夜雨聆风
写在前面：
这个周末过得挺充实的，两天啥也没干，写了第6、7课，把《7天AI通识计划：读懂大模型，用好人工智能》写完了。也算是回应一位老兄的抱怨，前一段这哥们儿私信我“说好的7天学AI，都拖了三周，还没讲完，你竟然开始用公众号写个人回忆录，简直是不务正业！”抱歉！答应老兄的，一个月内完稿，昨晚最后一篇，从5月7日到6月7日，结束！今早发出。
另外，有几个朋友私信我，说是找不到以前的文章。我已在公众号增加了几个菜单，大家进入“昆仑雪域”公众号，点击“服务”，可以看到“聊聊过往、聊聊AI、聊聊工作”，在聊聊AI里有“7天AI通识计划”，这样大家找起来就方便了。感谢朋友的反馈！
言归正传（内容较多，建议先收藏，可快速浏览，等有整块儿时间时，再静心慢慢看）：
前6课，咱们把AI的“基本功”练得差不多了。
但学完这些，我们还是个“会用AI的金融人”，就像郭靖学降龙十八掌，今天这第7课才是“亢龙有悔”，才是整套拳法的灵魂与总纲（能读懂这句的朋友，估计都已经40+
），才会成为“AI增强型金融人”。
未来职业路径越走越宽，发展越来越好的，大概率都是“AI增强型金融人”。
你可能有疑问，两者的区别在哪？
“会用AI的金融人”，是想起某个任务时才打开AI，问一句、答一句，用完就关。像你请临时工，来一次干一下，干完就走，走了就没了。
“AI增强型金融人”，是把AI嵌进自己的工作流，让它成为你的“外接大脑”，每天自动帮你扫一遍信息、每周自动帮你整理一遍数据、遇到复杂问题时自动调取你积累的知识库。不是偶尔用，而是离不开。
这节课，我给你三个东西：工具组合策略、三层工作流模板、三个立即行动。看完就能上手，你只要认真按我说的做，半年后，你不能说满配降龙十八掌，七八成功力肯定有。如果有进步，到时记得回来点赞
。
一、工具组合策略：别只抱着一把瑞士军刀
第2课我讲了模型的分类。但很多金融人到现在还是只用一款AI，打开豆包或DeepSeek，问完就关。
真正高效的人，用的是“组合拳”。
我的日常工具箱（直接复制）
| 日常问答、写文案、头脑风暴 | ||
| 查资料、核实数据、找出处 | ||
| 处理敏感合同、内部制度 | ||
| 做PPT、可视化报告 |
关键原则：没有“最好”的AI，只有“最适合这个场景”的AI。你的任务是给每个高频场景，配一把趁手的刀。
一个真实的工作流案例
假设你叫小A，是一名金租客户经理，你的领导要求你每周提交一份工作周报，近期你一直在营销算力板块。你怎么用AI组合拳？
Step 1：信息搜集（5分钟）
打开秘塔AI搜索：2026年6月算力租赁行业最新政策、市场规模、技术趋势、主要玩家动态等信息 秘塔会给出一篇带出处、带链接的综述，关键数据都有来源 你把有用的段落复制到文本
Step 2：数据分析（10分钟）
打开 “猎客App”或“预警通”下载近期同业在算力领域的投放清单，导出Excel 打开Excel，把表格及你的业务推进情况（脱敏处理后）贴给DeepSeek快速模式：你是金融租赁业务专家，熟悉算力租赁市场环境、宏观政策及技术趋势，帮我分析近期同业新增算力租赁项目的几个维度：1）承租人主体性质分布；2）租赁物价值；3）你关心的其他维度；同时，针对某算力项目在租赁物及风控措施上提出你的意见和建议。为更好的分析，你可以向我提问。 AI 迅速出结论，你核对一遍关键数字，以及它的建议
Step 3：撰写周报（15分钟）
打开DeepSeek或豆包专家模式，把文本里的行业信息 + 数据分析结论 + 上周周报+本周日记（脱密处理），一次性喂进去 Prompt：请帮我撰写本周周报，包含行业动态、项目进展、风险关注点、本周小结、下周计划。要求语言简洁，重点突出，要有思考，适合发领导。 AI出初稿，你花10分钟改改细节 补充脱敏信息，人工审核定稿。
全程30分钟。传统做法至少2小时。
二、三层AI工作流：让AI从“临时工”变“长期工”
光会组合工具还不够。你得让AI系统化地参与你的工作，而不是每次从零开始。
我把它分成三层：每日扫雷、每周复盘、按需触发。
第一层：每日扫雷（10分钟）
小A每天早上到办公室，花10分钟让AI帮你扫一遍“信息地雷区”。
Prompt模板（直接复制）：
你是一位资深金融租赁算力行业情报分析师。请基于以下信息源，帮我整理今日行业早报（输出总字数≤500字）。
