别把AI当万能实习生，先给它写岗位说明书

这两周如果你一直在看官方动态，会发现一个很明确的变化。

OpenAI 在 2026-06-02 发布 Codex for every role, tool, and workflow，重点不再只是“更强模型”，而是 role-specific plugins、Sites、annotations 这些更贴近岗位和流程的能力。

再往前，OpenAI 在 2026-04-22 发布 Introducing workspace agents in ChatGPT，明确强调 agent 要能理解团队流程、拉上下文、按审批边界推进工作。

Anthropic 也在 2026-05-13 推出 Claude for Small Business，直接把连接器和现成工作流打给小企业用户。

这些动作放在一起，其实不是在告诉你“AI 更万能了”。

恰恰相反，它们在告诉你：

AI 越往后越有用，越不是因为它万能，而是因为它被放进了明确角色里。

很多普通人现在最大的问题，不是不会用 AI。

而是总想让它一上来就什么都干。

既要它找资料，又要它做判断，还要它写文案、做表格、出结论，最好顺手再帮你想一个爆款标题。

最后结果往往很像带一个没有岗位说明书的实习生。

它什么都碰了一点，但没有一件事真正稳。

为什么“万能 AI”反而最容易失控

因为你给它的任务，本来就不是一个岗位。

一个真正能稳定交付的人，背后一定有三样东西。

职责范围。

输入边界。

验收标准。

但很多人用 AI 时，这三样全是空的。

你只会说一句“帮我搞定这个”。

这句话对人都不够清楚，对 AI 更不够。

结果就是三种常见翻车。

第一种，答得很多，但不对题。

因为它不知道你最想要的是研究、判断，还是成品。

第二种，写得很快，但不能交付。

因为它不知道你最终要的是公众号正文、客户邮件，还是老板能直接看的汇报。

第三种，看起来什么都做了，但你还得重做一遍。

因为没有验收标准，它只能靠猜。

所以问题不是 AI 不够聪明。

而是你从来没有把它放进一个清晰岗位里。

什么叫“给 AI 写岗位说明书”

很简单，就是别再让它当万能助理。

先给它一个明确身份。

对普通人来说，一份最小可用的 AI 岗位说明书，写四项就够。

第一项，岗位名称。

比如“选题研究员”“销售跟进助理”“会议纪要整理员”“竞品情报助手”。

第二项，核心职责。

它到底负责搜集、整理、判断，还是输出成品。

一次只给一个主职责。

第三项，输入材料。

它能看到什么，不能看到什么。

是网页链接、会议记录、聊天截图，还是表格字段。

第四项，验收标准。

什么算合格，什么不允许出现，最后要用什么格式交付。

这四项一写清楚，AI 的表现通常会立刻稳定很多。

因为它终于不是在猜你想要什么，而是在执行一个明确岗位。

普通人最该先拆出来的 3 个岗位

如果你现在就想落地，不要先做复杂系统。

先从最容易稳定的 3 个岗位开始。

第一个，研究员。

只负责找信息、标日期、列出处。

不负责写结论，不负责写成品。

这个岗位最适合处理最新动态、竞品信息、资料归档。

第二个，结构编辑。

只负责把已有信息整理成提纲、段落顺序和核心判断。

不负责再去扩展搜索。

这个岗位最适合写文章框架、汇报框架、课程结构。

第三个，交付助理。

只负责把已经定下来的内容整理成具体成品。

比如公众号正文、客户跟进话术、日报、邮件、表格摘要。

你会发现，很多人觉得 AI 不稳定，其实只是把这三个岗位混在一起用了。

研究和写作混在一起，判断和交付混在一起，最后每一段都像临场发挥。

一旦拆开，稳定性会明显上来。

明天就能直接照抄的写法

如果你要给公众号内容工作流配一个岗位说明书，可以直接这么写。

岗位名称：AI 选题研究员。

核心职责：每天从官方来源筛选 1 个适合公众号的 AI 选题，并给出 3 到 5 个标题备选。

输入材料：OpenAI、Anthropic、Google 等官方博客更新；历史发文选题；账号定位说明。

验收标准：必须标明具体发布日期；必须说明为什么适合当前账号；不能重复最近两天已经写过的角度；输出必须是 Markdown。

如果你要给它第二个岗位，也不要让它顺手全包。

只给它“结构编辑”这一项。

岗位名称：AI 结构编辑。

核心职责：把已确定的选题整理成公众号提纲和论证顺序。

输入材料：研究员提供的选题、发布日期、核心观点。

验收标准：结构清晰，观点直接，至少给出 3 个明确方法点，不能写成空泛鸡汤。

这样做的价值，不只是今天省事。

而是你在把一类工作变成可复用资产。

为什么这比继续学 prompt 更重要

因为 prompt 解决的是一次发挥。

岗位说明书解决的是长期复用。

你当然可以继续学更花的问法。

但如果角色、边界和标准一直是糊的，AI 就还是会忽好忽坏。

真正能拉开差距的人，不是最会和 AI 聊天的人。

而是最早把 AI 放进真实岗位里的人。

这也是为什么最近官方产品都在强调角色、连接器、工作流和审批边界。

它们不是要把 AI 做成一个更会聊天的入口。

它们是要把 AI 变成一个能接住岗位责任的执行单元。

最后一句

如果你明天只做一个动作，不要再问 AI “你能不能都帮我做了”。

换成先给它写一份岗位说明书。

写清岗位名称。

写清核心职责。

写清输入材料。

写清验收标准。

你会发现，AI 一旦不再“万能”，反而开始真正有用。