团队 AI 基础课：建立可复用的工作流语言

先讲本质

团队 AI 基础课，不是教大家背提示词

很多公司第一次做 AI 培训，会从工具演示开始：这个按钮怎么点，那个模型怎么选，如何让 AI 写邮件、写周报、写 PPT。现场很热闹，学员也觉得新鲜，但一回到工作里，效果马上分化。有人用得很好，有人只会问一句“帮我优化一下”，有人把 AI 当搜索引擎，有人把 AI 当万能实习生。两周后，团队并没有形成更稳定的交付方式，只是多了一批零散试用经验。

真正的团队 AI 基础课，核心不是让每个人记住更多工具名，而是让团队拥有一套共同的工作流语言。什么叫任务说清楚，什么资料可以给，什么资料不能给，输出要长什么样，怎样检查质量，哪些风险必须停下来找人确认。这些语言统一了，AI 才能从个人尝鲜变成组织能力。

如果把 AI 比作一个很快的协作同事，那么团队培训要解决的不是“它会不会干活”，而是“我们会不会派活、验活、复盘和复用”。老板、团队负责人、HR、培训负责人要关心的，也不是某个员工会不会写一个漂亮提示词，而是整个团队能不能用类似的方法交付相似质量的结果。

为什么要统一

个人试用很快，团队协作会变慢

个人用 AI 时，结果好不好常常由个人感觉判断。你觉得这封邮件还行，就发出去；你觉得这份摘要差不多，就放进周报。可是团队协作不一样。销售要把客户研究交给经理看，客服要把回复建议交给质检看，HR 要把招聘材料交给业务负责人看，运营要把活动复盘交给老板看。只要输出要被别人接手，就必须有共同标准。

没有共同标准时，团队会出现四种浪费。第一，重复解释：每个人都要重新告诉 AI 一遍公司背景。第二，重复踩坑：一个人发现不能让 AI 编造客户数据，另一个人下周又踩一次。第三，重复返工：AI 输出看起来完整，但格式不对、口径不对、重点不对，下一位同事还要重做。第四，难以沉淀：好的提示词躺在个人聊天记录里，别人看不到，也不知道适用条件。

所以团队 AI 基础课要先解决“语言统一”。就像公司做项目管理，要统一需求、排期、负责人、验收标准；做销售管理，要统一客户阶段、跟进记录、成交判断；做 AI 协作，也要统一任务说明、资料边界、输出格式和检查标准。否则每个人都在进步，但组织没有进步。

• 个人效率：一个人更快完成自己的事。
• 团队效率：不同人按相同方法交付可接手的结果。
• 组织能力：好方法能被复用、被训练、被检查、被迭代。

适合谁学

这门基础课首先服务管理者和业务骨干

很多人以为 AI 基础课是给一线员工上的，因为他们每天要写文档、回客户、做表格。其实第一批更应该学会的是老板、团队负责人、培训负责人、HR 和业务主管。原因很简单：他们决定团队怎么派任务、怎么验收、哪些资料能用、哪些风险不能碰。如果管理者没有统一方法，一线员工再积极，也很容易各干各的。

老板需要看懂 AI 带来的不是“少招几个人”这么简单，而是工作拆解方式变化了。团队负责人需要知道哪些任务适合 AI 辅助，哪些任务必须人来判断。培训负责人需要把一次演示课变成持续训练营。HR 需要把岗位能力和 AI 使用规范写进新人训练。业务主管需要能把真实任务改造成可复用模板。

所以这篇教程不从模型原理讲起，也不堆技术术语。我们从管理现场出发：一个任务怎么说，资料怎么给，输出怎么定，质量怎么查，安全怎么守，模板怎么沉淀，两周内怎么让团队跑出第一批真实案例。

共同语言一

任务说明：把“帮我弄一下”改成可执行指令

团队 AI 协作的第一句，不应该是“帮我写一下”“帮我总结一下”“帮我优化一下”。这些话对人来说都太模糊，对 AI 更模糊。AI 不知道你要给谁看，不知道你要做决策、做沟通还是做记录，不知道你更在意准确、简短、客气、销售转化，还是内部对齐。

