课程定位
一句话目标：让学员从“让 AI 帮我做一下”升级为“我能判断什么工作适合 AI 化，并把它拆成 AI 可以执行、人可以验证、后续可以稳定复用的小步骤”。
适合学员：0 基础、不会写流程、只会一句话问 AI 的新手。
本节核心比喻：AI 像一个很能干的同学，但你不能只说“帮我变优秀”，你要告诉他这件事值不值得交给 AI、先做什么、再做什么、交什么作业、你怎么检查。
我们早已把记忆交给清单、把计算交给计算器、把网络检索交给搜索引擎、把路线规划交给导航。现在要学习的，是把可定义的认知劳动和工作步骤交给 AI。
外包步骤不等于外包判断。AI 可以整理、比较、生成和执行；人仍负责目标、事实核验、关键决策和最终责任。
AI 时代真正重要的，不只是会提问，而是会定义目标、提供上下文、拆解流程、核验结果和组织 Agent。L2 接下来的每一节课，都在训练其中一项能力。
开场核心对比：从 Web Chat 到主动工作的 Agent
先看清 Web Chat 的限制
普通 Web Chat 并不是没用。它很适合一次性问答、快速草稿、临时解释和探索想法，但它通常只负责“回答这一轮”。当任务变成一项持续的真实工作时，人仍然要站在流程中间：
- 每次都要人先打开页面、输入问题，再决定下一步问什么。
- 换一个对话或换一个任务时，往往要重新解释自己的身份、受众、资料、目标和禁忌。
- AI 写出的内容可能语气相近、意思也对，却不一定适配你的个人经历、课程学员和真实交付目标。
- AI 完成当前回答后，不会自然接着收集资料、检查缺口、修改内容、整理文件和汇报结果。
- 人仍要负责复制、粘贴、转交、检查、催进度和发起下一步，节省了局部写作时间，却没有明显减少统筹与盯过程的时间。
所以 L2 不是教大家“多问几个 Prompt”，而是教大家把自己的资料、经验、流程、验收标准和安全边界逐步交给 AI，让它从通用聊天工具成长为可以协作的 AI 员工。
同一个任务的四种做法：设计一门个人课程
假设你的任务是“根据我的经历和学员需求，设计一门个人课程”。四个阶段看起来都在使用大模型，但人的投入和最终收益完全不同。
阶段 1：Web Chat——通用助手
你在网页聊天框里输入：“帮我设计一门个人课程。”AI 很快给出一份结构完整的通用大纲。你发现内容和市面上的课程语气、意思都差不多，却没有体现你的经历、案例、目标学员和表达风格。
于是你继续补充：“我的学员是零基础”“请用更口语的方式”“加入我的案例”。之后，大纲、逐字稿、作业和宣传文案仍要由你逐项发起。AI 每次回答一小段，人始终在中间推动整个任务。
阶段 2：AI 实习生——人在场的辅助执行
你把个人介绍、用户访谈和参考课程交给 AI，再明确告诉它先整理资料、再对比需求、再写大纲。AI 已经能承担资料整理、竞品对比和初稿生成，但仍像刚入职的实习生：每完成一步，都等你检查、交接和下达下一步。
这时 AI 节省了部分执行时间，但任务的拆解、衔接、纠错和进度管理仍主要由人完成。
阶段 3：半自动 Agent——按流程连续工作
你为 Agent 配好个人知识库、课程定位、表达风格、工作步骤和验收标准。只要发起“制作这期课程”，它就能按流程读取资料、识别缺口、生成大纲、写逐字稿、检查一致性并整理交付文件。
遇到资料不足、方向冲突或关键取舍时，它会停下来请你确认；确认后继续执行。人不再逐步教它做事，而是负责目标、异常和关键决策。
阶段 4：定时自动 Agent——主动执行与汇报
在规则清楚、风险可控的前提下，Agent 可以每周定时收集学员反馈，整理常见问题，对照课程资料发现缺口，生成优化建议和周报，并主动把“已完成、发现的问题、建议调整、需要确认”汇报给你。
你不需要每天想起这件事再打开聊天框。低风险的收集、整理、对比和草稿可以自动运行；发布、付款、审批、承诺、删除、隐私处理和高风险判断仍由人确认。
四个阶段的工作方式对比
