本文作者通過(guò)親身實(shí)踐，深入探討了AI的潛能與局限，分享了如何將AI融入到不同的工作場(chǎng)景中，實(shí)現(xiàn)效率的飛躍與質(zhì)量的提升。從客服系統(tǒng)的智能優(yōu)化到漫畫(huà)翻譯的自動(dòng)化，作者不僅展示了AI的實(shí)際應(yīng)用案例，還深入討論了企業(yè)如何培養(yǎng)AI文化，以及如何通過(guò)提示詞工程來(lái)提升AI的工作效率。

從去年年初開(kāi)始用ChatGPT，并且探索了各種AI提效項(xiàng)目，自己也逐漸從小白到了用AI還湊合的人，在生財(cái)里帶了3期ChatGPT提效航海、在公司里把AI各個(gè)業(yè)務(wù)的賦能都摸索了一遍、又和各種AI圈友討論交流，這個(gè)月決定動(dòng)筆來(lái)總結(jié)一下過(guò)去的實(shí)踐思考，于是便整理了這篇文章，希望它能夠?qū)δ阌煤肁I有一定的幫助~

為此我想跟大家聊4個(gè)事情：對(duì)AI合理的預(yù)期?如何用好AI工具?AI賦能案例?提示詞工程。

在我從小白到熟練掌握AI的過(guò)程中，其實(shí)也經(jīng)歷了一段時(shí)間的“AI無(wú)用論”，我總覺(jué)得ChatGPT看起來(lái)好像什么都搞不定，那AI的價(jià)值到底是啥呢？它看起來(lái)也代替不了人啊。

AI代替人，我也經(jīng)常聽(tīng)很多小伙伴跟我提到過(guò)，感覺(jué)好像AI被吹噓的很厲害，但是其實(shí)用起來(lái)效果一般般。

但其實(shí)可能真相是：AI不取代人，AI只解決具體的問(wèn)題。

我想我現(xiàn)在對(duì)AI的定義是伙伴，一個(gè)可以幫助我更快成長(zhǎng)、生活更便捷的伙伴。

一、對(duì)AI合理的預(yù)期

我想了半天應(yīng)該如何描述對(duì)AI的預(yù)期，最后我覺(jué)得“合理”是一個(gè)相對(duì)中性也好理解的事情。

AI能夠完整替代人嗎？

會(huì)有一些重復(fù)機(jī)械化工作的崗位逐步被AI完整替代，大家津津樂(lè)道的AI客服其實(shí)很多時(shí)候都是給客服提質(zhì)用的；一般情況下的裁員是人+AI干活足夠了，不需要不會(huì)用AI干活的人了。

AI一點(diǎn)用都沒(méi)有嗎？

也不是，用好AI能夠快速讓你在一個(gè)你不熟悉的業(yè)務(wù)里達(dá)到70分的水平，能夠省去大量的學(xué)習(xí)成本。

如果你能夠把自身的業(yè)務(wù)很好的融入AI，那最起碼在AI的加持下你能夠完成之前1倍的產(chǎn)出不在話下。

不迷信AI覺(jué)得AI無(wú)所不能，不忽略AI覺(jué)得它一點(diǎn)用沒(méi)有。

1. 對(duì)AI合理的預(yù)期，才能夠真正的用好AI

帶著這樣的預(yù)期我們需要去觀察評(píng)估，如今的AI發(fā)展到了哪一步，這個(gè)階段AI可以在哪些事情上做到更好。

那么最值得我們?nèi)ド疃扔^察的事情有兩件：模型能力、算力成本。

深度關(guān)注這兩個(gè)事情就可以了，其它的事情都是圍繞這兩點(diǎn)來(lái)拓展的。

2. 模型能力決定著AI能夠做到哪一步

用了GPT4o、Claude 3.5-sonnet、Gemini 1.5pro后你能夠知道AI的理解思考能力已經(jīng)很強(qiáng)了，但在缺乏專(zhuān)業(yè)數(shù)據(jù)的時(shí)候它依然有很多內(nèi)容回答不上來(lái)，AI并不是無(wú)所不能的神。

用了midjourney、comfy ui 你能夠知道AI能夠繪制各種精制的圖案，但對(duì)于圖片內(nèi)的文字依然沒(méi)什么好辦法，這么看cavan、稿定設(shè)計(jì)的海報(bào)未來(lái)一段時(shí)間內(nèi)AI繪畫(huà)工具都搞不定。

面壁智能V2.6版本支持端側(cè)模型部署，這代表著端側(cè)模型又跑出來(lái)一個(gè)小的里程碑事件，再過(guò)一段時(shí)間，各種能在硬件上大規(guī)模本地化部署高質(zhì)量的端側(cè)模型就該變成可能了。

3. 算力成本則代表著AI應(yīng)用的廣度

這里解釋一下這個(gè)點(diǎn)，為什么算力成本是AI應(yīng)用的廣度；AI產(chǎn)品和之前互聯(lián)網(wǎng)產(chǎn)品較大差異的一點(diǎn)是，它的邊際成本并不隨著用戶(hù)量的增長(zhǎng)而遞減。

傳統(tǒng)的互聯(lián)網(wǎng)產(chǎn)品如果用戶(hù)在10萬(wàn)人和100萬(wàn)人雖然服務(wù)器成本上會(huì)有一些差距，但其實(shí)并沒(méi)有那么大，只要維護(hù)好服務(wù)器帶寬就好了，成本并不是10倍的增加。

但是如果是AI產(chǎn)品，它需要消耗token用于和用戶(hù)的對(duì)話交互，那從10萬(wàn)人到100萬(wàn)人的時(shí)候，AI產(chǎn)品的成本是10倍遞增的，并不會(huì)像服務(wù)器成本那樣，沒(méi)有較大的變化，它是一個(gè)正相關(guān)的增長(zhǎng)曲線。

