很多内部资料：
产品手册、客服话术、运营 SOP、培训文档、平台规则、过往案例、供应商资料。
如果你不建立知识库，AI 只能根据通用知识回答。
但如果你把这些资料整理成知识库，AI 就可以变成更懂你公司的内部助手。
例如：
普通 AI 回答：
Etsy 产品标题需要包含关键词，注意不要堆砌。
接入知识库后的 AI 回答：
按照你们公司 Etsy 上架 SOP，标题结构建议为：核心关键词 + 材质/风格 + 使用场景 + 目标人群。你们目前精品店标题应控制在 120 字符以内，优先突出 handmade、personalized、gift 等关键词。
这就是区别。
知识库的价值，是让 AI 从“通用助手”变成“公司专属助手”。
九、插件和工具调用是什么？
AI 本身主要负责理解和生成。
但它如果要完成更多实际动作，就需要连接工具。
比如：
这就叫工具调用。
你可以把 AI 理解成“大脑”，工具是“手脚”。
只有大脑，没有手脚，它只能给建议。
一旦接上工具，它就可以开始做事。
十、API 是什么？
API 可以理解成软件和软件之间的接口。
普通人不需要深入理解技术细节，只要知道：
API 的作用，就是让一个系统可以调用另一个系统的能力。
比如：
你的系统想调用 AI 写文案，就可以接入 AI 模型 API。
你的自动化工具想调用图片生成工具，也可以通过 API 完成。
你的电商系统想把产品信息同步到表格、ERP 或其他平台，也可能需要 API。
所以，API 不是给普通用户直接使用的界面，而是给系统之间“互相连接”的通道。
如果说你在网页上使用 ChatGPT，是人和 AI 对话。
那么通过 API 使用 AI，就是系统和 AI 对话。
十一、微调是什么？
微调，就是在一个已有大模型的基础上，用特定数据继续训练，让它更适合某个场景。
比如一个通用大模型什么都懂一点。
但你希望它特别懂：
客服话术、法律合同、医学问答、跨境电商标题、公司内部规则。
这时候就可能会用到微调。
不过，对大多数普通公司来说，刚开始不一定需要微调。
很多场景只需要做好三件事：
写好提示词
整理好知识库
搭建好工作流
微调通常是更后期、更专业的事情。
不要一上来就觉得公司要做 AI，就必须训练自己的大模型。
大多数企业真正需要的不是“造一个 AI”，而是“把现有 AI 用进业务流程”。
十二、多模态是什么？
多模态，意思是 AI 不只理解文字，还能理解图片、语音、视频等多种信息。
以前的 AI 主要处理文字。
现在的 AI 可以做到：
看图分析、听音频总结、识别视频内容、根据图片生成文案、根据文字生成图片。
比如你上传一张产品图，AI 可以帮你分析：
这是什么产品、适合什么人群、有哪些卖点、适合什么风格、可以怎么拍图、怎么写标题、怎么做广告文案。
这对电商、设计、短视频、教育、培训、客服等行业都很重要。
未来 AI 的核心趋势之一，就是从“只会读文字”，变成“能看、能听、能写、能生成、能执行”。
十三、自动化是什么？
自动化，就是让工具按照规则自动完成重复性动作。
比如：
每天自动收集订单数据。
每周自动生成运营报表。
客户发来邮件后，自动分类并生成回复草稿。
上传产品图片后，自动生成标题、描述、标签和图片提示词。
自动化的重点不是让 AI 变聪明，而是让流程少靠人工重复操作。
AI + 自动化结合起来，价值会更大。
AI 负责判断、生成和分析。
自动化负责搬运、触发和执行。
举个例子：
你上传一张产品图，系统自动完成：
图片分析 → 生成标题 → 生成描述 → 生成标签 → 生成图片提示词 → 填入表格 → 提醒人工审核。
这才是真正的效率提升。
十四、AI 幻觉是什么？
AI 幻觉，是指 AI 一本正经地说出错误内容。
这是新手最容易忽略的问题。
AI 可能会编造数据、编造链接、编造政策、编造案例，甚至用非常自信的语气说错话。
