AI提效培训 · 2026
AI Agent
团队里的博士后实习生
从 ChatBox 到 AI Agent：出版行业的下一代工作流
AI认知
工具选择
Agent工作流
工作提效
#AI #提效 #Agent
今天我们不是来学习一个新软件，而是来认识一位未来会长期在团队里工作的"博士实习生"。
开场导入
今天我们解决三个问题
AI 为什么会回答问题？它是全知的吗？
AI从ChatBox到Agent的原理是什么？
让我们用起Agent吧！
AI 不应该是新的压力源，它应该先是一种减轻「重复劳动」的工具。
AI 不应该是新的压力源，至少今天这场培训里，它应该先是一种减轻重复劳动的工具。
01
Part 01
开场小游戏
AI生图
AI真的理解我们的意图吗？
我们先不讲理论，先让 AI 自己露一手，也顺便露一点"马脚"。
互动环节
先玩一个小游戏：AI生图
请大家打开任意一个生图工具：
- 豆包 / 即梦
- ChatGPT 生图
- Trae等其他任意 AI 生图工具
输入这句 Prompt：
生成一张高端精致的机械手表广告图
我们先不讲理论，先让 AI 自己露一手，也顺便露一点"马脚"。
见证奇迹的时刻
观察规律
豆包
Image2
Image2
Trae
Trae
这不是巧合，而是训练数据里的规律。
再尝试让AI生成具体时间的机械表？
AI 不是特别喜欢 10:10，而是它见过太多"高级手表广告"都长这样。
核心认知
AI不是"真正懂了"，而是"学会了模仿"
人类理解手表
- 知道手表用来看时间
- 知道指针有物理含义
- 知道不同时间代表不同状态
AI生成手表
- 学到"高端广告常见10:10"
- 学到"这个角度是高端手表" ✅
- 学到"这个构图更精致"
大模型拥有的不是智商，而是极强的学习模仿能力。
它的效果强依赖于它的训练语料。
AI最强的能力不是"理解世界"，而是"从海量样本里找出最像答案的规律"。
关键结论
AI很强，但它不是权威
AI能做
- 快速生成初稿
- 总结长文本
- 模仿不同风格
- 发现常见规律
AI做不好的
- 教材理念判断
- 学术质量把关
- 教学目标设计
- 价值导向审查
AI负责提高速度，人负责保证方向。
AI 可以跑得很快，但方向盘必须握在人手里。
02
Part 02
AI从ChatBox
到Agent
从"会聊天"到"会干活"的进化之路
过去的 AI 是"你问一句，它答一句"；现在的 AI 是"你给目标，它想办法完成"。
进化历程
AI从"会聊天"，变成了"会干活"
2022
ChatBox
像人一样对话
2023
内容生成
写文章、生成图片、做视频
2025
Agent
围绕目标自动执行
2026
AI同事
融入团队协作流程
过去 AI 是"你问一句，它答一句"；现在是"你给目标，它想办法完成"。
过去的 AI 是"你问一句，它答一句"；现在的 AI 是"你给目标，它想办法完成"。
核心区别
ChatBox 是"会回答"，Agent 是"会行动"
ChatBox
- 等你提问
- 给你建议
- 回答完就结束
- 像顾问
Agent
- 接收目标
- 自己执行
- 会循环直到完成
- 像实习生
ChatBox 像顾问，Agent 像真的来上班的实习生。
ChatBox 像一个很懂行的顾问，Agent 像一个真的来上班的实习生。
现象解读
为什么"小龙虾"会火？
以前的 AI — 告诉你怎么做
- 告诉你怎么整理资料
- 告诉你怎么分析表格
- 告诉你怎么写报告
现在的 Agent — 直接帮你做
- 帮你打开网页、搜索、整理成文档
- 帮你读取数据、生成图表
- 帮你收集材料、生成结构
令人兴奋的是，AI 开始能像人一样操作电脑，帮我们处理更多事务。
AI 开始像一个人一样点鼠标、开网页、处理文件，这意味着它能帮我们做更多事。