那這樣就會(huì)出現(xiàn)一個(gè)問(wèn)題，如果一個(gè)企業(yè)每天服務(wù)用戶(hù)的token費(fèi)用為20萬(wàn)，但營(yíng)收為10萬(wàn)，那這個(gè)公司的業(yè)務(wù)虧損倒閉也是一個(gè)指日可待的事情。

如果公司想賺錢(qián)，那要么去找到算力成本更低的模型，要么就想辦法轉(zhuǎn)嫁到消費(fèi)者身上了，公司其實(shí)沒(méi)啥選擇。

如果算力成本能夠低到和帶寬成本一樣的水平，那各種場(chǎng)景下其實(shí)都會(huì)充斥著AI產(chǎn)品，很多有意思的產(chǎn)品形態(tài)會(huì)逐步展示出來(lái)。

目前在國(guó)內(nèi)模型能力和算力成本壓縮的比較好的模型以deepseek為首，100萬(wàn)token只需要2塊錢(qián)，如果你要自己做點(diǎn)AI產(chǎn)品試一試，deepseek的模型能力和成本都是最佳的選擇。

當(dāng)我們把這兩點(diǎn)結(jié)合我們會(huì)發(fā)現(xiàn)，目前的AI現(xiàn)狀是：

文生文的模型能力已經(jīng)很成熟了，且算力成本已經(jīng)可以通過(guò)本地化部署或者deepseek來(lái)壓得很低，大量的產(chǎn)品都已經(jīng)積極+AI，取得了不錯(cuò)的結(jié)果。

AI 搜索、AI辦公、企業(yè)提效，AI在一點(diǎn)點(diǎn)改變?nèi)藗內(nèi)粘５纳睢?/p>

而文生圖、文生視頻受制于模型能力、算力成本還在珊珊起步的階段。

所以你看AI不是萬(wàn)能的神，也不是無(wú)用的泡沫，它是一個(gè)珊珊起步的孩童。

我們應(yīng)該對(duì)AI多一點(diǎn)耐心，多一點(diǎn)寬容，多一點(diǎn)放松。

很多時(shí)候我們對(duì)AI的錯(cuò)誤認(rèn)知往往來(lái)自于過(guò)于冗余的信息，天天關(guān)注AI反而會(huì)迷失在信息的海洋里。

AI并非萬(wàn)能的神，而是人類(lèi)手中的利器，用好它才能創(chuàng)造奇跡。

二、如何用好AI工具

最有效、最簡(jiǎn)單用好AI的方式就是：多用AI，這比聽(tīng)100個(gè)課程、看100個(gè)公眾號(hào)文章都要強(qiáng)。

我發(fā)現(xiàn)很多人跟我討論AI的時(shí)候頭頭是道，但是一聊Prompt就是懵逼狀態(tài)，哎，認(rèn)真多干點(diǎn)踐行的事情吧，空口無(wú)憑創(chuàng)建的認(rèn)知都是空中樓閣。

多用AI并不需要你去掌握多么資深的提示詞技巧，當(dāng)你遇到什么問(wèn)題或者有什么想法先去找AI聊一聊，看看能不能獲得不同維度的思路和解題方法。

有思考跟AI聊一聊，看看你琢磨的對(duì)不對(duì)？

有問(wèn)題問(wèn)問(wèn)AI，看看他能不能給到你想要的答案？

想買(mǎi)電腦打《黑神話悟空》了，先問(wèn)問(wèn)AI什么配置才能玩得動(dòng)？

轉(zhuǎn)變自己的思考方式，不要認(rèn)為必須寫(xiě)好Prompt才能去用AI，隨時(shí)隨地隨心所欲的和AI對(duì)話。

漸漸地讓AI成為你生活中不可或缺的一部分，這才是真正用好AI的辦法。

不是每一個(gè)人都需要成為AI專(zhuān)家，但每一個(gè)人其實(shí)都需要去使用AI。

AI可以做專(zhuān)業(yè)的事情，也可以做很平凡的事情，我們需要找到最合適自己的場(chǎng)景，哪怕是一個(gè)給你說(shuō)加油陪你嘮嗑的AI，它對(duì)你的生活有幫助那它就是非常有價(jià)值的事情。

紙上得來(lái)終覺(jué)淺，絕知此事要躬行，AI的掌握離不開(kāi)實(shí)踐的積累。

三、AI賦能案例

AI是用來(lái)解決問(wèn)題的，AI不是用來(lái)解決人的。

所以我給這個(gè)模塊最終定下的標(biāo)題是：AI賦能，而不是AI替代人。

AI在我眼中賦能有兩個(gè)大的維度效果，一個(gè)是提效，一個(gè)是提質(zhì)。

提效：沒(méi)有AI的時(shí)候我自己一天只能干20事情，現(xiàn)在有了AI我能干40件了，我的效率被AI提升了。

提質(zhì)：沒(méi)有AI的時(shí)候我賣(mài)貨只能賣(mài)熟悉的商品，現(xiàn)在有了AI我什么產(chǎn)品都能賣(mài)了，我的能力被AI提升了。

AI賦能的核心就是工作流；我借助下面的6個(gè)人案例來(lái)跟大家講講AI的具體應(yīng)用：

1. 提質(zhì)案例：寫(xiě)公眾號(hào)文章
2. 提質(zhì)+提效案例：AI寫(xiě)營(yíng)銷(xiāo)內(nèi)容
3. 提質(zhì)案例：客服系統(tǒng)
4. 暫時(shí)無(wú)用案例：教育批改作業(yè)
5. 提質(zhì)案例：AI摳圖
6. 提效案例：漫畫(huà)翻譯案例

1. 案例

案例01 ：寫(xiě)公眾號(hào)文章

那我以我寫(xiě)的這篇萬(wàn)字總結(jié)為例，首先寫(xiě)公眾號(hào)我要梳理選題，確定我要寫(xiě)哪些內(nèi)容，接下來(lái)是去寫(xiě)大綱，梳理清楚自己整體的思路；接下來(lái)是寫(xiě)初稿，然后成稿雕花，在之后就是排版布局。

