当我第一次开始尝试AI进行内容操作时，我的默认方法是提示：提出问题，完善回答，冲洗，重复。它在快速的草稿或头脑风暴会议上的工作效果足够好，但是很快就会注意到局限性：输出不一致，有时已经过时并且很少重复使用。
因此，我继续创建自定义GPT。尽管这些是可重复使用的，但我仍在使用大量的时间将输出组合在一起并验证准确性。
团队的Eoin和Steven 当Airop 与他们的队列计划联系时 - 我知道这是我的机会。
我加入了，因为我不仅想要更好的提示，还想要一个更好的系统。
在为期两周的计划中，我意识到真正的解锁不仅仅是学会“提示更聪明”。它正在学习 如何构建工作流程 ，使研究更加相关，可重复并且与我的实际工作方式更加联系。
我没有手动将工具缝合在一起，而是建立了一个可以支持我日常过程的AI驱动管道。所有这些都不是每次都从零开始。
我想分享我获得的知识块，以及它们如何塑造我的新方法来利用AI。
提示与工作流：有什么区别？
从本质上讲，提示是反应性的。您一次问一个问题，该模型给您一个答案，通常从可能几周甚至几个月大的数据快照中提取。
这对于集思广益或快速草稿很好，但是当您尝试时，它会很快分解：
- 跟踪快速移动的主题
- 保持一致的格式或语气
- 结合结构化输入（关键字，竞争对手数据，SERP功能，社交信号）
- 构建其他人可以重复或信任的过程
另一方面，工作流程是故意的，模块化的，并且是用于规模的。
我使用Airops平台建立了一个工作流程，该工作流程使从局部相关性和SERP刮擦到本地化准备就绪的简介和链接建议的所有功能自动化。
所有这些无需我每次都会提示。
例如，这是我在Airop上创建的内容创建网格：
它主持了5种不同的工作流，涵盖主题研究，内容简要创建，文章草案，内容优化和本地化（此时仅英国AU）。
可以在一半的时间内完成一个需要2-4周才能完成的过程。考虑到人类的语气和准确性检查，如果团队的带宽不足，则
此外，该网格不仅限于一个行业 - 我能够以一种可以表明重点行业的方式进行设置，并且可以轻松添加其他 品牌套件 来调整产量的焦点。
我希望我可以利用可用的CMS集成来加快速度，然后我将不可阻挡！
研究新鲜度：不再猜测
工作流程方法中最大的胜利之一是最终获得反映目前正在发生的事情的研究成果。
我不仅依靠静态模型知识，而是拉动了实时搜索片段，人们还提出问题，reddit线程和出版商的头条新闻等等。这使我可以看到并评估一个主题的发展方式，而不仅仅是六个月前或更长时间的定义。
这对于：
- 收集有关感兴趣主题的信息
- 比较国际关键字意图（对于本地化的SEO简介）
- 发现不同垂直领域的标题框架趋势
而且由于这些输入被烘烤到工作流程中，所以我不必手动刷新它们，也不必想知道我是否缺少某些东西。
每个输出都基于实时环境。
截至这篇文章时，我询问了Chat GPT的知识基础截止日期。它回答以下内容：
我的知识基础是截至2024年6月的当前。如果您需要此之后的信息 - 例如重新发布新闻，更新或产品发布 - 我可以为您寻找。您要我检查最近的东西吗？
这意味着知识的差距将近一年！
但是，LLMS现在可以在线搜索主题，并返回您可能需要的所有信息。
你应该信任吗？就我个人而言，即使是从我所期待的确切输出中提示的自定义GPT，我也不相信LLM的原始输出。
这是工作流程也发光的地方。
您可以添加一个人类审查的步骤，以添加额外的验证层，以确保最终产出与您的品牌相关，并反映您的目标受众的兴趣。
结构相关性和可重复性
提示的另一个挑战是一致性。有一天，您选择的LLM会给您黄金；接下来，它是幻觉统计或跳过部分。那是不可扩展的。
通过构建结构化的工作流，我可以在每个步骤中确切定义我想要的东西：
- 标题和元建议
- 具有上下文示例的主题实体
- 目标SERP功能
- 可以进行本地化准备措辞
- 竞争对手分析与内容差距报告和建议
这些都是其自己的组件，具有定义的逻辑和格式。
它不仅使输出变得更好，还可以由其他利益相关者和工具使用。它可以插入CMS，简要介绍作者或通知CRO测试。
这就是一个聪明的想法和智能系统之间的区别。
最终想法：模板不是系统
许多人将LLM视为更快地旋转内容的工具。很好，但这只是图片的一部分。
Airops队列帮助我看到的是，如果您希望LLM与您的团队合作（不仅仅是为此），您需要超越模板。
工作流使您将本能转变为基础架构。它们可以帮助您扩展研究而不会失去细微差别。他们会给您时间，而不会放弃控制。
头条号入驻
财经自媒体联盟
第一财经日报 
每日经济新闻 
贝壳财经视频 
尺度商业 
财联社APP 
量子位 
财经网 
华商韬略 
4001102288 欢迎批评指正
All Rights Reserved 新浪公司 版权所有
