内容来源  |   本文摘编自北京联合出版公司出版书籍

《WorkBudy 实战》乔剑 等 著

责编  | 贾宁

第 9959  篇深度好文：5483 字 | 11 分钟阅读

每天忙到加班，为什么还是有做不完的工作？

有时候，真正让人疲惫的，并不是工作有多难，而是一天到晚都在忙，却始终没有时间做真正重要的事。

早上打开电脑，先处理昨天没看完的邮件，再把几个文件夹里的资料整理出来。刚准备写方案，群里又发来一份表格，需要重新汇总数据。下午临时通知开会，会议结束还要整理纪要、分解任务。眼看快下班了，领导又问：" 明天汇报的 PPT 准备得怎么样了？"

忙了一整天，回头看看，好像每件事都做了一点，又好像还有一堆事情等着自己。

这样的工作状态，很多人应该都不陌生。

我们习惯把忙碌理解为工作充实，把加班归因于任务太多。但仔细想想，一天八九个小时，真正用于思考、判断和创造的时间究竟有多少？

大量精力消耗在了查找资料、整理文件、复制粘贴、修改格式、汇总数据这些事情上。

它们确实需要有人完成，却未必需要我们亲自完成每一步。

这是今天很多职场人需要重新思考的问题：当工作越来越多，我们能不能换一种方式做事？

一、工作越来越忙，

问题可能出在工作方式上

仔细观察身边那些忙得不可开交的人，会发现一个有意思的现象：越是认真负责的人，越容易把所有事情都揽在自己身上。

接到一项任务，习惯性地从头做到尾。

写方案，自己查资料；做汇报，自己整理数据；准备活动，自己写文案、找图片、做 PPT；开完会，还要把会议记录重新整理一遍。

每一件事情单独看，都不算特别复杂。

但当它们同时出现，工作就变成了一场没有尽头的接力赛。

更麻烦的是，今天的工作越来越需要一个人掌握多种能力。

做运营，需要懂内容策划，也要看得懂数据；做市场，需要研究行业，还要会设计宣传物料；做管理，需要协调项目，也要能分析经营情况。

一个岗位背后，往往藏着好几个岗位的工作。

过去，我们解决这些问题，通常有两种办法：要么自己多花时间，要么找其他同事帮忙。

但这两种办法都有局限。

一个人的时间总是有限的，团队的精力也不可能无限增加。

于是，很多人开始尝试借助各种工具。

可新的问题又出现了。

你让 AI 写一份方案，它确实很快给出了一段文字。但资料还得自己整理，数据还得自己核对，PPT 还得自己制作，最后仍然需要把各种内容拼成一份完整的成果。

看起来省下了写作时间，后面的工作却没有减少多少。

问题究竟出在哪里？

我们一直在想，怎样让工具帮自己做得更快，却很少认真想过，怎样把一件完整的工作交出去。

这两种思路，会带来完全不同的工作体验。

二、比起得到一个答案，

我们更需要一份能交付的成果

想象一个很常见的场景。

周五下午，你接到一项任务：下周一之前，完成一份行业研究报告，并准备一套汇报 PPT。

按照熟悉的工作方式，接下来可能要花不少时间查找行业资料、整理数据、归纳观点、撰写报告，再把报告提炼成适合展示的内容。

如果还需要图表和视觉素材，工作量又会增加。

这时候，你真正需要的是什么？

显然不只是一段关于行业发展的文字。

你需要的是一份结构完整、资料有据可查、能够修改完善的研究报告，以及一套可以拿去汇报的 PPT。

换句话说，工作最终要看交付了什么，而不只是过程中得到了多少建议。

这也是近年来 AI 应用中一个值得关注的变化。

过去，我们更习惯向 AI 提问，让它帮忙写一段文字、整理几个观点、提供一些思路。

现在，一些 AI 工具已经开始尝试承担连续性的任务：读取资料、处理文件、分析数据、生成文档，并根据反馈继续修改。

其中，WorkBuddy 提供了一种值得关注的使用方式。

你可以把它理解成一位能够接收任务、使用工具、处理文件的 AI 工作伙伴。

比如，把需要整理的文件放进指定工作空间，告诉它按照什么标准分类、如何命名、最终保存到哪里；或者提供一份 Excel 数据，要求它完成统计分析、发现异常，并整理成一份报告。

在适当授权和人工检查的前提下，部分原本需要反复手动操作的环节，可以交给它执行。

这时，人的工作也开始发生变化。

过去，我们要亲自完成每一个步骤。

现在，我们可以把更多精力放在明确目标、提供必要资料、提出质量要求，以及检查最终成果上。

当然，这不意味着把任务交出去就可以完全不管。

数据有没有算错？资料来源是否可靠？报告是否符合实际情况？重要文件有没有被误改？

这些仍然需要人来判断。

真正有效的分工，是把可以交出去的执行工作交出去，把必须由人负责的判断留在自己手里。

三、一个人，

也可以拥有自己的 " 专业团队 "

