我对 AI 使用层级的变化

作为一个营销人，在过去的时间中，我尽可能花时间让 AI 介入到我的工作中。目前手上 70% 的工作内容基本已用 AI 替代，比如用 AI 做数据分析、做产品图、做 PPT 或调研报告、做批量化的种草内容拆解，甚至用 AI 在做复杂工作的产品化界面。这些都已是我工作中非常常见的部分。

工作成果展示拼图

今天分享一下我作为一个营销行业从业人员对 AI 使用程度的变化过程，以及在这个过程中个人能力的升级路线。

我对 AI 的使用大致可以分为四个阶段：

Prompt Engineering 阶段 → Context Engineering 阶段 → Workflow 式的无代码 Agent 编排阶段 → Vibe Coding 式的代码 Agent 产品构建阶段

四个阶段文字概览图

每一个新的阶段都是上一阶段的痛点驱动下的演变和进化。在这个过程中，我核心思考的是：我手头的工作 AI 能做吗？能怎么做？能批量化地做吗？对我个人的能力和对手头营销相关具体业务的理解，也在这个过程中进一步变化和升级。

层级 1：Prompt Engineering 阶段

刚接触 AI 时，我其实是在用「搜索引擎」的惯性去对待它。但很快我发现，如果只把它当成一个对话框，那简直是暴殄天物。这个阶段我的进阶路径如下：

从「一问一答」到「结构化描述」： 最初只是零散提问，得到的结果往往浮于表面。于是我开始尝试增加提示词的体量，给 AI 设定背景、目标和限制条件，试图通过增加约束来换取确定性的结果
从「手写 Prompt」到「让 AI 写 Prompt」： 很快我意识到，人类撰写的提示词在逻辑严密性上往往不如 AI。我开始转向「元编程」思路——描述我的需求原型，让 AI 帮我生成结构化的 System Prompt
从「单向指令」到「引导式对话」： AI 生成的提示词不一定精准，我开始琢磨如何通过有效的「追问」和「背景投喂」来校准它。我会告诉它我的最终交付物长什么样、受众是谁，让 AI 站在我的视角去思考
从「静态模板」到「动态迭代系统」： 我不再追求一次性写出完美的 Prompt，而是建立了一个迭代机制。比如设定特定的指令（如 /prompt 优化），让 AI 自动回溯历史对话、提取未尽之意，并自主完成提示词的升维和优化

核心使用的 AI 产品： 这个阶段我核心用的是国内外各大 LLM 平台提供的 chat 界面或 system prompt 能力。

这一阶段的成长，让我学会了如何把模糊的营销直觉，转化为机器可理解的标准化需求。

现在，我用 AI 完成任务的习惯已彻底改变：先输入需求、目标和碎片信息，让 AI 生成一个底层规则（System Prompt），再在实操中不断给这个规则打补丁，当 Prompt 比较好之后存储下来，甚至引入第三视角的 AI 来抽象这套逻辑的可迁移性。

这个阶段核心锻炼的是系统化地传递高质量信息和迭代优化的能力。

当我不再满足于单次任务的完成，而是希望 AI 能深度嵌入到我的业务逻辑中时，我发现「上下文」的质量决定了 AI 回答的天花板。以前我是针对单个问题教 AI「怎么做」，现在我开始有意识地顺着 AI 的逻辑链或给 AI 构建逻辑链，引导 AI 输出更高质量的内容。

从零散对话到构建私有知识库： 我开始整理品牌调研报告、历史营销案例、竞品拆解报告，并利用 RAG（检索增强生成）技术，让 AI 在回答前能「翻书」看一下再做回答
有序的信息喂养： 我不再一股脑把资料丢过去，而是学会有顺序、有逻辑地给 AI 投喂信息。比如先给 AI 行业信息，再给品牌痛点，再给竞品打法，最后引导输出策略。在这个过程中，我会让 AI 压缩历史信息，或者每隔几个对话轮次就让 AI 进行一次「复盘与总结」，防止它在长对话中因信息过载而变笨

核心使用的 AI 产品： 在频繁使用各大 LLM 平台的基础上，开始重度依赖知识库产品（如 Dify 的 Knowledge 模块、Coze 的 Multi-Agent 模式），甚至在文生图、生视频的流程中，也学会了通过控制 Context 来保持视觉风格的一致性。

这个过程让我明白，营销人的核心竞争力不再是写几句文案，而是你对**「信息流」的治理能力**。如何筛选最优质的行业 Know-how 并喂给 AI，成了我的新课题。

这个阶段核心锻炼的是设计流程和架构、实现复杂需求的工程能力。

当需求变得极其复杂，比如「自动拆解 1000 篇小红书爆款笔记并输出竞品分析报告」时，单靠对话已经失效了。我开始像程序员一样思考，把营销过程中的标准 SOP 提取出来，进行自动化编排。

从「任务思维」转变为「流程思维」： 我开始学习如何设计架构。把一个大目标拆解成若干子节点：数据抓取 → 笔记清洗 → 内容打标 → 风格提取 → 汇总报告
极致的流程推倒与调试： 我会经常性地推倒现有的输入输出流程，思考如何批量化处理复杂需求。在 n8n 和 Dify 之间反复调试 Prompt 的实际效果，看哪一环节的逻辑漏了，哪一环节的 AI 幻觉多了
全家桶式的协同作战： 这个阶段武器库丰富了许多。字节系的 Coze + 飞书 + 多维表格 + 即梦/豆包，配合 Google 全家桶的 API 调用，不再是单兵作战，而是在指挥一支「AI 特种部队」

这本质上是一种**「营销工程化」**的尝试。最强的营销人不仅要懂审美和洞察，更要懂如何把这些感性的经验，拆解成理性的、可被机器执行的流程。

这个阶段核心锻炼的是把「模糊的感觉」与「复杂的架构」产品化的能力。

这是我目前认为成长最快的阶段。我不再纠结于具体的底层代码怎么写，而是通过向 AI 描述我的「意图（Vibe）」和业务逻辑，去创造一个可以重复使用的产品。这是一种从「使用者」到「创造者」的跃迁。

以自然语言定义产品： 描述创造的过程本身就涉及了前面三个阶段的所有思考。我只需通过描述愿景和逻辑，让 Cursor 或 Kimi 等工具帮我快速构建出功能完备的营销工具
代码视角的底层重构： 以前看业务是看「怎么卖」，现在会逐渐积累一种「代码视角」——下意识地理解业务架构背后的逻辑关系，思考如何把营销经验、知识调用能力，通过 API 或封装好的 Skill 彻底产品化
迈向「不用上班」的终极自由： 当我能把自己的营销大脑封装成一个个可独立运行的 Agent 时，我发现自己正在构建一个能够自我进化的知识体系。我创造的产品不仅仅是工具，它们是我的数字分身

在这个阶段，「Vibe」即是灵魂。只要你对营销的理解足够深，对产品形态的构思足够准，剩下的实现过程，交给 AI 和你的「感觉」就好。