第一周上手路线：老板、高管、专业人士各 7 天

任务：把本周的销售数字、客户反馈口头描述一遍，让 AI 整理成一份周报初稿

1. 01让它按"本周做了什么 / 数字怎么样 / 下周打算"三段整理
2. 02检查它有没有把数字算错、有没有编您没说过的内容
3. 03挑一两句改成自己的语气
4. 04存下这次的提示词，下周直接改数字复用

怎么判断好不好：数字和您说的对得上、没有编造未提及的事实、语气不生硬

常见失望点：AI 生成时容易把没说清楚的数字"补全"成一个看似合理但您没给过的值。OpenAI 官方研究博客原话："编造内容不是工程失误，是当前训练打分方式导致的、数学上很难完全避免的结果"；Anthropic《Claude Opus 4.5 System Card》原话："距离彻底消除一本正经编事实还差得远"。（出处见来源清单）

建议：把这份周报当草稿而不是成稿，您自己对一遍数字再发出去

任务：把一个新品/新活动的想法说给 AI 听，让它整理成一页 PPT 大纲或图文方案

1. 01让它先出大纲（3-5 个部分），您确认结构后再让它填内容
2. 02需要配图时明确说"简笔风格/商务风格"等要求，一次说清楚比反复改省事
3. 03输出后自己通读一遍，删掉空话套话
4. 04存一份"这次哪里改了很多次"的备注，下次直接把要求写进第一句提示词

怎么判断好不好：结构别人一眼看懂、没有空洞的形容词堆砌、图和文字对得上

常见失望点：一次性把所有要求塞进一句话，AI 容易漏掉后面的要求。一项实证研究测试多种提示词技巧后发现，提示词写得越长，效果反而略有下降（统计相关系数为负），结构化、分步骤的写法比堆在一句话里更稳定。（出处见来源清单）

建议：先出大纲、看完再让它填内容，比一次要一整篇省改的次数

任务：把一份客户名单或进销存表丢给 AI，让它整理、去重、按某一列排序

1. 01让它先说一遍打算怎么做，您确认没理解错再让它动手
2. 02下载处理后的文件，自己抽查 10-20 行核对
3. 03数字类的列（金额、数量）逐行核对，文字类的抽查
4. 04记录这次哪类操作它做得好、哪类总出错

怎么判断好不好：抽查的行完全正确、格式（日期、货币）没有被它悄悄改掉

常见失望点：DeepSeek-R1 官方技术报告原文承认，这一版模型"不会调用外部工具，例如搜索引擎、计算器"，表格里的加总、比例这类精确计算是"心算"出来的，没有拿真计算器验证过；这不是某一家单独的问题，是通用型对话模型的普遍局限。（出处见来源清单）

建议：涉及金额的汇总，AI 处理完必须用表格公式再核一遍，不能只用眼睛看

任务：把一份租赁合同、员工手册条款的草案要点说给 AI，让它起草初版文字

1. 01让它先列出这类合同通常包含哪些条款，您对照着看有没有漏项
2. 02生成草案后逐条看，尤其是违约金、赔偿上限、解约条件
3. 03不要直接使用，交给律师或至少懂法律的人过一遍
4. 04把这次生成的模板存下来，下次改数字复用

怎么判断好不好：条款齐全（不缺常见项）、措辞您能看懂、没有法律上明显矛盾的表述

常见失望点：AI 生成的合同文本可能引用已经修改或废止的法条，也可能混用不同地区的法律术语——这是生成式模型训练数据时效性带来的普遍问题，并非某家厂商单独承认；处理法律文件时，建议查证具体条文是否现行有效。（出处见来源清单）

建议：AI 起草、律师审核，这一条不能省，尤其是涉及金额的条款

任务：把常见的 5 个客户问题和您希望的回答风格给 AI，让它生成一份客服问答模板

1. 01让 AI 按统一语气扩写成完整回答
2. 02挑几条真实客户问过的原话去测试，看回答是否文不对题
3. 03保留一份"人工介入"清单——涉及退款、投诉的问题不让 AI 直接回复
4. 04定期（比如每月）把新出现的问题补进模板

怎么判断好不好：语气统一、没有对承诺范围外的事情（比如价格、售后期限）随口应承

常见失望点：AI 客服话术容易在不确定时"顺着问下去的语气把话说满"，把没有把握的承诺说成确定的。斯坦福大学法律 RAG 工具实测发现同类问题（研究原文称为 sycophancy）：用户前提有误时，工具倾向于顺着错误前提附和，而不是纠正；哥伦比亚大学 Tow Center 对 8 款生成式搜索工具做 1600 次测试，发现这类工具"很少承认自己不确定"。（出处见来源清单）

