在AI技術(shù)飛速發(fā)展的今天，如何有效利用AI賦能個(gè)人和企業(yè)成為了一個(gè)熱門話題。本文作者云舒，通過親身實(shí)踐和深入思考，總結(jié)了用好AI的四大關(guān)鍵要素：合理預(yù)期、工具運(yùn)用、賦能案例和提示詞工程。從AI的定位到具體應(yīng)用，再到企業(yè)內(nèi)部的AI文化建設(shè)，這篇文章提供了萬字的深度解析和實(shí)用建議，旨在幫助讀者更好地理解和應(yīng)用AI，提升工作效率和質(zhì)量。

從去年年初開始用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)筆來總結(jié)一下過去的實(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的過程中，其實(shí)也經(jīng)歷了一段時(shí)間的“AI無用論”，我總覺得ChatGPT看起來好像什么都搞不定，那AI的價(jià)值到底是啥呢？它看起來也代替不了人啊。

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

但其實(shí)可能真相是：AI不取代人，AI只解決具體的問題。

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

一、對AI合理的預(yù)期

我想了半天應(yīng)該如何描述對AI的預(yù)期，最后我覺得“合理”是一個(gè)相對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覺得AI無所不能，不忽略AI覺得它一點(diǎn)用沒有。

對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)來拓展的。

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，但在缺乏專業(yè)數(shù)據(jù)的時(shí)候它依然有很多內(nèi)容回答不上來，AI并不是無所不能的神。

用了midjourney、comfy ui 你能夠知道AI能夠繪制各種精制的圖案，但對于圖片內(nèi)的文字依然沒什么好辦法，這么看cavan、稿定設(shè)計(jì)的海報(bào)未來一段時(shí)間內(nèi)AI繪畫工具都搞不定。

面壁智能V2.6版本支持端側(cè)模型部署，這代表著端側(cè)模型又跑出來一個(gè)小的里程碑事件，再過一段時(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。

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量的增長而遞減。

傳統(tǒng)的互聯(lián)網(wǎng)產(chǎn)品如果用戶在10萬人和100萬人雖然服務(wù)器成本上會(huì)有一些差距，但其實(shí)并沒有那么大，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用于和用戶的對話交互，那從10萬人到100萬人的時(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，沒有較大的變化，它是一個(gè)正相關(guān)的增長曲線。

那這樣就會(huì)出現(xiàn)一個(gè)問題，如果一個(gè)企業(yè)每天服務(wù)用戶的token費(fèi)用為20萬，但營收為10萬，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，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。

目前在國內(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token只需要2塊錢，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)可以通過本地化部署或者deepseek來壓得很低，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不是萬能的神，也不是無用的泡沫，它是一個(gè)珊珊起步的孩童。

我們應(yīng)該對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AI的錯(cuò)誤認(rèn)知往往來自于過于冗余的信息，天天關(guān)注AI反而會(huì)迷失在信息的海洋里。

我跟身邊很多朋友聊過后發(fā)現(xiàn)，大家對于AI的錯(cuò)誤認(rèn)知往往來自各種為了流量自媒體的吹噓，這里我給大家提供一些我自己感覺還不錯(cuò)的信息渠道：

少在這兩個(gè)渠道看AI的內(nèi)容：視頻號(hào)、抖音號(hào)，本身短視頻就是為了算法邏輯而生的產(chǎn)物，很多內(nèi)容更多的是為了迎合爆款邏輯而不是真實(shí)度，我去年就在抖音看到了GPT5要出來的消息，然而到了現(xiàn)在還是4o。

公眾號(hào)的話給大家推薦AIGC Rank的排行榜，這些公眾號(hào)可以讓你獲得最新的AI咨詢（當(dāng)然也有廣告）。

Bilibili是不錯(cuò)的學(xué)習(xí)渠道，有很多高質(zhì)量的AI學(xué)習(xí)課程，大家按需搜索選高贊的就可以了。

即刻AI探索站是個(gè)不錯(cuò)的渠道，里邊有很多前言一手的AI信息：https://web.okjike.com/topic/63579abb6724cc583b9bba9a

如果想看AI周報(bào)的話推薦閱讀《歸藏的AIGC周刊》：https://quail.ink/op7418/，基本上最新的AI咨詢他都會(huì)有提及。

AI并非萬能的神，而是人類手中的利器，用好它才能創(chuàng)造奇跡。

二、如何用好AI工具

最有效、最簡單用好AI的方式就是：多用AI，這比聽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，看看你琢磨的對不對？

