01 / 12

AI 赋能运营工作提效

一套五步法 · 两个真实案例 · 无限种可能

五步法
可复制的方法论
2 案例
浏览器插件 · 语音方案
∞ 可能
迁移到你的工作
SCROLL
02 / 12
FRAMEWORK

五步法

一套可复制的思维框架,帮你系统性地用 AI 提效任何工作

🔍
发现问题
这份工作,真的是为人设计的吗?
🎯
识别痛点
先说清楚输入输出是什么
⚙️
提出方案
选对级别的 AI 工具
🚀
解决问题
做完了 ≠ 做好了
📢
推广验证
别人也需要吗?
先想清楚,再动手 →
03 / 12
Step 1 · 发现问题
STEP 01 · 发现问题

"你的工作,真的是为 设计的吗?"

试着问自己:我每天有多少时间花在"把信息从 A 搬到 B"?

📊
做报表
导出数据→粘贴Excel→调格式→做图表
本质:搬运+格式化
📋
写总结
翻聊天记录→整理成文档→发给领导
本质:提取+结构化
📝
填表格
A系统的数据→手动搬到B系统→核对
本质:翻译+校验
🔍
审核校验
逐行对数据→找不一致→标注出来
本质:比对+标注
这些工作的本质
都是在 当翻译
04 / 12
Step 2 · 识别痛点
STEP 02 · 识别痛点

先说清楚:输入输出是什么

在把任务交给 AI 之前,你自己要先理清四件事

📥
输入
什么原材料?
Excel?聊天记录?PDF?
⚙️
流程
什么规则?什么判断?
哪些步骤是固定的?
📤
输出
要什么结果?
报表?文档?邮件?
🎯
目标
为什么做这个?
最终服务于什么决策?
✗ 反面案例
"帮我把这个搞好"——真人都挠头,AI 也只能摇头
✓ 正面案例
"把这份 Excel 的 A 列按日期排序,B 列金额汇总透视表,输出 PDF"
需求越清晰,AI 越强大
模糊的需求只会产出 模糊的结果
05 / 12
Step 3 · 提出方案
STEP 03 · 提出方案

你的任务适合什么 级别 的 AI?

MOCK · 对话界面
帮我把这段会议纪要整理成 3 个 action item
好的,以下是 3 个 action item:
1. 周三前完成预算表...
2. 联系张总确认...
3. 下周一前提交...
Lv.1
直接对话
写邮件 · 翻译 · 总结 · 分析
80% 的工作用这个就够了
$ claude "写一个脚本,每周五
  自动汇总本周考勤数据,
  生成 Excel 发给 HR"
✓ attendance_report.py 已创建
✓ crontab 已配置:每周五 17:00
Lv.2
写脚本自动化
周报 · 数据清洗 · 定时任务
写一次,永远自动跑
AGENT 执行链
🧠拆解意图 → 3 个子任务
📊调用 API 抓取数据
生成报告 + 决策建议
Lv.3
构建 Agent
多步骤 · 持续运行 · 自主决策
7×24 待命,自动闭环
80% 的工作 Lv.1 就够了
用对工具比用贵工具重要
06 / 12
案例一
🧩 案例一 · 浏览器插件

从此运营功能 不求人

用浏览器插件破解系统功能缺失——把浏览器变成"万能接口"

运营想要的
"我想批量导出这 800 条订单"
"我想按自定义标签筛选用户"
"我想一键生成上周的数据周报"
系统给的
"不好意思,这个功能暂时没有"
"已经提了需求,排期在Q3"
"你可以手动一页页导出再合并"
⏱ 手动导出 800 条 ≈ 翻 40 页,约 15 分钟
核心矛盾:页面能展示的数据,为什么不能一键拿到?
07 / 12
案例一 · 解决过程

把浏览器变成 万能接口

# 场景:运营后台只能一页页翻,没有批量导出
# Step 1: F12 → Network → 筛选 XHR
发现真实接口:
GET /api/v1/orders?status=paid&page=1&size=20
# Step 2: 改参数,一次拿完
fetch('/api/v1/orders?status=paid&page=1&size=999')
  .then(r => r.json())
  .then(data => console.log(data.list.length))
> 847 条数据,到手 ✓
# Step 3: 写个导出函数
function exportCSV(rows) {
  const header = '工单号,工单日期,工单内容,状态';
  const csv = [header, ...rows.map(r =>
    `${r.id},${r.customer},${r.amount}`
  )].join('\n');
  // 生成文件 → 触发下载
}
# Step 4: 封装为浏览器插件 → 一键导出
✓ chrome-extension://xxx/popup.html
✓ 点击图标 → "导出订单" → 完成
⏱ 耗时:3秒(原来约15分钟)
三大关键方法
🌐
方法一
前端即接口
页面能展示的数据,就一定能被程序获取。Network 面板就是你的"接口文档"。
🔑
方法二
认证复用
直接利用浏览器当前会话的 Token / Cookie,无需重新登录,零额外配置。
📦
方法三
模板化开发
导出、筛选、统计等常见需求可抽象为通用脚本模板,换个接口地址就能复用。
08 / 12
案例一 · 价值升华
STEP 04 · 解决问题

