普通打工人最該先自動化的 10 件小事
整理版優先睇
普通打工仔AI自動化應該從每日最煩嘅小事開始，唔好追求複雜系統，先解決重複回覆、會議待辦、長消息壓縮呢類低門檻場景。
呢篇文章係根據公眾號後台數據寫嘅。作者發現，真正跑出嘅內容唔係宏大趨勢，而係Skill、Codex、工具清單、打工人親測呢類實用嘢。讀者最關心嘅係AI點樣幫佢哋少幹啲、少錯啲、少返工啲。作者以前成日諗複雜自動化，後尾發現普通人根本唔會去研究API、MCP、工作流編排。真正落地嘅方法，係由每日最煩最重複嘅小事開始。
作者提出10件小事，每件都跟一個標準：原來點做、而家點用AI介入、落地難唔難、慳到幾多時間、點解值得。佢仲計咗條數：每件小事5分鐘，一日10件就係50分鐘，一個月20個工作日就係1000分鐘，差不多16個鐘。呢啲先係普通打工仔最應該搶返嘅時間。
整體結論係：AI賦能普通人嘅關鍵，唔係變成另一個職業，而係將每日手動重複嘅動作拆出來，交畀一個唔嫌煩嘅助手。你負責判斷，佢負責整理；你負責確認，佢負責初稿。從「縫」入手，先解決重複回覆、會議待辦、長消息壓縮呢啲位，慢慢建立自己嘅工作操作系統。
- 普通打工仔AI自動化嘅起點應該係每日最煩最重複嘅小事，而唔係複雜系統。
- 建立常用回覆庫，用AI改寫口吻，每次回覆由平均3分鐘減到30秒。
- 將會議內容拆成待辦清單，避免漏任務，整理時間由30分鐘減到8-10分鐘。
- 每次翻車立即覆盤，沉澱成檢查模板，防止同一類問題反覆返工。
- 核心分工：AI負責整理、初稿、歸類；人負責判斷、確認、邊界。
會議待辦清單 prompt
請將下面嘅會議記錄整理成待辦清單。只輸出可執行事項，唔好寫會議總結。每條待辦包括負責人、具體動作、截止時間、需要補充嘅信息、風險提醒。
長消息分析 prompt
請幫我分析下面段消息。唔好寫摘要，直接話我知四件事：對方真正想我做啲乜、我而家需要回覆啲乜、如果要執行第一步係乜、呢件事有冇風險或者容易漏嘅地方。
週報初稿 prompt
請根據我呢一週嘅工作碎片，整理一版週報初稿。要求真實、剋制，唔好誇大，唔好寫空話。請按呢幾個部分整理：本週完成、推進中事項、遇到嘅問題、下週計劃。
翻車覆盤檢查清單 prompt
下面係我今次工作內容被退回或需要修改嘅原因。請幫我整理成一份下次可複用嘅檢查清單。要求每條都能直接檢查，唔好寫空話。
從最煩嘅小事開始，唔好追求複雜系統
作者發現，數據最好嘅文章都係講Skill、Codex、工具清單呢類實用嘢。普通讀者最關心嘅唔係AI有幾先進，而係今日返工面對一堆破事，AI到底幫唔幫到手。以前作者成日寫高階自動化，後尾先明，對大多數人嚟講距離太遠。
重複回覆庫
會議待辦清單
長消息壓縮行動項
重複回覆、會議待辦、長消息壓縮——三個低門檻場景
- 1 建立常用回覆庫：將最近一週重複講過嘅話整理成10條標準答案，每次遇到類似問題，將對方原話同回覆庫一齊丟畀AI，叫佢改成自然口吻。以前一個問題平均3分鐘，而家30秒，仲少咗被打斷嘅煩躁感。
- 2 會議內容拆成待辦：錄音轉文字或將自己嘅碎片筆記丟畀AI，叫佢整理成可執行事項清單，包括負責人、動作、截止時間、風險。以前整理一次會議至少30分鐘，而家8-10分鐘出第一版，仲少漏任務。
- 3 長消息壓縮行動項：將長消息丟畀AI，叫佢直接回答四個問題：對方想做咩、我要唔要回覆、第一步係咩、有冇風險。以前一條800字消息睇5-8分鐘，而家1分鐘判斷有冇動作，減少模糊壓力。
常用回覆庫
會議待辦清單
長消息四個問題
週報、文件命名、截圖整理——將碎片變結構
- 日報週報初稿：每日臨下班用1分鐘記3-5個工作碎片，週五將碎片丟畀AI，叫佢分類生成初稿。以前寫週報40分鐘-1小時，而家每日1分鐘+週五15分鐘，素材真實，返工少。
- 文件命名規則：將自己嘅文件類型話畀AI聽，叫佢設計一套命名模板，要求一眼睇到日期、事項、用途、版本。再將舊文件名複製出來，叫AI生成新舊對照表。以後揾文件由2-3分鐘變10秒以內，仲少發錯版本。
- 截圖資訊轉表格：先用OCR工具提取圖片文字，再將文字丟畀AI，叫佢整理成結構化表格。例如會議安排轉成時間、主題、地點、準備事項。以前手抄一張複雜截圖5分鐘，而家1分鐘，減少金額日期呢類低級錯誤。
請將下面嘅會議記錄整理成待辦清單。只輸出可執行事項，唔好寫會議總結。每條待辦包括負責人、具體動作、截止時間、需要補充嘅信息、風險提醒。每日3-5個工作碎片
文件命名規則
OCR識別
表格清洗、資料整理、臨時任務、翻車覆盤——持續累積系統
最後四個場景，重點係建立可複用嘅檢查模板同系統。呢啲唔止省當日時間，仲防止未來再犯同一錯誤。
- 表格清洗先抽樣：複製前20行樣本，叫AI判斷數據問題（姓名電話混埋、日期格式唔統一等），畀出用Excel或WPS就能做嘅清洗步驟。以前清200行小表要1小時，而家20-30分鐘，仲減少整張表崩潰嘅風險。
- 常用資料生成資料地圖：將文件名、目錄、關鍵段落丟畀AI，叫佢整理每份資料嘅用途、適用場景、可複用片段。以後揾資料由半小時變5-10分鐘。
- 臨時任務變待辦：將隨手記嘅一句話丟畀AI，叫佢拆成任務名稱、截止時間、建議提醒時間、第一步動作。減少反覆回憶嘅精神成本，少漏事。
- 每次翻車變成檢查模板：將修改意見、退回原因、踩坑點丟畀AI，叫佢整理成下次開工前可逐條打鈎嘅檢查表。例如週報翻車沉澱成：有冇將推進中寫成已完成、有冇具體動作、有冇下週計劃、有冇缺少數據、有冇誇大結果。
作者最後用庖丁解牛做比喻：一開始面對工作好似面對整頭牛，但AI應該從「縫」入手——重複回覆、會議待辦、截圖轉文字呢啲位就係縫。AI負責整理，人負責判斷，分工舒服。省下嚟嘅時間或者係為咗早啲收工，食餐熱飯，夜晚仲有精力做自己嘢。對普通打工仔嚟講，呢個已經好值得。
