📰 来源：Towards Data Science　|　📅 翻译日期：2026年7月17日
🔗 原文：查看原文
🤖 翻译：DeepSeek AI · 仅供参考

摘要

在AI能够接手重复性工作之前，工作本身需要被明确定义。这意味着要知道任务是什么、为AI提供正确的业务上下文、解释什么样的工作才算做得好，并决定AI何时可自主推进、何时应请示人工判断。本文将介绍五种可复用的资产，帮助团队构建AI能够一致且自信地支持的工作流程。

为何先准备工作流程而非增加AI代理

在我上一篇文章《在增加更多AI代理之前，先重新设计工作》中，我主张公司在推出更多AI工具和代理之前，应首先重新设计工作流程。

你可能会问，如果创建更多代理不是第一步，那应该从哪里开始？如果一个团队想超越个人效率、孤立的试点和零散的演示，让AI成为其产品生命周期和日常运营的一部分，首先应该做什么？

我参与的AI工作流赋能项目越多，就越确信缺失的一环是准备工作流程本身。

在AI能够可靠地执行任何重复性工作之前，必须有人定义：工作是什么、为何存在、哪些信息重要、成功结果是什么样子，以及AI必须在何处停下来请求人工判断。

现实情况是，这种准备很少被文档化。大多数团队直接跳到提示词和代理。许多人认为让团队使用高级模型就能产生更好的结果。但反直觉的是：模型表现越好，这些缺失的定义可能带来的代价就越大。

区别在于你如何提问。一次聊天交互从请求开始：“分析这个。”“制作演示文稿。”“总结这些文件。”

而一个可操作的工作流从一个明确定义的任务开始：需要什么成果？哪些来源是权威的？AI可以自主做哪些决策？合格的输出是什么样？AI何时应停下来求助？

本文将展示在将重复性工作交给AI助手或代理之前，你可以做什么。对于团队来说，可以从以下五种可复用资产开始。与其继续收集更好的提示词，不如创建这些资产，通过实际使用改进它们，并在你长期采用的AI模型和工具中携带它们。

1. 重复性工作资产

找到那些定期发生、耗费相当时间、遵循可重复步骤、使用相同类型输入、或具有足够价值或风险从而值得构建可复用AI工作流的任务。

可以是：周报、月度业务回顾、客户提案、合同审查、产品发布包、季度计划流程等。

你需要一个简单的清单，记录你和团队的时间花在哪里、哪些工作重复出现、哪些可复用流程能提供帮助。重复性工作清单帮助你根据频率、工作量、风险和价值来选择任务。

提示词模板：

你是我的工作流组织助手。

根据以下工作描述，识别最适合AI处理的重复性任务。

要求：

1. 包含的任务需满足：

   • 定期重复
   • 遵循一致流程
   • 消耗有意义的时间
   • 具有高可避免错误风险
   • 或依赖于重复的分析、起草、审查或协调

2. 对每个任务，说明：

   • 具体行动
   • 发生频率
   • 所需输入
   • 预期输出
   • 评估标准
   • 当前所需时间
   • 主要困难或错误来源

3. 将每个任务分类为：

   • 更适合一次性AI对话
   • 更适合可复用的工作流或代理
   • 更适合保持以人工为主
4. 解释你选择每个分类的原因。
5. 避免泛泛的建议。使用具体行动。

我的工作描述：
[在此粘贴你的描述]

2. 任务资产

大多数人只提供主题，其余交给AI。他们让AI“分析数据”、“准备演示文稿”或“总结文档”。模型不得不推断受众、决策、格式、来源优先级、详细程度和质量门槛。

AI常常自行填补缺失信息。当这些假设错误时，输出可能听起来自信但方向错误。

任务资产有助于消除这些隐含假设。它将模糊的请求转化为AI可执行的任务。定义目标、受众、材料、约束、步骤、好结果的样子，以及系统何时应停下来请示。它也为你在赋予AI更多责任前提供了具体的审查内容。

提示词模板：

将以下模糊请求转换为AI可执行的任务包。

输出：

• 目标
• 业务目的
• 受众
• 此项工作应支持的决策或行动
• 要使用的材料
• 权威来源
• 仅参考来源
• 约束条件
• 执行步骤
• 要求的输出格式
• 好结果的样子
• 验收标准
• 我需要确认的风险
• 仍然缺失的信息
• 何时你必须停下来问我

我的请求：
[在此粘贴你的请求]

3. 上下文资产

上下文帮助AI看清什么是重要的。团队重组、优先级变化、结果更新、政策重写——六个月前依赖的信息可能已经过时。有用的上下文告诉AI它知道什么，以及它仍需要验证什么。

不要在每个对话中重复解释你的工作。一份简短的文档可以涵盖你是谁、你正在做什么、哪些来源可信、你如何决策、以及你绝不想要什么样的输出。

有用的上下文不应成为所有发生过的事情的集合。保持简短和最新。不要把几个月的老聊天历史塞进去，因为过时的细节和无关对话会淹没有价值的信息。

提示词模板：

为AI创建一个简洁的项目上下文文档。
我将在持续的AI任务中复用它，这样就不需要每次解释相同的上下文。

包括：

1. 我是谁
2. 我目前正在做什么
3. 我的团队和角色
4. 当前项目及阶段
5. 关键截止日期
6. 权威信息来源
7. 决策框架
8. 沟通偏好
9. 我从不想要的输出类型
10. 关键约束和风险
11. 已做出的决策
12. 待定决策
13. 相关术语表
14. 版本历史

4. 质量标准资产

团队在定义质量时往往含糊其辞。他们让AI“写得好”或“保持专业”，但AI对“好”的猜测通常基于一般模式，而非你的特定标准。

质量标准资产为AI提供明确的准则：使用什么风格和语气、什么是好的结构、什么不能包含、以及如何界定输出是可接受的还是需要重做。

提示词模板：

为AI创建一个质量标准文档。

包括：

• 风格和语气
• 格式标准
• 语言和词汇规则
• 必须避免的内容
• 可接受与不可接受输出示例
• 评分标准
• 迭代规则
• 输出长度指南
• 文档类型列表
• 检查清单
• 例子

5. 经验教训资产

记录AI曾经出错的地方——不是作为批判，而是作为学习。让AI知道过去的失败模式，以及纠正它们的规则。

创建一个简短的经验教训文档，包含问题、原因、解决方案和后续预防规则。

提示词模板：

为我的AI系统创建一个经验教训文档。

包括：

• 问题描述
• 当时上下文
• 根本原因分析
• 解决方案
• 防止再次发生的规则
• 受影响的任务类型
• 相关日期
• 优先级别（高/中/低）

示例：

问题	原因	解决方案	规则
...	...	...	...

总结

在让AI接手重复性工作之前，先投资于这五种资产：

1. 重复性工作资产：选择高频、高价值的任务
2. 任务资产：将模糊请求转化为具体任务
3. 上下文资产：提供持续的背景信息
4. 质量标准资产：定义明确的成功标准
5. 经验教训资产：从错误中学习

这些资产将帮助团队从“实验AI”过渡到“运营AI”，确保AI能够提供一致、可靠的结果。