6个真实案例，让AI成为生产力

7月11日晚，在北京郎园，得到AI学习圈AI落地大会的活动现场，我和得到创始人罗振宇，邀请了6位实干家嘉宾，现场分享他们在真实的工作和生活中，用AI解决问题的故事。

他们就是我希望看到的AI落地的样子，不是讲那些高精尖的概念，而是说实实在在发生在你我身边的改变。

如果你关心：咱们普通人，怎么才能把AI用成生产力，来提升效率、解放自己，以下6位实干家的实践方法，供你参考，希望对你有帮助。

石云：怎么用AI激发孩子兴趣？

大家好，我是得到AI学习圈的同学石云，同时也是一名二年级小学生的妈妈。

不知道家长们有没有同样的感受，就是随着孩子的长大，他们每天都会有很多的疑问和好奇。我猜很多家长，也已经在使用AI来解答孩子的这些疑问了。

我分享一个我儿子在厨房里向我抛出的一个小问题。

有一天上午，孩子在厨房煎鸡蛋，然后突然扭头问我：“妈妈，为什么锅里水都没了，油还在呢？”

过去我也像很多家长一样，会把孩子的问题立刻发给AI，让AI替我回答。

AI秒回了一个百科式的标准回答“水沸点低蒸发快，油沸点高蒸发慢。”

然后呢，问题到这儿就结束了。

你有没有发现，它特别像我们小时候的“填鸭式”教育？AI成了一个权威的老师，它把知识要点告诉你，然后说“记住就行了”。

在这个场景里，孩子只是在被动地接收一个知识点，而且这种枯燥的回答，极有可能就把孩子的学习和探索的兴趣都浇灭了。

这也是我们家长在孩子学习上面临的更底层的难题，那就是我们到底该如何激发孩子的学习兴趣？

所以我经常会思考，除了拿AI当超级答题神器外，我们能不能用AI来点燃孩子的好奇心，让AI在学习兴趣这件事上发挥作用呢？

带着这个问题，我上AI学习圈寻找新的方法。在学习圈里，我看到了AI在各行各业的真实应用，接触到了不少像dify、Coze这些好用的工具。我跟着尹会生等几位老师的课程，搭建了自己的智能体助手；和渊老师的教学案例，也给了我不少将AI用到教育中的灵感。

我也意识到了一件非常重要的事，要想用AI成功激发孩子的学习兴趣，绝不是直接给答案、抛知识，而是应该引导孩子一步步思考，让他能够主动探索下去。

所以，我第一步探索实现的，就是让AI来扮演一个向孩子提问的人。

怎么做呢？我先用Coze搭建了一个“AI学习教练”智能体。

大屏幕上是我给学习教练的设定，最核心的要求就是不准直接给答案，而是扮演孩子的学习教练，从第一性原理出发，不断追问启发孩子进行思考，找到现象背后的本质。

大家可以对比感受一下。同样的问题，“为什么水蒸发了而油没有”，之前AI是直接给出答案，现在更像是一个教练在提问和启发孩子自己想：

AI教练没有直接回答，而是反问孩子：“你观察到了现象，这很好。你觉得水和油最根本的不同可能是什么，才导致了这种情况？”孩子思考了下，觉得是“沸点不同”；AI教练马上追问：“那你能再深入想想，为什么沸点不同就会让水蒸发了油还在呢？”

在AI教练的引导下，孩子快速开动脑筋，最后，他试探着给出了自己的结论：“可能是水和油的结构不同？”

这个过程里，AI不再是一个回答机器，而是变成了一个提问者和引导者。让我更开心的是孩子的改变，不是因为他答对了这个问题，而是因为我看到，一颗叫做“思考”的小火苗，正在被AI教练点燃！我认为这比他记住标准答案都要珍贵一万倍。

不过，故事到这里还没结束。

我趁热打铁追问孩子：“那水和油的结构，到底有什么不一样呢？”孩子一下愣住了，答不上来。

我意识到，孩子能说出“结构”这个词，不代表他真的“理解”了结构是什么，而且分子结构本来也是肉眼看不见的。

我继续思考：有没有可能用AI让这些抽象的知识变得更好理解？能不能用AI直接给孩子设计一个小实验？

几经探索，我发现了一个很好用的AI智能体平台Flowith，它能把抽象的知识直接可视化，变成一个孩子能直接点击的、好玩的游戏化互动网页。

实现起来也非常简单，我只需要讲清楚我要什么，呈现什么效果，Flowith就会自动规划和执行，并呈现最终结果。感兴趣的家长也都可以去试试。

比如前面水和油的结构问题，我只要和Flowith说，“请你创作一个网页，给一个2年级的孩子模拟水和油在锅里是否会蒸发的实验，并通过问答互动、动手实验等交互设计，帮助孩子理解水和油的区别，引导孩子自己找出答案。”