工作中还有一种很常见的困扰：很多事情知道该做，却未必具备完成每个环节的专业能力。

比如，一位运营人员准备策划一场新品推广活动。

他可能很熟悉产品和用户，却不一定擅长数据分析，也未必精通视觉设计。

一场完整的活动，需要考虑目标人群、传播渠道、内容创意、活动预算、视觉物料和效果复盘。

这些工作如果全部由一个人完成，难免顾此失彼。

而在《WorkBuddy 实战》中，有一部分内容特别值得关注：AI 专家与多专家协作。

书中介绍了如何调用运营专家策划活动、调用数据分析专家完成业务复盘，还进一步讲解了如何创建熟悉自身业务的专属 AI 专家，以及组织多个专家共同处理复杂项目。

这给普通职场人提供了一种新的思路。

当一项工作涉及不同专业领域时，可以尝试按照实际需要拆分任务，让不同的 AI 专家分别参与。

例如，准备一次品牌推广活动，可以先围绕活动目标梳理运营方案，再对相关数据进行分析，随后完善宣传内容和视觉需求。

一个人依然负责项目的方向和最终决策，但在具体执行过程中，可以获得更多专业化支持。

对小团队、创业者和需要同时承担多项工作的职场人来说，这种方式尤其值得尝试。

毕竟，很多时候限制工作成果的，并不是缺少想法，而是一个人没有足够的时间和精力，把所有想法逐一落实。

书中还介绍了如何创建专属 AI 专家。

这一点比临时调用通用工具更进一步。

因为每个人的工作都有自己的特点：不同单位有不同的材料规范，不同团队有不同的项目流程，不同岗位也有不同的专业要求。

如果能够把这些要求逐步整理清楚，让 AI 熟悉自己的工作内容，那么下一次处理类似任务时，就有机会减少反复沟通。

当然，AI 专家的建议仍然需要结合真实业务进行判断，但它已经为个人处理多专业任务提供了新的选择。

四、最浪费时间的事，

是同样的工作每次都从头做

你有没有这样的经历？

上个月刚做过一份活动方案，这个月又要做类似的活动。

明明之前已经整理过资料、确定过框架、总结过经验，可真正开始时，还是要重新翻找文件、复制旧内容、修改格式，再把工作要求重新交代一遍。

又或者，每周都要写工作周报。

每次都需要告诉工具：按照什么结构写、使用什么语气、重点突出哪些内容、最终保存成什么格式。

第一次这样做，或许觉得很方便。

第二次、第三次、第四次，重复说明本身又成了一项工作。

如果一种方法已经被证明有效，为什么不能把它保存下来，下次直接使用？

这正是《WorkBuddy 实战》中 Skill 技能部分所要解决的问题。

Skill 可以简单理解为一种可反复调用的工作技能。

书中不仅讲解如何从技能市场安装 Skill、调用专业技能，还介绍了如何根据自己的工作需要创建专属 Skill。

比如，把常用的周报结构、材料整理规则、报告输出格式等要求整理成固定的执行方法。

以后遇到类似任务，就可以在此基础上调用和调整，减少每次重新说明的时间。

这件事看似只是节省了几个操作步骤，背后却有更大的意义。

过去，一个人的工作经验主要保存在自己的脑子里。

经验丰富的人，知道一份材料应该怎么写，一个项目应该怎么推进，一项数据分析需要关注哪些指标。

但这些经验往往很难直接复用，也不容易交给别人。

现在，可以尝试把其中能够标准化的步骤、规则和方法整理出来，让它们成为可调用的技能。

当一项工作做完之后，还能为下一项工作留下可复用的方法，效率的改善才有机会持续下去。

五、让工作少一些重复，还

需要把资料和工具连接起来

很多人每天都在处理大量信息，却常常遇到一个尴尬的问题：资料明明存在，就是找不到。

会议纪要保存在一个地方，项目方案放在另一个文件夹，重要信息散落在邮件和聊天记录里，之前做过的研究报告又不知道存到了哪里。

有时候，为了找到一份旧材料，花费的时间比重新写一份还长。

如果团队成员发生变化，情况可能更加复杂。

新人需要重新熟悉项目背景，老员工要反复解释过去的工作，很多经验随着人员调整而难以延续。

针对这些问题，这本书还介绍了资料库、连接器等功能。

书中讲解了如何建立资料库，将项目材料、历史成果和常用知识集中保存，方便后续检索、引用和继续加工。

同时，还介绍了连接 QQ 邮箱、腾讯文档、腾讯会议、腾讯乐享等办公系统的方法。

这些内容看似涉及不同功能，实际指向同一个问题：

怎样减少资料在不同软件之间来回搬运，让已有的信息真正为下一项工作服务？

比如，开完会后，会议内容需要整理成纪要；纪要中的任务还要进一步落实；后续项目推进时，又需要查阅之前的会议结论。

如果这些信息能够在授权范围内被调用和整理，就有机会减少重复查找、复制和传递的环节。