表格抽樣先定規則
資料地圖
臨時任務系統化
翻車沉澱檢查模板
我前兩日重新睇公眾號後台，發現一個幾揪心嘅現象。數據最好嗰啲文章，基本唔係講宏大趨勢，亦唔係講遙遠嘅技術革命。真正跑得出嘅，反而係 Skill 、 Codex 、工具清單、打工仔、親測翻車呢啲嘢。
呢個結果俾我嘅提醒好直接。普通讀者最關心嘅，唔係 AI 有幾先進，亦唔係邊個又發布咗個新模型。佢哋真正想知嘅係，我今日返工就要面對一堆麻煩嘢， AI 到底幫唔幫到我做少啲、錯少啲、返工少啲。
以前我寫自動化，好容易諗到高階方向。例如自動行流程、自動生成成套方案、自動調用插件、自動將多個工具串埋一齊。聽落好爽，但對大多數普通人嚟講，距離太遠。放工仲要研究 API 、 MCP 、工作流編排，好多人第一步就被勸退。
後來我慢慢發現，普通人嘅 AI 自動化，起點唔應該係複雜系統。佢應該從每日最煩、最重複、最唔想再做嘅小事開始。例如同一句話不停解釋、開完會之後整理待辦、長訊息睇半日抓唔到重點、週報從零開始憋、文件永遠揾唔到最終版。
呢啲事都唔大，但每日都喺度吸走注意力。每件事 5 分鐘，一日 10 件就係 50 分鐘。一個月按 20 個工作日計，就係 1000 分鐘，大約 16 個鐘。
呢啲先係普通打工仔最應該搶返嚟嘅時間。
我呢篇就唔講虛嘅。只講 10 件普通人今日就可以開始自動化嘅小事。每件事都按一個標準嚟寫，原本點做，而家點樣俾 AI 介入，落地難唔難，可以慳幾多時間，點解我覺得呢個方式比自己死頂更值得。
1. 重複解釋同一件事，俾 AI 變成你嘅常用回覆庫
第一個最應該自動化嘅，係重複解釋同一件事。呢個場景太常見喇。有人問呢個資料喺邊，有人問呢個版本係咪最新，有人問呢個流程點行，有人問呢個欄位點填。以前我係翻聊天記錄，揾返之前講過嘅話，複製出嚟，改兩句，再發出去。
睇落都係兩三分鐘，但佢真正煩嘅地方係打斷。你先啱啱開始專注，突然就嚟一個問題。你先啱啱重新入狀態，又嚟一個類似問題。到最後你會覺得自己全日都喺度回訊息，個腦散到一地。
AI 介入呢件事，其實好簡單。首先唔好俾 AI 直接幫你傾偈，第一步只係建立一個常用回覆庫。你將最近一個禮拜裏面重複解釋過嘅話整理出嚟，就算得 10 條都得。每條包含三部分：人哋通常點問、你標準答案係咩、有冇附件或注意事項。
然後每次遇到類似問題，將對方原話同你嘅回覆庫一齊俾 AI ，等佢改成更自然嘅語氣。
請根據下面的常用回覆庫，幫我回復對方這句話。要求語氣自然，不要太官方，不要擴展無關內容，只保留對方需要的信息。
對方的問題
粘貼對方原話
常用回覆庫
粘貼你的標準回覆
呢件事落地難度好低。難點唔喺 AI ，難點係你肯唔肯第一次將常用回覆整理出嚟。第一次可能要花 20 分鐘，但之後就一直重用。以前一個問題平均 3 分鐘，而家大約 30 秒。一日回 10 次，大約可以慳 25 分鐘。成本變化都好明顯，原先每次都要重新組織語言，而家只係俾 AI 做語氣適配。你慳到嘅唔止時間，仲有俾人反覆打斷嘅煩躁。
我後來俾自己定咗一個規則。同一句話打到第三次，就一定要入回覆庫。只要一件事開始重複，佢就已經有自動化價值喇。
2. 會議內容，俾 AI 自動拆成待辦清單
第二個最應該自動化嘅，係會議內容整理成待辦。好多人開會嗰陣覺得自己聽得明，散會之後就矇咗。會上大家講咗一大堆， A 補一句， B 改一句，最後你對住半頁亂糟糟嘅筆記，開始估邊個要做啲乜、幾時交、交俾邊個。
我以前成日喺呢度出事。明明會上提咗四個動作，我只記得兩個。返轉頭睇聊天記錄，發現啲信息散喺唔同地方，補返好鬼麻煩。
AI 解決呢件事嘅方法好直接。唔好叫佢寫靚紀要，先叫佢做一件門檻低但好關鍵嘅事，將會議內容拆成待辦清單。錄到音就用錄音轉文字，錄唔到音就將自己記低嘅碎料整理嚇俾 AI 。
請把下面的會議記錄整理成待辦清單。只輸出可執行事項，不寫會議總結。
每條待辦包括
負責人
具體動作
截止時間
需要補充的信息
風險提醒
會議記錄
粘貼會議記錄或自己的筆記
呢個做法嘅好處係，佢唔要求你識寫紀要，亦唔要求你識設計表格。你只需要將亂信息掉入去， AI 負責先拆第一版。你再人手確認有冇漏項。負責人、時間、數字呢啲地方一定要自己睇一次，唔可以完全交俾 AI 。
效率變化都好明顯。以前整理一次會議，最少 30 分鐘。而家 8 到 10 分鐘可以出第一版待辦。更關鍵係少漏任務。少漏一次任務，可能就少一次返工、少一次解釋、少一次臨時補救。
呢件事我特別建議新手先做。因為佢冇複雜概念，只係將會後一團亂麻，先變成一張可以執行嘅清單。
3. 長訊息，俾 AI 幫你捉真正要做嘅事
第三個，係長訊息自動壓縮成行動項。呢個場景喺普通打工仔身上特別高頻。微信羣組一大段、電郵一大段、人哋轉發一篇文章叫你睇睇，有時你讀咗半日，最後發現對方只係想你確認一個時間。
傳統做法就係死讀。讀完第一遍覺得冇捉到重點，再讀第二遍。讀完之後仲要諗，對方係喺度講背景、安排任務、定係暗示風險。呢個過程好消耗腦力。
AI 嘅解決方式，係將長訊息變成決策輔助。你唔好叫佢泛泛咁總結，因為總結完你都唔知點做。你要叫佢直接回答四個問題：對方想我做啲乜、我要唔要回覆、第一步要做啲乜、有冇潛在風險。
請幫我分析下面這段消息。不要寫摘要，直接告訴我四件事。
對方真正想讓我做什麼
我現在需要回復什麼
如果要執行，第一步是什麼
這件事有沒有風險或容易漏掉的地方
消息內容
粘貼長消息
呢個提示詞好適合新手，因為佢唔需要任何專業知識。你只要複製貼上，然後睇結果。以前一條 800 字訊息可能要睇 5 到 8 分鐘，而家 1 分鐘左右就可以判斷佢有冇行動。
呢件事帶嚟嘅質變，唔止係慳時間。佢將模糊壓力變成了明確動作。好多長訊息睇落壓迫感好大，其實真正要做嘅得一件事。 AI 幫你將件事挖出嚟，人就冇咁慌。
