AI 助理进入日常：一套可复制的工作流

很多人觉得 AI “很强但不稳定”，问题不是模型能力，而是你没有给它明确的“工作边界”。我把 AI 当成团队成员，用流程约束输入与校验，输出会更稳定。

工作流总览：先定结果再定提示

我的基本结构是：目标定义 → 输入包 → 角色输出 → 质量校验 → 复盘沉淀。

1. 目标定义：量化输出标准

把目标写成可检查的形式：

• 输出受众是谁？（老板/同事/客户）
• 需要什么格式？（方案、摘要、清单、表格）
• 关键指标是什么？（长度、准确率、可执行性）

2. 输入包：先把事实喂给 AI

AI 最大的问题是“自信地瞎编”。解决方法就是先提供输入包：

• 时间线、数据点、会议结论
• 不能犯错的限制：比如价格、流程、合规条款
• 要用的语气：正式/中性/简洁

3. 角色输出：让 AI 扮演不同职责

我固定三个角色：

1. 研究员：整理事实与背景，输出要点清单。
2. 草拟员：按结构生成初稿。
3. 检查员：用清单逐条核对逻辑、事实和语气。

每个角色的 prompt 都很短，但固定，让它成为“技能脚本（skill script）”。

4. 质量校验：用清单而不是感觉

我的检查清单里固定三个问题：

• 有无关键事实缺失？
• 有无结论没有证据支撑？
• 是否能被直接执行？如果不能，缺了哪一步？

把清单写进提示里，让 AI 先自检再复核。

实战案例：一份需求评审摘要

我需要对 1 小时评审会做摘要。我的流程是：

1. 输入包：会议纪要、关键决策、风险点、负责人。
2. 研究员输出：列出“目标-结论-风险”三组要点。
3. 草拟员输出：按“背景/结论/待办”结构生成摘要。
4. 检查员复核：要求逐条对照会议纪要，标记不确定内容。

最终摘要质量显著提升。

建立自己的 skill 清单

把常用场景做成 skill 清单，比如：

• 周报输出
• 方案摘要
• 竞品对比
• 会议纪要整理

每个场景都固定一套提示模板，逐步形成你的“AI skill map”。

常见坑

• 直接让 AI 生成，不给事实输入
• 不设成功标准，导致输出不可评估
• 只用一个 prompt，不做角色分工

当你把 AI 放进流程里，它就会稳定得像一个靠谱的协作者。