夜雨聆风7 月 29 日晚，我和深蓝君做了第二场视频号直播，聊“给 HR 的 AI 产品推荐与真实使用心得”。
原本是一次工具分享，聊到后面，问题很快从产品名字回到了工作本身：
写材料、做课件、处理数据，应该分别用什么工具？
已经会用大模型对话，HR 有必要学 Codex 和 Vibe Coding 吗？
同一项工作，做一次分析和做成每周稳定运行的看板，有什么不同？
个人资料可以放进知识库，公司制度、员工数据和候选人信息又该怎么处理？
我们没有回避具体产品。Codex、千问办公、workbuddy、Kimi、Claude、Grok、豆包，以及办公平台里的 AI 能力，都结合当时的真实使用讲了优点和局限。只是直播越往后，我越确定：这些体验要带着日期看。
同一个工具，换一个任务，答案就会变
直播里，我们从文字、PPT，一直聊到图像和视频。
写一篇文章，模型当然重要。但真正让结果逐渐像你，靠的是另一套过程：给它看你认可的历史内容，自己完整读一遍并修改，再把修改前后的差异交回去，更新下一次使用的规则。
这比加一句“去掉 AI 味”慢一点，却更有可能留下自己的表达。
做 PPT 也一样。有人需要的是一个可以交给同事继续修改的 PPTX，有人需要的是一场有动效、有交互的 HTML 演示。交付对象不同，应该选择的工具和 Skill 也不同。
图像和视频则更考验前置准备。脚本、分镜、人物和风格参考、关键帧没有先确定，模型再强，也容易在反复抽卡里消耗时间和预算。
任务不同，合适的工具、上下文和交付方式也不同。
从“能生成”到“能交付”，中间还要补工程
这场直播里，我花了不少时间聊 Vibe Coding。
到这场直播时，AI 已经可以根据自然语言快速写代码、搭页面、做出一个可以演示的原型。这对 HR 很有价值。过去只能停留在想法里的招聘小工具、培训运营页面、知识查询入口，现在可以先做出一个小样，拿到真实工作里验证。
但页面跑起来，不等于系统可以上线。
需求、架构、测试、部署、账号权限、异常处理、安全和后续维护，都会在真实使用中冒出来。一个黑客松作品可以证明想法可见，不能证明它已经适合承载生产数据。
数据分析也有同样的区别。一次性看一份表，重点是快速理解问题；每周稳定更新一张经营看板，就必须固定指标口径、数据范围、刷新机制和检查标准。
HR 可以从边界清楚、风险可控的小工具开始。先验证工作方式，再决定要不要继续做成共享系统。
工具要留下来，得进入一套工作系统
直播后复盘时，我把这些现场判断重新放回到自己正在使用的一条公式里：
先明确目标和边界，再用合适的运行环境组织提示、上下文和模型，最后通过执行、检查和反馈不断校正，直到结果达到标准。
模型只是其中一部分。目标没说清、上下文不可信、没有人验收，换一个更贵的模型也未必能解决问题。
AIGC一次内容结果
Skill反复验证的方法
Vibe Coding共享状态、记录和界面
数字员工在明确权限内持续运行
这四种应用可以独立使用，也可以组合。它们不是必须逐级通关的能力等级。
模型只是系统中的一部分，目标、上下文、验收与反馈共同决定结果。
个人提效进入企业，还要穿过一条任务链
直播后半段，我们从个人工具聊到了 Workflow、Agent 和企业知识库。
企业可以先找一项在时间、成本、风险或业务结果上足够昂贵的真实任务，而不是急着“做一个 Agent”。找到它以后，再画出从输入到结果的完整链路，看看哪些地方在等待、返工、丢信息，哪些动作可以交给 AI，哪些判断必须由人负责。
招聘就是一个典型场景。AI 可以帮助整理简历和面试记录、提取证据、提示差异，但招聘标准、候选人判断、Offer 和敏感沟通，仍然要由明确的人确认并承担结果。
知识库也不能只理解成“把文件都上传”。个人知识库更看重开放格式、可携带和持续迭代；企业知识库还要处理来源、版本、权限、安全、审计和更新。公司资料、员工信息与候选人数据，不能无条件进入个人知识库。
直播结束后，我把这件事又做了一遍
这场直播持续了 1 小时 43 分。结束后，我把回放做了全量转写，再逐段回看。
我没有把直播里提到的产品排名直接当成长期结论。价格、额度和模型能力变化太快，它们更适合保留为带日期的使用体验。真正值得留下来的，是工具选择、稳定交付、知识沉淀、任务链和人工确认这些跨产品仍然成立的方法。
这个过程本身就是一条知识积累链：
一场直播如果只留下回放链接，很快会被下一次更新淹没。它进入知识库、Skill 和下一项真实工作以后，才可能继续产生价值。
带一件真实工作来
8 月 8 日，我会和深蓝君在上海做一场全天公开课。我们会把直播里来不及展开的个人 AI 工作方式、四类应用选择和企业 AI 转型，放进 HR 熟悉的真实任务链里。