我而家嘅習慣係，超過 300 字嘅工作訊息，唔會直接讀第二遍。第一遍睇個大概，第二步直接叫 AI 拆動作。一日只要遇到 5 條，大約可以慳 20 到 30 分鐘。呢個成本幾乎係零，但對心態影響好大。
4. 日報週報，俾 AI 從工作碎片裏面生成初稿
第四個，係日報週報自動生成初稿。呢度一定要講清楚，係初稿。直接叫 AI 寫一篇完整週報，好容易出事。我自己就中過招。佢寫出嚟嘅嘢太圓潤、太順暢、太似先進個人材料。睇落好靚，但唔似一個真實嘅人呢個禮拜做過嘅嘢。
傳統做法係星期五下午坐喺電腦前，開始回憶呢個禮拜做過啲咩。翻聊天記錄、翻文件記錄、翻資料夾，翻得越耐越煩。最後迫出幾段話，仲成日覺得漏咗嘢。
AI 更適合做嘅，係幫你整理碎片。唔好叫佢作啲冇做過嘅嘢。我嘅方法好簡單。每日臨收工之前，用 1 分鐘記低 3 到 5 個工作碎片。唔使寫完整句子，只係記低動作。例如整理咗一個表、修改咗一份材料、確認咗一個時間、溝通咗一個問題、補咗一個截圖。
到咗星期五，將呢五日嘅碎片掉俾 AI ，叫佢先分類，再生成初稿。
請根據我這一週的工作碎片，整理一版週報初稿。要求真實、剋制，不要誇大，不要寫空話。
請按這幾個部分整理
本週完成
推進中事項
遇到的問題
下週計劃
工作碎片
粘貼每天記錄的內容
呢件事落地難度好低，但有一個前提。你一定要每日簡單記低少少。如果你一個禮拜乜都冇記，到咗星期五先叫 AI 估，咁佢只能夠幫你作。作出嚟嘅嘢，越靚越危險。
效率變化好直接。以前寫週報可能要 40 分鐘到 1 個鐘，而家每日記錄 1 分鐘，星期五 15 分鐘左右可以出第一版。時間成本下降，返工成本都下降，因為你嘅素材嚟自真實記錄，唔係臨時回憶。
我後來發現，呢個方法最有價值嘅地方，係佢將週報從一次性痛苦，拆成每日 1 分鐘嘅小動作。 AI 負責整理，人負責判斷。呢個分工好舒服。
5. 檔案命名同歸檔，俾 AI 先幫你定規則
第五個，係檔案命名同歸檔。呢個睇落好細，但好多人每日都喺度浪費時間。最終版、最終版 2 、最終版改、最終版新、最終版真係最終。過幾日再開資料夾，邊個都唔知邊個可以發、邊個已經廢咗。
傳統做法係靠記憶。今日仲記得，三日之後就唔一定喇。尤其係一個檔案改嚟改去好幾版，最易發錯。發錯一次，之後就要解釋、撤回、重發，時間成本同信任成本都好高。
AI 可以解決嘅第一步，係幫你生成命名規則。好多人唔識定規則，唔知點命名先清楚。你將自己嘅檔案類型話俾 AI 知，叫佢幫你設計一套命名模板。
我經常處理這些文件
文檔、表格、會議記錄、方案、截圖、臨時資料。
請幫我設計一套普通人容易執行的文件命名規則。要求一眼能看出日期、事項、用途、版本，不要太複雜，並給我 10 個示例。
得到規則之後，再將已有檔案名複製出嚟，叫 AI 幫你生成新舊名稱對照表。
請根據下面的命名規則，幫我把這些文件名整理成統一格式。輸出新舊文件名對照表，不要改動文件內容。
命名規則
粘貼你的規則
原文件名
粘貼文件列表
呢個落地難度唔高。唔識批量改名都冇問題，前期手動改都解決到大部份問題。如果對電腦熟少少，可以配合批量改名工具，效率會更高。
效率變化睇落唔誇張，但非常穩定。以前揾一個檔案 2 到 3 分鐘，而家 10 秒以內。一日揾 10 次，慳半個鐘。更關鍵係少發錯版本。對普通打工仔嚟講，少一次發錯檔案，就係一次真實嘅降本。
我後來覺得，檔案命名係最典型嘅低成本自動化。佢唔需要高級能力，只需要規則。一旦規則固定咗， AI 就可以幫你長期維護。
6. 截圖信息，俾 AI 從圖片入面提取成表格
第六個，係截圖信息自動變成文字同表格。呢個場景太常見喇。人哋發你一張截圖，入面有時間、地址、金額、聯絡人、任務要求。以前只能放大睇，手動抄。抄一次唔煩，抄得多真係煩。更麻煩嘅係，一旦抄錯數字，後面成串都錯。
傳統做法係人眼識別、人手輸入、人手整理。呢個流程最大嘅問題係容易攰，亦容易錯。
AI 介入嘅方式有兩步。第一步，用微信、手機相簿、 WPS 、輸入法或者瀏覽器插件，將圖片裏面嘅文字識別出嚟。第二步，將識別出嚟嘅文字掉俾 AI ，叫佢整理成結構化信息。
請把下面從截圖識別出來的文字整理成表格。根據內容自動判斷字段，不要腦補缺失信息。看不清或不確定的地方標註待確認。
識別文字
粘貼 OCR 識別結果
如果係會議安排，就叫佢整理成時間、主題、地點、準備事項。如果係費用截圖，就整理成項目、金額、備註。如果係修改意見，就整理成問題、處理建議、優先級。
呢件事落地難度好低。普通人最容易卡住嘅地方，係唔知點從圖片提取文字。其實而家好多手機同辦公軟件都自帶呢個功能，根本唔需要額外學複雜工具。
效率變化好直接。一張複雜截圖手抄可能要 5 分鐘，而家 1 分鐘左右可以完成識別同整理。一日處理 6 張，就係 20 幾分鐘。更大嘅收益係減少低級錯誤。金額、日期、編號呢啲嘢，靠人眼抄寫真係好易錯。
我以前手打過一次金額，將 8600 睇成 6800 。後來我就同自己講，呢啲嘢以後盡量唔好手抄。 AI 做唔到最終確認，但可以將最易出錯嘅輸入環節先幫你頂住。
7. 表格清洗，俾 AI 先話你知點處理
第七個，係表格清洗。好多普通人一聽表格自動化就驚，覺得要學 Excel 函數、 VBA 、 Python 。其實唔使一嚟就學咁多。新手最應該做嘅第一步，係叫 AI 幫你判斷呢張表到底污糟喺邊。
傳統做法係一格一格睇、一格一格改。名同電話撈埋喺同一欄，日期格式唔統一，空格周圍都係，同一個名寫咗好幾個版本。你手動改一陣，就會進入一種好麻木嘅狀態。最差嘅係，改到後面自己都唔肯定改得啱唔啱。
AI 介入嘅時候，唔好一嚟就將成張表交俾佢處理。咁樣好易出錯。正確做法係先抽樣。複製前 20 行，叫 AI 幫你識別問題，俾出處理步驟。
