工作场所中的 AI：知识工作执行者实用指南

本文详细探讨了知识工作执行者如何将 AI 应用于每周耗费时间的重复性任务中，而不仅仅是将 AI 用于一次性问题和写作任务。内容包括现成的提示词、安全使用 AI 的指南，以及快速将 AI 融入工作流的简单步骤。

大多数知识工作都伴随着职位描述中没有的运营开销：会议、行政管理、保持信息同步、维护人际关系。

这些任务通常是开始使用 AI 的最佳切入点，因为输出结果易于检查，且出错风险较低。

以下是其中的 10 项任务，以及如何提示 AI 来协助完成每项任务。

注意：某些 AI 工具需要附加或直接粘贴源材料。其他工具则可以自行从连接的收件箱、云端硬盘或打开的浏览器标签页中提取。以下提示词在两种情况下均适用。

关于同一主题的新文章和更新的笔记堆积如山，跟上最新进展确实是一个巨大的挑战。

AI 工具可以帮你：

将分散的来源整合为一个答案
捕捉文档中的矛盾之处或版本漂移
总结自上次更新以来发生了哪些变化
标记来源意见不一致的地方

试试这个查询

信息摘要查询

使用场景：你有多个来源，需要了解一致之处、冲突以及发生了哪些变化。

角色：研究分析师。
任务：综合以下五篇文章以及我们关于 {topic} 的内部笔记。找出它们意见一致的地方，列出冲突的数字/声明，并记录自 {last_date_or_version} 以来发生了哪些变化。
输入：
- 文章：{粘贴标题 + URL 或附加文件}
- 内部笔记：{粘贴项目符号或附加文档}
- 用于对比的最后日期/版本：{YYYY-MM-DD 或版本}
约束：
- 有时间限制的证据：优先使用 {start_date} 到 {end_date} 之间的来源；标记任何更早的内容。
- 证据规则：对于每个主要声明，尽可能引用至少 2 个独立来源；将新闻/博客标为次要来源。
输出：
1) 3–5 个关于共识的项目符号摘要。
2) 表格：声明 | 冲突的值/措辞 | 来源（带日期）| 置信度（高/中/低）。
3) 以 3–7 个项目符号列出“自 {last_date_or_version} 以来发生的变化”。
4) 包含 3–5 项具体检查的“我漏掉了什么 / 接下来要验证什么”。
验证：
- 标记任何可能有多种解读的句子。
- 如果任何输入未明确说明，最多提出 3 个澄清问题。

状态更新、复盘、签到：大多数工作沟通都重复着相同的几种形式，这使得 AI 能够轻松写出像样的初稿。

AI 工具可以帮你：

根据要点草拟电子邮件、更新或文档
针对不同的受众调整语调或长度
为不同的读者重写相同的更新内容
在发送前捕捉表达不清的措辞

AI 可以帮助将对话转化为包含后续行动和决定的切实记录。

AI 工具可以帮你：

从笔记或转录中提取行动项和负责人
在通话结束后立即起草复盘
捕捉无人实际负责的承办事项
根据上一次会议的未结事项准备议程

试试这个查询

会议复盘查询

使用场景：你拥有会议记录/笔记，并且需要决策/承诺日志以及随时可发送的复盘。

角色：项目协调员。

Task: 从下面的会议记录/笔记中，列出做出的每一项承诺、负责人以及提及的任何日期。标记任何听起来像决定但从未明确分工的内容。然后起草一封五句话的复盘电子邮件，我可以原样发送或进行编辑。