**核心要求**：
1. 每条信息必须标注来源，且来源需具体到“机构名称+报告/公告日期”（如：IDC《中国算力租赁市场追踪》2026.6.7）。
2. 只输出与融资租赁**直接相关**的内容，剔除纯技术新闻或宏观综述。
3. 对每一条动态，必须附加一句**“租赁启示”**，说明该信息如何影响租金定价、残值风险、合同结构或客群信用。
**信息范围**：
- 金融监管：关注金融监管总局官网、租赁专委会通知——是否涉及“算力设备作为租赁物”的合规指引或窗口指导。
- 算力/AI行业：重点关注算力设备（GPU/服务器/集群）的**现货/期货价格波动**、**技术迭代周期**（如新一代芯片发布对旧型号残值的冲击）、**头部云厂商资本开支变化**。
- 同业动态：需区分“银行系金租”与“第三方租赁公司”在算力业务上的策略差异（如直租占比、期限结构、是否引入残值对赌）。
- 宏观数据：聚焦中小企业PMI、制造业设备投资增速、资金成本（Shibor/租赁ABS发行利率），并与算力租赁的典型客群（如AI初创、智算中心运营商）关联分析。
**输出格式**（严格执行）：
- 每条为：【来源】内容摘要。→ 租赁启示：……
- 最后附“今日核心风险提示”（1-2条，用❗标注）
实操建议：你不用每天手动跑这个Prompt。用一个机器人每天做，每周让它帮你汇总一次。
第二层：每周复盘（30分钟）
每周五下午，花30分钟做“AI辅助复盘”。
Prompt模板（直接复制）：
你是一位资深金融业务管理者，擅长从执行细节中提炼管理洞见。以下是我本周的工作记录和项目进展，请帮我进行一次**可落地的业务复盘**。
**输出要求**（严格执行以下结构）：
1. 本周3个关键成果（要求：每个成果必须包含“结果数值/完成度 + 关键驱动因素”）
- 成果1：[事项] → 完成度X% → 主要因为（1.… 2.…）
2. 可能被忽视的2个风险或问题（要求：区分“已暴露的信号” vs “潜在的结构性隐患”）
- 风险1：[现象] → 归因于（流程/人员/外部）→ 若不干预，X周内可能导致……
3. 下周3个优先行动（要求：按“紧急/重要”排序，并标注预期产出）
- 行动1：[动作] → 预期产出：[可交付物/决策]
4. 一句话核心洞察（要求：必须是一个**可检验的假设**，而非泛泛总结）
- [假设]：因为……，所以……。验证方式：……
**我的工作记录如下：**
[粘贴本周工作日志/待办清单/项目进展]
为什么用AI做复盘？
因为人复盘容易“选择性失忆”，我们只记得自己干得好的，忘了搞砸的。AI没有感情，它看的是纯文本。你喂进去什么，它就分析什么。它会一针见血地指出：“你本周在A项目上投入了70%的时间，但该项目目前仍处于审批阶段，没有实质性进展，建议调整精力分配。”
这种话，你自己不一定说得出口。但AI说得出来。
第三层：按需触发（遇到复杂问题时）
遇到具体难题时，启动“深度AI协作模式”。
比如：你要做一个全新的行业研究——船舶绿色燃料转型对航运租赁的影响。
传统做法：自己搜资料、看报告、整理框架，一周起步。
AI协作模式：
- 信息搜集阶段：用秘塔AI搜索做第一轮地毯式扫描，获取10-15篇权威报告和新闻
- 框架设计阶段：把搜集到的资料喂给DeepSeek专家，让它帮你设计研究框架
- 内容撰写阶段：按框架逐章撰写，每章用AI生成初稿，你修改定稿
- 交叉验证阶段：把关键结论和数据，用第二个AI（如豆包专家或kimi思考）再跑一遍，看结论是否一致
- 最终润色阶段：把全文通读一遍，调整逻辑、补充人话、标注数据来源
全程1-2天。而且质量比自己闷头写更高，因为AI帮你覆盖了更多角度。
三、个人知识库：让AI真正“懂”你的业务
第4课我提到秘塔AI用了RAG架构，检索增强生成。大白话说：AI在回答你之前，先翻翻自己的资料库，再组织答案。
这个能力，你也可以给自己建一个。
为什么金融人需要个人知识库？
你现在用AI，每次都是从零开始。你问：“帮我分析一下这个承租人的财务情况。”AI不知道你们公司的风险偏好、不知道你们领导的审批习惯、不知道你们行业的潜规则。
但如果你把以下资料“喂”给AI，让它成为你的专属助手：
你们公司的融资租赁业务制度汇编（脱敏版） 你们部门的历史项目案例（脱敏版） 你积累的行业研究报告 你常用的财务分析模板 你们风控关注的风险点 你们领导的讲话风格和关注重点
