2026-04-25｜AI 落地实战｜活动记录

本次活动于2026-04-25举办，是常州AI Club历次活动中参与人数较多的一次，共有近20位不同行业的伙伴到场，活动主题为「AI落地实战」，采用圆桌讨论形式，流程分为开场介绍、参与者自我介绍、主题分享、自由讨论四个环节，全程进行录音和视频录制，后续相关内容会用于社群自媒体内容产出。活动最终讨论截止时间为2026-04-25 17:30，时间不便的参与者可随时离场。

一、活动开场介绍

活动发起人首先介绍了常州AI Club的基本情况：

1. 社群从去年年中开始创立，2026年1月起正式举办线下活动，目前官方平台域名是「常州AI点club」，已有20余位成员注册，平台会逐步完善历次活动的内容、照片、讨论精华等信息，方便未到场的成员回看学习。
2. 社群目前正推进与常州电信的赞助合作，常州电信作为本地头部软件集成商，拥有大量AI相关项目资源，后续会将相关商机在社群内共享，对接合适的成员共同落地。
3. 社群的核心目标不止于AI相关的交流学习，更重要的是推动AI项目的供需对接和落地，目前已经对接过铁路、企业培训等相关需求，后续也会持续在平台内开放需求对接通道。

二、参与者自我介绍

本次活动参与者来自软件开发、政企服务、芯片研发、医药、新能源、自媒体、制造业、电商、建筑设计等多个行业，核心背景、诉求及观点如下：

1. 臧腾飞（社群发起人）：本身从事软件开发，有一份远程工作，目前正在跟进政企类AI项目，希望通过社群链接更多同好，推动AI项目落地。
2. 屠亚杰（社群发起人之一）：曾在南京多家公司担任研发总监、技术合伙人，前几年回到常州，目前以个人工作室形式承接项目，后续会专门分享AI项目落地的经验与思考。目前社群核心共建团队已有4人，后续也欢迎感兴趣的伙伴公益加入，共同运营社群。
3. 于康：从事全栈研发，目前任职的公司主营政企类项目，主要为国土局提供服务，业务覆盖镇江、扬州、徐州、南通等城市。参与活动的诉求一是了解当前AI的实际落地能力，探索AI对团队优化的可能性；二是对接AI相关项目资源，也欢迎有常州自然资源局相关资源的伙伴合作。目前有在常州发展、拓展AI相关业务的规划。
4. 姚庆：目前在上海英特尔外企工作，从事大模型底层推理相关研发，从ChatGPT爆火时就开始接触大模型领域。因为家人在常州工作，目前在沪常两地跑，有往常州发展的计划，希望了解AI在各个行业的实际需求，跳出纯技术视角探索AI的落地可能性。
5. 周萌：任职于大厂药企，担任研究员，工作中已有部分AI辅助流程，但目前落地程度不高，实际作用有限，希望了解当前AI的发展程度，探索AI在医药研究场景的实际应用方式。
6. 史燕：生物专业毕业，有1年多工作经验，接触过运营、产品相关工作，对AI的基础应用有一定了解，希望通过交流获取更多AI应用的新思路。
7. 胤蓓：来自新能源行业科研院所，团队对AI相关技术关注度很高，但目前成员都处于个人摸索阶段，试用过飞书、腾讯的相关AI工具，使用体验不佳，希望了解常州AI社群的运营模式，和同行交流AI在新能源科研场景的落地方法。
8. 顾翔宇：从事自媒体行业，对AI接触较少，本次主要来学习AI在各行业的应用方式，探索AI和自媒体结合的可能性。
9. 王晖（供应链及AI落地领域从业者）：制造业大厂出身，负责供应链方向项目管理，对传统项目级SaaS、ERP应用熟悉，无代码基础。2025年与浙江本地软件公司合作，参与安德集团、千禾制造等5-10亿规模制造企业的AI智能化改造项目，积累了相关落地经验；2026年回到常州后聚焦小微实体门店AI智能化改造，自身运营的轻食门店原本计划关停，通过引入AI工具优化运营，20多天内日单量从10单提升至近250单，成功实现业务翻盘。核心观点：当前大量小微企业主对AI的认知仅停留在做视频、写文案层面，且曾有被割韭菜的经历，不知道如何将AI与自身实际业务结合，“AI落地到实际业务、帮助普通人用AI实现业务增长”是极具价值的发展方向。
10. 闫春杰（电商从业者）：曾在义乌头部电商公司担任运营经理，2025年回到常州开设电商工作室，同时布局国内电商和TikTok业务，无独立内容团队。2026年3月赴广东交流时了解到当地头部电商公司的AI应用方案：一是引入影刀RPA搭建数字员工体系，一层办公室全部配置自动化运行的电脑，1名员工可监控10-20台电脑的数据并做决策，基础流程、数据汇总等工作全部由系统自动完成；二是用AI工具制作短剧，将短剧流量引流至电商直播间，实现流量转化。目前工作室正在参考上述方案落地AI应用，希望和同行业从业者交流经验、共享资源。
11. 刘昊（电信售前工作人员）：任职于电信，岗位为售前，服务覆盖政企、公众、电商、楼宇、租房等多个行业客户。参会目的一是搭建供需对接的桥梁，电信手上有常州本地的AI相关项目需求，但缺乏合适的落地服务商，希望对接有落地能力的团队；二是了解不同行业的AI落地场景和解决方案，补充自身行业认知，能够更精准地匹配客户需求，为客户提供合适的资源支持。
12. 徐木（体制内工作人员）：目前在体制内工作，AI领域纯小白。参会目的是学习AI相关技能，了解当前AI发展的实际应用情况，避免信息落后，同时希望将AI工具应用到日常工作中，提升工作效率。
13. 特特（运营从业者）：曾在上海从事新媒体内容运营、用户运营工作，目前负责本次AI沙龙社区的小红书内容运营。核心观点：常州本地缺乏AI相关的交流氛围和同好圈子，希望参与社区共建，和更多关注AI的从业者交流，共同推动本地AI交流生态的建设，也希望在交流中更新自身认知、为未来发展提供参考。
14. 陈燕珊（新能源研究院从业者）：有6年工作经验，前5年从事煤炭自动化行业，主要做机器视觉相关工作，目前转行到新能源研究院工作，此前深度学习模型使用经验丰富，熟悉全栈技术栈。实践体感：大模型普及后，开发效率大幅提升，过去两人需要几周才能完成的网站开发工作，现在1个人独立负责全栈开发，一周就能完成雏形搭建。诉求：当前工作主要和工控相关，需要将需求转化为PLC信号落地到工控场景，希望了解该领域的AI落地应用方案。
15. 齐天立（AI开发创业者）：有UI设计和计算机相关基础，接触AI半年时间，专注研究前沿模型和自动开发技术，能独立完成程序开发，有程序员朋友做技术兜底。刚注册OPC公司，计划承接政企相关的AI项目。
16. 戚里云（建筑设计院从业者）：任职于传统建筑设计院，AI应用经验丰富，目前受院方委托成立AI设计研究院，推进设计院转型。在公建类投标项目中，从创意输出、绘制完成图到宣传视频制作全流程使用AI工具，大幅节省了时间和人力成本。发展方向：探索用AI打通房地产上下游各环节的可能性，计划搭建相关集合式平台，希望链接行业资源，共同探索相关项目和创意。
17. 崔祖熙（数据公司从业者）：统计学博士、统计师，自己运营小型数据公司。业务方向：主要做AI本地化配置，可为家用游戏显卡、商用显卡部署适配的小型模型；同时在研发文字、图形结合且支持互动的相关应用。

