网上有非常多的有关 AI 流程相关的资料，有些内容甚至做的非常完善了。
像上面这张图便是我今天看到一个推广库里面的 Agent 信息，里面不仅包含了非常多的平台推广相关的资料，而且里面的 Prompt 与使用要求都写的比较明白。
于是便直接选了一个 TK 相关的资料，复制下来放到 AI 工具里面去看输出结果。
起初我以为输出结果检查一下没什么问题后便可以直接应用到生产环境里的，但想不到的是其 Agent 的输出内容质量很差。
无论是文案的内容还是排版，亦或者是文案中的一些语气，都不合格也基本没办法使用。
我猜可能是我所使用模型的缘故，或者是这种大且全 Agent 的通病（什么都能干但是基本什么都干不好）。
所以现在再让我去设计这种 AI 流程，我倾向于将其细化，并在过程中加入更多的人工干预。
还是拿刚刚那个 TK 案例来说，这个案例里的主要内容是一个 Markdown 格式文档，里面写清了输入的信息要求与输出的信息要求，并严格规定了信息输出的格式。
但说实话这种操作在很多情况下并不怎么好用，有时候模型会偷偷将智，输出的内容也是牛头不对马嘴。
那优化的方案其实也简单，直接将一个大的流程分为诸多小的细节，像 TK 文案生成这种场景，一般就可以分为 Prompt 组装、AI 生成、内容检查等这几个主要的步骤。
组装环节其实比较简单，一般的 Excel 表格就能做好。我们需要做的就是准备好自己的素材，并设计一个基础的 Prompt 框架，简单的公式应用下来便可以完成最基础的组装工作。
直接 AI 生成环节，一些在线表格都已经可以很方便实现这个需求。甚至你自己可以在一些表格的应用市场里，能发现非常多这种类型的插件应用，选择一个适合自己的就好（最好可以好好看看用户评价）。
而内容生成之后的信息检查，我们也可以设计一套 Prompt 并让 AI 去替我们初处理，然后输出相应的文案检查建议（类似于反思翻译）。
如此上面的三个大环节处理完，剩下就是一些小的细节流程，后续可以在工作实践中慢慢优化。
而且我们还可以选择一个最基础的产品，将这些彼此关联的流程相互串起来。
我自己选择的平台是 Sheets，跟我自己的业务也比较契合。另外选择这款工具，还有一个比较重要的原因，就是 Sheets 支持在平台生态的基础上进行自定义的开发，想要实现的内容大多都可以做到。
