宣讲 / 资源位自动化

用 ai 做 coding，
我把重复劳动交出去了

这不是一次工具演示，而是一次工作方式的变化：把重复、机械、低价值的事交给 AI，把人的时间还给更值得做的地方。

历史类比
资源位自动化
AI Coding
speaker
梁丰
department
用户体验与增长部
date
2026年9月1日
从手工算表，到 AI 写程序。
人不是更忙了，而是开始把重复劳动交给更合适的工具。
引言
02 / 17
手工算表时代的办公室
1940s / 手工时代
表格不是做出来的，是一格一格抄出来的
会计、统计员靠尺子、算盘和铅笔，把数据整理成能看的表。
早期手工账表
手工账本
每改一个数字，往往要整页重算
错误代价很高，工作也被牢牢锁在重复劳动里。
加法机房里的手工算表场景
adding machine
算得更快了，但还是人在围着表转
机器进来以后，工作没消失，只是被压缩成更密集的重复动作。
Excel时代的电脑办公场景
excel era
Excel 把表格搬进了电脑
复制、拖拽、公式，让重复劳动第一次开始规模化消失。
劳动价值出现了什么变化？

以前劳动价值更多来自体力和时间投入，做得快、做得稳就是本事。Excel之后，人把精力放在判断什么是对的、什么该保留、什么要改。

背景

我遇到的那个“表格时刻”

当一件小事重复到让你怀疑“这不该是人做的”，变革就来了。

背景 / 资源位到底是什么
04 / 17
what

资源位配置不是一个动作，而是一条在几个主体之间反复往返的链路

上游给需求，中台排期；中台再回给上游，补物料；物料回到中台后，再复制到后台配置；后台审核走查后，再回到中台确认，最后才到用户。

01 / upstream
上游提需求
先把要做什么、什么时候做说清楚。
→
02 / middle
中台排期 / 计算 / 分配
先把需求拆开，算资源，再排顺序。
→
03 / upstream
回给上游并补物料
排完以后，再回头通知业务方准备素材。
↓
04 / middle
中台复制到后台配置
把同一套物料，一项项填进不同资源位。
→
05 / backend
后台审核 / 走查 / 再确认
确认没问题后，再回到中台继续推进。
→
06 / user
上线给用户
最后用户才看到真正的结果。
这件事的难点不在单次配置，而在来回回传、反复确认、再复制一遍。
核心问题：谁来承担这条链路上的重复劳动和反复复制粘贴？
资源位配置 · 业务场景
背景 / 为什么这件事应该由机器做
05 / 17
pain points

它耗掉的，不只是时间，还有注意力

01
机械重复
每次操作几乎一样，却必须全神贯注防出错。
02
低 ROI 消耗
大量时间花在“不要出错”，而不是“创造价值”。
03
出错成本高
配置错了影响线上体验，修复还要重新走流程。
04
隐性焦虑
知道自己值得做更重要的事，却被琐事填满。
重复劳动不可耻，但一直重复而不改变，是对自己时间的浪费。
共情基础
背景 / 为什么选 AI Coding，而不是传统开发
06 / 17
传统路径
提需求
排期
开发
测试
上线
→周期长
→沟通成本高
→反馈链路长
自己要先把问题讲清，再等别人帮你解决。
AI 路径
说清需求
AI 出初稿
人工验收
快速上线
→自然语言描述
→AI 生成框架
→人负责判断结果
从“等别人解决问题”，变成“自己动手解决自己的问题”。
差异不在“快一点”，而在“把解决权拿回来”。
路径选择
原理

我是怎么用 AI 写出这个程序的

不是一键生成，而是人和 AI 反复接力，直到它真的能跑。

原理 / 四步闭环
08 / 17
how it works

人先把规则说清楚，再让 AI 接力把程序写出来

HUMAN
定义问题
先把业务规则和边界想清楚
AI
理解与开发
文档、review、coding 一步接一步
01
梳理规则
先把业务目标、边界和例外说清。
→
02
生成 PRD
把自然语言方案翻成文档。
↓
03
AI review PRD
先查逻辑和边界有没有问题。
↓
04
Coding 开发
按文档把程序写出来。
↓
06
人工验收
确认结果没问题，再上线。
←
05
AI review 代码
确认实现没问题，再交回人。
人负责定义问题和判断结果，AI 负责生成、开发和 review。
闭环
原理 / 最终方案
09 / 17
final form