AI就不再是“通用顾问”，而是“你们公司的内部顾问”。
最推荐的金融人方案：本地知识库（ AnythingLLM + 本地模型）
原因你懂的，金融数据敏感，能不出本机就不出本机。
用AnythingLLM（免费开源），搭配第5课讲的本地部署模型：
把你的制度文件、项目案例、行业报告，全部导入AnythingLLM的知识库 设置本地模型为“大脑” 以后你问任何问题，AI都会先翻你的知识库，再组织答案
Prompt模板（知识库场景）：
基于我们公司制度文件和过往项目案例，帮我分析：
对于年营收5亿以下、资产负债率超过75%的科技型承租人
我们的风控标准通常要求哪些增信措施？
请引用相关制度条款编号（如有）。
AI会告诉你：“根据《公司融资租赁业务管理办法》第X条，以及**案例，建议……"这些信息来自你的内部制度和公司的真实案例，不是AI瞎编的。
四、不可替代性：AI抢不走什么？
聊完怎么用AI，咱们聊点扎心的：金融人，到底会不会被AI取代？
我的判断：会被替代一部分，但不会被完全替代。关键看你在哪一层。
AI能替代什么？
| 信息整理 | ||
| 标准化分析 | ||
| 套路化写作 | ||
| 初筛审查 |
这些工作的共同特点：有明确标准、有固定套路、不需要现场判断。
AI不能替代什么？
| 现场尽调 | ||
| 复杂交易结构设计 | ||
| 客户关系的温度 | ||
| 风险决策的担当 | ||
| 跨部门政治博弈 |
一个残酷的真相
AI不会淘汰金融人，但会用AI的金融人，会淘汰不会用AI的金融人。
未来的金融职场，大概率分成三层：
- 顶层：懂业务、会判断、能担责的“决策者”，AI是他们的工具
- 中层：会用AI把效率提升3-5倍的“增强型执行者”，他们是骨干
- 底层：只会做标准化工作、拒绝用AI的“传统执行者”，易被淘汰
你想在哪一层？
五、三个立即行动：这周就开始
看完这节课，别只收藏。做三件事，这周就动手。
行动一：盘点你的“AI场景地图”
拿一张纸（或打开一个文档），写下你每周花时间最多的10项工作。然后给每项工作打两个分：
- 重复度（1-5分）：这件事每周都差不多吗？
- AI适配度（1-5分）：这件事AI能帮你多少？
把“重复度高+AI适配度高”的工作圈出来，这就是你接下来三个月重点用AI攻克的领域。
| 示例（小A）： | |||
行动二：建立一个“Prompt库”
从今天开始，每次写好一个Prompt，觉得效果不错的，就存下来。
分类存放：
尽调报告类Prompt 营销方案类Prompt 数据分析类Prompt 合同审查类Prompt 日常办公类Prompt
不要每次从零写Prompt。 你的Prompt库越厚，调用AI的速度越快。
行动三：做一次“AI效率审计”
这周找个时间，统计一下：
本周你用了几次AI？ 每次省了多少时间？ 哪些任务AI帮了大忙，哪些任务AI帮了倒忙？
目标：下个月，AI帮你省下的时间，要达到每周5小时以上。
5小时是什么概念？相当于你每周多出了一整个下午。可以用来做更高价值的事，比如多拜访一个客户、多跟领导汇报一次工作。
加餐：诺奖得主如何用AI证明12年悬案
5月初，我给大家讲AI是“概率预测机器”，你听了可能半信半疑。昨天晚上，我看了一个新闻，2026年刚刚发生的真实案例，让你看看这台“概率机器”已经走到了哪一步。
一个等式，让物理界等了12年
2021年诺贝尔物理学奖得主Giorgio Parisi，研究的领域是在看似无序的随机系统里找到隐藏的规律。2026年6月，他和合作者Francesco Zamponi在arXiv上发表了一篇论文，证明了一个悬了12年的物理猜想：a+b=1。
这个等式来自2014年Parisi团队发表的无穷维硬球阻塞理论。数值上，它严丝合缝，但整整12年，没人能给出解析证明。证明它，就等于证明“相空间边缘稳定性”和“力学边缘稳定性”在无穷维理论里是同一回事。
这道题，Parisi自己也没证出来。他把它交给了Claude（Opus 4.7）。
从“打杂”到“主攻”，Claude的角色演变
双方的配合，一开始并不是直接奔着证明去的。
第一阶段：写代码的“实习生”