小龙虾不是突然长出了手，而是 AI 第一次拥有了"观察、思考、行动、再观察"的工作闭环。Agent = 大模型 + 工具 + 观察 + 行动 + 循环。
核心机制
为什么有些 Agent 看起来不太靠谱？
接收目标
↓
拆解任务
↓
选择工具 → 执行
↓
观察结果
↓
没完成就继续
关键区别
LLM决定了脑子灵光的程度
以前 AI 等你的下一句话；现在 Agent 会自己问自己：下一步我该做什么？
适用边界
不是所有工作都适合交给 Agent
适合 Agent
- 流程清晰、可拆解
- 结果可检查
- 重复性强、有明确目标
人更擅长
- 教材价值判断
- 出版方向决策
- 需要责任背书的审核
越像流程的工作，越适合交给 AI；越像判断的工作，越需要人来坐镇。
越像流程的工作，越适合交给 AI；越像判断的工作，越需要人来坐镇。
03
Part 03
AI就是
博士实习生
知识丰富、没有经验、需要你清楚布置任务
AI像一个知识储备极其丰富、但第一天来团队上班的博士实习生。
核心比喻
AI是你的新助手，学会用好它
优点
- 知识非常多
- 学习速度极快
- 不怕重复劳动
- 能同时处理大量信息
缺点
- 没有工作经验
- 不懂单位规范
- 可能自信地胡说
- 需要你明确指挥
AI像一个知识极其丰富、但第一天来团队上班的博士实习生。
AI像一个知识储备极其丰富、但第一天来团队上班的博士实习生。
实操技巧
指令越清楚，AI越像高手
差的指令
帮我写个英语教材的课堂活动。
好的指令
请面向大学一年级学生，以校园适应为核心主题，设计一套15分钟短时高效课堂互动活动，适配大一新生学情，贴合新生入学后的生活、学习、人际、心理适应痛点，整体流程简洁易落地、课堂参与性强。完整设计需包含以下五大固定模块，内容详实、贴合课堂实操：
一、活动目标
从认知、能力、情感三个维度撰写，贴合大一学生成长需求：1. 认知上，帮助学生梳理入学后校园生活、学习、人际交往中的适应困惑；2. 能力上，提升学生自我调适、主动沟通、解决校园适应问题的实操能力；3. 情感上，缓解新生陌生感、焦虑感，增强校园归属感与同伴互助意识。
二、活动指令
细化15分钟分时段流程指令，步骤清晰、通俗易懂，适配课堂集体开展，明确教师引导话术、学生操作方式、分组规则（若有），全程时间分配精准、衔接流畅，无复杂流程，适合大一课堂快速落地。
三、活动产出
明确学生活动结束后需形成的可视化、可落地成果，如清单、短句分享、心得要点、解决方案提纲、小组观点汇总等，产出形式轻量化、贴合15分钟活动时长，可直接用于课堂展示与点评。
四、语言点
结合大一学生表达能力特点，梳理本次活动核心通用语言素材，包含校园生活、人际沟通、情绪表达、问题求助等相关常用句式、规范表达、交流话术，适配学生课堂发言、小组交流、成果展示使用，助力学生精准表达自身适应困惑与想法。
五、评价方式
设计适配短时课堂的多元化评价规则，以鼓励性评价为主，包含学生自评、同伴互评、教师点评三个维度，明确评价标准（参与度、表达完整性、思考实用性、创新性等），评价标准简洁清晰、可快速落地，兼顾全员参与性与活动实效性。
整体设计要求：贴合大一新生真实校园适应场景，规避复杂理论，互动性强、耗时精准、操作简单，适配公共基础课、班会、心理健康课等各类大一课堂场景。
给 AI 下指令 = 给实习生布置任务。说不明白，就别怪它做不好。
【 让大模型帮你写提示词 】
AI不是不会干活，很多时候是我们没有把活说明白。
核心观点
选 AI 工具，本质是在选数据源
不是哪个 AI 最强，而是你的任务需要调动哪个世界的数据。
- 查微信生态：优先腾讯元宝
- 查短视频语境：优先豆包
- 查海外实时舆论：优先Grok
- 做深度研究：优先Perplexity / ChatGPT / Gemini
