先试两条，再批量整理
要把一批活动报名记录整理成表格。AI 一开始把“待确认”也算成报名成功，于是先拿两条记录校准状态，再处理剩余数据；遇到缺项就留空，不自己补。
第二节 · 企业 AI 内训
让 AI 越用越准
把一次判断·变成下次还能用的东西
郑远程 · 独立策划、设计与讲授
企业内部 AI 培训 · 个人作品展示版
01 / 接着上一讲
会用 AI 之后，
还要学会判断。
“这次终于做对了。”
然后呢？下一次类似的任务，
还要把同样的话重新说一遍吗？
第一讲
把需求说清楚
挑模糊点、采访对齐、小步执行，再用具体反馈纠偏。
这一讲
把有效判断留下来
提炼稳定规则，沉淀成 Skill；再让 Agent 在边界内调用工具完成工作。
需求没对齐时，做得越快，返工可能越多。先确定什么值得做、怎样才算做好。
02 / 从作业里看协作
我看到了 17 份对话
同样在和 AI 对话，大家练习的，其实是不同的动作。
基于 17 份真实作业归纳协作类型；具体案例已为公开教学重新编写。
流水线型
5 人先把做法跑稳，再重复执行。
再看 4 个案例
海报不是换个日期就完事
系列讲座要做不同城市的海报。先固定标题和报名区，再批量替换时间、地点。中途有一张把地点挤出了版面，补上“长地名需换行”的规则后重跑。
文件名终于能看懂了
一堆录音只剩自动生成的文件名。让 AI 根据已确认的清单生成“日期—主题—序号”的改名方案，先预览对应关系；找不到主题的文件单独列出，等人补充。
同一份产品信息，给不同渠道用
把产品资料改成邮件、社群短讯和网页摘要，三个版本都从同一份事实表取信息。最初社群版多了一句资料里没有的承诺，后来把“不能扩写事实”加入检查项。
每周都要做的链接检查
维护一份公开阅读清单：检测链接能否打开，再标出失效和重复项目。AI 只生成待核对列表，不直接移除条目，因为临时访问失败不等于资料失效。
对齐型
7 人把含糊的要求变成可检查的标准。
“简洁一点”到底删什么
要写一封项目进展邮件。第一版很短，却删掉了延期原因。补充要求：先说目前进度，再保留影响交付的原因和下一步；寒暄可以减，关键事实不能减。
再看 6 个案例
一张图有三种读者
做工具上手指南时，AI 默认读者都懂术语。通过追问才确认：读者第一次接触这个工具。于是把功能名换成任务语言，先讲“怎样完成第一件事”。
不是每次都要更热闹
为读书活动写介绍，AI 连续加上倒计时和感叹号。真正想要的是安静、可信的邀请。给它一段自己认可的文字，指出喜欢的是节奏和具体细节，而不是照着词句模仿。
先问清楚要比较什么
让 AI 比较两种笔记工具，它列了一长串功能。讨论后才发现，自己最在意的是离线使用和资料导出；重新按这两个条件比较，结论才有用。
修改边界要有名字
调整活动页面时，只允许改文案和间距，报名流程不能动。AI 想顺便换导航，及时停下来复述范围，再继续。这个边界后来写进了每次任务的开场。
一份菜谱，条件没说完
想安排几天的晚餐，最初只说“简单好做”。AI 推荐了烤箱菜，才补充家里只有炒锅。继续对齐人数、时间和不吃的食材，得到能实际照做的安排。
别用一个总分打发我
请 AI 评价一段讲解，它只说“整体不错”。改成逐项看概念是否准确、例子是否贴切、听众是否知道下一步，分歧终于落到了可以修改的句子上。
跨场域型
5 人换一个领域、工具或视角重新看问题。
从客服问题走到产品说明
反复有人问某个按钮在哪里，最初想多写几条客服回复。换成新用户视角后发现，入口命名本身不清楚。让 AI 同时提出帮助文档与界面文案建议，再由人判断改哪一处。
再看 4 个案例
把展览当成一次路线设计
准备一场小展览，先用文字梳理观众会问的问题，再把它变成展板顺序与动线草图。看图后发现开头信息太多，又回到文本阶段删去不影响理解的背景。
研究资料还得回到原文
先用检索工具找到论文，再请 AI 整理研究问题和限制。摘要里一个因果说法太强，打开原文后改成相关关系；最后把这条区别写进阅读笔记。
用培训的办法改交接
整理设备使用说明时，借用了课堂练习的思路：不只讲步骤，还让新人判断几种常见异常。AI 帮忙编练习题，答案由熟悉设备的人逐一检查。
从表格里看到沟通问题