建议：牵涉钱和承诺的问题，模板里明确写"这类问题转人工"，别让 AI 自己拍板

任务：把这个月的销售数据或者几个竞品的公开信息给 AI，让它总结趋势和异常点

1. 01让它先说"看到了哪些数字"，您核对它有没有看错
2. 02再让它总结"哪里在涨、哪里在跌、有没有反常"
3. 03涉及具体百分比的结论，自己回原始数据核对一次
4. 04存下这次的分析方法，下个月直接套用

怎么判断好不好：给出的百分比、排名和原始数据对得上，不是它自己算错或编的

常见失望点：DeepSeek-R1 官方技术报告原文承认模型本身"不会调用计算器"，涉及多步骤核实的任务上表现没有明显进步；具体数字的准确性没有官方保证。（出处见来源清单）

建议：AI 出的是"看哪里"的线索，具体数字自己算一遍再往下用

任务：把这一周用过的工具列出来，按"好不好用、多少钱、数据敏不敏感"选一个主用

1. 01对照每家的免费额度、付费门槛（去"② 接触 AI"栏目查）
2. 02看一眼每家的用户协议里"您的对话会不会被拿去训练模型"这一条（有开关的记得关掉）
3. 03定一个主用工具 + 一个备用（免费额度用完时切换）
4. 04把这周攒的几个好用的提示词整理成一个文档，团队共享

怎么判断好不好：选定的工具您自己下周还愿意主动打开，而不是"忘了它存在"

常见失望点：官方未说明——选型本身没有标准答案，取决于您的数据敏感度和预算

建议：中小企业主没有专职 IT，选一个"够用就好"的主力工具比同时开五个账号更省心

任务：把一场 30-60 分钟的会议录音转成文字，再让 AI 提炼要点和待办

1. 01把转写文本给 AI，明确要"决议事项 / 待办人 / 截止时间"三栏输出
2. 02核对待办人的姓名和截止时间；转写常犯的错误，基本都出在人名和数字上
3. 03发给与会人确认没有遗漏
4. 04存一份模板，下次会议直接套用同样的三栏结构

怎么判断好不好：待办项和您现场记的对得上，没有漏掉重要决议

常见失望点：语音转文字对专业术语、人名的识别错误率高于日常对话，这是语音识别技术的通用局限，非某厂商单独承认（出处见来源清单）

建议：涉及金额和截止日期的待办，会后自己再读一遍原文核对

任务：把本季度的关键数字和结论说给 AI，让它整理成一版汇报 PPT 大纲

1. 01让它按"结论先行"的结构整理（先说做得怎么样，再说为什么，最后说数据）
2. 02检查它有没有把您没确认的推测写成了肯定语气
3. 03删掉它自动加的空话套词（本站正文同样禁用这类词，理由一致：读起来像没说什么）
4. 04存下这次的结构模板，下季度直接换数字

怎么判断好不好：结论清楚、没有夸大或过度肯定的措辞、您自己敢在会上照着念

常见失望点：斯坦福大学法律 RAG 工具实测发现，模型在用户前提有误时倾向于顺着错误说法附和（研究原文 sycophancy），而不是主动纠正或表达不确定；哥伦比亚大学 Tow Center 测试也发现同类工具"很少承认自己不确定"。（出处见来源清单）

建议：涉及对外承诺或业绩定性的句子，自己逐句改一遍语气，别整段照搬

任务：一封给客户或合作方的重要邮件，先让 AI 出初稿，您再改

1. 01让它出初稿后，自己删掉客套话，保留关键信息
2. 02涉及数字、日期、金额的句子逐句核对
3. 03检查有没有生成不该说的承诺（价格、时间表）
4. 04发送前过一遍公司对外口径要求

怎么判断好不好：关键信息不多不少，语气符合场合，没有超出授权范围的承诺

常见失望点：同上（见 Day 2）——斯坦福大学和哥伦比亚大学的独立测试都发现，模型会顺着用户预设的语气或前提把话说满，而且很少主动承认不确定，所以正式对外文件的语气分寸还是得人工把关。（出处见来源清单）

建议：对外邮件涉及价格承诺的句子，一律自己改写，不直接用 AI 原句

任务：让 AI 搜集整理某个竞品或行业话题的公开信息，做成一页对比表

1. 01让它列出信息来源链接，不接受没有来源的结论
2. 02抽查 2-3 条信息回到原始链接核对
3. 03涉及具体数字（融资额、用户数）必须核对来源日期，AI 检索到的信息可能已经过时
4. 04整理成表格存档，作为季度更新的底稿

怎么判断好不好：每条结论都能追溯到一个具体链接，链接打开后内容确实支持这个结论

常见失望点：联网搜索/检索增强不等于不出错。斯坦福大学实测两款专门做检索的法律 RAG 工具，幻觉率仍有 17%~33%；哥伦比亚大学 Tow Center 对 8 款生成式搜索工具做 1600 次查询测试，超过 60% 的查询给出不准确答案，且存在编造 URL 的情况；BBC 联合欧洲广播联盟测试 3000 多条回答，45% 存在至少一项重大问题（编造细节、信息过时或溯源错误）。（出处见来源清单）

