总经办 AI 提效培训 · 60-90 分钟

把 AI 从聊天框里
请出来

为什么你天天用 AI,活还是自己干?
：从「聊天型」到「办公型」,让 workbuddy 真正替你上班

① AI 变了 & 为什么之前不好用 ② Agent 是个什么 ③ 完整架构怎么搭 ④ 上手 workbuddy

Agent(智能体)= 能自己动手完成任务的 AI,不只是回答问题workbuddy= 咱们公司统一的 AI 办公工具

现状 · 训前问卷

你们不是不会用 AI,是撞墙了

15/16 的人本周用过 AI,11 人当天就在用
13/16 传过文件让 AI 读,10/16 让 AI 处理过 Excel
只有 1 个人“基本只用来写周报”
最大的阻碍不是“不会”:是 没时间研究(6)、数据不敢传(4)、怕出错担责(4)

“很多数据是有问题的,就怕自己哪一眼没看出错来,就有点不敢用。宁愿自己手动核对。”：一位同事,训前问卷

“数据量太大,而且数据源不是很一致,导致结果也不能完全信任。”：一位同事,训前问卷

这些失望是真实的：但它们大多发生在“上一代的用法”里。

先校准 · AI 变得有多快

AI 也有自己的「摩尔定律」:能力几个月翻一倍

2023能聊天、写邮件：让它算表格是灾难,你的印象没错

2024能读你传的文件、总结几十页长文档

2025达到国际数学奥赛金牌水平;编程竞赛超过绝大多数人类选手;能连续自主干几个小时的活

2026办公 agent:自己读表、写代码算数、连系统取数回填：今天要教的就是这个

研究机构 METR 持续实测:AI 能独立完成的任务时长,约每 7 个月翻一倍;2024 年以来加速到约 3~4 个月。同期国产模型价格一年降到原来的几十分之一。

摩尔定律= 芯片界的老规律:性能约每 18~24 个月翻一倍,便宜一半METR= 美国独立的 AI 能力评测研究机构,专测“AI 能顶多长时间的人类工作”

半年前你说“AI 不行”：对的是半年前的 AI。今天值得再试一次。

模块一 · 为什么之前不好用

你一直在用「聊天型」,干「办公型」的活

	聊天型(豆包 / DeepSeek 对话框)	办公型 Agent(workbuddy)
它做什么	回答你、陪你聊、给建议	接任务、动手干、交结果
怎么算数	“心算”：凭语感报数字	写公式/代码,让程序算
拿数据	只知道你贴给它的内容	自己读文件、连系统取数
干多步活	每一步都要你盯着喂	自己拆步骤、循环做完
出错时	一本正经地编下去	先校验,过不了就报异常

本质区别就一条:办公型会使用工具。

校验= 交活前的自动检查,比如“各分表合计必须等于总表”

失败原因 ① · 现象层

指令不清晰:你对新员工也不会这么派活

❌ 我们常发的指令

“帮我核对一下这个月的考勤”

✅ 能被执行的指令(五要素)

背景:这是 6 月考勤,钉钉导出
输入:附件两个表,以《打卡记录》为准
规则:9:15 后算迟到;有报备的不算
输出:按部门汇总,给我 Excel
例外:对不上的行标红,别自己猜

指令 / Prompt= 你发给 AI 的那段话,相当于派活单

“描述需求太费劲”?：一次写清楚,存成模板,以后每月改个日期。

失败原因 ② · 现象层

上下文有限 + 靠“心算”,所以它会编数字

把大表贴进聊天框 = 给它念 3000 行数据,让它听完口算
它的“短期记忆”是有限的：装不下就悄悄丢,你不会收到提醒
它输出数字靠的是语言概率,不是计算器：“看起来像对的数”≠ 对的数
表越大、数据源越杂、字段叫法越乱,编得越自信
这不是哪个模型笨：换任何模型,这个姿势都会错

上下文窗口= AI 一次对话里能“记在脑子里”的内容上限,超出就被挤掉幻觉= AI 一本正经编出来的错误内容

透过现象看本质

再往下挖一层:不是它不行,是分工装反了

现象(你看到的)

答非所问 · 数字对不上 · 越改越乱 · 每次都要从头教

↓ 为什么?