Parisi第一条提示词，是让Claude写一段C++代码，用打靶法求解一个非线性微分方程，精度达到10^-10。Claude干得很漂亮，调代码、提精度，从双精度加到四精度，数值逼到小数点后十几位。
第二阶段：做数值验证的“技术员”
接下来很长一段，Claude都在调精度、跑数值。Parisi中途还把方程写错了一次，把函数写串了。Claude在这个错方程上反复尝试，甚至正确地指出它本身就无解，直到Parisi回过头才发现是自己写错了。
第三阶段：构造证明的“主攻手”
真正的转折，出现在Parisi这句话之后：“我要你做一个解析计算，证明它。”
从这一刻起，Claude的角色变了。它给出的证明，核心是构造了一个特殊的辅助函数，再经过两处并不显然的代数消去，得出一个关键恒等式。把这个恒等式和已知的物理条件一拼，结论就出来了：a=(1-c)/2，也就是a+b=1。
有意思的是，Parisi问Claude：你是怎么想到这个证明的？
Claude回答：“这里没有什么灵光一现，那个关键的辅助函数，其实是从想要的结论反推出来的，是一套相当系统的逆向推理，加上小心的计算。”它还补了一句：“不浪漫的版本，往往更接近真相。”
人机分工的真相
这个案例最有价值的地方，不是证明本身，而是它把人机协作的分工推到了诺贝尔奖级别。
| AI（Claude） | |
| 人类（Parisi） |
有两个细节特别值得品味：
- 人类纠错AI：Claude的证明里有一步，要论证函数f恒不为负，它信心十足地用了极值原理。合作者Zamponi直接指出：这个论证是错的，在极小值处根本不存在矛盾。Claude当场认错：“你的朋友是对的，我犯了一个符号错误。”
- AI纠错人类：Zamponi算的一个渐近行为里带了个小错，反过来被Claude挑了出来，还顺手定位到出错的根源。
- 人类重新定义问题：最关键的破局，是Parisi指出“你根本证不出那个函数永远非负，因为方程的解不止一个。不该问它一定非负，而该问到底有没有一个始终非负的解。”设问题、指方向的是人，推导演算的是AI。
三个对我们日常工作的启示
1. 问题定义比解题更重要
Parisi在关键时刻做的不是给答案，而是重新定义问题。映射到金融租赁业务：AI可以算出各种数据，但“问什么问题”才是核心竞争力。不是问“租息率是多少”，而是问“这个租息率是否覆盖了技术迭代贬值风险”。
2. 双向纠错是安全绳
Claude犯了符号错误，被人类指出；人类计算也有小错，被AI指出。整个40轮对话全部公开透明，每一步都可以核查。做尽调报告、风险分析，必须经过人类复核；但人类的判断也可能有盲点，AI可以从数据角度提出反例。
3. 不浪漫的版本，往往更接近真相
Claude说证明是“系统的逆向推理+小心的计算”，没有灵光一现。做行业分析、撰写报告也一样：不要追求神来之笔，而要追求系统的方法论+扎实的数据验证。
一句话总结：
AI的强项是“从已知推未知”的推演能力，人类的强项是“重新定义问题”的洞察能力。两者结合，才能解决真正难的问题。
六、系列收尾：这7课只是入门
这7课，咱们一起走过了从“知道AI是什么”到“让AI帮我干活”的完整路径：
但说到底，这7课只是入门。AI进化得太快了，今天我们学的技巧，半年后可能就过时了。今天推荐的工具，明天可能就有更好的替代品。
唯一不会过时的，是你对AI本质的理解。
记住它是概率预测机器，你就不会把它当神。记住它会胡说八道，你就不会 blindly trust。记住它是你的助手，你就会努力用它提升自己。
最后，送你一句话，也是我在金融行业摸爬滚打这些年最深的体会：
技术永远服务于人，不是人服务于技术。
AI再厉害，也替代不了一个在承租人车间里闻到机油味、看出老板眼神闪烁的项目经理。AI再聪明，你不指导它，它也写不出一个既能过风控、又能让客户点头、还能让领导签字的交易结构。
你要做的，不是变成AI，而是让AI帮助你，提升你的价值。
这个系列到这里就结束了。如果你觉得对工作有一丝丝帮助，欢迎关注公众号“昆仑雪域”，欢迎转发给你身边还在“听说AI很厉害但不知道怎么用”的同事。
讲的不对之处，欢迎大家批评指正。
我在AI这条路上刚刚起步，也是小学生，咱们一起学、一起用、一起进步。
《7天AI通识计划：读懂大模型，用好人工智能》系列全部完结。感谢阅读，祝大家工作顺利，早日完成630任务目标！