Flowith接到任务后，就自己规划执行，并快速生成了一个“水油蒸发实验”的互动学习网页。来直接看看效果：

当孩子在网页上动手完成了这个实验，他终于真正“看”懂了水和油的不同。

惊喜的是，他的好奇心又被点燃了，一个新问题马上冒了出来：“妈妈，那水在低温下能结冰，油也可以吗？”

通过这次的水油实验，孩子还对分子、对化学元素产生了浓厚的兴趣，后来逛书店，他还给自己选了两本书，分别是《化学元素》和《分子共和国》来进一步学习。

而且孩子对越来越多的问题产生了好奇，AI教练和Flowith也在持续激发他的探索兴趣。

他的问题也越来越有趣，比如他会好奇火星和地球的距离，会与AI教练去探讨和推算，我也会用Flowith帮助他更好理解地球和火星的公转、自转。

孩子还会和AI教练探讨很多数学问题，大家可以看下面这张图，这是孩子提出的第一个数学猜想，为了验证自己的这个想法，他还和AI教练展开了一番辩论。

你看，借助AI，一个奇妙的学习飞轮就这样被启动了：孩子因为好奇而主动提问，在AI教练引导下发散思考，通过AI模拟实验做验证，最终得出结论，再进一步引发新的好奇和提问。就这样，孩子每天都会有很多新问题、新探索和新追问，真正有了学习兴趣。

所以，我想说，AI不是答案的终点，而是探索的起点。

各位家长，如果你们还只把AI当成有问必答的答题神器，那就太浪费了！AI最大的价值，是成为孩子的思维教练和成长伙伴。

我不是技术大牛，也不是教育专家，我只是一个普通的妈妈，但幸运的是，我在一个“不断有人点灯”的圈子里待得够久，看见了很多AI赋能教育的场景，也看到了AI让普通家庭实现因材施教的更多可能。

这也是我今天分享的意义——我从学习圈老师和同学们的分享中获得灵感，今天也把我的实践心得分享给大家，希望能启发更多像我一样的父母。

谢谢大家。

罗易：一个人如何用AI制作文旅宣传片？

大家好，我是得到AI学习圈同学罗易，本职工作是一名电气工程师，干嘛的呢？其实就是管输电的。我今天要分享的内容和我的职业……可以说是一点关系也没有。

半年前，我在网上看到一个影片创作大赛，主题给北京亦庄做一个宣传片。当看到那笔5000元的奖金的时候，我心动了。

心动过后我马上就冷静下来了，这里头的挑战可不小。

因为是文旅宣传片，肯定不能没有实景画面吧？但是一旦涉及到实拍素材，执行复杂度和成本就蹭蹭蹭地往上加。

我从影视专业的朋友那里了解到，一支传统意义上的宣传片，至少要组一支10个人的团队，包含导演、摄影、灯光、剪辑师等不同的工种.......除此之外，我还要去租场地、租设备，光工作人员的伙食费一天就得500块。

再看一看自己手上的资源，根本不够。更要命的是，我平时生活在上海，距离亦庄1300多公里，我自己都没去过亦庄，怎么在规定时间内做出一支像样的宣传片呢？

好在，我们生活在AI时代。借助AI，我们就有办法突破自我，去做之前完全不敢想、不会做的事。

我开始了一番学习和摸索。在尝试用AI制作视频的过程中，给我最大信心的是秦阳老师的课程《如何用ChatGPT绘制一部漫画》。这门课让我对AI做图有了基本的认知，更重要的是，秦老师的一句话在我心里埋下了种子： “即使你不会画画没关系，用提示词就能让AI帮你实现想法”。

在视频制作上，我和AI的协作分为了5步：

第一步，做调研。我得先了解亦庄这个地方，才能做出有说服力的内容。第二步，用AI撰写脚本并梳理分镜画面；

第三步，使用提示词生成分镜画面；

第四步，把图片转换成动态的视频；

第五步，完成配音和剪辑。

请大家看看我用AI做的这支短片的效果（2024年作品）：

不过我想说，用AI制作影片的优势是你一人就可以身兼多职，但它的难点也恰恰是你一个人需要身兼多职。

这里我说两个小细节，是我当时在制作过程中碰到的难点。

大家都知道制作影片需要丰富的素材，比如一些图片素材，或者是音频素材，之前肯定得跟版权方购买，但是现在不用了，你可以借助AI来创作。

回到亦庄宣传片，我当时的构想是，肯定得有镜头去描述和展现亦庄这个地方从过去到现在的变化。当时，我从官方渠道找到不少实拍亦庄的老照片，黑白的。当时我用即梦这款AI工具给老照片上色，做了复原：