那在這個(gè)流程里AI能夠?qū)ξ矣心男┵x能呢？

首先在“確定選題環(huán)節(jié)”我能夠去跟AI聊一聊我的選題思路，能夠幫我更好的明確我要寫(xiě)什么東西，從而不至于跑題太久；這塊的方案我目前做的比較簡(jiǎn)單，就是告訴AI我的背景是什么，我的目的是什么，然后帶著我的思路一點(diǎn)點(diǎn)和它聊，最后碰撞出來(lái)一個(gè)結(jié)果。

同樣的梳理大綱后我會(huì)在梳理完一個(gè)初稿后去找AI聊，你覺(jué)得我的大綱思路怎么樣，你有沒(méi)有什么好的建議？

當(dāng)我完成初稿后，我們就要開(kāi)終稿雕花環(huán)節(jié)，這個(gè)地方是無(wú)數(shù)個(gè)細(xì)節(jié)構(gòu)成的。

我會(huì)去把整個(gè)稿件喂給AI，讓它從邏輯上來(lái)幫我做一些校核，看看有哪些地方我寫(xiě)的邏輯性不好，哪些地方有可以提升的點(diǎn)，讓它給到一些建議。

最后的排版布局就是我自己的審美來(lái)解決的了，目前階段AI的幫助不大。

大家可以看到我在寫(xiě)這篇文章的時(shí)候并沒(méi)有說(shuō)有了AI我寫(xiě)的更快，反而我寫(xiě)的更慢了；但整體的質(zhì)量會(huì)比之前更讓我覺(jué)得滿(mǎn)意，因?yàn)橛幸粋€(gè)人在反復(fù)跟我聊這篇文章到底怎么樣。

案例02：AI寫(xiě)營(yíng)銷(xiāo)內(nèi)容

我以電商營(yíng)銷(xiāo)內(nèi)容為例，首先我們來(lái)看一下私域營(yíng)銷(xiāo)文案的產(chǎn)出邏輯是什么樣子的：

如何選擇產(chǎn)品和用戶(hù)群，這個(gè)問(wèn)題是個(gè)策略問(wèn)題，這個(gè)環(huán)節(jié)其實(shí)涉及不到啥AI了（理論上也可以AI化，但這個(gè)是數(shù)據(jù)建模及模型訓(xùn)練的問(wèn)題，不在本次討論范圍之內(nèi)）

閱讀產(chǎn)品詳情頁(yè)這塊可以直接投喂給AI，但這樣對(duì)AI模型的要求其實(shí)是比較高的，同時(shí)token消耗的量也是相對(duì)大一些的，而且識(shí)別質(zhì)量還不一定是高的。

所以這塊一般是OCR工具+AI整理文案，這樣大家都做自己擅長(zhǎng)的事情，通過(guò)一個(gè)簡(jiǎn)單的工作流來(lái)完成這一步驟，效果會(huì)比純用AI強(qiáng)，而且成本還低，當(dāng)OCR工具整理完詳情頁(yè)內(nèi)容后，我們給AI一個(gè)簡(jiǎn)單的Prompt讓它把詳情頁(yè)內(nèi)容總結(jié)一下。

為什么還要做總結(jié)呢？因?yàn)楦鞣N詳情頁(yè)的內(nèi)容識(shí)別一般都不具備啥可讀性，各種信息亂七八糟的，以京東詳情頁(yè)為例，OCR識(shí)別出來(lái)的效果是這樣的：

直接扔給AI數(shù)據(jù)源亂七八糟的，這種會(huì)導(dǎo)致最后的結(jié)果產(chǎn)出也是不好的。

那我們用一個(gè)AI工具整理好久變成這樣的。

撰寫(xiě)文案其實(shí)我們遇到一個(gè)卡點(diǎn)就是，我搞AI的其實(shí)不咋會(huì)寫(xiě)營(yíng)銷(xiāo)文案，我寫(xiě)C端各種頁(yè)面的文案沒(méi)啥問(wèn)題，但是私域賣(mài)貨的文案，這個(gè)事情真沒(méi)有寫(xiě)過(guò)啊。

那這個(gè)時(shí)候怎么辦呢？首先去找公司內(nèi)部寫(xiě)文案的同學(xué)取經(jīng)，看看她寫(xiě)文案的邏輯是什么樣子的，能不能抽象出一些方法論出來(lái)，比如說(shuō)到底長(zhǎng)文案短文案哪個(gè)效果更好，用戶(hù)更再議的點(diǎn)是什么。

同時(shí)去小紅書(shū)、公眾號(hào)等各個(gè)渠道搜索大家整理好的文案寫(xiě)作公式和案例，把這些案例整理后然后投喂給AI。

最后把這些內(nèi)容封裝到Prompt里邊，我們會(huì)投喂給AI三個(gè)信息：

1. 詳情頁(yè)產(chǎn)品信息
2. 用戶(hù)群信息
3. 商品折扣信息

讓它根據(jù)這些信息來(lái)產(chǎn)出商品的5個(gè)賣(mài)點(diǎn)，同時(shí)再根據(jù)用戶(hù)信息去判斷到底哪一個(gè)賣(mài)點(diǎn)是最核心最有價(jià)值的。

最后圍繞這一個(gè)賣(mài)點(diǎn)產(chǎn)出開(kāi)頭一句話話術(shù)、產(chǎn)品賣(mài)點(diǎn)話術(shù)、促銷(xiāo)信息話術(shù)。

以這個(gè)品為案例，我們最后看看產(chǎn)出效果，這個(gè)人群類(lèi)型和活動(dòng)名稱(chēng)我暫時(shí)就置空。

按照配置好的工作流產(chǎn)出的內(nèi)容是這樣的：

我圍繞這個(gè)AI寫(xiě)內(nèi)容做了很多輪測(cè)試，基本上能夠跟公司的文案同學(xué)80%的水平吧，至于為什么達(dá)不到100%或者更多，因?yàn)槊總€(gè)品類(lèi)都需要去投喂更多的資料。