一个合格的任务说明至少包含五个要素：业务背景、任务目标、输入资料、输出要求、检查标准。业务背景让 AI 知道这件事为什么发生；任务目标让它知道最终要完成什么；输入资料告诉它依据从哪里来；输出要求限制结构和语气；检查标准说明怎样算合格。没有这五项，AI 很容易写出“看起来有用，但落不了地”的内容。

对团队来说，任务说明的价值不只是让 AI 听懂，也是让同事听懂。一个新人如果能照着统一格式写任务，主管就能快速判断他有没有说清楚目标；一个主管如果能照着统一格式验收，也能知道问题出在资料、格式、判断还是安全边界。任务说明本身就是管理工具。

请按团队统一格式理解这个 AI 任务，先不要直接输出最终答案。

一、业务背景
[说明这件事为什么要做，和哪个团队、客户、项目、流程有关]

二、任务目标
[说明希望 AI 帮忙完成什么，最终要交付给谁看、用于什么场景]

三、输入资料
[列出已提供资料：文档、数据、会议记录、客户信息、历史案例、内部规则等]

四、资料边界
1. 只能使用：[写清楚允许参考的资料来源]
2. 不能使用：[写清楚不能猜、不能联网、不能引用、不能编造的部分]
3. 不确定时：[要求 AI 标注不确定，并提出需要补充的问题]

五、输出要求
[说明输出格式、字数、语气、结构、是否需要表格、是否需要行动项]

六、检查标准
[说明什么叫合格：准确、完整、可执行、符合公司口径、能被负责人复查]

请先复述你理解的任务、资料边界和检查标准，再开始工作。

共同语言二

资料边界：让 AI 知道哪些能用，哪些不能猜

很多 AI 输出的问题，不是文字写得差，而是资料边界不清。比如销售让 AI 写客户拜访方案，却只给了客户公司名，AI 就可能根据公开印象编出客户痛点；HR 让 AI 写候选人评价，却没有区分简历事实和面试官主观感受；客服让 AI 回复投诉，却没有说明哪些赔付政策有效，AI 可能写出公司不能承诺的话。

资料边界要解决三个问题：资料从哪里来，资料是否足够，资料能不能用于当前对象。资料来源可以是客户邮件、会议纪要、CRM 记录、内部制度、产品手册、历史案例、员工反馈。资料是否足够，决定 AI 能做结论还是只能列问题。资料能不能用于当前对象，则关系到权限、隐私和商业风险。

团队要训练每个人形成一个习惯：凡是涉及事实、客户、员工、价格、合同、政策、财务、法律、医疗、安全的信息，必须让 AI 区分“资料里明确写了什么”“基于资料能推断什么”“还需要人确认什么”。一旦 AI 把推断写成事实，管理者就要把它判为不合格。

• 事实：资料里明确出现的信息。
• 推断：基于事实做出的合理判断，必须标注依据。
• 建议：AI 给出的行动方向，必须由人确认。
• 未知：资料不足或权限不足时，必须明确写出来。

请先帮我确认这次任务的资料边界，不要急着生成内容。

已提供资料：
1. [资料 A：来源、时间、用途]
2. [资料 B：来源、时间、用途]
3. [资料 C：来源、时间、用途]

边界规则：
1. 只能基于上面资料和我明确补充的信息回答。
2. 如果资料里没有证据，请写“资料不足”，不要自行补全事实。
3. 可以做合理推断，但必须标注“推断”，并说明依据。
4. 涉及客户、员工、价格、合同、财务、法律、医疗、隐私信息时，只做整理和风险提醒，不做最终决策。
5. 不要输出内部敏感信息，除非我明确说明收件人有权限查看。

请输出：
1. 你确认能使用的资料
2. 你不能确定或不能使用的资料
3. 你需要我补充的关键信息
4. 你会如何标注事实、推断和建议

共同语言三

输出格式：先规定结构，再追求文采

很多团队刚用 AI 时，会夸某个输出“写得挺像样”。但像样不等于可用。可用的输出要能被下一步接住：销售经理能从客户研究里看到拜访重点；客服主管能从质检报告里看到问题分类；老板能从周报里看到进展、风险和决策点；HR 能从培训复盘里看到下一轮训练安排。

输出格式就是让结果可接手的工具。它规定标题怎么写，摘要放几条，正文分几段，是否需要表格，行动项包含哪些字段，风险放在哪里，待确认问题怎么列。格式越稳定，团队越容易比较不同人的输出，也越容易发现 AI 有没有漏掉关键信息。

