拍照截图录音怎么喂给 AI：三类入口整理成用法清单

一句话结论

三类输入各管一件事：截图喂结构，照片喂细节，录音喂时序。选错入口，后面全是返工。

这篇解决什么问题

手上的信息散在系统界面、纸质单据和会议录音里，很多人试过一股脑丢给 AI，结果它答得很空。这篇讲的是按信息形态挑入口，最后落成一份能反复用的清单。

适用：日常要处理截图、照片、录音三类素材，愿意花二十来分钟跑一遍的人。不适用：素材涉及敏感数据、不方便上传给在线模型的场景。

开始前要准备什么

• 一个能同时接收图片和音频的 AI 助手，主流产品都有免费额度，够跑一遍
• 长录音转写大多要付费档，第一次先用十几分钟的短录音试
• 三类素材各备一份：一张截图、一张照片、一段录音
• 素材里的真实姓名、金额换成化名，别直接用原稿
• 预计耗时：整轮跑完通常二十分钟上下，核对占大头

具体怎么做

第 1 步 · 先钉住一件具体的活

别为了试功能而试。挑一件你这周本来就要完成的事，比如把上个月的客户反馈拢成一张表。入口选得对不对，取决于信息本来长什么样。

我接下来要做一件事：把上个月的客户反馈整理成一张表。请帮我把这件事拆成三份要收集的材料，分别对应截图、拍照、录音三种输入。每份材料说明三点：要装什么信息、为什么这种输入方式更合适、什么情况下它会失效。只针对这件事说，不要给通用建议。

预期产出：一份三行的小清单，写清楚哪份材料走截图、哪份走拍照、哪份走录音。

第 2 步 · 截图：只让 AI 抄写和转表

截图是三类里信息最规整的一种，字段和层级都在。提示词里一定要把「别猜」写死，我试过省掉这句，AI 会把看不全的单元格自动补上，后面核对反而更费劲。

我上传的是一张后台订单列表截图。请只做三件事：一、把截图里能看清的字段名逐字抄下来，不要换成同义词；二、用这些字段名输出一张 Markdown 表格，每行对应一条记录；三、看不清或不确定的单元格写「不确定」，不要根据上下文补全。输出后另起一段，告诉我一共有几处「不确定」。

预期产出：一张能直接粘进表格工具的字段表，外加一份需要人工回看的清单。

第 3 步 · 拍照：先纠偏，再提内容

照片是三类里最容易翻车的。光线、角度、遮挡都会让 AI 认错字，所以顺序要反过来：先让它说照片有什么问题，再让它提内容。

这是一张纸质送货单的照片，拍摄时角度有点斜。请分两段回答。第一段：描述你看到的版面，并指出照片本身存在的问题，比如反光、遮挡、倾斜、边角被裁切。第二段：提取内容。单据号、日期、数量按原文照抄；单位不统一的地方保留原文，并在括号里写出你的换算结果。看不清的字不要猜，直接标「不清」。

预期产出：一份带原文和换算标注的记录，外加一条下次该怎么拍的建议。

第 4 步 · 录音：转文字只是前半截

录音真正难的不是转写，是把口语里的「回头看看」「下周再定」变成有主语的待办。我的做法是让它把待办和悬而未决的问题分开放，别混成一锅。

下面是一段约 15 分钟的会议录音转写文本，现场有 3 个人说话，分别记为 A、B、C。请输出三块内容：一、按时间顺序的要点，每条前面标出大致出现的时间点；二、待办事项，格式是「谁 · 做什么 · 什么时候前完成」，会上没定负责人的写「待定」；三、会上提出但没有结论的问题。原话里的数字和日期照抄，不要替我判断优先级。

预期产出：一页带时间点的要点、一页待办、一页没结论的问题。

第 5 步 · 合成一份用法清单

三路跑完趁印象还热乎，让 AI 把这次的经验按输入方式归拢。关键是要它引用你这次的具体例子，不引用就是一篇通用说明，存下来也没用。

我手上有三份材料：一份从截图提取的字段表、一份从照片提取的单据记录、一份从录音整理出的待办。请帮我做一份「输入方式用法清单」，固定三列：输入方式、适合装什么信息、这次踩到的坑。每一行都要引用我材料里的具体例子，不要写通用建议。最后再加一行：这次哪类输入返工最多，可能是什么原因。

预期产出：一份三列的用法清单，抄进自己的备忘录就能用。

实测记录

最容易错的 3 个地方

1. 三类入口互相顶班。截图里塞大段说明、录音里指望 AI 分清说话人，准确率都会掉。
2. 拍完不检查就提内容。反光倾斜会让 AI 顺着猜，先让它描述问题再决定是否重拍。
3. 把整理结果当终稿。录音里的人名和数字最容易错，发出前回原文核一遍。

可复用的东西

全文的五段提示词可以收成一份模板：拆材料、截图转表、照片纠偏提取、录音分块整理、合成用法清单。前三段基本不用改，直接换素材；后两段把「客户反馈」「送货单」这类词替换成你手头的对象就行。

我自己的习惯是把它们存在一个文档里，每次只改第一句的任务描述。跑得多了会发现，入口选对比提示词写得漂亮更重要。

这事没有什么捷径，就是先分清信息的形态，再决定喂给 AI 的方式。你手边现在最想拆开的，是哪一类素材？

FAQ：
Q1：截图和拍照不都是图片吗，有区别？
A1：区别在误差。截图是数字原图，字段边界清楚，适合提结构；拍照带了光线和角度问题，适合纸质单据、白板这类没有电子版的材料。能用截图就别拍。
Q2：录音多长比较合适？
A2：第一次试建议控制在 15 分钟以内，转写准确率和核对速度都更可控。更长的录音先按议题切段，再分段整理，别一次全丢进去。
Q3：这三类输入适合什么人用？
A3：日常要处理界面信息、纸质材料、会议记录的人都能用上，不需要会写代码。真正的门槛只有一个，愿不愿意回原文核对。
Q4：三类素材能不能一起丢给 AI？
A4：可以，但建议分开跑。一次只喂一种输入，出错时你知道是哪一类的问题；混在一起，返工的时候很难定位原因。

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接