所以，使用 AI 一定要记住：
AI 适合帮你提高效率，但不代表它说的每一句都是真实的。
尤其是涉及这些内容时，一定要核实：
平台政策、法律条款、财务数据、医学建议、合同内容、实时新闻、价格、具体链接、官方流程。
正确的使用方式不是盲目信任 AI，而是让 AI 帮你整理、分析、生成初稿，再由人进行判断和审核。
AI 是助手，不是最终责任人。
ps.后续会针对AI幻觉单开一章讲围栏、边界、马具、多边验证等，没人看就不更了
十五、AI 原生思维是什么？
AI 原生思维，不是简单地“会用 ChatGPT”。
而是你开始重新思考：
这个任务有没有必要人工做？
这个流程能不能拆分？
哪些步骤可以交给 AI？
哪些步骤必须人来判断？
怎么让 AI 参与到日常工作中？
比如以前写一篇文章，你可能是从零开始写。
现在可以变成：
先让 AI 帮你搭结构，再让 AI 生成初稿，然后你修改观点，最后让 AI 优化标题和排版。
以前做产品上架，可能是运营一个个写。
现在可以变成：
人负责判断产品是否值得做，AI 负责生成标题、描述、标签、图片方案和上架表格。
这就是 AI 原生思维。
不是用 AI 代替人，而是重新分配人和 AI 的工作。
ps.由于一天只能发一条，此时间段我就将明天的内容合并一块了。以下内容稍微有点干，温馨提示：可以收藏或浮窗以备再看。
AI 进阶入门：LLM、Token、Context、MCP、Agent Skill 到底是什么？
01 LLM，全称是 Large Language Model，中文叫大语言模型。
你可以把它理解成 AI 的核心大脑。
它通过大量文本和数据训练，学会了语言之间的规律，所以能够完成很多文字相关任务，比如写作、总结、翻译、问答、分类、推理、代码生成等。Google Cloud 的生成式 AI 术语表也把 LLM 定义为一种基于大量数据训练、用于文本生成、翻译、总结和问答等自然语言处理任务的基础模型。
普通人怎么理解 LLM？
可以这样理解：
LLM 就像一个读过海量资料的超级语言大脑。
它不一定拥有真实经验，但它非常擅长理解语言、组织语言、生成内容。
02 Token：AI 读文字时的“最小计量单位”
Token 是很多人最容易忽略，但非常重要的概念。
你和 AI 对话时，AI 并不是像人一样直接按“字”或“词”理解内容。
它会先把你输入的内容切成一个个更小的单位，这些单位就叫 Token。
OpenAI 的帮助文档解释过，Token 可以被理解为模型处理文本时使用的片段；在英文中，常见估算方式是一个 token 大约相当于 4 个英文字符，但不同语言和内容会有差异。
举个简单例子
一句话：
我想学习 AI。
对人来说，这是一句话。
对模型来说，它会被拆成若干个 Token，再交给模型处理。
英文里可能是按单词、词根、标点拆；中文里可能按字、词或片段拆。不同模型的分词方式不完全一样。
Token 为什么重要？
因为 AI 的很多限制，都和 Token 有关。
比如：
你一次能输入多少内容 AI 一次能记住多少上下文 AI 一次能输出多长回答 API 调用成本怎么计算 长文档为什么不能无限塞给 AI
很多 AI 产品的计费，也不是按“字数”算，而是按 Token 算。
普通人怎么理解 Token？
可以这样理解：
Token 就是 AI 读文字时使用的“文字颗粒”。
你输入的内容越长，Token 越多。AI 输出的内容越长，Token 也越多。
工作里的实际影响
比如你让 AI 分析一份很长的资料。
如果资料太长，超过模型能处理的 Token 上限，AI 可能会：
读不完整 忘掉前面的内容 只处理一部分 总结得很粗糙 出现遗漏或理解错误
所以，真正会用 AI 的人，不是把所有资料一股脑丢进去，而是会做整理：
