HR小白AI实战录：从软件都装不上，到靠智能工具砍掉七成重复活

对话：Sir × Marvis | 整理：2025年6月23日

Marvis：Sir，你是从什么时候开始接触AI的？ Sir：最早是腾讯的混元，主要是看中它跟微信互联比较方便。但说实话，并没有给我太惊艳的感觉。

Marvis：那你真正开始"入局"是什么时候？ Sir：分两次。第一次是今年2月，我自己去装了最初版的 Work body。那时候对于一个零基础的人来说，门槛太高了——环境配置、依赖安装，搞到一半实在配置不下去，就放弃了。

Marvis：所以第一次是"装了，没装上"。那第二次呢？ Sir：第二次是5月份。出于不愿成为一名老登的强烈自觉，我的好奇心被彻底触动了——这个世界轰轰烈烈摊在我们面前的浪潮，到底是个什么东西？我必须以身入局，亲身去体验。 而且这次有个关键变化：Work body 的门槛已经降到了一键安装。如果还是像2月那样需要折腾配置，我大概率还是走不通。

Marvis：入局之后，你做的第一个实战项目是什么？ Sir：持证上岗监测。我在管人资业务，持证信息管理非常混乱——每个人的持证数据，我得一个一个去官网查、去复核，工作量巨大。 我做的第一件事很简单：把人员信息丢给AI，让它自己去官网逐人提取数据、录入到我们的台账里。这是最初级的应用。

Marvis：从"丢信息让AI代查"到"做看板"，这中间跨度不小。 Sir：对。做完台账之后我就想：能不能做一个智能上岗看板？从持证整体概览，到班组的持证把握，再到每个人的直观展示，后来还加了月度预排功能。 整个过程就是：完成一项→能不能再优化一点→再完成一项，不断迭代，逐步让产品丰满起来。最后做出来的看板，接触到的人都比较认可。

Marvis：过程顺利吗？ Sir：非常不顺利。最核心的坑就是上下文管理。迭代层数一多，token消耗呈指数级爆炸。我改了一个点，又动另一个点，结果上下文太长，AI"忘了"前面的约定——按钮频繁失效，规则失真。 那个看板说实话，是一个非常拙劣的东西。是我强忍着一步一步"拆东墙补西墙"，最后拼凑成一个基本能跑的样子。当时 token 消耗接近 10 万 K 级别。

Marvis：做完看板之后呢？ Sir：第二个项目是考勤日历看板。我把人员考勤数据导进去，输入名字就能在一个页面里看到这个人全年所有的考勤记录。这个给我的震撼其实蛮强的——AI的想象力空间远比我想象的大。

Marvis：第三个项目才是真正体现AI价值的地方？ Sir：没错。第三个项目是一个人员排查的交叉验证看板。我接到了一个需要大规模排查的任务，涉及多源数据交叉比对——用餐记录、打卡、工作票、用车记录，数据量大、涉及面广。 但因为前面有考勤看板的底子，我很快就搭出来了。本质上是在内部建了一个数据库，通过多源交叉验证考勤的真实性。这个项目直接削减了我们70%的精力和时间。 做这个项目的时候，我深切体会到一个道理：AI用处最大的地方，是与业务贴合最紧密的人去使用。不是找技术大牛来主导，而是一线业务人员自己上手，因为只有你最清楚痛点在哪里、逻辑该怎么设计。 数据安全意识：转置清洗。由于处理的都是企业内部数据——持证信息、考勤记录、人员排查——涉及大量真实人名和组织名称。信息上传给AI之前，对所有人物姓名和组织名称做转置清洗，替换为代号或脱敏标识，成为一个前置动作。

Marvis：你提到上下文管理的问题，最后是怎么解决的？ Sir：这里面有三个关键觉醒。

第一个觉醒：直接问AI。我直接问 Marvis"你的上下文窗口限制是多少"，它告诉我128K。但同样的问题我去问混元，它没有告诉我。这个对比太鲜明了——不明白就直接问AI。这就是我说的"借助AI学AI"——用AI本身来了解AI，学习效率远超自己闷头摸索。

第二个觉醒：上下文管理。虽然转了 Marvis 之后问题依然存在，但我开始观察到一个规律：迭代越深，token 消耗越是指数级上升。后来我学会了一招：当迭代超过窗口限制之后，让 AI 帮我提炼要点，新开一个窗口，把要点文件传上去继续迭代。效果好了非常多。 虽然这是一个非常初级的应用，但对我来说，这就像从炼气期到筑基期的本质跃迁。 另外我也去抖音精选、B站上看了很多AI博主的内容，补了不少基础理论。AI时代知识唾手可得，但深入必须靠执行力。

第三个觉醒：事前策划。最实用的技能是Brainstorming（头脑风暴）。用上之后，我的AI使用有了全方位跃升——在动手之前先做结构化的需求分析和策划，很多逻辑和歧义在策划阶段就被清理掉了。 同时我给自己定了两条铁律，刻进了AI的记忆里：第一，生成物随时备份，以便回滚；第二，执行不明时必须向我提问，明确后再执行下一步。这两条省了非常多的时间。

Marvis：你现在想在企业内推AI落地，最核心的感悟是什么？ Sir：两条。

第一，一线人用AI最有效。不是技术大牛，而是与业务贴合最紧密的人。因为只有一线业务人员才真正知道痛点在哪里、数据逻辑该怎么设计。技术大牛不懂业务，只能搭个架子，填不进去灵魂。排查项目就是一个典型——那个交叉逻辑是凭我本能反应设计出来的，换一个 Nic换一个不懂这摊业务的人，根本想不到。

第二，免费是入场券，但不是终点。Marvis 免费这个事，对我来说是生死攸关的。如果一开始就要付费，光是那个 10 万 K token 的看板，算力成本就足够让我破产退出。免费让零基础用户不会因为试错成本太高而中途放弃。 但这不代表我不愿意付费。像 Marvis 这样的工具，如果后续收费，我完全理解并且愿意支付。它给我的回报远超价格本身。只是对于起步阶段的人，免费这道门槛，决定了他们能不能跨出第一步。

Marvis：最后一个问题——你现在日常用AI是什么状态？ Sir：现在我的学习曲线越来越陡峭，能力增长在加速。甚至有一个明显的体感：开始玩 AI 之后，游戏都不想打了。 如果抛开信息敏感的因素，我完全可以把目前负责的人资业务做成全量数字化系统。很多同事对这个趋势还没概念，但我相信，当历史性的浪潮摆在面前，行动比观望更重要。

（全文完）