别急着学工具，先选一件想做成的事。

先缩小问题，而不是扩大工具清单

“我想用 AI 提高效率”很难开始，因为它没有明确的结束点。换成“把这次访谈整理成一份能直接用于写稿的资料”，你就能判断下一步需要什么。工具可以稍后再选，任务必须先说清楚。

这里还有一个容易忽略的问题：你想提高的到底是哪一段效率？找资料慢、理解材料慢、组织表达慢，处理方式不一样。如果把这些问题都塞进一句“帮我做内容”，最后很难判断究竟哪一步出了问题。

我更建议把第一项任务放在一段看得见的交接里。例如，访谈录音交给整理者，整理结果再交给写稿者。先让 AI 帮你完成其中一段，并说清下一位接手的人需要什么。这比一开始就搭完整自动化，更容易看见真实价值。

第一项任务，怎样选才不容易半途放弃？

可以先看几个条件：最近会不会再次发生；手里有没有可用材料；你能不能辨别结果好坏；做错以后是否容易修改。不一定每项都完美，但如果连结果对不对都判断不了，就不适合拿来做第一次尝试。

“根据三份访谈，整理受访者原话与待追问问题”有明确材料，也能回到原文检查。“自动帮我制定全年增长战略”则涉及目标、预算、客户和组织判断，缺少这些背景，输出再完整也可能只是看着像方案。

偶尔做一次、手工几分钟就能结束的任务，也未必值得自动化。搭建和维护本身有成本。第一轮可以先手动跑通，等它真正重复发生，再考虑把哪些要求固定下来。

用四句话，说明你的第一项任务

我手里有什么材料？我希望得到什么？哪些事情不能改？我用什么标准检查结果？这四句话，比一句“帮我优化一下”更接近能执行的工作要求。

• 输入：一份访谈逐字稿和产品介绍。
• 输出：按主题整理的材料，以及仍需追问的问题。
• 约束：保留原话含义，不补写没有依据的经历。
• 检查：关键观点能回到来源，疑问与事实分别列出。

这张任务卡最好再补一个“交给谁使用”。如果资料最后给写稿者，他需要的是有出处的观点、可用例子和信息缺口；如果交给项目负责人，他可能更关心已确认事项、分歧与下一步责任人。同一份输入，服务对象不同，合格输出就不同。

用一个例子，把“做好了”说具体

下面是练习示例，不是客户交付记录。假设你要把一份访谈整理成写稿资料，第一版要求可以这样写：按主题分组，每组保留原话及段落位置；事实、受访者判断和整理者推断分开；没有谈到的内容列入问题清单，不自行补齐。

检查时，不要只问“总结得像不像”。抽出几条核心观点回到原文，看限定条件是否还在，是否把“可能”改成了“一定”，是否把一个人的经验扩大成了行业结论。再让下一步使用者看一眼：拿到这份资料，他是否仍要重新翻完整篇访谈？

如果还得从头翻，先看缺的是来源、分类还是原话。把具体问题写回要求里，通常比反复说“更准确、更专业”更有用。

做一轮，再决定要不要自动化

第一轮允许手动补资料、修改要求和检查结果。先找到真正有效的步骤，才有内容可以沉淀为工作流。一次对话不顺利，也可能说明任务没有拆清楚，不一定是模型不够好。

还要把检查和返工算进去。AI 生成一份结果很快，但如果你要花更久逐句重做，它就没有帮你省下这项工作的总成本。可以简单记录：准备用了多久、生成用了多久、检查和修订用了多久，以及下一步能否直接接着用。不必急着换算一个漂亮的提效百分比。

遇到错误，先分清原因。资料缺失，就补资料；判断标准含糊，就补一个合格与不合格的对照；步骤太长，就拆开检查。只有当这些条件已经相对清楚，结果仍不符合需要，再考虑工具能力是否适合这项任务。