先分段、再总结、再提炼、再让 AI 基于重点内容输出。
一句话总结：
Token 是 AI 处理文字的计量单位，决定了输入、输出、上下文和成本。
03 Context：上下文，AI 当前能参考的信息范围
Context，中文通常叫上下文。
它指的是 AI 在回答问题时，当前能看到、能参考、能使用的信息。
Google Cloud 的术语表中也提到，Context Window 指的是基础模型在一个提示词中可以处理的 Token 数量。
举个简单例子
你问 AI：
帮我写一篇文章。
这句话上下文很少，所以 AI 只能泛泛地写。
但如果你补充：
我是做跨境电商的，公众号面向公司员工和老板，文章主题是 AI 入门，要讲清楚 LLM、Token、Context、MCP、Agent Skill，语言要通俗，不要太技术化，适合小白阅读。
这时 AI 就有了更多 Context，输出会更准确。
Context 包括什么？
Context 可以包括：
Context 和 Token 的关系
Context 不是无限的。
它受 Token 限制。
模型能一次参考的信息范围，叫 Context Window，也就是上下文窗口。
上下文窗口越大，AI 一次能看到的内容越多。上下文窗口越小，AI 就越容易“忘记前面讲过什么”。
普通人怎么理解 Context？
可以这样理解：
Context 就是你给 AI 的“前因后果”。
你给得越完整，AI 越懂你。你给得越模糊，AI 就越容易乱猜。
工作里的实际影响
比如你让 AI 做公众号内容，不能只说：
写一篇 AI 文章。
而应该给它完整上下文：
公众号定位是什么？读者是谁？文章是第几篇？之前讲过什么？这篇要解决什么问题？风格要专业还是口语？是否需要表格？是否需要引导关注？
一句话总结：
Context 是 AI 当前能参考的全部背景信息，上下文越完整，结果越准确。
04 MCP：让 AI 连接外部工具和数据的“统一接口”
MCP，全称是 Model Context Protocol，中文可以理解为模型上下文协议。
这个词最近很火，因为它解决的是一个很关键的问题：
AI 怎么连接外部工具、数据和系统？
Anthropic 官方在发布 MCP 时，把它描述为一个开放标准，用来把 AI 助手连接到数据所在的系统，比如内容仓库、业务工具和开发环境。
为什么需要 MCP？
以前 AI 很多时候只能聊天。
你问它问题，它回答你。
但如果你想让 AI 做真实工作，就需要它连接外部系统，比如：
读取公司文档 查询数据库 操作表格 搜索网页 调用企业工具 访问代码仓库 和业务系统交互
问题是，每个工具都有不同的接口和规则。
一个 AI 要连接 10 个工具，就像要学 10 种语言。
这会让开发变得很复杂。
MCP 的作用，就是提供一个统一协议，让 AI 更容易连接不同工具和数据源。Anthropic 的 MCP 文档也说明，MCP 是用于连接模型与外部上下文和工具的协议。
普通人怎么理解 MCP？
可以这样理解：
MCP 就像 AI 世界里的“万能插座”。
以前每个工具都要单独接线。有了 MCP，很多工具可以按照统一标准接进来。
MCP 在实际工作里有什么价值？
比如你未来想做一个 AI 工作助手。
你希望它能：
读取公司 SOP 查询产品表格 搜索竞品资料 生成公众号文章 整理上架内容 调用图片工具生成封面 把结果写入表格
如果没有 MCP，可能每个工具都要单独开发连接方式。
如果工具都支持 MCP，AI 就可以更标准化地调用这些能力。
MCP 和 API 有什么区别？
很多人会混淆 MCP 和 API。
可以简单这样理解：
API 像每个工具自己的门。MCP 像给 AI 准备的一套统一开门方式。
MCP 和 Agent 的关系
MCP 本身不是 Agent。
