282丨花菜的AI学习笔记·AI一句话搞定?我差点信了
最近我一直在琢磨一件事：怎么让AI真正帮我把活干好，而不是越帮越忙。研究这个问题已经有一段时间了。最开始我只是有个模糊的感觉——飞书里文件命名乱七八糟，找个东西翻半天，太影响效率了。但具体怎么解决，我其实也没想清楚。直到动手去做的过程中，我才逐渐明白自己的真实需求是什么。这个过程让我踩了不少坑，也长了不少见识。今天想跟你聊聊这段完整的心路历程。
我在投资机构做运营，飞书里有几百个文件，名字起得五花八门。有的叫"合作协议V2"，有的叫"XX基金-终稿-3"，还有的干脆就是"新建文档(1)"。让AI理解我所有文档的内容，然后直接在飞书里智能查询、语义匹配。我只需要描述我要找什么，它就能自动定位到正确的文件。
这听起来是不是特别酷？就像有一个懂你的智能助手，随时待命。
我开始研究怎么让AI接入飞书，读取文件内容，实现智能检索。飞书根本没有开放让AI直接读取文档内容的API权限。（可能只是我这种杂牌玩家搞不定啦）我反复查文档，找替代方案，折腾了好久，最终不得不承认一个事实：这个方案属于高端玩家才能实现的操作，我这种普通用户，暂时走不通。原来我以为的"AI一句话搞定一切"，在真实的业务环境里，有各种各样的边界和限制。既然"让AI理解一切"这条路走不通，那能不能换个思路？既然找不到文件是因为命名太乱，那如果我把命名规范统一了，问题是不是就解决了？这个转变很关键——我从"让AI替我理解"退而求其次，变成了"让AI帮我规范命名"。
我最初的设想是：对着AI说一句"帮我把这些文件按XX规则重命名"，然后它就自动在飞书里完成所有操作。但研究之后我发现，现实中的人机协作，最关键的步骤是把任务拆分到一个个可执行的小环节。这个"拆分"的过程，听起来简单，做起来却意外地难。因为当我们手动完成一项任务时，很多步骤都是下意识完成的，根本不会去思考"这一步该人来做，还是该机器来做"。而且飞书本身不支持直接运行批量改名脚本，这意味着我得先把文件下载到本地，处理完再重新上传。要把这些下意识的环节显性化、拆解开来，本身就需要大量的思考和摸索。想通了这一点，我决定换个思路：不再追求"一步到位"，而是把流程拆开，人机各司其职。
先把要修改的文件从飞书下载到本地Windows环境。这是基础，也是之前容易忽略的环节。运行AI生成的脚本，读取下载好的文件，提取文件名。这里有个细节很关键：保存的格式必须是机器能读懂的，而不仅仅是人能看懂。这一点我踩过坑——最开始输出的格式只是方便人眼阅读，结果后续的自动化流程完全跑不通。我在扣子平台上自定义了一个智能体，让它读取提取出的文件名目录，结合语义和规范命名规则，生成新的文件名。然后输出一个CSV文件，里面包含"旧文件名"和"新文件名"的对应关系。强烈建议再加一个校验环节：再次运行批量提取脚本，确保所有修改都已正确完成。
改完文件名之后，还有分类归档、重新上传飞书、团队同步等问题等着我。你看，哪怕只是一个看似简单的"文件管理"，真实的复杂度就已经相当高了。而我最初那个"让AI理解一切"的想法，现在看来确实太过理想化了。最开始我只有一个模糊的感觉："找文件很麻烦"。但具体怎么解决，我其实没想清楚。是在一次次尝试、碰壁、调整的过程中，我才逐渐明白自己的真实需求是什么。如果一开始就追求完美方案，可能到现在还没开始动手。如果你自己都没想清楚任务该怎么拆解，AI是没办法替你思考的。只有把任务拆解得足够清楚，明确每一步该做什么，AI才能真正发挥作用。正所谓工欲善其事，必先利其器。能力等级更高的模型，哪怕只是做一件小事，输出的框架也是清晰的。想要真正提升自己的AI能力，一定要选择顶级的模型。
10个月宝宝每天需要喝多少奶粉？