| 对比维度 | Web Chat（通用助手） | AI 实习生（人在场） | 半自动 Agent（按流程协作） | 定时自动 Agent（主动汇报） |
|---|---|---|---|---|
| 谁发起任务 | 每一轮都由人发起 | 每个阶段由人发起 | 人发起目标，Agent 连续执行 | 到时间自动触发 |
| 谁拆解和衔接步骤 | 人自己想下一步 | 人拆解并逐步交接 | Agent 按预设工作流衔接 | Agent 按计划运行完整流程 |
| 是否记住个人资料与风格 | 当前对话里临时提供 | 人每次选择并提供资料 | 固定读取个人知识库和风格规则 | 持续读取并按规则更新 |
| 能否连续执行 | 通常只回答当前一轮 | 能做一段，做完等人 | 能执行多步，异常时停下问人 | 能定时执行低风险多步流程 |
| 能否定时触发 | 不能 | 不能 | 可以手动启动完整流程 | 可以按日、周、月自动启动 |
| 能否主动汇报 | 不能 | 人问了才总结 | 执行结束后可形成报告 | 到时间主动发送简报和确认清单 |
| 人的主要角色 | 提问者、搬运者、检查者 | 任务经理、交接者、检查者 | 目标制定者、异常处理者、验收者 | 规则制定者、质量负责人、关键决策者 |
| 核心收益 | 快速得到一次答案 | 节省局部执行时间 | 减少重复说明和盯过程时间 | 持续获得稳定成果和主动汇报 |
L2 的学习路径与收益
Web Chat → AI 实习生 → 半自动 Agent → 定时自动 Agent + 主动汇报
这条路径不是一次跳到“全自动”，而是逐层补齐 AI 独立工作的条件：
- L2-7 拆工作流：把“帮我做课程”变成输入、步骤、输出、验收和人工确认点。
- L2-8 加知识和记忆：让 AI 使用你的资料、经历、用户信息和历史结论，不再只给通用答案。
- L2-9 设定 Agent：明确它的岗位、目标、权限、工具、汇报方式和禁止事项。
- L2-10 固化 Skill：把重复做法封装成一句话可触发、可复用的能力。
- L2-11 测试和优化：用正常、资料不足、高风险任务验证稳定性，把错误写回规则。
- L2-12 延伸自动化：为低风险流程增加定时触发、异常停止和主动简报。
学完以后，变化不只是“AI 写得更快”，而是工作方式发生变化：
- 从每次反复解释背景，变成复用个人知识和表达风格。
- 从人一步一步下指令，变成 AI 按流程连续执行。
- 从人盯住每一个步骤，变成只处理异常和关键确认。
- 从临时得到一份答案，变成持续得到固定格式的成果与汇报。
- 人从主要执行者，转为目标制定者、质量验收者和关键决策者。
重要边界：“全自动”不等于“完全不需要人”。只有低风险、规则清楚、结果可验收的步骤才适合自动运行；高风险动作必须保留人工确认。
本节新增重点：先选流程，再造工具
课程案例还没有完全确定时，不急着定“讲哪个行业”。先教会学员一套通用判断法：哪些工作值得 AI 化，哪些工作暂时不适合。
当前开源项目映射
| 工程概念 | 小白解释 | 课程里怎么落地 |
|---|---|---|
| Workflow | 一件事的固定做法 | 工作流拆解表.md |
| Plan / Execute / Verify / Reflect | 先计划、再执行、再检查、再复盘 | 工作流拆解卡 |
| Human-in-the-loop | 关键节点让人确认 | 人工确认点 |
| LangGraph Workflow | 把长流程拆成节点和状态 | 课堂只讲“步骤、状态、下一步” |
| Observability | 看清 AI 每一步做了什么 | 试跑记录和问题记录 |
| Evals | 用测试判断稳定性 | 正常、资料不足、高风险 3 类测试 |
适合 AI 化改造的工作流程
优先选择同时满足 4 个条件的流程：