比如說(shuō)服飾類(lèi)和食品類(lèi)用戶(hù)關(guān)注的點(diǎn)其實(shí)是不一樣的，但用同一套AI邏輯，那整體效果還是會(huì)差一些。

案例03：客服系統(tǒng)（知識(shí)庫(kù)+質(zhì)檢）

客服其實(shí)是這一波AI效果還不錯(cuò)的場(chǎng)景，但并不是大家想的AI替代客服，從此就不用人了，而是說(shuō)AI能夠幫助客服解決更多的問(wèn)題，同時(shí)AI也能更好的幫助策略團(tuán)隊(duì)進(jìn)行質(zhì)檢提升客服團(tuán)隊(duì)的服務(wù)質(zhì)量。

在這里需要詳細(xì)解釋一下為什么說(shuō)AI不是替代客服，而是幫助客服。

服務(wù)最重要的事情是 人和人的交互，而不是放一個(gè)機(jī)器在那想辦法匹配上用戶(hù)的回答。

各種客服系統(tǒng)前置的交互是為了解決一些基礎(chǔ)高頻常用問(wèn)題，比如說(shuō)退換貨是幾天需不需要自己出運(yùn)費(fèi)。

但一旦涉及到更復(fù)雜的信息，比如說(shuō)人需要推薦服務(wù)、需要售后服務(wù)，這時(shí)候AI就很難搞定了，或者說(shuō)用AI搞定這些成本極高，不如客服團(tuán)隊(duì)+知識(shí)庫(kù)的邏輯來(lái)搞定這些事情了。

客服典型的兩個(gè)場(chǎng)景：知識(shí)庫(kù)、質(zhì)檢。

我們先從知識(shí)庫(kù)說(shuō)起，那么正常客服回答用戶(hù)的流程是這樣的。

那對(duì)人來(lái)說(shuō)最大的問(wèn)題在哪？

在于解決方案很多時(shí)候人自己給不到足夠精準(zhǔn)的內(nèi)容。

為什么？因?yàn)榛顒?dòng)規(guī)則及商品信息太多了，所以人本身無(wú)法靠記憶搞定這些事情。

比如說(shuō)用戶(hù)說(shuō)請(qǐng)你給我推薦一款冬天的羽絨服，當(dāng)你的商品庫(kù)里有幾百個(gè)商品的時(shí)候，你沒(méi)法做出推薦，因?yàn)槟銐焊恢肋@些商品有什么區(qū)別，用戶(hù)也沒(méi)空等你研究商品有什么區(qū)別。

小紅書(shū)、抖音的內(nèi)容電商在一定程度上其實(shí)解決了選擇問(wèn)題，畢竟測(cè)評(píng)了才知道產(chǎn)品到底好不好。

那這個(gè)時(shí)候能通過(guò)培訓(xùn)解決嗎？

要看業(yè)務(wù)形態(tài)，比如電商的商品回答基本上沒(méi)戲；但活動(dòng)規(guī)則和售后如果內(nèi)容不多的話可以，如果每個(gè)商品的售后都不一樣，那就完全沒(méi)戲了。

主要是看你的內(nèi)容的復(fù)雜度來(lái)決定的。

這塊在實(shí)現(xiàn)方案的時(shí)候重點(diǎn)還不是怎么做RAG，因?yàn)闊o(wú)論你怎么去搞RAG，最大的一個(gè)問(wèn)題其實(shí)是你前置的文檔規(guī)則和商品信息可能是不全的。

我在做這塊的時(shí)候花的最大的時(shí)間是一點(diǎn)點(diǎn)去直接面對(duì)客服團(tuán)隊(duì)，把所有規(guī)則從新梳理了一遍，梳理完了發(fā)現(xiàn)和我們公司剛開(kāi)始預(yù)存的文檔根本就對(duì)不上，這種情況你怎么搞RAG，最終的結(jié)果也是沒(méi)用的。

如果只是做資料庫(kù)，那把資料整理好用RAG也可以解決，這其實(shí)是一個(gè)完全輔助人的助手；能夠代替人的AI客服該怎么做呢？

最核心的點(diǎn)在于：意圖識(shí)別+工作流匹配。

通過(guò)識(shí)別用戶(hù)的意圖來(lái)引導(dǎo)用戶(hù)進(jìn)入對(duì)應(yīng)的工作流，在一個(gè)工作流里引導(dǎo)用戶(hù)解決該問(wèn)題。

這個(gè)事情麻煩在哪里？要把每一個(gè)工作流都梳理清楚，然后去用模型做意圖識(shí)別的匹配，引導(dǎo)用戶(hù)進(jìn)入工作流；意味著你要做好這個(gè)事情，要去拉著業(yè)務(wù)團(tuán)隊(duì)一點(diǎn)點(diǎn)把工作流拆清楚拆細(xì)。

稍微簡(jiǎn)單一點(diǎn)的做法是人做意圖識(shí)別，AI直接把對(duì)應(yīng)工作流的內(nèi)容扔給客服，做一個(gè)比資料庫(kù)更加有用的助手。

說(shuō)完給客服賦能我們來(lái)聊一聊AI質(zhì)檢，這個(gè)又是怎么回事。

為了讓服務(wù)團(tuán)隊(duì)能有一個(gè)高質(zhì)量的服務(wù)，策略團(tuán)隊(duì)會(huì)對(duì)服務(wù)的整個(gè)過(guò)程進(jìn)行檢測(cè)，來(lái)不斷提升服務(wù)的標(biāo)準(zhǔn)。

那么這里邊有一個(gè)問(wèn)題是，服務(wù)的量其實(shí)是特別大的，策略團(tuán)隊(duì)不可能把所有的內(nèi)容都看一遍，那只有抽檢這一種辦法，比如10份 100份 1000份抽檢出1分來(lái)進(jìn)行查看，然后追加用戶(hù)評(píng)價(jià)來(lái)做參考。