放在过去，这种效果需要专业人士P图才行，现在借助AI，我们每一个普通人都可以实现这种效果。这种感觉就像是都仿佛坐上时光机，我们每个人都可以去重温那些珍贵的动人的回忆。

再说一个问题，如果是尝试过AI视觉创作的朋友应该都遇到过，AI做出来的视频总有股浓浓的AI感，视频中让我最崩溃的莫过于影片结尾的火箭了，我反复调整了十几二十次，无论我怎么修改也得不到理想的效果，它看起来就很假。

经过摸索，我发现了一个特别有用的方法，那就是让AI去找“现实对标”。

什么意思？简单来说，就是当你想要用 AI 生成某个特定画面的时候，可以先找找这类场景的真实图片，然后让ChatGPT根据画面反推提示词。然后进行修改。

比如说我不需要火箭上的这块玻璃窗，我就在提示词里给他去掉。我希望火箭下方的火焰再足一些，这就加大火焰的权重。你看，这样下来，提示词就更具体，生成的画面也更真实了。经过这样几个简单的操作，火箭是不是就没有那么假了？

当我制作完影片之后，让我惊喜的是，影片斩获了2024年北京视听AI创作大赛的金奖。紧接着，我又收到了亦庄当地的邀请，邀我去那儿走一走。

那是我第一次双脚踏在亦庄的土地上，却莫名的熟悉，我仿佛走进了自己制作的视频里，去体验自己视频里AI生成的无人驾驶汽车，参观了用AI生成的机器人工厂。这种感觉真的非常神奇，又特别美好。

即使你在商业上没有视频制作的需求，我相信在你的生活中，AI一定也有可以发挥作用的空间。上个月我爸腿骨折，一直躺在床上，没什么事做，一家人都闷闷不乐。我偷偷拍了一张他拄拐的照片，然后用AI把他变成一个帅气地扔掉拐杖、开始跳舞的形象，跳得特别滑稽。平时那种视频我根本不会看，觉得“这啥啊”，但是在当时，那个视频一下子就让家里的气氛活跃了，骨折恢复的日子好像也因为这个视频变短了一点点。

在圈子里我也看到，有家长用AI把小朋友画的卡通画做成动画片，或者做成绘本，都是非常有意义的。

我是2024年1月学习圈刚刚上线的时候就加入的。当时我对AI完全没有概念，也不知道自己能做什么，甚至不确定能不能学会，纯粹是出于理工男对“酷技术”的好奇才加入的。

但随着在圈子里学习的深入，现在我已经能够熟练地将AI融入工作和生活。同时我也养成了持续学习的习惯，坚持每天收听《快刀广播站》，主动尝试新工具。

一路走来，我最深的感受就是，在AI时代，重要的不是一开始就精通，而是先开始。

与你共勉。谢谢大家！

王喆：如何用AI搭建知识库，应对重复性咨询问题？

大家好，我叫王喆，是一名专注于海事海商争议解决的执业律师。

我平时主要处理海上货物运输、海上保险、船舶触碰等这些专业性比较强的案件，但可能你们想不到，找我咨询最多的，却是劳动争议相关的法律问题，比如：

“用人单位取消已经发放的offer，需要承担什么责任？”
“用人单位能否以劳动者绩效未达标为由解除劳动合同？”

很多人觉得，这种日常法律咨询，对我们律师来说是举手之劳，随便“看一眼”就能回答。但现实是，靠谱的律师都有自己深耕的专业领域，我们不可能什么都懂，样样精通。这就像你去医院看病，你要先想清楚自己该挂哪个科室是一样的道理。

为了回答这些不属于我专业领域的法律咨询，我得查资料、翻法条、找案例，有时候还得请教同行……一上午时间可能就这么搭进去了，我原本的工作计划被彻底打乱，工作效率大打折扣。

我相信，不止是我，也不止是律师——很多医生、老师、工程师等专业人士都会有同感：你越专业，你的时间就越容易被这种“顺手一问”所绑架。

就在我被这些咨询搞得焦头烂额的时候，AI火起来了。

一开始，我和很多律师同行一样，对AI既好奇又焦虑。幸运的是，我加入了「得到AI学习圈」。在这里，我一边听刀哥在广播站里分享AI前沿动态，一边跟着老师们学习如何把AI用到自己的工作和生活里。

