企业 AI 落地：立项、交付、算账，以及翻车复盘
找到 14 篇相关文章
上个周末把 Pi Agent 的原理过了一遍，才发现模型连手都没有，动手的一直是框架。
周报已经能让AI写进Excel，发出去还得我自己点。试完Grok Bot我想清楚了，下一台该接手工作的，是家里那台一直开着的电脑。
个人知识要长期可用，需要同时设计分类、标签、笔记结构和维护流程。以 Obsidian 为例，一小时搭好基础框架。
收藏解决的是保存，不是使用。AI 能帮你把一小批材料拉回正在做的事里，下一步仍由人决定。
用AI转写工具把会议录音整理成结论、行动项、待确认问题，省掉从录音到结构化文字的整理时间，但关键决策和数字核对必须由人来做。
用NotebookLM把一堆项目材料整理成可顺着引用回查的工作底稿，降低从资料堆到可核验简报的整理成本。
Prompt不必追求短，真正需要清理的是重复、冲突、过期和与当前任务无关的信息。
AI写出来不像你，通常不是模型能力不够，是你没给它看过你真正怎么说话。公开文章经过反复修改，聊天记录和语音转写反而保留了更真实的文风。
六百多条笔记从没回看过，直到我把AI接进了自己的知识库。让AI当"知识编译器"，自动整理那些你自己永远不会再看的笔记
提示词焦虑是上一阶段的事，AI使用的下一阶段是设计循环，让AI自己检查、自己改进、自己继续
AI工具真正消耗企业效率的，不是模型能力不足，而是上下文管理正在变成一笔隐性的知识债务。