AI的出現(xiàn)能夠很好的解決全量檢測(cè)的問(wèn)題，只需要把標(biāo)準(zhǔn)投喂輸入給AI就能夠完整的檢測(cè)一個(gè)客服人員和用戶(hù)的所有對(duì)話數(shù)，能夠更加全面的去看客服的服務(wù)水平。

這個(gè)時(shí)候會(huì)發(fā)現(xiàn)一個(gè)問(wèn)題，雖然減輕了策略人員抽檢的量，但整體的問(wèn)題量肯定是會(huì)成幾何倍上升，很可能會(huì)出現(xiàn)策略團(tuán)隊(duì)天天忙著處理質(zhì)檢問(wèn)題忙不過(guò)來(lái)的場(chǎng)景。

以及質(zhì)檢一般都是多輪質(zhì)檢，但每一輪質(zhì)檢都是重新調(diào)用一次源文件，這個(gè)token的消耗是巨額的，對(duì)于大公司量大來(lái)說(shuō)自己部署開(kāi)源模型或者7B小模型是個(gè)不錯(cuò)的選擇。

小公司的話現(xiàn)在盡可能用deepseek這種有多輪對(duì)話緩存的內(nèi)容，這樣的話成本其實(shí)是直線下降的。

比如說(shuō)我一共有20輪對(duì)話，那成本其實(shí)可以做到之前的十分之一左右，會(huì)有非常顯著的下降。

案例04：教育批改作業(yè)

這個(gè)場(chǎng)景的案例比較有意思，它并不是一個(gè)成功應(yīng)用AI提效的案例，相反我覺(jué)得這是一個(gè)現(xiàn)階段不需要AI去提效的案例，我來(lái)跟大家聊一聊這個(gè)場(chǎng)景。

這個(gè)場(chǎng)景的流程是這樣的，它是一個(gè)英語(yǔ)教學(xué)的場(chǎng)景：

那這個(gè)流程我們一看就大概能夠知道，這個(gè)里邊能夠花費(fèi)時(shí)間去做的事情是批改和點(diǎn)評(píng)這個(gè)事情。

乍一看其實(shí)有可能用AI提效的，畢竟AI批改和點(diǎn)評(píng)這個(gè)事情還是可以快速完成的。

但這個(gè)項(xiàng)目我去具體深挖批改流程的時(shí)候發(fā)現(xiàn)一個(gè)問(wèn)題，學(xué)生提交作業(yè)是通過(guò)圖片提交的，且每個(gè)題目的作答方式還是不一樣的，并不是都按照選擇或者寫(xiě)內(nèi)容，有的地方是畫(huà)個(gè)圈來(lái)選擇正確答案。

那這里邊如果我們用OCR這個(gè)問(wèn)題是解決不了的，因?yàn)楹芏嗄K的內(nèi)容會(huì)失真，同時(shí)閱讀場(chǎng)景學(xué)生寫(xiě)的英文內(nèi)容不一定能夠識(shí)別對(duì)，畢竟老師還能看出來(lái)，但機(jī)器實(shí)在搞不定。

那能用AI直接解決嗎？理論上是可以的，但是涉及到用什么模型呢？

高質(zhì)量的多模態(tài)識(shí)別并且能夠準(zhǔn)確閱卷那我們能用的可能只有Gemini 1.5pro這個(gè)模型了。

能做到100%的準(zhǔn)確度嗎？

肯定做不到，甚至說(shuō)能做到70%的準(zhǔn)確度都算很厲害的程度了。

也就是AI批改完老師還得再把這個(gè)環(huán)節(jié)去確認(rèn)一下批改的有沒(méi)有問(wèn)題。

老師批改這份作業(yè)+點(diǎn)評(píng)要花多久呢？10分鐘。

AI搞定完老師質(zhì)檢要花多久呢？其實(shí)差不多時(shí)間。

那最后花費(fèi)那么多人力成本提效提個(gè)啥呢？提升不了啥。

這個(gè)場(chǎng)景下如果內(nèi)容都是在系統(tǒng)上作答，那其實(shí)就好搞很多了，但可惜不是，都需要ocr的介入，這種情況下還是依賴(lài)人更靠譜一點(diǎn)。

但也許隨著AI能力的進(jìn)步，多模態(tài)識(shí)別和判斷精度上來(lái)了，準(zhǔn)確率能夠做到99%了，那這個(gè)事情其實(shí)就可以用AI完成全流程了。

或者說(shuō)它整個(gè)把系統(tǒng)上了自動(dòng)化，也可以用AI來(lái)提效，但這種做法吧，真不一定成本比收益大。

所以說(shuō)到底考察的還是：模型能力和算力成本。

項(xiàng)目一算賬，算到最后還是老老實(shí)實(shí)人工搞吧。

案例05：AI摳圖

以京東的大閘蟹為例來(lái)跟大家講講這個(gè)項(xiàng)目，現(xiàn)在我們的目標(biāo)是：獲得大閘蟹產(chǎn)品的摳圖，后續(xù)方便各個(gè)渠道拼接圖片合成資源。

大閘蟹的輪播圖一共五張，在不考慮AI的情況下我們?nèi)绻氆@取摳圖做好的流程方式是這樣的：

人為選擇符合標(biāo)準(zhǔn)的圖——摳圖軟件摳圖到后臺(tái)。

這個(gè)方法吧太耗人工了，而且當(dāng)你的商品圖數(shù)量越來(lái)越多的時(shí)候，依賴(lài)人工也是個(gè)解決不了的事情，如果都是新圖還可以通過(guò)招聘小團(tuán)隊(duì)或者外包的方式來(lái)解決，如果有幾十萬(wàn)個(gè)舊圖的商品要解決呢？