最终实现的，就是一个表格

需求方只需要填表，程序就能自动配置；人保留最后的审核和上线判断。

填一次表
自动跑配置
人工审核上线
核心表达

一个表格，搞定反复沟通和配置效率。

需求方只要填表，就能触发程序自动配置，然后人工审核上线。
真实成果截图
首页资源位排期与配置表
table result
首页资源位排期 & 配置表
把“沟通 + 排期 + 配置”收进一个入口
这张表就是最终交付的入口：需求方填写，程序接手，人工最后审核上线。
点击打开视频框，播放 Banner 配置自动化演示。
表格不是终点，它只是把重复劳动收拢成一个入口。
落地形态
价值

做完这件事，到底改变了什么

省出来的不只是时间，更是认知带宽。

价值 / 原流程和现流程对比
11 / 17
原流程
业务方和中台之间多走一轮，素材和配置都靠人搬运
01
业务方提需求给中台
先把要做什么发给中台。
02
中台排期并返回确认
排完以后，再回给业务方确认。
03
业务方补物料 / 图片 / 链接
业务方再把素材整理出来，重新传回去。
04
中台手动复制到后台配置
中台把物料一项项复制粘贴到不同后台。
05
审核 / 走查 / 修正
审核后发现问题，再返工修正。
06
上线给用户
最后才真正到用户面前。
原来最耗时的，是业务方和中台之间来回传素材、再由人手动搬到后台。
现流程
业务方直接填表，程序自动配置，人工只保留最后审核
01
业务方提需求给中台
先把要做什么发给中台。
02
中台排期并返回确认
排完以后，先把结果给业务方确认。
03
业务方直接填配置表格
把素材、物料、图片链接直接放进表格。
04
程序自动配置 6 个点位
程序把表格里的信息直接写进后台和资源位。
05
人工审核上线
人只看结果，确认没问题再过审。
06
面向用户
最后结果直接面向用户展示。
中间那段人工搬运被压缩成了“填表 - 程序自动配置”这一段。
单流程提效
50%
原来人工在“传素材、复制、粘贴、再确认”上耗掉的工作量，直接省掉一半。
复用范围
6 个资源位点位
同一套结构化表格，可以复用到更多重复性点位。
稳定性
出错率下降
输入端只要准确，程序执行就是公式化、结构化的。
不是流程更花哨了，而是把重复的那一段交给了程序。
前后对比
价值 / 精力解放
12 / 17
before
配置事务占掉了大块时间
54%
配置事务
28%
确认沟通
12%
修正返工
6%
其他工作
after
省下来的时间被投回核心工作
18%
配置事务
34%
核心项目
28%
策略思考
20%
新业务探索
每周节省约 5 小时，累计 3 个月就是 60 小时。
不是“多做了点事”，而是“终于有时间做该做的事”。
效率释放
价值 / 个人成长
13 / 17
growth

为了让 AI 听懂，我反而把业务梳理得更清楚了

01
业务纵深
要把规则讲给 AI 听，就得先把规则自己讲明白。
02
技术认知
从“知道有自动化”变成“亲手实现了一个自动化工具”。
03
人机协作
学会给 AI 下指令、审校代码、迭代 prompt。
工具不会取代人，但会把人的价值推向更上游的位置：定义问题、判断结果、持续优化。
业务、技术、协作三个维度一起涨。
能力边界
价值 / 公司价值
14 / 17
company value

它带来的，不只是一个人的提效，而是一个思路的可复制

降本
少占人力
把重复性的人工操作从人的主工时里挪出去。
降错
少出错
减少人为遗漏、误配和上线前返工。
规模化
可复制
这套方法可以迁移到更多重复性工作里，继续解放劳动力。
真正值得留下来的，是一套“人人可用 AI 提效”的做法。
可以降本 / 可以降错 / 可以规模化
让团队看到的是方法，不只是一个结果。
可规模化
未来图景

做完这件事之后，我在想什么

自动化只是起点，真正的题目是：省下来的时间，最终会流向哪里？

未来 / 自动化只是起点
16 / 17
future

随着 AI 应用极大丰富，用 AI 做自动化会变成最基础、最“无聊”的应用

01
聊天
02
陪伴
03
答疑
04
陪练
05
剪视频
06
做影视
07
真人 TTS
08
自动工作
真正更大的想象力，在于 AI 继续创造新的 AI 应用，而不是只做“替人跑流程”的工具。
你所在的工作流里，还有哪些“该机器做”的事？
省下来的时间，你打算用来做什么？
技术的意义，不是让人跑更快，而是让人想清楚往哪跑。
思考题
thank you

谢谢观看

如果这件事带来了一点启发，那它真正值得传播的，不只是自动化本身，而是把重复劳动交出去的那种可能。

01 / 17