Ở bài viết trước, tôi đã xuất phát từ hai kịch bản thường nhật là quản lý khách hàng và thanh toán chi phí, sắp xếp thông suốt quy trình, tài liệu và quy tắc thao tác, tạo nền móng vững chắc để AI tiếp quản công việc trong công ty.
Nếu muốn tìm hiểu xem nền tảng này được xây dựng như thế nào, bạn có thể xem lại bài viết trước: 《Nhật ký AI tiếp quản nghiệp vụ (Phần nền móng): Không có bệ đỡ số này, model mạnh đến đâu cũng chỉ là món đồ chơi》
Trong bài viết này, chúng ta sẽ tiếp tục đi sâu hơn.
Tạo một lịch hẹn thăm gặp doanh nghiệp trên lịch biểu, công việc thực sự cần làm mới chỉ vừa bắt đầu.
Tra cứu bối cảnh công ty, chuẩn bị câu hỏi tại hiện trường, sắp xếp tài liệu gặp gỡ, sau đó còn phải vào hệ thống khách hàng để lập hồ sơ, rồi lưu báo cáo vào kho dữ liệu.
Những bước này không khó, nhưng thường phải dựa vào con người qua lại tìm lối vào, sao chép dán rồi kết nối từng việc lại với nhau.
Hình 01 Tra cứu tài liệu, chuẩn bị câu hỏi, sắp xếp tài liệu, lập hồ sơ khách hàng và lưu trữ hồ sơ: 5 bước công việc đằng sau một cuộc thăm gặp; Sơ đồ quy trình minh họa
Có được những nền tảng này, AI mới có tài liệu để tra cứu, có quy tắc để tuân theo , từ đó mới có thể từ một công cụ trò chuyện biến thành một copilot nghiệp vụ thực sự đảm đương được công việc cụ thể.
Ở bài này, tôi xuất phát từ một lịch trình thăm gặp, để AI chuẩn bị tài liệu theo Skill nghiên cứu, sau đó lập hồ sơ, liên kết nghiệp vụ và lưu trữ theo SOP của workspace, cuối cùng kết nối với cơ chế quét định kỳ.
Hình 02 Nền tảng workspace giúp AI thực thi theo phương pháp và trả kết quả về hệ thống; Minh họa trực quan
01 Trước tiên hãy xem nó có thể đọc hiểu nhiệm vụ trên lịch hay không
Để kiểm chứng toàn bộ vòng lặp khép kín, tôi đã chọn Công ty A làm đối tượng mẫu và lên lịch một cuộc thăm gặp mô phỏng trong Lịch Feishu.
Trong lịch trình chỉ ghi tên đầy đủ của doanh nghiệp và thời gian thăm gặp. Điều tôi muốn kiểm chứng là: những thông tin vốn đã tồn tại sẵn trong lịch trình nghiệp vụ này liệu có thể chuyển đổi trực tiếp thành đầu vào nhiệm vụ cho AI hay không?
Nếu đã gõ tên một lần trên lịch, khi làm nghiên cứu lại phải sao chép một lần, rồi nhập vào CRM lại phải gõ tay thêm lần nữa, thì đó vẫn chỉ là việc khuân vác thông tin thứ cấp. Nguyên tắc "bước trước nhập vào, bước sau dùng tiếp" được nhấn mạnh ở bài trước nhất định phải vận hành trơn tru ở đây.
Hình 03 Sắp xếp lịch thăm gặp mô phỏng trong Lịch Feishu, đối tượng mẫu là Công ty A
Tôi không nhập lại bất kỳ thông tin nền tảng nào của công ty này cho AI, mà trực tiếp ra lệnh cho trợ lý Doubao đã kết nối với Feishu:
Xem ngày kia trên lịch của tôi sẽ đi thăm gặp công ty nào, rồi chạy một bản tóm tắt nghiên cứu thông tin công khai cho tôi.