光搭建這個(gè)招聘和解決系統(tǒng)都是一個(gè)非常麻煩的事情。

那純用AI能解決這個(gè)問(wèn)題嗎？ChatGPT也不會(huì)摳圖。

那這個(gè)場(chǎng)景下的問(wèn)題如何用AI產(chǎn)品+摳圖工具產(chǎn)品解決呢？

AI產(chǎn)品選圖+工具摳圖。

我們可以給AI制定一個(gè)圖片標(biāo)準(zhǔn)，比如說(shuō)必須有完整的商品圖才算合格、比如說(shuō)不能有過(guò)多文字遮擋，依賴(lài)這些標(biāo)準(zhǔn)AI產(chǎn)品可以把整個(gè)輪播圖都鑒定一圈，合適的再去摳圖環(huán)節(jié)，然后完了再質(zhì)檢一下?lián)笀D質(zhì)量。

如果最終有合格的，這個(gè)圖片就可以入庫(kù)了，如果沒(méi)有那就標(biāo)記這個(gè)產(chǎn)品需要新的解決方案。

那我們總結(jié)一下這個(gè)場(chǎng)景的工作流如下：

那我們拿螃蟹這個(gè)產(chǎn)品繼續(xù)測(cè)試一下，結(jié)果如下：

基于這個(gè)工作流其實(shí)還可以不同sku選擇不同的檢測(cè)方式，這樣可以更大提升精準(zhǔn)程度，不過(guò)這個(gè)屬于提高精度的事情了，大家能夠通過(guò)這個(gè)案例理解工作流的重要性就可以了。

案例06：漫畫(huà)翻譯案例 comic-translate

最近刷到github上的漫畫(huà)翻譯案例：https://github.com/ogkalu2/comic-translate，感覺(jué)也是一個(gè)很棒的AI工作流運(yùn)用場(chǎng)景，來(lái)跟大家分享一下如何利用AI翻譯。

比如這頁(yè)漫畫(huà)如果我們想把它翻譯成英文，那其實(shí)在之前最快捷的方式就是用人工肝了，一個(gè)人翻譯漫畫(huà)的內(nèi)容、一個(gè)人來(lái)通過(guò)PS修改。

那AI來(lái)了賦能這塊的翻譯呢？單用ChatGPT肯定是沒(méi)戲的，它給你講講這個(gè)漫畫(huà)是什么還行，換內(nèi)容肯定沒(méi)戲。

這個(gè)方案里最難的其實(shí)是找到內(nèi)容區(qū)域然后把文字精準(zhǔn)替換，直接上ocr的話識(shí)別出來(lái)的是這個(gè)樣子，根本用不了。

但其實(shí)如果ocr定位到一個(gè)塊的時(shí)候識(shí)別效果還是很不錯(cuò)的。

那其實(shí)能夠把各個(gè)模塊定位出來(lái)，能夠一塊一塊提取文字替換就可以了。

于是comic-translate先做了倆模型用來(lái)定位文字位置，再用ocr識(shí)別，再用大模型翻譯，最后用工具替換文案。

它們先用了兩個(gè)模型來(lái)標(biāo)記氣泡和文本：

接下來(lái)其實(shí)按照text_comic來(lái)識(shí)別文本內(nèi)容就可以了，每一個(gè)快單獨(dú)ocr然后做好標(biāo)記。

之后把塊里的文字抹掉，LLM翻譯一下文本內(nèi)容，更新上最新的內(nèi)容即可，最終完成高質(zhì)量翻譯。

這六個(gè)案例講完了，希望對(duì)大家了解AI賦能有更多的幫助，接下來(lái)我跟大家聊一聊我對(duì)企業(yè)提效的一些思考。

企業(yè)對(duì)AI提效還需要額外注意一個(gè)事情，叫算賬。

在企業(yè)里提效≠有用，為什么這么說(shuō)呢？

我花200萬(wàn)的資源成本去給一個(gè)20萬(wàn)的服務(wù)團(tuán)隊(duì)做提效，最終獲得25萬(wàn)的產(chǎn)出，那我這個(gè)roi的意義的是什么呢？

看起來(lái)是很不錯(cuò)的數(shù)據(jù)，一算ROI全是負(fù)的虧損的內(nèi)容

AI企業(yè)提效算賬是頭等大事，免得看起來(lái)做了個(gè)高大尚的事情，結(jié)果卻是一地雞毛。

AI正在重塑我們的工作方式，那些曾經(jīng)看似不可能的任務(wù)，如今正借助AI的力量成為現(xiàn)實(shí)。

2. 企業(yè)AI氛圍

我覺(jué)得對(duì)于企業(yè)而言，AI賦能不只有對(duì)業(yè)務(wù)線來(lái)說(shuō)的場(chǎng)景，還有一個(gè)更大的場(chǎng)景是企業(yè)內(nèi)部使用AI的氛圍。

為什么這么說(shuō)？

原因主要是：不可能所有的工作流都有專(zhuān)門(mén)的AI產(chǎn)品團(tuán)隊(duì)去配合拆解，很多工作流如果讓AI產(chǎn)品團(tuán)隊(duì)配合來(lái)做roi是往死里虧得，那這些場(chǎng)景就得由團(tuán)隊(duì)內(nèi)部的人用AI來(lái)解決，所以這個(gè)時(shí)候就要看公司整體使用的AI氛圍怎么樣了。

整個(gè)公司有好的組織文化，有很高的組織效率，大家都用AI做的熱火朝天，老板不以AI解決人為核心而是解決問(wèn)題為核心，那這個(gè)公司人均產(chǎn)出的內(nèi)容其實(shí)會(huì)遠(yuǎn)高于競(jìng)品公司的。