慢慢地，我不再被每天的AI新闻裹挟，而是开始反过来思考，AI到底擅长什么？AI在哪些环节能帮到我？哪些AI工具真的好用？而哪些是在割韭菜？

最关键的启发，还是来自刀哥的一句话： “如果你还不知道怎么让AI怎么落地，就问自己两个问题：

第一，你最想解决的问题是什么？

第二，你工作中最不想做的三个任务是什么？

是的，这两个问题，让我一下子豁然开朗：对于我而言，最想解决的，就是那些高频、琐碎、又耗时的日常法律咨询。

不过我很清楚，AI现在并不完美。如果直接把法律问题交给通用大模型，不仅风险高，还容易有“幻觉”。

就算AI没有编造，它给出的法律条文也可能早就被修改甚至废止了——如果未经核实就直接使用，后果不堪设想。

那么问题来了，怎么能让AI既发挥能力，又尽可能的规避这些风险呢？

我在AI学习圈的一门课里找到了答案，这门课叫《如何用Get笔记搭建AI知识库》——对，知识库，就是解决像法律这种垂直专业领域知识问答的最佳方案。与其让AI“放飞自我”，不如给它设定一个明确的框架，让它在我给定的范围内发挥能力。

于是，我就动手搭建了一个劳动争议法律知识库——我还给它起了个谐音梗的名字，叫做《薪知肚明》，“薪”是薪水的“薪”。

知识库是否靠谱，关键在于你“喂”给AI的内容是不是好东西，所谓好东西，就是权威、准确、最新的信息。

在我的劳动法知识库中，我把以下三类知识作为核心内容：

第一类是权威案例：我从人民法院案例库里，把劳动争议相关的指导性案例和参考案例全都挑出来。这些案例都附有法院总结的裁判要旨，不仅权威，而且具有很强的指导意义和参考价值。

第二类是法律法规与司法解释：包括《劳动法》《劳动合同法》及相关司法解释，关键是，我能保证自己上传的都是现行有效的版本。

第三类是专业文章：我整理了专业机构、资深律师在公众号上发表的优质文章，以及各地律协发布的劳动争议常见问题的答疑汇总。

这些内容是我认为一个劳动法争议法律知识库里应该有的好东西。

也许你会说，如果我“不知道去哪里找好东西”该怎么办？

没关系，遇事不决问AI！

比如，我一个海事律师不知道去哪找劳动法领域的优质公众号，我就让AI根据公众号的运营主体、订阅人数、更新频率等指标，帮我筛选出一份名单。

拿到名单后，我再逐一验证。在这个过程中，我还在名单里发现了一位曾经在得到开课的专业劳动法律师的名字，那么她公众号里面的文章，我就可以基本确定是我需要的好东西。

至此，我们完成了搭建知识库的最关键一步——去给知识库找好东西。

接下来，我们需要做的，就是选择一个合适的工具来收集和管理这些好东西。

说实话，我也试了不少工具，但最终用下来发现，Get笔记目前是我用起来最趁手的一个，无论是文档、网页、公众号文章、录音，甚至是像今天这种线上直播，Get笔记都可以非常便捷地帮你保存下来。

当我把上面这三类好东西，一股脑儿上传到Get笔记的知识库里之后，我的劳动争议法律知识库就搭建完成了。

好东西+好工具=知识库，怎么样，听起来是不是特别简单？如果你愿意，你现在就可以动手搭建自己的知识库了。

不过，在这里我还想提醒你一点，知识库搭建完成后，千万不能忽略定期更新知识库里的内容。只有不断地把最新的法律法规、权威案例和专业文章都更新进去，你的知识库才能始终保持“战斗力”。

有了这些精准投喂的知识，我的知识库就不再是一个只会“泛泛而谈”的聊天机器人了，它变成了一个能查案例、会引法条、还能给出行动建议的“劳动法小助理”。

现在，每当有人再来问我劳动法相关的问题，我就直接把知识库的链接甩过去！几秒钟之内，他们就能收到一份清晰、准确、靠谱的答案。

过去，那些让我分身乏术的日常咨询，现在我不但不再烦恼，有的时候反而还有一点小期待！那种感觉，怎么跟你形容呢，就像家里有个特别争气的孩子，总忍不住想让他在叔叔阿姨们面前“露一手”、“秀一下”。

既然都说到这里了，那就让孩子出来给大家展示一下吧！

怎么样，咱家这孩子还算优秀吧？直播结束以后，大家也可以自己去 get 笔记上用用试试。

我并不是技术高手，也不会写代码。这件事能做成，关键是因为我知道，哪些资料可靠、哪些法律已经更新、哪些案例更具有参考价值。

所以，真正让AI落地的，从来不是工具，而是你的行业经验。

最后，我想用三句话来总结我今天的分享：

知识库，是解决垂直专业领域知识问答的利器！
搭建优质知识库，必须要“喂”给它“好东西”——而找好东西，需要依靠你的行业经验。
想要随时随地收集“好东西”，找到一个趁手的好工具就足够了。