下面是一張表格的前 20 行樣本。請幫我判斷這張表有哪些數據問題，並給出適合普通人操作的清洗步驟。優先使用 Excel 或 WPS 能完成的方法，不要默認我會寫代碼。
表格樣本
粘貼前 20 行
如果你需要公式，可以繼續追問。
請根據上面的清洗步驟，給我對應的 Excel 公式。每個公式說明用在哪一列，作用是什麼，注意事項是什麼。
呢件事落地難度中等偏低。佢比前面幾件難少少，因為你要識得複製表格樣本，亦要知道公式放喺邊。但佢比起學成套 Excel 自動化簡單太多。 AI 喺度嘅價值，係將你由唔知點入手，推到跟步驟處理。
效率變化都好明顯。以前清一個 200 行嘅細表，可能要 1 個鐘。而家先叫 AI 揾問題，再跟步驟處理， 20 到 30 分鐘可以完成大半。更重要嘅係，佢可以降低返工成本。因為你先叫 AI 列問題，再細範圍驗證，錯咗都只係錯一小塊，唔會成張表一齊死。
我自己中過一次招。直接將成張表交俾 AI ，佢處理得好有信心，錯得亦好有信心。後來我先明白，表格自動化唔可以貪快。先抽樣、先定規則、再擴大處理，呢個先係普通人學得識嘅方式。
8. 常用資料，俾 AI 生成目錄、摘要同可重用片段
第八個，係常用資料自動生成目錄同摘要。好多人一想到 AI 寫材料，就想叫佢直接生成完整成稿。呢個好易出錯。因為完整成稿需要上文下理、邊界、判斷同口徑， AI 未必知邊啜得寫、邊啜唔寫得。
但叫 AI 做資料整理，就穩陣好多。傳統做法係打開一個資料夾，見到幾十個文件，逐個開、逐個睇。睇咗半個鐘，都未進入真正寫作狀態，淨係揾資料已經攰。
AI 介入嘅方式，係先叫佢幫你做資料地圖。你可以將檔案名、目錄、關鍵段落、現有摘要掉俾佢，叫佢幫你整理每個資料嘅用途。
請把下面這些資料整理成一份資料地圖。不要寫新內容，只做歸納。
每份資料請說明
主要內容
適合用在哪類場景
可複用的段落或信息
可能過期或需要核對的地方
資料信息
粘貼文件名、目錄或關鍵段落
呢個方法特別適合成日寫文件、做總結、整理資料嘅人。佢唔要求 AI 直接幫你完成最終材料，只要求 AI 幫你揾路。以前揾資料半個鐘，而家 5 到 10 分鐘可以定位到用得嘅內容。
成本變化喺度好明顯。傳統方式靠人手翻文件，時間越耐越煩。 AI 方式先產生資料地圖，將資料夾從一堆亂資料變成可搜尋嘅素材庫。你下次再寫類似內容，就唔使從零開始揾。
我自己越嚟越覺得， AI 對普通人嘅價值，好多時候唔係寫，而係整理。佢先幫你將一堆嘢攤平，等你自己睇清楚手上有咩。人睇清楚之後，寫作同判斷就會順。
9. 臨時任務，俾 AI 幫你變成可執行提醒
第九個，係臨時任務自動入待辦。呢個睇落似時間管理，其實係救命。普通打工仔嘅一日，成日會被各種臨時任務打斷。人哋隨口話「晏晝記得send畀我」，羣組彈一句「聽日提我睇下」，你喺度忙緊其他嘢，心諗等一陣先記，結果一忙就唔記得。
傳統做法係靠個腦記。呢個方法長期一定會出事。個腦適合諗嘢，唔適合做任務倉庫。
AI 介入嘅方式，唔係叫佢幫你記事，係叫佢幫你將一句亂七八糟嘅話，改成一條清楚嘅待辦。你將臨時任務掉俾 AI ，叫佢幫你拆成任務名稱、截止時間、提醒時間、下一步動作。
請把下面這句話整理成一條待辦事項。要求簡短、可執行，可以直接複製到提醒軟件裏。
原始任務
粘貼你隨手記下的話
請輸出
任務名稱
截止時間
建議提醒時間
第一步動作
例如你隨手記咗「聽朝記得send咗個表畀人」， AI 可以幫你整理成「聽朝 9 點前 sent 表格，今日收工前確認表格版本，明早 8 點 40 提醒」。
落地難度好低。微信收藏、手機提醒、飛書待辦、桌面便條都用到。工具唔重要，關鍵係形成一個規則。任何臨時任務，只要唔係 10 分鐘內即刻做，就一定要入系統。
效率變化未必可以精確計，因為佢慳到嘅唔係純操作時間，係反覆回憶嘅精神成本。以前我每日反覆諗自己係咪漏咗嘢，至少浪費 15 分鐘。而家隨手入待辦，個腦輕鬆好多。少漏一次事，呢個自動化就已經回本。
打工仔嘅好多焦慮，嚟自事情懸而未決。 AI 做到嘅，係將一句模糊提醒，變成一個具體動作。動作具體咗，人就冇咁慌。
10. 每次出事，俾 AI 幫你變成下一次檢查模板
第十個，係將每次出事覆盤成下一次模板。呢個係我今次重點補強嘅一件事，因為佢同前面 9 件有啲唔同。前面 9 件解決嘅係當日嘅時間浪費，第 10 件解決嘅係下一次仲會唔會喺同一個地方跌倒。
傳統做法好熟悉。週報被打回頭，快啲改。 PPT 俾人話太密，快啲刪。表格錯咗，快啲整。訊息回覆唔清楚，快啲補一句。件事過咗之後，人鬆一口氣，然後下次繼續喺同一個地方出事。
呢件事好蝕底。
因為每一次出事，背後其實都有一條規則。只係我哋以前只顧住補救，冇將規則執返起。 AI 喺度好適合做覆盤助手。你將修改意見、退回原因、自己踩坑嘅地方掉俾佢，叫佢整理成下次可以重用嘅檢查清單。
下面是我這次工作內容被退回或需要修改的原因。請幫我整理成一份下次可複用的檢查清單。要求每條都能直接檢查，不要寫空話。
翻車原因
粘貼修改意見或自己的覆盤
輸出格式
檢查項
為什麼要檢查
怎麼避免
下次開始前應該先看什麼
呢度我建議再加一步，叫 AI 將檢查清單改成開工前用得嘅版本。好多清單寫得太似總結，睇落有道理，做嘢嗰陣諗唔起。開工前清單一定要短、硬、可以逐條打勾。
請把上面的覆盤清單壓縮成一份開工前檢查表。每條不超過 20 個字，只保留最容易再次出錯的事項。
例如週報出事，最後可以沉澱成咁。
有沒有把推進中寫成已完成
有沒有具體動作
有沒有下週計劃
有沒有缺少數據或例子
有沒有誇大結果
例如 PPT 出事，可以沉澱成咁。
一頁是否只講一件事
標題能不能單獨看懂
字數是否太密
有沒有圖示支撐
結論是否太滿
