夜雨聆风行业经验 · AI 工具
我是如何把十年的省级交通规划咨询行业经验，全装进了一个 AI 工具里？这套工具使我一天只需要1-2小时应付工作。
最近要写一份技术标书，招标文件一百多页，评标办法细则二十项，交稿时间 48 小时。
以前遇到这种东西，我一般是这样安排的：读招标文件、拆评分项、列提纲、一章一章憋内容、调格式、反复改——两天下来，眼睛是红的。
这次我把招标文件丢给 AI，两分钟出了初稿，然后花了半小时通读、改几个数据、加几句本地化的表述。
同一份招标文件，同一个人来写，产出的时间效率从 2 天提升到 30 分钟，效率提升几十倍。
因为之前是我花了 2 周时间，把自己这十多年行业经验喂给了 AI。
多数人用 AI 的方式，错了
大多数人用 AI 的方式是这样的：遇到问题，开个对话框，打一句"帮我写个标书"，AI 给出来一份看起来不错但没有任何实际价值的东西，然后他们说"AI 还是不行"，关掉，自己再重新写。
问题不在 AI，在他们从来没有把自己"知道要什么""怎么做"这件事用语言说清楚。
我干这行十几年，一开始也觉得"没法标准化"
我干交通规划咨询十几年，写了不知道多少份汇报材料、立项报告、投标文件、课题报告。一开始我也觉得这些东西"没法标准化"——每个项目不一样，怎么套模板？
后来我先做了一件事：把手头几十份真实标书拆开来比对。
很简单的规律：标书的目录结构，永远和评标办法的打分项一一对应。评委拿着评分表打分，标书结构对不上，内容再好也拿不到分。我先拿了三份完全独立、互不参考的真实标书来验证——不同的人写，面对同一份评标办法，写出来的目录几乎一样的（写过的都知道）。
这就是藏在这件工作里的骨架。
没找到骨架，AI 只能写"像那么回事"的东西
每一份看起来"没法标准化"的工作，深挖下去，往往都有一套相对固定的评价标准在驱动它——领导审批习惯、客户验收逻辑、行业不成文的规矩。这套东西是行业内天天在执行、却从来没有把它写出来过的隐藏规则。
没找到这层骨架之前，AI 只能帮你写"看起来像那么回事"的通用内容。找到骨架之后，AI 才能写出"内行一看就知道懂行"的东西。
结构对了，只是让 AI 不跑偏。真正让人一眼认出"外行写的"还是"内行写的"，是骨架里填的东西。
比如有些非常简单的点：向上级汇报时引用的政策依据，层级必须比听汇报的人高。向本单位领导汇报可以引省级依据，向上级政府汇报就只能引国家级，引低了等于没引用。这种细节，你去问任何通用 AI，它给不出来，因为这不是知识，是经验。
接下来，我开始"访谈自己"
接下来我把自己十几年攒下的这些判断，一条一条讲给 AI 听。这个过程说白了是"访谈自己"——找一个安静的时间，把脑子里那些"为什么这么做""新人为什么总在这里露馅"的判断口述出来，让 AI 帮我整理成结构化的条目。
攒够几十条甚至几百条，我的 AI 就不再是通用助手，而是"懂你这行的助手"，甚至是另一个"我"。
跳过这一步、直接让 AI 套模板，产出的东西就是那个感觉——"看起来对，但没有那味儿"。领导、同事一眼就知道是 AI 写的。
规则讲完，别以为可以收工了
第一次让 AI 生成完整详细版标书：17 页。
我参照的真实详细版标书：98 页。
这时候我才意识到，"讲清楚规则"和"讲清楚规则的执行力度"是两回事。
接下来让 AI 继续逐字逐句对比：页数差在哪、字数差在哪、是不是靠图表撑起来的、每个论点该展开到多长。
它也犯过不少判断错误：一度以为详细版靠的是"多用表格"，实测发现表格反而更省页面；一度以为靠"字号行距"，实测这也不是主因。最后找到真正的差距：每一条分析、每一条措施，别人写的是一整段完整论述，含依据、路径、预期效果；AI 写的是一句话带过。
指望 AI 一次就懂，是幻觉。
AI 第一次给你的产出，大概率是"及格但不到位"的。你得拿它去对照真实标准挑毛病，然后把挑出来的毛病变成新规则，再喂给 AI。这个循环走个两三轮，产出质量才会有质的飞跃。
最后一步：把经验固化成可复用的流程
规则摸清楚了、测试跑通了，最后一步是把它们固定成一份可以反复调用的操作说明，而不是每次开新对话重新解释一遍。