但這個(gè)地方最難的一個(gè)點(diǎn)其實(shí)是：企業(yè)文化價(jià)值觀，或者說(shuō)老板對(duì)于AI的認(rèn)知。

要是你的老板天天看視頻號(hào)和抖音各種AI震驚的消息，他覺(jué)得AI可以替代所有人了，那么這種情況下公司的企業(yè)文化和氛圍反正會(huì)變成大家都想辦法把自己的內(nèi)容做成有壁壘的事情，效率什么扔一邊去，反正首先保住工作是第一位的，用AI？自己干掉自己?jiǎn)帷?。?/p>

這種情況下最多小團(tuán)隊(duì)的leader能夠維護(hù)好自己的團(tuán)隊(duì)，讓大家覺(jué)得AI幫助很大，愿意為了自己之后的利益從而用好AI，去解決更多的問(wèn)題。

不過(guò)這種情況也是可遇不可得的，我目前觀察公司里能夠有這種AI使用氛圍的其實(shí)也只有極少數(shù)的團(tuán)隊(duì)，且這些團(tuán)隊(duì)leader都是對(duì)AI有很深的認(rèn)知和實(shí)踐，才有這種團(tuán)隊(duì)氛圍。

我目前的感受就是在未來(lái)AI越來(lái)越強(qiáng)的時(shí)代，企業(yè)組織效率之間的差距將進(jìn)一步被拉大，天壤之別毫不過(guò)分，畢竟在AI的加持下一個(gè)人真的可以做到過(guò)去幾倍的產(chǎn)出是沒(méi)有問(wèn)題的，但這個(gè)事情的實(shí)現(xiàn)又是極難的。

小團(tuán)隊(duì)來(lái)說(shuō)如何塑造這種AI的氛圍？

團(tuán)隊(duì)leader愿意認(rèn)真的去實(shí)踐研究，多用用AI，不是每天從哪扯皮干各種忽悠的事情。

認(rèn)真的踐行，大家都會(huì)看在眼里跟著做的，假大空最后終究是一無(wú)是處。

3. 小團(tuán)隊(duì)常用工具/產(chǎn)品mvp驗(yàn)證工具：dify、coze

那繼續(xù)基于AI場(chǎng)景來(lái)聊一聊落地方案。

很多時(shí)候我們?nèi)绻麤](méi)有充足的經(jīng)驗(yàn)不要拿研發(fā)區(qū)做試錯(cuò)，最好是用dify或者coze這種產(chǎn)品搞定了mvp再去用研發(fā)批量化，用研發(fā)試錯(cuò)成本太高了而且到底能不能實(shí)現(xiàn)在AI時(shí)代真的得打個(gè)問(wèn)號(hào)。

coze和dify都是低代碼平臺(tái)，可以讓你根據(jù)工作流來(lái)封裝對(duì)應(yīng)的產(chǎn)品，也能夠發(fā)布給別人去用。

那如何選擇是coze還是dify呢？

如果你對(duì)模型要求比較高，比如你要用國(guó)外的模型或者deepseek、零一萬(wàn)物最新的模型，那你直接用dify就好了，在dify上它支持幾十個(gè)模型的API接入，想用哪個(gè)版本用哪個(gè)。

如果你覺(jué)得什么樣模型都能解決問(wèn)題，你還需要知識(shí)庫(kù)和各種插件來(lái)協(xié)同作業(yè)，那你用coze是個(gè)比較好的選擇，coze在這個(gè)方便上做的比較簡(jiǎn)潔容易上手。

比如說(shuō)我的客服售后意圖識(shí)別模塊的demo完全是由coze來(lái)實(shí)現(xiàn)的，coze通過(guò)知識(shí)庫(kù)做問(wèn)題匹配然后通過(guò)llm歸類(lèi)到具體意圖上，它會(huì)把檢索邏輯封裝的簡(jiǎn)單一點(diǎn)，dify則會(huì)復(fù)雜一些，對(duì)rag了解不是那么深的沒(méi)有那么好上手。

如果你希望能夠通過(guò)bot來(lái)實(shí)現(xiàn)部署還沒(méi)有研發(fā)的時(shí)候，coze會(huì)省事一點(diǎn)，coze支持公眾號(hào)、抖音、飛書(shū)等各個(gè)端的直接部署，而dify在這些場(chǎng)景部署都需要api接入。

這兩個(gè)平臺(tái)都支持工作流方式來(lái)進(jìn)行方案設(shè)計(jì)，都是蠻好用的。

四、提示詞工程

從我開(kāi)始用AI，我就覺(jué)得提示詞是一個(gè)很費(fèi)勁的事情，所以我一直蠻支持對(duì)小白用戶(hù)要做智能體社區(qū)，讓AI發(fā)燒友來(lái)做好智能體，然后普通小白用戶(hù)來(lái)用，這樣是一個(gè)AI更容易被大家使用的方式。

但在專(zhuān)業(yè)場(chǎng)景下，提示詞工程是整個(gè)AI自動(dòng)化的核心。

那么我們?cè)撊绾螌?xiě)好提示詞呢？在這里我們不提縝密的信息和嚴(yán)謹(jǐn)?shù)牧鞒?，這個(gè)是提示詞必須要做到的事情。

當(dāng)我們這些能力都具備了，很多時(shí)候我們會(huì)面臨這樣一個(gè)場(chǎng)景：我們不是這個(gè)場(chǎng)景的專(zhuān)家，我們沒(méi)有辦法控制提示詞完成高質(zhì)量的產(chǎn)出。

