9段高手之二:从工具到工作流 - 知识铺
今天我们来讲9段高手之二:工具链。你有没有发现一个现象?
当前最火的AI讲解,几乎都在教你用工具——从文生图、文生音乐到文生视频,从Sora2的惊艳到各种笔记软件,从大厂客户端到编程工具。乱花渐欲迷人眼,新的还在层出不穷。
但这里有个问题:大多数人学了一堆工具,效率反而更低了。
为什么?
其实,背后的本质是:我们把"工具"当成了目标,而不是手段。
就像开车一样。你的目标是到达目的地,而不是试驾所有品牌的车。无论开大众还是比亚迪,都能完成代步任务。关键不是不停地试驾,而是找一辆开得顺手的,去完成日常需要。
所以,真正的问题不是"用什么工具",而是"如何用工具"。
这就是我们今天要讲的——从工具到工作流的三个层次:道、法、术。
第一层:术——工具使用的技巧
什么是"术"?
术,就是使用各种应用的方法。主要体现在两个方面:
-
1. 提示词的积累
-
2. 对应用界面的熟悉
各种王炸组合
当前主流工具分类
让我们先看看现在的工具生态,列举出了:
但这里有个关键问题:工具再多,不会用等于零。
如果你对这些工具毫无了解,建议先去看具体教程。但更重要的是,要明白一个道理:
术的本质,不是掌握所有工具,而是在每个场景下选择最合适的工具。
比如:
- 文生图/视频:Sora2适合创意视频,即梦更容易上手
- 综合工具:豆包的设计能力强,元宝与微信的天然集成关系,NotebookLM的多模态处理尤其是播客及配图给人很多启发。
- 编程工具:Trae、Qcoder还有国外的cursor,
这就是"术"的第一个要点:专业工具干专业活。
第二层:法——系统化的工作流
什么是"法"?法,是使用工具完成业务的工作流。
这里我要分享一个重要观点:需要AI工作流的核心原因,是解决"碎片化使用AI反而低效"的痛点。
让我从三个维度来解释:
第一,碎片化用AI的局限性:局部提效≠整体提效
当前多数人使用AI的方式是"零散尝试"——听说ChatGPT能写文就用ChatGPT,觉得Claude更专业又换Claude,写提示词也反复测试。
看似在某个环节省了时间,但整体流程中存在大量隐性损耗:
工具切换成本: 频繁更换AI工具(周一用ChatGPT、周二用Claude、周三用Kimi),需要重新适应工具逻辑、调整操作习惯,反而浪费时间。
提示词试错成本: 没有针对具体环节的固定提示词逻辑,每次用AI都要反复修改需求描述,输出质量不稳定。
流程断裂成本: AI仅覆盖工作中的某一步(如只写初稿),后续改稿、排版、配图仍依赖人工,且各环节衔接无规律,无法形成"流水线式"效率。
问题不在AI本身,而在于"没有系统化的AI应用逻辑",导致局部提效被整体流程的混乱抵消。
第二,AI工作流的核心价值:不是一步到位,而是从80分开始优化
AI工作流的本质是"将AI工具嵌入工作的每个环节,为每个步骤匹配最适合的AI工具",最终实现全流程效率跃升。
脑力外包:从"0→80分"的效率跃迁
AI的核心作用是"快速完成基础工作",而非直接产出完美结果。
AI能帮人从0写出70分的内容,人再打磨到80分。这个过程比"人从0直接写到80分"效率高得多——AI承担了80%重复、低价值的基础工作(查资料、搭框架、写初稿),人只需聚焦20%高价值的核心环节(优化观点、调整风格、把控质量)。
这符合"帕累托法则":80%成果来自20%关键动作。
简言之,AI工作流的核心是"用系统化思维让AI成为’流水线’,而非’零散工具’"。
第三层:道——工具与认知的融合
什么是"道"?
道,是使用工具如臂使指,工具激发认知,认知调用新工具。
道是"法"与"术"得以实现的底层支撑和演进方向。它体现在三个方面:
第一,自然交互之道。
大模型降低了工具的使用门槛,让人类可以用最自然的语言与所有工具对话。这是交互范式的革命。
第二,能力融合之道。
大模型正在成为"能力熔炉",将各种专用工具的能力(作图、计算、写作)融合成统一、可调用的"技能",按需分配。
第三,智能涌现之道。
当工具链(术)在科学的方法(法)指导下运行时,整个系统会涌现出超越单个工具之和的智能和行为,最终走向"自主智能体"。智能体可以自主规划、调用工具、完成任务,人类则退居为"目标制定者"和"结果验收者"。
道的核心:拆解工作SOP,形成系统
在AI工作流中,“拆解SOP"是搭建高效工作流的核心前提。
其本质是:将模糊、复杂的"大任务"转化为清晰、可执行的"小步骤”,为后续嵌入AI工具、优化效率打下基础。
比如创意生产线SOP:
- 第一站:用ChatGPT做"创意发散",生成20个方向
- 第二站:用Claude做"创意筛选",从20个中选出3个最优
- 第三站:用Midjourney做"视觉呈现",为3个创意配图
- 第四站:用剪映做"动态展示",制作创意演示视频
- 第五站:用飞书做"方案整理",形成完整提案
总结:拆解SOP的核心是"为效率搭建’骨架'"
无论是引入AI工具,还是优化传统工作流,拆解SOP都是第一步——它让模糊的任务变清晰、让复杂的流程变简单、让AI工具能精准嵌入、让优化能精准落地。
正如我们所说,AI工作流的目标是"把80%重复工作外包给AI,聚焦20%高价值任务",而拆解SOP,正是实现这一目标的"基础工程"——没有清晰的步骤,再强大的AI工具也无法发挥价值,最终只能回到"碎片化用AI反而低效"的困境。
加入“未来学堂知识星球”,既能够学习具体工具的应用,也能够搭建起人机共生的认知新框架。
- 原文作者:知识铺
- 原文链接:https://index.zshipu.com/ai/post/202510/9%E6%AE%B5%E9%AB%98%E6%89%8B%E4%B9%8B%E4%BA%8C%E4%BB%8E%E5%B7%A5%E5%85%B7%E5%88%B0%E5%B7%A5%E4%BD%9C%E6%B5%81/
- 版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可,非商业转载请注明出处(作者,原文链接),商业转载请联系作者获得授权。
- 免责声明:本页面内容均来源于站内编辑发布,部分信息来源互联网,并不意味着本站赞同其观点或者证实其内容的真实性,如涉及版权等问题,请立即联系客服进行更改或删除,保证您的合法权益。转载请注明来源,欢迎对文章中的引用来源进行考证,欢迎指出任何有错误或不够清晰的表达。也可以邮件至 sblig@126.com