Doubao đã trích xuất thành công lịch trình ngày 8 tháng 10, xác định chuẩn xác doanh nghiệp mục tiêu, nhanh chóng truy xuất thông tin công khai và gửi lại một bản tóm tắt doanh nghiệp.
Hình 04 Nửa đầu phản hồi ở lượt thứ nhất: Tìm thấy doanh nghiệp dựa trên lịch trình, tổng hợp chân dung cơ bản
Hình 05 Nửa sau phản hồi ở lượt thứ nhất: Sản phẩm, tin tức mới và ba chủ đề trao đổi; Khung đỏ đánh dấu chủ đề
Phản hồi ban đầu này đã hoàn thành những bước chuẩn bị cơ bản nhất:
Nó đã đọc đúng đối tượng trong lịch trình, tổng hợp được bối cảnh doanh nghiệp, sản phẩm chủ lực, ứng dụng của khách hàng và các tin tức mới gần đây, đồng thời gợi ý ba chủ đề trao đổi.
Những thông tin này có thể giúp người mới làm quen và hiểu về một doanh nghiệp.
Hình 06 Từ việc tìm hiểu doanh nghiệp đến chuẩn bị câu hỏi tại hiện trường, lồng ghép mục tiêu nghiệp vụ vào phương pháp nghiên cứu; Minh họa trực quan
Nhưng khi tôi làm dịch vụ gọi vốn và kết nối tài nguyên ngành, tôi còn cần biết: công ty này kinh doanh ra sao, những vấn đề nào đáng để hỏi rõ trực tiếp mặt đối mặt?
Đằng sau tin tức mua sắm là đơn hàng thực tế hay chuẩn bị tồn kho? Vốn bị chiếm dụng trong bao lâu? Quá trình xác thực của khách hàng đã đến bước nào? Những yếu tố này mới thực sự ảnh hưởng đến các phán đoán nghiệp vụ tiếp theo.
Tài liệu đã có, nhưng tại hiện trường nên hỏi gì thì vẫn chưa đủ rõ. Tôi phải đưa phương pháp nhận định vào trong quy tắc nghiên cứu.
02 Tôi tự tạo một Skill nghiên cứu theo nhu cầu của mình
Đi gặp ông chủ doanh nghiệp sản xuất, tôi cần làm rõ hơn cách họ làm ăn kinh doanh, chứ không chỉ đơn thuần là nhớ họ thành lập năm nào.
Cùng là bán linh kiện truyền động chính xác, có bên làm đại lý nhập hàng rồi bán lại, có bên tự nghiên cứu phát triển và sản xuất, lại có bên tích hợp thiết bị thành một hệ thống theo nhu cầu khách hàng. Doanh thu, chi phí và tiến độ thu hồi công nợ của mỗi mô hình đều hoàn toàn khác nhau.
Hình 07 Thương mại đại lý, tự R&D sản xuất, tích hợp hệ thống: Cùng bán linh kiện, nhưng khâu vận hành trọng tâm cần chú ý lại khác nhau; Minh họa trực quan
Khách hàng nói "đã qua chứng nhận", cũng cần hỏi rõ là đến bước nào: gửi mẫu thử nghiệm, kiểm chứng lô nhỏ, hay đã bàn giao hàng loạt? Giai đoạn khác nhau thì thời gian đầu tư và thu hồi vốn cũng khác nhau.
Hỏi rõ được những mắt xích này, việc nghiên cứu mới thực sự hỗ trợ hiệu quả cho buổi trao đổi trực tiếp.
Vì vậy, tôi đã hệ thống lại các phương pháp nghiên cứu thường dùng thành một Skill, đặt tên là Research Company Previsit.
