01 · 团队 AI 协作的新挑战
个人用好AI，和团队用好AI，完全是两码事。
假设你是一个三人小团队的技术负责人。你自己已经掌握了提示词技巧，知道怎样让AI输出高质量的代码。但是：
- 你的队友 A 还不太会用AI，他的提示词很模糊，经常要反复调试
- 队友 B 刚学会用AI，但太依赖了，所有代码都让AI写，自己只验证一遍
- 三个人各自在用不同的AI工具，没有统一的工作流
- 队友们发现了一些很有用的提示词，但只存在他们各自的笔记里，没人分享
- 代码质量参差不齐，有的很规范，有的有明显的AI痕迹
这就是团队AI协作的真实写照。三个问题特别致命：
问题 1：信息孤岛。每个人有自己的AI技巧和提示词，但没有系统地共享。一个人花一周摸索出来的好方法，可能其他人永远不知道。
问题 2：提示词资产流失。好的提示词就这么放在个人笔记里，如果这个人离职了，这笔资产就丢了。
问题 3：质量参差不齐。每个人用AI的方法不一样，输出的质量差异很大，这对产品和项目的一致性有害。
02 · 团队 AI 协作的三个层次
不是说要所有团队都一步到位达到最高层次。而是根据团队成熟度，逐步提升。
🔵 基础层：共享提示词模板库
这是最简单的一步。建立一个共享的地方（比如 Notion、Confluence、Google Doc），把团队里好用的提示词都放进去。
包含内容：通用提示词（写文案、写代码、做分析）、针对特定场景的提示词（我们产品的AI文案应该怎么写）、常见问题的模板。每个提示词都要有简短的说明（什么时候用、怎样调整）。
最简方法：每周花 15 分钟，让团队成员贡献一个好用的提示词。这样积累，一个月就有一个不错的库了。
🟢 中级层：统一工作流 SOP
不是说每个人都要一样的提示词，而是说工作流要统一。怎样开始一个AI协作、怎样验证质量、怎样存档结果——这些都有标准流程。
例子：假设你是个内容团队。统一的工作流可能是：
- 首先，用 CRAFT 框架写提示词（必须包含上下文和输出格式）
- AI输出后，由非创作者做第一次检查（看看有没有根本性错误）
- 创作者做第二次检查（看看风格和品质）
- 定稿后，存到文档库里，注明使用的提示词和微调方法
建立 SOP 的关键：不要过度复杂。3-5 个核心步骤最好，多了团队就不会执行。
⚡ 高级层：AI 协作文化与规范
这不只是工作流，而是一种文化。整个团队都相信AI是工具，不是魔法；都知道怎样问题解决；都愿意分享和学习。
特征：
- 团队有个"AI先锋"或"AI教练"，定期做知识分享
- 团队会定期讨论"我们应该怎样用AI"，规范会随AI进化而更新
- 失败的AI使用也被讨论，所有人都能从别人的错误中学习
- 有意识地在某些场景做"AI人工对比"，看看什么时候AI做得更好
如何达到这个层次：需要领导者的持续推动。不能靠制度，要靠氛围。
03 · 团队提示词资产沉淀
一个好的提示词是团队的无形资产。问题是：怎样让个人的发现变成团队的知识？
建立共享提示词库的最简方法
不需要复杂的工具。最简的方法：
- 选择一个每个人都能访问的地方：Notion、Confluence、Google Docs、GitHub Wiki，任选其一
- 建立一个统一的模板：每个提示词条目包括（提示词本身、用途说明、何时有效、常见调整）
- 分类管理：按职能（内容、代码、分析）或按任务类型（头脑风暴、优化、翻译）都可以
- 明确责任：谁来维护这个库？（建议是有个人专门负责整理和更新）
提示词的版本管理和更新机制
提示词会过时。随着AI能力的提升、你对问题理解的加深，好的提示词也需要更新。
建议的更新机制：
- 添加"更新日期"和"更新说明"：什么时候更新的、为什么更新、改了什么
- 保留旧版本的链接：有时候新版本不一定适用所有场景，旧版本还有参考价值
- 定期"提示词健康检查"：比如每个季度，团队一起审视最常用的提示词，看看有没有可以优化的