三、主题分享

（一）被AI折叠的研发工作流

分享人：屠亚杰

1. 前置观点

• 价值结构变化：代码贬值，客户与服务保值：随着AI能力提升，技术门槛持续降低，代码本身的价值不断下降；而和客户沟通、定制化服务的环节是AI难以替代的，是当前从业者需要重点挖掘的价值领域。
• 传统技术积累的价值弱化：过往企业沉淀的代码库、模块库、产品框架，核心作用是实现复用、提升新项目开发效率，但在AI快速迭代的背景下，这类积累反而可能成为技术包袱，仅有人的行业经验、项目经验仍具备继承价值。 实际佐证：常州公安网约房监控项目中，过往同类安防项目的代码积累完全没有复用，仅依靠个人经验就完成了开发，效果超过了拥有成熟产品框架的竞争对手海康威视。海康受原有框架限制，针对场景微调的链路长、成本高，效果和落地效率都远低于使用AI辅助开发的方案。

2. 折叠式研发工作流核心逻辑

AI对工作流的“折叠”并非省略环节，而是将环节内的具体实现过程封装，仅需要关注环节的输入、输出是否符合要求，不需要深入管控细节，整体工作流已经实现范式转移。

• 需求沟通与分析环节：本质不变，效率提升：该环节核心是与人对接，AI无法替代沟通本身，但可以辅助快速了解陌生行业的背景知识、行业规则，同时可以快速产出项目原型/demo：过往复杂系统的原型制作需要1-3周，现在使用AI辅助，一个晚上就可以产出可用于沟通的演示版本，大幅降低沟通成本。
• 设计环节：三大模块替代传统多层设计：传统流程中的概要设计、详细设计、项目规划被折叠为三大环节，不需要再拆解模块、接口、组件等细节：
  • 技术方案环节：仅聚焦技术选型，确认核心技术点的适配性。比如网约房项目中只需要判断YOLO、ArcFace、OSNet等模型哪类更适配场景，针对可能的难点做针对性调研，具体落地方案由AI根据项目需求、个人输入的经验规则生成，生成后仅需要判断选型合理性即可。
  • 软件架构环节：确定技术方向后，由AI生成整体软件架构，包括技术栈选型（如前端用React还是Electron、视觉底座用PaddleOCR还是其他模型），仅需要审核架构是否满足需求，不需要指导具体实现。针对AI可能出现的幻觉问题，熟悉的领域可以直接判断错误并纠正；不熟悉的领域可以带着AI生成的具体方案找有相关经验的同行把关，相比过往空泛的沟通，具体方案可以获得更落地的建议。
  • 实施方案环节：将技术方案、软件架构的输出物作为输入，交给AI（如OPS 4.6）生成实施方案，先由人判断逻辑通顺，再交由另一款大模型（如GPT-5.5）做方案评审，针对其提出的高风险点进行方案修正，多轮迭代后直到风险点均为中低风险即确认方案可用。按照该流程操作，项目成功率可以达到90%以上。
• 开发测试环节：多环节合并，仅管控结果：过往开发、调试、测试分开的流程被折叠到一起，不需要逐行Review AI生成的代码，仅需要要求AI在开发模块时同步完成单元测试、模块测试，最终通过AI生成的全量回归测试用例验证结果：如果测试用例通过率符合要求即视为开发完成，无需关注具体代码实现细节。
• 部署运维环节：AI赋能有限：该环节受实际场景规则限制较多，比如电力行业部署需要走审批、监理等线下流程，AI无法参与；仅局部的小任务可以交给AI自动化处理，整体效率提升幅度较小。