有問題問問AI，看看他能不能給到你想要的答案？

想買電腦打《黑神話悟空》了，先問問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)為必須寫好Prompt才能去用AI，隨時(shí)隨地隨心所欲的和AI對話。

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專家，但每一個(gè)人其實(shí)都需要去使用AI。

AI可以做專業(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景，哪怕是一個(gè)給你說加油陪你嘮嗑的AI，它對你的生活有幫助那它就是非常有價(jià)值的事情。

那如果我們想在專業(yè)場景用好AI該怎么做呢？

首先需要找到對應(yīng)場景下的AI工具，然后再熟練把它鑲嵌到業(yè)務(wù)工作中。

工具的話請看這個(gè)圖，更多工具詳情請查閱“AI精選工具庫”：https://t16jzwqrzjx.feishu.cn/wiki/EsvowFAqFiTiYDkJgE0cWquPnWb?from=from_copylink。

之前我在帶生財(cái)航海的時(shí)候發(fā)現(xiàn)對于小白用戶來說其實(shí)找到靠譜的AI產(chǎn)品是一個(gè)比較難的事情，大家經(jīng)常能搜到的AI導(dǎo)航站長這個(gè)樣子：

太多工具了，我光看著我都不知道我要用誰來解決問題；索性我把用過覺得不錯(cuò)的AI產(chǎn)品精選匯總了一下，差不多100款，做了一個(gè)AI精選工具站；我希望它能夠幫助更多人更方便的用AI。

紙上得來終覺淺，絕知此事要躬行，AI的掌握離不開實(shí)踐的積累。

三、AI賦能案例

這個(gè)時(shí)候我要再次拿出來這張圖：AI是用來解決問題的，AI不是用來解決人的。

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)：沒有AI的時(shí)候我賣貨只能賣熟悉的商品，現(xiàn)在有了AI我什么產(chǎn)品都能賣了，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)人案例來跟大家講講AI的具體應(yīng)用：

提質(zhì)案例：寫公眾號(hào)文章

提質(zhì)+提效案例：AI寫營銷內(nèi)容

提質(zhì)案例：客服系統(tǒng)

暫時(shí)無用案例：教育批改作業(yè)

提質(zhì)案例：AI摳圖

提效案例：漫畫翻譯案例3.1 案例

案例01 ：寫公眾號(hào)文章

那我以我寫的這篇萬字總結(jié)為例，首先寫公眾號(hào)我要梳理選題，確定我要寫哪些內(nèi)容，接下來是去寫大綱，梳理清楚自己整體的思路；接下來是寫初稿，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，你覺得我的大綱思路怎么樣，你有沒有什么好的建議？

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

我會(huì)去把整個(gè)稿件喂給AI，讓它從邏輯上來幫我做一些校核，看看有哪些地方我寫的邏輯性不好，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解決的了，目前階段AI的幫助不大。

大家可以看到我在寫這篇文章的時(shí)候并沒有說有了AI我寫的更快，反而我寫的更慢了；但整體的質(zhì)量會(huì)比之前更讓我覺得滿意，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寫營銷內(nèi)容

我以電商營銷內(nèi)容為例，首先我們來看一下私域營銷文案的產(chǎn)出邏輯是什么樣子的：

如何選擇產(chǎn)品和用戶群，這個(gè)問題是個(gè)策略問題，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)練的問題，不在本次討論范圍之內(nèi)）

閱讀產(chǎn)品詳情頁這塊可以直接投喂給AI，但這樣對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的事情，通過一個(gè)簡單的工作流來完成這一步驟，效果會(huì)比純用AI強(qiáng)，而且成本還低，當(dāng)OCR工具整理完詳情頁內(nèi)容后，我們給AI一個(gè)簡單的Prompt讓它把詳情頁內(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，以京東詳情頁為例，OCR識(shí)別出來的效果是這樣的：

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)寫營銷文案，我寫C端各種頁面的文案沒啥問題，但是私域賣貨的文案，這個(gè)事情真沒有寫過啊。

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

同時(shí)去小紅書、公眾號(hào)等各個(gè)渠道搜索大家整理好的文案寫作公式和案例，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：

