从手工调研到自动化责任流，AI家具司理的岗亭内核正在履历一场静默翻新。本文作家通过四次要害出动，揭示了AI如何重写家具司理的责任面目：从替代脏活累活的低级利用，到自主构建用具链；从苦练prompt时候到建设AI驱动的录用体系。当原型遐想先于PRD、判断力取代奉行力的新时期驾临，传统家具按次论正在被澈底重构。

如果你看过我上一篇《从传统制造到AI家具司理：29岁，我用半年完成从零转型》，那你应该会知说念，我之前写的更多是“我是怎样走到这个岗亭上的”。

那篇著作里，我写了我方为什么离开传统制造，为什么会被AI这股波浪推着往前走，也写了这半年里我是怎样靠一个个模式、少许点实践，把我方从正本的责任惯性里拽出来，终末着实拿到一份AI家具司理的责任。那篇著作更像一段转型复盘，讲的是聘请、冒险、试错和跃迁。

但着实入职以后，我很快乐志到，拿到一个新的职位并不虞味着着实交融这份责任。因为当我真实坐到这个岗亭上，驱动用AI行止理平常业务、鼓舞需求、作念调研、想决策、出想法、拉原型的时候，我才发现这份责任的变化比我瞎想得更澈底。它不是简便地在正本的家具责任流里塞进一个AI用具，而是在反过来重写整套责任面目。许多往常默许应该由东说念主亲身完成的动作，刻下都驱动显得难懂、迟缓，甚而有些过剩。

如果刻下要我给AI家具司理下一个尽量朴素的界说，我会把它交融成两层。第一层是用AI用具开展业务，让它着实投入调研、分析、决策、原型和录用这些平常责任里；第二层是作念AI有关的家具，去交融模子才智、用户场景、本钱规模，以及这些才智到底该怎样落进具体家具。前者决定你怎样责任，后者决定你作念什么。也正因为这两层同期存在，是以AI家具司理并不是给传统家具司理换一个新名字，而是一个连责任对象和责任面目都在统统这个词变化的脚色。

是以这篇著作，算是上一篇转型故事的后续。上一篇更多在讲我是怎样走到这个岗亭上的，这一篇想写的，则是当我真实驱动以AI家具司理的身份责任时，这份责任的内核到底变了什么。对我来说，AI家具司理最值钱的才智，不是更会写prompt，而是更会界说责任流、组织AI产出，并对肆意正经。

我最早误以为，我方也曾很会用AI了

一驱动我并不是这么想的。刚驱动把AI用进平常业务时，我的答应点其实很朴素：终于有一个用具，不错帮我搜汉典、写案牍、出决策了。当时候我的责任面目，和刻下许多东说念主还在重叠的动作差未几。开着ChatGPT这类网页对话框，把我要调研的问题一句句发往常，看它吐出一段论断，再顺遂点开它给的援用汉典，我方连续往下追。它回答得不够准，我就连续补问题；它回答得太散，我就连续缩范畴；它没打到我着实想知说念的点，我就换一种说法再问一次。

名义上看，这也曾比纯手工查汉典快许多了。但作念真切以后，我会有一种终点显著的困顿感：我看起来是在用AI，推行上仅仅把正本我方作念的信息征集责任，拆成了无数轮更碎裂的东说念主机对话。我如故阿谁最累的东说念主。办法要我我方想，框架要我我方搭，问题要我我方追，终末再由我把那些碎屑拼成一个论断。AI仅仅被我塞进了某个要害节点，替我搬了少许砖，但统统这个词责任流依旧是东说念主扛着走的。

第一次出动：我不想再亲身作念调研里的“脏活累活”

我着实驱动意志到这件事，是在作念阛阓调研的时候。那次我要有计划一个品类，最驱动如故老按次，把问题丢进聊天框里，读它的谜底和援用，再把柄它给出的内容连续追问。这个过程一驱动会让东说念主产生一种“遵循很高”的错觉，因为你确乎比从前少掀开了许多网页，也少作念了许多东说念主工致理。但惟有任务稍稍复杂少许，比如你不是想知说念一个零星事实，而是需要一份成体系、能拿去赈济决策的调研，问题就会涌现得很显著。单点问答式的数据赢得，遵循其实很低。你永恒在对话框里追着信息跑，而不是让信息主动按你的打算组织起来。

自后我驱动改用DeepResearch。这个变化看起来仅仅“换了一个功能”，但对我来说，它第一次让我感受到什么叫着实的提效。因为我不再需要饰演阿谁不竭追问、连续补洞的东说念主了。我只需要把需求讲显现，让它围绕这个打算去作念细、作念全、作念深。那种嗅觉终点不雷同。以前是我带着AI一步一步走，刻下变成了AI带着一整套搜索、筛选、考据、汇总过程走完一圈，再把肆意端转头给我看。我从“信息鸠合员”变成了“肆意判断者”。

