70/80 后中层，零基础学 AI 实录 | #WorkBuddy#不写代码，也能用 AI 把活干漂亮#25 年管理经验，遇上 AI 的第 1 天#

一、先自报家门

我是做女装品牌电商运营的，具体负责三块：电商运营、数据分析、商品企划，职位是数据分析经理。说起来不怕笑话——我入行已经 25 年，其中 20 年都扑在女装品牌的商品管理和企划上，线上线下都摸过。现在主要深耕抖音和小红书两个渠道。

这 25 年，我靠的是经验、直觉和一手 Excel。说实话，看到"AI""大模型"这些词，我第一反应是：那是技术员的事，跟我一个卖衣服的数据经理有什么关系？

直到今年，抖音和小红书的数据量越来越大，光靠人手拉表、做透视，一周的时间有一半耗在重复劳动上。我才下定决心：试试 AI 工具，哪怕从零开始。

二、为什么选 WorkBuddy（给同龄同行参考）

我试过几个 AI 工具，卡在两个点上：要么只能在网页聊天里复制粘贴，要么要自己配 Key。对一个连 Python 都没碰过的人来说，门槛太高。

WorkBuddy 打动我的就一条：它能直接动我电脑里的文件。我不用学写代码，只要用大白话告诉它"去读哪个表、做什么、出什么"，它就真去干。这对我们这种"业务强、技术弱"的中年人太友好了。

三、场景 1：抖音 / 小红书销售数据，十分钟出周报

以前每周一，我要把抖音小店和小红书店铺的导出表合并、去重、按款式和渠道汇总，再做一张趋势图，两三个小时起步。

现在我对 WorkBuddy 说：

"读取桌面『抖音销售.xlsx』和『小红书销售.xlsx』，按款式和渠道合并，计算上周环比，生成一张销售额趋势柱状图，输出『周报.xlsx』。"

大概十分钟，表也清了、图也出了。我把肉眼复核一下异常值，剩下的时间拿去想"为什么这款涨、那款跌"——这才是数据经理该干的活。

心得：凡是"读表→处理→出表"的活，尽量让它直接生成文件，别在聊天框里来回复制，既省事又省心。

四、场景 2：商品企划，让 AI 当我的"资料助理"

做商品企划最头疼的是前期资料搜集：竞品上新节奏、平台爆款关键词、评论里的痛点。我现在会让 WorkBuddy 帮我：

"把最近 50 条小红书女装评论里出现的高频词和负面情绪点，整理成一张清单，按出现次数排序。"

它几分钟给我一张清单，我再结合 20 年企划经验做判断——AI 负责"把信息摊开"，我负责"拍板"。机器替代不了我这 20 年的眼光，但能把我从翻评论的苦海里捞出来。

五、场景 3：小红书 / 抖音 文案和直播话术

运营侧要天天产出种草文案和直播话术。我让它根据企划主题先出一版草稿：

"围绕『春季通勤风女装』写 3 条小红书种草文案，口语化、带情绪、不超过 150 字。"

草稿不算惊艳，但框架有了，我改改就成了。对不擅长写字的我们，这相当于有个随时待命的文案搭档。

六、踩过的坑 & 给同龄人的建议

1. 指令越具体，结果越准：把"哪个文件、要什么、格式怎样"一次说清，比来回对话省力。
2. AI 是助理，不是老板：它给的表、文案、清单，一定要自己复核再上会、再发布。20 年经验是你的护城河，别交出去。
3. 简单活交给轻量模型：问答类切轻量模型，消耗能少一大截。
4. 别信"刷积分 / 破解"：正经用，最稳。

七、这个专栏会怎么更新

这篇是专栏首篇。我给自己定的节奏：每 3–7 天写一篇真实心得——不灌水、不吹神，就记一个 25 年老兵用 AI 的真实瞬间：今天帮我省了哪件事、踩了哪个坑。

如果你也是 70、80 后，也是管理岗，也对 AI 又想又怕——欢迎一起，咱们边用边聊。