以上就是我的分享，希望能对你有所启发。谢谢大家！

罗军：如何用AI高效开发新客户？

你好！我叫罗军，之前在一家科技公司负责反制无人机产品的海外销售。

听起来很高科技，是吧？其实我就是干销售的，其中一个重要任务就是每天用邮件和全球客户打交道，挖掘更多新客户。

为了更好地完成业绩，一方面我得广撒网，每天发五六十封邮件。当然光有量还不够，还得用心。大家都知道，群发邮件就像撒传单，回复率低还容易被拉黑，我必须针对每个客户的业务特点来针对性地写邮件。所以，我一直在思考如何才能更好更快地挖掘新客户？

听到这儿，我相信大家第一反应都是：“用AI写呀！”

没错，我早用上了ChatGPT，AI在这个过程中确实已经帮了我不少忙。

下面这张图简单展示了我跟AI协作的流程，这个流程看起来有些复杂，但不重要，重要的是可以看到我跟AI进行了分工。

上面部分主要是由AI来完成的，比如：提炼客户的主营业务、头脑风暴出合作点、撰写邮件文案、修改文案，确实节省了我大量的写稿子的时间。下面部分是由我来完成的，比如说配好图片、上传附件、填好标题和邮件地址、点击发送等等，主要是机械重复的工作。

你听到这儿是不是感觉怪怪的，最聪明的部分都由AI来做了，而我负责了最笨的部分。我还是被紧紧绑在了机械、重复、琐碎的流程上。

怎么摆脱这些重复性的工作呢？

面对这种“高科技的重复劳动”，我意识到，这项工作必须从流程上做到全自动化，不然我得累死在键盘上。

要实现全自动化，我遇到了一个问题，自动写邮件这个任务，涉及到好几个独立的系统，比如客户的网站、我们公司的产品，还有Gmail邮箱等等。

这种需要把不同系统的信息自动做串联和整合的任务，我能想到的解决方案就是编程，编一个能够让这个流程自动化实现的程序。

这时，另外一个问题也跟着来了，我是一个编程小白，虽懂得一些编程概念，要编写这样一个复杂的程序简直想想都可怕。

好在我遇到了AI学习圈的AI编程课，我跟着尹会生老师主讲的《如何用GitHub Copilot高效写代码》这门课实操下来，给我建立了不少用AI写代码的信心。后来我还听刀哥介绍，上手了Cursor等新的编程工具，编程效率也更高了。

我也真正感受到，AI编程并不是遥不可及的魔法，而是触手可及的生产力杠杆。

有了信心之后，我就开始探索实现这个流程自动化的程序了。在说怎么实现之前，我想先请大家感受下，最后做出来的这个AI邮件程序，它能自动化到什么程度：

还记得我原先的工作流程么，需要整整8个步骤、60轮的反复操作。而现在我只需要简单4步就能完成：

第一，我只需要准备好基本素材，包括客户官网、联系人姓名、邮箱、以及我们公司的产品资料；

第二，启动这个程序，AI就自己去干活了。它最终交给我的是什么呢？是几十封已经直接写好的邮件，不只是正文，连配图、附件，甚至邮件标题和地址，AI都已经填好了，并自动存放在了我的草稿箱里，就等着我最后的检查。

然后，我只要将所有邮件检查一遍，没问题直接点击发送就可以了。

相信大家都很关心，做这个自动化程序难吗？门槛高不高？

说实话，相较于传统编程对代码功底和编程经验的高要求，AI编程的门槛大大降低，路径要简单清晰很多。因为整个过程就不需要我写代码，全是让AI干的：

第一步，我先向AI讲清楚我的需求，我想要搭建一个AI自动写邮件的程序，并详细描述我期待它怎么去做的整个工作流程。

第二步，我让AI“复述”了一遍流程，看它的理解有没有偏差。确认我们的理解一致后，我让AI给了我一个程序设计的方案，并标注清楚每个环节需要用什么样的功能来实现。

第三步，基于前面共识好的流程和方案，让AI分别写出每个环节对应的代码。

如果某个环节的功能实现起来比较复杂，我也不会硬啃，我会要求AI继续把这个功能拆细。

比如“读取多种格式的文件”这个功能就比较麻烦，我直接让AI拆分成两个小功能，一个负责读取Excel文件，另一个负责读取Word文件，AI分别写好代码后再按任务逻辑串起来，复杂问题迎刃而解。