这件过自后给了我一个终点显现的判断：我着实进展价值的，不应该是连续想下一个问题是什么，而应该是判断终末这个论断能不行赈济业务决策。我的大脑不该被滥用在玩具丧志的初筛和拼接上。但凡那种需要我苦想冥想找办法、搭框架、补问题的责任，推行上都不该连续由我来主导。AI应该先给我一组可判断的肆意，我只正经作念聘请题和判断题，而不是永恒亲身下场写汇报题。

第二次出动：我驱动为我方的责任流造用具

如果说调研这件事，是我第一次意志到“使用AI的面目比是否使用AI更重要”，那么背面作念家具ID（家具外不雅遐想）图的履历，则让我第一次着实驱动为我方的责任流造用具。

当时候我需要让AI帮我遐想家具的ID决策。最驱动我如故老敦雄厚守在Gemini的网页前，一遍遍写需求，一遍遍等它出图，一次只生成一张。肆意不合乎预期，就连续改，再连续等。阿谁过程最折磨东说念主的处所，倒还不仅仅后果好不好，而是统统这个词动作本人太慢了。你会被一个网页界面绑住，被一次一张的生成节拍绑住，也被玩具丧志的恭候绑住。许多时期并莫得花在想考上，而是花在重叠点击、反复试错和干等肆意上。

我自后实在受够了这种低效。既然网页端一次一张、反复守着等的面目太慢，我就径直换了一个想路：毋庸网页了，让AI编程用具帮我写一个接入GeminiAPI的批量生图桌面软件。这个变化对我的冲击很大，因为它第一次让我从“使用一个现成用具”变成了“为我方的责任流造用具”。以前我必须守在网页前，一张一张试；自后我惟有把需求输进去，点一下，后台就不错批量生成许多候选图。我不需要再被一个界面绑住，不需要反复点击，也不需要把多数时期耗在恭候上。我去作念别的事情，转头之后，一整批肆意也曾在文献夹里等我筛选。

这个用具措置的，主要如故奉行遵循的问题。它让我从繁琐、重叠、低速的操作里自若了出来，也让我第一次意志到：家具司理不一定只可适利用具，也不错反过来让用具安妥我方的责任流。

第三次出动：我不再亲身把需求翻译成prompt

但更大的变化还在背面。造用具措置的是奉行遵循，着实让我岗亭知道连续往前走的一步，是我驱动把“交融需求、组织荆棘文、生成指示”这件事也交给AI。

批量生图也曾比手动点网页快许多了，可我很快又遭受下一个瓶颈：哪怕生见遵循提高了，澳洲幸运5app惟有提醒词如故由我我方硬写，我如故会卡。因为写提醒词这件事，本人仍然是在让我作念廉价值的翻译工作。我如故得把脑子里那堆对于家具定位、用户场景、结构特征、作风倾向的想法，压缩成一段尽可能准确的描画，再寄但愿于模子能从这段描画里规复出我想要的东西。

自后我终于把这个动作也砍掉了。我不再我方少许点写生图prompt，而是径直把PRD（家具需求文档）和我想要的ID后果参考统统这个词交给Codex这么的AIAgent。我告诉它：你去读文档，你去交融我要作念的家具，你去分析参考图里的作风，然后你我方构想提醒词，我方调用GeminiAPI，生图并搜检肆意，把合乎条目的肆意整理成文档回报我。到这一步，我第一次以为我方不再是在“使用AI功能”，而是在“组织一个AI责任流替我完成任务”。

这内部的分辩终点大。前一种面目里，我如故阿谁把每个设施亲手串起来的东说念主；后一种面目里，我只正经界说打算、提供敛迹、判断肆意。以前我总在问“这句prompt还要怎样改”，自后我驱动问“这个责任流是不是还让东说念主作念了太多不该作念的事”。这两个问题看起来仅仅措辞不同，但背后其实是两种绝对不同的岗亭知道。

亦然从阿谁时候驱动，我越来越细则一件事：AI家具司理着实拉开差距的，不是会不会写prompt。至少对我来说，写prompt酌夺仅仅一个很早期、很过渡的才智。着实重要的，是你能不行把业务打算拆成一个合理的责任流，知说念哪些设施该由AI作念，哪些设施必须由东说念主保留判断，哪些中间工作应该被澈底消散掉。你不是在教AI按你的每一句话作念事，而是在界说一套系统，让AI自动把该作念的事作念完，再把值得你看的东西交到你眼前。