詳情頁產(chǎn)品信息

用戶群信息

商品折扣信息

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

最后圍繞這一個(gè)賣點(diǎn)產(chǎn)出開頭一句話話術(shù)、產(chǎn)品賣點(diǎn)話術(shù)、促銷信息話術(shù)。

以這個(gè)品為案例，我們最后看看產(chǎn)出效果，這個(gè)人群類型和活動(dòng)名稱我暫時(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寫內(nèi)容做了很多輪測試，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)品類都需要去投喂更多的資料。

比如說服飾類和食品類用戶關(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+質(zhì)檢）

客服其實(shí)是這一波AI效果還不錯(cuò)的場景，但并不是大家想的AI替代客服，從此就不用人了，而是說AI能夠幫助客服解決更多的問題，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)高頻常用問題，比如說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，或者說用AI搞定這些成本極高，不如客服團(tuán)隊(duì)+知識(shí)庫的邏輯來搞定這些事情了。

客服典型的兩個(gè)場景：知識(shí)庫、質(zhì)檢。

我們先從知識(shí)庫說起，那么正常客服回答用戶的流程是這樣的。

那對人來說最大的問題在哪？

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，所以人本身無法靠記憶搞定這些事情。

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

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

那這個(gè)時(shí)候能通過培訓(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，那就完全沒戲了。

主要是看你的內(nèi)容的復(fù)雜度來決定的。

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論你怎么去搞RAG，最大的一個(gè)問題其實(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)和我們公司剛開始預(yù)存的文檔根本就對不上，這種情況你怎么搞RAG，最終的結(jié)果也是沒用的。

如果只是做資料庫，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。

通過識(shí)別用戶的意圖來引導(dǎo)用戶進(jìn)入對應(yīng)的工作流，在一個(gè)工作流里引導(dǎo)用戶解決該問題。

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)。

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

說完給客服賦能我們來聊一聊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)對服務(wù)的整個(gè)過程進(jìn)行檢測，來不斷提升服務(wù)的標(biāo)準(zhǔn)。

那么這里邊有一個(gè)問題是，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分來進(jìn)行查看，然后追加用戶評(píng)價(jià)來做參考。

AI的出現(xiàn)能夠很好的解決全量檢測的問題，只需要把標(biāo)準(zhǔn)投喂輸入給AI就能夠完整的檢測一個(gè)客服人員和用戶的所有對話數(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)問題，雖然減輕了策略人員抽檢的量，但整體的問題量肯定是會(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)檢問題忙不過來的場景。

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，對于大公司量大來說自己部署開源模型或者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。

比如說我一共有20輪對話，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，相反我覺得這是一個(gè)現(xiàn)階段不需要AI去提效的案例，我來跟大家聊一聊這個(gè)場景。

這個(gè)場景的流程是這樣的，它是一個(gè)英語教學(xué)的場景：

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)問題，學(xué)生提交作業(yè)是通過圖片提交的，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內(nèi)容，有的地方是畫個(gè)圈來選擇正確答案。

那這里邊如果我們用OCR這個(gè)問題是解決不了的，因?yàn)楹芏嗄K的內(nèi)容會(huì)失真，同時(shí)閱讀場景學(xué)生寫的英文內(nèi)容不一定能夠識(shí)別對，畢竟老師還能看出來，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)一下批改的有沒有問題。

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。

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

所以說到底考察的還是：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)量越來越多的時(shí)候，依賴人工也是個(gè)解決不了的事情，如果都是新圖還可以通過招聘小團(tuán)隊(duì)或者外包的方式來解決，如果有幾十萬個(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)問題嗎？ChatGPT也不會(huì)摳圖。

那這個(gè)場景下的問題如何用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)，比如說必須有完整的商品圖才算合格、比如說不能有過多文字遮擋，依賴這些標(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)圖片就可以入庫了，如果沒有那就標(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)場景的工作流如下：

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

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

案例06：漫畫翻譯案例 comic-translate

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

比如這頁漫畫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)人翻譯漫畫的內(nèi)容、一個(gè)人來通過PS修改。

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

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，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)模型來標(biāo)記氣泡和文本：

接下來其實(shí)按照text_comic來識(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，希望對大家了解AI賦能有更多的幫助，接下來我跟大家聊一聊我對企業(yè)提效的一些思考。

企業(yè)對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，為什么這么說呢？

我花200萬的資源成本去給一個(gè)20萬的服務(wù)團(tuán)隊(duì)做提效，最終獲得25萬的產(chǎn)出，那我這個(gè)roi的意義的是什么呢？