不要担心固定格式会限制创造力。大多数业务场景首先需要清楚、准确、可执行，而不是惊艳。尤其是周报、客户分析、会议纪要、招聘评估、客服回复、运营复盘这类工作，格式稳定反而能释放人的判断力。人不用再花时间猜结构，可以把注意力放在事实是否准确、建议是否有效、风险是否说清。

请按下面格式输出，不要自由发挥结构。

标题：
[一句话说明这份输出是什么]

结论摘要：
[用 3-5 条写给负责人看的核心结论]

正文：
1. 背景和依据
2. 关键发现
3. 可执行建议
4. 风险和不确定点

行动项：
| 事项 | 负责人 | 截止时间 | 所需资料 | 判断标准 |
| --- | --- | --- | --- | --- |

待确认问题：
[列出需要人确认的问题，不要隐藏不确定性]

要求：语言清楚，少用术语；事实和建议分开；不能确认的内容不要写成肯定句。

共同语言四

检查标准：没有验收，AI 输出只是草稿

团队使用 AI 最大的误区之一，是把 AI 的第一版输出当成完成品。事实上，AI 第一版更像一个速度很快的草稿。它可能结构完整，语气顺畅，但仍然可能事实错、口径偏、重点错、建议空、风险没写、格式不符合团队要求。没有检查标准，团队只会凭感觉判断“好像还行”。

一个实用的检查标准，可以从六个维度看：目标是否完成，资料是否合规，事实是否准确，结构是否符合格式，建议是否可执行，风险是否可控。不同岗位可以加自己的维度，比如销售要看客户假设是否有依据，客服要看话术是否符合政策，HR 要看评价是否避免歧视性表述，财务要看数字是否能追溯。

检查标准要尽量变成清单，而不是一句“主管把关”。清单能训练新人，也能让 AI 自查。你可以要求 AI 先按标准审阅自己的输出，再交给人。这样做不能替代人工判断，但能提前暴露一部分明显问题，减少主管反复改稿的时间。

请按团队检查标准审阅下面这份 AI 输出。

原始任务：
[粘贴任务说明]

输入资料：
[粘贴或概述资料来源]

AI 输出：
[粘贴需要检查的内容]

请按 1-5 分评价：
1. 是否完成任务目标
2. 是否只使用允许资料
3. 事实、推断、建议是否分开
4. 输出格式是否符合要求
5. 是否可执行，是否能交给下一位同事使用
6. 是否存在安全、隐私、口径或品牌风险

请输出：
1. 总分和是否建议采用
2. 必须修改的问题
3. 可以优化的问题
4. 需要人工确认的问题
5. 修改后的版本

安全边界

团队必须先说清：哪些事 AI 只能辅助，不能拍板

团队 AI 基础课必须把安全边界放在前面讲，而不是等出事后补制度。安全边界不是吓唬大家不用 AI，而是告诉大家怎样放心用。很多任务适合 AI 做初稿、整理、比较、归纳、生成备选方案，但不适合 AI 做最终判断。比如是否给客户承诺赔付，是否录用候选人，是否调整价格，是否对外发布政策口径，是否采纳法律或医疗建议，都必须有人负责。

安全边界可以分成四类。第一类是信息安全：不能把不该提供的客户资料、员工隐私、合同条款、财务数据随便放进不合适的工具。第二类是事实安全：资料不足时不能编造，不能把猜测当事实。第三类是决策安全：AI 可以提供分析，但不能替代负责人签字。第四类是表达安全：对外文案、客服回复、招聘评价、绩效反馈都要避免不当承诺、偏见和伤害性表达。

对管理者来说，安全制度不应该写得过于抽象。不要只写“注意保密”，而要写“哪些资料不能输入”“哪些任务必须脱敏”“哪些输出必须主管审核”“哪些场景必须停止使用 AI 并升级给负责人”。规则越具体，员工越容易执行。

• AI 可以整理资料，但不能替你确认资料真实性。
• AI 可以提出建议，但不能替负责人做最终决策。
• AI 可以起草对外话术，但不能替公司承诺政策、价格或赔付。
• AI 可以分析候选人材料，但不能替代公平、合规的人事判断。

