从会问一句，到能完成一件事

第一章｜AI 的本质变化

AI 不是软件，是能力基础设施。

普通人 AI 白皮书 第一章｜AI 的本质变化 AI 不是软件，是能力基础设施。 本章你会明白 你会明白：为什么 AI 不能只理解成聊天软件，以及普通人进入 AI 的第一步是什么。 本章一句话：不要把 AI 理解成某个 App，应该把它理解成一种正在被接入各行各业的通用能力。

AI 不等于 ChatGPT

就像电力不等于电灯泡，互联网不等于网页，AI 也不等于某一个聊天窗口。

AI

大模型

应用

Agent

API

工作流

普通人 AI 白皮书 AI 不等于 ChatGPT 就像电力不等于电灯泡，互联网不等于网页，AI 也不等于某一个聊天窗口。 A AI 让机器处理语言、图片、声音、视频、代码和动作的能力。 M 大模型 被训练出来的通用智能大脑，负责理解、生成、推理和工具调用。 P 应用 把模型包装成普通人能用的软件。 G Agent 能围绕一个目标连续执行多步任务的 AI 助理。 I API 让你的软件或业务系统调用 AI 的接口。 W 工作流 把 AI 固定放进真实流程，形成可复用的生产方式。 AI 的核心变化，不是会聊天，而是普通人开始能用自然语言调用能力。

AI 和搜索、软件、员工的区别

普通人最容易混淆这三件事。

普通人 AI 白皮书 AI 和搜索、软件、员工的区别 普通人最容易混淆这三件事。 搜索引擎 它做什么 给你网页和资料 关键区别 偏找资料 普通人怎么用 查来源、找事实、做验证 传统软件 它做什么 你点哪里，它做哪里 关键区别 按固定功能运行 普通人怎么用 处理确定流程，例如表格、文档、剪辑 AI 它做什么 理解目标、处理信息、生成结果 关键区别 能处理不确定任务 普通人怎么用 总结、改写、分析、拆解、辅助执行 员工 它做什么 承担岗位职责 关键区别 有人负责结果 普通人怎么用 AI 不能替代责任和现实关系

普通人理解 AI 的三个层级

越往后，越接近真正的生产力。

普通人 AI 白皮书 普通人理解 AI 的三个层级 越往后，越接近真正的生产力。 第一层：把 AI 当工具 让它帮你解释、改写、总结、翻译。这是入门。 第二层：把 AI 当协作者 让它分析问题、拆任务、做方案、找风险。这是进阶。 第三层：把 AI 当系统组件 把 AI 接进内容、销售、经营、开发、知识库流程。这才是长期价值。

第二章｜AI 的能力演化史

从规则、推荐、生成，到今天的 Agent。

普通人 AI 白皮书 第二章｜AI 的能力演化史 从规则、推荐、生成，到今天的 Agent。 本章你会明白 你会明白：AI 从规则、识别、生成走到执行，为什么 Agent 会成为下一阶段重点。 本章一句话：AI 的主线不是从“不会聊天”到“会聊天”，而是从识别、生成，走向执行。

AI 的六个阶段

这章只作背景板：理解今天的 AI 为什么从“回答”走向“执行”。

普通人 AI 白皮书 AI 的六个阶段 这章只作背景板：理解今天的 AI 为什么从“回答”走向“执行”。 1 规则时代 机器按“如果...那么...”执行，像一套死规则。 2 机器学习 机器从数据里找规律，推荐、风控、广告排序开始普及。 3 深度学习 图像识别、语音识别、机器翻译明显突破。 4 大语言模型 AI 开始能处理语言、代码、知识和复杂表达。 5 多模态 AI 不只读文字，也能理解图片、语音、表格、视频和屏幕。 6 Agent AI 从回答问题，走向使用工具、读文件、改代码、做任务。 普通人只需要抓住一句话： AI 的主线不是会不会聊天，而是能不能把信息处理和任务执行接进你的工作流。

今天的关键变化：从回答到执行

这也是 ChatGPT Work、Codex、OpenClaw、小龙虾、WorkBuddy 被关注的原因。

过去的 AI

现在的 AI

普通人 AI 白皮书 今天的关键变化：从回答到执行 这也是 ChatGPT Work、Codex、OpenClaw、小龙虾、WorkBuddy 被关注的原因。 过去的 AI 问一句，答一句。 主要处理文字。 需要人反复复制粘贴。 更像一个聪明的聊天对象。 现在的 AI 围绕目标连续做事。 能读文件、看图、分析表格、写代码。 能调用工具、浏览网页、操作环境。 开始像一个受约束的执行助理。 AI 正在从“内容生成工具”变成“任务执行系统”。

历史对普通人的意义

你不需要记住所有技术细节，只要看懂能力迁移。

普通人 AI 白皮书 历史对普通人的意义 你不需要记住所有技术细节，只要看懂能力迁移。 推荐系统时代 AI 在影响你看到什么。 大模型时代 AI 在帮你处理信息和表达。 多模态时代 AI 开始理解图片、声音、视频和屏幕。 Agent 时代 AI 开始替你完成一部分连续任务。

第三章｜AI 世界的六层结构

不要按名字理解 AI，要按层级理解 AI。

普通人 AI 白皮书 第三章｜AI 世界的六层结构 不要按名字理解 AI，要按层级理解 AI。 本章你会明白 你会明白：算力、模型、API、应用、Agent、工作流分别解决什么问题。 本章一句话：AI 不是一个平面清单，而是从算力到工作流的六层系统。

