领域 · AI

对客场景下的 AI 工作方式

概念链、三层分工、团队学习、派工工具、场景与 Skill、对客核验。

15篇实践

7个分组

适合：FDE / CSM / 外贸与知识工作者、需要统一团队 AI 用法的主管。

不适合：只想看模型排行榜，或把密钥与未授权材料直接喂给公开模型。

内容货架

按板块浏览；需要类型或关键词时，用下方筛选。

基础与概念 (3)

先判断、先共享语言

指南

对客场景下的 AI 基础使用一页纸

用任务复杂度、事实时效、资料范围和复用频率，判断在对客交付中如何使用 AI，并给出可核验的执行流程。

阅读原文指南

从 LLM 到 Skill：对客交付前先搞清这条概念链

用 LLM → Token → Context → Prompt → Tool → Agent → Skill 一条链，建立对客使用 AI 的共同语言，避免把「会聊天」当成「会交付」。

阅读原文指南

AI 工作三层分工：知识运维 · 日常协作 · 对客展示

把 AI 用法分成知识运维、日常协作、对客展示三层，避免用同一会话既改库又对客演示、既塞隐私又公开输出。

阅读原文

团队学习 (2)

2 小时路径与协作场景卡

Playbook

团队 AI 基础学习路径：约 2 小时可验收

给新人与协作同事的 2 小时 AI 基础路径：概念链、派工、风险选型、场景 SOP、底线与三项练习验收。

阅读原文 Playbook

协作场景卡：话术、摘要、复盘与资料分析的固定打法

四张协作场景卡（话术、资料摘要、复盘纪要、客户资料分析）给出输入字段、步骤与合格线，便于内部高频复用。

阅读原文

派工与工具 (3)

模板、上下文、工具栈

模板

AI 派工模板：把对客任务说清楚的最小字段

用角色、任务、对象、背景、资料、格式、禁区与待核验项，把「随便问一句」变成可复用、可交接的派工单。

阅读原文检查清单

AI 上下文卫生清单：干净白板才有稳输出

用开新会话、资料摘要、禁区声明与长度控制，保持 Context 干净，降低跑偏、泄漏与幻觉风险。

阅读原文 Playbook

AI 工具栈选用：搜索、深研、文件、代码与多模型对照

按任务选工具层级：标准生成、搜索、深度研究、文件与代码解释、多模型对照；深研输出只当初稿。

阅读原文

对客场景 (2)

外贸链路与内容起草

Playbook

外贸业务环节里的 AI 用法：从询盘到客诉的工作流

按外贸链路列出 AI 可加速的环节、推荐输入与必须人工把关的点，并链到业务域清单，避免「只会让 AI 写信」。

阅读原文 Playbook

对客内容 AI 起草 SOP：定调、生成、自检、人工发布

用「人定调 → AI 草稿 → AI 自检 → 人注入经验与事实 → 发布」五步，生成产品描述、博客与 FAQ，禁止编造案例与数据。

阅读原文

工作台与沉淀 (3)

Wiki 工作台 · 协作入口 · Skill

Playbook

WorkBuddy + Obsidian：用 LLM Wiki 搭人机协同工作台

用 Raw / Wiki / Schema 三层把 AI 从临时拼答案，升级为可持续编译的知识工作台；WorkBuddy 做编译器，Obsidian 做浏览与链接。

阅读原文指南

把 Coding Agent 接到协作入口：会话可追溯、任务可交接

当 AI 执行工作进入真实交付时，把 Agent 会话留在协作入口（而不是散落在多个终端标签）有助于检索、反馈和交接。

阅读原文模板

把高频 AI 用法沉淀为 Skill / SOP 卡片

用目标、适用边界、步骤、判断规则、输入输出与示例，把重复对话规则写成 Agent 与人都能执行的 SOP 卡片。

阅读原文

任务分流 (1)

不按模型排名选方式

Playbook

不按模型排名，按任务选择 AI 工作方式

先按任务类型分流 AI 工作方式：日常起草、事实查询、材料分析、连续执行、对客交付，再决定要不要上 Agent 或沉淀 Skill。

阅读原文

输出核验 (1)

对客前过闸门

检查清单

对客 AI 输出核验清单

在任务前、执行中、输出后三段检查 AI 结果，避免把草稿、幻觉或越权承诺直接送给客户。

阅读原文

跨领域查找

货架按板块组织；需要按类型或关键词筛选时，进入实践库。

筛选本域