呢個場景嘅效率賬唔可以只睇當日。當日可能只係多用 5 分鐘覆盤，但下一次少返工 1 個鐘。對普通打工仔嚟講，最貴嘅唔係寫第一遍，係同一類問題反覆返工。將一次出事變成一條規則，就等於幫未來嘅自己擋一刀。
落地難度都好低。你唔需要學任何工具，只需要喺每次俾人退回、俾人指出問題、自己發現低級錯誤之後，唔好急住過咗去。將原因掉俾 AI ，叫佢變成檢查表。久而久之，你會儲起一套自己嘅工作規則庫。
我而家越嚟越相信，普通人嘅 AI 自動化，最後拼嘅唔係邊個工具最多，係邊個可以將經驗留低。回覆庫、待辦模板、週報模板、檔案命名規則、表格清洗規則、覆盤檢查表，呢啲嘢睇落好細，但會慢慢變成你自己嘅工作操作系統。
最後
寫到呢度，我想將件事講得更白啲。普通人用 AI ，最怕一嚟就被複雜玩法嚇親。咩智能體、工作流、插件調用、自動編排，聽落好犀利，但好多人根本唔知第一步要撳邊度。
所以我而家更推薦嘅方式，係從最蠢、最細、最煩嘅地方開始。你每日重複講三遍嘅話，先整成回覆庫。你每次開完會都怕漏嘢，先叫 AI 拆成待辦。你睇唔明嘅長訊息，先叫 AI 捉動作。你寫到頭痛嘅週報，先叫 AI 整理碎片。你永遠揾唔到嘅最終版檔案，先叫 AI 幫你定命名規則。
呢啲事冇咁型，但佢哋真係用得著。
講到呢度，我忽然諗起《莊子》裏面庖丁解牛。庖丁幫梁惠王劏牛，動作輕到似跳舞，刀用咗十九年仲同新嘅一樣。梁惠王睇到呆咗，問佢點解咁犀利。庖丁話，佢一開始見到嘅係成隻牛，三年之後唔再見到成隻牛，而係見到骨頭之間嘅罅隙。佢落刀嘅地方，唔係硬骨頭，係罅。
我以前讀呢個故仔，只係覺得講緊熟能生巧。而家再睇，反而覺得佢好似普通人學 AI 自動化。
我哋一開始面對工作，都好似面對成隻牛。訊息、會議、表格、檔案、週報、臨時任務，全部堆埋一齊，睇落好大件、好沉重、無從入手。你如果諗住一刀解決成隻牛，梗係會覺得 AI 好難、自動化好遠、自己學唔識。
但真正可以落地嘅做法，係先揾罅。重複回覆係一條罅，會議待辦係一條罅，截圖轉文字係一條罅，週報碎片整理都係一條罅。 AI 最適合入去嘅地方，就係呢啲重複、機械、容易出錯、又唔值得你親自死頂嘅位置。
AI 賦能普通人嘅關鍵，唔係叫你變成另一個職業，亦唔係迫你學一堆新概念。佢更加似係將你每日手動重複嘅動作，拆出一小塊，交俾一個唔怕煩嘅助手。你負責判斷，佢負責整理。你負責確認，佢負責初稿。你負責邊界，佢負責將亂信息先變清楚。
呢個就係質變。
以前你係一個人面對一堆碎事。而家你有一個隨時可以幫你打草稿、拆動作、做歸類、查遺漏、改語氣、出模板嘅助手。佢唔一定次次都啱，所以你唔可以將最終判斷交出去。但佢可以將從零開始嗰段痛苦砍走一大半。
慳返嚟嘅時間，可能唔係用嚟改變世界。可能只係早啲收工、食餐熱飯、條路少鬧兩句、夜晚仲有少少精力做自己嘅事。
對普通打工仔嚟講，呢個已經好抵。
自動化唔使從宏大系統開始。
先從你今日最煩嗰條罅開始。
我前兩天重新翻公眾號後台，發現一個挺扎心的現象。數據最好的那些文章，基本都不是講宏大趨勢，也不是講遙遠的技術革命。真正能跑出來的，反而是 Skill 、 Codex 、工具清單、打工人、親測翻車這種東西。
這個結果給我的提醒很直接。普通讀者最關心的，不是 AI 到底有多先進，也不是誰又發佈了一個新模型。他們真正想知道的是，我今天上班就要面對一堆破事， AI 到底能不能幫我少幹一點，少錯一點，少返工一點。
以前我寫自動化，很容易往高階方向想。比如自動跑流程，自動生成整套方案，自動調用插件，自動把多個工具串起來。聽起來很爽，但對大多數普通人來說，距離太遠。下班以後還要研究 API 、 MCP 、工作流編排，很多人第一步就被勸退了。
後來我慢慢發現，普通人的 AI 自動化，起點不該是複雜系統。它應該從每天最煩、最重複、最不想再幹一遍的小事開始。比如同一句話反覆解釋，會議之後整理待辦，長消息看半天抓不住重點，週報從零開始憋，文件永遠找不到最終版。
這些事情都不大，但每天都在吸走注意力。每件事 5 分鐘，一天 10 件就是 50 分鐘。一個月按 20 個工作日算，就是 1000 分鐘，差不多 16 個小時。
這才是普通打工人最該先搶回來的時間。
我這篇就不講玄的。只講 10 件普通人今天就能開始自動化的小事。每件事都按一個標準來寫，原來怎麼幹，現在怎麼讓 AI 介入，落地難不難，能省多少時間，為什麼我覺得這個方式比自己硬幹更值得。
1. 重複解釋同一件事，讓 AI 變成你的常用回覆庫
第一個最該自動化的，是重複解釋同一件事。這個場景太常見了。有人問這個資料在哪，有人問這個版本是不是最新，有人問這個流程怎麼走，有人問這個字段怎麼填。以前我都是翻聊天記錄，找到之前說過的話，複製出來，改兩句，再發出去。
看起來也就兩三分鐘，但它真正噁心的地方在於打斷。你剛開始專注，突然來一個問題。你剛重新進入狀態，又來一個類似問題。到最後你會感覺自己一天都在回消息，腦子碎成一地。
AI 介入這件事，其實特別簡單。先不要讓 AI 直接替你聊天，第一步只是建立一個常用回覆庫。你把最近一週裏重複解釋過的話整理出來，哪怕只有 10 條也行。每條包含三部分，別人通常怎麼問，你標準答案是什麼，有沒有附件或注意事項。
然後每次遇到類似問題，把對方原話和你的回覆庫一起丟給 AI ，讓它改成更自然的口吻。
請根據下面的常用回覆庫，幫我回復對方這句話。要求語氣自然，不要太官方，不要擴展無關內容，只保留對方需要的信息。
對方的問題
粘貼對方原話
常用回覆庫
粘貼你的標準回覆
這件事落地難度很低。難點不在 AI ，難點在你願不願意第一次把常用回覆整理出來。第一次可能要花 20 分鐘，但後面就一直複用。以前一個問題平均 3 分鐘，現在大概 30 秒。一天回 10 次，差不多能省 25 分鐘。成本變化也明顯，原來每次都要重新組織語言，現在只是讓 AI 做語氣適配。你省下來的不只是時間，還有被反覆打斷後的煩躁。
