autorenew
从南京跑到苏州,参加完这场 AI 聚会,我终于想明白:AI 不是工具,是员工

从南京跑到苏州,参加完这场 AI 聚会,我终于想明白:AI 不是工具,是员工

2026.05.23 · 周六,从南京坐高铁去苏州,赴一场小型线下聚会


一、最大的断点:你不是不会用 AI,是 AI 没岗位

这场聚会在苏州,我特意从南京跑过来。一来一回小四个小时的车程,回来路上想了想,值。

苏州线下聚会现场

主题叫《给 AI 发上岗证》。讲到一半,组局官打出一句话,把我噎住了:

「很多人不是不会用 AI,而是 AI 没岗位。你问一次,它答一次;第二天再打开,又像第一次认识你。」

我对照了一下自己。桌面上躺着十几个提示词、SOP、Skill、笔记,看起来很丰富,但每一次任务都要重新捏一遍流程——哪个先调、参数怎么填、漏一步还得重来。

AI 像是散装工具,从来没成为员工。


二、一个公式:AI 员工 = 模型 + 马具

整场分享的核心就一个公式:

Agent = Model + Harness(马具)

AI 员工公式

模型是马,决定能力上限;马具决定它能不能在你的目标上稳定跑下去。

马具拆成三件套:

马具三件套

落到操作上,就是”三股绳”:先给事实,再给方向,让结果回传

最关键的是回传。一次性问答叫外包,结果回到文件/表格/知识库里才叫复利。没有回传,每次都从零开始。

回传与反馈循环


三、几句让我反复抄下来的话

整场分享和群友讨论里,有几句话我直接抄进了笔记本:

现场交流图片

「再穷不要穷模型,再省不要省 Token。」 ——省模型,AI 推理飘;省 Token,证据断片。看似省几十块,实际多花的是返工和误判。

模型与 Token 原理

「AI 的使用没啥,就是多用。你一天花 8 小时,和一天花 8 分钟,效果肯定不一样。」 ——AI 的能力边界,只有大量使用才能感知到。

「要去找有结果的人交流,圈子很重要。」 ——这话不新,但放在 AI 这件事上格外贴。真正的大佬,哪怕一点小机会都会让你 xxx。

「要习惯给 AI 泼冷水。」 ——AI 模型会出现幻觉,关键决策需要不同模型交叉验证,更需要你主动质疑它。

「万物皆可 CPS。投产的项目别干,轻资产可以干。」 ——这是聚会里另一位群友的观点,听起来跨界,但本质和”给 AI 发上岗证”是一回事:找到能复利的轻链路,别陷在重投入里。

现场分享内容


四、群友的实战经验(按行业拆)

聚会的另一半时间在交换具体打法,挑几个我觉得能直接用的:

讨论与实战

关于账号和模型 国外正版账号其实不贵,刚开始嫌贵可以先花 10 块买个野号体验,封了也无所谓。有条件直接开 Pro,模型上千万别抠。CC 和 Codex 各有用法,CC 可以调用其它模型(包括国产)。

关于工具搭配 写文案首选 Claude,不容易被识别成 AI;GPT 通用性强但 AI 味浓;豆包语音输入比微信好用,专家模式还能当父母陪伴神器;做小红书/公众号用 Claude 拟人化处理;生财帖子写完丢给 AI 多审几遍。

关于行业落地

一个有意思的视角:大陆能翻墙的人不到 2000 万。意味着只要你能熟练用上 Claude/GPT,就已经在一个相对小的池子里。

群友经验分享


五、我交的作业:YouTube → 公众号草稿生产员

聚会的统一作业是:给一个本周会重复发生的小任务发一张”上岗证”,明天就让它跑一次真实任务。

我没从零搭,而是把自己已经在跑的那条乱链路正式收编成员工:

流水线 7 步,每步绑死一个 Skill:

拉转录 → 改写文章 → 配图提示词 → 生成配图
→ 压缩 webp → 去水印 → 发到草稿箱

明天 10 分钟启动,AI 后台跑 20 分钟,我再花 10 分钟人工验收。不自动发布,停在草稿箱,等我点确认。

跑稳 5 次以后再升级:订阅频道监控、主题判断模型化、配图模板库、多平台分发。每次只动一项。

实践与规划


六、带走的不是概念,是一个能在明天跑起来的小员工

整场分享最让我受用的一句话,是收尾那句:

「带着一个真实小任务离开,比带着十个高级概念更重要。」

过去半年我看了太多 AI 教程、试了太多工具,桌面越来越满,效率却没真正变高。原因今天才看明白——没有岗位,就没有沉淀;没有沉淀,每次都是新手村。

如果你也有同样的感觉,今晚不妨花 10 分钟,给你最常重复的那件小事,写一张上岗证:

我搭的员工是:
它负责:
我喂给它:
它输出了:
我回传到:
下一轮要改:

填得出”下一轮要改”,AI 才真正进了你的团队。


AI 的上限取决于你的想象力,但 AI 的下限,取决于你给它的那张上岗证。

—— 晓风,2026.05.23 写于苏州回南京的高铁上