AI 六层结构图

任何 AI 产品，都可以放进这六层里判断。

普通人 AI 白皮书 AI 六层结构图 任何 AI 产品，都可以放进这六层里判断。 06 工作流层 内容生产、销售转化、客户分析、软件开发、知识库。 05 Agent 层 ChatGPT Work、Codex、OpenClaw、小龙虾、Manus 类工具。 04 应用层 ChatGPT、Kimi、豆包、WorkBuddy、小浣熊、Cursor。 03 API 层 OpenAI API、DeepSeek API、Qwen API、Gemini API。 02 模型层 GPT、Claude、Gemini、DeepSeek、Qwen、GLM、Kimi。 01 算力层 GPU、服务器、数据中心、电力、网络和存储。

不同层级解决不同问题

很多混乱来自把“模型”“应用”“Agent”“API”混在一起。

普通人 AI 白皮书 不同层级解决不同问题 很多混乱来自把“模型”“应用”“Agent”“API”混在一起。 模型层 普通人问题 哪个 AI 大脑强？ 典型判断 看推理、代码、中文、价格、上下文和稳定性。 应用层 普通人问题 哪个软件好用？ 典型判断 看界面、文件处理、场景模板和输出质量。 Agent 层 普通人问题 它能不能自动做事？ 典型判断 看权限、工具调用、步骤规划、可控性和安全边界。 API 层 普通人问题 能不能接到我的系统里？ 典型判断 看价格、并发、稳定性、接口兼容性和数据安全。 工作流层 普通人问题 能不能真正提高生产力？ 典型判断 看是否进入固定流程、沉淀数据、减少重复劳动。

API 和工作流，用生活话说清楚

真正的普通人理解，不应该卡在技术词上。

API 像“插座”

工作流像“流水线”

一条工作流怎么跑通：销售副驾驶示例

普通人 AI 白皮书 API 和工作流，用生活话说清楚 真正的普通人理解，不应该卡在技术词上。 🔌 API 像“插座” 你不需要自己发电，只要把设备插进插座，就能用电。API 也是一样：你的软件不用自己训练模型，只要把请求接到模型接口，就能获得 AI 能力。 例子： 销售系统调用 DeepSeek API 生成话术，网站调用 OpenAI API 做客服，表格工具调用 Qwen API 做分类。 🏭 工作流像“流水线” 流水线不是某个工人特别厉害，而是每一步都有固定输入、处理、输出和验收。AI 工作流也是一样：不是问一句，而是让 AI 固定参与某个流程。 例子： 客户截图 - 意图判断 - 缺失信息 - 报价风险 - 推荐话术 - 跟进计划 - 客户档案。 一条工作流怎么跑通：销售副驾驶示例 输入 上传客户聊天截图、产品规格、历史报价边界。 分析 让 AI 判断客户类型、真实需求、购买阶段、缺失信息和风险点。 生成 输出追问话术、报价说明、下一步跟进计划。 验收 业务员检查是否符合真实价格、交期、起订量和公司风险边界。

看到一个 AI 产品，先放进这张框

这张识别卡比记住工具名字更重要。

普通人 AI 白皮书 看到一个 AI 产品，先放进这张框 这张识别卡比记住工具名字更重要。 1 它在哪一层？ 模型、应用、Agent、API，还是工作流工具？ 2 它用什么大脑？ 调用 GPT、Claude、DeepSeek、Qwen，还是自研模型？ 3 它解决什么场景？ 聊天、办公、代码、图像、视频、销售、客服，还是行业工具？ 4 它有没有权限？ 能不能读取文件、网页、邮箱、电脑、数据库？ 5 它能不能连续做事？ 如果能规划、调用工具、检查结果，它更接近 Agent。 6 它能不能沉淀？ 能不能形成数据、模板、项目记忆和固定流程？ 7 它怎么收费？ 订阅、API、Credits、本地部署，成本逻辑不同。 8 它出错谁负责？ 越能执行，越需要权限、审计和人工验收。

第四章｜模型能力全景图

不是所有 AI 模型都在做同一件事。

普通人 AI 白皮书 第四章｜模型能力全景图 不是所有 AI 模型都在做同一件事。 本章你会明白 你会明白：文本、代码、多模态、生图、生视频、语音和本地模型各自成熟到哪里。 本章一句话：先看模型类型和成熟度，再决定把它放进什么任务。

模型成熟度地图

把“成熟度”和“普通人可用性”一起看，别只看模型热度。

文本模型、语音转写

代码模型、多模态模型

生图、生视频模型

本地模型、系统型 Agent

普通人 AI 白皮书 模型成熟度地图 把“成熟度”和“普通人可用性”一起看，别只看模型热度。 可直接使用 高价值辅助 需要验收 谨慎想象 高成熟 / 高频刚需 文本模型、语音转写 适合写作、总结、翻译、会议纪要。 普通人应该最先掌握。 风险主要在事实核对和责任边界。 高价值 / 需要验收 代码模型、多模态模型 适合脚本、网页、小工具、读图、读表。 能大幅提高效率，但不能免测试。 适合配合 Codex、Cursor、文件分析工具。 可生产素材 / 控制难度高 生图、生视频模型 生图适合封面、海报、素材、产品图。 生视频适合短片段、氛围镜头、视频素材。 一致性、成本、文字和长视频仍需人工控制。 有价值 / 不宜神化 本地模型、系统型 Agent 本地模型适合隐私、离线、低成本辅助。 系统型 Agent 适合多步执行，但权限风险高。 越能操作工具，越需要人类审核。 判断原则： 越接近真实操作、真实权限、真实金钱和真实客户，就越不能只看模型能力，必须加上验收、权限和成本控制。