Tại sao tôi lại đóng gói phương pháp thành Skill, thay vì mỗi lần lại gửi prompt tạm thời?
prompt chỉ giao phó nhiệm vụ cho lần này, còn Skill lưu trữ các yêu cầu của một loại công việc thành tệp phương pháp có thể gọi lặp đi lặp lại và chỉnh sửa liên tục.
prompt cũng có thể lưu lại để tái sử dụng, nhưng khi các yêu cầu cứ chất đống trong đoạn chat thì sẽ ngày càng rời rạc, chắp vá. Việc gom phương pháp, template và quy tắc lưu tập trung thành tệp sẽ giúp bảo trì và bàn giao dễ dàng hơn khi đổi cửa sổ chat hoặc chuyển cho đồng nghiệp khác.
Điều quan trọng hơn là: Tôi có thể thông qua đối thoại để AI giúp tôi chỉnh sửa phương pháp bên trong Skill.
Khi gọi Skill và phát hiện đầu ra có sai lệch, tôi có thể nói trực tiếp với trợ lý có quyền chỉnh sửa tệp phương pháp: "Chỗ này không khớp với logic nghiệp vụ của tôi, hãy tối ưu hóa quy tắc và ghi lại vào tệp Skill."
Nó cập nhật các điều chỉnh vào tệp, lần gọi sau sẽ có cơ sở mới, chứ không chỉ đơn thuần là làm cho câu trả lời lần này trông đẹp mắt hơn.
Hình 08 Chỉ ra sai lệch nghiệp vụ, để trợ lý cập nhật tệp phương pháp Skill rồi áp dụng cho nhiệm vụ tiếp theo; Minh họa trực quan
Đưa bí quyết của chuyên viên nghiệp vụ kỳ cựu vào quy tắc
Trong Skill này, tôi xác lập ba nguyên tắc cốt lõi:
Thứ nhất, khóa chặt chủ thể duy nhất , thông tin công khai bắt buộc phải có nguồn chứng thực, kiên quyết loại bỏ việc nhầm lẫn do trùng tên.
Thứ hai, suy luận logic kinh doanh : xâu chuỗi sản phẩm, khâu bàn giao, đội ngũ và mô hình kinh doanh với nhau, nghiêm cấm liệt kê chung chung.
Thứ ba, định hướng theo vấn đề : mỗi câu hỏi tại hiện trường đều phải làm rõ lý do tại sao hỏi, muốn xác minh điều gì, và sau khi xác minh sẽ ảnh hưởng thế nào đến bước kết nối tiếp theo.
Đồng thời, Skill nghiên cứu và SOP workspace ở bài trước có sự phân công rõ ràng:
Hình 09 Skill phụ trách phương pháp nhận định, SOP phụ trách nơi lưu trữ kết quả; Minh họa trực quan
Skill nghiên cứu chịu trách nhiệm về việc phân tích, đánh giá doanh nghiệp thế nào cho rõ ràng, xuất nội dung theo những chiều hướng nào;
SOP workspace chịu trách nhiệm về việc lập hồ sơ doanh nghiệp vào bảng nào, lưu tệp vào thư mục nào.
Một bên quản lý phương pháp nghiên cứu, một bên quản lý đích đến của kết quả bàn giao, AI mới biết phải làm như thế nào và làm xong thì gửi về đâu.
03 Sau khi chạy lại với cùng một doanh nghiệp, những nội dung nào thực sự dùng được?
Sau khi phương pháp đã sẵn sàng, tôi gọi Skill nghiên cứu này trong Doubao và tiến hành nghiên cứu lần hai đối với Công ty A.
Nội dung được tạo ra lần này gồm hai kết quả bổ trợ cho nhau: phản hồi phân tích chuyên sâu ngay trên giao diện, và bản tóm tắt Word có thể tải xuống để lưu trữ. Cả hai có vai trò riêng biệt, chỉ khi xem xét cùng nhau mới thấy rõ được bước nâng cấp này nằm ở đâu.