最后，所有环节的代码都写好了，各环节输入什么、输出什么都一清二楚。这时候我只要让AI写个“主程序”，将各个代码块按工作流程给串起来，一条完整的“自动化写邮件的流水线”就搭建完成了！

下面是我跟AI对话、让AI给出程序设计方案、写代码的流程图。整个过程，我就像一个“指挥官”，指挥着AI要做什么、怎么做，具体的“技术活”都由AI来高效完成。

这套工作流跑起来的效果，我很满意：

首先，它让我的效率直接起飞。原本哪怕有AI协助，我每天手动去处理，至少4个多小时。有了这个工作流后，我晚上启动程序，第二天一早，六七十封排版精美、图文并茂的邮件，已经整整齐齐躺在我的草稿箱里了！我不到半小时就可以审核好、发送出去。它极大释放了我的工作时间，让我能把工作重心放在更高价值的客户维护上。

第二，利用AI基于客户特点写出的个性化邮件，还让我的潜在客户回复率保持在12%左右，远高于行业冷邮件不到5%的平均回复率。

第三，它还直接让我撬动了更多资源。因为它让我能轻松写出不同语言、不同国家的客户邮件，并能得到客户反馈，CEO也给了我更多区域和资源去开发。期间我还收获了强烈的掌控感和自信心。

在用AI解放自己的过程中，我最深的感受就是，你的需求越具体，AI越聪明、越能帮你高效干成事。同时，务必要让AI复述要求，确保它不跑偏。

最后，学AI用AI是一件长期的事儿，单靠自己摸索遇到卡点容易放弃。这里我非常推荐AI学习圈，有各行各业的实干者一起同行，也欢迎大家跟我链接，让我们在AI学习圈共同精进！

谢谢大家！

桑化科：如何用AI自动给消息分类，提高运营效率？

大家好，我是桑化科。

在转型做智能体工程师之前，我曾在一家健康管理公司，负责几十个高客单的客户服务群，那时候工作的压力很大。

群消息必须要及时回复，稍晚一点，客户觉得不被重视服务质量不高，可能就不续约了。做社群运营，还有一个特点，就是用户会随时随地发消息。所以，我上班时看消息，通勤路上看消息，吃饭时看消息，回到家看消息，洗漱时看消息。虽然不至于7x24小时，但连996都无法覆盖的工作强度，确实让我感到身心疲惫。

咱们在座的同学，肯定都接触过客服，或者也做过运营工作，遇到这个问题，通常都是怎么解决的呢？

我自己先是特意设置了喜欢的手机铃声，然后戴上了手环，试图降低查看消息的阻力。

公司也给增加了人手，配备了客服机器人，但问题也随之而来，企业是做技术型的服务，人员成本高；客服机器人的工作原理并不智能，而且需要用户手动艾特才会响应，用户用不习惯，加了等于白加。

再加上，缺乏有效的数据沉淀方式，社群消息的管理，基本上就是“跟着感觉走”。

AI来了，过去的很多问题都会有新的解法，我开始努力地学习。我在2024年7月就加入了AI学习圈，也得益于过去一年的课程熏陶，我慢慢建立起了对AI助手设计的基础认知。

像是王树义老师的AI辅助研究课程、马超老师的AI客服课程、尹会生老师和刘嘉老师的AI编程课程等等，我在边学边实操的过程中学会了该怎么设计提示词、调用知识库、搭建工作流、打通API接口。

我开始用AI搭建一个社群运营的提效助手，一步步解决难题、完善功能，最后我终于把“群消息值守官”这个AI助手做了出来——它已经是一个可以真正落地使用的项目了。

这个助手具体是怎么工作的呢？其实分为四步：

第一步，它能接收社群里的每一条新消息，并立刻存起来。然后由AI来判断这条消息的完整语义。

第二步，有了完整的内容之后，AI助手会对消息做分类：一类是低价值消息：例如日常聊天刷屏消息，这些不需要特别关注处理。另外一类是高价值消息：例如商机线索、客服投诉、产品问答、Bug反馈、功能需求等，这些消息会被存储下来，并需要特别关注且及时响应。

第三步，消息分类后，AI再进一步做针对性处理。具体路径是：

产品问答类的消息，让AI调用知识库，自动回答。
Bug反馈类的消息，让AI追问完整具体的Bug情况，再推给产品经理，看是否需要排查问题或对产品进行改进。
最重要的商机线索，让AI第一时间和用户确认更多需求细节，铺垫下一步人工跟进落单。比如识别出客户有购买意向后，AI会主动追问一句：“您方便提供一下联系方式吗？我们的课程顾问会尽快联系您，为您提供一对一的详细介绍。” 你看，这个AI就不是在简单的搬运信息了，而是具备了初级的销售意识！