直接原因(刚才讲的两条)

指令没说清(它只能猜) + 上下文装不下、数字靠心算(它只能编)

↓ 根子上

本质(三句话)

① 它是语言机,不是计算器：你却让它算数 ② 聊天框里它没有手：你却要它干活 ③ 分工装反了:让 AI 背你的业务细节(人才擅长),让人做重复核对(AI 才擅长)

所以解法不是“换个更聪明的模型”：是换分工、换工具形态。这就是下半场。

数字要「算出来」,
不能「说出来」。

办公型 Agent 的做法:AI 负责理解任务、写公式和代码,数字由程序在真实文件上算出。
内部已有正面验证：樊华的个人月报:喂数前先把各表字段叫法统一,AI 跑出来的数据“比较精准”,省了大量统计、整理、核对时间。

统一字段口径= 喂数前,先把各个表里同一样东西的叫法、算法统一(如“工号/员工编号”统一成一个词)：樊华验证有效的那一步

模块二 · Agent 是怎么工作的

你雇的是一个智商很高的实习生

大脑=大模型:聪明、读过万卷书,但对你公司一无所知
眼和手=工具:读文件、跑代码、连系统：没有工具,再聪明也只能“动嘴”
干活方式=循环:看任务 → 想步骤 → 动手做 → 自己检查 → 不对就返工
聊天框里的 AI 是裸大脑;今天的 AI 被装进了“工作台”,才有了用工具的能力

大模型= AI 的“大脑”,如 Kimi、DeepSeek、豆包背后的引擎Harness(工作台)= 把大脑、工具、工作流程装到一起的那套框架;办公型 AI 和聊天型 AI 的分水岭

模块二 · 乔哈里窗:你 × AI 的知识地图

四个格子:你和 AI 各知道什么

AI 知道

AI 不知道

我知道

开放区我知道,AI 也知道 → 直接用,最省心

写通知、润色文案、会议纪要
翻译、写周报的套路
Excel 常用函数怎么写
行业常识、法规条文查询

▸ 你们已经用得很好,不用教

隐藏区我知道,AI 不知道 → 不交出去,它只能猜

“满月人数”到底怎么算
9:15 后算迟到,但报备过的不算
两个表对不上时,以哪个为准
甲方的特殊要求、上月刚改的口径

▸ 打开方式:让 AI 采访你 + 写成 SOP(下一页)

我不知道

盲区AI 知道(或做得到),我不知道 → 失望的来源

它在“心算”你的表,数字是编的
记忆有限,装不下就悄悄丢
但它会写代码、写公式来精确算
它能被接进系统,自己取数回填

▸ 打开方式:今天这堂课

未知区我和 AI 都不知道 → 一起探索

你的流程自动化后长什么样
哪些环节能全自动、哪些必须人把关
它还能替你干什么你没想到的活

▸ 打开方式:小步试跑 + 迭代(后面讲)

乔哈里窗= 心理学的四格模型,原本分析“我知道的我 × 别人知道的我”;今天借来分析“我 × AI”

模块二 · 隐藏区的打开方式

让它动手之前,先让它采访你

让 AI 做一件它没做过的事之前:先给背景,再让它反问你
指令很简单:“先别动手。先采访我,一次问一个问题,把任务背景和判断规则问清楚,确认后再开始。”
它问的每一个问题,都是你脑子里没交出去的隐藏区：比你自己想“该交代什么”高效得多
被采访完,你会得到一份连新同事都能看懂的任务说明：这就是 SOP 的雏形

今天结尾会发给你一条现成的「采访式指令」,回去贴上就能用。

模块三 · 给实习生配装备

为什么要装 Skills?= 给实习生 SOP 培训

实习生再聪明,第一天也不知道你们的月报长什么样
Skill = 你把做法写成手册:步骤怎么走、字段叫什么、怎么算合格、交什么格式
写一次,每月复用;你调教好的实习生,全组都能“雇”
樊华“统一字段叫法”的经验,写进 skill,就从个人经验变成组织能力