Phản hồi trong đoạn chat: Từ "liệt kê chung chung" đến "bóc tách nghiệp vụ đánh trúng trọng tâm"
Trước tiên hãy xem phản hồi chuyên sâu mà Doubao đưa ra trực tiếp trên giao diện:
Hình 10 Nửa đầu phản hồi sau khi gọi Skill nghiên cứu tự tạo; Khung đỏ đánh dấu phần bóc tách vai trò đại lý và tự R&D
Hình 11 Nửa sau phản hồi khi chạy lại; Khung đỏ đánh dấu câu hỏi về mô hình kinh doanh và tám câu hỏi thăm gặp
Lượt đầu tiên đã cung cấp thông tin doanh nghiệp, lần này giải thích sâu hơn: những thông tin này ảnh hưởng thế nào đến các nhận định khi thăm gặp.
Thứ nhất, bóc tách rõ vai trò nghiệp vụ. Trước tiên hỏi rõ tỷ lệ giữa sản phẩm đại lý cho HIWIN (上银) và sản phẩm tự R&D. Nghiệp vụ đại lý tập trung xem xét nguồn cung, tồn kho và kỳ hạn phải thu; nghiệp vụ tự R&D tập trung xem xét công nghệ, quy trình xác thực của khách hàng và kế hoạch mở rộng sản xuất.
Thứ hai, mỗi câu hỏi đều mang mục tiêu nghiệp vụ. Tám câu hỏi đều bám sát từng mắt xích cụ thể: khách hàng chứng nhận đến bước nào, tương ứng với việc gửi mẫu thử hay đã cung ứng hàng; vòng quay tồn kho mất bao lâu, liên quan trực tiếp đến thời gian và nguồn vốn bị chiếm dụng để chuẩn bị hàng. Biết rõ lý do tại sao hỏi thì mới biết bước tiếp theo phải đàm phán ra sao.
File Word có cấu trúc: Chuyển hóa tin tức thành các câu hỏi vận hành kinh doanh
Tiếp theo, trợ lý đã tổng hợp các manh mối, năm chiều hướng quan sát và tám câu hỏi tại hiện trường thành một bản tóm tắt Word.
Hình 12 Tổng quan hai trang của bản tóm tắt Word được tạo, giữ nguyên ảnh chụp màn hình ghép đôi gốc
Hình 13 Toàn bộ trang đầu tiên của bản tóm tắt; Khung đỏ đánh dấu năm chiều hướng quan sát, tín hiệu công khai và các điểm cần xác minh tại hiện trường
Hình 14 Toàn bộ trang thứ hai của bản tóm tắt; Khung đỏ đánh dấu mô hình kinh doanh và tám câu hỏi thăm gặp
Điểm thu hút tôi ở báo cáo Word này là khả năng dịch một mẩu tin tức công khai thành những câu hỏi vận hành cần xác minh trực tiếp tại hiện trường.
Báo cáo đã trích dẫn tin tức doanh nghiệp ký "đơn hàng mua sắm khủng 110 triệu USD" tại Hội chợ Nhập khẩu Quốc tế Trung Quốc (CIIE). Nó không dừng lại ở mức khen "doanh nghiệp rất có tiềm lực", mà tiếp tục truy vấn: Việc mua sắm này phục vụ đơn hàng có sẵn hay là gom hàng dự trữ trước? Tồn kho và kỳ hạn công nợ sẽ chiếm dụng bao nhiêu vốn?
Hình 15 Tin tức mua sắm là manh mối; đơn hàng, dự trữ hàng và thu hồi công nợ cần xác minh tại hiện trường; Minh họa trực quan
Trang đầu tiên đặt song song "tín hiệu công khai" và "điểm cần xác minh tại hiện trường", trang thứ hai bóc tách các khâu tìm kiếm khách hàng, mua sắm, bàn giao và tái mua, cuối cùng liệt kê các câu hỏi thăm gặp đi kèm căn cứ nhận định.