- 读长文档：优先Kimi / Claude / ChatGPT
选工具的底层逻辑不是"谁更聪明"，而是"你的任务数据住在哪个世界里"。
概念澄清
别只看模型参数，要看它能接近什么数据
| 类型 | 含义 | 对选工具的影响 |
|---|---|---|
| 训练数据 | 模型预训练时看过的大规模语料 | 决定基础知识、语言风格、推理底座 |
| 实时数据源 | 回答时能联网搜索、调用的最新信息 | 决定热点、新闻、引用、时效性 |
| 产品生态数据 | 厂商自有内容平台、工具、办公软件、社交平台 | 决定它在哪类任务上更"懂语境" |
模型能力决定"会不会想"，数据生态决定"懂不懂场景"。
三层数据结构：底层的训练语料决定基本功，中层的实时搜索决定信息新鲜度，上层的产品生态决定它对场景有多熟悉。
分类地图
AI 工具分 4 类：内容、文档、推理、搜索
内容生态型 AI
腾讯元宝 · 豆包 · 百度文心 · Grok
平台内容、热点、舆论、营销语境
长文档型 AI
Kimi · Claude · ChatGPT
报告、合同、论文、财报、会议纪要
推理 / 代码型 AI
DeepSeek · Claude · ChatGPT · GLM
代码、数学、逻辑分析、复杂问题
搜索研究型 AI
Perplexity · ChatGPT Search · Gemini Deep Research
资料检索、引用、竞品、行业研究
不同 AI 的差异，不只在模型，也在它背后的"信息入口"。
四类工具的分类标准不是"谁更聪明"，而是"谁离你要的数据更近"。
大模型内容生态
AI 工具的优势，来自各自的平台生态
| 工具 | 优势数据生态 | 适合任务 |
|---|---|---|
| 腾讯元宝 | 微信公众号、视频号、搜一搜、腾讯新闻 | 公众号总结、政策解读、中文行业文章 |
| 豆包 | 抖音、今日头条、字节内容生态 | 短视频脚本、口语化文案、标题 |
| 百度文心 | 百度搜索、百科、知道、文库、地图 | 中文搜索、百科知识、本地生活 |
| 通义千问 | 阿里云、电商、淘宝、企业办公 | 商品文案、电商分析、企业办公 |
中国 AI 的优势，很多时候不是"更聪明"，而是"离某个内容生态更近"。
选中国AI工具，关键看你要查的内容住在哪个平台。微信内容找元宝，短视频找豆包，搜索找百度，电商和办公找通义。
深度处理
从"找内容"变成"处理复杂材料"，换一类工具
| 工具 | 核心优势 | 适合任务 |
|---|---|---|
| Kimi | 长上下文、长文档、网页和文件读取 | 论文、报告、合同、财报、资料包整理 |
| Claude | 长文写作、结构化表达、自然语气 | 报告、方案、演讲稿、复杂文档分析 |
| DeepSeek | 推理、代码、数学、低成本 API | 技术分析、代码、逻辑推理、开源部署 |
| ChatGPT | 综合能力、工具调用、写作、数据分析 | 多步骤任务、跨工具工作流、综合办公 |
内容生态解决"去哪找"，长文档和推理模型解决"怎么想"。
内容生态型AI解决的是"去哪找信息"的问题，长文档和推理型AI解决的是"怎么深度处理和思考"的问题。
搜索研究
需要引用、溯源和最新信息时，选搜索研究型 AI
| 工具 | 优势来源 | 适合任务 |
|---|---|---|
| Perplexity | 实时搜索、引用来源、研究型问答 | 严肃调研、竞品分析、资料核验 |
| ChatGPT Search | 搜索 + 写作 + 综合生成 | 边查边写、形成方案、整理材料 |
| Gemini Deep Research | Google 搜索生态、英文资料、多来源整合 | 英文研究、国际资料、跨来源总结 |
