不讲工具怎么用,讲公益工作里真的把它用上了是怎么用的。这一块单独配色。
不讲 AI 本身,讲它在公益工作里实际跑起来的样子——一件事从头到尾哪几步可以交给它、哪一步必须人自己签字负责、哪些地方确实省下时间、哪些地方反而更麻烦。都是实际用过之后的记录。
机构运营那几块讲的是「规矩怎么守」,这一块讲的是「活怎么干」。两件事不一样,所以这里的配色也单独做了区分。
方法会一直变,这三条不变:不要生气、不要完全信任、不要对结果过多掌控。
用了几年下来,方法一直在变,工具也一直在换,但有三条心态一直没变。这三条比任何技巧都重要。
对面是机器。它没有情商,也不会内耗——它既不会因为你语气重而记着,也不会因为你夸它就高兴。它不会累,也不会委屈。
它答非所问、把话说反、同一件事说三遍还错,这些都不是针对你,也不说明它"不认真"。它就是拿已有的资料和知识做了个汇总,这次汇总得不合你的意。
生气没有用,还有代价:情绪一上来,你就会开始"跟它较劲",而不是"把事做完"。我的做法很简单——不对就重说一遍,或者换个说法再说一遍,实在不行就换个问法。它不会烦,你也不用替它考虑情绪。
它说的每一句话,都是"从已有资料里汇总出来的",不是"它知道"。这三件事是它天然的短板:
所以凡是涉及数字、比例、时限、资格条件、机构名称,一律回去核原文。它有本事把话说得非常像,但"像"不等于"对"。
反过来也能看出另一件事:先给它一份可靠的资料,比什么技巧都管用。它靠的就是你给它的东西、和它见过的公开资料。资料干净,产出才干净。
尤其是产出形式。
你想的是"一页 A4、左边表格右边文字",它可能给你"三个段落加一个清单"。这不一定是它不行,是它的思考是线性的——一步接一步往下走;而人想事情常常是跳着的,同时想好几样。
我的经验是:把要求说在前面(多长、给谁看、什么形式),比事后一遍遍让它改省时间得多。定好之后,形式和排版这些就交给它,别在这上面反复磨。真正要盯的是内容对不对。
点进去看该主题下的全部内容
你在公益工作里是怎么用 AI 的、踩过什么坑、哪一步它帮上忙了——到问卷页告诉我,我把它整理进来。