工具编排官Tool Orchestrator
0/7 节
未解锁
☆
手里有把好工具,别拿锤子拧螺丝
工具的价值不在多,在于配对。这一章把工具分成"生成、理解、自动化"三层,每节都换一个领域练手:室外三维、工业设备、声音、图表、文档,逼你在陌生领域里也能 30 分钟内选出对的工具。
2.1工具三层地图:生成 · 理解 · 自动化认知
理论所有 AI 工具只干三件事:生成新内容(图、文、代码、视频)、理解已有内容(读图、读表、读长文档)、自动化重复动作(定时、批量、串流程)。分清层,选型就不会乱。
工具一张纸一支笔(先手画),再落到电子表格。
目标画出属于自己的三层工具地图,每层至少填 3 个真实用过的工具,不留空格。
实操过程- 列出你现在手上的活,按"要产出新东西 / 要读懂旧东西 / 要重复做"分堆。
- 每堆写上你实际用过的工具,没用的不写。
- 标出每堆里"还没有工具"的空位——这就是你的采购清单。
- 把最贵的那个工具找出来,问一句:它解决的问题能不能被便宜的替代。
结果呈现一张 A4 三层地图,能一眼看出自己哪一层是空的。
修正优化最常见的问题是"生成层堆了 8 个工具,理解层 0 个"——说明一直在产内容却不读资料,产出自然空。先补空的那层。
先完成上一节 ,这一节才会开
2.2室外 3D 建模:从照片到可漫游场景3D · 室外
理论室外场景比室内多三件事:地形、远景、光照。先把这三样写成参数,再让模型生成几何体,比直接说"做个园区"靠谱十倍。
工具代码生成(three.js / WebGL)+ 参考照片。
目标交出一个能 WASD 漫游、能右键转视角的园区场景页面,含地面、道路、主楼、树木。
实操过程- 先定尺度:总平面多少米,主楼多高,道路几米宽。
- 写物件清单与摆放坐标,让模型按清单建。
- 加相机控制与光照,保证首屏不是黑屏。
- 打开后绕着走一圈,记录穿模与悬空。
结果呈现一个能走进去的园区漫游页,首屏 3 秒内出画面。
修正优化首屏黑屏先查光照与相机初始位置,别急着改模型;远处发灰就加雾并降远景面数,比堆细节有效。
先完成上一节 2.1,这一节才会开
2.3工厂设备拆解:BOM 与结构说明工业
理论拆解的本质是"层级 + 关系":设备→总成→部件→零件,加上装配顺序与关键参数。模型擅长的是把散落的资料整理成层级,不擅长凭空知道型号参数。
工具对话式 AI + 你的图纸/铭牌照片 + 表格工具。
目标把一台设备拆成四级结构表,附一张爆炸示意图与一份巡检要点。
实操过程- 先喂资料:铭牌照片、说明书目录、现场照片。
- 要求输出四级层级表,字段固定为:序号/名称/所属总成/数量/关键参数。
- 让它生成爆炸示意图(可用分层图代替真三维)。
- 挑三个部件,让它写"坏了会有什么现象"。
结果呈现一份可打印的结构表 + 一张爆炸图 + 三条故障征兆。
修正优化型号参数必须回到铭牌核对,AI 写的参数十有八九是同类设备的"常见值"。凡参数没出处,标红。
先完成上一节 2.2,这一节才会开
2.4声音:一份口播稿到成片音频
理论声音成败在"节奏",不在音色。改写时按呼吸断句、把书面语改成口语、控制每秒 4~5 字,成片就不会像念稿。
工具文本改写 + 语音合成 + 视频合成。
目标把一份 300 字的产品说明做成 60 秒口播音频,再用一张图配成短视频。
实操过程- 先把稿子改成口语:删长定语、拆长句、每句不超过 20 字。
- 标出重音与停顿位置。
- 合成音频,逐句听,记录拗口处。
- 配图成片,检查字幕与语音是否对齐。
结果呈现一条 60 秒可发的口播视频,字幕无错位。
修正优化听感像机器人,多半是句长太整齐——故意插入 3~5 字的短句做变化,比换音色有效。
先完成上一节 2.3,这一节才会开
2.5图表:一句话出一个数据看板可视化
理论先定"读者要做什么判断",再选图。要比较量级用条形,要看趋势用折线,要看构成用堆叠——选错图,数据再准也白搭。
工具图表库(ECharts 为主)+ 表格数据。
目标用一份真实数据生成单页看板,含 3 张图 + 1 条结论文字。
实操过程- 先写三句判断:涨了还是跌了、谁最多、哪里异常。
- 每句判断配一张图,不许多配。
- 生成后检查:坐标轴从 0 起、单位写清、颜色不超过 5 种。
- 手机上看一遍,图表是否被压成一根线。
结果呈现一页能直接截图汇报的看板,手机上也不错位。
修正优化饼图分片超过 5 块就换成横向条形;两张图强行共用双 Y 轴,几乎一定在骗人,拆成上下两张。
先完成上一节 2.4,这一节才会开
2.6文档流水线:PDF → 纪要 → 演示稿文档
理论长文档处理的诀窍是"分段读、分层存":先出摘要,再按需回原文。一次性丢给模型,它只会记住开头和结尾。
工具文档解析 + 对话式 AI + 幻灯片生成。
目标把一份 30 页 PDF 变成 1 页纪要 + 8 页演示稿,关键页码可回溯。
实操过程- 先要一份目录级摘要,确认它读全了。
- 按章节逐段提炼,每段标注页码。
- 把纪要转成 8 页幻灯片大纲,一页一个论点。
- 抽查 3 个数字,回原文核对页码。
结果呈现一页纪要 + 8 页演示稿,每个关键数字后面带页码。
修正优化摘要"什么都有但什么都没说",是要求太泛。改成"每节只留一个结论,附一条证据",立刻变锋利。
先完成上一节 2.5,这一节才会开
2.7选型避坑:五个不该用 AI 的场景判断
理论AI 擅长"有大量先例、可快速试错、错了不致命"的活;不擅长"零先例、一次性、错了要命"的活。判断标准只有一条:错了的代价谁承担。
工具无,纯判断训练。
目标写出你自己的"禁用清单"五条,并给每一条配一个真实反例。
实操过程- 回顾过去半年因 AI 出错的 5 件事。
- 给每件事归类:是知识缺失、还是判断缺失。
- 写成禁令句式:"凡涉及___,必须人工复核"。
- 把清单贴在团队群里,作为共同约定。
结果呈现一张五条禁令卡,每条都有真实事故做背书。
修正优化禁令写得太空(如"重要的事情要复核")等于没写。必须写到"金额超过多少、涉及哪类文件、谁签字"这种可执行粒度。
先完成上一节 2.6,这一节才会开