前几天分享了AI制作PPT的方法论，但缺少实战案例，总觉得说服力不够。恰好昨天我需要完成一份演示文稿，借此机会深度测试了几款工具的最新模型，整个过程的效率和质量都远超预期，是一个绝佳的真实案例。记录下来，希望能为需要的朋友提供一套可复制的实战思路。
案例背景
我需要了解几个教育部哲学社会科学实验室的具体情况,并制作一份详实的PPT介绍。传统做法可能需要:
逐个搜索实验室信息(2-3小时)
整理归纳核心内容(1-2小时)
设计PPT框架结构(30分钟)
制作PPT页面内容(2-3小时)
总计至少需要6-8小时的工作量。
而通过AI工具的组合使用,我将这个过程缩短到了不到1小时,且中间几乎无需人工介入。
摸索过程:那些"翻车"的尝试
在找到正确方法之前,我其实经历了几次失败,但这些失败经历同样宝贵。
尝试1:Kimi深度研究——提示词太简单导致偏离方向
我最初尝试用Kimi的深度研究功能,提示词写得比较简单。Kimi反过来询问我做研究报告的目的,我的回答可能不够具体,结果它开始深度研究后就偏离了我的意图,最终查找失败。
因为免费额度只有一次,我没能再尝试调整提示词。这次失败让我意识到:对深度研究类任务,前期的需求明确比什么都重要。模糊的目标只会让AI做无用功。
尝试2:千问深度研究做PPT——理解了任务却选错了输出形式
我也尝试让千问直接帮我做PPT,而且是在深度研究模式下进行的。它尽心尽力地工作了10多分钟,给我的结果却是一份关于"如何做PPT"的详细文字研究报告——包括PPT制作的具体要求、设计原则、注意事项等等,让我哑然失笑。
千问确实理解了"PPT"这个关键词,但它把任务理解成了"研究PPT制作方法",而不是"用已有内容生成PPT"。这说明AI工具各有所长,深度研究模型擅长信息整合,但不擅长内容呈现。
这两次"翻车"经历,反而帮我理清了正确的工作流程。
第一步:用千问深度研究模型完成资料收集
我首先使用了千问的深度研究功能,输入的提示词非常简洁明确:
"查找以下教育部哲学社会科学实验室的资料,撰写各实验室的情况介绍报告,重点说明各实验室所依托的学院、核心研究团队、主要研究成果、具体研究方向。依次列出实验室名称。"
千问立即给出了工作计划反馈,明确了调研的五个步骤:
收集基本信息(依托学院、成立时间)
整理核心研究团队
收集主要研究成果
归纳具体研究方向
对重点实验室进行详细补充
系统提示研究需要约10分钟,期间我可以离开,研究会在后台继续进行。
10多分钟后,我收到了一份26页的深度调研报告。 报告内容结构清晰,涵盖了我需要的所有信息。更让我惊喜的是,报告末尾附上了135个引用网页的完整链接,每一个信息来源都可追溯验证。
第二步:用Kimi的OK Computer模型自动生成PPT
拿到调研报告后,我将文件上传给Kimi,使用了OK Computer模型,提示词极其简单:
"将报告中的内容做成PPT"
Kimi首先分析了报告内容,确认信息已经足够完整,只需进行结构化梳理和视觉化呈现。接下来,它自动制定了详细的工作计划:
设计视觉方案
构建演示文稿大纲
搜索和生成配套图片
逐页生成PPT具体内容
整个过程用时约30分钟,我完全没有参与,Kimi自动按计划推进。 最终得到了一个40页、内容充实、可编辑的PPT。
制作完成后,Kimi还贴心地附上了:
这份总结简洁明了,让我能快速把握PPT的核心价值。
几点感受
这次实践给了我一些关于AI工具使用的新思考:
1. AI工具的组合使用价值远大于单一使用
千问擅长深度研究和信息整合,Kimi擅长内容呈现和自动化执行。两者的组合产生了"1+1>2"的效果。这提示我们，不同AI工具有各自的能力边界,学会组合使用才能发挥最大价值。
未来我们可能需要建立一个"AI工具能力图谱",明确什么任务用什么工具最合适,就像使用不同的专业软件一样。
2. 提示词的颗粒度决定了AI的发挥空间
给千问的提示词非常具体(列出了4个重点维度),而给Kimi的提示词则非常简洁。这是因为，前序工作越扎实,后续任务的提示词就可以越简单。
这揭示了一个重要原则:在流程的前端投入精力做好结构化设计,后续环节就能实现高度自动化。
3. AI的"自我规划能力"正在成为核心竞争力
千问和Kimi都展现了出色的任务分解和自我规划能力。它们不是被动执行指令,而是主动制定工作计划、预估时间、反馈进度。这种"主动性"让AI从工具升级为协作者。
这也意味着,未来评价AI工具的标准,不仅是"能做什么",更重要的是"能否自主规划如何做"。
4. 信息溯源能力是AI工具可信度的关键
千问提供的135个引用链接,让整个报告具备了可验证性。这在学术研究、商业分析等需要严谨性的场景中至关重要。AI生成的内容不再是"黑盒",而是可追溯、可验证的知识网络。
这也提醒我们,选择AI工具时,要特别关注其是否提供信息来源,这直接关系到内容的可信度。
5. AI正在重构"人的时间价值"
传统工作中,大量时间花在信息搜集、整理、排版等重复性劳动上。AI工具的介入,让我们可以把时间集中在:提出好问题、做出好判断、产生新洞察。
这次案例中,我的核心价值体现在:明确调研框架、判断报告质量、决定是否采用。人的角色从"执行者"转向"决策者"。
千问研究10分钟、Kimi制作30分钟,这段时间我可以去做其他事情。AI工具让并行工作成为可能,一个人可以同时推进多个项目,只需在关键节点介入即可。
6. 容错成本的降低鼓励更大胆的尝试
以前尝试新工具或新方法,成本很高(时间、精力、金钱)。现在有了AI工具,失败了就换个工具或换个提示词,几分钟就能重新开始。这意味着我们可以更大胆地探索不同的工作方法,更快速地找到最优解。
写在最后
这次实践让我意识到，AI工具的真正价值不在于替代人,而在于放大人的能力。 它们帮我们处理繁琐的执行层工作,让我们有更多时间思考战略层问题。
同时,这也对我们提出了新要求:
要学会提出结构化的好问题
要具备判断AI输出质量的能力
要建立多工具协作的工作流
要勇于试错,从失败中快速学习
那些"翻车"的经历能帮我们更快地理解每个工具的边界,找到最优的组合方案。