模型能力全景表

先看成熟度，再决定用途。

普通人 AI 白皮书 模型能力全景表 先看成熟度，再决定用途。 文本模型 成熟度 高 最适合做什么 写作、总结、分析、翻译、问答 最大短板 幻觉与责任边界 普通人第一步 每天用它整理和表达 代码模型 成熟度 高，但需验收 最适合做什么 写脚本、网页、小工具、修 bug 最大短板 大型项目可靠性 普通人第一步 配合 Codex 或 Cursor 多模态模型 成熟度 中高 最适合做什么 读图、查阅分析、表格理解、语音对话 最大短板 复杂现实判断 普通人第一步 上传真实材料让它分析 生图模型 成熟度 中高 最适合做什么 封面、海报、素材、产品图 最大短板 文字、品牌一致性 普通人第一步 先做视觉初稿 生视频模型 成熟度 中 最适合做什么 短片段、氛围镜头、分镜素材 最大短板 成本、时长、连续性 普通人第一步 做素材，不要幻想全片自动化 语音模型 成熟度 高 最适合做什么 转写、配音、会议纪要、字幕 最大短板 情绪和实时控制 普通人第一步 先用在会议和内容 本地模型 成熟度 中 最适合做什么 隐私、离线、低成本辅助 最大短板 智能上限 普通人第一步 作为云端模型补充

文本模型：普通人最该先掌握

文本模型是进入 AI 的第一入口。

能做什么

代表

成熟度

边界

普通人 AI 白皮书 文本模型：普通人最该先掌握 文本模型是进入 AI 的第一入口。 T 能做什么 写作、总结、翻译、改写、分析、问答、提纲、方案、复盘。 M 代表 ChatGPT、Claude、Gemini、DeepSeek、Qwen、Kimi、豆包、GLM、MiniMax。 ✓ 成熟度 已经非常成熟，足以进入日常工作。 ! 边界 容易出现事实错误、过度自信、脱离现实和责任边界不清。 文本模型不是替你思考，而是帮你把材料、表达和结构处理得更快。

代码模型、多模态、生图、生视频、语音、本地模型

不同模型负责不同能力，不能拿同一个标准衡量。

普通人 AI 白皮书 代码模型、多模态、生图、生视频、语音、本地模型 不同模型负责不同能力，不能拿同一个标准衡量。 代码模型 现在最有价值的用法 生成代码、解释代码、修 bug、写测试、改项目。 不要误解成 完全无人监督交付复杂软件。 多模态 现在最有价值的用法 上传查阅、表格、产品图、合同、页面，让 AI 帮你分析。 不要误解成 AI 已经完全理解真实世界。 生图 现在最有价值的用法 做封面、海报、视觉方案、产品场景图。 不要误解成 一句话就能替代设计师。 生视频 现在最有价值的用法 做短镜头、氛围素材、分镜预览、概念片段。 不要误解成 稳定替代完整影视制作。 语音 现在最有价值的用法 会议纪要、字幕、配音、客服录音分析。 不要误解成 完全替代真人沟通。 本地模型 现在最有价值的用法 隐私资料、离线助手、低成本批处理。 不要误解成 普通电脑就能追平云端旗舰。

第六章｜AI 现在成熟到哪一步

能用，不代表可以完全托管。

普通人 AI 白皮书 第六章｜AI 现在成熟到哪一步 能用，不代表可以完全托管。 本章你会明白 你会明白：哪些 AI 能力能直接用，哪些能力必须人工验收。 本章一句话：AI 已经很适合做信息劳动和部分执行，但还不能替人承担现实责任。

三档成熟度

哪些能直接用，哪些必须验收，哪些不能幻想。

已经成熟

正在成熟

还不成熟

普通人 AI 白皮书 三档成熟度 哪些能直接用，哪些必须验收，哪些不能幻想。 已经成熟 总结资料 改写文字 翻译 会议纪要 语音转文字 图片素材生成 代码辅助 表格初步分析 正在成熟 长周期 Agent 复杂报告自动生成 自动做 PPT 自动浏览网页办事 生视频片段 多工具连续调用 软件项目自动迭代 还不成熟 完全自动经营公司 完全替你做重大决策 长视频稳定生成全片 无人监督交付复杂项目 完全可靠事实判断 替代专业责任人

普通人最容易误解 AI 的 10 件事

这页可以直接高频查阅。

普通人 AI 白皮书 普通人最容易误解 AI 的 10 件事 这页可以直接高频查阅。 AI 不是搜索框。 AI 不是万能员工。 模型强不等于产品好用。 工具贵不等于适合你。 本地部署不是完全免费。 Agent 越强，越需要权限控制。 生视频很强，但还不是稳定影视生产线。 代码 AI 很强，但仍需测试。 API 不是会员，是按量调用。 未来差距来自工作流设计。

