过去一年，我试过很多 AI 产品。最初的新鲜感过去以后，真正留在工作流里的并不多。原因很简单：工具的能力增长很快，但如果没有稳定的方法，我们只是把原来的混乱更快地放大。
核心判断：不要问“AI 能做什么”，先问“我的哪一步工作存在重复、等待或信息损耗”。
一、从具体交付物开始
“帮我做运营”是一个无法验收的请求，“根据这三份访谈，整理五个高频问题，并为每个问题附上原文证据”则清晰得多。好的任务要包含输入、输出、约束和判断标准。
二、上下文比漂亮提示词重要
AI 不知道你的客户是谁、品牌不说什么、过去哪些尝试失败过。把这些背景材料整理成可复用的上下文，通常比背诵提示词模板有效。对于长期项目，还应保留术语表、示例和决策记录。
三、把验收留在人手里
生成速度越快，越需要明确的审校环节。事实是否准确、来源是否可靠、语气是否合适、结果是否能执行，这些仍然需要人负责。AI 可以承担草稿和探索，但责任不能外包。
四、把一次对话变成稳定流程
真正产生复利的不是某次惊艳回答，而是把有效做法固定下来。保留一份任务模板：目标是什么、需要哪些输入、结果以什么格式交付、必须检查哪些风险。下一次遇到同类工作，只需要替换材料，而不是重新摸索提示方式。
对于复杂任务，我更习惯让 AI 分阶段工作：先列出缺失信息，再给方案框架，然后逐段完成，最后按验收清单自查。每一步都可见、可纠正，比一次性要求“给我最终答案”更稳定。
一个实用标准：如果这套方法换一个模型仍然有效，它才是真正属于你的生产力，而不是对某个产品的偶然依赖。
五、从一个高频小任务开始
不要一开始就尝试让 AI 接管整个工作。选一个每周重复、结果容易判断的环节，例如会议纪要整理、资料对比、文章提纲或代码解释。连续使用两周，记录节省了多少时间、出现过哪些错误，再决定是否扩大范围。
最后
真正的生产力不是一天生成了一百份内容，而是你用更少的精力交付了更好的结果。先选择一个重复出现的小问题，把方法跑通，再逐步扩大范围。