第四步，也是最关键的一步，我把AI的能力和现有的办公软件打通了。通过API接口，我把AI助手处理过的信息沉淀进了飞书多维表格。

这么一来，跨部门之间的同事都可以在同一个界面处理高价值消息。社群运营的负责人，则可以通过仪表盘看到整个社群的活跃情况、各种类型的消息占比、以及后续的处理进展。

社群消息经过AI助手这样的分层处理之后，我再也不需要时时刻刻盯着手机了。我只需要关注它帮我筛选出来的高价值的、最紧急最重要的消息就好了。以前我可能一天需要看七八百条社群消息，现在一天只需要关注20条就可以。

听起来特别厉害是不是，不过我在实际操作当中可以说是困难重重。

项目设计一开始就有一个环节足足卡了我一周多。我们日常发消息时，经常会把一段完整的意思分成几条消息发送或者会引用上下文的内容。

举个例子：

用户：跟我说说睡不着可以吃点啥？

客服：褪黑素和镁元素。

用户：你说的第二个，我该从哪里补充？

请注意，这里问题就来了，按照我原本的设计，AI每次只会抓取并处理最新的一条信息，它虽然抓取到了【你说的第二个，我该从哪里补充】，但是却没有包含【褪黑素和镁元素】这一句，就导致了关键信息缺失。这个时候AI助手就罢工了，答不上来了。

好在圈子里高手多，不懂就请教。AI学习圈的马超老师给了我很关键的帮助：他说用“先存后取”的方式，帮AI补全上下文。还是前面那个例子，当我给AI补全上下文之后，它读取的用户第二条消息的完整语义就是：“你说的镁元素，应该从哪里补充？”这条消息给到AI，就可以更准确地处理了。

最后历经九九八十一难，我终于做出来了一个名为“群消息值守官”的智能体。有了这个助手，我终于从碎片化的消息中解放出来了，也有了更多的时间和精力去服务用户。

在实践这个项目的过程当中，我终于从一个AI的“看客”，变成了AI的实干家。我深刻意识到，一个人独自学习只能体会到“万万没想到”的惊喜，而一群人在一个专业的环境中共同学习，才能达到“原来还能这么干”的惊艳。

如果让我给正在犹豫的朋友一个建议，那就是：从你身边最熟悉、最让你头疼的那个问题开始，尝试用AI去解决它。更重要的是，先完成，再完美，别追求一步到位。

最后，特别感谢AI学习圈，感谢快刀青衣老师，我从这里收获的不仅仅是课程和工具，而是一张通往未来的地图，和一群能陪我把这张地图走成现实的同路人。

谢谢大家的聆听。

陈春芸：如何用AI拆解模糊需求，快速高效完成设计？

大家好，我是陈春芸，一名游戏行业的交互设计师。

可能有些朋友对这个职业还不太熟悉，我简单介绍一下：我的工作主要是搭建产品流程、设计用户界面，并确保每一次用户点击背后都有合理的引导与反馈。

简单来说，就是当你进入一个游戏，你玩什么、看什么、点什么——这些体验都与我有关。这些体验背后，都有我和我的团队在默默设计。

听起来是不是有点“技术壁垒”？但其实我们也会遇到“完全不知从哪开始”的时刻。比如有一次，刚做完一个项目，结果立刻收到一个新任务：“做一个完整的商城流程”。这里的商城指的游戏的周边实物交易平台，和咱们的得到商城有点类似。

没有上下文、没有目标用户、没有预算和时间计划——只有一句话。

即使你不是设计师，我相信你也遇到过类似情况：

内容同学被一句“出个爆款选题吧”击中；
数据同学接到“这个图明天要汇报”的突袭；
运营同学收到“要做用户增长，先搞个方案出来”的交付……

听起来很简单一句话，任务就从天而降，看起来只是几个字，但实际上你要自己搞清楚背景、拆出路径、评估可行性，还得处理好团队协作和执行落地。

所以今天，我想分享的是：我作为设计师，在面对这种“模糊任务”时，是如何借助AI，从一团混沌中走出清晰路径的。

我最初接触AI是在「得到AI学习圈」。一开始只是每天听广播站，看看刀哥推荐的新工具，慢慢开始建立起一种感知：哪个工具适合生成内容？哪个模型适合做判断？出现新功能时，我会思考“怎么配合任务使用”。

真正转变发生在听完王树义老师和余一老师的课程之后。

我意识到，写出好提示词的前提，不是懂AI，而是有没有一套清晰的结构思考方法。你必须先知道问题是什么，任务有哪些要素，才能真正让AI“帮得上忙”。这套结构思维，也成了我用AI解决“商城流程”任务的起点。