这件事很多人不做。他们以为"我上次跟 AI 说过了"——AI 不记得。每次都是新对话，每次都要重新理解你的行业规矩，效率提升是一次性的，不会积累。
把这套东西写成可以直接调用的固定流程，下次遇到新的招标文件，AI 看到的第一件事不是"我该怎么写标书"，而是"这份招标文件对应的是我已经跑通的那套流程里的哪一步"。
这套方法，跟行业没有关系
财务、HR、律师、产品经理，做的事情完全不同，但每一份工作里大概率都藏着类似的骨架——真正的门槛不是学会用 AI，是愿意花时间把自己脑子里的经验倒出来、说清楚、打磨成可以反复执行的东西。
这个过程需要投入，但投入是一次性的，回报是持续的。
Skill 的上限，就是人的经验上限
当然，Skill 人人都可以做，但做出来也不完全是一回事。
同样是做交通规划咨询 Skill，一个干了二十年、在国家级规划院待过的人装进去的，和一个工作两年、在区县规划院的人装进去的，放到 AI 里跑出来的结果是两种完全不同的东西。不是工具的差距，是经历的差距、视野的差距。工具只是把你脑子里的东西放大执行，你脑子里装的是什么，放大出来的就是什么。
一个院士级的专家，他的判断里有别人没经历过的层级，见过的项目失败模式、政策博弈逻辑、评委的真实偏好——这些东西提炼进 Skill 之后，和一个刚入行的人把课本知识整理进去，根本不是同一个东西。
Skill 的上限，就是这个人的经验上限。
这也是为什么我说 Skill 的价值在于"业内资料和经验的提炼"——不是说 AI 工具本身多先进，而是十几年真实判断，不是搜索引擎上能找到的公开信息的平均值。你用一个有真实行业积累的 Skill，和你自己随手攒的 Skill，跑出来的结果是能看出差距的。
我做的这套东西，叫 jt-skills
我自己做了的这套东西，整理出来之后叫 jt-skills。
背景说一下：我在上海、浙江、江苏三地省级规划院都做过，同时在省级交通主管部门挂职五年，这些年攒下来的行业判断，提炼成了 70+ 条结构化的知识原子，做成了五个可以直接调用的 Agent skill。
jt-bid标书生成
文章里提到的标书生成就是这个。结构对应评标办法评分项，支持详细版和简易版（懂的都懂）。
jt-report汇报稿
向本单位领导、上级政府、专家评审，三种场合结构和引用层级完全不同，按对象自动切换。
jt-plan课题选题与立项策划
先摸清这十多年来国家、省级交通行业已做过的规划课题，然后结合新的方向找空白，选定题目后直接出文书。
jt-check稿件批改
逐条给问题、行规依据、可替换的改法。
jt-knowledge文风学习与记忆
贯穿全程——它学你汇报单位的文风，记住每个课题的进度和上次业主的意见，跨对话不丢，下次生成的稿子里自动体现。
背后是什么——知识原子库
每条原子是一个可独立使用的行业判断，比如前面提到的那条"引用政策依据必须比听汇报的人层级高"，就是一个原子，结构化存着，调用的时候 AI 按场景检索。目前 70 多条，覆盖汇报、标书、策划书三条线，后续还会增加详细研究报告，不断更新。
Skill 的安装也非常简单，把 zip 文件拖进任何一个 AI 平台对话框，说"帮我安装这个 Skill"，就能使用，当然效果也取决于是哪个模型。
你也可以做自己的 Skill
看到这里，相信你可以自己做一个自己的 Skill 了。
如果你刚工作一两年，想少走点弯路
我打算把这套十多年的行业 Skill 卖掉，有两个原因：
一是补贴家用——这套东西持续维护要花真实的时间成本；二是筛人——付费是最简单有效的门槛，进来的都是真想用的人。
费用是 365 元，一天一块钱，换我十多年行业经验——因为一年后这个行业就可以不存在了（开个玩笑……）
如果你不幸和我一样还在干这行，想应付手上的工作——
后台发送「交通Skill」
省下来的时间，去做什么？
一是尝试搞搞副业； 二是去陪孩子和家人； 三是去学习，准备转行，迎接新一轮科技革命做准备……
一天的工作用 1-2 小时干完，剩下的时间都是你自己的。
— END —
十多年行业经验 · 凝练成可调用的 AI Skill