注：该工作流为2026年4月25日当下的实践结论，AI技术迭代速度快，工作流可能半个月到1个月就会发生变化，不存在长期固定的流程。

（二）AI落地实战项目分享

分享人：屠亚杰

1. 常州公安网约房监控项目

• 项目需求：通过摄像头实现匿名人员特征提取、跨摄像头轨迹跟踪，判断人员进入的房间，识别房间内是否存在一女多男、涉黄涉赌、未成年人进入等异常情况并产生告警，网页端展示各房间人员数量、性别、当日进出峰值等信息。
• 落地实践：
  • 项目整体规模约百万级，包含100个摄像头点位采购，其中软件部分预算为30-50万，核心代码仅由1人开发，耗时约1周即可完成，业务逻辑精准是开发效率高的核心原因。项目开发过程中AI工具使用的token成本极低，同类公安笔录系统的token消耗总成本仅32元，和项目收益相比几乎可以忽略不计。
  • 项目尚未正式交付，当前演示版本已经被公安方投入日常试用，和海康威视（移动运营商方供应商）做效果比拼。
  • 最初方案为纯视觉算法优化，由于长廊场景多（一字形、回字形、工字形、田字形等）、摄像头安装角度不统一，纯视觉优化需要采集大量样本训练，成本高、适配性差。当前迭代第二版引入大模型做行为日志分析，解决纯视觉方案的缺陷：人员轨迹丢失时，大模型可以结合历史轨迹判断人员大概率进入的房间，补全跟踪链路；保洁人员反复进出的异常行为，可以通过大模型做行为识别后过滤，避免误统计为陌生人员进出。
• 核心识别逻辑：不需要识别人员身份，仅通过行为特征判断，若人员每隔半小时频繁在不同房间穿梭，且活动时间符合保洁工作时段（该楼宇保洁时间为下午4点左右），即可判定为保洁人员；普通住户仅会在固定少数熟悉的房间串动，不会大范围跨房间流动。
• 技术选型：人员识别采用传统开箱即用模型，仅针对熟人性别、年龄识别做了少量微调，最大程度降低开发成本。
• 场景适配要点：公安出警场景要求“宁可漏报、不能误报”，如果出现误报会极大占用警力资源，上报信息必须保证真实性。2026年4月21日项目曾识别到一起未成年涉黄事件，上午8点多报警后，片区民警9点即上门处置，目前相关重点关注房间在报警处置后已无异常人员活动。
• 竞争优势：海康的平台以视觉为核心，场景适配的成本极高，而结合大模型的方案落地更灵活，综合效果和成本都更有竞争力。

2. 智能文档审核产品迭代

项目从最早面向新疆生态局的初代文档审核系统，迭代到当前面向电科院的新一代方案：

• 初代方案痛点：基于RAG搭建的第一代文档审核系统，仅能实现错别字、合规性、敏感词等基础校验，漏报率高，优化难度大，仅实现勉强落地。
• 客户需求变化：经过前期市场教育，当前客户已经不满足于“有系统”，更关注实际识别准确率，因此需要更精细化的方案。
• 核心难点突破：该场景下大量报告为纸质版，需要先扫描为图片PDF，再提取为markdown格式供大模型处理，文档解析能力直接决定最终效果。
• 文档解析工具测试结果：对市面上9款主流文档解析产品进行了系统性测试，核心测试维度包括图片识别准确率、跨页表格识别、合并单元格识别、跨页单元格识别等复杂场景适配性，最终结论：
  • Mandu为当前综合表现最优的工具，是微调后的多模态小模型，开源可私有化部署，仅需RTX 2080级别的低端显卡即可运行，所有核心场景需求均能满足。
  • 百度OCR综合表现不如Mandu；直接使用通用多模态大模型提取markdown内容，成本高且可控性差，无法保证原文信息完整度。
  • Mandu存在少量瑕疵，如标题层级识别错乱，可通过正则二次解析修复，不影响实际使用。
• 效率提升：测试过程中80%的工作由AI辅助完成，包括测试脚本生成、测试报告撰写，人工仅需完成效果审核和准确率校验。
• 下一步规划：当前正在基于动态知识图谱搭建新一代方案，目前处于POC阶段。

3. 公安智能笔录系统落地

该项目基于法律场景的录音转诉讼材料需求迭代而来，目前已完成开发并落地：

• 核心功能：通过ASR+声纹识别+大模型提取，将民警询问录音转换为规范笔录格式，在去除语气词、冗余废话的同时保留所有关键信息，支持点击提取后的文本直接跳转对应原录音片段回放。
• 场景适配要点：通用会议纪要产品无法适配该场景，通用转写结果存在内容粘连、冗余信息多等问题，且过度压缩会丢失关键细节，必须针对公安笔录要求做定制化处理。
• 当前待解决问题：不同派出所存在个性化需求，正在探索AI时代个性化SaaS类产品的落地形态，相关思考后续会做专题分享。

