办公自动化

把重复的数据处理拆成有输入、有检查的流程。

如何开始

• 描述输入与通过条件
• 连接必要的数据来源
• 加入校验和人工审核
• 处理失败与重复执行

知识与实践

• 模型、平台和 API，有什么区别？

  以“批量整理用户反馈”为例，决定用聊天网页、工作流还是 API，避免买错入口和套餐。

• 把重复工作变成可检查的自动化流程

  从“反馈文本转待审任务”搭一条可检查工作流，先验证字段、去重与失败恢复，再接自动触发。

• 本地大模型上手：先做一轮小规模验证

  先估内存，再用同一组请求验证本地模型的速度与质量；附 Ollama 用量字段和测速公式。

• 用小型资料库搭建可核对来源的问答

  用三份产品资料完成一次可核对来源的问答实验，定位“找错资料”和“看见资料仍答错”的区别。

• 怎样用自己的任务比较两个 AI 模型

  用20条真实任务搭一份小型评测集，识别编造、格式失败和版本退化，而非凭榜单选模型。

配套工具

• n8n

  连接数据与服务，将重复工作组织成自动化流程。

• Dify

  以可视化方式组织模型、知识与应用工作流。

• Hugging Face

  用于发现模型、数据集及演示应用的社区与基础设施入口。

• Ollama

  提供在本地运行模型的工具及模型库。

• LM Studio

  用于管理和运行本地模型的桌面工具。