| 判断项 | 适合 AI 化的信号 | 不适合先做的信号 |
|---|---|---|
| 重复频率 | 每天、每周、每个客户都会发生 | 一年只做一两次 |
| 输入清楚 | 有文本、表格、截图说明、资料库、聊天记录 | 只有脑子里的模糊想法 |
| 输出稳定 | 每次都要交类似格式：表格、总结、清单、文案、报告 | 每次都完全不同，无法定义好坏 |
| 风险可控 | AI 先出草稿，人再确认 | 需要自动付款、审批、发布、签约、删除 |
最适合作为课堂案例的 6 类流程
| 流程类型 | 典型任务 | AI 适合做什么 | 人必须确认什么 |
|---|---|---|---|
| 信息整理 | 群消息、会议纪要、课程资料、制度 FAQ | 清洗、分类、摘要、提取待办 | 重要事实、责任人、截止时间 |
| 内容生产 | 小红书选题、公众号草稿、短视频脚本、朋友圈文案 | 生成草稿、改写、扩写、风格统一 | 是否发布、是否夸大、是否侵权 |
| 客户跟进 | 售前咨询、项目催办、学员提醒、售后回访 | 复述事实、判断缺口、生成低压力跟进文案 | 价格、承诺、合同、退款 |
| 知识问答 | 课程知识库、公司制度、客服 FAQ、产品资料 | 根据资料回答、承认不知道、整理知识卡 | 资料来源、隐私、政策解释 |
| 数据报表 | 周报、月报、销售记录、运营数据 | 汇总、对比、找异常、生成说明 | 口径、结论、经营决策 |
| 个人助理 | 学习计划、健康记录、日程整理、复盘 | 计划、提醒、复盘、生成清单 | 医疗、法律、财务和长期承诺 |
不建议作为第一批 AI 化案例的流程
- 一上来就要求全自动执行的流程，比如自动发帖、自动付款、自动删除文件。
- 没有稳定输入的流程，比如“帮我变厉害”“帮我赚钱”。
- 无法验收好坏的流程，比如“随便做一个高级方案”。
- 涉及强责任和高风险判断的流程，比如医疗诊断、投资建议、法律结论、合同签署。
- 需要大量私密数据但还没有脱敏方案的流程。
课前准备
- 一个真实但不敏感的重复任务：整理群消息、写周报、做学习计划、整理课程资料。
- 可用 Skill：
prompt-builder-engine、openclaw-course-router。 - 可选工具：腾讯 ima、飞书/腾讯文档、本地 Markdown 文件夹。
课堂流程
| 时间 | 环节 | 老师做什么 | 学员产物 |
|---|---|---|---|
| 0-8 分钟 | 核心对比 | 用“设计个人课程”对比 Web Chat、AI 实习生、半自动 Agent 和定时自动 Agent | 选出自己当前所处阶段 |
| 8-18 分钟 | 选流程 | 用 4 项标准判断是否适合 AI 化 | AI 化候选流程 |
| 18-30 分钟 | 拆问题 | 把大任务拆成 5-8 个小步骤 | 步骤清单 |
| 30-42 分钟 | 加验收 | 给每一步加输入、输出、检查方法 | 工作流拆解表 |
| 42-52 分钟 | 稳定输出 | 固定模板、测试样例、人工确认点 | 稳定输出检查表 |
| 52-60 分钟 | 作业 | 学员写自己的工作流 | 工作流拆解表.md |
逐字稿
0-8 分钟：开场——为什么不能只停留在 Chat
同学们，假设你今天打开一个网页聊天框，对 AI 说：“帮我设计一门个人课程。”
几秒钟以后，它可能就会给你一份很完整的大纲。标题、章节、作业都有，看上去也没有明显错误。
但你仔细一看，会发现它和网上常见课程的语气、意思都差不多。它不知道你做过什么，不知道你的学员真正卡在哪里，也不知道你习惯怎样表达、哪些内容不能承诺。这份大纲能看，却不一定是“你的课程”。
于是你开始补充背景：“我的学员是零基础”“这是我的个人经历”“请用更口语的方式”。大纲写完以后，你还要继续说：“现在写第一课逐字稿”“再设计作业”“再检查前后重复”“再整理成文件”。