更进一步，书中还涉及手机远程获取电脑文件、远程推进任务、定时生成每日资讯简报和周期业务报告等应用。

对于经常需要跟进项目、处理周期性事务的人来说，这些功能提供了更多灵活安排工作的可能。

当然，涉及邮箱、内部文档、业务数据等信息时，权限管理和安全要求不能忽视。

工具能够访问什么、能够修改什么、哪些操作需要人工确认，都应当事先明确。

用得方便很重要，用得稳妥同样重要。

六、真正实用的工具书，

应该让普通人照着就能练

说到这里，可能有人会问：

这些功能听起来很有用，但对于没有技术基础的人来说，会不会太复杂？

这也是一本实操类图书必须回答的问题。

全书从最基础的安装登录、工作空间设置讲起，逐步进入任务指令、文件处理、数据分析、行业研究、创意设计等常见办公场景，再延伸到 AI 专家、Skill 技能、连接器、远程与定时任务，以及个人 AI 工作系统的搭建。

这样的内容安排，给初学者留下了循序渐进的学习空间，也让已经接触过 AI 工具的读者能够继续探索更复杂的应用。

书中有一个值得肯定的特点：它没有只展示最终成果，还把任务怎样完成的过程讲了出来。

例如，如何把一个模糊要求转化为清晰的任务指令，怎样提供素材和输出标准，如何拆分执行步骤，什么时候需要检查中间结果，以及发现偏差后应该怎样修改。

书中将操作步骤、指令示例和成果展示结合起来，读者可以对照学习。

对于第一次使用这类工具的人来说，这些细节往往比介绍多少高级功能更重要。

因为实际操作中，最容易让人放弃的，通常是那些看起来不起眼的问题：

文件应该放在哪里？

要求怎样说才清楚？

生成的结果保存到了什么位置？

数据不准确怎么办？

AI 理解错了任务，应该怎样重新调整？

如果一本书能够把这些问题讲清楚，读者才更有可能从看懂案例走向独立完成任务。

书中还专门介绍了核验结果、降低错误风险的方法。

对于研究报告、业务分析、办公材料等内容，不能因为结果生成得快，就忽略了来源核对、数据检查和事实验证。

会布置任务，也要会验收成果。

这正是从简单使用工具走向真正开展人机协作的重要一步。

除了书中的实操内容，本书还配套 11 节视频课程、1000 余条实用提示词，方便读者边看边练，并根据自己的实际工作需要查阅和调整。

这样的研究背景与产业实践经历，也为本书从具体应用出发讲解 AI 工具提供了支持。

对于希望减少重复劳动的职场人、需要统筹多项任务的管理者、创业者，以及经常处理资料、数据、内容和项目的工作人员来说，这本书提供了一个比较务实的学习入口。

可以从最熟悉的一项工作开始，先尝试把它交给 AI，再逐步探索更复杂的任务。

不必一开始就掌握所有功能，也不必急着搭建一套复杂的系统。

先让一件具体的事情变得简单，往往比收藏一百种技巧更有意义。

七、把时间留给那些真正

需要自己做的事情

回到文章开头的问题。

为什么每天忙到下班，还是有做不完的工作？

原因当然有很多。任务安排、组织管理、工作流程，都可能影响一个人的忙碌程度。

但有一件事值得我们重新审视：

过去，我们太习惯用自己的时间，去填补工作流程中所有细小的空隙。

文件需要整理，就自己整理；数据需要汇总，就自己汇总；材料需要修改，就反复修改。

日复一日，很多时间被这些事情一点点占据。

而真正需要思考的工作，却只能留到晚上，或者等到终于没有人打扰的时候再做。

随着工具能力的变化，我们有机会重新安排这些事情。

让 AI 承担一部分重复操作，让不同的专业能力参与具体任务，让做过的工作留下可以再次使用的方法。

人仍然需要确定方向、理解需求、作出判断、承担责任。

但不必把每一步执行都牢牢抓在自己手里。

《WorkBuddy 实战》所讲的，正是这样一种逐步改变工作方式的方法：从完成第一份周报开始，学会清楚地交代任务；从处理文件和数据开始，学会检查交付成果；再到创建 AI 专家、定制 Skill、连接办公系统，让更多日常工作有条理地推进。

对于普通人来说，改变或许不需要从一项宏大的计划开始。

明天上班时，面对那份又要重新整理的表格、那篇又要从头修改的材料、那份又要花几个小时制作的汇报 PPT，可以先问自己一句：

这件事，有没有一部分可以交出去？

当越来越多的重复劳动有了更省力的处理方式，我们才可能把时间真正留给那些更需要经验、判断、沟通和创造力的事情。

毕竟，工作的价值，从来不应该只用忙碌的程度来衡量。

一个人能够把多少事情做完固然重要，能够把时间用在什么事情上，或许更值得我们认真思考。

* 文章为作者独立观点，不代表笔记侠立场。