Bản Word này vừa là tài liệu chuẩn bị trước cuộc gặp, vừa có thể lưu trữ theo quy tắc cố định để đội ngũ trực tiếp gọi ra sử dụng về sau.
Phía sau nhận định tổng hợp có đính kèm nguồn thông tin: mang theo manh mối để đi hỏi, dành những vấn đề cần xác minh cho buổi gặp mặt trực tiếp.
Hình 16 Nhận định tổng hợp và nguồn thông tin của báo cáo; Khung đỏ tương ứng với căn cứ nhận định và lối vào nguồn trích dẫn
04 Giá trị của workspace Feishu tiếp tục được thể hiện sau khi có báo cáo
Nếu công việc chỉ dừng lại ở việc tạo ra một tệp Word, rất nhiều mô hình lớn (LLM) có kết nối mạng trên thị trường đều có thể làm được.
Nhưng sự cộng tác thực sự trong doanh nghiệp, toàn bộ giá trị lại nằm ở giai đoạn sau khi báo cáo được xuất bản:
Bảng tổng hợp doanh nghiệp khách hàng, bảng chi tiết nghiệp vụ và kho tài liệu dùng chung đã được chuẩn hóa ở bài trước đều đã sẵn sàng. Hoàn thành nghiên cứu mới chỉ là vạch xuất phát, điều bắt buộc là phải đưa dữ liệu vào hệ thống chính thức của công ty một cách liền mạch.
Tôi trực tiếp giao cho Doubao một chỉ dẫn SOP:
Công ty này chưa có trong kho khách hàng, hãy làm theo SOP của bàn làm việc công ty: tạo hồ sơ chính trong bảng tổng hợp khách hàng, thêm một dòng kết nối ngành trong chi tiết nghiệp vụ và liên kết vào, tạo một thư mục khách hàng trong kho tài liệu dùng chung rồi đặt báo cáo nghiên cứu vào đó.
Hình 17 Lệnh lập hồ sơ và biên nhận hoàn thành của tác giả: hồ sơ chính, liên kết nghiệp vụ, lưu trữ tài liệu
Doubao gọi các công cụ và hoàn thành ba thao tác dưới đây. Lần này phản hồi của nó hiển thị thời gian xử lý là 2 phút 46 giây:
Hình 18 Lập hồ sơ chính của doanh nghiệp theo SOP, sau đó liên kết nghiệp vụ và lưu trữ báo cáo; hình minh họa
Hồ sơ chính doanh nghiệp chỉ tạo một bản, xóa bỏ các bản sao thông tin
Mở bảng tổng hợp doanh nghiệp khách hàng, Công ty A đã được thêm vào tầng dưới cùng như một chủ thể mới, người phụ trách, phân loại ngành và cổng truy cập tài liệu đều đã được sắp xếp đầy đủ.
Điều này hoàn toàn khớp với nguyên tắc ở bài viết đầu tiên: Thông tin cơ bản của doanh nghiệp vĩnh viễn chỉ tạo một lần trong hồ sơ chính . Về sau, bất kể đội ngũ theo dõi bao nhiêu vòng gọi vốn hay ghé thăm bao nhiêu lần, tất cả đều tham chiếu hồ sơ chính này, không ai cần phải gõ lại tên đầy đủ của công ty thêm một lần nào nữa.
Hình 19 Ảnh gốc đầy đủ của bảng tổng hợp doanh nghiệp khách hàng; khung đỏ của tác giả ở phía dưới là hồ sơ chính của doanh nghiệp mới
Chi tiết nghiệp vụ tiến hành độc lập, tách rời khách hàng và nghiệp vụ
Mở bảng chi tiết nghiệp vụ khách hàng, nhóm kết nối ngành đã tự động thêm một bản ghi mới, liên kết chính xác với hồ sơ chính vừa tạo trong bảng tổng hợp thông qua trường liên kết.