成熟能力怎么用，半成熟能力怎么用

最重要的是选择正确的信任程度。

普通人 AI 白皮书 成熟能力怎么用，半成熟能力怎么用 最重要的是选择正确的信任程度。 已经成熟 使用策略 直接进入日常，但保留抽查 例子 会议纪要、改写、总结、翻译、语音转文字 正在成熟 使用策略 先做辅助，不做无人托管 例子 Agent、自动 PPT、代码项目、网页办事、生视频 不成熟 使用策略 不要幻想，必须人负责 例子 重大决策、完整经营、法律医疗财务最终判断

第五章｜AI 产品的七种形态

先看产品形态，再看工具名字。

普通人 AI 白皮书 第五章｜AI 产品的七种形态 先看产品形态，再看工具名字。 本章你会明白 你会明白：为什么不要被产品名带着跑，而要先判断产品形态。 本章一句话：市面上的 AI 产品不是越多越乱，它们大多是在把模型能力封装成不同工作入口。

市面 AI 产品为什么看起来这么乱

因为你看到的是名字，不是结构。

普通人 AI 白皮书 市面 AI 产品为什么看起来这么乱 因为你看到的是名字，不是结构。 ChatGPT、DeepSeek、Qwen、Kimi、豆包、小龙虾、WorkBuddy、小浣熊、Codex、Cursor、OpenClaw，看起来像一堆不同东西。 但如果拆开看，它们大多在做同一件事：把大模型的语言、代码、图像、视频、语音、工具调用能力，包装成普通人能操作的入口。 有的入口是聊天窗口，有的入口是长期项目空间，有的入口是办公助理，有的入口是开发工具，有的入口是图片视频创作工具，有的入口是能操作电脑和软件的 Agent。 普通人看 AI 产品，不要先问它叫什么，要先问：它把 AI 放进了哪个工作场景。

AI 产品的七种形态 实例截至 2026-07

普通人先看它属于哪种工作入口，再判断是否值得用。

普通人 AI 白皮书 AI 产品的七种形态 实例截至 2026-07 普通人先看它属于哪种工作入口，再判断是否值得用。 01 聊天型 AI 把模型包装成问答窗口。代表：ChatGPT、Kimi、豆包、DeepSeek App。普通人理解：你问，它答。 02 项目型 AI 给 AI 一个长期上下文空间。代表：Projects、知识库、企业资料库。普通人理解：让 AI 不再每次从零开始。 03 办公型 Agent 让 AI 生成工作成果。代表：ChatGPT Work、WorkBuddy、小浣熊、AI PPT、AI 文档。普通人理解：帮你做报告、表格、PPT。 04 开发型 Agent 让 AI 参与软件生产。代表：Codex、Cursor、Claude Code、Copilot。普通人理解：帮你写代码、改项目、跑测试。 05 创作型 AI 生成图片、视频、声音。代表：Midjourney、FLUX、Runway、可灵、Sora、语音模型。普通人理解：帮你做素材。 06 系统型 Agent 让 AI 操作工具、网页、文件和电脑。代表：OpenClaw / 小龙虾、Manus 类工具、浏览器 Agent。 07 行业型 AI 把 AI 放进具体行业流程。代表：AI 销售、AI 客服、AI 法务、AI 外贸、AI 医疗辅助。 判断 核心问题 它不是“哪个模型更强”的问题，而是“这个产品把 AI 封装进了哪个流程”。

AI 产品形态判断流程

看到一个新工具，不要先记名字，先用这条流程判断它属于哪一类。

普通人 AI 白皮书 AI 产品形态判断流程 看到一个新工具，不要先记名字，先用这条流程判断它属于哪一类。 输入目标 它让用户完成什么任务？ → 识别入口 聊天、项目、办公、开发、创作、系统、行业。 → 判断权限 能不能读文件、网页、账号和工具？ → 看输出 只是回答，还是能生成成果？ → 评估价值 能否沉淀数据、流程和复盘？ 这条流程的目的不是判断“哪个 AI 最强”，而是判断“这个产品是否真的能进入你的工作流程”。 低价值信号 只有聊天壳、没有明确场景、不能沉淀资料、输出难复用、收费方式不清晰。 高价值信号 场景明确、流程固定、能读取授权资料、能连续执行、能形成数据沉淀和复盘。

七种产品形态对照表 实例截至 2026-07

这张表比记产品名字更重要。

普通人 AI 白皮书 七种产品形态对照表 实例截至 2026-07 这张表比记产品名字更重要。 聊天型 AI 本质 问答与语言处理入口 代表 ChatGPT、Claude、Kimi、豆包、DeepSeek 普通人怎么判断 适合问问题、改写、总结、分析。 项目型 AI 本质 长期上下文和资料空间 代表 Projects、知识库、企业资料库 普通人怎么判断 适合长期项目、文件、指令和历史沉淀。 办公型 Agent 本质 办公交付物生成器 代表 Work、WorkBuddy、小浣熊、WPS AI 普通人怎么判断 适合报告、表格、PPT、会议纪要、资料整理。 开发型 Agent 本质 软件生产协作者 代表 Codex、Cursor、Claude Code、Copilot 普通人怎么判断 适合代码、网站、插件、工具、测试和部署。 创作型 AI 本质 视觉、视频、声音生产工具 代表 Midjourney、FLUX、Runway、可灵、海螺 普通人怎么判断 适合素材，不要幻想完全替代导演和设计师。 系统型 Agent 本质 能操作工具和电脑的执行者 代表 OpenClaw、小龙虾、Manus 类、浏览器 Agent 普通人怎么判断 价值大，权限风险也大。 行业型 AI 本质 进入具体业务流程 代表 AI 销售、AI 客服、AI 法务、AI 财务 普通人怎么判断 最值钱的是流程理解，不是聊天能力。