从"被动等待"到 主动创造

✗ BEFORE
😐
发现功能缺失 → 提工单给开发
等待排期 → 排到 Q3 甚至更晚
😤
等不及 → 手动一页页导出,15 分钟
🔄
下次还要再来一遍……
✓ AFTER
🔎
F12 打开 Network → 找到真实 API
✍️
写脚本调用 + 导出逻辑,30 分钟
🧩
封装为插件 → 一键执行,3 秒
🎉
分享给同事 → 全团队受益
任务原来现在
批量导出15分钟3秒300x
等待排期数月0
复用成本每次手动一键0边际
建立运营人员的 "自动化武器库"
你不是在等工具,你是在造工具
09 / 12
案例二
🎙 案例二 · 语音到方案

从原始语音到 结构化方案

AI 协同下的需求洞察与方案生成——让非结构化信息变成可执行的设计

你手里的(原始输入)
一段 60 分钟的客户访谈录音
充满口语化表达、跳转、重复
关键信息散落在各处
"那个功能就是说…不对,应该这样…你懂我意思吧"
你需要产出的(目标输出)
一份 结构化业务方案
需求清单 + 逻辑关系 + 流程图
可追溯、可评审、可执行
需求文档 流程图 思维导图
从口语到结构,中间的 鸿沟有多大?
10 / 12
案例二 · 解决过程

构建 人机协同 工作流

🎤
原始语音录音
60 分钟客户访谈,口语化、碎片化
INPUT
<
📝
ASR 语音转文字
自动生成逐字稿,保留时间戳
~2 min
<
🔍
AI 信息提取
从逐字稿中抽取关键需求、约束条件、业务规则
~30s
<
🧩
AI 逻辑梳理
建立需求间的依赖关系、优先级、冲突检测
~1 min
<
📋
AI 方案生成
输出结构化需求文档 + 系统设计建议
~2 min
<
📊
可视化输出
流程图 · 思维导图 · 交互原型
~1 min
方法一
分层处理
将复杂任务拆解为"抽取→判断→编排"三步,每步用最适合的 AI 能力(Prompt + 规则),而不是丢给 AI 一句"帮我整理"。
方法二
业务规则显性化
引导 AI 严格遵循领域知识(如医学指南、政策条款),把隐含的业务规则写成明确的 Prompt 约束,确保输出合规、准确。
方法三
闭环迭代
人工对 AI 输出进行校验和反馈,持续优化提示词与规则。第一版不用完美,但要能快速迭代到可用。
11 / 12
案例二 · 价值升华
STEP 04 · 解决问题

AI 不只是记录员
更是 "思考协作者"

✗ 纯人工处理
🎧
反复听录音,手动记笔记 (2-3 小时)
🧠
靠记忆和经验梳理逻辑 (容易遗漏)
📝
写方案文档,画流程图 (半天)
总计:1-2 天 · 且质量依赖个人经验
✓ 人机协同
🤖
ASR 自动转写 (2 分钟)
🧠
AI 分层提取 + 逻辑梳理 (4 分钟)
👤
人做判断、校验、补业务语境 (30 分钟)
📊
AI 生成文档 + 流程图 (1 分钟)
总计:~40 分钟 · 质量可追溯、可迭代
效率跃迁
从 1-2 天到 40 分钟
重复性工作交给 AI
🔗
全程可追溯
每条需求都能回溯到
原始语音的哪一句
🔄
闭环迭代
反馈优化 Prompt
越用越准、越用越快
AI 帮你把模糊需求快速转化为
可执行、可追溯的系统设计方案
你不是被替代了——你是被放大了
12 / 12
NOW IT'S YOUR TURN

现在,轮到你了

运营的未来,属于那些善于借助工具的人

🔍
发现问题
回想你今天做过的最烦的一件事——它真的是只有人才能做的吗?
🎯
理清输入输出
用五步法把这件事拆开——输入是什么、输出是什么、规则是什么
🚀
动手试一下
打开 任何一个你喜欢的AI,把拆好的需求丢进去——你会发现,第一版结果来得比想象中快
从今天开始
尝试用 AI 解决你手头的 一个小痛点
不用等准备好,不用等想清楚
先动手,在做的过程中想清楚
发现问题 → 识别痛点
输入·流程·输出·目标
提出方案 → 解决问题
选对工具·做完做好
推广验证
分享出去·创造价值
AI 是工具,人才是目的