我後來給自己定了一個規則。同一句話打到第三次，就必須進回覆庫。只要一件事開始重複，它就已經有自動化價值了。
2. 會議內容，讓 AI 自動拆成待辦清單
第二個最該自動化的，是會議內容整理成待辦。很多人開會的時候覺得自己聽懂了，散會以後就懵了。會上大家說了一堆， A 補一句， B 改一句，最後你對着半頁亂筆記，開始猜誰要幹什麼，什麼時候交，交給誰。
我以前經常在這裏翻車。明明會上提了四個動作，我只記住兩個。回頭再看聊天記錄，發現信息散在不同地方，補起來特別費勁。
AI 解決這件事的方式很直接。不要讓它寫漂亮紀要，先讓它做一件低門檻但很關鍵的事，把會議內容拆成待辦清單。能錄音就用錄音轉文字，不能錄音就把自己記下來的碎片整理一下丟給 AI 。
請把下面的會議記錄整理成待辦清單。只輸出可執行事項，不寫會議總結。
每條待辦包括
負責人
具體動作
截止時間
需要補充的信息
風險提醒
會議記錄
粘貼會議記錄或自己的筆記
這個做法的好處是，它不要求你會寫紀要，也不要求你會設計表格。你只需要把亂信息丟進去， AI 負責先拆第一版。你再人工確認有沒有漏項。負責人、時間、數字這些地方一定要自己看一遍，不能完全交給 AI 。
效率變化也很明顯。以前整理一次會議，少說 30 分鐘。現在 8 到 10 分鐘可以出第一版待辦。更關鍵的是少漏任務。少漏一次任務，可能就少一次返工，少一次解釋，少一次臨時補救。
這件事我特別建議小白先做。因為它沒有複雜概念，只是把會後一團亂麻，先變成一張能執行的清單。
3. 長消息，讓 AI 幫你抓真正要做的事
第三個，是長消息自動壓縮成行動項。這個場景在普通打工人身上特別高頻。微信羣裏一大段，郵件裏一大段，別人轉發一篇文章讓你看看，有時候你讀了半天，最後發現對方只是想讓你確認一個時間。
傳統做法就是硬讀。讀完第一遍覺得沒抓住重點，再讀第二遍。讀完以後還要想，對方到底是在說明背景，還是在安排任務，還是在暗示風險。這個過程特別消耗腦力。
AI 的解決方式，是把長消息變成決策輔助。你不要讓它泛泛總結，因為總結完你還是不知道怎麼幹。你要讓它直接回答四個問題，對方想讓我做什麼，我要不要回復，第一步該幹什麼，有沒有潛在風險。
請幫我分析下面這段消息。不要寫摘要，直接告訴我四件事。
對方真正想讓我做什麼
我現在需要回復什麼
如果要執行，第一步是什麼
這件事有沒有風險或容易漏掉的地方
消息內容
粘貼長消息
這個提示詞很適合小白，因為它不需要任何專業知識。你只要複製粘貼，然後看結果。以前一條 800 字消息可能要看 5 到 8 分鐘，現在 1 分鐘左右就能判斷它有沒有動作。
這件事帶來的質變，不只是省時間。它把模糊壓力變成了明確動作。很多長消息看起來壓迫感很強，其實真正要做的只有一件事。 AI 幫你把這件事挖出來，人就沒那麼慌了。
我現在的習慣是，超過 300 字的工作消息，不直接讀第二遍。第一遍看個大概，第二步直接讓 AI 拆動作。一天只要遇到 5 條，差不多能省 20 到 30 分鐘。這個成本幾乎為零，但對心態影響很大。
4. 日報週報，讓 AI 從工作碎片裏生成初稿
第四個，是日報週報自動生成初稿。這裏一定要說清楚，是初稿。直接讓 AI 寫一篇完整週報，很容易翻車。我自己就踩過坑。它寫出來的東西太圓，太順，太像先進個人材料。看起來很漂亮，但不像一個真實的人這一週幹過的活。
傳統做法是週五下午坐在電腦前，開始回憶這一週幹了什麼。翻聊天記錄，翻文檔記錄，翻文件夾，翻得越久越煩。最後憋出幾段話，還總覺得漏了東西。
AI 更適合做的，是替你整理碎片。不要讓它虛構工作。我的方法很簡單。每天臨下班前，用 1 分鐘記 3 到 5 個工作碎片。不用寫完整句子，只記動作。比如整理了一個表，修改了一份材料，確認了一個時間，溝通了一個問題，補了一個截圖。
到了週五，把這五天碎片丟給 AI ，讓它先分類，再生成初稿。
請根據我這一週的工作碎片，整理一版週報初稿。要求真實、剋制，不要誇大，不要寫空話。
請按這幾個部分整理
本週完成
推進中事項
遇到的問題
下週計劃
工作碎片
粘貼每天記錄的內容
這件事落地難度很低，但有一個前提。你必須每天簡單記一點。如果你一週什麼都沒記，到了週五再讓 AI 猜，那它只能給你編。編出來的東西，越漂亮越危險。
效率變化很直接。以前寫週報可能要 40 分鐘到 1 小時，現在每天記錄 1 分鐘，週五 15 分鐘左右能出第一版。時間成本下降，返工成本也下降，因為你的素材來自真實記錄，不是臨時回憶。
我後來發現，這個方法最有價值的地方，是它把週報從一次性痛苦，拆成了每天 1 分鐘的小動作。 AI 負責整理，人負責判斷。這個分工很舒服。
5. 文件命名和歸檔，讓 AI 先給你定規則
第五個，是文件命名和歸檔。這個看起來很小，但很多人每天都在這裏浪費時間。最終版、最終版 2 、最終版改、最終版新、最終版真的最終。過幾天再打開文件夾，誰也不知道哪個能發，哪個已經廢了。
傳統做法就是靠記憶。今天還能記住，三天以後就不一定了。尤其是一個文件來回改好幾版，最容易發錯。發錯一次，後面就要解釋、撤回、重發，時間成本和信任成本都很高。
AI 能解決的第一步，是幫你生成命名規則。很多人不會定規則，不知道怎麼命名才清楚。你把自己的文件類型告訴 AI ，讓它給你設計一套命名模板。
我經常處理這些文件
文檔、表格、會議記錄、方案、截圖、臨時資料。
請幫我設計一套普通人容易執行的文件命名規則。要求一眼能看出日期、事項、用途、版本，不要太複雜，並給我 10 個示例。
得到規則以後，再把已有文件名複製出來，讓 AI 幫你生成新舊名稱對照表。
請根據下面的命名規則，幫我把這些文件名整理成統一格式。輸出新舊文件名對照表，不要改動文件內容。