第四次出动：我不再先写PRD，而是先把家具作念出来

再往后，我连作念家具的规建都改了。传统家具司理的过程，频繁是先写PRD，把需求、逻辑、过程和规模尽量界说显现，再交给遐想和研发往下鼓舞。但我刻下许多时候的作念法，也曾变成了另一种规矩：先和AI反复交流家具需求，让它径直把原型作念出来，边作念边看，边看边改，直到阿谁东西越来越接近我着实想要的后果。

等原型在一轮轮迭代里渐渐领悟下来之后，我才会让它回偏捏去输出竣工的PRD。这个变化看起来仅仅把前后规矩调换了一下，但推行上绝对不雷同。以前PRD更像最先，是为了推动别东说念主驱动作念事；刻下原型更像最先，我先通过一个可运行、可感知的东西把想法逼显现，再把已教导证过的内容千里淀成文档。

我自后越来越以为，这才是AI时期更适当我的责任面目。因为许多需求在纸面上看起来建树，着实作念成原型以后才会涌现问题。与其一驱动就花很轻易气把文档写得满腹疑云，不如先让AI帮我把东西作念出来、改起来、跑起来。等办法真实被考据了，再去补都那份竣工、认识、可复用的PRD。在这个过程里，PRD不再是家具降生的最先，更像是家具渐渐成形之后的说明书。

还有一个配套风气：我驱动把AI的产出文档化

自后我缓缓酿成了一个很实用的风气：不要让AI的产出只停留在对话框里，而要把它千里淀成文档。因为许多时候，着实有价值的，不是单次回答，而是我和AI在连续筹商后千里淀下来的共鸣。如果是有助于AI交融我竣工意图的内容，我会尽量让它输出成Markdown。像需求拆解、调研论断这类材料，都会整理成结构认识、不错反复调用的文本。这么我背面再切换到别的模子、别的Agent，甚而别的用具时，就毋庸再重新讲明一遍，径直把文档行为荆棘文丢进去就不错了。

但如果这份东西主如果给东说念主看，比如拿来学习、复盘，八成给共事、雇主作念展示，我又会把它进一步转成可视化阅读体验更好的HTML。因为给AI用的文档，要点是结构化、可复用、便于机器交融；给东说念主看的文档，要点则是信息层级、阅读节拍和展示后果。自后我越来越以为，这一步休养本人亦然责任流的一部分。你不是把AI的输出复制出来就终认识，而是要连续判断：这份内容接下来是服务AI，如故服务东说念主，然后用最合适的体式把它交到下一环。说到底，我是在把一次性的AI输出，变成不错千里淀、复用、流转的荆棘文金钱。

回头看，这不是“更会用AI”，而是岗亭界说变了

我自后回头看我方这一齐的变化，发现它其实终点认识。最早的时候，AI仅仅责任流里的一个节点，我正经大部分过程，AI帮我拿少许数据、产少许内容。再往后一步，我驱动让AI帮我写自动化软件，把那些重叠、机械、可批量化的动作接往常，我我方只保留要害证明和肆意分析。再自后，我驱动把一统统这个词任务交给Agent，让它像一个着实的奉行者雷同把中间过程跑完，我只看肆意、改办法、作念判断。再往后，我又把传统过程倒了过来，先让AI把原型作念出来，再让文档随着已教导证过的肆意千里淀下来。

这一齐的变化，并不仅仅遵循进步了良友。它着实更正的，是我对家具司理这个岗亭的交融。往常咱们总以为家具司理最中枢的产出是文档、决策和交流，是把事情配合起来。但刻下我越来越以为，AI家具司理的规模也曾跟往常不雷同了。着实的变化，不是我会不会作念一个用具，而是我也曾驱动径直用AI鼓舞家具抒发、决策考据和录用链路，去补都往常频繁要依赖遐想、研发连续往下走的那一段责任。文档虽然仍然重要，但它越来越不像最先，更像一个在办法被考据之后再回头千里淀的肆意。

是以我刻下对我方的条目，也曾不再是把文档写得更漂亮，也不是把prompt调得更准，而是尽可能成为阿谁界说责任流、先把肆意跑出来、再把肆意千里淀下来，并对最终肆意正经的东说念主。调研也好，原型也好，许多往常需要多东说念主骁敢于才智鼓舞的事，刻下都在被从新打包。

我越来越确信，AI家具司理着实的基本功，不是抒发，而是判断；不是手动完成每个设施，而是知说念哪些设施根底不该再由东说念主完成；不是把我方熟练就更熟练的使用者，而是把我方逼成一个能独处组织录用的东说念主。

AI家具司理着实的分水岭幸运5app，不是会不会用AI，而是能不行把AI组织成我方的责任面目。

澳洲幸运5官方网站

• 作念
• AI
• 幸运5app
• 不相
• 再醮