SOP= 标准作业程序:一步一步写清楚的操作规范Skill(技能包)= 存在 AI 工具里的一份 SOP 文件,AI 接到同类任务时自动照着执行

“那 SOP 谁来写?”：不用你写。下一页。

模块三 · 最省力的一招

带它干对一次,让它自己写 SOP

第一次做新任务:你手把手带,错了就纠正,直到干对一次
先别关对话!趁它“还记得”全过程,发这句:
“把我们刚才做对的完整过程,总结成一份下次能直接照做的 SOP:步骤、字段口径、判断规则、校验清单、输出格式。写完我来审。”
你只需要审和改,不用从零写 → 存进 workbuddy 的 Skills 面板
开工前它采访你(掏出你的隐藏区),收工后它总结自己(存下这次的经验)：一来一回,你的经验变成它的能力

会话 / Session= 和 AI 的一次连续对话;同一个会话里它记得前面发生的事,新开会话就“失忆”：所以要趁热让它总结

模块三 · 给实习生配装备

为什么要接 MCP?= 给实习生开系统账号

实习生入职第一件事:开企业微信、开简道云、开钉钉权限：不然他拿不到任何数据
没接 MCP 的 AI 也一样:你复制、你粘贴、你导出、你上传：你成了它的人肉数据线
MCP = 给 AI 开账号的标准接口:接通哪个系统,它就能自己去取数、回填、发消息
开了账号 ≠ 无限权限：给多少权限、能碰哪些数据,始终由你和公司定

MCP= Model Context Protocol(模型上下文协议):AI 连接外部系统的通用接口标准,相当于“AI 世界的插座规格”

配齐五件装备,才是一个能干活的数字实习生

大脑 · 大模型：天生聪明,不用你操心

派活单 · 清晰指令：背景/输入/规则/输出/例外,五要素

SOP · Skills ：你的做法,写成它照着执行的手册

账号 · MCP ：接通企业微信/简道云,自己取数回填

验收标准 · 校验：合计要相等、行数要守恒,过不了就标红

这套东西,在咱们公司的名字叫:workbuddy agent。

模块四 · 完整架构 7 分钟

一个真正的数据 Agent,长这样

① 数据源

简道云 · 报表

钉钉 · 考勤

企业微信 · 群消息

本机 Excel

→

② 接口(MCP)

给 AI 开的系统账号

自动取数 / 回填

没接口时:先手动上传

→

③ 工作台(大脑+SOP)

大模型理解任务

按你的 SOP 拆步骤

先统一字段叫法再动手

→

④ 动手:脚本算

AI 写公式 / 代码

数字由程序算出

绝不心算

→

⑤ 双重把关

脚本校验:行数守恒、合计相等

审核 Agent:语义、格式、抽查

全过 → 出报表 / 回填

任何一关不过 → 标红停下,例外交给人。95% 机器办,你只看标红的 5%。

脚本= AI 写出来的一小段自动化程序(公式/代码),负责精确计算审核 Agent= 第二个 AI 当质检员:只查语义和格式、做抽查;不负责验算数字：数字对错归脚本校验管

模块四 · 怎么把它养好

Agent 不是买来的,是养出来的

小范围试跑 ：先用一份脱敏的历史数据,你已知正确答案的那种

全检 + 记错题本 ：第一次结果逐项人工核;错的地方问它“为什么”,把纠正写回 SOP,同样的错不犯第二次

连续两次全对,才放手 ：之后常态跑,你只看标红的例外行

每月复盘 ：例外突然变多 = 业务规则变了,更新 SOP,别怪 AI

脱敏= 把姓名、手机号、金额等敏感信息换成工号、区间等代号,再给 AI 用

和带实习生一模一样:头两周盯着,之后他就真的是你的人手了。

技巧包 · 带 AI 实习生的老办法

带新人的手法,对它全都好使

① 开工前:让它复述

“先复述一遍:你要做什么、按什么规则、交什么。”：复述错了,趁没开工就纠正,比返工便宜。

② 先打样,再量产

“先拿前 3 行数据试做给我看。”：小样对了再跑全量,大错变小错。

③ 收工前:让它自查

“检查你自己的结果,列出你最不确定的 3 个地方。”：让它查,它真能查出自己的错。

④ 错了要问为什么

别只改结果。问“你为什么错”,把纠正写回 SOP(错题本)：同样的错不犯第二次。

⑤ 一次一件事

一个会话只干一个任务;换任务就开新会话：免得上下文“串味”,新会话记得带上 SOP。

⑥ 不会描述,让它出选择题

“给我 3 个方案让我选。”：选比写容易,选完再让它细化。

加上前面两条:开工前让它采访你 · 干对一次让它自己写 SOP：一共八招,都在讲义里。

模块五 · 认识你的工作台

workbuddy 界面:认准这五个地方

模型选择 ：切到 Kimi K3(咱们统一用它当“大脑”)

