夜雨聆风工具装了一堆，效率却没提高？问题往往不在工具本身，而在用法。本文按职场人常见的 6 个任务场景，把"用什么、做到哪一步、人怎么接手"一次讲清，并附可直接复制的提示词。
别再乱用 AI 了：真正拉开差距的，真不是工具数量！
你有没有发现一件很尴尬的事？
AI 工具装了一堆，效率却没有明显提高。
DeepSeek、豆包、Kimi、WPS AI、即梦、可灵……
名字越来越熟，入口越来越多。
可真正开始干活时，还是会卡住：
这个任务该问谁？ 提示词该怎么写？ AI 给出来的内容到底能不能用？
更麻烦的是，有时候你本来只是想省点时间，
结果 AI 给你一堆看起来很完整、
但其实没法直接交付的内容。
你还要重新改一遍。
活儿没少，流程反而多了一道。
问题不一定出在工具上。
很多时候，是我们用 AI 的方式错了。
真正会用 AI 的人，
把所有任务都丢给同一个工具。
他们更像是在调度一个小团队：
谁适合做资料整理？
谁适合写初稿？
谁适合润色？
谁适合做图？
谁适合帮你检查逻辑？
AI 工具不是越多越好。
关键是你要知道：
什么场景，用什么工具，
做到哪一步，我们该在哪里接手。
下面这篇，就按职场人常见的 6 个任务场景，
把 AI 的用法讲清楚。
文末也附上几组可以直接复制的提示词。
你不需要一次学完，
先挑一个你常遇到的场景试起来，就够了。
别再乱用 AI
很多人用 AI 的第一步，就是问：
到底哪个 AI 好用？
这个问题本身就容易把人带偏。
因为大多数 AI 工具都不是全能选手，而是偏科生。
有的更擅长逻辑推理和代码分析，
有的更擅长文案表达和语气调整，
有的适合读长文档，
有的适合生成图片和视频。
如果你把所有任务都丢给一个工具，
就像让一个文案同时做财务分析、
合同审查、PPT 排版和视频剪辑。
它不是不能做，
但效果大概率不会稳定。
更好的方式是按任务拆流程。
比如写一篇文章：
先让 DeepSeek 帮你搭逻辑和大纲； 再让豆包帮你调整语气和标题； 如果需要配图，再交给即梦或其他图像工具； 最后由你自己判断：
你会发现，AI 真正带来的效率，
不是"替你从头到尾完成一切"，
而是把原来耗时间的中间环节拆开，
让每一步都有人帮你先做一版初稿。
人负责方向和判断。
AI 负责起草、整理、生成和加速。
这个分工一旦想明白，工具就不再乱了。
AI 写作：先给条件，再出初稿
很多人第一次用 AI 写文章，
都会遇到同一个问题：
它写得很完整，但不像人写的。
开头是"随着人工智能的发展"，
结尾是"总的来说"，
中间全是正确但没有记忆点的话。
这不是 AI 完全不行，
而是你的指令太像一个标题，缺少真正的写作蓝图。
DeepSeek 做结构和初稿，
豆包做润色和语气调整。
DeepSeek 更适合帮你
理清逻辑、拆大纲、找论点之间的关系。
豆包更适合把文字调得自然一点，
减少生硬的报告感。
不要让 AI 一次写完整篇。
更好的流程是：
先让 AI 出大纲； 你确认逻辑和观点； 再逐段扩写； 最后统一润色标题、开头和结尾。
这样做慢一点，但质量会稳很多。
如果你已经有了大纲，可以继续这样问：
最后再让豆包或其他工具做一轮语气调整：
这里有个关键点：
不要让 AI 替你决定文章观点。
AI 可以帮你写，
但"为什么值得写"
"要从哪个角度写"
"读者看完要改变什么行动"，
这些必须由你决定。
AI 处理表格：先问结论
Excel 是适合交给 AI 辅助的场景之一。
因为很多人不是不会分析数据，
而是卡在公式、透视表、
图表呈现这些具体操作上。
比如：
VLOOKUP 总是报错； 数据透视表不知道字段怎么拖； 想按月份、地区、产品汇总，但公式写不出来； 老板要看趋势，你却不知道该做柱状图还是折线图。
这些问题，很适合让 AI 先帮你搭路。
DeepSeek。
它更适合处理公式、逻辑拆解和数据分析思路。
不要只问："帮我分析一下这个表。"
这个问题太大，AI 很容易给你一堆泛泛建议。
你要把任务说清楚：
表里有哪些字段； 你想得到什么结果； 你希望它输出公式、步骤，还是图表建议； 有没有特殊条件，比如按月份、按地区、排除异常值。
如果你已经有 Excel 文件，也可以上传后这样问：
但要记住：
AI 给出的数据结论，不能直接拿去汇报。
你至少要检查三件事：
数据范围有没有选错； 公式逻辑有没有漏条件； 结论是否符合业务常识。
AI 可以帮你更快看见线索，但最终判断还是你来做。
AI 读长文档：带着问题找重点
如果你经常要读 PDF、合同、报告、会议纪要，
Kimi 这类长文档工具会很有用。
它适合做第一轮整理。
比如：
提炼一份长报告的核心观点； 对比多份材料的差异； 从合同里找出关键条款； 把一堆资料整理成研究综述。
这类任务耗人的，
不是阅读本身，
而是"读完以后还要重新组织"。
AI 能节省的，正是这一段时间。
