夜雨聆风这次我们来聊聊AI。咱们同学们对AI大概有三种态度：
还没用过，觉得离自己很远，这种情况很少。
用过GPT、豆包、问过DeepSeek，都是问答的形式，发现效果一般，有时候觉得不想再用了。
已经开始尝试把AI用到自己的工作流里，但还没有找到方法。
这三种情况我都遇到过，从不知道、不了解，到讨厌，再到真正想用但不知道怎么用。
这次顾中一在第四届·上海营养师大会上做了一篇演讲，分享了他的经验。
他是怎么用AI的？
我总结了他的演讲，得出两个核心结论：
AI到底能做什么，尤其是对营养师来说能做什么。最重要的是怎么做。
他现在已经拿到结果了。原来写一篇文章要八九个小时，现在三个小时以内就能搞定，质量更稳定。短视频脚本也是一样，他现在用AI的话，20分钟就可以完成，和编辑用半天的时间差不多。他现在团队有7个人，还有7个AI机器人，现在的沟通效率极高。
人和人之间很多时候是达成共识，但人和AI的沟通效率非常高。
他花多少钱呢？他自己现在一天花300块钱，团队每人每个月500块。当然，他也提到一天五六块钱的成本是可以接受的，基本上能满足日常需求。
我们来看看AI具体帮他做了哪些事情？
他举了一个例子：在来演讲的路上（乘车或乘飞机时），他收到一个写文章的邀约。如果在过去，这需要他花费五六个甚至八九个小时。但现在，他只用两个小时就完成了，包括参考文献和配图，都是AI协助完成的。
01
[ 咨询方面 ] .
他有一个用于咨询的数字人或智能体（agent）。这个模型现在可以帮他处理一些咨询或提问的事务。具体来说，AI能协助他进行整体判断、管理客户数据、了解客户个人情况、设计前端与客户的沟通方式、降低客户的使用门槛、解读客户的各种报告以及记录个人档案。
02
[ 科普文章生成方面 ] .
在科普文章生成方面，AI的作用也一样关键。这包括相关的研究选题审核、知识点查询，以及对复杂内容的梳理。其中最关键的是科学性问题，比如查重、核查科学来源，以及发现一些低级错误。他提到有一篇文章，专家审核了很多遍，但用AI检查后，又发现了20处错误——这些是专家都没查出来的，AI却能发现。
03
[ 写文章以及文章的一稿多用方面 ] .
他有一个自己的表达资产库，里面保存了过去写的文章、自己的思想、故事、观点和洞见。下次根据约稿需求，AI就可以从这个表达库中调取过往的资产，承接逻辑，实现一稿多用，将过往的知识基于新需求重新组织。这样可以节约大量精力，而且效果特别流畅。
04
[ AI生成短视频文稿 ] .
用AI生成演讲短视频的文稿效果也非常好，20分钟就可以完成。
说完了他从AI这边取得的成果，以及AI帮他做的很多事情，那么他是怎么做到的呢？它的工作机制是什么？我们很关心，既然AI能做这么多事情，我们应该如何使用它？
这就是人机协作的正确姿势，它是一种方法，不是工具崇拜，不是觉得AI好厉害就完全依赖它。
我们要有这样三个工作技巧或思路
1.把AI嵌入到我们的工作流里面
过去我们是以问答的形式，把AI当成一个聊天工具，比如打开豆包问几句，获取一些灵感。现在不是这样，现在是要把它嵌入到工作流中。
2.封装技能
工作流里最重要的就是技能（Skill），这就涉及到第二个关键点：封装技能。
这是我们工作流的核心，需要将我们的方法论、表达风格和规则写成可复用的流程。有人会问，Skill是什么？可能一时不太明白。其实很简单，市场上已经有很多通用的Skill了，我们可以先拿过来用。如果有可能，再根据自己的需求慢慢调整；如果没可能，用一些现成的Skill也足够了。
3.本地化部署
一定要部署到本地，比如使用Ollama这类工具。只有部署到本地后，才能够全面、长久地调用你的知识资源和知识资产。
