先别学提示词，先回答“该不该它做”
很多人第一次认真用 AI 办公，是从搜“万能提示词模板”开始的。用了几句，发现有的效果不错，有的来回改四五遍还不如自己写，于是慢慢又不用了。
问题常常不出在提示词上，而出在更前面一步：这件事本来就不该交给它。同一句提示词，用在对的任务上是一键完成，用在错的任务上就是白折腾。所以第一步要做的不是学技巧，而是把你一周里反复出现的办公事务摊开，判断每一项该放在哪个位置，画出一张属于你自己的 AI 工作地图。
第一步：把一周摊成一张动作清单
不用做得很正式。找一个安静的二十分钟，回忆上一周，把每天做过的事写下来。关键有两点。
用动词开头，写到动作的颗粒度，而不是职位名称。“写周报”太粗，没法判断；“把五个项目群里的进度消息摘出来，按模板拼成一份周报”才是能判断的动作。同样，“做表”要写成“把销售和库存两张表按产品编号合并，算出缺口”。
每条后面标三样东西：多久发生一次、每次大概花多久、做完给谁看。第三条尤其重要，因为“给谁看”直接关系到出错的后果。
一份普通的清单可能长这样：
- 每周五拼周报，1 小时，给直属领导看
- 每周一开例会，会后整理纪要，30 分钟，发给全组
- 每天把三张表合并、去重，20 分钟，自己用来做判断
- 领导临时要的方案初稿，每月一两次，2 小时，会往上传
- 英文邮件翻译、改语气，每天几封，5 分钟，对外发出
这一步完全不用考虑 AI，只是把工作从脑子里搬到纸上。
为什么不能凭感觉挑
清单写好了，自然会想：哪些能交给 AI？凭直觉挑最容易出错，原因有两个。
第一，AI 的能力是“锯齿状”的。 哈佛商学院和波士顿咨询（BCG）合作做过一次实验，758 名顾问随机分成用 AI 和不用 AI 两组，做 18 个真实的咨询任务。用 AI 的一组平均多完成 12.2% 的任务、速度快 25.1%，成果质量高出 40% 以上 1。但研究者另外设计了一个被认为“在 AI 能力边界之外”的复杂管理任务，结果用 AI 的顾问给出正确答案的比例反而低了 19 个百分点 1。
注意这里的反差：两组任务从表面看难度差不多，都像“AI 应该能干”的知识工作，结果一个在边界内、一个在边界外。论文把这种现象叫“锯齿状前沿”——同样的工作流里，相邻的两步可能一步 AI 特别擅长，另一步特别容易出错，而且分界线在哪，连有经验的老手也看不出来 1。所以“这个挺难的，AI 应该不行”和“这个看着简单，AI 肯定行”两种判断都不可靠。
第二，AI 做得快，不等于你用着省。 这是下面要讲的核心理由。
真正该问的问题：我能不能便宜地检查
Andrej Karpathy 总结过一条区分标准：传统软件自动化的是“你能明确规定的东西”，而这一代大语言模型自动化的是“你能验证的东西” 2。原因在于模型是怎么训练的——它们在有明确对错信号的领域（数学题、能跑通的代码）被反复练习，进步极快；在没有自动对错信号的领域（判断、策略、需要真实世界常识的事），就明显粗糙 2。这就是“锯齿”的来源。
这条标准翻译成上班族的语言就是：判断一件事能不能交给 AI，先别问它会不会做，先问你能不能很快确认它做对了。
检查要花的时间，可以叫“验证税”。一项任务交给 AI 的实际收益是：
如果检查只需要十几秒扫一眼，收益就很大；如果检查意味着把活重做一遍，那交给 AI 就是净亏。
看几个具体例子。
划算的：把三张表按产品编号合并、去重——行数对不对、重名还在不在，肉眼几秒钟看得出来；会议录音转成纪要草稿——你本人在场，扫一遍就知道哪句记错了；英文邮件改语气——你清楚自己想说什么，能立刻判断有没有跑偏。
不划算的：让 AI 汇总一份你完全没读过的行业报告，然后拿它去汇报。要确认它没编内容，你得把原文读一遍——检查的成本约等于本来该做的阅读，甚至更高。同样，让 AI 算一个你自己没把握口径的数字，你得重算一遍才敢用。
这里还有一个容易被忽略的变量：检查成本也取决于你懂不懂。 同一份材料，懂行的人扫一眼就看出问题，不懂的人根本没法判断。所以“我不懂，所以让 AI 做”往往是所有组合里最危险的一种。
另一个陷阱是：反复成功会让你放松警惕。同一个任务用顺了几次之后，人会下意识地跳过检查，而模型出错的概率并没有因此下降——出错率没变，变浅的是你的检查 3。所以检查这一栏的强度，最好按“每次都查”固定下来，而不是靠当天的信任感决定。
三个问题，把清单分成三区
回到你的清单，逐条问三件事：
- 做错了会怎样？ 顶多返工，还是会影响钱、客户、对外发布、领导的决策依据？
- 我能多快确认它对不对？ 十几秒能看出来，还是要逐条核对，还是根本没法判断？
- 把要求说清楚，会不会比我自己做还久？ 如果需要向 AI 解释四十分钟才能省下二十分钟，那这笔账不用算。
A 区：直接交给 AI 产出。 格式整理、多表合并、分类打标、常规通知的初稿、翻译初稿。这类任务出错代价小，而且对错一眼可见。
B 区：AI 起草，我把关发出去。 周报、方案初稿、邮件、汇报提纲——中间那段“拼装、复述、排版”交出去，最后的判断和署名留给自己。判断一个任务是不是属于这一区，可以看几条特征：输入有两份以上、产出是一份要交给别人的文件、会重复做、你本来就清楚“做得好的样子”长什么样、而且中间过程恰好是最无聊的那段——同时满足越多，越值得交出去 4。普通上班族收益最大的区域通常就在这里。
C 区：自己做，AI 只做外围。 定调子和取舍、跟人谈、需要你承担责任的事，以及你自己还没想清楚要什么的事（你先把“要什么”想清楚，AI 才知道该干什么）。AI 可以帮你在动手前把材料摊好、在完成后挑毛病，但动作本身是你的。
把周报再走一遍：输入是五个项目群的进度消息，输出是一份文档，每周五重复，你知道好周报长什么样，中间“摘录加拼装”最无聊——几条特征全中，稳稳落在 B 区。
画完之后的两条注记
这张图会移动。 今天在 C 区的任务，模型变强、或者你把标准写清楚之后，半年后可能就进了 B 区；同一个任务，你做熟了、判断变快，也可能从 B 区挪进 A 区。每隔三四个月重看一次就够了。
先只挑一件跑起来。 一次挑三件，通常三件都半途而废。挑“每周都做、检查最快”的那一件，先跑两周，再回头改地图。至于提示词怎么写，那是下一步的事——只有地图画出来，你才知道值得为哪几步认真写它。