MCP 是连接工具和数据的协议。
Agent 是会规划、会拆任务、会调用工具执行任务的 AI 助手。
两者结合起来，价值更大：
Agent 负责思考和执行 MCP 负责连接工具和数据
一句话总结：
MCP 是让 AI 更方便连接外部工具和数据的统一协议。
05 Agent Skill：让 Agent 拥有某项专门能力
Agent Skill，可以理解为 AI Agent 的专项技能包。
如果说 Agent 是一个会执行任务的 AI 助手，那么 Skill 就是这个助手身上的某项能力。
Anthropic 的 Claude 文档中提到，Agent Skills 可以用于常见文档任务，例如 PowerPoint、Excel、Word、PDF，也可以创建自定义 Skills。
普通 AI、Agent、Skill 的区别
可以这样理解：
举个例子
你有一个普通 AI，它可以聊天、写文章。
但如果你给它配置不同 Skill，它就可以变成不同类型的助手。
比如：
Skill 和提示词有什么区别？
提示词是一次性的指令。
Skill 更像可复用的能力包。
比如你每次都可以写一段提示词：
你是一个公众号运营，请按照我的风格写文章……
但如果你把它做成 Skill，以后只要调用这个 Skill，Agent 就知道：
你的公众号定位 你的文章结构 你的语言风格 你的标题习惯 你的排版规则 你的禁忌要求
这样就不用每次重新解释。
Agent Skill 在公司里怎么用？
对公司来说，Agent Skill 最有价值的地方是：
把员工的经验、流程和标准，变成 AI 可以复用的能力。
比如你们跨境电商公司可以做这些 Skill：
一句话总结：
Agent Skill 是让 AI 助手具备某项专门能力的技能包。
这 5 个词之间是什么关系？
这几个词不能孤立理解，它们其实是一套完整的 AI 工作逻辑。
可以这样看：
LLM 是大脑
Token 是大脑处理信息的计量单位
Context 是大脑当前能看到的背景信息
MCP 是大脑连接外部工具和数据的接口标准
Agent Skill 是让 AI 助手拥有专项能力的方法
再换成更通俗的说法：
LLM = 会思考和表达的大脑
Token = 大脑读文字的颗粒
Context = 大脑能看到的前因后果
MCP = 大脑连接外部世界的插座
Agent Skill = 大脑学会的专业技能
用一个工作场景来理解
假设你要让 AI 帮你做一篇公众号文章。
第一步：LLM 负责理解和写作
你输入主题：
帮我写一篇关于 AI 关键词的公众号文章。
LLM 开始理解你的意图，并生成内容。
第二步：Token 决定你能放多少资料
你想把视频字幕、参考文章、自己的观点都放进去。
但资料太多，就会占用大量 Token。
所以你需要筛选、压缩、总结。
第三步：Context 决定 AI 写得准不准
你告诉 AI：
我的公众号面向普通人，风格要通俗、有趣、适合老板和员工看，不要太技术。
这就是 Context。
第四步：MCP 让 AI 可以连接外部工具
如果未来你的 AI 工作流接入 MCP，它可能可以：
读取视频字幕 查找官方资料 打开文档 读取表格 调用图片工具 把文章写入排版工具
第五步：Agent Skill 让它形成固定能力
你可以做一个“AI 公众号写作 Skill”。
以后只要给它一个视频链接或主题，它就能自动：
提取知识点 整理文章大纲 写公众号正文 生成标题 生成封面提示词 输出配图建议 给出发布排版结构
这就不是一次性聊天了，而是一个可复用的内容生产能力。
普通人真正要记住什么？
不需要记复杂定义。
你只要记住这 5 句话：
1. LLM 是 AI 的大脑
它负责理解、生成、总结、分析。
2. Token 是 AI 处理信息的单位