看起來是很不錯(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)。

3.2 企業(yè)AI氛圍

我覺得對于企業(yè)而言，AI賦能不只有對業(yè)務(wù)線來說的場景，還有一個(gè)更大的場景是企業(yè)內(nèi)部使用AI的氛圍。

為什么這么說？

原因主要是：不可能所有的工作流都有專門的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)配合來做roi是往死里虧得，那這些場景就得由團(tuán)隊(duì)內(nèi)部的人用AI來解決，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，或者說老板對于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？自己干掉自己嗎。。。

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，去解決更多的問題。

不過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AI越來越強(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，天壤之別毫不過分，畢竟在AI的加持下一個(gè)人真的可以做到過去幾倍的產(chǎn)出是沒有問題的，但這個(gè)事情的實(shí)現(xiàn)又是極難的。

小團(tuán)隊(duì)來說如何塑造這種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是處。

3.3 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場景來聊一聊落地方案。

很多時(shí)候我們?nèi)绻麤]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)問號(hào)。

coze和dify都是低代碼平臺(tái)，可以讓你根據(jù)工作流來封裝對應(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？

如果你對模型要求比較高，比如你要用國外的模型或者deepseek、零一萬物最新的模型，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)。

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

比如說我的客服售后意圖識(shí)別模塊的demo完全是由coze來實(shí)現(xiàn)的，coze通過知識(shí)庫做問題匹配然后通過llm歸類到具體意圖上，它會(huì)把檢索邏輯封裝的簡單一點(diǎn)，dify則會(huì)復(fù)雜一些，對rag了解不是那么深的沒有那么好上手。

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

這兩個(gè)平臺(tái)都支持工作流方式來進(jìn)行方案設(shè)計(jì)，都是蠻好用的。四、提示詞工程

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

但在專業(yè)場景下，提示詞工程是整個(gè)AI自動(dòng)化的核心。

那么我們該如何寫好提示詞呢？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)場景：我們不是這個(gè)場景的專家，我們沒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——測試出結(jié)果。

我以抖音文案為例來講這個(gè)事情，現(xiàn)在我要去寫一個(gè)抖音視頻腳本的AI，讓我們來看一下每一步要做什么：

最簡單最簡單的辦法，找一個(gè)你覺得很棒的抖音短視頻，把它直接扔給模型，讓模型拆出來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或者查詢各種相關(guān)的資料，通過這些內(nèi)容抽象總結(jié)一下寫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?nèi)容依據(jù)，能夠產(chǎn)出更加靠譜的內(nèi)容。

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

我們在上邊列舉了模仿、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投喂一門課程。

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

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

結(jié)語

AI的內(nèi)容聊完啦，如果你愿意聽我嘮嗑幾句可以接著往下看：

這篇文章起于8月7日立秋，壬申月的開始，在22號(hào)終于封筆?；藥滋鞎r(shí)間敲定大綱，花了一周時(shí)間寫完主體內(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)看起來潤滑一些。

寫完的時(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，卻沒有去認(rèn)真用好AI本身，沒有去挖掘那些深價(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有找到說能夠讓我很快樂很愿意去付出努力聚焦的深度，我好像也不知道寫一些什么內(nèi)容，我在即刻斷斷續(xù)續(xù)寫了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，我們在super黃的小群里討論《10x is easier than 2x》這本書，群友問到了一個(gè)問題：你們覺得自己最核心的20%到底是什么。

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

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點(diǎn)什么。

首先肯定不是畫原型圖寫prd的能力，這個(gè)技能我只能說大眾水準(zhǔn)，而且從求職市場還是自己做事情這個(gè)能力都賣不出去價(jià)格；也不太可能是對于AI提效的理解，我覺得這個(gè)就是短暫的信息差技能，后續(xù)AI越來越強(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似的點(diǎn)，我都一一把這些pass了。

那天我聽完李老師的AI分享，我在路上走，突然腦子里冒出來一句話：對用戶需求和商業(yè)模型的洞察力。

想了想過去的案例，好像是這樣子的，我樂呵呵跑到一線去當(dāng)客服、跑到倉庫里搬貨，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一起寫了一首詩，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。

專注勤耕耘，風(fēng)雨亦無驚。

諸君攜手進(jìn)，共勉向光明。

長路雖遙遠(yuǎn)，未來定可期。