第一，让AI成为“任务拆解搭子”

面对这个一句话的任务，我并没有直接让AI“帮我做一个商城流程”，而是像和一个新同事开需求会一样，把背景讲清楚：“用户是轻度手游玩家；商城卖虚拟货币和皮肤；平台是手机移动APP端，已有用户体系。”

AI很快就给我搭出了第一层流程结构：商城入口—分类页—详情页—支付流程—权益页……

那一刻我意识到：不是AI厉害，而是当你能清晰讲清楚问题时，AI就能很好地陪你搭建解决路径。

之后我又请它协助完善用户画像、推演用户旅程、整理竞品资料……过去这些需要我熬夜查资料、翻PPT，现在在初期就能形成第一版参考。它像是给了我一张地图，让我不再原地转圈，而是有了明确的方向感。

第二，让AI成为“用户体验模拟器”

在设计流程中，有一个老大难的问题：页面设计的判断，能不能从“我觉得”变成“有依据”？

过去我们往往要等产品上线，才能通过用户数据判断效果。但这个方法太慢、太被动，还常常是“用户先踩坑，我们再补救”。

这一次，我尝试引入了两个AI工具组合，提前模拟评估用户体验：

第一个是视觉分析工具EyeQuant：我上传设计稿，它会预测用户第一视线的落点与注意力路径，生成视觉热图。我们常常主观觉得“这个按钮挺显眼的”“这个图片挺好看”——但实际用户看到的是哪儿？EyeQuant 用数据可视化的方式，把这些“感觉”变成了“热区、焦点”这样的量化依据。

第二个是ChatGPT ，去模拟 UX 专家：我让它从“信息密度”“点击动机”“视觉节奏”等角度，像评审一样分析页面结构，并提出优化建议。

比如我做的一张游戏资讯卡片，它就指出了问题：“主按钮不够突出，图片吸引了过多注意力”；“文案排布过密，用户难以一眼识别核心内容”，等等。

这里我特别想强调一点：这类AI分析的目的，并不是为了替代用户数据或预测转化率——而是帮助设计师回到通用的设计原则，用数据协助我们修正信息层级和视觉动线。

它解决的不是商业成败的问题，而是让我们从“我觉得这样好”，到了“它背后的视觉节奏是否合理”这种更有说服力的阶段。

借助AI模拟分析，我们可以更早识别设计问题，第一版稿就进行有效优化，少返工，也少拍脑袋决策。

最终，这个“商城项目”从需求到交付，我们整体流程比以往节省了三分之二的时间。

设计阶段不再“靠感觉”拍脑袋，而是有结构、有模拟、有数据支撑。过去需要三四周、多人配合才能走完的流程，这次我在一周多就完成了设计交付，而且评审顺利通过。

更重要的是——团队沟通也变得顺畅了。大家不再围绕“你觉得好，我觉得不好”争来争去，而是以“AI评估出的关键问题”为锚点，展开聚焦的讨论。

从一个一句话任务开始，我们不仅做出了方案，更建立了一套可以复用的协作模式：让AI帮助你看清问题、拆解流程、模拟风险，最终提升决策的效率与确定性。

我现在不会盲目追求“工具全家桶”，而是建立了自己的使用节奏：

信息类任务：交给AI生成第一版内容；
判断类任务：让AI辅助分析，提前发现问题；
决策类任务：由我来整合信息，拍板定调。

就像一个“人机协作小队”，每一个节点都知道该谁上场。

我特别感谢在AI学习圈的积累——从刀哥的工具推荐，到课程中反复强调的“任务结构优先”，让我不仅拥有了工具清单，也建立起了一套面向真实工作的协作节奏。

我想说的是，AI不是设计师的对手，而是一个能放大你判断力的外脑。一句话的模糊任务未来还会不断出现，但你可以不再慌张、不再孤军奋战，而是带上一整个AI团队，冷静、清晰、高效地拆解任务。

登录账号

6个真实案例，让AI成为生产力

教程评分

评论 (0)

文章章节

推荐文章

AI 基础知识从-1到0.1：带你走进机器学习的世界

多图预警！手把手教你如何用 n8n 自动化你的 ComfyUI 图像生成流程

AI对话四象限：你和AI聊天的方式可能都错了

这才是 AI 时代正确的论文阅读方式

分享 | 如何使用AI提升自己的认知上限

速抢（2核2G）77元/年香港免备案服务器

文章“AI 味”的检测与优化

告别“提示词民工”！这才是AI写作的未来

热门标签

热门作者

AI中国

IT之家

AI教程

人人都是产品经理

新智元