10 个普通人每天都能用到的 AI 场景

AI 的价值不一定是替你完成大项目，也可以是让很多小事少一点卡顿。下面每个场景都给出：问题 → 用什么工具 → 可直接复制的提示/工作流 → 注意点。

一、会议纪要：从零散记录到结论清单

问题：开会记了一堆，散会后理不出重点。工具：任意聊天模型，或会议录音转写 + 模型。工作流：把转写文本贴给模型，要求输出"结论 / 待办 / 负责人 / 截止时间"四栏。

把下面会议记录整理成：
1. 关键结论（3 条以内）
2. 待办事项表格：| 事项 | 负责人 | 截止 |
3. 有争议的未决问题
记录：
"""
<粘贴转写文本>
"""

二、周报：从流水账到成果导向

问题：本周做了很多事，写周报却像流水账。工具：聊天模型。提示："这是我本周做的事：<列表>。请按【成果 / 问题 / 下周计划】重写，突出可量化的结果。"

三、信息抽取：从长文到结构化字段

问题：合同、邮件、网页太长，抓不住关键。工具：支持 JSON 输出的模型。工作流：指定抽取字段，要求只返回结构化数据，便于后续导入表格。

从下面的招聘信息中只返回 JSON：
{"公司":, "岗位":, "地点":, "薪资下限":, "薪资上限":, "截止日期":, "技能要求":[]}
文本："""<粘贴>"""

四、翻译润色：从能懂到地道

问题：机翻生硬，或外文邮件不敢发。工具：翻译模型 + 改写。提示："把这段中文译成商务英文，收件人是客户，语气专业但友好；再给一版更简洁的。"注意保留专有名词（产品名、人名）不翻译。

五、学习辅导：从死记到真懂

问题：看书像看懂了，一做就废。工具：聊天模型。提示："请用生活类比解释【概念】，再给准确定义，最后出 3 道由浅入深的练习题并附答案。"让它当"会举例的老师"，别直接要答案。

六、代码助手：从卡壳到跑通

问题：报错看不懂，或不知怎么写某功能。工具：代码模型（如带仓库上下文的 IDE 插件）。提示："这是报错：<traceback>。我的代码：<片段>。请先解释原因，再给最小修改，不要重写整个文件。"

七、简历优化：从罗列到匹配

问题：简历写了很多，投递没回音。工具：聊天模型。提示："这是我的简历和岗位 JD，请：①指出最不匹配的 3 处；②把经历改成'动作+量化结果'的写法；③生成一段针对该岗位的摘要。不要编造我没做过的事。"

八、旅行规划：从信息过载到可调整草案

问题：攻略太多，排不出合理行程。工具：聊天模型。提示："预算 5000、5 天、两人、偏好美食和博物馆，请做每日行程表（含交通时长估算），并标出可删减项。"注意：模型给的营业时间/价格可能过时，订前务必官网核对。

九、数据分析：从表格到洞察

问题：有一张销售表，但看不出名堂。工具：表格 + 模型（或先写脚本）。工作流：把 CSV 前若干行 + 问题给模型，让它生成分析用的 Python，你本地跑。

# 让模型生成而非直接算，避免它"编"统计结果
prompt = """我有 sales.csv（列：日期,地区,金额）。
请写一段 pandas 代码：按月和地区汇总销售额，
找出金额最高的组合，并输出同比变化。只给代码。"""
# 本地运行模型生成的代码，结果才可信

十、客服应答：从慌乱到专业

问题：客户投诉不知怎么回。工具：聊天模型。提示："客户说：'<投诉>'。请写一封回复：先共情、再说明原因、给具体补救步骤、留联系入口，语气诚恳不推诿。"发出前替换真实订单号与姓名。

场景速查表

好的 AI 使用习惯不是完全依赖，而是人和模型各自承担擅长的部分：模型负责草稿、整理、举例，你负责判断、核对、兜底。先想清楚自己卡在哪一步，再挑一个最贴的模板去试——多试几次，你自然知道什么场景该交给 AI，什么还是自己来更快。