聊天型与项目型：从问答到长期上下文 实例截至 2026-07

这是普通人接触 AI 的第一层和第二层。

普通人 AI 白皮书 聊天型与项目型：从问答到长期上下文 实例截至 2026-07 这是普通人接触 AI 的第一层和第二层。 Form 01 聊天型 AI 聊天型 AI 是最轻的入口。它适合问问题、讨论想法、写初稿、改文字、总结资料和学习知识。 优势：上手快、门槛低、反馈快。 边界：容易变成一次性问答，难以长期沉淀。 适合：每天高频使用。 Form 02 项目型 AI 项目型 AI 的价值不是模型更强，而是给 AI 一个长期工作空间，让它能持续使用文件、指令和历史上下文。 优势：不必每次从零解释背景。 边界：不同客户端和平台同步规则可能不同。 适合：文章系统、公司资料、客户库、研究项目。 案例： ChatGPT 里的 Project 不应该被当成独立主线讲，它只是“项目型 AI”的一个代表。

办公型与开发型 Agent：从生成答案到生成成果 实例截至 2026-07

AI 正在从回答问题，走向生成可交付成果。

普通人 AI 白皮书 办公型与开发型 Agent：从生成答案到生成成果 实例截至 2026-07 AI 正在从回答问题，走向生成可交付成果。 Form 03 办公型 Agent 办公型 Agent 的核心不是“会聊天”，而是把 AI 组织成文档、表格、PPT、报告、网页和工作材料的生产入口。 代表：ChatGPT Work、WorkBuddy、小浣熊、AI PPT、AI 文档。 价值：流程贴近办公场景。 边界：不是无限后台服务器，复杂结论仍需人工验收。 Form 04 开发型 Agent 开发型 Agent 进入软件生产，不只是回答代码问题，而是能读项目、改文件、跑测试、生成变更。 代表：Codex、Cursor、Claude Code、Copilot。 价值：一个人也能推进小工具、网页和软件雏形。 边界：代码必须测试，架构和产品判断仍要人负责。 ChatGPT 的入口变化说明：AI 产品正在从单一聊天窗口，扩展为项目、办公和开发工作台。

案例卡｜ChatGPT 正在从聊天工具变成综合工作台

ChatGPT 是综合工作台化的一个典型案例。

普通人 AI 白皮书 案例卡｜ChatGPT 正在从聊天工具变成综合工作台 ChatGPT 是综合工作台化的一个典型案例。 Chat 放在哪一类 聊天型 AI 本质 问答和讨论入口 适合做什么 临时问题、写作、分析、学习。 Project 放在哪一类 项目型 AI 本质 长期上下文容器 适合做什么 文件、项目指令、历史对话沉淀。 Work 放在哪一类 办公型 Agent 本质 办公交付物生成器 适合做什么 报告、表格、PPT、文档、资料整理。 Codex 放在哪一类 开发型 Agent 本质 软件开发协作者 适合做什么 代码、网站、插件、测试、项目开发。 重点： 这不是让读者记住 ChatGPT 有几个按钮，而是让读者看懂 AI 产品正在从问答工具升级为工作入口。

创作型与系统型 Agent：素材生产和真实执行 实例截至 2026-07

越接近真实工具，能力越大，风险也越高。

普通人 AI 白皮书 创作型与系统型 Agent：素材生产和真实执行 实例截至 2026-07 越接近真实工具，能力越大，风险也越高。 Form 05 创作型 AI 创作型 AI 负责把语言变成图片、视频和声音。它已经能生产大量素材，但还没有完全替代设计、导演、剪辑和品牌审美。 生图：封面、海报、产品场景图。 生视频：短片段、氛围镜头、概念片。 语音：转写、配音、字幕、会议纪要。 Form 06 系统型 Agent 系统型 Agent 试图操作真实工具、浏览器、文件、电脑和应用。它是未来方向，但绝不能忽视权限和安全。 代表：OpenClaw / 小龙虾、Manus 类、浏览器 Agent。 优势：可以跨工具连续执行任务。 风险：误操作、泄露文件、账号越权、被网页诱导。 Agent 越能干，越不能只看能力；必须同时看权限、审查和责任边界。

行业型 AI：真正值钱的是进入业务流程

未来最大的价值，不在通用聊天，而在具体行业流程。

普通人 AI 白皮书 行业型 AI：真正值钱的是进入业务流程 未来最大的价值，不在通用聊天，而在具体行业流程。 行业型 AI 不是把一个聊天框放进公司，而是把模型能力嵌入销售、客服、法务、财务、外贸、医疗、教育、工厂质检等具体流程。 它最重要的能力不是“会写话术”，而是理解流程、识别阶段、提示风险、沉淀数据，并把结果交给人验收。 销售副驾驶 客户查阅识别 → 客户意图判断 → 销售阶段判断 → 缺失信息提醒 → 推荐追问 → 话术生成 → 客户资料沉淀。 客服系统 问题识别 → 资料匹配 → 回复生成 → 升级人工 → 质量复盘。 内容中台 选题判断 → 初稿 → 反馈 → 定稿 → 封面 → 发布 → 数据复盘。 工厂管理 订单资料 → 交期判断 → 报价风险 → 生产协同 → 售后复盘。 判断： 行业型 AI 的护城河不是模型参数，而是行业数据、流程理解、权限设计和复盘沉淀。