输入：

- 记录/笔记：{粘贴文本或附加文件}

- 会议背景：{会议名称、日期、参会人员（如果已知）}

约束：

- 按字面意思记录：仅记录明确或强烈暗示的承诺/决定；将暗示的事项标记为 [已暗示]。

- 如果缺少负责人/日期，请写“负责人：待定”或“日期：待定”。

输出：

1) 承诺表：承诺 | 负责人 | 日期 | 状态（已确认/已暗示）| 来源行（引用简短片段）。

2) “未分工的决定”列表：决定 | 不清晰的原因 | 建议的负责人 + 下一步行动。

3) 草拟电子邮件（5 句话）：主题行 + 正文，中立语调，无废话。

验证：

- 标记草稿电子邮件中任何可能有多种解读的句子。

- 如果高影响力的关键细节（负责人/日期）缺失，最多提出 3 个澄清问题。

AI 可以让组织复杂的每周日程、兼顾多项承诺以及更准确地估计时间变得更加容易。

AI 工具可以帮你：

将相互冲突的截止日期转化为操作顺序
在日程冲突演变成问题之前将其标记出来
区分真正紧迫的事情与感觉紧迫的事情
合理检查计划是否切合实际

试试这个查询

每周规划查询

使用场景：你需要对 5 天工作周进行排序、冲突检测和现实检查。

角色：运营规划师。

任务：按紧急程度和影响力对我的每周工作进行排序，标记可能的冲突，并告诉我这对于五天的工作周是否切合实际。如果不是，请说明应该削减或推迟什么。

输入：

- 工作项：{列出每个项目的截止日期、大致时间估计以及任何依赖关系}

- 约束：{每天的工作小时数、会议、严格的截止日期、时区}

- 成功标准：{本周“完成”的标准是什么}

约束：

- 使用简单的评分规则：紧急程度（1–5）、影响力（1–5）、工作量（小时）。显示每个项目的得分。

- 假设一个 5 天的工作周，除去会议后每天有 {X} 个高效工作小时。

输出：

1) 排序列表：项目 | 紧急程度 | 影响力 | 工作量 (h) | 得分 | 截止日期 | 依赖关系。

2) “可能的冲突”列表：冲突 | 涉及的项目 | 冲突原因（时间/依赖关系）。

3) 现实检查：“切合实际？是/否。”如果否：“削减/推迟”建议及理由（哪些项目，释放了多少小时）。

4) 包含时间块的建议每日计划（周一至周五）。

验证：

- 标记你做出的任何假设（例如，会议负载、专注时间）。

- 如果截止日期/依赖关系不明确，最多提出 3 个澄清问题。

AI 不能取代人类的判断，但它擅长组合、整理和比较复杂的信息，从而让决策过程变得更加容易。

AI 工具可以帮你：

汇集相关信息以做出决定
显现推理一致或不一致的地方
在假设的基础上构建之前进行压力测试
组织涉及的各种因素

试试这个查询

决策分析查询

使用场景：在两个可能的战略选项之间做出复杂的选择。

角色：策略分析师。

任务：我正在为 {decision/context} 在 {Option A} 和 {Option B} 之间做出选择。请从它们自身的角度给出各自最有力的论据，然后指出这些论据实际上在哪些地方存在分歧：事实、假设或优先级的差异。不要将其平均化折中。

输入：

- 决策背景：{目标、约束、利益相关者、时间线}

- Option A 描述：{关键功能、成本、风险、证据}

- Option B 描述：{关键功能、成本、风险、证据}

约束：

- 对每个选项都持同情态度；拒绝稻草人谬误。

- 区分事实（可验证）、假设（信念）和优先级（价值观/权衡）。

输出：

1) “A 的论据”（5–7 个项目符号）：收益、风险、关键假设、引用的证据。

2) “B 的论据”（5–7 个项目符号）：收益、风险、关键假设、引用的证据。

3) “真正的分歧”表：分歧 | 类型（事实/假设/优先级）| 为什么对决策很重要 | 如何解决/测试。

4) “决策标准”检查清单：鉴于我的背景，应推动选择的 3–5 个标准。

验证：

- 标记任何缺乏证据或依赖关键假设的声明。

- 如果决策背景未明确说明，最多提出 3 个澄清问题。

如今更先进的 AI 工具不仅能回答问题，还能创建幻灯片、报告、文档或电子表格。

AI 工具可以帮你：

将研究或笔记转化为初稿幻灯片、电子表格或报告
直接从原始材料过渡到格式化的文档
在花时间润色之前构建交付成果的结构
在构建的同时汇集来源

试试这个查询

演示文稿提纲查询

使用场景：你需要一个包含有来源支持的声明的演示文稿提纲。

角色：演示策略师。

任务：使用以下研究，为利益相关者演示文稿构建一个五张幻灯片的提纲：标题幻灯片、三个内容幻灯片（每个幻灯片包含清晰的标题 + 三个支撑点）以及建议幻灯片。注明每个声明背后的来源。