Kimi。
它适合处理长文档、长上下文和多材料整理。
不要只让它"总结一下"。
"总结一下"通常会得到一篇看似完整、
但没法直接用于决策的摘要。
你要让它带着任务读。
比如你是为了写报告，
就让它按报告结构提炼；
你是为了审合同，
就让它按风险项逐条检查；
你是为了做研究，就让它标注来源和差异。
如果是合同，可以这样问：
这里要特别提醒一句：
合同、财务、法律类内容，
AI 只能做初筛。
它能帮你更快发现问题，
但不能替代专业人士的最终判断。
AI 做 PPT：先搭骨架
很多人做 PPT，耗时间的不是写内容，
而是从空白页开始想：
第一页写什么？ 逻辑怎么排？ 每一页放什么图？ 标题怎么写得像汇报，而不是像笔记？
这时候，
AI 适合做的不是直接替你
"生成一套完美 PPT"，
而是先帮你完成从 0 到 1 的结构搭建。
豆包生成大纲，WPS AI 或 Gamma 做初步排版。
先让 AI 生成 PPT 大纲，
而不是直接生成页面。
一个好的 PPT 大纲至少要包括：
每页标题； 每页核心观点； 建议放什么数据或图表； 页面之间的逻辑顺序。
等大纲确认后，
再交给排版工具生成初稿。
再进一步，可以让它优化成管理层汇报口径：
PPT 场景里，人该把关的是两件事：
第一，结论是否准确。
第二，老板看完是否知道下一步该拍什么板。
如果只是页面变漂亮，
但决策信息没有变清楚，
那就不是一份好汇报。
AI 管日程：拆任务、排优先级、留缓冲
AI 不只适合写东西，也适合帮你整理工作。
比如你每天早上打开电脑，
脑子里同时装着十几件事：
下午要开会； 有个方案还没改； 客户消息要回复； 周报要写； 还有两个临时需求插进来。
这时候，真正难的不是"记住这些事"，
而是判断先做什么、怎么拆、每件事要花多久。
DeepSeek 或豆包。
如果你习惯用飞书、Notion、滴答清单，也可以让 AI 先帮你整理成可复制的待办格式。
把任务、截止时间、重要程度和可用时间都告诉 AI。
不要只说："帮我安排一下今天。"
你要让它知道你的限制条件。
如果你经常拖延，可以加一句：
很多时候，人不是不想做，
而是不知道从哪一步开始。
AI 的价值，
就是帮你把"一个很大的任务"，
拆成"现在就能开始的一小步"。
AI 做学习计划：目标、练习与反馈
AI 也是一个很好的学习教练。
但前提是，你不能只问：
"我想学 Python，怎么学？"
这个问题太大了。
更好的问法是：
我是谁？
我现在会什么？
我想用它解决什么问题？
我每天能学多久？
学习计划怕的不是不完整，
而是不适合你。
DeepSeek、豆包、Kimi 都可以。
如果你要学的是一个工具或技能，
可以用 DeepSeek 拆路径；
如果你手里有很多课程资料，
可以用 Kimi 整理材料；
如果你想练习表达和写作，
可以用豆包陪你改作业。
如果你学到一半卡住，也可以这样问：
学习这件事，
AI 有用的地方不是给你一堆资料。
资料从来不缺。
缺的是路径、反馈和持续推进。
普通人的 AI 使用口诀
如果你只想记住一套简单的方法，
可以记这 5 句：
1. 先说角色。
告诉 AI 它要以什么身份工作。
比如：
"你是一位有 8 年经验的公众号主编。"
2. 再说任务。
不要只说"帮我写一下"，
要说清楚:
写什么、给谁看、用在哪里。
3. 补充背景。
你掌握的信息越具体，
AI 输出越靠谱。
4. 明确格式。
让它按表格、清单、步骤、标题结构输出。
格式越清楚，越方便你直接使用。
5. 反复追问。
第一次输出只是草稿。
真正好用的结果，
通常来自第二次、第三次追问。
你可以这样继续问：
很多人用不好 AI，
不是因为工具不够强。
而是因为提问太模糊。
你给它一句"帮我写个方案"，
它只能给你一份普通方案。
你告诉它客户是谁、
目标是什么、
已有素材有哪些、
老板关心什么、
输出格式是什么，
它就能帮你省掉大量重复劳动。
所以，真正会用 AI 的人，
不是会收藏多工具的人。
而是更会定义问题的人。
AI 工具每天都在更新。
今天是 DeepSeek、Kimi、豆包、WPS AI，
明天可能又会出现新的名字。
但底层能力不会变：
说清楚问题
给足上下文
检查输出结果
再把它变成自己的判断。
这才是普通人真正应该学会的 AI 能力。
👇 互动时间
你现在用得多的 AI 工具是哪个？
核心痛点是什么？
评论区告诉我，我来帮你定制一个专属提示词。
如果觉得有用，
也可以转发给那个还在手动做 PPT 的同事。
可能真的能给他一些启发。
关注「知一与AI」，一起重构高效能！
如果今天这篇对你有启发，点个「赞」和「在看」，
把时间还给自己，也转给那个还在手动翻 Excel 的朋友。
| 点赞 | 在看 | 星标 |
THANKS FOR READING
本文图片由AI生成，感谢我的AI搭子，知墨&知文！