第七章｜AI 成本与商业模式

AI 贵，不是因为它像会员，而是因为它消耗真实算力。

普通人 AI 白皮书 第七章｜AI 成本与商业模式 AI 贵，不是因为它像会员，而是因为它消耗真实算力。 本章你会明白 你会明白：AI 为什么贵，以及订阅、API、Credits、本地部署的成本差别。 本章一句话：AI 成本不是一个月费问题，而是训练、推理、上下文、工具调用、存储和安全的组合。

AI 成本结构图

每一次对话、作图、生成视频、跑 Agent，背后都在消耗资源。

普通人 AI 白皮书 AI 成本结构图 每一次对话、作图、生成视频、跑 Agent，背后都在消耗资源。 01 训练成本 GPU、数据、工程、实验。 02 推理成本 每次回答都要算力。 03 上下文成本 读越多资料越贵。 04 工具调用成本 浏览、代码、电脑操作。 05 存储成本 文件、记忆、向量库。 06 安全成本 审核、权限、合规。

普通人最关心的成本问题

理解这些，才不会被价格、额度和积分搞乱。

普通人 AI 白皮书 普通人最关心的成本问题 理解这些，才不会被价格、额度和积分搞乱。 为什么 Plus 是月费？ 现实解释 因为 AI 每次使用都有推理成本，不是一次性软件。 为什么 Pro 更贵？ 现实解释 高阶模型、长上下文、深度推理、Agent 任务成本更高。 为什么 Agent 会耗额度？ 现实解释 它不是回答一句，而是连续读文件、调用工具、执行任务。 为什么生视频贵？ 现实解释 视频是连续帧生成，算力消耗远高于文字和图片。 为什么本地模型不是免费？ 现实解释 你要承担硬件、电费、维护、调试和时间成本。 为什么便宜模型有价值？ 现实解释 批量摘要、分类、格式化不一定需要旗舰模型。 为什么旗舰模型仍然重要？ 现实解释 复杂判断、架构设计、关键代码、战略问题仍需要高智商模型。

普通人最合理的成本组合

不是永远用最贵模型，而是让不同模型分工。

普通人 AI 白皮书 普通人最合理的成本组合 不是永远用最贵模型，而是让不同模型分工。 高智商模型 战略判断、复杂写作、代码架构、关键问题。少量使用，保证质量。 便宜批量模型 摘要、分类、初筛、格式化、批量改写。大量使用，控制成本。 本地模型 隐私、离线、低频辅助、长期资料处理。补充使用，降低依赖。

第八章｜模型与工具决策树

普通人最该问的是：我这个任务该用什么？

普通人 AI 白皮书 第八章｜模型与工具决策树 普通人最该问的是：我这个任务该用什么？ 本章你会明白 你会明白：如何从任务反推工具，而不是从工具反推任务。 本章一句话：从任务倒推工具，而不是从工具倒推任务。

模型与工具决策树

高频查阅页：从任务倒推工具。

普通人 AI 白皮书 模型与工具决策树 高频查阅页：从任务倒推工具。 问问题 / 写文章 / 分析想法 ChatGPT、Claude、Kimi、DeepSeek、Qwen 处理文件 / 表格 / 报告 / PPT ChatGPT Work、Gemini、WorkBuddy、文档类 AI 写代码 / 做网站 / 做软件 Codex、Cursor、Claude Code、Qwen Coder、小浣熊 做图片 / 封面 / 海报 Midjourney、GPT 图像、即梦、FLUX、豆包生图 做视频片段 Sora、Veo、Runway、可灵、海螺、即梦视频 接入自己的软件 API：OpenAI、DeepSeek、Qwen、Gemini、GLM 隐私 / 离线 / 长期低成本 本地模型：Qwen、DeepSeek、Llama、Mistral、GLM

不同任务的第一选择

别让一个工具承担所有任务。

普通人 AI 白皮书 不同任务的第一选择 别让一个工具承担所有任务。 临时问答 优先入口 Chat 原因 最快、最轻、最适合讨论。 长期项目 优先入口 Project 原因 能沉淀文件、指令和上下文。 办公交付物 优先入口 Work 原因 更适合报告、表格、PPT、网页。 软件开发 优先入口 Codex 原因 能读项目、改代码、跑测试。 批量自动化 优先入口 API 原因 适合接入软件和系统。 隐私资料 优先入口 本地模型 原因 减少外传和长期调用成本。

第九章｜真实案例闭环

看懂 AI，最终要落到真实工作。

普通人 AI 白皮书 第九章｜真实案例闭环 看懂 AI，最终要落到真实工作。 本章你会明白 你会明白：AI 在真实工作里帮哪一步，哪些仍然必须人负责。 本章一句话：案例不是展示 AI 多强，而是展示 AI 在真实流程里帮哪一步、不能替哪一步。