输入：

- 研究：{粘贴摘录/链接或附加文件}

- 受众：{高管/技术人员/混合人员}

- 目标：{你希望从利益相关者那里获得什么决定或行动}

约束：

- 每个支撑点必须引用一个来源（标题 + 日期或 URL）。

- 保持标题面向行动（动词优先）。

输出：

- 幻灯片 1（标题）：标题 | 副标题 | 演讲者 | 日期。

- 幻灯片 2（内容）：标题 | 要点 1（来源）| 要点 2（来源）| 要点 3（来源）。

- 幻灯片 3（内容）：标题 | 要点 1（来源）| 要点 2（来源）| 要点 3（来源）。

- 幻灯片 4（内容）：标题 | 要点 1（来源）| 要点 2（来源）| 要点 3（来源）。

- 幻灯片 5（建议）：建议 1（来源）| 建议 2（来源）| 建议 3（来源）| 下一步/要求。

验证：

- 标记任何缺乏来源或依赖过时证据（> {max_age}）的声明。

- 如果目标/受众不明确，最多提出 3 个澄清问题。

AI 可以减少繁琐的手工任务，例如自动输入或分类数据、给文件贴标签，或者将信息从一个工具复制并粘贴到另一个工具。

AI 工具可以帮你：

对费用进行分类并标记重复或缺失的条目
起草常规电子邮件
将粗略的笔记转化为可提交的内容
根据已有信息填写重复的表单

试试这个查询

分类查询

使用场景：整理和总结用于报告的费用。

角色：财务运营助理。

任务：将我的费用导出表中的每一行按 {your categories} 进行分类，标记重复或缺失的类别，并按类别提供一个汇总总数，以便我可以将其粘贴到报告中。

输入：

- 费用导出：{粘贴类似 CSV 的行或附加文件}

- 类别：{例如：差旅、软件、餐饮、办公、其他}

- 报告期间：{月/年}

约束：

- 如果某一行含义模糊，请指定最可能的类别并将其标记为 [假设：{原因}]。

- 标记潜在的重复项（±1 天内的相同供应商/金额/日期）。

输出：

1) 分类列表：日期 | 供应商 | 金额 | 类别 | 备注（例如，[假设]，[重复？]）。

2) 汇总表：类别 | 总金额 | 行数。

3) “待解决的问题”列表：缺失的类别、重复项、异常值。

验证：

- 如果类别列表不完整或货币/税务处理不明确，最多提出 3 个澄清问题。

AI 有助于发现单个文档内的不一致之处，并协调多个来源之间的声明，例如标记草稿偏离样式指南的地方。

AI 工具可以帮你：

捕捉整个文档中不一致的数字或声明
在发布内容之前标记不清晰的措辞
对照检查清单或样式指南检查草稿
发现前面章节与后面章节之间的差距

试试这个查询

草稿 QC 查询

使用场景：你需要进行有针对性的 QC 检查，而无需完全重写。

角色：高级编辑。

任务：对照下方的样式指南/检查清单检查我的草稿。标记文档中其他地方相互矛盾的数字或声明、任何你不得不重新阅读才能理解的句子，以及清单要求的但缺失的内容。按位置列出问题。不要重写整个文档。

输入：

- 草稿：{粘贴文本或附加文件}

- 样式指南/检查清单：{粘贴项目符号或附加文档}

约束：

- 尽可能按小节/段落/行引用位置。

- 对于矛盾之处，引用两个冲突的段落。

输出：

1) “矛盾”表：位置 A | 引文 A | 位置 B | 引文 B | 冲突原因 | 建议修复。

2) “难以阅读的句子”列表：位置 | 引文 | 不清晰的原因 | 建议重写。

3) “缺失的检查清单项”列表：检查清单项 | 缺失的位置 | 建议添加。

验证：

- 如果检查清单模棱两可或文档结构不清晰，最多提出 3 个澄清问题。

快速掌握不熟悉的主题过去意味着缓慢的阅读或请求忙碌的同事帮忙。

AI 工具可以帮你：

快速对不熟悉的工具、流程或主题获得工作层面的理解
准备好你应该能够回答的问题
以你需要的高度来解释概念
在与比你更有专家水平的人交谈之前补充背景信息

试试这个查询

信息简报查询

使用场景：你需要在会议前获得一份快速、通俗易懂的简报。

角色：主题解释者。

任务：我明天有一个关于 {topic} 的会议，但我对它不是很熟悉。请用通俗的语言解释核心要点：它是什么、为什么现在很重要，以及大家会默认我知道的术语。给我三个我应该准备好回答或提出的问题。