大家有没有发现？AI 虽然帮你写了很多内容，但你一直站在任务中间。你要负责发起、复制、检查、修改、交接和催下一步。你省下了一部分写字的时间，却仍然要花大量时间统筹和盯过程。
这就是 Web Chat：它是一个反应很快的通用助手，但主要在等待你提问。
再往前一步，是 AI 实习生。你把资料和步骤交给它，它可以整理访谈、比较课程、生成初稿，但每做完一段，仍然等你检查和安排下一段。
继续往前，是半自动 Agent。你提前配好个人知识库、课程定位、表达风格、工作流程和验收标准。你只需要发起“制作这期课程”，它就能连续完成资料整理、大纲、逐字稿和检查。遇到资料不足或关键选择时，它停下来问你，确认后继续。
最后，是定时自动 Agent。它可以每周按时收集学员反馈、整理问题、生成课程优化周报，并主动告诉你：做完了什么、发现了什么、建议改什么、哪些事情需要你确认。
所以我们的学习路径不是多背几个 Prompt，而是先让通用助手成为有人带的 AI 实习生，再让它学会按流程连续协作，最后才进入定时工作和主动汇报。
今天先完成最重要的第一步：把复杂任务拆成 AI 能执行、人能检查、后续能稳定复用的小步骤。
大家记住：AI 不怕任务多，怕任务不清楚；Agent 也不会凭空懂你，它需要流程、知识、规则和验收标准。
8-18 分钟：先挑选适合 AI 化的流程
今天我们不急着决定“到底用哪个案例”。
因为真正重要的不是某个案例，而是你以后能不能自己判断：这件事到底适不适合交给 AI。
大家先拿出一个自己经常重复做的任务，然后按四个问题打分：
- 这件事是不是经常发生？
- AI 能不能拿到清楚的输入资料？
- 最后要交的结果是不是比较固定？
- 做错了以后，能不能先由人检查再发布？
如果四个问题大部分是“是”，它就适合进入 AI 化改造。
如果一上来就要 AI 自动付款、自动发帖、自动代表你承诺客户，那就先不要做。我们先做“可控的自动化”，不是做“失控的自动化”。
课堂里可以先从这几类里面选：
- 整理群消息并生成待办。
- 把会议录音或纪要整理成行动项。
- 把课程资料整理成知识库。
- 给客户写跟进文案。
- 把每周工作记录整理成周报。
- 给一个副业方向做资料检索和 7 天小实验。
18-30 分钟：把大任务拆小
我们拿“每天整理群消息”举例。
如果你只对 AI 说：“帮我整理群消息”，它可能会乱总结，因为它不知道哪些重要、哪些不重要。
我们把它拆成 5 步：
- 收集今天的群消息。
- 去掉闲聊、表情、重复内容。
- 按主题分类：通知、任务、问题、资料。
- 总结每一类重点。
- 生成明天要跟进的待办。
这就像做饭。你不能只说“做一顿饭”，你要先洗菜、切菜、下锅、调味、装盘。AI 也是一样。
30-42 分钟：每一步都要能检查
只拆步骤还不够。我们要给每一步加三个东西：输入、输出、验收标准。
比如“按主题分类”这一步：
- 输入：清理后的群消息。
- 输出：通知、任务、问题、资料四类列表。
- 验收标准：每条消息只能放进一个类别；不能确定的放进“待人工确认”。
这一步很关键。没有验收标准，AI 说“我完成了”，你也不知道它到底做得对不对。
42-52 分钟：让输出稳定，而不是偶尔惊艳
AI 化工作流不是“今天生成得不错”就算完成。
真正能投入生产的流程，要做到三件事：
- 输入固定：每次都告诉 AI 要看哪些资料、哪些字段、哪些背景。
- 输出固定：每次都交同样结构的结果，比如表格、清单、报告、文案三版本。
- 测试固定：至少准备正常、资料不足、高风险 3 个测试。
我们把一个流程从“能用”变成“稳定可用”，要经历 4 步：
| 阶段 | 目标 | 产物 |
|---|---|---|
| 1. 试跑 | 先让 AI 跑通一次 | 初版结果 |
| 2. 固化 | 把输入、步骤、输出写成模板 | 工作流拆解表 |