活动报名表总有字段漏填。先看数据，再让 AI 从填写者角度走一遍表单，发现提示语放在了太后面。修改文案后，先请少量志愿者试填，而不是立刻换整套系统。
三种类型不是能力排名。一个任务里，也可能先对齐，再批量执行，最后换个视角检查。
03 / 把模糊需求问清楚 教学模拟
“反馈太散了，
能帮我们整理一下吗？”
01范围先从哪些渠道收？能读取什么？
团队先用邮件、网站表单、社区帖子三份授权导出的示例数据。只读这些文件，不访问其他内容。
留下的规则输入范围被限定为三份明确的数据文件。
02频率要实时跟进，还是固定时间整理？
团队每天 10:00（北京时间）处理上次成功整理之后的新记录。第一次由我确认起始时间。
留下的规则用增量范围，避免把历史记录每天重算。
03去重同一句话跨渠道出现，就当重复吗？
团队不能只看文字。先按来源记录 ID 去重；跨渠道还要核对同一示例用户、同一事项。拿不准就保留，标“待核对”。
留下的规则去重保留来源；疑似重复交给人核对。
04分类哪些类别最有助于下一步处理？
团队分咨询、建议、产品问题、人工跟进。涉及隐私、账户权益或判断不清的情况，优先放入人工跟进。
留下的规则分类服务于处理动作，而不是只贴标签。
05输出整理到什么地方？每一行要有什么？
团队写到指定的反馈表：编号、来源、摘要、类别、负责人、状态、原记录引用。用角色名分配负责人。
留下的规则明确表格字段、目标位置和责任角色。
06提醒谁会收到提醒？每条都发吗？
团队有新待处理项时，向各负责人发一条汇总，包含数量和表格引用；没新增就不发。提醒失败要记下来，重试前先核对是否已送达。
留下的规则减少重复提醒，同时留下执行记录。
07人工边界哪些事必须停下来问人？
团队疑似重复、来源缺失、类别不确定先复核。复杂或敏感反馈交给人处理，不自行回复用户、不更改原记录。先预览，再确认写表和提醒。
留下的规则明确工具权限、人工介入和完成标准。
采访结束后，先复述完整规则
每天 10:00（Asia/Shanghai），读取三份授权数据中自上次成功处理后的新增记录；先按来源 ID 去重，再核对同一示例用户、同一事项的跨渠道重复，合并时保留全部来源，疑似重复留待人工核对。
分为咨询、建议、产品问题、人工跟进。涉及隐私、账户权益、复杂判断、来源不明或类别不确定的记录优先人工复核。按编号、来源、摘要、类别、负责人、状态、原记录引用输出。
先预览，确认后才写入指定表格，并按负责人汇总提醒。没新增就不提醒；失败保留日志，重试前核对已完成动作。不自行对外回复，不改动原记录。
完成标准：输入与输出数量对得上，每条结果能追溯来源，待人工处理项清楚，执行记录可检查。
采访的产出是一套双方确认的规则。轮数多少，取决于还有哪些关键判断没说清。
04 / 留下稳定做法
Skill，把工作流封装起来。
把相对稳定的步骤、判断标准和边界写下来，让同类任务可以复用。
适合做法已经跑通，并且还会反复用。
先等等一次性任务，或做法还在探索中。
一个小例子 · 会议纪要整理教学模拟
01 · 原来
每次重说格式
“先议题，再决策，最后待办。没有确定的事别写成结论……”
02 · 提炼
找出稳定规则
保留分歧；待办有负责人和时间；缺的信息明确标为待确认。
03 · 封装
写成 Skill
说明何时使用、怎么整理、怎么检查，以及哪些事需要人判断。
04 · 复用
换场会议试试
给新材料，按同一套标准检查输出，再决定要不要改规则。
展开看：一小段规则，怎样变成可检查的输出
稳定规则
适用：已获授权的会议文字记录整理。 输出：议题 / 已确认决策 / 待办 / 待确认事项。 每项待办：动作、负责人、截止时间、原文依据。 未明确的信息写“待确认”，不替参会者作决定。 检查：将讨论中的提议与已确认决策分开。
模拟输出
议题：活动报名页改版。
决策：先测试说明文案，暂不改报名步骤。
待办：内容负责人整理两版说明；截止时间待确认。
待确认：哪一版用于试填，尚未作决定。
通用附件是含 SKILL.md、脚本及参考材料的 ZIP 格式包。查看来源与使用说明；下载不会自动安装或执行。
第一版怎么做？四步从一次对话走到复用
- 跑完一次完整任务，从需求到输出，先检查结果是否满意。