4. 制造业AI视觉落地项目

• 项目场景与需求：
  • 叉车安全场景：通过目标检测和轨迹追踪技术，实现叉车运输货物遮挡视线时强制倒开、无遮挡时允许正开的控制逻辑，后续需要针对叉车行驶准确率、货物高度等参数做模型微调，落地过程需要到工厂现场实测跑通流程，配备项目经理和开发人员。
  • 铁塔监控场景：铁塔挂载的摄像头覆盖范围2-3公里，需要实现视频定位算法，识别工程机械、违建等目标后，精准匹配目标在地图上的实际位置，减少误报。目前海康的基础YOLO算法仅能做框体重叠判断，精度不足，无法满足定制化需求。
• 合作与落地情况：目前仅有齐天力在深入推进该项目，欢迎感兴趣的参与者共建，也可承担项目经理角色负责需求对接，团队可牵头整体项目推进。需求方博睿有充足算力支持，仅算力硬件采购已投入数百万元，工厂端还有大量后续需求，项目具备长期合作空间。
• 行业参考情况：上汽延峰2025年11月左右就在测试同类安全生产类项目，目前正在所有生产基地推广，其有自建的技术团队。常州制造业大厂密集，车间安全生产类AI需求非常旺盛，此前有企业采购过海康的方案效果不佳，投入了试错成本。民营企业对项目落地效果要求高，项目具备一定技术落地门槛，但市场空间充足。
• 方案竞争优势：和海康这类大厂相比，不需要做通用型综合平台，主打轻量化微应用，优势在于响应速度快、定制成本低，可快速完成客户的定制化需求交付，避开大厂的标准化产品竞争。

（三）AI时代的认知破局与工作流提效方法论

分享人：姚庆

1. 核心认知分层逻辑

人的认知可以分为四个象限：

• 知道我知道：自身掌握的专业知识，明确了解相关概念及内涵
• 知道我不知道：了解某类事物存在，但不清楚具体细节，比如知道西藏，但不了解当地具体风俗
• 不知道我不知道：对相关领域完全没有概念，属于完全的认知盲区，甚至不知道该如何搜索相关信息 很多人的工作效率被“不知道我不知道”的盲区限制：比如非技术人员不知道Python、Pandas可以实现Excel表格处理自动化，每天需要花费半天时间手动完成表格整理、数据迁移工作，而这类工作对程序员来说仅需要简单脚本就能完成，此前这类认知差距导致不同岗位之间存在明显的能力鸿沟。

2. AI对两类认知盲区的填补作用

• 填补普通人的能力鸿沟：当前AI已经极大拉平了编程能力的差距，无需掌握专业编程知识，只需要清晰描述自身需求，AI就能将需求转化为对应代码，输出可落地的结果，直接将此前的“未知的未知”转化为可被解决的已知问题，让普通人也能快速实现工作流程自动化。
• 填补AI自身的认知盲区：AI的能力边界受需求明确度影响：需求越模糊，用户越会觉得AI能力强大；需求越精准具体，越会发现AI存在能力局限。AI本身也存在“未知的未知”，它无法主动感知用户的使用场景、运行环境、功能要求等信息，因此需要通过提示词工程、Superpowers等插件，引导AI在输出前主动询问运行环境、使用的编程语言、部署场景、功能规则等信息，减少AI的认知盲区，提升输出结果的匹配度。

3. 工作流提效实操方法

可以借鉴性能分析器的逻辑，拆解个人工作流，找到效率优化的切入点：

• 流程拆解：像分析程序函数耗时、内存占用一样，梳理自身工作的全流程，统计每个步骤的耗时占比，定位占用时间最多的环节。比如梳理周报工作可以发现：70%的时间花费在沟通催数据、合并Excel表格，15%的时间用于核对数据，仅5%的时间用于真正撰写周报，核心痛点非常明确。
• 精准提需求：定位到具体痛点后，清晰向AI描述问题场景、核心诉求，减少AI的认知盲区，AI就能输出对应的技术方案，比如自动生成脚本完成表格合并、数据汇总的工作，实现流程自动化。
• 主动探索盲区：如果不知道如何将AI和自身工作结合，可以多参与行业交流、主动搜索相关信息，也可以直接向AI描述自身的工作场景、遇到的困扰，由AI给出优化方向，填补自身的认知空白。

4. 行业趋势与判断

• 软件形态变化：过去的软件是固定工具，由大厂汇总通用需求开发，用户需要适配工具的工作流；现在编码能力趋于民主化，不需要专业编程基础，普通人也可以借助AI生成适配自身需求的临时工具，未来的工作流将转向“工具适配人”，用户可以根据自身需求自定义轻量化工具，不需要被标准化产品限制。
• 职场竞争逻辑变化：如果不能找到自身工作的低效盲区，借助AI赋能，即使投入大量时间内卷，产出效率也很难得到提升。未来淘汰人的不是AI本身，而是不会借助AI优化工作方法的人。
• AI的能力边界：AI只是拉高了能力下限，并没有替代上层的架构设计、业务判断能力。AI生成的代码往往存在架构问题，稳定性不足，需要专业人员从整体架构、抽象层次做设计和校验，避免走弯路。

5. 跨界交流的价值

不同行业的从业者之间存在大量信息差：行业内的人很清楚自身的业务痛点，但不知道可以用什么技术解决；技术从业者掌握工具能力，但不了解具体行业的场景需求。通过跨界交流，可以把彼此的“未知的未知”转化为“已知的未知”，碰撞出解决方案。

