網上有非常多的有關 AI 流程相關的資料，有些內容甚至做的非常完善了。

像上面這張圖便是我今天看到一個推廣庫里面的 Agent 信息，里面不僅包含了非常多的平臺推廣相關的資料，而且里面的 Prompt 與使用要求都寫的比較明白。

于是便直接選了一個 TK 相關的資料，復制下來放到 AI 工具里面去看輸出結果。

起初我以為輸出結果檢查一下沒什么問題后便可以直接應用到生產環境里的，但想不到的是其 Agent 的輸出內容質量很差。

無論是文案的內容還是排版，亦或者是文案中的一些語氣，都不合格也基本沒辦法使用。

我猜可能是我所使用模型的緣故，或者是這種大且全 Agent 的通病（什么都能干但是基本什么都干不好）。

所以現在再讓我去設計這種 AI 流程，我傾向于將其細化，并在過程中加入更多的人工干預。

還是拿剛剛那個 TK 案例來說，這個案例里的主要內容是一個 Markdown 格式文檔，里面寫清了輸入的信息要求與輸出的信息要求，并嚴格規定了信息輸出的格式。

但說實話這種操作在很多情況下并不怎么好用，有時候模型會偷偷將智，輸出的內容也是牛頭不對馬嘴。

那優化的方案其實也簡單，直接將一個大的流程分為諸多小的細節，像 TK 文案生成這種場景，一般就可以分為 Prompt 組裝、AI 生成、內容檢查等這幾個主要的步驟。

組裝環節其實比較簡單，一般的 Excel 表格就能做好。我們需要做的就是準備好自己的素材，并設計一個基礎的 Prompt 框架，簡單的公式應用下來便可以完成最基礎的組裝工作。

直接 AI 生成環節，一些在線表格都已經可以很方便實現這個需求。甚至你自己可以在一些表格的應用市場里，能發現非常多這種類型的插件應用，選擇一個適合自己的就好（最好可以好好看看用戶評價）。

而內容生成之后的信息檢查，我們也可以設計一套 Prompt 并讓 AI 去替我們初處理，然后輸出相應的文案檢查建議（類似于反思翻譯）。

如此上面的三個大環節處理完，剩下就是一些小的細節流程，后續可以在工作實踐中慢慢優化。

而且我們還可以選擇一個最基礎的產品，將這些彼此關聯的流程相互串起來。

我自己選擇的平臺是 Sheets，跟我自己的業務也比較契合。另外選擇這款工具，還有一個比較重要的原因，就是 Sheets 支持在平臺生態的基礎上進行自定義的開發，想要實現的內容大多都可以做到。