- 请 skill-creator 提取规则、触发条件、必要边界；由你检查是否遗漏关键判断。
- 形成第一版 Skill，保留可读的说明与需要的参考材料。
- 换一个同类任务测试，尤其要试信息不全和容易跑偏的情况。
05 / 真功夫在第一版之后
做出来之后，
还要一点点改稳它。
规则写得更多，不一定做得更好。关键是让反馈落到可修改的地方。
满足了字数，丢掉了意思
脚本改写时，若把字数当成唯一标准，AI 可能删掉必要背景，留下一个短却不好懂的版本。
这类“硬对齐”提醒我们：区分必须满足的边界和可以调整的偏好，别让次要要求压过主任务。
把“不错”说得更具体
领域反馈的价值，在于指出为什么有效。例如：开头更早交代冲突，人物的选择也有足够的铺垫。
把这种判断改成检查项，再换材料试一遍。一次写得好，不能直接说明规则已经稳定。
01
看可检查的过程
让 AI 先给计划、依据和阶段结果；跑偏时及早纠正。
02
给合适的自由度
写清必守边界，让表达和路径保留调整空间。
03
用新旧版本做对照
用同一组任务比较；再补一个反例，检查有没有退步。
skill-creator 也包含评估、对照与结果审阅工具。工具帮助比较，最后仍由你判断什么算更好。
06 / 为什么人的判断仍然重要
最难发现的，
是看起来很合理的错。
AI 不确定时，我们会警惕。它说得很肯定时，反而更需要有人懂得检查。
理解业务背景、识别证据缺口、知道什么时候不能继续自动执行——这些判断来自领域经验。
Skill 能把其中一部分写下来，降低每次重复说明的成本；新的情况，仍需要人来判断。
模型在进步，你的判断也要继续更新。
课堂参考 · 为什么会需要领域专家
07 / 让规则走到实际动作 教学模拟
看 Agent 跑一遍
回到刚才的反馈归集案例：读、去重、分类、写表，再生成待处理提醒。
聊天可以帮你想清楚；Agent 还可以在明确授权下调用工具，留下可检查的工作结果。
- 读取指定范围
- 保留来源，识别重复
- 分类并标记人工项
- 确认后写表与提醒
这里用 6 条虚构记录演示流程。没有连接真实渠道，不会写入飞书或发送消息。
查看规则配置示意
# 教学伪配置，不是可直接运行的产品配置 schedule: 每天 10:00 / Asia/Shanghai scope: 自上次成功处理后的新增记录 sources: [授权邮件导出, 网站表单导出, 社区导出] deduplicate: 来源ID优先，跨渠道核对用户与事项 categories: [咨询, 建议, 产品问题, 人工跟进] output: 指定反馈表 + 按负责人汇总提醒 review: 疑似重复、隐私、权益、复杂或不确定事项 authorize: 预览后确认写入和提醒 retry: 先核对已完成动作，避免重复 limits: 不自行回复，不改动原记录
> 按已确认的规则整理这批反馈，
先给我看结果。
待运行 6 条模拟输入已就绪。点击按钮，查看每一步留下的结果。
本地教学演示 · 等待开始
预览交付物：反馈表与提醒草稿
| 编号 | 来源 / 原记录引用 | 摘要 | 类别 | 负责人 | 状态 |
|---|---|---|---|---|---|
| D01 | 网站 · F01 | 询问本月记录导出方法 | 咨询 | 服务负责人 | 待处理 |
| D02 | 邮件 F02 + 社区 F03 | 导出记录日期偏差 | 产品问题 | 产品负责人 | 待处理 · 来源已合并 |
| D03 | 网站 · F04 | 建议支持深色模式 | 建议 | 产品负责人 | 待处理 |
| D04 | 邮件 · F05 | 附件可能含个人资料 | 人工跟进 | 人工复核负责人 | 待复核 |
| D05 | 社区 · F06 | 支付状态有待人工核实 | 人工跟进 | 人工复核负责人 | 待复核 |
服务负责人 · 提醒草稿
有 1 条咨询待处理，见 D01（来源 F01）。
产品负责人 · 提醒草稿
有 1 条产品问题、1 条建议，见 D02–D03（来源 F02、F03、F04）。
人工复核负责人 · 提醒草稿
有 2 条需要人工复核，见 D04–D05（来源 F05、F06）；请核实后决定后续处理。
