2026-11-18 · 16 min read

自动化只有两部分:一个目标,一个流程

一份面向非技术读者的自动化入门整理。作者把自动化拆成最朴素的两件事——目标是你最后想拿到什么,流程是你怎么到达——然后指出最常见的错误:把流程误当成目标(填表、发邮件都不是目标,只是步骤)。中段给了一套很实用的交代方法:用语音把脑中的步骤、留意点、工具、验收方式、信息来源一次说完,不用先整理。后半段讲两个进阶点:一是那些「你根本没意识到自己在做」的判断,二是让机器人自己去拿反馈来改进流程。

本文整理自一篇面向非技术读者的官方教程类长文。内容属整理稿而非逐字照搬。

文中提到的产品与功能描述沿用原文,未做外部核验,也不构成推荐。

开场那个拆法

作者说自动化「意外地难做好,即使对天天做的人也是」,然后给了一个极简的拆法。

自动化其实只是一种思维方式,任何人都能学。它就是系统性地、有逻辑地想事情,把事拆成小步骤,同时心里记着目标。

而它只有两部分:

部分是什么
目标你最后想拿到的东西
流程你怎么到达那里

他举了两个日常例子,而这两个例子选得很好——一个偏「配方」,一个偏「应变」。

烤苹果派:买齐材料、组装、烘烤、放凉。

换轮胎:

你可能需要想办法把车顶起来,才能碰到轮胎;找到工具拆下旧的、换上新的;然后把一切装回去。

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart LR
    A["目标:换好轮胎"] --> B["流程:顶车 → 找工具 → 拆装 → 复位"]

上图是这个关系。注意换轮胎的流程里有「想办法」——它不是一个照单执行的配方。

自动化的定义

自动化还是这两件事,只是多了一样东西:机器。

比如面包店用来批量烤派的机器;或者代码——软件工程师以前手写代码,就是为了自动化那些计算机能做的事。

关键是把事拆成通往目标的步骤,再把流程自动化,这样你就不必每次都亲自做。

而他点出了这轮变化的意义:

一两年前,自动化只属于那些懂怎么造机器、或会写代码的人。

现在,凡是用电脑能完成的事,非技术的人也能做到了。

先说目标,而且别把流程当目标 ⭐

这一节我认为是全篇最该记住的。

我经常看到的一个错误,是人们把流程误当成目标。

比如你在工作上已经有一套很明确的流程。但目标不是「填完一张表」,也不是「发一封邮件」——那只是流程里的一步。

而正确的问法是:

想想最后的目标:这套流程是为了什么?它在业务里处在什么位置?

它是在帮公司提高收入(比如成交一笔、做出新功能),还是在降低成本(比如刚好订到合适数量的库存)?

如果答不上来,他给了很实在的建议:

跟你的经理或同事聊聊,或者干脆让机器人帮你一起想清楚。

而「先定目标」的好处他说得很清楚:

明确目标是最好的起点,因为它把你和机器人都聚焦在最终结果上。

你甚至可能发现,机器人能想出办法让流程更高效——所以别太执着于某个具体流程,它毕竟只是手段。

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart TB
    A["填表 / 发邮件<br/>= 步骤"] --> B["流程"]
    B --> C{"它到底为了什么"}
    C --> D["提高收入"]
    C --> E["降低成本"]
    D --> F["目标"]
    E --> F

上图是这条追问路径。它的作用是把「我在做什么」换成「我为什么做」。

那套交代流程的方法 ⭐

这是全篇最实用的部分,而它的关键建议是「别先整理」。

给机器人这些信息最好的方式,是用语音输入边说一阵——

把完成这项工作所需知道的一切一口气说完,不用担心中间跳跃,也不用先整理思路。

该说什么,他给了六项:

说什么
你通常走的步骤
你会留意、会特别注意的事
你用的应用和工具
你怎么检查这项工作做对了
你从哪里拿到需要的信息(邮件、即时消息、工单、某个应用或网站)
你从哪里拿到关于「做得怎么样」的反馈

「不用先整理思路」这个建议我觉得有反直觉的价值。因为整理的过程往往是丢失细节的过程:你会把「我当时想了一下才决定」这类关键判断当成废话删掉。

而那句提示词里有个重要的约束

在开始之前,用简单的英文复述你认为我的目标和流程是什么,这样我可以给你反馈和确认。

我不要你现在就开始执行——我们先把流程规划好。

「先复述,别执行」——这个顺序很重要。 因为一旦它开始执行,你的注意力就会被具体动作吸引,而错误的目标会被一路执行到很深的地方。

而他给了一个很宽容的提醒:

**别担心第一遍就做对。**看它说了什么,然后用更多信息去纠正它。

这样来几次之后,你应该就有了一个自己满意的东西。

那些「你根本没意识到自己在做」的判断 ⭐

这一节是全文我认为最有洞察的。

解释一个流程时,很容易忘掉一件事:有多少判断是你根本没想就做了的。

如果你在帮客户预约,你大概知道哪些服务更耗时、谁能做哪一项、两个预约之间什么时候该留余地。

这些决定在你看来可能显而易见,但你的机器人也需要这些上下文。

想一想:你自己做这件事的时候在留意什么?什么会让你改变做法?