课程设计

一门团队基础课，应该按工作流教，而不是按工具教

如果你是培训负责人，不建议把课程安排成“上午讲工具 A，下午讲工具 B，第二天讲高级提示词”。工具会更新，按钮会变化，模型名称也会变，但工作流语言更稳定。团队真正需要反复训练的是：拿到任务后如何描述，拿到资料后如何限定边界，拿到初稿后如何检查，跑通一次后如何沉淀模板。

课程可以拆成六个模块。第一，AI 在团队里的角色：辅助整理、生成、分析和复盘，不替代负责人判断。第二，任务说明：每个人都要用统一格式描述任务。第三，资料边界：事实、推断、建议、未知分开。第四，输出格式：让结果能被下一步接住。第五，检查标准：用清单而不是感觉验收。第六，工作流沉淀：把一次成功经验变成岗位模板。

这样的课程听起来没有炫技，但更适合企业内训。因为企业培训要追求的是稳定迁移：销售学完能用于客户拜访，客服学完能用于回复和质检，HR 学完能用于招聘和培训，运营学完能用于复盘和内容生产。每个岗位任务不同，但底层语言相同。

1. 先讲 AI 在团队中的角色和边界。
2. 再训练任务说明，让每个人能说清要 AI 做什么。
3. 然后训练资料边界，让 AI 不乱猜、不越权。
4. 接着训练输出格式，让结果可接手。
5. 再训练检查标准，让主管能验收。
6. 最后训练模板沉淀，让好方法进入团队知识库。

两周训练营

第一周：用低风险任务统一语言

两周训练营的第一周，不要急着挑战复杂业务。第一周的目标是统一语言，让每个人知道怎样写任务说明、怎样给资料、怎样要求格式、怎样检查输出。选择的任务要低风险、高频、容易对比，比如会议纪要整理、周报初稿、内部通知改写、FAQ 草稿、培训材料摘要。

第一天可以做开营和边界课：讲清 AI 能做什么、不能做什么，发放团队统一任务说明模板。第二天练任务说明：让每个人把自己岗位上的一个模糊任务改写成标准任务。第三天练资料边界：同一份材料，让大家标注哪些是事实、哪些是推断、哪些不能确定。第四天练输出格式：把同一个任务用统一格式输出，比较差异。第五天做检查和复盘：用评分表看哪些结果可用，哪些必须退回。

第一周结束时，不要只问大家“感觉怎么样”。要收集三样东西：每个岗位一个高频任务说明样板，一份资料边界错误清单，一份输出检查清单。只要这三样东西成形，团队就已经从个人体验进入了共同训练。

1. 第 1 天：开营，讲清角色、安全边界和统一模板。
2. 第 2 天：练任务说明，把模糊需求改成标准工单。
3. 第 3 天：练资料边界，区分事实、推断、建议和未知。
4. 第 4 天：练输出格式，统一摘要、正文、行动项和风险项。
5. 第 5 天：练检查标准，用评分表审阅 AI 初稿。

两周训练营

第二周：用真实业务沉淀岗位工作流

第二周可以进入真实业务，但仍然要控制范围。每个小组选择一个岗位场景，完整跑通从任务说明到资料边界、输出格式、检查标准、人工确认、复盘沉淀的闭环。销售可以选客户拜访准备，客服可以选投诉回复建议，HR 可以选招聘 JD 初稿，运营可以选活动复盘，管理层可以选月度经营摘要。

第六天选场景和定边界，明确这次工作流适用什么任务、不适用什么任务。第七天整理输入材料，确定哪些资料必须提供，哪些资料需要脱敏。第八天生成初稿并做第一次检查。第九天让业务负责人验收，指出哪些地方不符合公司口径或实际流程。第十天沉淀模板，把成功做法、失败提示、检查清单和适用条件写进团队知识库。

第二周最重要的产物，不是一堆漂亮输出，而是每个岗位至少一个可复用工作流。它应该能回答：谁在什么情况下使用，需要准备哪些资料，按什么提示词启动，输出长什么样，谁来检查，常见错误是什么，下次如何更新。做到这一步，训练营才真正给团队留下资产。

1. 第 6 天：选择岗位场景，定义适用范围和禁止范围。
2. 第 7 天：整理输入材料，明确必须资料、建议资料和脱敏规则。
3. 第 8 天：生成初稿，用团队检查标准做第一轮审阅。
4. 第 9 天：业务负责人验收，补充真实口径和流程限制。
5. 第 10 天：沉淀工作流模板，进入团队提示词库或知识库。