（四）AI工具实操场景案例

分享人：臧腾飞

1. PDF转结构化表格：解决零散数据处理需求

• 需求背景：分享人妹妹处理财务流水时遇到痛点：导出的交易流水为PDF格式，包含网购、客户转账等多类混杂的交易记录，需要统计客户转账的总金额，但PDF无法直接进行筛选、统计操作，常规的复制粘贴或格式转换工具效果不佳。
• 解决方案：
  • 直接使用ChatGPT上传PDF文件，下达“将文件内容转为Excel表格”的指令，大模型直接输出了结构准确的表格，下载后即可通过常规Excel操作筛选出客户转账记录并统计总额。
  • 使用CodeX生成转换代码，向模型下达“将该PDF转为Excel”的指令后，模型自动生成了转换代码，不仅完成了格式转换，还主动完成了按交易摘要统计等额外的数据分析工作，智能化程度较高。
• 核心结论：日常工作中大量细碎、非标准化的小场景需求，都可以尝试用AI解决，当前大模型的能力已经能够覆盖绝大多数这类日常轻量任务。

2. AI生成地域宣传海报：提示词+参考物提升输出准确率

• 需求背景：针对GPT发布的影迈2工具，尝试制作常州文旅宣传海报。
• 实操过程：初始仅输入简单指令“做常州文旅宣传图并署名”，生成的图片存在大量事实性错误，多数建筑并非常州地标，仅恐龙园等少量元素符合要求，多次调整指令后效果依旧不佳。调整策略：开启新会话，上传参考图同时搭配小红书上收集的详细提示词，生成的海报准确率大幅提升，所有标志性建筑均能和常州实际地标对应。仅出现一处偏差：模型将参考图的水印识别为了建筑元素，这类问题可以通过优化提示词避免。
• 核心结论：AI生成图片的能力并没有网传的“全能”，输出质量高度依赖明确的提示词和参考素材，仅靠简单指令很难获得符合需求的成果。

3. AI会议转录工具：适配沙龙场景的记录优化

• 需求背景：此前沙龙、会议结束后，仅靠人工记忆无法完整还原讨论内容，需要高效的内容转录、总结工具。
• 工具对比与优化：国内常用的钉钉录音转写功能和海外产品Claud各有特色，Claud的转录准确度、整体优化效果更优。系统默认的会议纪要模板输出内容逻辑混乱、不符合沙龙的流程特点，分享人主动创建了沙龙专属模板，向模型明确说明沙龙的自我介绍、主题分享、自由讨论的流程规则后，工具可以针对性输出结构化的沙龙总结，比如2026年3月21日的沙龙记录，工具就自动完成了参与者介绍整理、主题分享内容提炼等工作，符合活动记录需求。
• 使用注意事项：手机端APP容易被微信、电话等打断导致录音中断，更推荐使用稳定的设备录制。

4. AI辅助小程序开发：实现无电脑远程迭代

• 需求背景：外出时没有携带电脑，但需要紧急修改小程序功能，希望实现远程的小程序调整、发布全流程。
• 实操方案：
  • 提前给Claud自定义了小程序发布流程的专属Skill，将微信小程序的修改、上传、提交审核、打版本的全流程规则告知模型。
  • 基于本地Mac mini部署的国产Minimax 2.7模型即可支撑需求，由于指令明确、任务不需要发散性思考，国产轻量模型完全可以满足这类执行类任务需求。
  • 举例：外出时向模型下达“修改苏超小程序，将背景改为红色”的指令，模型可以自动响应，找到对应的项目文件修改代码，上传至微信后台，最终用户可以直接在手机端的小程序开发管理界面查看审核进度，全程不需要操作电脑。
  • 流程优化：将模型和GitHub对接，设置节点提醒：当模型执行遇到问题需要人工确认时，自动在GitHub创建Issues并轮询，直到得到用户回复再继续执行，用户可以随时通过手机查看任务进度，不需要绑定特定办公软件。

5. AI生成网站：从设计到开发的全流程提效

• 实操过程：向CodeX输入简单需求“制作一个社群网站，包含活动、成员、项目三个板块”，模型直接生成了基础版本的网站，逻辑清晰但美观度不足。借助image2的能力，向模型提出优化需求，模型提供了极简科技、未来风、社区温度三种风格，选定社区温度风格后，模型生成了对应的设计效果图。将设计图发给升级到5.5版本的CodeX，下达“逐帧还原设计图”的指令，模型会自动分析设计图的结构、样式，修改代码，通过多轮调整最终产出的网站和设计图还原度极高。
• 问题与优化：初期模型生成的代码存在结构问题，所有CSS样式全部写在global文件中，最终达到8000行，后续花费1小时左右让模型将样式抽离到各个模块，消耗了较多token。如果在代码生成后第一时间审核结构，就可以提前避免这类问题。
• 核心结论：AI已经可以支撑网站从需求到落地的全流程，大幅降低开发门槛，但企业级、工作场景的代码产出后，人工审核环节必不可少，避免出现结构混乱、维护困难的问题。

6. AI增强插件功能：优化标签管理体验

分享人日常重度使用的标签管理谷歌插件完全由AI开发，近期迭代了新功能：用户保存多个标签页时，插件会自动调用AI总结标签页内容，生成对应的集合标题，替代原来的默认“new collection”标题，减少了用户手动命名的步骤，进一步提升了产品的自动化体验。