- 激励机制：贡献好提示词的人应该得到认可，最简单的方法就是在库里署名
04 · 对 AI 能力参差不齐的团队怎么办
现实是：不是所有人都会以同样的速度学会用AI。有人天生对新工具敏感，有人比较保守，有人甚至有点抵触。
关键的心态转变：不强制所有人达到同一水平。
分层策略
第一层：认可那些"AI先锋"
每个团队里都会有 1-2 个人，对AI特别感兴趣，学得特别快。不要让他们停下来等其他人。反而要给他们更多的机会：让他们去尝试新的AI工具、参加AI培训、然后回来教别人。
第二层：为不同能力的人设定不同的目标
有人能设计复杂的系统提示词，有人只是偶尔用AI加速重复工作。这都很正常。给每个人的目标应该是不一样的。初级用户的目标可能是"学会用 CRAFT 框架写提示词"，高级用户的目标可能是"优化团队的AI工作流"。
第三层：建立内部知识分享机制
定期的、低压力的分享。比如：
- 每周一个"AI小贴士"（5分钟讲座，分享一个用法）
- 月度的"遇到的坑与解决方案"讨论（失败的例子很有教育意义）
- 季度的"新工具尝试报告"（有人试了新的AI工具，分享优缺点）
如何引导抵触 AI 的同事
有些人一开始就对AI有偏见：觉得AI不靠谱、怕被AI替代、或者就是习惯了旧方式。
不要强制。给他们看具体的、他们能理解的好处。
- 不说"AI很强大"，说"用AI做这件事，你能省 2 小时"
- 不说"未来大家都要用AI"，说"现在我们某某团队用AI，工作更轻松了"
- 给他们一个"低风险的试验"机会：选一个他们不太在意的小任务，让他们试试AI
- 如果他们用了AI解决了一个问题，立即表扬和分享这个案例
核心原则：接纳差异，而不是消除差异。整个团队不用都是AI高手，但每个人都应该知道AI怎样能帮到自己。
05 · 团队 AI 使用规范的基本要素
如果团队要建立AI使用规范，不需要复杂的文件，但需要清楚地说明几个关键点。
要素 1：数据安全基线（强制执行）
这是最关键的，也是不能妥协的。
- 明确哪些数据绝对不能给AI：客户个人信息、公司未公开的财务数据、商业秘密、用户隐私
- 哪些数据可以给，但要脱敏：比如可以把真实的客户数据变成"匿名用户案例"再给AI
- 如果用企业级的AI（比如 ChatGPT 的企业版）：明确说明公司有什么政策和选项
要素 2：质量验证要求
关键输出不能直接用AI的稿。比如：
- 面向客户的内容：必须人工审核，尤其是法律、金融相关
- 代码：必须代码审查，不能盲信AI
- 决策相关的分析：数据和逻辑必须被验证
要素 3：分工原则
什么工作应该交给AI，什么工作应该保留给人？
- AI擅长的（应该用）：重复性工作、初稿生成、信息整理、格式转换
- 人应该做的（不应该让AI做）：战略决策、创意构思、人际沟通、质量把关、伦理判断
要素 4：更新机制
AI在快速进化，规范也要跟着进化。
- 每个季度回顾一次规范，看看有没有需要调整的
- 当新的AI工具出现时，团队有个评估新工具的标准流程
- 鼓励反馈：如果某条规范不合理或过时，团队成员应该能提出来
练习：设计你的团队 AI 规范
如果你是团队负责人
- 列出你的团队当前最常用的 5 个 AI 工具或任务
- 对每一个，写下：
- 这个工作用 AI 的好处是什么
- 可能的风险是什么（数据安全、质量、过度依赖）
- 应该有什么样的检查机制
- 起草一份简单的"团队 AI 使用指南"（不超过 1 页），包含：
- 哪些数据绝对不能用
- 哪些工作必须人工审核
- 推荐的工具和平台
- 拉一次团队会议，讨论这份指南，征求反馈
如果你在团队里但不是负责人
- 观察你的团队，识别出 AI 能力参差不齐的具体例子
- 选择一个最好用的提示词或工作流，尝试分享给至少一个队友
- 组织一个 15 分钟的"AI 小贴士"分享（给你的团队或部门）