个人知识库

AI 工作流方法论

9分钟阅读

AI 工作流方法论

如何设计和优化人与 AI 协作的工作流程，从单一对话到团队分工，从一次性任务到长期迭代

核心观点

  1. 从单一 AI 到 AI 团队：当任务复杂度提升时，单一 AI 讨论串会积累混乱的、反向的、不同情境的记忆，导致处理问题。应该将 AI 拆分为有明确分工的团队，每个成员专注单一任务，通过共享知识和记忆实现协作。（来源：2026-06-17-chatgpt-ai-team）

  2. 三层角色结构的有效性：PM 负责目标和共同知识、专业助理负责具体任务产出、反思者提供批判性视角但不混入主线。这种结构让任务不互相干扰，又能保持整体一致性。（来源：2026-06-17-chatgpt-ai-team）

  3. 长期工作流的价值：不是每次都让 AI 重新开始，而是通过持续的对话、记忆和规则迭代，让 AI “员工”在多次任务中积累经验。前期投入建立 PM 和规则，后续每个助理可以在自己的范围内高效展开工作。（来源：2026-06-17-chatgpt-ai-team）

  4. 简单的互通机制：AI 团队成员之间的协作不需要复杂配置，只需在指令中说明”参考某个聊天串的内容”，AI 就能自动检索并使用。这依赖于工具的记忆和检索能力。（来源：2026-06-17-chatgpt-ai-team）

  5. 持续迭代是关键：专案规则不是一次性写完，而是先让 PM 通过对话积累知识，运作几轮后做复盘总结，再更新为正式规则。定期让 PM 自我分析找盲点，用研究功能补齐，团队能力会持续提升。（来源：2026-06-17-chatgpt-ai-team）

  6. 资料来源的审慎管理原则：只有”未来所有团队成员都需要知道的”知识才存入专案资料来源。针对特定客户的个性化产出不存，经过多轮迭代后提炼的通用知识才存入，避免知识库噪音过多。（来源：2026-06-17-chatgpt-ai-team）

素材汇总

日期素材标题核心内容涉及工具
2026-06-172026-06-17-chatgpt-ai-team用 ChatGPT 专案功能建立 AI 团队，包含 PM、专业助理、反思者三层角色，通过分支讨论、共享记忆实现协作ChatGPT、Gemini、Codex、Claude Code

知识体系

AI 工作流的演进阶段

第一阶段：单次问答

  • 用户提问，AI 回答，每次对话独立
  • 适用场景：简单查询、一次性任务
  • 局限性：无法积累经验，无法处理复杂任务

第二阶段：长对话流

  • 在一个对话线程中持续交互，AI 记住上下文
  • 适用场景：单一项目的持续推进、需要记忆背景的任务
  • 局限性：当任务变复杂或涉及多个方向时，记忆会混乱

第三阶段：AI 团队协作（本主题重点）

  • 多个 AI “员工”分工协作，共享知识但专注各自任务
  • 适用场景：复杂项目、长期工作流、需要多种技能的任务
  • 优势：任务不干扰、经验可积累、规则可迭代

第四阶段：自动化 Agent 系统

  • AI 自主调用工具、编排流程、执行任务
  • 适用场景：高度重复的流程、需要跨多工具操作的任务
  • 工具示例：Codex、Claude Code、LangGraph

实现 AI 团队的关键要素

共享知识库

  • 所有团队成员都能访问的专案资料来源
  • 存储原则：只存”所有人都需要的”，不存”针对单个任务的”
  • 实现方式：ChatGPT 专案资料来源、Gemini Notebook、文档库

独立技能训练

  • 每个 AI 员工学习自己专属的技能
  • 训练方式：给范例、讲方法、让它在任务中积累经验
  • 例如：简报助理学习特定风格、图解助理学习图解规范

记忆与检索机制

  • 团队成员之间可以互相引用对方的工作成果
  • 实现方式：ChatGPT 的记忆功能、对话检索、明确的指令引用

持续迭代流程

  • 定期复盘，总结有效做法并更新为规则
  • PM 做自我分析找盲点，补齐知识
  • 反思者提供批判性意见，但不混入主线

不同工具的实现方式

ChatGPT 专案功能

  • 专案指令：共同规则
  • 资料来源：知识库
  • 分支讨论：从 PM 衍生专业助理
  • 记忆：跨聊天串检索

Gemini Notebook

  • （待补充，素材提到下一篇文章会介绍）

AI Agent 工具（Codex、Claude Code）

  • 功能更强大，可以自动调用工具和编排流程
  • 适合更复杂的自动化场景
  • 学习曲线相对陡峭

综合分析

不同素材的交叉视角

目前只有一篇素材，待积累更多素材后补充交叉视角分析。

趋势与判断

从一次性对话到长期工作流的转变 从素材可以看出，AI 应用正在从”问答工具”向”工作伙伴”演进。用户开始重视 AI 的经验积累和长期协作能力，而不只是单次任务的完成质量。这意味着 AI 工具需要更好的记忆系统、更灵活的角色管理、更强的上下文保持能力。

普通用户也能管理 AI 团队 素材强调”一般人也能用 ChatGPT 打造 AI 团队”，说明 AI 团队管理正在从专业开发者的领域走向普通用户。ChatGPT 的专案功能、Gemini 的 Notebook 功能让这种方法的门槛大大降低。未来可能会有更多面向普通用户的 AI 团队管理工具出现。

工具功能的标准化趋势 ChatGPT、Gemini、Codex、Claude Code 虽然实现方式不同，但都在向”支持 AI 团队协作”的方向发展。专案/项目管理、共享知识库、记忆系统、角色管理可能会成为 AI 工具的标准功能。

未解决的问题

  1. 如何评估 AI 团队的效率：相比单一 AI，AI 团队是否真的更高效？在什么情况下收益最大？需要量化的对比研究。

  2. 团队规模的边界：一个 AI 团队应该有多少个”员工”？太少可能不够分工，太多可能管理成本过高。什么样的任务适合 3 个员工，什么样的适合 10 个？

  3. 跨工具的 AI 团队：能否让 ChatGPT 的一个员工和 Claude Code 的一个员工协作？不同工具之间的记忆和知识如何打通？

  4. AI 团队的”人设稳定性”：随着对话的积累，AI 员工的”人设”会不会漂移？如何保证简报助理始终记得自己学过的风格？

  5. 反思者的最佳使用方式：什么时候应该加入反思者？反思者提供的批判性意见如何筛选和应用？

相关页面

关系图谱

快速导航

反向链接