输入：

- 主题：{具体主题}

- 受众/行业：{例如，金融科技、医疗保健、SaaS}

- 时间敏感性：{过去 6–12 个月内的新变化}

约束：

- 通俗易懂的语言，没有定义不得使用行话。

- 有时间限制：优先考虑 {start_date} 到 {end_date} 之间的发展；标记任何更早的内容。

输出：

1) “它是什么”（3–5 个项目符号）。

2) “为什么现在很重要”（3–5 个项目符号，包含最新进展）。

3) “默认你应了解的术语”（术语 | 一行定义）。

4) “需要准备好的三个问题”（问题 | 为什么重要 | 谈话要点）。

验证：

- 标记任何缺乏证据或依赖有争议的假设的声明。

- 如果主题太宽泛或缺少行业背景，最多提出 3 个澄清问题。

在通话前夕，很难在短时间内重新构建散落在旧电子邮件和笔记中的背景信息。

AI 工具可以帮你：

在对话前汇集背景信息：讨论过的内容、承诺过的内容或悬而未决的内容
在客户或利益相关者通话前准备简报
跟踪持续关系中的未结事项
起草引用了真实先前背景的签到邮件

试试这个查询

通话前关系简报查询

使用场景：利用过去的互动准备与个人或客户的通话。

角色：客户策略师。

任务：在我今天与 {person_or_account} 通话之前，汇总我们上次讨论的内容、双方承诺的任何事项，以及我们过去的电子邮件/笔记中未解决的任何事项。标记任何你没有十足把握的内容，以便我可以仔细核对。

输入：

- 个人/客户：{姓名、公司、角色}

- 过去的互动：{粘贴上次会议纪要 + 关键电子邮件或附加文件}

- 今天的目标：{你希望从通话中获得什么}

约束：

- 按字面意思记录：仅记录明确或强烈暗示的承诺/未解决事项；将暗示的事项标记为 [已暗示]。

- 如果置信度低，请标记 [低置信度：{原因}]。

输出：

1) “上次”摘要（3–5 个项目符号）。

2) “承诺”表：谁 | 承诺 | 日期 | 状态（完成/未完成）| 来源片段。

3) “未解决事项”列表：事项 | 未解决的原因 | 建议的下一步行动。

4) “通话计划”（3 个项目符号）：开场、核心诉求、备用方案。

5) “置信度标记”列表：事项 | 置信度低的原因 | 如何验证。

验证：

- 如果历史记录不完整或模棱两可，最多提出 3 个澄清问题。

上面的每个提示词都假设该工具能够访问真实的、有时是敏感的公司信息，因此提前养成一些习惯可以防止这种访问在以后变成问题。

开始之前，先检查批准的工具列表。大多数公司都会在某个地方发布一份：IT 知识库、安全门户、入职文档。如果你找不到，请直接询问，而不是假设没有。
通过公司的 SSO 登录，而不是个人账户。个人登录无法继承公司的数据控制、审计追踪或离职流程，因此即使工作本身是公司的事务，该工作也依然在 IT 的视线之外。
了解公司的数据层级，而不仅仅是“敏感与否”。大多数公司将数据分为两个以上的类别，例如公开、内部、机密和受限，可以粘贴到一个工具中的内容可能不适合另一个工具。如果这些层级没有记录在显眼的地方，请向 IT 或安全部门咨询。
在可以的情况下，粘贴前去除标识符。在粘贴到未经正式批准的工具之前，将真实姓名、账号和客户详情替换为诸如 {client_name} 之类的占位符。
关闭模型训练开关。大多数 AI 工具都有一个设置，通常被标记为“改进模型”或“使用我的数据进行训练”之类的内容，它默认将你的输入纳入训练数据。检查隐私或设置面板并将其关闭，除非该工具已明确批准无需担心这一点。
在连接工具之前，审查它可以访问的内容。如果它负责预订、发送内容或接触你的收件箱，请检查它请求的权限，并撤销你未积极使用的任何权限。
如果不确定某事是否获得批准，请询问。向 IT 或安全部门发送一条简短的消息，通常比事后发现某个工具未获准使用要好。

关于在工作场所安全使用 AI 的“应做与禁做”清单，强调公司 SSO、获批工具、数据修订、禁用训练和受限权限。

大多数知识工作执行者已经在使用随意的 AI：一次性问题、快速的电子邮件草稿、复制结果、完成。将一项任务视为两周的试点，而不是一次性的问题，才是将这种随意使用转化为有意义的时间节省的关键。

以下是开始的方法：

在五个工作日内，记录每一项重复性任务、所花费的时间以及感觉有多繁琐。有多种时间跟踪工具可用，但持续的笔记也可以很好地工作：“周一，20分钟，整理收据，有点烦人。”到周五时，通常会自然显现出一个模式。