而他补了一条我认为特别实操的:

还要告诉它你从哪里得到这些信息,以及你怎么检查这项工作被正确完成了。

比如:一封邮件和你的预约系统显示的时间不一致,它应该信哪个?

以及那个「不算完成」的例子:

**一笔预约不是「邮件发出去了」就算完成。**预约要被正确保存,客户要拿到确认。

如果还在等某些细节,让机器人记着这件事,以便它之后接着做,而不会不小心又建了一笔重复预约。

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart LR
    A["邮件发了"] -.->|"不等于"| B["预约完成"]
    B --> C["已正确保存"]
    B --> D["客户已确认"]

上图是这个区分。它和前面几讲那条「已提交部署不等于成功」是同一种错。

一种让 AI 帮你找盲区的方法

他给的那句提示词我觉得设计得很好:

「帮我弄清楚,关于这个流程还有哪些是我没告诉你的。请就这些方面问我问题: 我怎么做判断、我从哪里拿信息、我怎么检查工作、以及什么时候该来找我帮忙。

一次问一个问题,然后带我走几个例子,让我在自动化之前能给你反馈。」

「一次问一个问题」这个限定很关键——因为一次抛五个问题,人会挑最好答的那个答。

让机器人自己去拿反馈 ⭐

这一节把「改进」这件事从人身上挪到了系统上。

机器人跑起流程之后,给它反馈让它改进很重要。

最好的方式是:给它配好应用和工具,让它自己去拿到那份反馈。

他的思路是一句反问:

我会想:如果是我在做这件事,而且我想自我改进,我会怎么做?

具体例子:

假设由机器人负责预约排期,一个让它自己改进的办法,是让它盯着邮件、社交媒体或者点评站上的用户评价。

它可以留意这些反馈,然后主动提出流程改进建议。

而那个诊断场景很具体:

也许有客户在点评网站上写「等了很久才有人接待」。

如果它能自己去查这条信息,同时查出你那天关于这位客户的所有记录,它就能看出可能哪里出了问题。

数据越多,自动化越强

他说得很直接:

从这个意义上说,你的业务越「计算机化」,对机器人和自动化越有利。

这些数据的可得性,才让机器人有能力提出更好的改进。

而这里有一个我觉得最聪明的提议:

最好的部分是——它还能帮你造工具来拿到这些数据。

比如你经营修车服务,你可以让它给你做一个应用,在电脑和手机上记录客户到店的细节。

记什么?他给了一条时间线:

时间点
客户到店
能跟服务顾问说上话
你把钥匙交出去
服务开始 / 结束

你就能算出他们等了多久,也更能诊断出为什么。

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart LR
    A["到店"] --> B["说上话"] --> C["交钥匙"] --> D["开始"] --> E["结束"]
    B -.->|"这段就是等待"| A

上图是这条时间线。注意它把「等待」变成了一个可测量的区间——而原本这个体验只是「感觉等了很久」。

那个关于「身份」的技术前提

如果你有某种 ID——某个编号或者唯一的文本,比如邮箱地址,能给数据一个身份——机器人就能跨多个来源交叉比对。

这可以是客户 ID、邮箱、订单号、零件号、条码、员工编号等等。

如果你用多个应用和服务,让这些工具里都有唯一且一致的 ID,能帮它把数据聚合起来,让它完整理解发生了什么。

「唯一且一致的 ID」这条听起来像技术细节,其实是自动化的地基——没有它,数据就是一堆互不相认的碎片。

什么时候自动跑

下一个问题是:机器人该什么时候干活?

是收到邮件时、有人发消息时,还是按固定时间表?

而他给了一个分阶段的做法:

没有 routine 的时候,机器人只会在你要求时才干活。

刚开始用的时候这样没问题,但如果你想精简流程,就得想办法让它自动做——这样你才不再是瓶颈。

「你不再是瓶颈」——这句话点出了自动化的真正门槛:不是能不能做,而是每次都要你说一声。

我的三点补充

以下是评注,不是原片内容;取舍由我负责。

第一,「把流程误当目标」这个错误之所以普遍,是因为流程是可见的,而目标是抽象的。 你能看见自己在填表、发邮件、点按钮;但「这降低了成本」不在任何界面上。所以人会自然地把注意力放在看得见的东西上——而自动化的价值恰恰藏在看不见的那一层。这也是为什么「这个流程为了什么」必须刻意去问。

第二,「用语音一口气说完,不用先整理」这条建议,其实是在保护那些最容易被删掉的信息。 因为你一整理,就会按「重要性」排序,而把「我当时犹豫了一下」这类判断当成废话删掉。但那恰恰是流程里最需要被自动化的部分,因为它最难、最费神。所以「不整理」不是偷懒,是防止信息的自我审查。

第三,「让机器人自己拿反馈」这一步,把自动化从「执行」升级成了「改进」。 而它成立的前提很硬:反馈必须能被机器读到。所以那句「业务越计算机化越有利」不是推销,是这套方法的结构性条件——没有数字化的反馈,机器人只能执行你教的流程;有了它,机器人才可能发现你没教的那些。


一句话总结:自动化不是把动作录下来重放,是先想清楚「我要什么结果」,再让它自己找路径。 而它真正的门槛不在技术,在你愿不愿意把那些「不用说也懂」的判断说出来。

搜索全站

输入关键词,查找项目与实践记录。