（五）轻食门店AI数字化转型实践

分享人： 王晖，常州轻食门店经营者，曾专注于供应链管理系统领域

1. 背景与痛点

2025年7-8月门店曾陷入经营危机，累计亏损70万濒临关店，2026年年初借助小龙虾产品及数字化工具转型，经营状况出现正向好转。初期运营痛点包括：

• 门店运营环节琐碎，包含记账、采购、客户沟通、文案撰写等多项工作，仅店长统计采购、记账就需要耗时2-3小时，信息碎片化严重，人力成本高，容易出现遗漏。
• 业务模式从到店点餐转向月餐服务后，市面上没有适配的月餐管理系统，仅靠表格管理客户订单，单量从每日80单快速上涨到220单后，出餐统计、核销、物资采购工作量暴涨，团队产能不足；客户订餐需求灵活，存在临时取消、阶段性停餐、特殊忌口、定制餐量等个性化需求，300余位客户的需求仅靠人工记录、微信置顶的方式难以高效管理，极易出现错漏。
• 配送覆盖常州高架内多区域，多取餐点中转+骑手配送的模式下，人工核对配送范围、呼叫骑手效率低，客服需要逐一确认地址是否在配送范围内，响应速度慢。
• 后厨出餐缺乏可视化指引，特殊餐、定制餐占比提升后，出餐错误率高，骑手分批次取餐的顺序难以管控。
• 员工能力分层明显，基层员工学历普遍偏低，难以掌握复杂的表格操作、数据统计工作，经验和能力复用难度高。

2. 1.0阶段解决方案：轻量化工具提效

2026年2月年后开始引入飞书作为基础协作工具，实现初步提效：

• 采购人员买完物资后直接截图发至飞书即可完成记账，无需额外整理数据，大幅降低记账耗时。
• 利用飞书提醒功能实现双向事项提醒，店长反向通过飞书设置循环提醒（每10分钟一次），同步采购需求，确保重要事项无遗漏。
• AI工具辅助处理日常事务后，店长从繁琐事务中解放，产出的短视频内容带来门店流量增长，订单量进一步提升，形成正向循环。

3. 2.0阶段解决方案：定制化动态运营系统落地

由于市面上无适配月餐场景的标准化系统，门店结合业务需求定制开发动态运营系统，比传统ERP灵活性更强，支持多端操作、数据多端同步：

• 核心功能模块：
  • 客户信息管理：对接飞书表格搭建CRM客户表，完整记录客户姓名、地址、忌口、餐量定制需求等信息，数据可实时同步更新。
  • 订单全链路管理：人工在飞书表格中标记当日用餐需求后，数据可同步至系统出餐库，自动生成订单编号、小票编号并回填飞书，避免订单遗漏；对接聚合跑腿API，打包完成后可在系统内直接呼叫骑手，骑手端可实时接收订单信息。
  • 后厨可视化管控：设置后厨看板，直观展示当日餐品类型（面条/米饭）占比、特殊餐数量、客户忌口信息、餐量定制需求，同时标注分批次打包的订单顺序，后厨员工按指引操作即可，大幅降低出餐错误率。
  • 配送范围智能核验：对接高德地图，可自定义更新配送范围，输入地址即可自动核验是否可配送，无需客服人工确认。
  • AI辅助运营：自动识别客户微信发送的订餐调整需求，同步更新系统订单信息；提供AI运营诊断分析，自动整理每日出餐变化数据；规划上线语音输入功能，基层员工无需学习复杂表格操作，通过语音即可完成数据录入，降低工具使用门槛。
  • 自媒体运营工具：通过本地大模型自动采集对标账号的短视频内容（支持自定义采集数量），存入自有知识库，为后续内容创作提供支撑。
• 系统开发思路：摒弃传统一次性开发完整系统的模式，采用“小步验证+积木式拼接”的思路：先将零散业务需求拆解，交给AI生成单个功能小工具，经过团队实际使用验证可行后，再将各个成熟的功能模块拼接成完整系统，适配业务快速变化的需求。

4. 后续规划

• 开发IP中台，预留端口和现有运营系统对接：实现自媒体内容自动创作、自动剪辑等功能，支撑内容端产出；实现员工重复性需求快速生成工具demo，员工可直接使用demo完成重复工作，进一步降低人力成本。
• 探索微信消息自动识别方案，目前备选方向包括企业微信API对接、电脑端屏幕识别抓取需求，暂不考虑破解本地聊天记录的方案，规避账号封禁风险。

5. 行业观点输出

• 传统标准化软件难以适配中小商家快速变化的业务需求，未来工具会向“日抛型”、可动态生长的方向发展，无需投入高额成本维护固定开发团队，即可根据业务需求快速调整工具能力。
• AI的核心价值之一是将经营者的业务经验、能力抽象沉淀为可复用的系统工具，降低对员工能力的要求，实现低能力水平员工也能完成复杂工作，放大个人和团队的产能，甚至让非技术背景的经营者也能同时推进系统开发、门店运营、内容储备多项工作，实现多线程作业。
• 非传统行业从业者进入餐饮等垂直领域，反而更容易跳出行业固有思路，借助数字化工具打造更适配新业务模式的解决方案。

（六）无代码AI开发实践

分享人：此前从事项目管理工作，2022年下半年即开始使用GPT 3.5，对AI工具的使用有长期积累

1. 开发模式

作为完全无代码基础的非技术人员，通过与AI对话的方式完成了轻食门店业务系统的全量开发，所有代码可直接发布到GitHub，除开发速度较慢外，输出的代码质量较高。

2. 问题解决路径

遇到代码运行卡顿、逻辑循环等问题时，不需要自主排查代码，直接向AI描述问题现象和要求的修复目标即可，当系统开发到一定成熟度后，再调用专业工程资源对代码进行审核、优化。UI优化完全通过AI完成，借助AI升级后的能力生成所有页面的设计效果，解决了初期界面粗糙的问题。

