很多人开始使用 AI 时，会提出一个问题、收到回答，然后继续问下一个问题。这适合探索，但多阶段工作还需要顺序、输入资料和完成标准。把请求组织成可重复的流程，可以减少重复解释，也更容易看见哪里需要检查。
工作流程不一定是复杂的自动化软件。它可以只是由人安排的一串步骤，其中只有部分步骤使用 AI。
从最终结果开始
写请求前，先定义需要什么交付物。“研究市场”只是主题；“一份简报，包含三种方案、比较标准和缺少资料的问题”则更容易评估。
明确结果也能帮助确定所需输入。比较方案时要提供方案与标准；制作摘要时要指定来源文件和阅读者。
示例：准备客户会议
假设团队要准备每周客户会议。与其分别要求“总结笔记”“提出问题”“写议程”，不如把工作拆成几个步骤：
- 选定来源： 汇集已获准使用的会议记录和笔记。
- 整理信息： 让 AI 列出决定、未解决问题和矛盾内容，并为每项标出来源。
- 核实： 负责人对照原始文件检查重要信息。
- 准备会议： 根据已确认内容提出议程和问题。
- 定稿： 人调整优先级、时长和语气后再发送。
不需要每一步都用 AI。人可以挑选资料并批准议程，AI 只负责分类或起草。
为每个步骤设定小型任务约定
每个步骤都应说明目标、可用输入、预期输出，以及什么情况需要停下来询问人。
例如：“根据附件笔记整理已确认的决定。每项注明决定、来源中出现的负责人和支持该内容的原句。不要推测负责人；没写明就标注‘未说明’。”这样的请求有明确边界，也容易检查。
如果输出错误，可以进一步判断是资料不足、目标不清，还是标准没有说明。若只给出一个很长的请求并等待最终结果，就很难找出错误从哪一步开始。
预先定义步骤失败时怎么办
要考虑缺少文件、格式意外或来源冲突。不要让 AI 自行填补空缺，而应要求它标记问题、说明缺少什么并交回负责人。“暂时无法完成”也是有效状态。
当自动步骤会把数据传给下一步时，错误处理尤其重要。没有报错机制，后续步骤可能把空输入当成有效结果。用多组有代表性的资料试跑，而不只挑最顺利的例子，并记录重复错误、监督时间与返工量。
团队共享流程时，应统一术语和文件版本。保存的流程还应写明负责人、更新时间，以及工具或输入资料改变时要重新检查的内容。
在有风险的地方设置检查点
不是每一步都要人工批准。但会修改数据、向外发送信息或影响重要决定的步骤，应设置暂停点。
可以把流程分成“准备”和“执行”。准备阶段由 AI 阅读、分类或起草；发送内容、修改数据或落实决定之前，由人确认。
检查点应核实真正重要的事情：来源是否相关、证据是否支持结论、哪些内容仍不确定，以及下一步是否在权限范围内。
记录有效做法，方便复用
流程有效时，保存的不应只有提示词，还应包括目的、适用资料、输出结构、常见错误和需要人工批准的步骤。脱离背景的提示词可能被错误地用于其他任务。
用不同输入试跑。如果只对一个例子有效，就还不够稳定，不适合作为团队标准。说明哪些情况下不该使用，也和说明如何使用一样重要。
工作流程不等于全自动化
工作流程完全可以由人来推动。自动化只是让系统把前一步的输出传给下一步。这样能减少操作，但也可能让错误在被发现前传播得更远。
等流程清楚、输出稳定且有错误处理方式后再自动化。否则，只会让不清楚的流程更难观察。
运行几次后再评估
选取有代表性的尝试，而不只看最成功的例子。记录需要大幅修改的频率、反复出现的错误、监督时间，以及接收者是否能使用输出。内部指标不必复杂，关键是用同一标准比较同一任务。
要点： 好的 AI 工作流程会明确结果、来源、步骤和人工检查点。先整理工作，再考虑自动化。
总结
选一项重复任务，描述需要的结果，再拆成小步骤。把可核查的工作交给 AI，在有风险的地方保留批准环节，并记录待改进之处。
这样，AI 就不再只是零散回答，而是有目的地成为工作方式的一部分。