本文通过工具Ai好记视频转文字转录整理以下为精炼整理后的会议笔记内容。很多团队推 AI卡点从来不是模型不够强而是人不用、用不深、不动脑、太伤脑。腾讯性能工程团队负责人黄闻欣把这一幕讲透了带团队把 AI 使用率从 20% 拉到 90%一周后接近 100%。他没有讲漂亮概念全是怎么落地的动作。这篇文章把这套打法拆开重点讲四道坎各怎么过每一个都配了可实操的方法。先看结果使用率怎么从 20% 拉到 100%黄闻欣的做法分两步。先铺地基再掐节点。地基自 ChatGPT 刚出就在内部持续分享坚持两年多的「闪电分享」每周花 5 分钟让团队讲讲 AI 落地碰到的事。节点2025 年 3 月组织一次团建核心是传递紧迫感。会上给出三条路提升效率卷起来放弃做 AI或者真实地创造东西。结果很直观阶段AI 使用率团建前约 20%团建后爆到 90%再一周接近 100%但黄闻欣自己点破一个关键变量模型真的变强了。很多团队推不动一半是人的问题一半是当时的模型确实不顶用。别急着把责任全甩给员工。第一道坎不去用越有经验越抗拒他开场讲了个非常真实的细节用 AI 工具协同生成 PPT结果出来的东西「不太是我想要的」赶时间只能硬着头皮用还自嘲格式不匹配是 AI 的锅。这种「试一次觉得不行」的体验正是很多老员工拒绝 AI 的开端。解法不是讲道理而是给足紧迫感用团建这种有仪式感的节点把焦虑具象化。停止归罪模型先确认模型能力已经到位再推动意愿。经验丰富的人往往更依赖既有路径需要额外给「试试看」的理由。第二道坎用太少大多数人用得很浅使用率上去后他盯住另一个指标一天 24 小时里有几点时间是真在跟 AI 协作。结果并不理想。他借亚里士多德四因说把「用不深」拆成四个根因维度问题真实表现材料因提示词难复用每个人写的提示词都长在自己的工作流程里搬给别人就水土不服动力因工作边界焊死很多人只想当螺丝钉别人的痛点跟自己无关目的因把提效当终点只盯着省多少人力从没问省下的人要创造什么结构因黑箱等待时间等 AI 输出、等自己接下一步、等别人交付三重等待吃掉效率对应解法也具体打破职能墙他去关注下游痛点。测试交付缺陷后研发要解 bug 还要重现跟他无关但他意识到下游没提效等于害了别人。于是用 AI如 nanobanana直接生成美观的性能白皮书这事以前「想都不敢想」。AI 复盘会每周四一次不行因为到周四早忘了现场。改成每天下午 5 点半到 6 点只听当天遇到的具象问题禁止演示、禁止聊概念。上下文工程AI 推理错了很多时候是「上下文不全」。做法是重塑流程让 AI 团队在数据库评测前先做对应机型评测并把数据关联进来再配合 Tracing、Logging、Metrics 等动态上下文和代码库静态上下文。第三道坎不动脑被 AI 的假象带着走他直言「懒得动脑是刻在人类 DNA 里的」。真正的危险不是不用而是用了之后照单全收。这里有个很魔鬼的机制模型天然会补全一个「看起来好像对」的答案。当你心里没有期待的答案时AI 给什么你都觉得不错。一旦你心里有数就会发现它给的东西经不起推敲。他举了「云端一体」的例子问 AI 要不要云端一体它肯定说要不要但那只来自「搜索到的文章帮你总结提炼」不是真实的预测。所以关键不是反复调提示词、换 LangChain 还是 LangGraph而是先想清楚「什么算好」。第四道坎太伤脑理想态最难定义最反直觉的一道AI 用得越深越需要人去做最烧脑的事就是定义理想态。黄闻欣管它叫「说塔」要定下「收塔」的标准。难点在于两重能力的矛盾从具象到抽象懂业务又能提炼出业务的理想态、归纳出需要的能力。