你不是在用 AI,你是在每次重新雇一个新人
分清一次性产出和可重跑产线,找出你工作里值得固定下来的活
"上次那套提示词哪去了?"——如果你对这句话有生理反应,这门课就是为你准备的。
你可能已经很会用 AI 了:描述需求、追问细节、拿到不错的结果。但下一次做同样的活,你又从头来一遍:重新描述要求,重新贴背景资料,重新检查同样的毛病。同样的活你已经做过八遍,每一遍都像第一遍。
这不是你笨,是没人告诉你这些活可以固定下来。这一节只讲一个区分:一次性产出 vs 可重跑产线。学完你会拿到一张自己的清单,知道哪些活值得搭产线。
想象你每周都要做一桌同样的菜。第一种做法:每次都临时上网搜菜谱、临时买菜、临时琢磨火候——每次都像第一次做。第二种做法:建一间小小的"中央厨房"——菜谱写下来贴墙上,食材固定供应商,火候记成条子。
第二种做法头一次麻烦,之后每次都快,而且味道稳定。跟 AI 打交道,也有这两种姿势。
两种姿势:一次性产出 vs 可重跑产线
- 一次性产出:打开对话框,从头描述需求,拿到结果,关掉窗口。下次同样的活,从头再来。你每次都在重新雇一个新人——它不记得上次的规矩,你也没留下上次的规矩。
- 可重跑产线:把这个活拆成固定的步骤,每步的指令、输入、输出都固定下来。下次同样的活,直接重跑,改的只是原料。
为什么值得费这个劲
这门课依据的是我们自己两门已上线课程的一手生产留档——真实运行日志、事故记录、git 提交,不是转述。留档给了一个数字:这条产线把原本数周的重复劳动压缩到数小时(约 19 万字的课程内容)。
但同一份留档也记录了另一面:过程中出的七类问题,没有一类是模型自己发现的。
这就是全课的核心命题:AI 是放大器不是替代品——省重复劳动,省不掉审校。产线思维的价值不只是"快",更是让"审校"有固定的位置可以放。我们会在 1.3 展开这一点。
顺带交代一句:课里用的产线工具是我们自己开发的开源项目,完整的利益披露和"你该怎么带着怀疑读这门课",下一节开头就讲,不藏着。
先记住本节这一个区分:一次性对话适合一次性的活;重复性的活,值得搭产线。
什么样的活是"重复性的活"
判断标准不看内容,看结构:如果一件活的步骤、要求、检查项在每次执行时基本不变,变的只是原料(这次的会议、这周的数据、这批的资料),它就是重复性的活。写稿、做课、整理资料、出报告,大多属于这一类。
反过来,如果一件活每次的目标和做法都不一样(比如"帮我想个创意"),它就是一次性的活——搭产线反而是浪费。
🔧 动手做:列出你的重复劳动清单(5 分钟)
- 回想你最近 3 次让 AI 干的重复性活(比如:整理会议纪要、写周报、翻译资料)。
- 每件活写一行,格式:「活的名字 | 我每次都在重新做的步骤」。
- 逐行标注重新做的步骤具体是什么:重新描述要求?重新贴背景资料?重新检查同样的毛病?
- 圈出在 3 次里出现了 2 次以上的步骤。
你会看到:一张 3 行的小清单,上面有几个被圈出来的步骤——它们就是产线的候选工位。留着这张清单,1.4 画草图时要用。
为什么:产线不是从工具开始搭的,是从"你到底在重复什么"开始搭的。先看清重复,才知道该固定什么。
这是最常见的自我误判。提示词库解决的是"指令不用重写",但输入从哪来、输出交给谁、谁来检查——这三样没固定,每次执行仍然是一次性的。判断标准:同样的活再来一次,你除了换原料还需要做别的吗?需要,就还不是产线。
一次性对话适合一次性的活;重复性的活,值得搭产线。产线 = 步骤 + 交接 + 检查,只存提示词不算。产线省的是重复劳动,审校的位置必须留出来——这是全课的核心命题。下一节先看这条产线的全景,以及一件必须先说清楚的事:它是我们自家的工具。
🔎 来源与核验· 2 条,点开核对