3. 项目落地成果

该系统包含几十个页面，覆盖数据统计、客户分析、运营维护等全链路业务需求，支持个性化月餐需求记录、采购量自动计算、订单打单等功能，完全由分享者一人独立开发，总耗时约1个半月。系统落地后直接解决了传统轻食门店用表格管理订单的痛点：此前管理200份以上月餐需要4人运营团队，系统上线后大幅释放人力，门店店长可以从机械打单工作中脱离，聚焦客户运维，目前门店已经进入二店、三店扩张阶段，还有意向加盟需求。

4. 开发效率优势

相比传统定制开发需要对接技术团队、周期不可控的问题，用AI开发可以随时跟进需求，支持手机端随时确认AI的开发疑问，配合插件可以直接实现代码分支管理、正式环境迭代，不需要在本地开发环境操作，灵活度更高。

5. 业务认知与方向思考

• AI落地的核心能力：AI工具的使用没有学历门槛，核心在于能够清晰、准确地描述需求，明确任务的边界和验收标准。不懂代码但懂业务逻辑、具备问题拆解能力的人，完全可以通过AI实现需求落地。
• 小微企业的AI需求：当下企业规模呈收缩趋势，大量20人以下的实体商家没有精力研究AI，但同样需要获客、门店管理、数据统计等数字化能力，AI可以帮助这类商家降低成本、实现营收增长，是未来的重要服务方向。
• 传统技术思维与用户思维的差异：技术人员通常是用AI优化原有工作流，而从用户需求出发的使用者是直接让AI实现业务目标，后者的落地路径更贴合实际业务场景。当这类具备业务拆解能力的使用者增多后，基础技术开发工作的替代性会明显提升。
• 个人核心优势：这套开发方法论难以直接复制的核心在于，分享者具备跨多个行业、多个业务流程的需求拆解经验，可以快速适配不同场景的业务逻辑。

四、待落地商机分享

1. 微信入住信息自动采集整理

• 需求背景：派出所需要对接大量二房东、网约房经营者，要求对方点对点报送住客的姓名、身份证号、手机号、入住时间等信息，当前需要人工逐条登记，效率极低。
• 核心难点：微信官方不开放个人微信接口，使用外挂类机器人有封号风险；经营者排斥使用企业微信报送，仅愿意通过普通点对点微信发送信息，甚至会直接发送手写收据、身份证照片等非结构化内容；接收信息的民警账号为多派出所共用，无法固定在单台设备登录。
• 当前进展：已完成Demo开发，通过固定设备截图+OCR识别+大模型整理实现信息自动提取，但受限于多账号登录问题尚未完全落地。
• 应用价值：该需求不仅面向公安场景，大量需要监控微信消息的场景均有适配空间，仅单个区域的派出所即可形成可观的市场规模，目前社区正在共同探讨多端并行场景的解决方案。

2. 生产吊装作业安全监测

• 需求背景：生产场景吊装作业的安全要求为：吊装货物高于人头高度时，人员禁止进入作业区域；货物低于人头高度时，允许人员近身扶稳，当前需要技术手段实现自动监管。
• 方案难点：纯视觉方案需要做3D空间关系标定，模型训练难度大、准确率难以保证。
• 初步方案构想：采用“红外电子围栏+对接吊车PLC数据”的方案，结合货物高度数据动态调整电子围栏准入规则，规避纯视觉方案的缺陷。
• 项目价值：常州本地生产企业数量多，政府对安全生产类AI落地项目支持力度大，项目规模可观，但目前人力不足，正在寻找合作伙伴共同推进落地。

五、自由讨论核心结论

（一）AI开发与落地实践

1. AI辅助开发痛点解决：
   • 上下文丢失问题：单会话仅处理单个任务，任务结束后开启新会话清空冗余上下文，避免历史信息干扰；留存所有项目的需求文档、实施方案、设计说明，统一归档到项目的document目录并同步到代码仓库，后续新会话开发时先导入相关文档，保证需求和逻辑的延续性。
   • 团队协作适配：AI辅助开发没有改变传统软件工程的协作逻辑，依然需要架构师做整体规划，不同开发者各自负责独立模块，避免多人同时修改同一段代码。项目文档和测试用例是协作的核心，“软件的本质是文档，代码只是文档的实现”，文档是约束AI输出符合需求的核心依据，后续维护人员哪怕不是原开发者，也可以通过文档让AI快速理解项目逻辑，完成迭代。
   • 工作流沉淀方法：小需求提交给AI后，要求AI先生成详细的实施方案，经人工审核确认后再开始开发；每次开发完成后，要求AI同步更新项目文档，记录本次开发的功能、设计思路、实现目标，方便后续回溯；所有文档和代码同步推送到私密代码仓库，不需要额外本地归档，后续调用AI时先让其读取仓库内的相关文档，不需要逐行读取历史代码即可了解项目逻辑。
2. 项目落地核心逻辑：
   • AI项目落地的核心壁垒不是技术，而是对垂直场景需求的深度理解，通用技术框架很难直接适配不同行业的个性化要求，强行套用会大幅增加开发成本。
   • 不同行业对AI模型的误报、漏报容忍度差异极大，通用方案很难直接适配垂直场景需求。例如国土耕地保护场景侧重“不能漏报”，若破坏耕地的违法行为未被识别，后续上级监管发现会存在问责风险。
   • 中小团队做AI落地要优先选择技术路径短、能快速解决具体痛点的场景，不需要追求大而全的方案，快速验证需求、实现商业闭环是首要目标。
   • 工厂、铁塔类的视觉识别项目，若摄像头固定，可通过确定视角参数保证定位精度；如果是360度球机，获取水平弯角、俯仰角、缩放等内参后也可实现定位，室内场景光照条件好、固定参照物多，定位精度更容易保障。
   • 上规模的项目如果走数据局审批流程繁琐，小型项目可灵活推进，单人承接项目精力有限，还是需要团队配合完成落地。