审查笔记，并选择首先自动化哪一项耗时、繁琐的任务。

有几个因素需要考虑：

该任务是否每周发生多次？
每次的过程是否相对一致？
检查输出结果是否快速？
它是否取决于因情况而异的判断调用？
错误是否易于发现和纠正？
源数据是否完整且可靠？

每周状态更新或定期费用报告符合条件。每季度一次的董事会演示文稿则不符合。对于首次试点而言，利害关系和审查时间都太高了。

写一个句子来描述正确或可用的输出，在看到 AI 产生的内容之前确定。

提取手动完成输出的三个真实示例（三个状态更新、三个费用报告），并写下它们的共同点：长度、结构、详细程度。

然后询问是什么会让它变得不可用。有时通过命名失败来定义好坏更容易。在好输出的定义中包含每个失败的反面。

例如，对于状态更新，可能是：“涵盖了已发布的内容和受阻的内容，分两段，只需进行最少的重写。”

对于费用报告，可能是：“每一行都有一个类别，并且标记了重复项。”

从任务的平实描述和步骤 3 中的“好”的定义开始，然后针对两到三个真实的实例运行它。

每次运行后，对照该定义检查输出并记下偏差：缺少部分、太长、语调不对。在提示词中添加一行来解决该特定差距，然后再次运行。

一旦输出只需要微小的编辑而不是重写，就可以停止了。将最终版本保存在容易再次找到的地方：例如，置顶文档、笔记应用或共享提示词库。

选择一件可重复的事情来进行手动验证。对于费用报告，这可能意味着在提交之前将类别总数与原始导出进行比较。在两周内的每个输出上都执行相同的检查，即使它开始感觉可靠。

对于每个实例，跟踪任务从头到尾花费的时间（包括检查步骤），以及它与步骤 1 中记录的时间的对比情况。在两周结束时，将其加总以决定是否值得保持原样的自动化。如果不是，则调整并重试，或者放弃并选择不同的任务。

选择最耗时且表现最稳定的任务，通过试点步骤运行它，并记录 AI 节省了多少时间或精力。

Perplexity Computer 为知识工作执行者提供了更多的处理能力，而不会在一天中增加额外的时间。它连接到日常使用的工具，包括 Gmail、Outlook、Google Drive、Notion 和 Slack，并可以在发出之前提取相关材料、起草输出并标记任何需要再次查看的内容。

在日常工作中尝试 Perplexity Computer。

什么是工作场所中的 AI？

它是指使用连接的助手和聊天机器人等 AI 工具来协助工作中的重复性部分：保持信息同步、沟通、规划、审查和行政工作，此外还包括大多数人已经会问的一次性问题。

工作场所中的 AI 有哪些例子？

从会议记录中提取行动项、将原始笔记转化为状态更新、对费用报告进行分类、构建带有来源支持的演示文稿大纲，以及使用过去的背景为通话做准备，这五个是常见的例子。

工作场所中使用 AI 有什么好处？

最明显的好处是节省了遵循可预测模式的任务的时间：总结、起草、分类和审查那些手工完成需要真实时间但不需要深入判断的工作。

工作场所中使用 AI 的优缺点是什么？

好处是更快的初稿和更少花在重复任务上的时间。缺点则在跳过检查步骤时显现出来：未经核实的摘要被当作事实对待、未经审查就发送的草稿，或者将敏感数据粘贴到从未为此批准的工具中。

如何在工作场所使用 AI？

从一项重复性任务开始，跟踪一周内目前的完成方式，定义好的输出应该是什么样的，针对几个实际实例测试提示词，并在为期两周的试点期间对每个输出运行一项固定的检查。

工作场所中使用 AI 有哪些风险？

主要的风险是将 AI 的输出视为已验证的（而实际并非如此）、通过未经批准的工具发送敏感数据，以及让 AI 摘要替代了仍然需要人工来进行的决定、批准或关系判断。

AI 会取代工作岗位吗？

对于大多数知识工作而言，AI 取代的是角色内部的具体重复任务，而不是角色本身。本指南中的任务（沟通、行政、初稿）是最有可能发生转变的环节，而判断、问责和建立关系则仍然由从事该工作的人来负责。

如何在工作场所使用 AI

1) 保持信息同步

2) 沟通

3) 会议

4) 规划与优先级排序

5) 分析与决策

6) 交付成果产出

7) 行政开销

8) 审查与质量控制

9) 学习

10) 维护人际关系

如何在不惹恼 IT 团队的情况下开始使用 AI

如何更有效地在工作场所使用 AI

1) 在做任何更改之前跟踪整整一周

2) 选择一项任务

3) 在测试前定义“好”的标准

4) 构建并测试提示词

5) 决定一项质量控制检查

6) 两周后，与基准进行对比。

将此付诸实践

常见问题