| 3. 测试 | 用 3 类任务检查稳定性 | 测试记录 |
| 4. 优化 | 把错误写回规则 | v2 工作流 |
52-60 分钟：人和 AI 怎么分工
AI 适合做重复、整理、草稿、分类、对比。
人适合做目标、判断、授权、确认、发布。
所以在我们的流程里，AI 可以整理群消息，但不能自动替你回复老板；AI 可以写待办，但不能替你承诺交付时间；AI 可以推荐分类，但不确定的内容必须给人看。
今天我们不追求“全自动”，先追求“可控地自动”。
演示提示词
现在给大家一个可以直接复制的提示词：
请帮我判断下面任务是否适合 AI 化改造，并拆成可稳定执行的工作流。
任务：每天整理群消息并生成待办。
要求：
1. 先按重复频率、输入清晰度、输出稳定性、风险可控性打分，每项 1-5 分。
2. 如果适合改造，再拆成 5-8 个步骤。
3. 每一步都写输入、处理动作、输出、验收标准。
4. 标出哪些步骤由 AI 做，哪些步骤必须人工确认。
5. 设计 3 个测试任务：正常、资料不足、高风险。
6. 输出表格，并给出 v2 优化建议。
如果你觉得自己的任务不一样，把“每天整理群消息”换成你的真实任务就行。
课堂作业说明
现在每个人选择一个自己重复做的事情。可以是学习、运营、电商、写汇报、做数据。
你要交一个文件，叫 工作流拆解表.md。
这个文件必须包含：
- 任务名称。
- 为什么它值得自动化。
- 5-8 个步骤。
- 每一步的输入、输出、验收标准。
- 哪些由 AI 做，哪些由人确认。
- 3 个稳定性测试：正常、资料不足、高风险。
- 第一次试跑后要改进的地方。
记住，今天的重点不是让 AI 一次做完，而是让 AI 知道怎么一步一步做。
课堂示例
| 步骤 | 输入 | AI 动作 | 输出 | 人工确认 |
|---|---|---|---|---|
| 1 | 群消息文本 | 去掉闲聊和重复 | 清理后文本 | 否 |
| 2 | 清理后文本 | 分类 | 四类列表 | 不确定项需要 |
| 3 | 四类列表 | 摘要 | 每类 3 条重点 | 是 |
| 4 | 重点摘要 | 提取行动项 | 待办清单 | 是 |
| 5 | 待办清单 | 生成提醒计划 | 提醒表 | 是 |
执行步骤详情表：梳理并分析自己的日常工作流
用途：把"做这门课"再拆细一档，按“目标—行动—工具—提示词—产出—注意事项”的视角对照 0-60 分钟的课堂节奏，让学员 1 张表看清每一步在做什么、用什么、怎么问、产出什么、哪里要小心。
示例流程：选 1 件自己每天/每周重复做的工作（整理群消息、写周报、做学习计划都行），按下面 5 步把它拆成可复用的 AI 工作流。
| 步骤 | 核心目标 | 具体行动要点 | 推荐工具 | 可复制提示词 | 预期产出 | 注意事项 |
|---|---|---|---|---|---|---|
| 步骤 1 · 选定候选流程 (0-8 分钟) |
从"什么都想自动化"收敛到 1 个真实可做的任务 | 用 4 项标准打分：重复频率、输入清晰度、输出稳定性、风险可控性；选出自己目前最常做、输入最稳的那 1 件事；用一句话写下"我要改造的重复工作是______" | 飞书表格 / 腾讯文档 + Claude 或 ChatGPT | “请判断【任务】是否适合做第一批 AI 化改造。按重复频率、输入清晰度、输出稳定性、风险可控性、人工可验收各打 1-5 分；说明扣分原因、不可自动的动作，并给出最小可行改造范围。” | AI化流程筛选卡.md（含 4 项分数和入选结论） |
先求"可控地自动"，不求"全自动"；账号、付款、发布、承诺类动作本步直接标"暂不改造" |
| 步骤 2 · 拆成 5-8 个小步骤 (8-30 分钟) |