从抽象到具象把理想态落成一条条可评测的规则过程「超级脏、超级累」。对人是「圣人的要求」既要有高阶能力又要不怕脏。他的落地解法是AI 能力必须配测试用例没有测试用例他一律不认。老板亲自看 Benchmark他提到腾讯对外发布 CodeBuddy背后就是 Benchmark 的重要性。代码知识库这种地方要的是能答出「代码三态分析」、找全局变量关联调用链这类具体本事而不是听着很酷的演示。把四道坎串成一套管理动作这四道坎是递进的先让人愿意用动力再让人用得深能力再防止不动脑判断最后逼着定义理想态方向。对应的管理动作可以照着排每日固定时段 AI 复盘只听具象问题不听演示和概念。给 AI 能力设基准和测试用例老板亲自看效果。重塑流程把上下文工程做扎实而不是追着换模型换框架。像「四道坎」这种信息密度高的内容光靠听容易漏细节转成结构化笔记后方便反复对照和复习。AI 落地的天花板从来不只在模型更在组织怎么重新定义人的位置和工作方式。这四道坎每一道都得靠人自己迈过去。FAQAI 落地经常踩的坑Q团队 AI 使用率低是不是员工态度问题A不一定。先确认模型能力跟上了再谈人愿不愿意。很多「推不动」其实是时机不对不是人不努力。Q为什么提示词和 Skill 很难在团队里复用A因为每个人写的提示词都嵌在自己的工作流程和上下文里换环境就水土不服头部效应非常明显。Q复盘会为什么要每天开而不是每周A周会间隔太长现场细节早忘了。每天傍晚 5 点半到 6 点复盘才能抓住新鲜滚烫的具象问题。Q什么叫理想态普通人也能定义吗A理想态就是「什么算做得好」的标准。需要懂业务的人抽象出能力再落成可评测规则难度高但对 AI 团队几乎绕不开。 把AI使用率从20%拉到100%，只需要做这四件事
本文通过工具Ai好记视频转文字转录整理以下为精炼整理后的会议笔记内容。很多团队推 AI卡点从来不是模型不够强而是人不用、用不深、不动脑、太伤脑。腾讯性能工程团队负责人黄闻欣把这一幕讲透了带团队把 AI 使用率从 20% 拉到 90%一周后接近 100%。他没有讲漂亮概念全是怎么落地的动作。这篇文章把这套打法拆开重点讲四道坎各怎么过每一个都配了可实操的方法。先看结果使用率怎么从 20% 拉到 100%黄闻欣的做法分两步。先铺地基再掐节点。地基自 ChatGPT 刚出就在内部持续分享坚持两年多的「闪电分享」每周花 5 分钟让团队讲讲 AI 落地碰到的事。节点2025 年 3 月组织一次团建核心是传递紧迫感。会上给出三条路提升效率卷起来放弃做 AI或者真实地创造东西。结果很直观阶段AI 使用率团建前约 20%团建后爆到 90%再一周接近 100%但黄闻欣自己点破一个关键变量模型真的变强了。很多团队推不动一半是人的问题一半是当时的模型确实不顶用。别急着把责任全甩给员工。第一道坎不去用越有经验越抗拒他开场讲了个非常真实的细节用 AI 工具协同生成 PPT结果出来的东西「不太是我想要的」赶时间只能硬着头皮用还自嘲格式不匹配是 AI 的锅。这种「试一次觉得不行」的体验正是很多老员工拒绝 AI 的开端。解法不是讲道理而是给足紧迫感用团建这种有仪式感的节点把焦虑具象化。停止归罪模型先确认模型能力已经到位再推动意愿。经验丰富的人往往更依赖既有路径需要额外给「试试看」的理由。第二道坎用太少大多数人用得很浅使用率上去后他盯住另一个指标一天 24 小时里有几点时间是真在跟 AI 协作。结果并不理想。