案例 1｜老板把经验变成系统

适合传统行业、小老板、团队负责人

以前怎么做

AI 能帮哪几步

应该用什么

最终工作流

仍然必须由人负责

普通人 AI 白皮书 案例 1｜老板把经验变成系统 适合传统行业、小老板、团队负责人 一个老板每天都在回答同样的问题：这个客户能不能接？这个产品怎么介绍？这个报价能不能报？员工表面在工作，关键判断却一直回到老板身上。AI 的价值不是替老板当老板，而是把老板脑子里的经验变成团队能使用的销售手册、客户问答库和报价规则。 以前怎么做 老板不断口头解释，员工不断重复问，资料散落在微信、Excel、文件夹和个人经验里。 AI 能帮哪几步 用 Chat 梳理经验结构。 用 Work 生成销售手册、培训表、客户问答库。 用 Project 沉淀长期资料。 用 Codex 做报价工具或销售副驾驶。 应该用什么 Project + Work + Codex 最终工作流 经验整理 -> 产品资料表 -> 客户问题库 -> 话术模板 -> 培训手册 -> 报价工具 -> 成交复盘。 仍然必须由人负责 客户是否值得接、价格底线、交期承诺、风险承担和团队执行。

案例 2｜销售从凭感觉到结构化

适合业务员、外贸、B 端销售、客服

以前怎么做

AI 能帮哪几步

应该用什么

最终工作流

仍然必须由人负责

普通人 AI 白皮书 案例 2｜销售从凭感觉到结构化 适合业务员、外贸、B 端销售、客服 客户问“多少钱”“多久交货”“能不能定制”，表面是在问产品，背后可能是在筛供应商、压价格、试探交期、判断你是否专业。AI 不能替你成交，但能帮你把聊天记录变成客户意图、缺失信息和下一步话术。 以前怎么做 凭经验回复，容易过早报价、漏问关键条件、没有记录复盘。 AI 能帮哪几步 上传聊天记录，让 AI 判断客户阶段。 生成追问问题和异议处理话术。 整理客户需求表和跟进计划。 复盘成交失败原因。 应该用什么 Chat + Work + 销售资料 Project 最终工作流 客户记录 -> 意图判断 -> 缺失信息 -> 推荐话术 -> 报价风险 -> 跟进计划 -> 成交复盘。 仍然必须由人负责 是否让价、是否接单、是否承诺交期、客户关系维护。

案例 3｜内容创作者建立生产线

适合公众号、短视频、直播、知识内容

以前怎么做

AI 能帮哪几步

应该用什么

最终工作流

仍然必须由人负责

普通人 AI 白皮书 案例 3｜内容创作者建立生产线 适合公众号、短视频、直播、知识内容 很多创作者不是不会写，而是每次都从零开始：今天想题，明天改标题，后天发完也不知道为什么数据好坏。AI 的价值不是替你写爆款，而是帮你把选题、结构、反馈、定稿、封面、复盘变成流程。 以前怎么做 靠灵感写，爆款靠运气，资料和方法没有沉淀。 AI 能帮哪几步 用 Chat 做选题判断。 用 Project 固定写手、反馈、定稿规则。 用 Work 做数据分析和复盘报告。 用生图模型做封面方案。 应该用什么 Project + Chat + Work + 生图模型 最终工作流 选题卡 -> 初稿 -> 反馈 -> 定稿 -> 封面 -> 发布 -> 数据复盘 -> 选题库更新。 仍然必须由人负责 核心观点、现实判断、发布责任、品牌风格和长期方向。

案例 4｜独立开发者用 Codex 做产品

适合个人开发者、老板做小工具、AI 工作室

以前怎么做

AI 能帮哪几步

应该用什么

最终工作流

仍然必须由人负责

普通人 AI 白皮书 案例 4｜独立开发者用 Codex 做产品 适合个人开发者、老板做小工具、AI 工作室 一个人想做工具，最常见的问题不是“不会写第一行代码”，而是需求不清、功能乱、没有测试、无法维护。Codex 很适合开发，但前提是你先把需求、页面、数据、功能边界讲清楚。 以前怎么做 直接让 AI 写代码，结果功能散、bug 多、无法维护。 AI 能帮哪几步 先用 Chat 写产品需求。 用 Codex 拆任务、改代码、跑测试。 用 API 接入模型。 用 Work 生成说明书和用户手册。 应该用什么 Chat + Codex + API + Work 最终工作流 需求 -> 原型 -> 技术方案 -> Codex 开发 -> 测试 -> 部署 -> 文档 -> 版本迭代。 仍然必须由人负责 产品价值、商业模式、安全策略、最终上线验收。

第十章｜普通人的 AI 能力路线

不是学会一个工具，而是升级一套能力。

普通人 AI 白皮书 第十章｜普通人的 AI 能力路线 不是学会一个工具，而是升级一套能力。 本章你会明白 你会明白：普通人从会问到会设计工作流，需要跨过哪些等级。 本章一句话：会用 AI 的人，不是会问一句话的人，而是会设计工作流的人。