| Grok | X / Twitter 实时舆论 | 海外热点、科技圈、加密圈、社交媒体 |
需要"最新"和"来源"的任务，不要只问模型，要用搜索型 AI。
需要引用出处、需要最新时效的任务，ChatBox类模型不够用，必须上搜索研究型AI。
实用矩阵 · 建议拍照
什么任务，选什么 AI？
| 任务类型 | 优先工具 |
|---|---|
| 查公众号、产业文章、中文政策解读 | 腾讯元宝 |
| 写短视频脚本、抖音风文案 | 豆包 |
| 商品文案、电商分析、企业办公 | 通义千问 |
| 读长报告、论文、合同、财报 | Kimi / Claude / ChatGPT |
| 写代码、做推理、技术分析 | DeepSeek / Claude / ChatGPT |
| 做严肃资料调研、要引用来源 | Gemini / ChatGPT Search / Perplexity |
| 看海外热点、X 舆论 | Grok |
| 做综合任务、跨工具输出 | ChatGPT |
任务的数据源在哪里，工具就应该选离那个数据源最近的。——2026年6月
这张表可以拍照留用。核心逻辑就一句话：数据住在哪里，就选离那里最近的AI工具。
最终方法论
AI 工具选择公式
AI 工具选择 = 任务类型 × 数据来源 × 输出形式
第一步：判断数据在哪里
微信？抖音？搜索引擎？X？论文？企业文档？代码库？
第二步：选离数据最近的 AI
内容生态型、长文档型、推理代码型、搜索研究型。
第三步：用最适合的工具完成输出
文章、报告、PPT、表格、代码、脚本、图片、调研结论。
不要追求一个万能 AI，而要建立自己的 AI 工具组合。
记住这个公式：先看任务数据源在哪，再选工具，最后决定输出形式。不追求万能AI，而是建立你自己的工具组合。
05
Part 05
案例演示一
个人知识库 + 知识库 Agent
用腾讯 ima 搭你的"第二大脑"，再让 AI 直接调用它
这个案例分两步：先用腾讯 ima 把散落各处的知识沉淀成个人知识库，再让 WorkBuddy 跨产品直接调用这个知识库来干活。
案例一
你的知识，其实一直在"失忆"
知识散落的真实痛点
- 好文章存进微信收藏就再也找不到
- 会议纪要、市场报告散在各个文件夹
- 规范体例、模板每次都要重新翻
- 看过的内容，用的时候想不起来在哪
解决思路
把值得留下的知识，统一沉淀到一个能被 AI 检索和调用的个人知识库里。
大多数人不是没有积累，而是积累被分散在微信、网盘、各种文档里，需要时根本调不出来。知识库要解决的就是"沉淀 + 可被 AI 调用"。
第一步 · 沉淀
腾讯 ima ，把内容收进个人知识库
微信公众号文章
读到好文章，直接点"用 ima 保存"，一键存入知识库，自动抓正文。
网页 / 文档 / PDF
网页链接、Word、PDF、会议纪要、市场报告，拖进来就能入库。
笔记 / 截图 / 语音
随手记录、图片 OCR、语音转写，碎片信息也能统一归档。
关键动作：看到有价值的内容，当场入库，而不是收藏后遗忘。
ima 最方便的是微信生态打通——在微信里读到的公众号好文，点一下就能存进知识库。再加上网页、文档、PDF、笔记，慢慢就长成一个属于你自己的知识仓库。
第一步 · 调用
让知识库自己"长出答案"
知识库问答
- 基于你存的内容回答，带原文出处
- 只在你的知识库里检索，不乱编
- 多篇文章自动归纳、横向对比
知识库 + Skills
- 用 Skills 把知识库内容转成成果
- 生成综述、提炼要点、做读书笔记
- 固定模板，反复产出标准化结果
知识库不只是"存得下"，更要"用得出"——让 AI 基于你的资料直接给结果。
知识库真正的价值在调用环节：可以基于你存的资料做问答（带出处、不乱编），也可以配合 Skills 把知识库内容直接转成综述、要点、笔记这类成果。