Hồ sơ chính trả lời doanh nghiệp này là ai, chi tiết trả lời hiện đang thúc đẩy công việc gì. Nếu cùng một doanh nghiệp trong tương lai có thêm nhu cầu tài trợ nợ, chỉ cần thêm một bản ghi liên kết vào phần chi tiết, bảng tổng hợp sẽ tự động tổng hợp hướng nghiệp vụ.
Hình 20 Ảnh gốc đầy đủ của chi tiết nghiệp vụ khách hàng; khung đỏ của tác giả ở phía dưới là nghiệp vụ liên kết của doanh nghiệp mới
Cổng tài liệu đi liền với doanh nghiệp, hoàn toàn tạm biệt việc gửi file qua WeChat
Trong kho tài liệu trên ổ đĩa đám mây, AI đã tự động tạo thư mục riêng cho Công ty A và tự động lưu bản báo cáo tóm tắt dạng Word vừa tạo vào đó; liên kết cổng tài liệu tổng trên bảng tổng hợp khách hàng trỏ trực tiếp tới thư mục này.
Sau này bất kỳ ai theo dõi doanh nghiệp này, chỉ cần mở bản ghi khách hàng và nhấp vào liên kết là có thể mở ra toàn bộ tài liệu, không còn phải đi hỏi khắp các nhóm xem tài liệu mới nhất đang nằm ở máy ai.
Hình 21 Hồ sơ chính doanh nghiệp, bản ghi nghiệp vụ và thư mục tài liệu đều có vai trò riêng, được kết nối thông qua liên kết; hình minh họa
Kế thừa bài trước: Trong tương lai, nhiều thao tác hơn nữa đều có thể giao phó bằng lời nói
Sau khi quy trình lập hồ sơ và lưu trữ chạy mượt mà, tôi dự định tiếp tục thử nghiệm:
Đi gặp khách hàng trực tiếp về, chỉ cần nói vài câu ghi chú nhanh vào điện thoại để AI tổng hợp rồi ghi lại vào mục “Tiến độ tuần này và kế hoạch tuần tới”;
Ra ngoài tự ứng trước tiền xe, tải ảnh chụp màn hình lên để AI nhập vào sổ sách và sắp xếp vào đợt thanh toán hoàn ứng. Việc phê duyệt và thanh toán tiếp tục do con người phụ trách.
Con người phụ trách giao tiếp tại chỗ và ra quyết định kinh doanh, AI hỗ trợ sắp xếp, nhập liệu và lưu trữ.
05 Đưa phương pháp đã chạy thông vào tác vụ định kỳ
Sau khi quy trình đơn lẻ đã chạy thông suốt, tôi muốn tiến thêm một bước nữa:
Để AI định kỳ kiểm tra lịch làm việc, chuẩn bị trước cho chuyến thăm tiếp theo.
Tôi đã thiết lập cho Doubao một tác vụ tự động hóa định kỳ, yêu cầu nó tự động quét lịch trình gặp gỡ trong 7 ngày tới vào lúc 07:53 mỗi sáng ngày làm việc.
Hình 22 Lệnh gốc và phản hồi của tác vụ định kỳ; khung đỏ tương ứng với yêu cầu quét và quy tắc xử lý doanh nghiệp mới
Hình 23 Cổng tác vụ định kỳ thực tế: Quét lịch 7 ngày tới vào 07:53 các ngày làm việc
Mỗi ngày sau khi quét xong, trợ lý sẽ gửi một danh sách thực thi: doanh nghiệp mới nào đã hoàn tất nghiên cứu và lập hồ sơ, khách hàng cũ nào đã được bỏ qua, trường hợp bất thường nào cần con người can thiệp.