命名規則
粘貼你的規則
原文件名
粘貼文件列表
這個落地難度不高。不會批量改名也沒關係，前期手動改也能解決大部分問題。如果稍微熟一點電腦，可以配合批量重命名工具，效率會更高。
效率變化看起來不誇張，但非常穩定。以前找一個文件 2 到 3 分鐘，現在 10 秒以內。一天找 10 次，省半小時。更關鍵的是少發錯版本。對普通打工人來說，少一次發錯文件，就是一次真實降本。
我後來覺得，文件命名是最典型的低成本自動化。它不需要高級能力，只需要規則。一旦規則固定下來， AI 就能幫你長期維護。
6. 截圖信息，讓 AI 從圖片裏提取成表格
第六個，是截圖信息自動變成文字和表格。這個場景太常見了。別人發你一張截圖，裏面有時間、地址、金額、聯繫人、任務要求。以前只能放大看，手動抄。抄一次不煩，抄多了真的煩。更麻煩的是，一旦抄錯數字，後面全都跟着錯。
傳統做法是人眼識別，人肉錄入，人肉整理。這個流程最大的問題是容易累，也容易錯。
AI 介入的方式有兩步。第一步，用微信、手機相冊、 WPS 、輸入法或者瀏覽器插件，把圖片裏的文字識別出來。第二步，把識別出來的文字丟給 AI ，讓它整理成結構化信息。
請把下面從截圖識別出來的文字整理成表格。根據內容自動判斷字段，不要腦補缺失信息。看不清或不確定的地方標註待確認。
識別文字
粘貼 OCR 識別結果
如果是會議安排，就讓它整理成時間、主題、地點、準備事項。如果是費用截圖，就整理成項目、金額、備註。如果是修改意見，就整理成問題、處理建議、優先級。
這件事落地難度很低。普通人最容易卡住的地方，是不知道怎麼從圖片提取文字。其實現在很多手機和辦公軟件都自帶這個能力，根本不需要額外學習複雜工具。
效率變化很直接。一張複雜截圖手抄可能 5 分鐘，現在 1 分鐘左右可以完成識別和整理。一天處理 6 張，就是 20 多分鐘。更大的收益是減少低級錯誤。金額、日期、編號這些東西，靠人眼抄寫真的很容易錯。
我以前手打過一次金額，把 8600 看成 6800 。後來我就對自己說，這種活以後能不手抄就不手抄。 AI 做不了最終確認，但可以把最容易出錯的錄入環節先替你扛下來。
7. 表格清洗，讓 AI 先告訴你怎麼處理
第七個，是表格清洗。很多普通人一聽表格自動化就害怕，覺得要學 Excel 函數、 VBA 、 Python 。其實不用一上來就學這麼多。小白最該做的第一步，是讓 AI 幫你判斷這張表到底髒在哪裏。
傳統做法是一格一格看，一格一格改。姓名和電話混在一列，日期格式不統一，空格到處都是，同一個名稱寫了好幾種版本。你手動改一會兒，就會進入一種很麻木的狀態。最糟糕的是，改到後面自己也不確定改得對不對。
AI 介入時，不要一上來把整張表交給它處理。這樣容易翻車。正確做法是先抽樣。複製前 20 行，讓 AI 幫你識別問題，給出處理步驟。
下面是一張表格的前 20 行樣本。請幫我判斷這張表有哪些數據問題，並給出適合普通人操作的清洗步驟。優先使用 Excel 或 WPS 能完成的方法，不要默認我會寫代碼。
表格樣本
粘貼前 20 行
如果你需要公式，可以繼續追問。
請根據上面的清洗步驟，給我對應的 Excel 公式。每個公式說明用在哪一列，作用是什麼，注意事項是什麼。
這件事落地難度中等偏低。它比前面幾件稍微難一點，因為你要會複製表格樣本，也要知道公式放在哪裏。但它比學一整套 Excel 自動化簡單太多。 AI 在這裏的價值，是把你從不知道怎麼下手，推進到按步驟處理。
效率變化也很明顯。以前清一個 200 行的小表，可能要 1 小時。現在先讓 AI 找問題，再按步驟處理， 20 到 30 分鐘能完成大半。更重要的是，它能降低返工成本。因為你先讓 AI 列問題，再小範圍驗證，錯了也只是錯一小塊，不會整張表一起崩。
我自己踩過一次坑。直接把整張表交給 AI ，它處理得特別自信，錯得也特別自信。後來我才明白，表格自動化不能貪快。先抽樣，先定規則，再擴大處理，這才是普通人學得會的方式。
8. 常用資料，讓 AI 生成目錄、摘要和可複用片段
第八個，是常用資料自動生成目錄和摘要。很多人一想到 AI 寫材料，就想讓它直接生成完整成稿。這個很容易翻車。因為完整成稿需要上下文、邊界、判斷和口徑， AI 不一定知道哪些能寫，哪些不能寫。
但讓 AI 做資料整理，就穩很多。傳統做法是打開一個文件夾，看到幾十個文檔，挨個點開，挨個看。看了半小時，還沒進入真正寫作狀態，光找資料就已經累了。
AI 介入的方式，是先讓它幫你做資料地圖。你可以把文件名、目錄、關鍵段落、已有摘要丟給它，讓它幫你整理每個資料的用途。
請把下面這些資料整理成一份資料地圖。不要寫新內容，只做歸納。
每份資料請說明
主要內容
適合用在哪類場景
可複用的段落或信息
可能過期或需要核對的地方
資料信息
粘貼文件名、目錄或關鍵段落
這個方法特別適合經常寫文檔、做總結、整理資料的人。它不要求 AI 直接替你完成最終材料，只要求 AI 幫你找路。以前找資料半小時，現在 5 到 10 分鐘能定位到能用的內容。
成本變化在這裏特別明顯。傳統方式靠人肉翻文件，時間越久越煩。 AI 方式先生成資料地圖，把文件夾從一堆亂資料變成可檢索的素材庫。你下次再寫類似內容，就不用從零開始找。
我自己越來越覺得， AI 對普通人的價值，很多時候不在寫，而在整理。它先幫你把一堆東西攤平，讓你看清楚手裏有什麼。人看清楚以後，寫作和判斷才會順。
9. 臨時任務，讓 AI 幫你變成可執行提醒
第九個，是臨時任務自動進入待辦。這個看起來像時間管理，其實是保命。普通打工人的一天，經常會被各種臨時任務打斷。別人隨口說下午記得發一下，羣裏冒出一句明天提醒我看下，你正在忙別的事，心裏想我等會兒記，結果一忙就忘。
