在这次 AI 应用研讨会中，深入探讨了 Claude 大模型的应用场景和实用原则。

六大高价值应用场景

1. 超长文本处理与信息提取

具体场景：

• 会议转录稿处理：一位参与者提到，他将长达数万字的线下课程转录稿输入 Claude，让 AI 提取关键内容并生成教程。
• 将 AI 工作流的五种模型和示例从文档中提取，重新组织成完整教程。
• 对客户会议的录音转录进行分析，提取关键痛点和需求。

使用原则：

• 针对特定主题给予明确指令，如"在文档中找出关于 AI 工作流的五种类型及示例"
• 要求 AI 不仅提取信息，还需重新组织为更易理解的形式，如"帮我做成一个完整的教程"

2. 代码开发与原型快速实现

具体场景：

• 一次性生成 800 多行代码实现产品对比分析工具
• 北京技术专家分享他使用 AI 完成了约 90% 的代码工作，包括前端开发
• 会议中演示了使用 Claude 开发天气预报网站，能够显示中国主要省会城市天气和地图显示

使用原则：

• 明确描述产品功能和交互要求，如"帮我做一个竞品对比的 AI 大模型应用，左侧显示自家产品，另一栏是竞品选择，可以拖拽到一起进行对比"
• 当代码生成中断时，使用"continue"指令让 AI 继续完成
• 通过版本迭代方式完善功能，例如先实现基础界面，再要求添加虚拟数据和可操作的 demo

3. 流程图与可视化内容创作

具体场景：

• 将课程内容中提到的方法和流程自动转化为流程图
• 生成 SVG 格式的海报和图表
• 为企业内部管理系统创建流程图，帮助梳理部门流程

使用原则：

• 直接指示 AI："帮我在其中插入一个流程图，让内容更加方便学习和了解"
• AI 会分析逻辑关系，通过 SVG 代码方式生成图表
• 特别适合管理层需要的可视化内容

4. 复制和改进现有产品界面

具体场景：

• 截取目标软件的 UI，让 AI 进行复刻开发
• 会议中有人提到："我把一个目标软件的 UI 截下来，然后让他去做一个复刻"
• 通过 AI 快速构建与现有产品类似的界面原型

使用原则：

• 提供参考 UI 截图，明确指示："参考 UI 来进行前端设计"
• 当 AI 生成基础版本后，可逐步要求完善功能和交互

5. 多智能体任务分解与协作

具体场景：

• 一位参与者分享了将工作流拆解为"很细很碎"的部分，每个智能体只完成简单的一部分
• 例如内容创作中，将开头写作、引流内容等拆分为不同智能体处理
• 适用于复杂任务的分解处理

使用原则：

• "把问题简化成每一个问题都是你通过一些简单的提示词能够去完成的"
• 避免构建过于复杂的大型系统，而是采用多个简单系统协作方式
• 这种方法特别适合个人使用者，无需深入技术细节

6. 文档生成与软件著作权申报

具体场景：

• 会议中提到使用 AI 进行软件著作权申报文档的批量生成
• 类似于学术论文的生成，但用于软件文档
• 可能成为 AI 编程的一个潜在变现点

使用原则：

• 针对特定格式的文档，让 AI 生成符合要求的内容
• 简化重复性文档工作

AI 使用的关键原则

1. 模型选择与场景匹配原则

讨论要点：

• 针对不同需求选择适合的模型："当时我讲的那个超大号的一条龙，很多事情都集成在一起是比较侧重于工业级企业级的"
• 个人用户可能更适合使用简化版工具："如果现在完全是自己个人用的话，那就是你用那个扣子或者是像那个企微上那个定制...是比较够用的"
• 企业级应用考虑更专业方案："如果你后面会发现自己做这些事本身是可以形成一个对外服务，想把你做这个智能体去做一个比较好的商业化的话...可以考虑到 dify"

2. 输出把控原则

讨论要点：

• 设置品质关卡："把关的就是个什么口子就是最终的一个输出交付的窗口，你把卡好"
• 即使跳过中间流程，最终输出仍需达到标准："你会发现他给你的东西至少会比 60、70 分会更高一些"
• 最终审核仍由人类完成："都给 AI 了，就是让他先去折腾，AI 折腾完了之后，最后我来我再来规整"

3. 效率与投入平衡原则

讨论要点：

• 评估投入产出比："我评估你现在的情况可能会用 cos 或者是企微上的这些平台性的功能，对你的这个投入产出比会更高一些"
• 避免过度沉浸技术细节："就能避免过陷入太多的一些技术细节"
• 简化工作流程："我就把我以前想要的这种工作流，我就拆解的很细很碎，然后一次只让它完成简单的一部分"

4. 语音交互提效原则

讨论要点：

• 使用语音输入加速交互："我现在的使用方式有是大量去通过语音去跟他进行交互的"
• 容忍语音识别错误："虽然里面有很多笔误什么，但不影响他理解"
• 推荐使用讯飞的语音输入工具

5. AI 温度控制原则

讨论要点：

• 控制 AI 发散程度："不允许他太发散的话，就会出各种各样的问题"
• 根据任务需求调整参数："就那里面倒是有包括后来我们用里面开源的这些东西编程也会用哪些模型的热度"
• 对于需要创意的任务可适当提高发散度，对于精确任务则需降低

通过这些具体场景和原则，我们可以看到 Claude 等 AI 工具如何在实际工作中发挥价值，以及如何根据不同需求选择合适的使用方式。无论是个人工作还是企业级应用，理解并应用这些原则将帮助我们更有效地利用 AI 技术。