真实案例 3 · 一分钟做一个口播提词器功能
这是我做的口播提词器，
花了大概一分钟。
很多过去你觉得“要找技术排期”的小东西，现在可以先用 AI 做个 60 分版本出来。
10 / 36
真实案例 3 · 不同 AI 之间的区别
同样的任务交给飞书 Aily，
它做的就不太行。
这不是说某个工具不好，而是说明：不同工具适合的任务不一样。
11 / 36
真实案例 3 · 内容商业化团队数据看板
这是内容商业化 - 万万姐团队自己搭的数据看板初版。
以往这类东西很容易变成“等技术排期”，现在业务自己也能先搭出来。
12 / 36
真实案例 5 · 三类数据的实际读取效果
读取只是第一步，价值在后续整理和分析。
飞书文档：读取内部资料和上下文。
网页 / 平台：读取浏览器打开的可见内容。
微信聊天：提炼需求、反馈和待办。
15 / 36
实操案例 1 · 如何用 AI 写出 80 分分析报告
初版 60 分不是结束。
60 分：指出不准确的地方。
75 分：把业务判断补进去。
80 分：对标方向、颗粒度、业务标准更清楚。
18 / 36
实操案例 2 · 团播案例库和原始材料
通过和机器人聊天，让它推送想要的案例。
团队一开始给到的材料，人能看懂，但 AI 不一定好处理。
材料不是越多越好，
而是要让 AI 读得懂。
21 / 36
实操案例 2 · 从“读不懂”到结构化
直接投喂给 AI，AI 读不懂，推荐出来的内容就会不对。
结构化之后：字段、分类、背景、动作、结果和判断标准更清楚。
人负责告诉标准，
AI 负责把材料变得更规整。
22 / 36