专家与专家团

为什么每次都要从头教 AI

重复出现的专业任务最消耗精力：每周都要写售前方案、每月都要做经营分析、每次招聘都要设计面试题。如果每次都从零写提示词，AI 每次的风格、口径和结构都不一样，返工比手写还累。

专家（Expert）就是为这种场景准备的：把“固定角色 + 方法论 + 工具边界”打包成一个可复用的配置。选定专家后，它的人设、步骤和能调用的工具就被固定下来，不再每次重新解释。专家适合重复出现、评价标准明确的专业任务；如果任务只做一次，直接写提示词更省事。

flowchart LR
    A[选重复任务] --> B[挑匹配专家]
    B --> C[看人设方法工具边界]
    C --> D[小样本验证]
    D --> E{质量稳定?}
    E -->|否| F[调人设或换专家]
    F --> D
    E -->|是| G[固化进团队流程]
    G --> H[复杂任务用专家团拆解]

先看懂一个专家的三件套

选专家不是看名字好不好听，而是看三件套是否对得上你的任务：

维度	要回答的问题	判断标准
人设	它扮演什么角色	角色与任务领域匹配，不是万能助手
方法	它按什么步骤做	步骤清晰、可验收，与你团队做法一致
工具边界	它能调什么、不能调什么	只调用必要工具，不越权

不明确的先在脱敏小样本上跑一次，别直接上真实业务数据。

主案例：设计一个企业售前方案专家

场景：销售团队每周要给不同客户出方案，过去每次都靠老员工手写，风格和结构不统一，新人上手慢。目标是把“会前调研→方案结构→证据和待确认项”这套方法固化下来。

第一步：先查缺口，再定专家职责

不要一上来就让专家写完整方案。先让它读取客户资料，输出“已知事实、缺口、待确认问题”三张清单，由销售确认后再往下走。

你是企业售前方案专家。读取当前目录中的客户资料和我方产品资料。
第一步只输出三张清单：
1. 已知事实（客户业务、组织、近期事件、公开需求信号，附来源）；
2. 信息缺口（方案必需但资料里没有的）；
3. 待确认问题（需要在访谈中验证的假设）。
约束：不得虚构客户经营数据、功能或效果数字。
输出 gap-analysis.md，等我确认后再进入方案结构。

ps：第一步的价值是“暴露缺口”，而不是“写完方案”。缺口没确认就写方案，后面全是返工。

第二步：基于确认需求生成方案结构

销售确认清单后，专家按固定结构输出方案大纲，未确认的需求写成“待确认”，不写成承诺：

基于已确认的 gap-analysis.md，输出售前方案大纲。
结构：客户背景、痛点分析、推荐场景、实施路径、预期收益、演示流程、待确认问题。
功能、价格、效果、交付周期承诺必须由人工审批后才能写入，未确认的标为待确认。
输出 proposal-outline.md 和 evidence-list.md。
验收：每个推荐场景都能对应到客户痛点或需求信号。

第三步：复杂任务用专家团拆解

如果一次评审涉及调研、分析、汇报三个环节，单个专家容易顾此失彼。用专家团拆成子任务，每个专家输出作为下一个的输入：

把这次客户方案拆成三个子任务，分别交给不同专家：
1. 调研专家：输出客户简报和访谈提纲；
2. 分析专家：基于访谈记录输出需求与机会清单；
3. 汇报专家：把需求清单转成 8 页售前 PPT。
每个子任务先单独验收输入输出，再串成完整流程。
串接时保留每个环节的证据来源，不把假设写成结论。

ps：专家团上线前，先单独验证每位专家的输入输出，别一次性串起来跑。

怎么判断专家值不值得用

用同一输入跑一次默认任务、一次专家任务，对比三件事：

对比项	默认任务	专家任务
结果质量	风格随提示词变	结构和口径稳定
返工次数	多，每次要重新解释	少，方法已固化
积分消耗	单次低但返工多	单次略高但总成本低

专家稳定后再固化进团队流程；如果同一输入专家质量没明显优于默认任务，说明专家的人设或方法没设计好，先调人设再考虑换专家。

专家使用常见错误

常见错误	为什么会发生	更好的写法
拿只做一次的任务配专家	以为专家万能	一次性任务直接写提示词，重复任务才配专家
不看工具边界直接上真实数据	急于出结果	先在脱敏小样本验证人设和方法
让专家一次写完整方案	跳过缺口确认	第一步只出清单，确认后再进结构
专家团一次性串起来跑	图快	先单独验证每位专家输入输出
把未确认需求写成承诺	想让方案好看	未确认的标“待确认”，承诺必须人工审批