把大任务变成 AI 能一步步做、人能一步步查的流程 | 用"洗菜→切菜→下锅→调味→装盘"的做饭思路拆任务；每一步只做 1 件事；步骤之间能用"上一步的输出"串起来 | Claude / ChatGPT / NotebookLM | “请把【任务】拆成 5-8 个连续步骤。每一步写‘动作 + 交给下一步的输出’，不要跳过资料整理、检查和人工确认；不确定的步骤标为‘待人工确认’。” | 步骤清单（编号 1-8，每步 1 行） | 步骤数不要超过 8 步；超过就先砍掉可合并项；不确定顺序的步骤先标"待人工确认" |
| 步骤 3 · 给每步加输入、输出、验收 (30-42 分钟) |
让 AI "做完"不等于"做对"，每一步都能被检查 | 每一步写清 4 项：输入、AI 动作、输出、验收标准；验收标准要可观察（"4 类齐全"而不是"分得合理"）；关键步骤标"待人工确认" | 飞书表格 / Markdown + Claude | “请把以下步骤清单扩成工作流拆解表。每步必须有：输入、AI 动作、输出、可观察的验收标准、人工确认点。验收标准禁止使用‘合理、清楚、专业’等模糊词。” | 工作流拆解表.md（5-8 行 × 5 列） |
验收标准要写到"看一眼就能判断通过/不通过"；不写"合理""清楚"这种模糊词 |
| 步骤 4 · 跑 3 类测试：正常 / 资料不足 / 高风险 (42-52 分钟) |
确认工作流不是"偶尔惊艳"，而是"稳定可用" | 准备 3 个测试样例：正常任务（输入齐全）、资料不足（少 1-2 个字段）、高风险（涉及承诺/付款/发布）；记录每一步 AI 实际产出 vs 验收标准的差距 | 当前 AI 工具 + 本地 Markdown | “请按这个工作流跑 3 个样例：A 正常输入；B 缺少关键资料；C 涉及发布、付款、承诺或隐私。逐步记录实际输出、是否通过验收、失败原因、是否需要人工确认。” | 测试记录表（3 行 × N 列）+ 异常清单 | 3 类测试不通过的工作流不能进入 v2；高风险测试即使通过也必须保留人工确认 |
| 步骤 5 · 写回规则，定 v1.0 版本 (52-60 分钟) |
把试跑中暴露的错误沉淀成规则，避免下次重犯 | 把测试中发现的问题改回"工作流拆解表"（补字段 / 改步骤 / 加人工确认点）；标版本号 v1.0；写下"下一版要解决的 3 件事" | Notion / 飞书 / Markdown + Claude | “请根据以下试跑记录生成 v1.0 → v1.1 变更清单。每项写明：发现的问题、修改哪个文件或步骤、具体修改句、下次验证样例。不要只写‘优化提示词’。” | 工作流拆解表.md v1.0 + 下周迭代清单 |
SOP 是活的系统，每周复盘一次；2026 年的趋势是"动态适应与预测性优化"，规则要带"什么场景失效" |
这张表的两种用法
- 讲课时：把这 5 步和课堂流程表（0-60 分钟）一一对应，让学员知道"现在在第几步、为什么做、做到什么算够"。
- 学员交作业时：把"工作流拆解表"的前 3 列填好就算 v0.1；补完后面 3 列再交 v1.0，可作为后续 L2-9 / L2-10 复用底稿。
安全边界提醒：步骤 4 的高风险测试，AI 只生成草稿；发布、付款、审批、承诺、删除、隐私处理默认由人完成，不进入自动化流水线。
步骤 1 · Prompt 示例
请帮我判断下面任务是否适合 AI 化。
任务：每天整理群消息并生成待办。
请按重复频率、输入清晰度、输出稳定性、风险可控性各打 1-5 分，并给出是否值得作为本周改造候选的结论。步骤 2 · Prompt 示例
请把【任务名】拆成 5-8 个可执行步骤。
要求：每一步只做 1 件事，步骤之间能前后衔接，输出可直接交给下一步使用。步骤 3 · Prompt 示例
请把下面步骤清单扩成工作流拆解表，
每一步都要有：输入、AI 动作、输出、验收标准、人工确认点（是/否）。
步骤清单：
1. ...