Hình 24 Quét định kỳ trước tiên đối chiếu kho khách hàng, sau đó xử lý doanh nghiệp mới, bản ghi hiện có và các vấn đề phát sinh; hình minh họa
06 Vấp váp và tiến hóa: Định kỳ và thủ công, tại sao không áp dụng cùng một bộ quy tắc?
Sau khi cấu hình tự động hóa xong, tôi nhanh chóng gặp phải một vấn đề điển hình: Cùng một trợ lý, khi nhận nhiệm vụ từ các cổng truy cập khác nhau, lại làm theo hai bộ quy tắc khác nhau.
Sáng nay, khi tác vụ định kỳ quét đến Công ty A, nó phát hiện hồ sơ đã có sẵn trong bảng tổng hợp khách hàng, thực hiện bỏ qua một cách chuẩn xác và trả về danh sách xử lý.
Hình 25 Kết quả tuần tra định kỳ: Doanh nghiệp đã lập hồ sơ, lần này bỏ qua, không nghiên cứu và lập hồ sơ trùng lặp
Thế nhưng sau đó, tôi lại yêu cầu tổng hợp chân dung doanh nghiệp dựa trên lịch làm việc trong một cửa sổ trò chuyện khác. Nó không kiểm tra hệ thống khách hàng trước, mà coi doanh nghiệp đã có hồ sơ này như đối tượng mới và chạy lại tìm kiếm công khai từ đầu.
Hình 26 Hội thoại thủ công lại tạo chân dung doanh nghiệp lần nữa; tương phản với kết quả bỏ qua khi quét định kỳ ở trước
Điều bị lặp lại ở đây là khâu nghiên cứu. Tôi đã có báo cáo và hồ sơ, tại sao khi chuyển sang gửi tin nhắn thủ công, nó lại làm lại từ đầu? Tôi chỉ thẳng ra: “Hệ thống khách hàng đã có doanh nghiệp này thì không cần phải chạy lại, tại sao bạn vẫn chạy thêm một lần nữa?”
Hình 27 Sau khi bị chỉ ra lỗi nghiên cứu trùng lặp, trợ lý đọc lại bảng tổng hợp khách hàng và thừa nhận đã không tra cứu hệ thống trước
Sau đó nó tìm thấy bản ghi hiện có và thừa nhận lúc nãy chưa tra hệ thống đã thực hiện tìm kiếm công khai. Điều tôi tiếp tục truy vấn là rốt cuộc các quy tắc bị đứt đoạn ở đâu:
Tại sao nó vẫn bị kích hoạt sai? Liệu có thể tối ưu hóa quy tắc lại để không bao giờ xuất hiện vấn đề này nữa không?
Hình 28 Review nguyên nhân sau khi truy vấn: Tác vụ định kỳ bỏ qua chính xác, tin nhắn thủ công không đọc quy tắc khử trùng lặp trong tác vụ định kỳ
54 giây sau, Doubao chỉ ra: Quy tắc khử trùng lặp chỉ được viết trong chỉ dẫn của tác vụ định kỳ. Khi thực thi theo lịch định kỳ, nó biết phải kiểm tra bảng tổng hợp khách hàng trước; nhưng khi trò chuyện thủ công, nó không áp dụng yêu cầu này.
Vấn đề nằm ở chỗ hai cổng truy cập không dùng chung một bộ quy tắc.
Nó đề xuất trích xuất các yêu cầu ra và thiết lập một quy chuẩn thao tác chung tại thư mục gốc của không gian làm việc hiện tại — AGENTS.md.
Khi liên quan đến nghiên cứu khách hàng, chuẩn bị gặp gỡ, lập chân dung doanh nghiệp, bước đầu tiên là kiểm tra bảng tổng hợp khách hàng; nếu đã tồn tại thì lấy ra hồ sơ và liên kết tài liệu sẵn có, không nghiên cứu trùng lặp, không lập hồ sơ trùng lặp; nếu chưa tồn tại mới thực hiện quy trình tạo mới.
Nó cũng đề xuất đồng bộ chỉ dẫn trong tác vụ định kỳ với bản quy chuẩn này để tránh việc hai nơi sửa hai đằng. Tôi nói với nó: “Được”.
