把岗位上的活，拆成能照做的 AI 步骤

127

PPT 演讲备注不会写：用豆包按每页 3 句出讲稿

备注写不出来，多是写成了「这页有什么」而不是「这页要说什么」。做法四步：先给每页提炼可被反驳的主张、按三句结构生成（结论/理由/动作）、逐页改掉复述页面的句子、念一遍校时。实测 18 页 54 句用 75 分钟，讲了 13 分钟，上一版自己写用了 120 分钟且超时 7 分钟。

演示与汇报 4 步 · 4 段提示词

1.5k

128

入职第一天没头绪：用豆包出 7 天带教清单并设检查点

带教没章法不是没人愿教，是「教什么」从没写下来过。做法四步：从 20 条真实任务倒推、按必读必做必见三栏生成 34 项、设 5 个只验一件事的检查点、记录新人提问回补清单。实测制作 80 分钟，新人第 5 天能独立处理工单，上一位靠自己摸索用了 11 天。

人力与行政 实测 4 步 · 4 段提示词

1.5k

129

社群一周没人说话：用豆包排 7 天话题并配开场句

群冷掉不是内容不够，是「第一个说话的人」成本太高。做法四步：从被回应过的那几条倒推话题偏好、按类型配比排 7 天、给每条配两句开场句（我先答 + 一句话能答的追问）、按回应情况改下一天。实测 312 人的群一周发言 9 条，排完跑一周后 21 条、说话人数 4→11。

运营 4 步 · 4 段提示词

1.4k

130

300 条客服问答批量生成：用脚本跑并抽检 30 条

批量生成的真正风险不是 AI 写得差，是没人核过就上线。做法四步：按来源切批、分批跑并每批检查格式、按四个维度分层抽 30 条、把错法折算成提示词规则重跑。实测第一轮不合格 26.7%，第二轮降到 6.7%，全程 280 分钟，比手写省 620 分钟。

批量与定时 实测 4 步 · 4 段提示词

2.3k

131

表单收到就回信：用 n8n 串 AI 起草再人工一键发

表单回信慢不是没人干，是「写一封像样的回信」启动成本太高。做法四步：先从 100 封历史回信抽出三段骨架、搭 5 个 n8n 节点、提示词写死不许编价格、人只做一键确认并记录改稿率。实测 20 份里 15 份直接可发，回信从 26 小时压到 3.5 小时，每周省 168 分钟。

工作流编排 4 步 · 4 段提示词

3.0k

132

4 个模型跑同一份稿：按 token 账单算成本

把同一份稿子丢给四个模型，账单上最便宜的只要最贵的三分之一，于是选了它——一个月后发现成本没降，因为它常要跑两三遍才有一版能用。算成本该按「每千字可用成稿成本」，公式是单次成本乘以尝试次数除以可用次数。实测单次价差 3.2 倍，成稿成本只差 1.33 倍，单次最便宜的那个排名掉到第三。

成本与选型 实测 4 步 · 4 段提示词

2.0k

133

即梦 4.0 出图实测：20 张商品图看 3 类瑕疵

一批商品图第一眼都像回事，导进详情页才发现品牌名糊成一团、杯子把手粘在杯身上、金属看着像塑料。这些要按「清不掉的原因」分成三类：文字、结构、材质——文字类基本救不回来只能避开，结构类重出多半能好，材质类最隐蔽要拿实物对比。实测 20 张需求一次可用 6 张，瑕疵命中 20 次，共生成 34 张。

新工具实测 实测 4 步 · 4 段提示词

1.6k

134

接口文档没人看：DeepSeek 补 12 个调用示例

12 个接口的参数表写得挺规范，但没人看——因为开发者想知道的是「我怎么先跑通一个」，文档里没有一行能直接复制执行的代码。做法是四步：先抽公共前提、每接口一个只含必填项的最小示例（用真实值不用占位符）、全部真跑并把失败归类、最后补三种错误示例。实测 12 个示例 3 个跑不通，全程 100 分钟。

研发与产品 实测 4 步 · 4 段提示词

1.3k

135

口播稿 800 字：用豆包按 90 秒时长压到能念完

800 字的口播稿念完三分多钟，视频只能给 90 秒。凭感觉删，删到最后该说的没说全。做法是四步：先念 200 字量出自己的语速、算出字数上限并列出不能删清单、分三轮每轮只做一类删减、最后念一遍标卡顿处。实测语速 4.32 字每秒，90 秒上限 389 字，压到 382 字实念 88 秒，全程 85 分钟。

短视频脚本 4 步 · 4 段提示词

1.1k

136

公众号首图 20 张：用即梦定风格后批量出并查错字

20 篇文章配首图，一篇一篇描述着出，出到第 8 张就发现配色跟第 1 张不像同一个号了。做法是四步：先做一张能描述出来的风格锚、反推成固定段加变量段的模板、锁定固定段批量出每张 3 个候选、最后逐张放大查错字与安全区。实测 20 张 900×383，风格漂移从 7 张降到 2 张，另查出 6 张字形问题。

封面与配图 实测 4 步 · 4 段提示词

544

137

给 DeepSeek 加缓存：同一问题不重复付费的做法

批处理脚本每天问同样的问题，账单却看不出哪次是重复的——因为多一个空格、换个标点、带个任务 ID，缓存就全部落空。做法是四步：先用三种口径量出重复率、再把缓存键分三层逐层放行、语义层只给抽取类任务用、最后加 TTL 与命中抽检。实测月 6,000 次调用命中率从 21% 提到 39%，账单降 34%。