普通人 AI 七级路线

你现在在哪一级？

普通人 AI 白皮书 普通人 AI 七级路线 你现在在哪一级？ L1 会用 Chat 能解释、改写、总结、翻译。 L2 会给材料 能上传文件、给背景、让 AI 贴近现实。 L3 会拆任务 能把复杂任务拆成多步。 L4 会验收 能判断 AI 输出是否可用。 L5 会用 Work / Codex 能做文档、报告、代码、小工具。 L6 会接 API / 本地模型 能把 AI 接进自己的系统。 L7 会设计工作流 能把 AI 变成长期生产力。

30 天入门训练计划

不要先追模型排行榜，先练基本动作。

普通人 AI 白皮书 30 天入门训练计划 不要先追模型排行榜，先练基本动作。 第 1 周 训练重点 会问 每天练什么 解释概念、改写文字、总结文章、做简单对比。 第 2 周 训练重点 会给材料 每天练什么 上传真实材料，让 AI 分析客户、文章、产品、数据。 第 3 周 训练重点 会拆任务 每天练什么 把一个真实工作拆成 5-7 个步骤，让 AI 分步处理。 第 4 周 训练重点 会验收与沉淀 每天练什么 建立提示词库、输出模板、复盘表和工作流。

从会用到会沉淀

AI 能力的关键不是速度，而是复用。

普通人 AI 白皮书 从会用到会沉淀 AI 能力的关键不是速度，而是复用。 输入 目标、背景、资料、限制。 处理 总结、分析、生成、拆解。 验收 事实、逻辑、风险、执行。 沉淀 模板、流程、项目、知识库。 一次好答案没有长期价值，可复用流程才有长期价值。

第十一章｜风险与边界

AI 越能干，越需要边界。

普通人 AI 白皮书 第十一章｜风险与边界 AI 越能干，越需要边界。 本章你会明白 你会明白：AI 权限越大，越需要边界、审核和责任划分。 本章一句话：越是能操作文件、账户、代码、浏览器和工具的 AI，越需要权限控制、审计和人工确认。

AI 风险清单

重要输出，必须验收。

普通人 AI 白皮书 AI 风险清单 重要输出，必须验收。 事实幻觉 AI 可能编造事实、价格、政策、论文、来源。 隐私泄露 不要随便上传客户隐私、合同、财务、密钥。 权限失控 Agent 能操作文件和应用，必须控制权限。 成本失控 API、Agent、生视频和长上下文可能快速消耗额度。 责任错位 AI 可以建议，但不能替你承担法律、商业和人际后果。 工作流依赖 如果没有验收和备份，过度依赖 AI 会放大系统风险。

重要任务验收清单

每次准备发布、报价、发邮件、上线代码前，都问一遍。

普通人 AI 白皮书 重要任务验收清单 每次准备发布、报价、发邮件、上线代码前，都问一遍。 事实 问题 是否核对过来源、时间、价格、参数？ 逻辑 问题 结论是否由材料支撑？有没有跳步？ 风险 问题 最坏情况是什么？谁承担？ 隐私 问题 是否包含客户、公司、个人敏感信息？ 执行 问题 输出能不能直接用？谁来做？什么时候做？ 边界 问题 哪些部分必须由专业人士或负责人确认？

Agent 风险为什么更高

因为 Agent 不只是回答，它可能读取、写入、调用、执行。

普通人 AI 白皮书 Agent 风险为什么更高 因为 Agent 不只是回答，它可能读取、写入、调用、执行。 普通聊天 AI 出错，通常只是生成了一个错误答案。Agent 出错，可能是错误发邮件、错误改文件、错误调用 API、错误运行命令、错误删除资料。能力越接近真实操作，风险越接近真实损失。 所以个人电脑 Agent、浏览器 Agent、代码 Agent、办公 Agent 都需要：最小权限、沙盒、确认步骤、日志、回滚机制和敏感操作人工批准。

第十二章｜未来三年的判断

模型会变，主线不会变。

普通人 AI 白皮书 第十二章｜未来三年的判断 模型会变，主线不会变。 本章你会明白 你会明白：未来三年模型会变，但工作流设计会越来越值钱。 本章一句话：模型会越来越便宜，但高质量判断、权限控制、数据沉淀和工作流设计会越来越值钱。

七个趋势

这些趋势会影响普通人的工作方式。

普通人 AI 白皮书 七个趋势 这些趋势会影响普通人的工作方式。 1 多模态默认化 文字、图片、语音、视频、屏幕会成为统一输入。 2 Agent 成主战场 AI 从回答问题走向执行任务。 3 生视频进入生产链 先从素材、预演、短镜头开始，不会一步替代完整制作。 4 低成本模型普及 批量任务会更多交给便宜模型。 5 本地模型成为补充 隐私、离线、企业内网和长期低成本场景会增长。 6 权限与安全变重要 Agent 能力越强，越需要权限、审计和沙盒。 7 工作流成为资产 会用 AI 的人会把经验变成模板、流程和系统。

最终判断

普通人不是被 AI 淘汰，而是被会调用 AI 的普通人拉开差距。

普通人 AI 白皮书 最终判断 普通人不是被 AI 淘汰，而是被会调用 AI 的普通人拉开差距。 未来的核心差距，不是“有没有 AI”，而是能不能把 AI 接进自己的真实流程。 不要追工具 工具会更新，名字会变化。 要学结构 模型、应用、Agent、API、工作流。 要练能力 会问、会给材料、会拆任务、会验收。 要做系统 把一次经验沉淀成长期流程。