把自己變成這個(gè)領(lǐng)域內(nèi)專(zhuān)業(yè)的人其實(shí)是一個(gè)不現(xiàn)實(shí)的想法，那該怎么辦呢？

找資料——投喂AI——測(cè)試出結(jié)果。

我以抖音文案為例來(lái)講這個(gè)事情，現(xiàn)在我要去寫(xiě)一個(gè)抖音視頻腳本的AI，讓我們來(lái)看一下每一步要做什么：

最簡(jiǎn)單最簡(jiǎn)單的辦法，找一個(gè)你覺(jué)得很棒的抖音短視頻，把它直接扔給模型，讓模型拆出來(lái)它每一步是怎么做的。

然后跟模型提出你的訴求，讓它幫忙仿寫(xiě)這個(gè)案例：

這個(gè)方法比較初級(jí)，主要依靠模型的理解能力，產(chǎn)出的效果可能一般般，那再深入一步該怎么辦呢？

去找懂抖音的人去問(wèn)或者查詢(xún)各種相關(guān)的資料，通過(guò)這些內(nèi)容抽象總結(jié)一下寫(xiě)抖音腳本文案的邏輯：

把這些內(nèi)容總結(jié)扔給AI，這樣AI就有了更嚴(yán)謹(jǐn)?shù)倪壿嬓詢(xún)?nèi)容依據(jù)，能夠產(chǎn)出更加靠譜的內(nèi)容。

我在3.1案例中營(yíng)銷(xiāo)案例就是用這個(gè)邏輯做的，產(chǎn)出的質(zhì)量還可以。

我們?cè)谏线吜信e了模仿、搜集經(jīng)驗(yàn)這兩個(gè)辦法，還有別的更好的讓AI產(chǎn)出的辦法嗎？

當(dāng)然有，那就是讓AI系統(tǒng)的學(xué)習(xí)一遍，給AI投喂一門(mén)課程。

先用通義聽(tīng)悟把音頻轉(zhuǎn)成文字，再把文字統(tǒng)一投喂給AI讓它來(lái)學(xué)習(xí)，在它學(xué)習(xí)之后讓它總結(jié)對(duì)應(yīng)的經(jīng)驗(yàn)，來(lái)提升內(nèi)容產(chǎn)出的效果。

不過(guò)帶著AI一起學(xué)完一門(mén)課程，你就有了一個(gè)非常聰明且專(zhuān)業(yè)的AI助手了，它能夠給你很多很多的驚喜。

五、結(jié)語(yǔ)

AI的內(nèi)容聊完啦，如果你愿意聽(tīng)我嘮嗑幾句可以接著往下看：

這篇文章起于8月7日立秋，壬申月的開(kāi)始，在22號(hào)終于封筆。花了幾天時(shí)間敲定大綱，花了一周時(shí)間寫(xiě)完主體內(nèi)容，又花了一周時(shí)間雕花各個(gè)細(xì)節(jié)，讓每一個(gè)上下環(huán)節(jié)看起來(lái)潤(rùn)滑一些。

寫(xiě)完的時(shí)候如釋重負(fù)的吐出了一口氣，這一年踐行了好多事情，體會(huì)到了創(chuàng)業(yè)失敗內(nèi)心的苦悶，體會(huì)到了腳踏實(shí)地往前的快樂(lè)收貨。

其實(shí)我在剛剛做AI的時(shí)候也經(jīng)歷了非常不落地的階段，總是沉迷看各種新聞，體驗(yàn)各種最新的產(chǎn)品，卻沒(méi)有去認(rèn)真用好AI本身，沒(méi)有去挖掘那些深價(jià)值的事情。

公眾號(hào)停更了兩個(gè)月很大一部分也在于我好像沒(méi)有找到說(shuō)能夠讓我很快樂(lè)很愿意去付出努力聚焦的深度，我好像也不知道寫(xiě)一些什么內(nèi)容，我在即刻斷斷續(xù)續(xù)寫(xiě)了AI踐行的各種總結(jié)，最后有了這篇總結(jié)之作~

在5個(gè)禮拜前，我們?cè)趕uper黃的小群里討論《10x is easier than 2x》這本書(shū)，群友問(wèn)到了一個(gè)問(wèn)題：你們覺(jué)得自己最核心的20%到底是什么。

我當(dāng)時(shí)覺(jué)得可能是思維方式，但后來(lái)想想這個(gè)事情不對(duì)，它是一個(gè)表層的事情，并非自己真正核心擅長(zhǎng)的事情。

我想了想一邊用排除法再加上分析自己優(yōu)點(diǎn)看看能不能推演出來(lái)點(diǎn)什么。

首先肯定不是畫(huà)原型圖寫(xiě)prd的能力，這個(gè)技能我只能說(shuō)大眾水準(zhǔn)，而且從求職市場(chǎng)還是自己做事情這個(gè)能力都賣(mài)不出去價(jià)格；也不太可能是對(duì)于AI提效的理解，我覺(jué)得這個(gè)就是短暫的信息差技能，后續(xù)AI越來(lái)越強(qiáng)和大家更多實(shí)踐，其實(shí)會(huì)是一個(gè)基礎(chǔ)的產(chǎn)品經(jīng)理技能。

反正零零散散了竄了一堆類(lèi)似的點(diǎn)，我都一一把這些pass了。

那天我聽(tīng)完李老師的AI分享，我在路上走，突然腦子里冒出來(lái)一句話：對(duì)用戶(hù)需求和商業(yè)模型的洞察力。

想了想過(guò)去的案例，好像是這樣子的，我樂(lè)呵呵跑到一線去當(dāng)客服、跑到倉(cāng)庫(kù)里搬貨，用心認(rèn)真的去做好這些最基礎(chǔ)很多時(shí)候大家不愿意做的事情，所以那兩個(gè)業(yè)務(wù)我的需求抓的很準(zhǔn)。

我想這個(gè)事情也是我在AI時(shí)代對(duì)于自己的定位，我自己感興趣也愿意為之努力的事情~

在最后，我和Gemini一起寫(xiě)了一首詩(shī)，預(yù)祝大家前程似錦~

《秋風(fēng)行》

秋風(fēng)瑟瑟起，壬申葉飄零。

創(chuàng)業(yè)多艱險(xiǎn)，征途漫漫行。

迷茫曾困頓，今朝志更明。

專(zhuān)注勤耕耘，風(fēng)雨亦無(wú)驚。

諸君攜手進(jìn)，共勉向光明。

長(zhǎng)路雖遙遠(yuǎn)，未來(lái)定可期。