API 与脚本 4 步 · 4 段提示词

2.5k

138

周会音频用 DeepSeek 拆成决议与待办两栏

40 分钟周会转出 9,200 字，直接让 AI「整理成纪要」只会得到流水账。做法是四步：先只分三栏（决议/待办/未定）、待办补齐谁与做什么和期限三要素、反查每条决议有没有对应待办、最后按人切三个分发版。实测拆出决议 6 条、待办 11 条、未定 4 条，查出 2 条决议根本没落到待办上，人工处理 35 分钟。

会议与纪要 实测 4 步 · 4 段提示词

1.3k

139

用 Kimi 把 30 页文档压成 10 页汇报

30 页文档、28,400 字，要求在周会上用 10 页讲完。直接打开 PPT 从第一页删，一定删到第 10 页发现结论还没讲到。做法是三步：先定 10 页骨架（每页一句话职责）、按页填内容（一页一问，模型没有跨页记忆）、最后抽要点横向比对查重复与空白。实测压成 10 页 6,780 字，查出 2 处重复 1 处空白，全程 90 分钟，其中 12 分钟只用来定骨架。

演示与汇报 3 步 · 3 段提示词

2.8k

140

200 条退货理由：用 AI 归成 6 类并改文案

导出 200 条退货理由，多数人看一眼就得出「主要是尺寸问题」，然后把尺码表往详情页一放。但 200 条里真正能靠改一句话挽回的不是尺寸那批——按「该改哪里」而不是「客户说了什么」分类，才能算出可改比例。实测归成 6 类，尺寸 58、期待落差 41、与描述不符 37、质量瑕疵 33、无理由 21、物流破损 10，其中 78 条能靠改文案挽回，占 39%。

电商 实测 4 步 · 4 段提示词

1.4k

141

100 份简历初筛：用豆包按 3 条硬指标出淘汰理由

100 份简历，让 AI「筛出合适的」最省事也最危险——它会按简历写作质量排序，依据里还混着学校、性别、空窗期。做法是四步：把 3 条硬指标写成是/否题、只让模型提取字段不做裁定、按规则算出三档结果并附原文引用、最后只抽淘汰的做误杀复核。实测淘汰 61、待确认 22、进下一轮 17，抽 20 份查出 2 份误判，全程 95 分钟。

人力与行政 4 步 · 4 段提示词

1.1k

142

用 Cursor 改遗留代码：先写 5 条回归用例再动手

接手的遗留模块没人敢动，因为说不清哪个奇怪的 if 是业务规则、哪个是当年补丁留下的。做法是四步：先让 Cursor 摸清调用波及面并挑 5 条路径、写特性化用例记录当前行为（红了改断言不改代码）、跑绿后打 tag 存基线快照、改完用输出 diff 逐条解释变化。实测 1,200 行订单模块出现 3 处行为变化，当场抓到一处意外的精度漂移。

研发与产品 4 步 · 4 段提示词

2.5k

143

客户说太贵了：用豆包按 3 种异议各备一段应对话术

客户说贵，多数人回一句「已经最低了」，但对方说的「贵」可能是三种完全不同的意思：比价、没预算、看不出价值。做法是四步：从真实记录抄 20 条原话按下一句归类、按类各写一段四句话术（承认顾虑/换判断标准/给证据/留退路）、逐句查贬低对手与过度承诺、最后压成一页话术卡。实测归成比价 9 条、预算 7 条、价值 4 条，全程 65 分钟。

销售与客服 4 步 · 4 段提示词

417

144

抖音详情页 5 张图：用即梦批量出图并查错字

AI 出图的关键不是多好看，是别让它写字。画面里的字它写不准也改不动——没法只改一个字而不动整个画面。做法是让它只出图、在指定位置留白，文字后期用固定字体叠上去。实测 5 张图直接出字：23 处文字错 7 处，占 30.4%，另查出 1 处多出来的赠品；改成留白叠字后同样 23 处零错误。全程 123 分钟。

电商 5 步 · 5 段提示词

1.1k

145

评审 30 条意见：用 DeepSeek 归成 5 类

评审记录里 41 条发言，直接丢给 AI 归 5 类，它会给你一份很像样的表，但里面有重复、有纯情绪、有一条塞两个要求的。做法是四步：清洗成一条一议、按「改什么」定 5 类、一次归并、专门反查冲突。实测 41 条清洗成 30 条，归成功能缺失 9、交互与文案 7、性能与稳定性 6、数据与埋点 4、流程与协作 4，另查出 3 对方向相反的意见，其中 1 对可靠限定条件共存。全程 90 分钟。

研发与产品 5 步 · 5 段提示词

3.1k

146

招聘 JD 10 份：用模板批量生成并统一术语

10 份 JD 用同一个模板写，版式整齐，但同一件事有三种说法：一份写「主导」、一份写「负责」、一份写「参与」，「熟悉」和「熟练」交替出现却没区别。做法是先抽词、再定三档术语表（动词主导/负责/配合、程度精通/熟练/了解）、最后才生成。实测 68 条职责原本用到 7 种动词，按词扫又抓出 4 条档位偏高和 6 处术语外新词。全程 112 分钟，人工写约 6 小时且没查过一致性。

人力与行政 5 步 · 5 段提示词

873

147

客户问 20 个常见问题：用豆包建答复库并查口径

20 个客户常问问题，让 AI 一次生成 20 条答复，看上去整齐能直接用，并排放在一起才发现同一个折扣有 3 种说法、同一个交期有 2 个天数。正确顺序是先定 5 个可承诺字段（价格、折扣、交期、退款、发票）的口径表，再让生成变成「填表」而不是「创作」，最后按字段竖着比对查冲突。实测 20 条草稿里 26 处口径表述有 8 处互相矛盾，另有 3 处 AI 自编的数字，定完口径重写后归零。

销售与客服 5 步 · 5 段提示词

2.9k