他借亚里士多德四因说把「用不深」拆成四个根因维度问题真实表现材料因提示词难复用每个人写的提示词都长在自己的工作流程里搬给别人就水土不服动力因工作边界焊死很多人只想当螺丝钉别人的痛点跟自己无关目的因把提效当终点只盯着省多少人力从没问省下的人要创造什么结构因黑箱等待时间等 AI 输出、等自己接下一步、等别人交付三重等待吃掉效率对应解法也具体打破职能墙他去关注下游痛点。测试交付缺陷后研发要解 bug 还要重现跟他无关但他意识到下游没提效等于害了别人。于是用 AI如 nanobanana直接生成美观的性能白皮书这事以前「想都不敢想」。AI 复盘会每周四一次不行因为到周四早忘了现场。改成每天下午 5 点半到 6 点只听当天遇到的具象问题禁止演示、禁止聊概念。上下文工程AI 推理错了很多时候是「上下文不全」。做法是重塑流程让 AI 团队在数据库评测前先做对应机型评测并把数据关联进来再配合 Tracing、Logging、Metrics 等动态上下文和代码库静态上下文。第三道坎不动脑被 AI 的假象带着走他直言「懒得动脑是刻在人类 DNA 里的」。真正的危险不是不用而是用了之后照单全收。这里有个很魔鬼的机制模型天然会补全一个「看起来好像对」的答案。当你心里没有期待的答案时AI 给什么你都觉得不错。一旦你心里有数就会发现它给的东西经不起推敲。他举了「云端一体」的例子问 AI 要不要云端一体它肯定说要不要但那只来自「搜索到的文章帮你总结提炼」不是真实的预测。所以关键不是反复调提示词、换 LangChain 还是 LangGraph而是先想清楚「什么算好」。第四道坎太伤脑理想态最难定义最反直觉的一道AI 用得越深越需要人去做最烧脑的事就是定义理想态。黄闻欣管它叫「说塔」要定下「收塔」的标准。难点在于两重能力的矛盾从具象到抽象懂业务又能提炼出业务的理想态、归纳出需要的能力。从抽象到具象把理想态落成一条条可评测的规则过程「超级脏、超级累」。对人是「圣人的要求」既要有高阶能力又要不怕脏。他的落地解法是AI 能力必须配测试用例没有测试用例他一律不认。老板亲自看 Benchmark他提到腾讯对外发布 CodeBuddy背后就是 Benchmark 的重要性。代码知识库这种地方要的是能答出「代码三态分析」、找全局变量关联调用链这类具体本事而不是听着很酷的演示。把四道坎串成一套管理动作这四道坎是递进的先让人愿意用动力再让人用得深能力再防止不动脑判断最后逼着定义理想态方向。对应的管理动作可以照着排每日固定时段 AI 复盘只听具象问题不听演示和概念。给 AI 能力设基准和测试用例老板亲自看效果。重塑流程把上下文工程做扎实而不是追着换模型换框架。像「四道坎」这种信息密度高的内容光靠听容易漏细节转成结构化笔记后方便反复对照和复习。AI 落地的天花板从来不只在模型更在组织怎么重新定义人的位置和工作方式。这四道坎每一道都得靠人自己迈过去。FAQAI 落地经常踩的坑Q团队 AI 使用率低是不是员工态度问题A不一定。先确认模型能力跟上了再谈人愿不愿意。很多「推不动」其实是时机不对不是人不努力。Q为什么提示词和 Skill 很难在团队里复用A因为每个人写的提示词都嵌在自己的工作流程和上下文里换环境就水土不服头部效应非常明显。Q复盘会为什么要每天开而不是每周A周会间隔太长现场细节早忘了。每天傍晚 5 点半到 6 点复盘才能抓住新鲜滚烫的具象问题。Q什么叫理想态普通人也能定义吗A理想态就是「什么算做得好」的标准。需要懂业务的人抽象出能力再落成可评测规则难度高但对 AI 团队几乎绕不开。