文件入口 ：表格、文档从这里传给它(只传脱敏后的)

Skills 面板 ：你的 SOP 手册存这里,下次自动照着干

MCP 连接 ：看它已经拿到哪些系统的“账号”,能自己取哪些数

会话历史 ：好用的指令别重写,存下来复用

三个使用技巧:① 新任务先贴「采访式指令」让它问你;② 跑数据时看它是不是在写代码算：在心算就叫停;③ 结果先过验收清单,再拿去用。

Kimi K3= 月之暗面公司的最新大模型,咱们在 workbuddy 里统一选它IDE 界面= workbuddy 的工作界面(IDE 原指程序员的集成开发环境,这里就是“工作台的操作面板”)

模块五 · 现在就上手

回去只做一件事:把这条指令贴给 AI

「自动化流程搭建教练」元提示词 · 四段结构(完整版群里领)

工作方式:一次只问一个问题,先采访我 8~12 问,再动手
产出四份:任务说明书 · SOP 手册 · 验收清单 · 试跑计划
红线内置:甲方数据禁用 / 先脱敏 / 数字必须算出来
开场问题:“你最想甩掉的那件重复性工作是什么?”

现场来(3 分钟):打开 workbuddy(Kimi K3)→ 贴入指令 → 回答它的第一个问题。就现在。

元提示词= 一条“指挥 AI 该怎么工作”的总指令：不是让它干活,而是先规定它的工作方式

安全 · 必须讲清楚

数据红线:能力越大,越要先说清边界

① 甲方客户数据,一律不进任何外部 AI。客户名单、通话记录、订单明细：这是合同红线,没有例外。

② 内部数据先脱敏再用。姓名→工号、金额→区间;演示和练习一律用脱敏表。

③ “没有明确规定”≠ 可以随便传。问卷里 12/16 在“自己拿捏”：拿不准的,当作不能传,并向上确认。

只记三句话,和一个今晚的作业

换型,不是换模型 ：从聊天型换到办公型,聊天框解决不了表格

数字算出来,不是说出来 ： AI 写规则,程序算数,双重把关

Skills 给 SOP,MCP 开账号 ：实习生配齐装备,才能独立干活

今晚的作业(15 分钟):把群里的「元提示词」贴进 workbuddy(Kimi K3),让它把你采访完,把产出的《任务说明书》发到群里。训后一对一,我们一人一个,把它真正跑起来。

把 AI 从聊天框里请出来

你们不是不会用 AI,是撞墙了

AI 也有自己的「摩尔定律」:能力几个月翻一倍

你一直在用「聊天型」,干「办公型」的活

指令不清晰:你对新员工也不会这么派活

上下文有限 + 靠“心算”,所以它会编数字

再往下挖一层:不是它不行,是分工装反了

现象(你看到的)

直接原因(刚才讲的两条)

本质(三句话)

你雇的是一个智商很高的实习生

四个格子:你和 AI 各知道什么

开放区我知道,AI 也知道 → 直接用,最省心

隐藏区我知道,AI 不知道 → 不交出去,它只能猜

盲区AI 知道(或做得到),我不知道 → 失望的来源

未知区我和 AI 都不知道 → 一起探索

让它动手之前,先让它采访你

为什么要装 Skills?= 给实习生 SOP 培训

带它干对一次,让它自己写 SOP

为什么要接 MCP?= 给实习生开系统账号

配齐五件装备,才是一个能干活的数字实习生

一个真正的数据 Agent,长这样

① 数据源

② 接口(MCP)

③ 工作台(大脑+SOP)

④ 动手:脚本算

⑤ 双重把关

Agent 不是买来的,是养出来的

带新人的手法,对它全都好使

① 开工前:让它复述

② 先打样,再量产

③ 收工前:让它自查

④ 错了要问为什么

⑤ 一次一件事

⑥ 不会描述,让它出选择题

workbuddy 界面:认准这五个地方

回去只做一件事:把这条指令贴给 AI

数据红线:能力越大,越要先说清边界

只记三句话,和一个今晚的作业

把 AI 从聊天框里
请出来