建议：没有来源链接的结论，不进最终材料

任务：把一个待决策的事项（比如是否上新项目）说给 AI，让它列出可能的风险点

1. 01让它列风险点而不是直接给"做/不做"的结论
2. 02对照自己的经验，看有没有明显不符合实际情况的风险项（AI 可能列出行业通用风险但不了解您公司的具体情况）
3. 03把 AI 列出的和自己想到的合并成最终清单
4. 04决策本身不能交给 AI 做，这是给您补充思路，不是替您拍板

怎么判断好不好：列出的风险点里至少有一两条是您自己没想到但确实成立的

常见失望点：官方未说明；AI 不掌握您公司的非公开信息（内部矛盾、供应链的实际情况），列出的风险容易偏"教科书式"而非"您公司特有的"（出处见来源清单）

建议：把 AI 当作"帮您想得更全"的角色，决策权和责任仍在您自己

任务：召集团队定一份"什么内容能用 AI 处理、什么不能"的简单规范

1. 01圈出涉及客户隐私、未公开财务数据、商业机密的场景，明确"不许上传到公网 AI 工具"
2. 02查一遍在用工具的用户协议里训练条款怎么写（见"② 接触 AI"栏目）
3. 03定一条底线：AI 生成的对外内容，发出前必须有人看过
4. 04写成一页纸的规范，发给团队

怎么判断好不好：团队里的人看完知道具体该怎么做，而不是一句空洞的"合理使用 AI"

常见失望点：官方未说明——多数国内 AI 产品的用户协议对企业级数据隔离条款写得比较笼统，具体能否满足合规要求需要企业版单独确认

建议：没有企业版数据隔离协议之前，默认当作"不涉密的内容才能上传"

任务：粗略估算这一周用 AI 处理的几件事，如果自己做要多久，实际花了多久

1. 01估算每件事人工做需要的时间和 AI 辅助实际花的时间
2. 02记下哪几件事省时间明显、哪几件事改来改去反而更费时间
3. 03把"省时间"的场景固定下来，"更费时间"的场景先停用
4. 04下周只保留确实省时间的用法

怎么判断好不好：能说出具体是哪几件事在省时间，而不是笼统地说"AI 很好用"

常见失望点：官方未说明；省不省时间跟任务类型关系很大。机械性整理类任务省时明显，而需要深入判断的任务，改动成本可能把省下的时间又抵消掉

建议：不追求"每件事都用 AI"，只保留确实划算的那几类

任务：把一份长文档（判例、准则条文、教材章节、诊疗指南）丢给 AI，让它摘要要点

1. 01让它标注每条摘要对应原文的哪个位置/页码
2. 02抽查 3-5 条摘要回原文核对，确认没有断章取义
3. 03只把摘要当作"帮您定位重点"，不直接引用它的转述作为依据
4. 04存一份这次的检索关键词，下次同类资料复用

怎么判断好不好：摘要能定位回原文原句，没有把原文意思改变

常见失望点：长文档中间部分的内容更容易被遗漏或简化。学术研究《Lost in the Middle》发现，模型表现在相关信息位于输入开头或结尾时最好，信息处于长文档中段时表现会显著下降；另一项 NoLiMa 基准测试发现，上下文长度增至 32K 时，多个模型的表现掉到短文本基线的 50% 以下。（出处见来源清单）

建议：专业结论必须回到原文，AI 摘要只是帮您更快找到该看哪一段

任务：把一份合同拆解成条款清单，标注每条对应的类型（付款、违约、解约等）

1. 01核对分类是否准确，尤其是容易混淆的类型（比如把"解约"标成"违约"）
2. 02让它标出"缺少的常见条款"（比如没有约定管辖法院）
3. 03审查意见必须由律师本人出，AI 只做条款归类和初筛
4. 04存一份分类模板，同类合同复用

怎么判断好不好：分类没有明显错误，缺项提示确实是常见的疏漏点

常见失望点：AI 处理法律条文可能援引已修改或已废止的法条、混淆不同法域的规则。斯坦福大学实测：不带检索的通用模型（GPT-4）在法律问题上错误率高达 82%；即便是专门做检索增强的法律 RAG 工具，错误率也仍有 17%~33%，研究原文明确写道"法律幻觉问题并未解决"（legal hallucinations have not been solved）。（出处见来源清单）