Hình 29 Đề xuất quy chuẩn chung, tác giả đồng ý và phản hồi hoàn thành việc tạo AGENTS.md; cùng một quy tắc bao quát cả cổng thủ công và định kỳ
32 giây sau, nó phản hồi đã ghi quy chuẩn chung vào thư mục gốc của không gian làm việc.
Điều có giá trị hơn là: Khi quy trình có sai lệch, tôi có thể chỉ ra vấn đề, để trợ lý có quyền chỉnh sửa file tìm nguyên nhân, sửa đổi quy tắc và giữ lại kinh nghiệm đó cho tác vụ tiếp theo.
SOP hệ thống, Skill nghiên cứu và quy chuẩn chung đều là việc chuyển hóa những nhận định nghiệp vụ thành căn cứ mà AI có thể tìm thấy, thực thi và tiếp tục sửa đổi.
07 Review khép vòng: Quy tắc 5 bước đưa AI vào nghiệp vụ
Xâu chuỗi hai bài viết lại, trình tự triển khai sẽ trở nên rõ ràng:
Bài viết đầu tiên xây dựng nền tảng nghiệp vụ vững chắc: thiết lập các hệ thống liên kết lẫn nhau như khách hàng, lịch gặp, thanh toán hoàn ứng, ghi rõ tài liệu đặt ở đâu, các bản ghi liên kết như thế nào, từng bước do ai thao tác ra sao. Bài viết thứ hai giúp AI dựa trên nền tảng vững chắc đó để phân tích theo Skill, bàn giao theo SOP, rồi ghi lại các vấn đề gặp phải vào quy tắc chung.
Nếu đội ngũ của bạn cũng muốn ứng dụng AI vào nghiệp vụ thực tế, có thể tiến hành theo năm bước dưới đây:
Hình 30 Từ tác vụ cụ thể đến quy tắc chung: Tóm tắt 5 bước đưa AI vào nghiệp vụ; infographic minh họa
Trước tiên chọn một công việc cụ thể: Viết rõ đầu vào và kết quả bàn giao.
Làm cho quy trình chạy trơn tru trước: Hồ sơ duy nhất, bản ghi liên kết, tài liệu đúng vị trí.
Viết phương pháp vào Skill: Dùng kết quả chạy thử để chỉnh sửa quy tắc đánh giá và bàn giao.
Chạy thông một lần rồi mới nối tự động hóa: Cấu hình tốt tác vụ định kỳ và khử trùng lặp.
Các cổng truy cập khác nhau cùng dùng chung quy tắc: Lưu lại vấn đề, nguyên nhân và cách khắc phục.
Công cụ sẽ thay đổi, điều đáng để tích lũy chính là phương pháp nghiệp vụ mà bạn có thể diễn đạt rõ ràng, ghi vào quy tắc và sửa đổi dựa trên kết quả.
Trước hết hãy là người hiểu rõ nghiệp vụ, mới có thể thuần hóa được một AI thực sự đắc lực.
【Thích】+【Theo dõi】+【Chia sẻ】Bộ ba hành động! Sự ủng hộ của bạn là động lực lớn nhất để tôi tiếp tục khám phá điểm giao thoa giữa AI và sự phát triển cá nhân! Tôi là Lật Tử Trí Bồi, rất mong nhận được sự quan tâm của bạn
Link bài gốc: https://mp.weixin.qq.com/s/xBUdJwaNuXC1V0ZswSHQYg
Học tương tác với AI (NotebookLM)
Ngoài đọc , bạn có thể nghe , xem và xem hoạ thông tin ở đầu bài. Bài này còn có bộ công cụ tương tác do AI tạo: Bài kiểm tra trắc nghiệm, Thẻ ghi nhớ, Sơ đồ tư duy, Bản trình bày và Báo cáo chuyên sâu.
Mở không gian học tương tác