查看这批模拟输入和预期输出
| 编号 / 渠道 | 反馈摘要 | 处理结果 | 负责人 |
|---|---|---|---|
| F01 / 网站 | 如何导出本月记录？ | 咨询 | 服务负责人 |
| F02 / 邮件 | 导出后，日期少了一天。 | 产品问题 | 产品负责人 |
| F03 / 社区 | 导出后，日期少了一天。 | 与 F02 为同一示例用户、同一事项；合并来源 | 产品负责人 |
| F04 / 网站 | 希望支持深色模式。 | 建议 | 产品负责人 |
| F05 / 邮件 | 附件可能含个人资料，请人工核实。 | 人工跟进 · 不展开敏感附件 | 人工复核负责人 |
| F06 / 社区 | 支付页面打不开，是否已经扣款？ | 人工跟进 · 账户权益不自动判断 | 人工复核负责人 |
复制这次的演示任务
这是教学模拟。请按已经确认的反馈归集规则，整理我提供的 6 条虚构记录：保留原始来源，核对重复，分为咨询、建议、产品问题和人工跟进。先展示结构化表格与待处理提醒草稿，等我确认后才执行任何外部写入。隐私、账户权益、复杂或不确定事项交给人工复核，不自行回复或改动原记录。
能读到什么、能写到哪里、什么时候停下来——边界说清楚，结果才有办法检查。
08 / 拿走就用
三件东西，带走。
每次对话后，回头问
- 开头说清“什么算到位”了吗？
- 反复纠正的，具体是哪几件事？
- 反馈说清了差异，还是只有“再改改”？
- 哪些判断说过，却没有写进规则？
- 这类任务还会做吗？现在值得沉淀吗？
一段提示词
请用 skill-creator，把刚才这次完整对话里的规则、触发条件、必要边界提取出来，封装成第一版 Skill。先让我检查这些规则是否适合复用，再用一个同类任务和一个容易跑偏的例子测试。
一个飞轮
做一次 → 复盘 → 更新规则
下一次，从更清楚的地方开始。
课后试一次：挑一个仍在反复做的任务
- 选择会议纪要、脚本改写、资料整理或海报制作等熟悉任务，用已获授权的材料跑通一次。
- 对照五问复盘，写下反复纠偏的内容和没有显式说出的判断。
- 请 skill-creator 生成初版，检查其中有没有不该沿用的偶然做法。
- 换一份同类材料再试。保留有效规则，记录需要人工判断的例外。
09 / 视野延伸
给内容工作的两个信号
从“怎么用 AI 做内容”，再看一眼“内容怎样被使用”。
Applying Large Language Models to Sponsored Search Advertising
Reisenbichler、Reutterer、Schweidel
Marketing Science 45(1), 2026 · 123–141
研究考察 LLM 在搜索广告中的应用：针对场景做适配、加入人的参与，比单纯套用通用模型更值得关注。
研究发现与课堂启发
研究比较了人工、标准 LLM 与场景化方案；结果支持在该研究条件下，把人的判断融入生成过程。效果与成本也要一起看，点击成本可能上升。
对内容工作的启发：把领域判断变成可执行的标准值得尝试。但 Skill 与模型微调并非同一种技术，这篇研究也不能直接证明本课 Skill 的效果。
Frontiers: ChatGPT Referrals to E-Commerce Websites: How Do LLMs Compare Against Traditional Channels?
Kaiser、Schulze
Marketing Science · 2026 年 4 月在线发表
研究比较 ChatGPT 引荐与传统电商渠道，提醒我们：AI 既参与创作，也可能影响用户怎样找到内容和产品。
研究发现与课堂启发
论文覆盖 12 个月、973 个网站的数据。ChatGPT 引荐的转化表现高于付费社交，但低于其他传统渠道；复杂品类中的表现更突出。访问时长和浏览页数较低，渠道效果仍在变化。
对内容工作的启发：信息是否准确、结构是否清楚、来源是否可核验，也值得纳入内容检查。不能据此保证某篇内容会被 AI 引用或带来转化。
保留论文的教学讨论与官方入口；公开版不提供原课程中带私人批注的 PDF 副本。