（二）商业与职场发展

1. ToB AI服务方向：
   • 社群正在布局两类ToB服务：一类是AI相关项目外包开发，一类是企业AI工作流改造咨询、定制化培训，后续也会联动社区内的资深AI应用专家提供上门服务，同时支持项目落地承接，帮助企业实现降本增效。目前已经有AI工程师为律师团队提供相关服务，深入业务场景梳理效率提升点，这也会是未来程序员的重要发展方向之一。
   • 当下很多企业客户的AI改造需求比较模糊，需要服务商深入理解客户业务，梳理业务流程，给出可落地的优化方案，懂业务的AI开发者会有更强的市场竞争力。
   • 传统软件服务商的AI改造报价普遍较高，社区灵活的独立开发者模式在中小型定制化AI项目上有更高的性价比优势。
2. 行业机会：
   • 当前AI技术的发展让低代码/无代码的需求实现成为可能，不懂程序的从业者也能按照自身需求完成功能搭建，大幅降低了个性化需求的落地门槛。过往很多单店、小微企业的定制化需求，没有供应商愿意承接，现在小团队即可完成交付。
   • 常州本地制造业资源丰富，大量工厂存在碎片化、低预算的数字化提效需求，这类需求体量小、定制化程度高，海康等大厂没有动力承接，是中小团队的核心业务机会，仅深耕工厂类AI落地需求就有足够的市场空间。
   • 当前正处于政府推动OPC落地的红利期，电信作为项目总包方会将部分需求外包给小型团队，核心发展路径是借政策东风把团队体量、项目经验做大，摆脱对政策红利的依赖，形成自主获客、自主交付的能力。
3. 商务合作共识：
   • 公益性质的社区交流不限制参与主体，但涉及正式项目合作必须以公司为主体对接，保障甲方权益，避免后续找不到对接人的风险，也符合政府、国企类客户的合作规范要求。
   • 当前市场端需求充足，核心缺口是懂垂直行业业务、能承接前端需求梳理和客情维护的项目经理，纯初级程序员的基础编码工作已经可以被AI替代，团队核心竞争力是需求转化能力和客户关系维护能力。
   • 团队要明确自身核心优势，不要追求全链路覆盖，可将非核心环节外包，核心精力放在需求挖掘、产品商业化落地和市场拓展上，避免闭门造车，要建立从需求挖掘到产品交付再到市场获客的完整链路。
   • 获客路径可参考成功案例：专人运营抖音、小红书等内容平台，精准触达有需求的客户，打通公域获客到私域转化的流程。
4. 职场发展建议：
   • 企业自上而下推动AI应用落地会遇到一定阻力：员工普遍有“用AI提效后工作量增加、甚至被裁员”的顾虑，更倾向于悄悄用AI减少自己的工作时长，不愿意主动告知企业。
   • 从业者不要抱有“偷偷用AI摸鱼”的短视想法：一方面如果企业整体效率低下，最终经营出现问题，员工依然会受到影响；另一方面外部竞争会逐步淘汰不使用AI的从业者，主动拥抱AI、掌握AI辅助工作的能力，才能保持职场竞争力，避免被行业淘汰。
   • 社区正在推广“一人团队”的概念，借助AI工具拉高个体能力下限，让单人可以承接过去需要多人团队完成的项目，实现个体商业价值的放大。

（三）社群运营与后续安排

1. 社群运营调整：
   • 宣传层面：弱化“开发者”相关标签，扩大受众范围，将社群定位为AI爱好者社群，吸引更多不同行业的从业者参与，挖掘各行各业的AI落地需求。
   • 活动形式：后续减少大规模聚集活动，转向高频次的小型圆桌讨论，每次活动搭配1-2名程序员做技术可行性评估，其余参与者来自不同行业，避免讨论过于技术化，降低参与门槛，同时保证需求落地的可行性。
2. 共建模式说明：
   • 社区处于起步阶段，共建规则灵活，不要求参与者全职投入，可根据自身时间和能力参与不同的工作，比如内容运营方向可以帮忙发布小红书、抖音内容，技术方向可以参与项目需求评估和落地，目前已有成员兼职两周发布2条小红书内容即可参与共建。
   • 社区当前规模200余人，获客主要来自小红书和用户转介绍，正在布局抖音内容渠道，核心价值是为参与者提供行业交流、项目对接、资源整合的平台，打通AI需求和技术落地的链路。
3. 后续安排：
   • 有共建意向的成员后续会被拉入相关讨论组，共同参与活动策划、内容宣传、项目对接等具体工作。
   • 相关参与者计划2026年04月28日-29日完成线下对接，期间会同步AI出海项目相关的录音、总结大纲等资料。
   • 针对个人微信数据采集类场景，可探索“普通微信点对点+企业微信作为群主拉群”的混合方案，既符合用户使用习惯，又可以通过企业微信的开放接口获取群内消息，该方案正在进一步验证可行性。
   • 垂直场景的技术测试成果可以在行业社区内共享，降低同类项目的重复开发成本，社区协作是中小AI创业团队提升效率的有效方式。

【内容由 AI 生成，仅供参考】