如何用AI接管你的工作流（無需寫代碼）
原文標題：how non-developers automate work like engineers (without writing code)
原文作者：Damian Player
編譯：Peggy，BlockBeats
核心理念：從「提問」到「執行任務」
當大多數人仍將 AI 視為「更高效的搜索工具」時，Perplexity 正在開始執行工作。
本文指出，關鍵差異在於使用方式：是把 AI 當作對話窗口，還是當作一個可被指揮、被調度的執行系統。
以 Perplexity Computer 為代表的新一類工具，將「任務」替代「提問」作為核心交互方式。用戶不再描述問題，而是直接定義最終交付物，例如：審核合同、競品分析、數據清洗與報告生成等。
非開發者也能實現自動化工作流
Perplexity Computer 是首次讓非開發者也能使用類似開發者能力的工具。
用戶只需一個瀏覽器，輸入一個明確的任務指令，即可啟動自動化流程。
例如：「審核這份合同。逐條核查所有表述是否有公開來源支持；標出措辭模糊、條款缺失以及可能帶來法律責任的部分；列出最關鍵的 5 個風險點，並附具體條款引用；輸出一份帶修訂痕跡的 Word 文檔。」
這種任務方式，直接產出可交付的成果，而非僅提供一份答案清單。
建立自動化工作流的步驟
1. 連接工具：點擊側邊欄的 connectors，連接 Gmail、Google Drive、Slack、Salesforce、Notion、SharePoint 等常用企業工具。
2. 輸入背景信息：輸入「我是某個崗位，在某類公司工作。我會定期產出 X、Y、Z 這些內容。請在每次會話中記住這些背景。」
3. 學習成功樣例：上傳 2–3 個你最滿意的工作成果，讓 AI 學習你的風格與格式。
4. 下達任務指令：以最終交付物為目標，清晰描述任務結果，而非步驟。
真實案例：金融分析師的週一數據處理
一位金融分析師每週一收到一份格式混亂的 150 行數據，過去需花 90 分鐘清洗。
她僅下達一條指令：「清理這份文件，去重，統一日期格式，把文字評級轉成數字；在清洗後的數據上做分析；生成一個帶篩選功能的交互式儀表盤並提供分享鏈接；輸出一份對比清洗前後的 PDF 報告；所有文件保存到 Drive 的「週一報告」文件夾。」
4 分鐘後，乾淨的數據集、交互式儀表盤、分享鏈接、PDF 報告全部出現在 Drive 中。
系統還主動建議：將該任務設為每週一早上 7 點自動運行，並新增一個任務，根據表現不佳的板塊生成周二的管理層簡報。
實際應用場景
金融領域：投資組合分析師在英偉達財報發佈前，僅下達一條任務，AI 生成實時交互式儀表盤，包含營收、毛利率、增長率趨勢，支持篩選與分享。
法律場景：AI 自動核查合同條款，發現某市場同比增長 43% 的數據與真實數據（4%）不符，提前攔截風險。
營銷場景：分析競品過去 30 天內容表現，識別內容空白，生成 30 天內容日曆，並保存為 Google Doc。
運營場景：輸入 CSV 數據，AI 自動清洗、區域與產品線分析、識別三大問題、生成行動建議、製作 PPT，所有文件保存至項目文件夾。
模型評審功能
當面臨關鍵決策時，只需輸入一個問題，Perplexity 會同時調用 Claude、ChatGPT 和 Gemini，並由「綜合器」總結共識與分歧。
例如：產品定價選擇 $297 或 $497，三者給出不同答案，但一致結論是「不要低於 $297」，決策即完成。
關鍵結論
真正分水嶺不是是否使用 AI，而是是否開始用它「交付結果」。
80% 的價值來自能否清晰描述「最終產出」——不是步驟，而是結果。
每次任務完成後，建議再問一句：「有沒有我還沒問，但能讓這個結果更有用的地方？」系統幾乎每次都會指出盲區。
行動指南
1. 打開 Perplexity（Pro 版 $20/月）。
2. 進入 Computer 頁面，連接 Gmail 和 Google Drive。
3. 輸入三句背景介紹，上傳 2–3 個最佳工作樣例。
4. 選擇一個過去花費 2 小時以上、每次輸出類似的任務，用「最終交付物」方式描述並下達指令。
5. 觀察執行過程，若為重複任務，關閉頁面前設為自動運行。
開發者已用此係統一年，產出差距真實存在。這，就是縮小差距的方法。