请把这次成功的 AI 协作沉淀成团队可复用工作流。

场景名称：
[例如客户拜访准备 / 周报生成 / 招聘 JD 初稿 / 客服回复质检]

适用对象：
[哪个岗位、哪个团队、什么情况下使用]

输入材料：
1. 必须提供：[没有就不能做的资料]
2. 建议提供：[有了会更好的资料]
3. 禁止提供：[不该放进 AI 的敏感资料]

标准步骤：
1. 先确认任务目标和资料边界
2. 再生成初稿或分析结果
3. 然后按检查标准审阅
4. 最后由负责人确认并沉淀改进点

输出格式：
[固定结构、表格字段、语气要求、长度要求]

检查标准：
[准确性、完整性、可执行性、安全性、公司口径]

复盘记录：
1. 哪些提示词有效
2. 哪些资料缺失导致结果变差
3. 哪些错误下次要提前禁止
4. 这个工作流下次由谁维护

提示词沉淀

提示词库不是收藏夹，而是工作流说明书

很多团队说要建提示词库，最后变成一个没人维护的文档。里面堆着“写邮件提示词”“做 PPT 提示词”“小红书爆款提示词”，看起来很多，真正用时却不知道哪个适合自己，也不知道要给什么资料、输出怎么检查、失败后怎么改。这样的提示词库只是收藏夹，不是团队资产。

真正可用的提示词库，应该按工作场景组织，而不是按一句提示词组织。每条记录都要包含场景名称、适用岗位、输入材料、提示词正文、输出格式、检查标准、常见错误、版本记录和维护人。尤其要写清适用条件：这个模板适合什么情况，不适合什么情况。没有适用条件，模板越多越容易误用。

提示词沉淀还有一个关键原则：保留失败样本。只保存成功提示词，团队学不到边界。比如某个客户研究模板曾经因为资料不足而编造客户痛点，就要把这个失败原因写进模板说明：没有客户访谈或 CRM 记录时，只能输出待调研问题，不能写成确定痛点。这样的错误记录，比一句漂亮提示词更有价值。

• 按场景管理：客户拜访、客服质检、招聘初稿、周报复盘，而不是笼统写“万能提示词”。
• 按资料管理：必须资料、建议资料、禁止资料要写清楚。
• 按检查管理：每条模板都要有验收清单。
• 按版本管理：谁更新、为什么更新、解决了什么问题要留下记录。

真实案例一

销售团队：客户拜访准备从个人经验变成统一战术

一家 B2B 服务公司的销售团队，过去每个人都用自己的方法准备客户拜访。有人看官网，有人翻 CRM，有人临时问同事，有人直接让 AI 搜客户背景。结果是拜访质量不稳定，经理很难判断新人准备得够不够。团队做 AI 基础课后，先统一了客户拜访准备工作流。

他们规定输入材料必须包含客户官网摘要、CRM 历史记录、过往沟通纪要、客户所属行业和本次拜访目标；不能让 AI 编造客户预算、组织架构和未公开痛点。输出格式固定为：客户背景、可能关注点、已知事实、合理推断、待确认问题、开场建议、风险提醒。经理检查时重点看事实和推断是否分开，问题是否能在拜访中验证。

这个案例的价值不在于 AI 写得多漂亮，而在于新人和老销售终于可以用同一套准备语言。经理不再只说“准备充分一点”，而是能具体指出“你的已知事实不足”“这个痛点只是推断”“待确认问题太泛”“开场建议没有贴合本次目标”。AI 让销售准备更快，统一语言让团队训练更稳。

真实案例二

客服团队：从“AI 帮我回一下”到可质检回复流程

客服团队很容易被 AI 的回复速度吸引。客户发来投诉，员工让 AI 起草回复，几秒钟就有一段客气话。但客服回复不能只看礼貌，还要看政策、事实、承诺和升级规则。如果边界不清，AI 可能为了安抚客户而写出公司不能兑现的赔偿，也可能忽略需要升级给主管的风险信号。

