AI助手应用价值 - 通过提供充足上下文，AI助手可生成简洁周到且逻辑严密的用户故事，显著提升文档撰写效率 [5] - AI助手能够协助处理战略决策、头脑风暴路线图想法、发展软技能甚至提供情感支持，成为专业思考伙伴 [10] - 使用AI助手后用户反馈"每天都在用"且"在工作时总是开着"，工作效率提升显著以致领导层邀请其培训他人 [10] 上下文工程实施 - 大语言模型处理智能型知识工作时需提供与人类工作所需的相同背景知识才能高效运作 [7] - 通过指令设定角色/个性、上传组织文档、开启独立聊天线程三步骤构建AI助手，模拟新员工入职流程 [12][13] - 项目知识库需包含公司战略演示文稿、客户细分研究、竞争格局分析、团队组织架构图等核心背景材料 [24][29] 实际应用场景 - AI原型开发可通过自我迭代、团队迭代和客户迭代三路径缩短产品打造周期，助手能生成交互式原型规范 [50][53][57] - AI自动化适用于事件驱动型任务（如"当新支持工单到达时分析并提醒"），而非批处理任务 [60][61] - 通过移动端语音转文字功能实时更新项目进展（称为"聊八卦"），可使助手保持上下文新鲜度 [65][68] 技术实现要点 - 推荐使用付费版LLM的项目功能（ChatGPT/Claude/M365 Copilot/Gemini），其包含项目知识、指令和聊天线程三要素 [11][12] - 若缺乏项目功能，可将指令和知识整理至文本文件手动粘贴至每个新聊天线程，模拟相同效果 [86] - 当聊天线程达到上下文限制时，可要求LLM生成浓缩90%内容但保留90%价值的摘要文档以开启新线程 [75][76] 未来演进方向 - 期望助手能直接集成部门模板/项目管理工具/团队消息系统，实现动态知识更新而非人工导出PDF [81] - 未来助手可能具备团队共享知识层，新员工可直接获得公司特定模板和集体经验教训构建的智能基础 [82] - 演进重点在于增强连接性与主动性，例如根据日历自动提醒角色扮演练习或推动集中精力完成关键任务 [83]