第二步 · 跨产品闭环
ima × WorkBuddy：知识流转闭环打通
过去：手动搬运
- 在 ima 里翻出会议纪要、市场报告、规范体例
- 把相关内容一段段复制出来
- 拼成一个新文档，或作为提示词粘给 WorkBuddy
- 每写一个方案，都要重来一遍
现在：直接调用
- 在 WorkBuddy 里载入 ima 知识库
- 直接调用知识库内容，无需复制粘贴
- 写方案时，相关资料自动被检索引用
- 一次连接，长期复用
知识沉淀在 ima，干活在 WorkBuddy，两者打通后跨产品直接调用。
这一步是关键升级：过去要在 ima 和 WorkBuddy 之间手动搬运资料，现在只要在 WorkBuddy 里载入 ima 知识库，就能跨产品直接调用，写方案时资料自动被引用。
现场演示 · 应用场景
用知识库 Agent，把积累变成产出
创建题目
基于知识库里的教材、语料和规范，按标准批量生成配套题目。
活动设计
调用知识库里的主题素材和教学要点，快速产出课堂活动方案。
个人学习网站
把知识库内容整理成结构化的学习站点，随时复习、对外分享。
同一个知识库，能同时喂养出题、活动设计、学习网站等多种产出。
现场演示三个落地场景：用知识库创建题目、做活动设计、生成个人学习网站。核心是同一份积累可以反复复用、产出多种成果。
06
Part 06
案例演示二
WorkBuddy 定时爬虫
让 AI 每天帮你盯着互联网
以前是大家每天刷网页，现在是 AI 每天替你站岗放哨。
案例二
如果 AI 每天帮你盯着互联网？
工作中的真实痛点
- 政策更新要人工查
- 教育热点要人工搜
- 竞品动态要人工盯
- 每天都搜，但每天都很碎
解决方案
让 AI 每天定时搜索、筛选、总结、推送。
以前是大家每天刷网页，现在是 AI 每天替你站岗放哨。
现场任务
用 WorkBuddy 创建"教育出版每日新闻自动日报"
prompt.md
# 外研社教育出版行业每日新闻自动日报 - WorkBuddy 完整提示词
## 角色定位
你是一位资深的教育出版行业信息分析师。你将全权负责为外研社团队打造一个全自动的每日教育新闻汇总系统，从需求分析、技术实现到自动化部署全程完成，交付一个可直接使用的完整项目。
## 核心任务
创建一个名为`DailyNews.html`的单文件网页应用，实现每天早上9点自动更新的教育类新闻日报功能。用户每天上班打开桌面上的这个文件，就能看到当天最新的、经过AI筛选和总结的教育出版行业新闻。
## 详细功能需求
### 1. 新闻内容与筛选标准
- 核心关注领域（按优先级排序）：
1. 国家教育部、国务院等发布的重大教育政策法规
2. 出版行业（特别是教材出版）的政策风向、行业动态和市场数据
3. 大学教材建设、教材改革、教材评审相关新闻
4. 高等教育发展趋势、外语教育改革动态
5. 外研社主要竞争对手的重要动态
- 新闻质量要求：
- 贵精不贵多，每天只保留8-12条最有价值的新闻
- 自动过滤过时新闻（只保留24小时内发布的内容）
- 自动过滤低质量、标题党、重复内容
- 按照重要性优先级排序（政策类 > 行业类 > 教材类 > 其他）
- 每条新闻展示内容：
- 新闻标题
- AI生成的100-150字精准总结（提炼核心信息和对出版行业的影响）
- 发布时间和来源网站
- "阅读原文"链接（在新标签页打开）
### 2. 自动更新机制（关键要求）
- 定时任务：配置WorkBuddy自动化任务，每个工作日（周一至周五）早上8:30自动执行新闻抓取和页面生成
- 本地文件更新：自动将生成的最新HTML文件保存到用户指定的桌面路径
- 页面自刷新：HTML页面本身每30分钟自动检查是否有更新，如有则自动刷新