一个更稳的客服 AI 工作流，是先让 AI 做分类，而不是直接回复。先判断客户问题属于咨询、投诉、售后、退款、技术故障还是高风险舆情；再基于知识库和政策生成建议回复；最后按质检标准检查是否包含同理心、事实确认、解决方案、不可承诺事项和升级条件。对外发送前，仍然由客服人员确认。

这个流程让 AI 从“替我回客户”变成“帮我准备一份可审核回复”。主管可以训练团队看五件事：有没有引用有效政策，有没有过度承诺，有没有遗漏客户诉求，有没有把内部话术直接发给客户，有没有需要升级。这样 AI 提速不会牺牲服务质量。

真实案例三

HR 和培训团队：把新人训练变成可重复练习

HR 和培训团队常常要做新人上手材料、岗位说明、面试题、培训复盘。如果没有统一 AI 方法，大家会把 AI 当文案助手：帮我写一版 JD，帮我出几道题，帮我总结一下反馈。结果材料看起来完整，但不一定符合岗位真实要求，也不一定能训练新人完成工作。

更好的做法，是把新人训练拆成任务。比如销售新人入职，不是只读制度，而是要能完成客户信息整理、拜访准备、跟进邮件、CRM 记录和复盘。HR 可以用 AI 帮忙生成练习材料，但每个练习都要有输入资料、输出格式和评分标准。业务主管负责检查这些练习是否贴近真实场景。

这样，AI 不只是帮 HR 省文案时间，而是帮团队形成一套岗位训练语言。新人知道什么叫合格输出，导师知道怎么打分，主管知道哪里需要补课。长期看，这比一次性做一本漂亮培训手册更有价值。

• 把岗位能力改写成具体任务，而不是抽象素质。
• 每个练习都要有输入材料、输出要求和评分标准。
• AI 可以生成练习和反馈初稿，但业务主管要确认真实性。
• 新人训练的成果要进入提示词库和岗位 SOP。

常见错误

团队落地最容易踩的十个坑

第一个坑，是把 AI 培训做成一次性讲座。大家听完很兴奋，但没有练习、没有模板、没有复盘，三天后就回到旧习惯。第二个坑，是只教提示词技巧，不教资料边界和检查标准。第三个坑，是一开始就选择高风险任务，比如合同审核、绩效评估、客户赔付，导致团队害怕出错，反而不敢用。

第四个坑，是没有岗位差异。销售、客服、HR、运营、管理层都用同一个泛泛模板，结果谁都觉得不贴合。第五个坑，是只奖励速度，不检查质量，最后 AI 输出越多，返工越多。第六个坑，是提示词库没人维护，过期模板继续被使用。第七个坑，是不记录失败案例，每次都重复踩同样的边界问题。

第八个坑，是把 AI 当成替代员工的口号工具，导致团队防御心理很重。第九个坑，是安全规则太空，只说“注意保密”，却不说具体哪些资料不能输入。第十个坑，是管理者自己不用、不验收，只要求员工用。团队 AI 落地一定是管理动作，不只是个人技能训练。

管理动作

老板和负责人要抓三件事：场景、标准、复盘

团队 AI 落地不应该由员工自发摸索到底。老板和负责人至少要抓三件事。第一，选场景。不是所有任务都适合第一批做，优先选高频、低风险、资料明确、容易验收的场景。第二，定标准。任务说明、资料边界、输出格式、检查清单要统一。第三，做复盘。每周看哪些场景真的省时，哪些输出返工，哪些模板值得沉淀。

选场景时，可以用一个简单判断：这件事是否重复发生，是否有明确输入资料，是否有相对稳定的输出格式，是否可以由主管检查。如果四个条件都满足，就适合作为第一批 AI 工作流。比如周报、会议纪要、客户拜访准备、客服回复建议、招聘 JD 初稿、活动复盘，都比“制定公司战略”更适合作为入门场景。

定标准时，不要追求一开始完美。先做一个最小可用版本，让团队用一周，再根据真实问题更新。复盘时也不要只问“节省了多少时间”，还要问“有没有减少返工”“新人是否更容易上手”“主管是否更容易检查”“哪些风险被提前发现”。这些才是组织能力的指标。

• 场景：选高频、低风险、资料明确、能验收的任务。
• 标准：统一任务说明、资料边界、输出格式和检查标准。
• 复盘：每周更新模板，记录失败样本和改进点。

检查清单

团队 AI 工作流上线前，总检查一次

当一个岗位工作流准备在团队内推广前，要做一次上线检查。这里的上线不是技术上线，而是管理上线：从今天开始，团队要按这个流程做某类任务。上线前不检查清楚，后面就会出现有人乱用、有人不用、有人用了但结果不可控的情况。

