每天学 30 分钟，7 天搭出第一个 AI 工作流：我把 OpenAI 的新课程重新整理了一遍

用了几个月 AI，很多人的日常可能还是这样：打开聊天框，重新交代背景，等它生成一版；结果不合适，再补两句。下次遇到相似任务，又从头解释一遍。

会用 AI，和把 AI 放进自己的工作里，中间还差着一段距离。

OpenAI 在 6 月 12 日发布了 3 门新课程，内容从基础使用讲到工作流和 Agent。我按这个方向重新整理了一份 7 天练习计划，每天大约 30 分钟，最后做出一个自己可以重复使用的 AI 工作流。

3 门课程来自 OpenAI 官方；7 天计划和每日练习时长是我根据课程内容重新设计的，并非官方课时。

OpenAI 新出的 3 门课，刚好对应 3 个使用阶段

第一门是 AI Foundations，主要讲日常工作中如何使用 AI，包括怎么描述任务、补充背景、检查结果，以及如何处理数据和安全问题。

第二门是 Applied AI Foundations，开始把 AI 放进真实工作。课程会涉及研究、分析和多步骤任务，也会讲怎样把一次有效使用整理成可以重复执行的方法。

第三门是 Agents and Workflows。到了这一层，重点已经从单次回答转向任务执行：AI 需要知道目标、可用工具和行动边界，人负责决定哪些步骤可以交出去，以及在哪里停下来检查。

我会把这三个阶段记成一条很简单的路径：

把一次任务做对 → 把有效方法保存下来 → 让 AI 连续完成其中几步

很多人卡在第一步，原因通常也不复杂。今天换一个提示词，明天试一个新工具，确实能让某次结果变好，但这些经验没有被留下来，下一次还是得重新来过。

第 1-2 天：先把一个重复任务说清楚

第一天先选任务，工具可以放到后面。这个任务最好来自你的真实工作，每周至少出现一次，过去需要花 30 分钟以上。

可以从这些任务里选一个：整理会议记录、跟踪竞品、归类客户反馈、收集行业信息、准备周报。任务越具体，后面越容易判断 AI 到底有没有帮上忙。

第二天，用下面这个结构写一份完整的提示词：

用同一份资料连续测试两次。如果两次输出的结构基本稳定，也不需要你重新解释大部分背景，这一步就算完成。

第 3-4 天：把人工检查写进流程

第三天不要继续加提示词，先看 AI 在哪里容易出错。以行业信息整理为例，它可能会漏掉发布日期，把创始人自述写成确定事实，或者引用一个已经失效的链接。

把这些问题改成明确的检查要求：

• 每条信息保留发布日期和原始链接

• 收入、用户量和融资数字标明来源

• 找不到原始出处时写「待核实」

• 不要根据标题补充正文没有提供的结论

第四天，再把整个任务拆成 4 到 6 步。每一步都要能回答两个问题：需要什么输入，完成后留下什么结果。

例如一份每周行业简报，可以这样拆：

收集来源 → 删除重复内容 → 提取数字与案例 → 按主题分类 → 生成摘要 → 人工确认

如果换一个人照着这套步骤，也能知道下一步做什么，工作流的轮廓就出来了。

第 5 天：把 Prompt、资料和检查清单放在一起

到了第五天，把前面验证过的内容保存成一份模板。它至少要包含任务说明、资料位置、输出格式和检查清单。

存在哪里不重要，Notion、Obsidian、Google Docs，甚至一个 Markdown 文件都可以。重点是下一次执行时，不用翻聊天记录，也不用重新回忆上次是怎么做的。

可以直接用这个结构：

这一步做完，你已经拥有一个可以重复使用的流程。它暂时还不需要调用复杂的 Agent。

第 6-7 天：让 AI 连续完成几步，再跑一次真实任务

第六天，可以让 AI 连续处理两到三步，例如读取资料、分类和整理格式。先从低风险动作开始，不要自动发布内容，也不要允许它删除文件或对外发送消息。

这里有一个实用要求：资料不够时，让 AI 停下来询问，不要靠猜测把任务补完。工作流能不能长期使用，通常取决于它遇到问题时是否知道停下来。

第七天，用一项真实任务完整跑一遍，并记录三件事：过去花多长时间，现在花多长时间；哪些地方仍要人工修改；最终结果有没有更稳定。

如果没有节省时间，结果也没有变好，那就删掉多余步骤继续修改。工具加得再多，也不能替代这个判断。

我自己的选题流程，也是在这样调整

拿我现在的 X 选题流程来说，最开始就是一个很长的对话：我让 AI 搜集热点，它给出几个方向；我发现选题不合适，再让它换；数据有问题，还要返回去查来源。

现在这套流程被拆成了几个固定步骤：

• 收集最近 7 天的候选来源，保留日期和链接。

• 记录其中的收入、用户量、效率或产品数据。

• 按关注转化、收藏价值、账号匹配和来源强度打分。

• 生成 5 个候选选题，由我选择要不要继续。

• 选题确认后再写初稿，完成语言和来源检查。

这套流程仍然需要我中途判断。AI 可以做收集、整理和初稿，我来决定选题有没有意思、观点是否成立，以及最后能不能发。

对我来说，这已经比追求全自动更实用。它减少了每天从空白开始的时间，也把那些反复纠正过的问题留在了流程里。

7 天之后，用这 6 个问题检查结果

• 这是不是一个真实存在、会重复出现的任务？

• 输入资料有没有固定位置？

• AI 是否知道输出格式和合格标准？

• 哪些地方需要人工确认，是否已经写清楚？

• 下一次运行时，还要不要重新解释整套背景？

• 最终有没有节省时间，或者让结果更稳定？

前五项决定这是不是一套工作流，最后一项决定它有没有继续保留的必要。

Prompt 仍然要学，但不用一直停在研究句式上。先选一个每周都会重复的任务，把有效方法保存下来，再让 AI 多完成几步，已经足够让使用方式发生变化。

7 天后不需要做出一个复杂的 Agent。只要有一项工作不再从空白聊天框开始，这套练习就有结果了。

来源

• OpenAI，2026 年 6 月 12 日：AI Foundations、Applied AI Foundations、Agents and Workflows 三门课程及课程介绍（官方信息）

https://openai.com/index/academy-courses-applying-ai-at-work/