2. ...步骤 4 · Prompt 示例
请用 3 个测试样例跑下面这个工作流：
A. 正常样例：...
B. 资料不足：...
C. 高风险样例：...
每一步输出实际结果，并对比验收标准，标出"通过/不通过"。步骤 5 · Prompt 示例
请根据下面 3 个测试的反馈，把工作流拆解表升级到 v2，
要求：
1. 列出本次修改的 3 条规则；
2. 标出 v1.0 → v1.1 的差异；
3. 给出下周要继续验证的 1-2 个新场景。课堂实操模板
请帮我把下面候选任务整理成 AI 化工作流。
候选任务：
[填写任务]
要求：
1. 先判断是否适合 AI 化，按重复频率、输入清晰度、输出稳定性、风险可控性、人工可验收打分。
2. 如果适合，拆成 5-8 个步骤。
3. 每一步写输入、AI 动作、输出、验收标准、人工确认点。
4. 设计正常、资料不足、高风险 3 个测试。
5. 给出第一版最小可行流程和 v2 优化建议。
AI 化流程筛选卡
# AI 化流程筛选卡
## 1. 候选流程
我要改造的重复工作是：
## 2. 适合度评分
| 判断项 | 分数 1-5 | 说明 |
| --- | --- | --- |
| 重复频率 | | |
| 输入清晰度 | | |
| 输出稳定性 | | |
| 风险可控性 | | |
| 人工可验收 | | |
总分：
## 3. 是否进入 AI 化改造
- 20 分以上：适合优先改造。
- 15-19 分：可以改造，但要先补资料或补验收标准。
- 15 分以下：暂时不适合，先换一个更稳定的流程。
## 4. 风险边界
哪些内容不能让 AI 自动做？
## 5. 第一个最小可行版本
先只让 AI 完成哪一小段？
稳定输出检查表
| 检查项 | 通过标准 |
|---|---|
| 输入固定 | 每次运行前都有资料清单、字段说明、背景限制 |
| 步骤固定 | AI 按 5-8 个步骤执行，不跳步 |
| 输出固定 | 输出结构、字段、文件名基本一致 |
| 事实可查 | 关键事实能回到原始资料 |
| 异常可停 | 资料不足、冲突、高风险时会停下来问人 |
| 人工确认 | 发布、付款、审批、承诺、删除、隐私默认人工确认 |
| 可迭代 | 每次错误都能写回规则或测试样例 |
作业
生成 工作流拆解表.md，至少包含 5 个步骤、3 个需要人工确认的点和 3 个稳定性测试。
验收标准
- 每一步都有输入和输出。
- 已判断这个流程为什么适合 AI 化。
- 至少有一个“待人工确认”分支。
- 至少有正常、资料不足、高风险 3 个测试。
- 学员能用 1 分钟讲清自己的工作流。