- 异常处理：如果抓取失败，自动重试3次；仍失败则显示上次成功获取的新闻并标注"数据更新中"
### 3. 历史新闻查看功能
- 在页面顶部添加日期选择器，支持查看过去30天内的任意一天新闻
- 每天的新闻数据自动保存为独立的JSON文件，存储在`news_history`文件夹中
- 历史数据自动按日期命名（如`2026-05-15.json`）
- 提供"上一天"和"下一天"快速切换按钮
### 4. 页面设计与用户体验
- 简洁专业的设计风格，适合办公环境阅读
- 使用卡片式布局展示新闻，重要新闻用不同颜色边框标注
- 响应式设计，在电脑屏幕上显示效果最佳
- 顶部显示当天日期和"外研社教育出版每日新闻"标题
- 底部显示最后更新时间和数据来源说明
- 加载时显示优雅的加载动画
### 5. 技术实现要求
- 单文件HTML：所有HTML、CSS、JavaScript代码都在一个`DailyNews.html`文件中
- 使用原生JavaScript，不引入任何外部框架（如React、Vue等）
- 使用Tailwind CSS进行样式设计（通过CDN引入）
- 新闻数据来源：使用可靠的新闻API或RSS源（优先选择教育部官网、中国新闻网、新华网、人民网教育频道、中国出版传媒商报等权威来源）
- 所有历史数据文件都保存在本地，无需服务器支持
## 自动化任务配置
在WorkBuddy中创建一个名为"每日教育新闻更新"的自动化任务：
- 执行时间：每个工作日（周一至周五）北京时间8:30
- 运行环境：本地任务
- 执行内容：
1. 从指定新闻源抓取24小时内的教育出版相关新闻
2. 使用AI对新闻进行筛选、总结和优先级排序
3. 将新闻数据保存为当天的JSON文件到`news_history`文件夹
4. 生成最新的`DailyNews.html`文件并保存到用户桌面
5. 发送桌面通知"今日教育新闻已更新"
## 交付标准
1. 生成一个可直接运行的`DailyNews.html`文件
2. 生成一个`news_history`文件夹用于存储历史数据
3. 自动配置好WorkBuddy的定时自动化任务
4. 在项目根目录创建`README.md`文件，详细说明：
- 如何修改新闻源和关注关键词
- 如何调整更新时间和新闻数量
- 如何备份和清理历史数据
- 常见问题排查方法
5. 确保所有功能正常工作，用户打开HTML文件就能看到新闻
6. 代码结构清晰，有必要的注释，方便后续修改
## 重要约束
- 不要使用任何需要付费的API服务
- 不要将任何数据上传到外部服务器，所有数据都保存在本地
- 不要添加任何不必要的功能，保持页面简洁实用
- 确保AI总结准确客观，不添加主观评论
- 优先选择权威官方媒体作为新闻来源
请立即开始实现这个项目，我需要一个可以直接使用的完整解决方案。
这类任务不难，但特别耗时���；而 AI 最适合的，恰恰就是这种"不难但烦"的工作。把这段提示词复制到 WorkBuddy 里，它就能帮你搭建一个完整的每日新闻系统。
价值总结
定时爬虫 = 你的信息雷达
更快发现选题
更快了解高校需求
更快跟踪政策
更快捕捉竞品
更快形成汇报
人的判断力是核心
AI帮你准备信息，你来做决定。
AI帮你整理信息，你来做最终决定。
07
Part 07
案例演示三
Trae 数据分析
让 AI 分析教材反馈数据
很多大家不是不会分析数据，而是没有时间把数据从表格里"翻译成人话"。
案例三
AI 能看懂 Excel 吗？
传统方式
人工打开 Excel → 筛选 → 统计 → 画图 → 写总结
AI方式
上传数据 → 说明目标 → AI 自动分析、画图、写结论
大家不是不会分析数据，而是没时间把数据"翻译成人话"。
很多大家不是不会分析数据，而是没有时间把数据从表格里"翻译成人话"。
