我越来越少学怎么使用 AI 工具了,开始认真练这 5 种能力

我现在越来越少收藏新的 AI 工具了。

工具我还是会学，只是看到一个新产品时，我不再急着把教程从头抄一遍，而会先想手上的哪件工作真需要它。

过去一段时间，我做过园区招商内容，也参与过企业知识库、AI 生图工作流和项目预警。用到的产品很多，反复出现的难题很少。

需求没有问清，AI 会把空白补满。资料没有结构，再强的检索也找不到该给谁看的内容。流程断在工具之间，人还得回来搬数据。

我把这些项目重新看了一遍，留下了五种值得长期练的能力。

— 追着更新跑，教程越来越多，手里的任务还停在原地。

领导曾让我做一项园区招商内容。第一版很快。方向也偏得很快。

当时能确认的缺口很具体。相关案例没有进入任务，我已经开始往下写。页面有结构，内容也像一份成品，决定方向的材料却没有到位。

后来我先用了讨论类 Skill，把问题摊开，又补进一版相关 PPT。这次经历让我多了一个习惯。收到任务以后，我会先找那些一旦改变，整份结果都要重做的信息。

目标读者是谁，现有材料能证明什么，最后由谁验收，这些问题比语气和字数更早。

这项能力可以叫需求澄清。日常工作里，它更像是知道什么时候该停一下，别让 AI 把没决定的事情写成事实。

我服务过一家 90 人以上的科技企业。销售记录原来放在 WPS 里，新人培训资料散在不同部门。

我为他们搭建 Agent 知识库，设计字段和权限，配置自动化，并迁移原有数据。培训资料按部门重新整理，新人终于有了统一入口。

按客户内部的项目口径，新人培训周期后来从 3 个月缩短到 1 个月。

知识库产品提供了存放和检索能力。哪些资料属于哪个部门，谁能看，内容应该沿着什么顺序被新人找到，仍然需要人来整理。

会整理信息的人，换一个知识库也能继续做。只会点击某个产品入口，工具一换，经验很容易跟着清空。

一家教育机构最初想处理教师培训和课后总结。现场内容需要留下来，记录也要整理。还差复习。

如果工作停在记录完成，复习的人还得自己从长内容里找重点。于是我继续看整理之后的下一步，把 AI 听记、智能硬件 Aone 和知识要点提炼 Prompt 放进同一段工作。

现场内容被采集、整理和总结，随后继续服务课后复习。客户最后叠加购买多项相关产品，实际签约超过 8 万元。

这笔成交对应的是这家教育机构当时的组合采购。对我更有用的提醒，是一项需求做完以后，使用者马上还要做什么。

能够看见下一步，单个工具才有机会组成一段完整的工作。

— 五种能力共同托住一份可以继续交付的结果。

数据得先走出去。

电商生图项目里，我们把 Prompt 输入、模型调用和图片生成放进钉钉 AI 表格，AI 字段接入国内外生图模型，原来分开的动作变成一条可以再次运行的工作流。

项目记录显示，同等时间图片产出翻倍，单图耗时减半，成本从约 3 元降到约 0.3 元。

另一个项目里，我通过禅道 RESTful API 与 CLI，把任务、进度、Bug 和逾期数据同步到 AI 表格，再让群机器人发出预警。

普通人未必都要学会写复杂代码。至少要能看见工具之间的断点，知道哪些数据还在靠人复制，哪些提醒每天都在重复发送。

AI 很擅长把一份材料做得完整。园区招商的第一版已经提醒过我，完整和可交付之间还隔着检查。

我现在看 AI 产物，会确认它用了哪些来源。接着看里面有没有未经确认的假设，最后再找到仍然需要拍板的人。

群机器人可以发出逾期预警，项目负责人仍然要判断延期原因。生图工作流可以批量出图。图片是否符合商品要求，人还得验收。

这项能力听起来不新鲜，承担交付的人每天都在做。AI 把产出速度提高以后，检查会更重要。错误也能被更快地复制出去。

— 工具头可以更换，任务、检查和交付仍然继续。

新工具当然值得学。它们会减少重复动作，也会打开以前做不到的事情。

我只是把学习顺序改了。

先拿手头一个真实任务，写清它要解决什么问题。再把已有材料整理出来，顺着使用者的下一步把流程接好。结果出来以后，检查来源、假设和验收边界。

做到这里，再去找能帮上忙的工具，教程会变得很好挑。你知道自己为什么学，也知道学到哪一步就够用了。

我是 35号底牌，持续记录企业 AI 的真实落地过程。