夜雨聆风一个 AI 工具有没有人用，不取决于做得有多精致，而取决于你一开始选没选对场景。
同一时间，两种选择，三个月后天壤之别
😤 同事 A
AI 生产力套件
读书摘要 · 会议纪要 · 邮件润色 · 日报生成花了两周，发给 30 多位同事
第 1 周：16 人使用第 2 周：4 人还在用一个月后：基本无人问津
😎 同事 B
合同财务风险审核工具
只处理一种具体业务场景输出格式固定、判断标准严苛
三个月后：40+ 人在用用户主动推荐给跨部门同事 ✅
问题不是 B 做得有多复杂——恰恰相反，B 的工具只做一件事从一开始就选对了方向
大多数人刚开始做 AI 工具时，脑子里的逻辑是：「这个任务我经常做，挺繁琐的，能不能让 AI 帮我搞定？」
繁琐的任务有两种，只有一种适合 AI
第一种：规则任务
输入确定 → 规则确定 → 输出唯一把编号转成条形码、格式转换、定时汇总数据
写个脚本就够了，用 AI 反而多此一举因为 AI 的优势是推理，这里压根不需要推理
第二种：经验判断任务 ✅
面对同样输入，不同经验的人给出不同判断老手的判断更值钱
靠规则写不完，靠经验才能做好→ 把老手的判断逻辑固化，让每个人都能调用
什么样的 AI 工具，真的值得建？
✅ 值得建设
✓ 需要经验和判断力（结果非唯一）
✓ 体现特定领域的专业积累
✓ 服务特定角色/业务场景
✓ 产出可直接用于业务决策
✗ 不值得建设
✗ 规则+数据能100%确定结果
✗ 通用技能，与特定领域无关
✗ 换一家公司的员工也能用同样工具完成
✅ 典型高价值场景
交叉比对历史合作数据、财务风险信号、行业认证标准，结果非唯一
嵌入特定漏斗分析框架，解读各渠道效率差异，给出优化建议
理解代码变更的业务含义，判断影响边界，不是纯规则匹配
✗ 典型低价值场景
读书分享生成器
与行业经验无关，AI 本来就能做
演讲文稿快速生成
不体现任何公司特有的积累
会议纪要一键总结
通用生产力工具，被任何 AI 应用替代
条形码自动生成
规则100%确定，不需要 AI 判断
找机会：问自己三个问题
答案往往不是想出来的，而是观察出来的。当你发现自己和周围的人在反复做「同一件事」，那件事就是一个工具的候选。
我有没有一份「自己攒的提示词」，每次遇到某类任务就复用？
有 → 说明你已经在手动封装了
我解决这类问题时，脑子里会走哪几个判断步骤？
能说出来 → 可以固化成规则
如果把我的经验交给新人，他们需要多久才能做到我的水平？
时间越长 → 经验价值越高，越值得封装
找到场景之后，大多数人会遇到第二个障碍：「我知道怎么做，但我说不清楚。」
这不是能力问题，这是知识的本质问题——认知科学里叫「默会知识」：就像骑自行车时的平衡感，你会，但你无法用语言完整描述它。
六步萃取你的经验——把「说不清楚」变成「可执行」
以「供应商资质评估」为例，逐步拆解
先问最根本的问题：谁在什么场景下用这个工具？好的输出长什么样？
❌ 「帮我做一个竞品分析工具，要专业、全面」 ✅ 「帮采购同事在提交新供应商审批前，输出一份资质评估报告。一页以内，包含评分、风险等级、优劣势和审批建议，30秒内让审批人直接拍板」
把「好的输出」拆解成字段、格式和精度要求。「专业全面」不是字段，「包含4个维度、每条不超过20字」才是。
资质评分（0-100整数；权重：合作记录40%、认证资质30%、财务数据30%） 风险等级（高/中/低；由评分自动映射） 核心优劣势（各3条，不超过20字，必须有数据支撑）
哪些是必填，哪些是选填，缺失时怎么降级处理？
必填：公司名称、注册地+实际生产地（必须分开填）、主营业务简述 选填：财务数据、第三方认证 边界：「过往合作记录」为无 → 评分自动上限70分
这是最难也最关键的一步。光说「需要综合判断」没用，要把判断过程结构化，并提供失败案例。
规则：注册地和实际生产地不一致 → 单独标注，提示核实 规则：有质量投诉记录 → 评分上限直接拉低至50分 失败案例：某供应商75分通过了审批，后来发现实际生产在海外……
任何工具都有边界。把这些边界说清楚，能避免工具被错误场景调用。
不适合：评估已有长期合作的核心供应商（关系维度比资质维度更重要，工具判断不了） 好的输出：30秒内审批人能直接拍板 坏的输出：结论模糊，评分没有依据，看完还不知道该不该过
触发词应该是真实场景下说出来的自然语言，而不是指令。
✅ 「帮我评估一下这个新供应商」 ✅ 「这家供应商靠谱吗，帮我看看」 ✅ 「我要提报审批了，先跑一下资质评估」 ❌ 「请执行供应商资质评估流程」（太像指令，没人这么说话）
做完了，只是刚刚开始
一个真正好用的工具，需要经历三层打磨
工程质量
交给自动化工具扫描：触发描述是否规范、内容是否需要拆分、有没有安全风险
⚠️ 工程质量只检查结构是否规范，不判断业务效果好不好
业务质量
自己先当第一个「真实用户」跑一遍：标准场景 + 边界场景 + 极端输入
⚠️ 别靠自己一个人测——同事用的时候会输入你完全没想到的问法和场景
迭代闭环
同事使用 → 收集反馈 → 分析原因 → 改进工具 → 继续收集
⚠️ 当反馈里的问题越来越少、同事开始主动推荐给别人——这就是达到发布标准的信号
两个最常见的误区，正好是两个极端
误区一：以为工具越通用越有价值
做出来的是「AI版百度搜索」——什么都能查，但没有任何一件事你比直接问 AI 做得更好。
误区二：以为把经验写进去就算封装了
做出来的是一段很长的系统提示词，但没有任何可执行的判断规则——AI 每次输出结果天差地别，根本无法标准化复用。
真正有价值的 AI 工具，是一种知识基础设施：把某个角色多年积累的判断逻辑，变成一套任何人调用都能稳定产出同等质量结果的机制。这件事做得好，相当于把一位资深专家的判断能力复制出来，让整个团队的基准能力往上移了一格。
快速参考卡
✅ 值得建设
✓ 需要经验和判断力（结果非唯一）
✓ 体现特定领域的专业积累
✓ 服务特定角色/业务场景
✓ 产出可直接用于业务决策
✗ 不值得建设
✗ 规则+数据能100%确定结果
✗ 通用技能，与特定领域无关
✗ 换一家公司也能用同样工具完成
六步萃取经验
工具不是写出来的，是用出来的
- END -
本文整理自 AI 工具设计方法论，案例经过改编处理