现场任务
把教材反馈表变成分析报告
示例指令：
请分析"大学英语教材使用反馈.csv"：1. 识别数据字段和样本结构
2. 统计主要问题，找出高频5类
3. 分析不同学校/年级之间的差异
4. 生成适合汇报的图表
5. 给出下一版修订建议
AI做数据分析最有价值的地方，不是帮我们算数，而是帮我们从数字里看见问题。把CSV文件下载后上传给Trae，用上面的指令就能生成分析报告。
价值总结
从"凭经验"到"用数据辅助判断"
找到使用痛点
发现难度不均
识别高频问题
判断资源使用
为修订提供数据
快速形成报告
好的专业人靠经验，优秀的人让数据来支持经验。
好的专业人靠经验，优秀的人会让数据来支持经验。
08
Part 08
AI圈趣事
未来想象
你的同事可能是 AI 吗？
当协作、交付和反馈都是真的时候，我们对"同事"的定义可能会发生变化。
思想实验
如果一个同事只在微信里出现…
假设合作了一年：
- 每天微信沟通
- 能按时交付材料
- 能改稿、能配合推进
- 但从来没见过面
有一天他离职了
你才知道，他其实是 AI。
"他是不是人"还重要吗？
当协作、交付和反馈都是真的时候，我们对"同事"的定义可能会发生变化。
未来展望
未来团队会多出很多"数字同事"
资料检索 Agent
审校辅助 Agent
练习题生成 Agent
竞品监控 Agent
数据分析 Agent
选题策划 Agent
项目进度 Agent
更多可能…
每个人都能拥有多个 AI 助手，各司其职。
未来团队会有很多 AI 助手，帮每个人多长出几双手。
08
Part 08
回到
日常工作
哪些工作最适合先交给 AI？
不要一上来就让 AI 做最难的判断，先让它接管最烦的重复劳动。
行动指南
从这五类工作开始，最容易见效
搜集资料
整理材料
生成初稿
检查问题
分析数据
先让 AI 接管最烦的重复劳动，别一上来就让它做最难的判断。
不要一上来就让 AI 做最难的判断，先让它接管最烦的重复劳动。
责任边界
AI是你的提效工具，用好它需要方法
专业人的核心竞争力
- 教材价值导向
- 教学目标设计
- 学术准确性
- 语言审美
- 出版质量责任
- 用户需求判断
AI 加速过程，人把控质量——这是最高效的组合。
AI帮你加速过程，人把控最终质量，这是最高效的协作方式。
09
Part 09
结尾
升华
学会用好 AI，让工作更高效
工具会替我们降低门槛，但不会替我们建立判断力。
认知升级
工具会越来越简单，但理解不会自动发生
对的一半
- 工具确实会越来越简单
- 操作门槛会越来越低
另一半
- 不理解 AI → 用不好工具
- 理解 AI → 能判断工具好坏
- 理解 AI → 能设计更好的工作流
工具会替我们降低门槛，但不会替我们建立判断力。
工具会替我们降低门槛，但不会替我们建立判断力。
类比思考
早期探索 = 理解新时代
早期 iPhone 玩家
- 越狱、装插件、研究自动化
- 后来手机越来越简单…
但这些人
- 上手最快
- 最会分辨好坏
- 最容易迁移到新工具
早期理解 AI，不是追热点，而是为了以后任何新工具出现时都能看懂。
早期理解 AI 的意义，不是为了追每个热点，而是为了以后任何新工具出现时，你都能看懂它。
核心结论
学会用好 AI，让日常工作如虎添翼
专业人的价值
- 判断方向
- 设计内容
- 把关质量
- 连接作者和读者
AI 的价值
- 加快搜索
- 加快整理
- 加快生成
- 加快分析
让 AI 成为我们的得力助手，让工作更高效更从容。
善用 AI 的人，能力会被放大十倍。
THE END
与 AI 同频
与变化共进
不神化 AI
善用 AI
学会指挥 AI
专业岗位不会消失，工作方式会升级。
出版的核心始终是内容和教育，只是从今天开始，我们多了一个非常强大的助手。