检查重点包括：场景是否具体，输入资料是否明确，安全边界是否写清，输出格式是否固定，检查标准是否能执行，负责人是否知道怎么验收，提示词库是否有维护人，失败案例是否记录，更新机制是否存在。缺任何一项，都可能让工作流变成一份看起来不错但没人真正使用的文档。

这张清单适合团队负责人、HR、培训负责人一起用。它不要求大家懂技术，但要求大家对真实工作负责。AI 工作流不是写给 AI 看的，也是写给人看的。人看不懂、用不上、查不了，就不能算上线成功。

课后练习

练习一：把三个模糊任务改成标准任务说明

课后第一组练习，专门训练任务说明。请每位学员从自己工作里选三个常见模糊需求，比如“帮我写个客户邮件”“帮我总结会议”“帮我做个活动复盘”。然后按统一模板重写：业务背景是什么，目标是什么，输入资料有哪些，输出给谁看，格式是什么，怎样检查。

练习时不要追求 AI 立即给出好答案，重点是训练人把任务说清楚。每个小组可以互相交换任务说明，让别人判断是否能执行。如果别人还要追问很多基础信息，说明任务还不合格。主管可以把优秀样板收进团队知识库，作为新人示例。

课后练习

练习二：同一份资料，分别标注事实、推断、建议和未知

第二组练习训练资料边界。培训负责人准备一份真实但脱敏的材料，可以是客户沟通记录、会议纪要、员工反馈、活动数据或客服对话。让学员先不要生成结论，而是把材料拆成四类：资料明确写出的事实，基于事实可以做出的推断，可以提出的建议，以及资料不足导致的未知。

这个练习非常重要，因为它能暴露很多团队日常沟通里的隐性问题。有人会把客户一句抱怨直接写成“客户对产品不满”，有人会把一次数据波动写成“策略失败”，有人会把个人猜测写成确定结论。AI 也会犯同样错误。人先学会分辨边界，才有能力检查 AI。

课后练习

练习三：为一个岗位做出第一版 AI 工作流

第三组练习把前面的内容串起来。每个小组选择一个岗位场景，比如销售拜访准备、客服回复质检、HR 招聘 JD、运营活动复盘、管理层月报摘要。按工作流沉淀模板写出第一版：适用对象、输入材料、禁止资料、标准步骤、输出格式、检查标准、常见错误和维护人。

完成后，不要只展示模板，要现场跑一次。用一份真实材料让 AI 生成初稿，再按检查标准打分。打分后记录三个问题：哪些资料缺失影响了结果，哪些格式让结果更容易接手，哪些安全边界必须写得更清楚。最后由业务负责人决定这个工作流是否可以进入一周试点。

最后总结

把 AI 变成团队能力，要靠语言、流程和复盘

AI 会让很多个人工作变快，但团队真正要追求的不是零散变快，而是稳定变好。稳定变好靠的不是神奇提示词，而是共同语言：任务怎么说，资料怎么给，格式怎么定，结果怎么查，风险怎么停，成功经验怎么沉淀。只要这套语言建立起来，新工具出现时团队也不会慌，因为底层方法仍然适用。

老板和负责人可以把这篇教程当成团队 AI 基础课的骨架。先统一四种语言：任务说明、资料边界、输出格式、检查标准；再明确安全边界；然后用两周训练营跑真实场景；最后把有效提示词沉淀成工作流模板。这个过程不花哨，但它能把“某个人会用 AI”变成“一个团队会安排 AI 干活”。

真正成熟的团队，不会问“有没有一个万能提示词”。他们会问：这个任务的资料够不够，边界清不清，输出谁来用，标准谁来查，风险谁来担，经验如何复用。问法变了，AI 才会从一个新鲜工具，变成团队日常工作的一部分。

• 任务说明让 AI 知道要做什么。
• 资料边界让 AI 知道能依据什么。
• 输出格式让同事能接住结果。
• 检查标准让团队能判断质量。
• 安全边界让组织敢于长期使用。
• 提示词沉淀让个人经验变成团队资产。