ARTICLE · 985096
AI 工具越简单,底层理解反而越重要
AI 工具越简单,底层理解反而越重要昨天用 WorkBuddy 的应用市场做了一次抖音账号分析，有个感受特别直观： AI 工具进化的速度，已经超过了我们学习工具的速度。 去年做对标账号分析，我用的是扣子加飞书多维表格。 先在扣子里搭工作流，调用插件抓取抖音链接，再接一个文案提取器，把视频里的内容转成文字，最后写进飞书多维表格。 在表格里放入一个博主 ID，就能陆续拿到他的视频链接、标题、文案和画面信息。 这套流程不算复杂，但每一段都要自己接。数据从哪里来，下一步流向哪里，中间出了问题该查哪个插件，都得自己搞明白。 今年再做这件事，简单了很多。 WorkBuddy 里有两个插件，一个叫“抖音内容抓取”，一个叫“抖音文案提取”。把它们组合起来，输入博主 ID，系统就能抓取当时可访问的视频、链接和标题，再提取文案，最后直接生成一个网页。 博主信息、置顶视频、视频链接和对应文案都在里面。过去费劲搭出来的那张飞书多维表格，现在几步就完成了。 
第一反应是：去年学的那套东西，好像白学了。 但真用起来会发现，恰恰因为以前搭过那套工作流，我才知道应该找哪两个插件，也知道它们为什么要这样组合，最后出来的结果到底对不对。 如果完全没做过，哪怕两个插件就摆在面前，你可能也不知道该选谁，更不知道少了什么、错在哪里。 我说的底层，不是懂代码，也不是懂模型，而是你知道这件事原来是怎么干出来的：先找内容，再拿链接，再提文案，最后整理成一个能用的结果。 哪一步少不了，哪一步出了问题该回头查。流程在脑子里，外面的工具怎么换，其实都没关系。 
自动化一直有一个很有意思的悖论：机器接管的工作越多，人越会从执行者变成验收者。 以前你要亲手完成每一步，现在不用了。但最后的结果能不能用，有没有遗漏，哪里可能出错，还是要靠人来判断。 提示词也是一样。 去年写提示词，还要认真设置角色、任务、步骤和输出格式。现在很多时候只要用自然语言说清楚需求，AI 就能找到对应的 Skill。 提示词并没有消失，只是被装进了 Skill 的文件里。 角色是谁、工作流怎么走、结果按什么格式输出，这些内容仍然存在，只是不再需要我们每次从头写一遍。 
AI 的发展方向，就是不断把操作藏起来。 所以，不是工具不用学了。工具当然要学，因为只有真正用过，你才知道一项工作是怎么被拆开的。 但学完之后，应该留下的是流程，不是界面；是判断，不是按钮；是知道自己要什么，而不是记住某个软件该怎么点。 具体工具的保质期会越来越短。 今天还是工作流，明天可能变成插件，后天连插件都不用选，只要说一句话，AI 就把事情做完了。 但无论工具怎么变，你总要知道自己在解决什么问题，也总要有能力判断，它交出来的到底是不是你想要的结果。 学过底层的人，换工具只是换个界面。 没理解底层的人，工具越简单，越容易把“能跑通”误以为“做对了”。
一、去年还在搭工作流，今年两个插件就够了
二、真正留下来的，是对流程的理解
三、提示词没有消失，只是被装进了 Skill