傳統做法是靠腦子記。這個方法長期看一定會翻車。腦子適合思考，不適合當任務倉庫。
AI 介入的方式，不是讓它替你記事，是讓它幫你把一句亂七八糟的話，改成一條清晰待辦。你把臨時任務丟給 AI ，讓它幫你拆成任務名稱、截止時間、提醒時間、下一步動作。
請把下面這句話整理成一條待辦事項。要求簡短、可執行，可以直接複製到提醒軟件裏。
原始任務
粘貼你隨手記下的話
請輸出
任務名稱
截止時間
建議提醒時間
第一步動作
比如你隨手記的是，明天上午記得把那個表發一下。 AI 可以幫你整理成，明天上午 9 點前發送表格，今天下班前確認表格版本，明早 8 點 40 提醒。
落地難度很低。微信收藏、手機提醒、飛書待辦、桌面便籤都能用。工具不重要，關鍵是形成一個規則。任何臨時任務，只要不是 10 分鐘內馬上做，就必須進入系統。
效率變化不一定能精確算，因為它省下來的不是純操作時間，是反覆回憶的精神成本。以前我每天反覆想自己是不是漏了什麼，至少浪費 15 分鐘。現在隨手進待辦，腦子輕很多。少漏一次事，這個自動化就回本了。
打工人的很多焦慮，來自事情懸着。 AI 能做的，是把一句模糊提醒，變成一個具體動作。動作具體了，人就沒那麼慌。
10. 每次翻車，讓 AI 幫你變成下一次檢查模板
第十個，是把每次翻車覆盤成下一次模板。這個是我這次重點補強的一件事，因為它和前面 9 件不太一樣。前面 9 件解決的是當天的時間浪費，第 10 件解決的是下一次還會不會在同一個地方摔倒。
傳統做法很熟悉。週報被打回來，趕緊改。 PPT 被說太密，趕緊刪。表格錯了，趕緊修。消息回覆不清楚，趕緊補一句。事情過去以後，人鬆一口氣，然後下次繼續在同一個地方翻車。
這件事非常虧。
因為每一次翻車，背後其實都有一條規則。只是我們以前只顧着補救，沒有把規則撿起來。 AI 在這裏特別適合當覆盤助手。你把修改意見、退回原因、自己踩坑的地方丟給它，讓它整理成下次可複用的檢查清單。
下面是我這次工作內容被退回或需要修改的原因。請幫我整理成一份下次可複用的檢查清單。要求每條都能直接檢查，不要寫空話。
翻車原因
粘貼修改意見或自己的覆盤
輸出格式
檢查項
為什麼要檢查
怎麼避免
下次開始前應該先看什麼
這裏我建議再加一步，讓 AI 把檢查清單改成開工前能用的版本。很多清單寫得太像總結，看完有道理，幹活時想不起來。開工前清單必須短、硬、能逐條打鈎。
請把上面的覆盤清單壓縮成一份開工前檢查表。每條不超過 20 個字，只保留最容易再次出錯的事項。
比如週報翻車，最後可以沉澱成這樣。
有沒有把推進中寫成已完成
有沒有具體動作
有沒有下週計劃
有沒有缺少數據或例子
有沒有誇大結果
比如 PPT 翻車，可以沉澱成這樣。
一頁是否只講一件事
標題能不能單獨看懂
字數是否太密
有沒有圖示支撐
結論是否太滿
這個場景的效率賬不能只看當天。當天可能只是多花 5 分鐘覆盤，但下一次少返工 1 小時。對普通打工人來說，最貴的不是寫第一遍，是同一類問題反覆返工。把一次翻車變成一條規則，就等於給未來的自己擋了一刀。
落地難度也很低。你不需要學任何工具，只需要在每次被退回、被指出問題、自己發現低級錯誤之後，別急着翻篇。把原因丟給 AI ，讓它變成檢查表。久而久之，你會攢出一套自己的工作規則庫。
我現在越來越相信，普通人的 AI 自動化，最後拼的不是誰工具最多，而是誰能把經驗留下來。回覆庫、待辦模板、週報模板、文件命名規則、表格清洗規則、覆盤檢查表，這些東西看起來很小，但會慢慢變成你自己的工作操作系統。
最後
寫到這裏，我想把這件事說得更直白一點。普通人用 AI ，最怕一上來就被複雜玩法嚇住。什麼智能體，什麼工作流，什麼插件調用，什麼自動編排，聽起來都很厲害，但很多人根本不知道第一步該點哪裏。
所以我現在更推薦的方式，是從最笨、最小、最煩的地方開始。你每天覆制三遍的話，先做成回覆庫。你每次會後都怕漏的事，先讓 AI 拆成待辦。你看不懂的長消息，先讓 AI 抓動作。你寫到頭疼的週報，先讓 AI 整理碎片。你永遠找不到的最終版文件，先讓 AI 幫你定命名規則。
這些事沒有那麼酷，但它們真的能用。
聊到這裏，我忽然想起《莊子》裏的庖丁解牛。庖丁給梁惠王宰牛，動作輕得像跳舞，刀用了十九年還像新的一樣。梁惠王看懵了，問他為什麼這麼厲害。庖丁說，他一開始看到的是整頭牛，三年之後不再看見整頭牛，而是看見骨節之間的縫隙。他下刀的地方，不是硬骨頭，是縫。
我以前讀這個故事，只覺得是在講熟能生巧。現在再看，反而覺得它特別像普通人學 AI 自動化。
我們一開始面對工作，也像面對一整頭牛。消息、會議、表格、文件、週報、臨時任務，全都堆在一起，看起來巨大、沉重、無從下手。你如果想着一刀把整頭牛解決掉，當然會覺得 AI 很難，自動化很遠，自己學不會。
但真正能落地的做法，是先找縫。重複回覆是一條縫，會議待辦是一條縫，截圖轉文字是一條縫，週報碎片整理也是一條縫。 AI 最適合進去的地方，就是這些重複、機械、容易出錯、又不值得你親自硬扛的位置。
AI 賦能普通人的關鍵，不是讓你變成另一個職業，也不是逼你學一堆新概念。它更像是把你每天手動重複的動作，拆出來一小塊，交給一個不嫌煩的助手。你負責判斷，它負責整理。你負責確認，它負責初稿。你負責邊界，它負責把亂信息先變清楚。
這就是質變。
以前你是一個人面對一堆碎事。現在你有一個隨時能幫你打草稿、拆動作、做歸類、查遺漏、改語氣、出模板的助手。它不一定每次都對，所以你不能把最終判斷交出去。但它能把從零開始的那段痛苦砍掉一大半。
省下來的時間，也許不是為了改變世界。可能只是早點下班，吃一頓熱飯，路上少罵兩句，晚上還有一點精力做自己的事。
對普通打工人來說，這已經很值了。
自動化不用從宏大系統開始。
先從你今天最煩的那條縫開始。