可使用的一些AI模型和工具
科普文章写作
全流程使用Claude + 自研的一些Skill。
专家共识文本核查（即查重或检查科学性）
使用Claude Code的深度模式（按算力计费）。如果不需要那么专业，普通模式即可。
本地文件处理（本地部署）
可使用Ollama、Whisper、MiniMax等。有熟悉的同学可以补充。
短视频脚本生成
使用通用大模型就可以。
上下文分析
使用的是DeepSeek V3，它的上下文长度很长，适合文献综述这类任务。
实操建议和避坑指南
敢于投入
需要投入一些资金和时间。
建立自己的工作流
摆脱那种聊天式的用法，尽可能部署本地模型，建立自己的工作流。
警惕过度工程化
一定要把技能拆解、分步骤。
不能指望给一个混沌的输入，AI就能给出一个完美的输出。必须把AI任务分成多个步骤。
例如：选题就是选题，查重就是查重，优化就是优化。
分步骤能极大提升输出质量。
坚持人工终审
AI幻觉目前无法避免，必须自己进行查重、凭感觉重写。最终需要人来负责背书、承担结果，这只能靠自己。
对我的启示或共鸣是什么？
我走得比较慢，但也在慢慢前进。这其实是异曲同工，殊途同归。我过去非常依赖那种聊天式的交互。虽然我会为每个问题单独建立一个对话，但这对于我的工作产出帮助非常有限，它主要只是帮助我澄清一些观点和想法。
所以，我的第一个做法前几天已经开始了，就是下载一个本地工作的工具。它是一个本地读写、本地工作的工具，我装了一个叫“Q Cloud”的，是腾讯的一个工具。用起来效果相当好。它能够把我本地的所有知识库，以及网络上的知识库都调用起来，然后生成
我交给它的任务。
但是，我这个“技能”的部分还没有开始。现在我开始重视技能了，要逐步地、一步一步地建立自己的技能。当然，要从最高频的场景开始，比如：
整理资料
润色文稿
当然，这里面顾中一没提到的，我觉得非常重要的一个就是日常记录，就是自己的观点、自己的故事、自己的感悟，甚至把自己读过的东西重新复述一下。我目前是存在笔记里，就是浮墨笔记和Git笔记。这个笔记是我们形成自己的观点、自己的故事、自己的资产库、知识库的非常重要的第一步。
现在，AI至少能够帮助我们识别语音，形成流畅的文字了。
所以，我的计划再重新整理一下
第一步
安装并运用一个本地可读写文件的AI。我现在用了这个Q Cloud，同时在准备装一个Workbody，这也是腾讯的。
第二步
封装并使用一个技能。
第三步
不断完善自己的工作流，直到形成一个完整的工作流程，能够通过AI和我的共同协作来完成，例如产出一篇文章、一个视频文稿，并进行剪辑。
我知道，咱们同学里边肯定有人已经用得很好了，比我理解更深。如果你已经如果你已经封装了自己的技能，或者已经形成了自己的工作流，你可以手把手来教我一下。
同时，咱们同学也可以互相学习，我会实时地分享给大家我做了什么、做到哪一步了。我们也可以参考我的过往经验和顾中一给的经验：
构建自己的知识库：哪怕是一个备忘录、一个Git笔记或浮墨笔记也好，把自己过往的东西记录下来。
部署一个本地的AI应用。
找到一个输出的场景来构建自己的工作流。
我觉得顾中一给我们的启示，或者说我给大家的解读，最大的作用是示范——别人已经做到了，说明这条路是可行的，我们应该勇敢地走上这条路。至于具体怎么走，我们可以一起走，互相讨论、探讨，分享经验和教训。
我们是一个自我健康学的团体，希望咱们能借助AI构建自己的知识体系，并完成输出。
做科普、做咨询，都能让AI助力我们快速成长、快速变现、快速拿到结果。在AI时代，也少不了人之间的互相支持、互相协助。希望咱们成为这样一个AI时代的小团体，一个自我健康学的小团体。