你的输入、输出、成本、上下文长度，都和 Token 有关。
3. Context 是 AI 能参考的背景信息
你给的信息越完整，AI 回答越准。
4. MCP 是 AI 连接工具和数据的统一接口
它让 AI 不只是聊天，而是能接入真实系统。
5. Agent Skill 是 AI 助手的专业技能包
它能把某类任务沉淀成可复用能力。
为什么这些词对未来很重要？
因为 AI 正在从三个阶段升级。
第一阶段：聊天工具
你问一句，AI 答一句。
典型用法：
帮我写文案。帮我翻译。帮我总结。
这是最初级的用法。
第二阶段：工作助手
AI 不只是回答，而是进入你的工作流程。
比如：
帮我整理这份资料，生成公众号文章，并给我标题和封面提示词。
这时，AI 开始承担具体工作。
第三阶段：智能代理
AI 可以自己拆任务、调工具、读取资料、执行动作、返回结果。
这就是 Agent 的方向。
而 LLM、Token、Context、MCP、Agent Skill，正是这个方向里的基础积木。
结尾：真正会用 AI 的人，不只是会提问
很多人以为会用 AI，就是会写提示词。
但未来真正重要的是：
你能不能理解 AI 的工作方式。你能不能给它足够好的 Context。你能不能把任务拆成流程。你能不能用 MCP 连接工具。你能不能把重复经验沉淀成 Agent Skill。
AI 不是一个单纯的聊天框。
它正在变成一个可以连接工具、理解业务、执行任务的工作系统。
普通人学习 AI，不一定要先学代码。
但至少要先搞懂这些关键词。
因为这些词，决定了你到底是在“玩 AI”，还是在真正“用 AI 做事”（被AI玩）。
你能看到这里，我直接就是一个大大的点赞。虽然鄙人也是行业小白，多有不对之处多多指正，（申明：此文章内容大多都是我用AI生成，图片完全是AI生成，但我相信他。）但有想交流的地方，我们可以共同进步。如果以上内容你已学习并掌握，或者想了解更多，可以下载安装豆包、deep seek、千问这些AI软件开始先人一步。我整理了一套简单的学习提示词，你可以直接复制粘贴给AI开始自行学习：
提示词 1：让 AI 帮你从零开始学习 AI
你现在是我的 AI 学习教练。 我不是技术人员，但我想学会把 AI 用到实际工作中。 请你根据“小白入门”的方式，带我学习 AI。 要求： 请先从“普通人应该怎么正确使用 AI”开始讲。 |
提示词 2：让 AI 结合你的行业，告诉你怎么用 AI
你现在是一名 AI 应用顾问。 我的行业是：【填写你的行业】 我的岗位是：【填写你的岗位】 我平时主要做这些工作： 1.【填写工作内容1】 2.【填写工作内容2】 3.【填写工作内容3】 4.【填写工作内容4】 5.【填写工作内容5】 请你帮我分析： 1. 我的工作中，哪些事情最适合用 AI 提效 2. 哪些事情可以让 AI 先做初稿 3. 哪些事情必须由我自己判断和审核 4. 我每天可以怎么把 AI 用进工作流程 5. 请给我 3 个最适合我马上开始使用 AI 的场景 要求： - 说人话，不要讲技术概念 - 要具体，不要空泛 - 每个建议都要能马上执行 - 最后输出一张表格：工作内容 / AI可以怎么帮我 / 我需要注意什么 |
你现在是一名 AI sop教练。 我想用 AI 帮我完成这个任务： 【填写你想完成的具体任务，比如写公众号文章、做产品分析、整理客户资料、写招聘文案、制作培训内容、回复客户消息等】 请你帮我把这个任务拆成一套可以执行的sop。 要求： 1. 先告诉我这个任务原本应该分成哪几个步骤 2. 再告诉我每一步能不能让 AI 帮忙 3. 每一步都给我一条可以直接复制使用的提示词 4. 哪些地方需要人工判断，请明确标出来 5. 最后帮我整理成一张执行表格 输出格式： 步骤 / 这一步要做什么 / 给 AI 的提示词 / 人需要检查什么 |