建议：AI 做的是"整理"，不是"审查"，审查意见仍需律师签字负责

任务：让 AI 检查一份财务报表里数字是否互相对得上（比如资产负债表左右平不平）

1. 01让它列出发现的不平衡项，逐项标注差额
2. 02自己用 Excel 公式重新核对一遍它指出的每一项
3. 03不接受它自己"猜测"的调整建议，只用它做的定位
4. 04存一份检查清单，每月复用

怎么判断好不好：它指出的差额和您自己核对的一致，没有漏掉明显的不平项

常见失望点：DeepSeek-R1 官方技术报告原文承认，模型"不会调用外部工具，例如搜索引擎、计算器"，加总、比例这类精确计算是模型"心算"出来的，没有拿真计算器验证过。（出处见来源清单）

建议：AI 用来"定位差在哪一项"，具体金额核算仍以 Excel 公式或财务软件为准

任务：把这节课的知识点和课时安排告诉 AI，让它出一版教案初稿

1. 01让它出教案初稿，包含每个环节的时间分配
2. 02核对知识点讲解是否准确，尤其是理科的公式、定义
3. 03补充符合本班学情的例子，AI 给的例子往往偏通用
4. 04存下这份教案模板，同类课程复用结构

怎么判断好不好：知识点讲解没有错误、时间分配合理、例子贴合实际学情

常见失望点：Vectara Hallucination Leaderboard（覆盖法律、医疗、金融、科技、教育等领域的独立幻觉检测排行榜）显示，即便是排名靠前的模型，在长文档摘要任务里仍会出现内容不忠于原文的情况，只是频率不同；知识性内容（公式、年代、定义）没有任何一家官方承诺零错误。（出处见来源清单）

建议：教案结构可以用 AI 起草省时间，知识点准确性仍需自己把关

任务：把一篇医学文献或一份病历记录摘要成要点，方便快速回顾

1. 01核对摘要中的数值（剂量、指标）是否与原文一致
2. 02不使用 AI 给出的诊断或用药建议，这类结论必须由医生本人依据专业判断做出
3. 03只把 AI 摘要用作快速定位和回顾，不作为诊疗依据
4. 04涉及患者隐私信息的内容，确认工具的数据处理条款后再决定是否上传（见"② 接触 AI"栏目）

怎么判断好不好：摘要的数值和原文一致，没有遗漏关键指标

常见失望点：通用型 AI 工具未经医疗场景专门验证，处理医学信息存在准确性和实时性的通用局限，不能替代专业医学数据库和临床判断。国家卫健委等三部门发布的《卫生健康行业人工智能应用场景参考指引》里，医学影像辅助诊断、临床专病辅助决策、智能病历辅助生成等全部 84 个应用场景，官方原文用词统一是"辅助诊断""辅助决策""辅助生成""辅助审核"，没有一处写"替代医生"；国家卫健委《互联网诊疗监管细则（试行）》进一步明确处方必须由接诊医师本人开具，严禁使用人工智能等自动生成处方，其他人员和人工智能软件不得冒用、替代医师本人提供诊疗服务。（出处见来源清单）

建议：医疗场景优先用行业内专门的信息检索工具，通用 AI 只做辅助摘要，不做诊疗判断；这不只是审慎建议，是官方监管规定的红线

任务：把一个专业结论翻译成普通人能懂的说明文字

1. 01让它用通俗语言重新表述，避免专业术语堆砌
2. 02核对通俗化过程中有没有丢失关键的限定条件（比如"仅适用于某种情况"被简化掉了）
3. 03自己补回被简化掉的限定条件
4. 04存一份这类说明的模板，下次替换具体内容

怎么判断好不好：普通人能看懂，同时没有丢失专业结论里的关键限定

常见失望点：通俗化改写时丢失限定条件是长文本处理的通用风险之一——参照 Day 1 引用的《Lost in the Middle》和 NoLiMa 研究，模型对文档中段、非首尾位置的细节处理本就不如首尾稳健，限定条件（"仅限于……""但是……"）常常出现在正文中段，容易被简化掉。（出处见来源清单）

建议：专业结论简化给外行看之前，自己先看一遍有没有丢掉"但是""仅限于"这类关键限定词

任务：把这一周用 AI 做的事分成两类：可以放心让 AI 做的、必须自己把关的

1. 01逐条标注"AI 独立完成没问题"还是"AI 只能打草稿，结论必须自己出"
2. 02写成一份给自己（或团队）的清单，长期使用
3. 03涉及专业资质、签字负责的结论，一律划入"必须自己出"
4. 04定期（比如每季度）根据实际使用体验更新这份清单

怎么判断好不好：清单上的每一条您自己都认同，而不是凭一时感觉划分的

常见失望点：官方未说明——这条边界因职业资质要求不同而不同，没有统一标准可抄

建议：签字负责的结论性判断，任何职业都不应该让 AI 替您做决定，AI 只负责节省您查资料、整理初稿的时间