AI 不是固定模式，五个台阶，你在哪？-公众号版

导语｜月初的部门会，讨论要不要把 AI 工具“统一”一下。有人提议：“干脆定一个，全系都用同一个，省事。”我没马上接话。因为“省事”这个念头，我自己早就犯过。

想明白一件事之后，我有了答案：AI 不是一把尺子，是一排台阶。你站在第一级，就别急着看第五级的东西。

01｜先从我翻车的那一次说起

之前我给系里推过一个 AI 工具，想法很朴素：够强、够好用，大家应该都会喜欢。

结果一周后，三种反应摆在我面前——

学生说：“太重了，我就想查个无人机条款。”

老师说：“功能不清晰，我要的是直接出消防课件。”

鉴定中心的同事更干脆：“这个，我不敢用，资料里有当事人的名字。”

同一个工具，落在三拨人手里，长出三种表情。

我这才明白：AI 不是一把尺子，是一排台阶。

你站在第一级，就别急着看第五级的东西。

五个台阶，你在哪？

02｜第一级：学生，一台手机就够

学生要的从来不是“最强”，是 “够用，而且马上能用”。

学生就用手机来搞 AI

配法就一个：IMA + 一个自己不断攒出来的知识库。

把课程讲义、法条、实训手册丢进去，随时问。司法警务的学生建“公安司法法规库”，鉴定方向的学生建“案件标准库”，考前翻起来特别顺。

• 零成本、零配置、手机就能用——这才是高职学生真实的设备条件；

• 这一级只想着加东西，越简单越好。加任何一样都是负担。

我只留一句话给学生：它不是帮你写作业的，是帮你把老师讲过的东西，重新问一遍。

03｜第二级：教师，从“聊天”到“干活”

到了这一级，关键词变了。老师不满足于“问”，他要 “产”。

配法是组合拳：IMA 管存 + WorkBuddy 管产。

• IMA 把一门课的课标、教案、题库沉下来，是系里内容的老底子；

• WorkBuddy 直接读你电脑里授权的文件夹，一句话出课件、出试卷、批量改文件名——这是普通聊天 AI 做不到的。

现在市面上同类有豆包工作、Trae、Coze（扣子），搭轻量助手很快；但老师日常最缺的，是“手上这份文件，直接变成成果”，所以能操作本地文件的 Agent 更对味。

老师要做到存储和产出

我见过的实例：一位老师上午还在 IMA 里翻自己攒的资料，下午，这些资料就变成了课件和一套卷子。

这一级真正的坎，不在技术，在习惯——你得先接受它不是搜索框，是 AI 同事。

04｜第三级：教学管理者，把 AI 用成“组织知识库”

这一级，是我的位置。教学负责人、专业带头人、鉴定中心负责人，多半卡在这里。

配法：WorkBuddy 打主力 + 组织级知识库 + 定时自动化。

• WorkBuddy 三个模式：Ask 问事、Plan 出方案、Craft 直接交付。申报书初稿、汇报 PPT、专业调研报告，都在射程里；

• 知识库从“我的”升级成“大家的”（IMA 的共享知识库）：专业建设材料、政策文件、历年申报，沉下来——这是系里最值钱的东西；

• 再加自动化：比如每天自动汇总一条“职教 / 司法鉴定新政”。

这一级有个信号：当你第三次教它“同样的流程”，就该把它固化成模板或技能 Skill 了。 从“用工具”，到“搭系统”。

想自己搭的同行，可以看：Dify（企业级应用）、n8n（复杂流程自动化）。我用“Obsidian + LLM Wiki”，如果大家需要，我后续可以来个教程～

谨记：别贪多，先挑一个能跑起来的。

05｜第四级：鉴定中心，数据不能出门，就本地部署

前面三级，都能在网上跑。到这一级，一堵墙横在那儿：数据不能出内网 + 权限控制。

司法鉴定涉及当事人信息，这是红线，没得商量。配法必须换：

本地 Ollama（跑模型）+ RAG（本地知识库检索）+ 本地向量库。

• Ollama 一键装，一台带显卡的机器就能跑，是本地部署里门槛最低的入口；

• RAG 是关键：把鉴定标准、方法规范、内部流程做成知识库，先查再答——隐私不出门、少胡说、知识还能实时更新。

同类本地方案，按需求挑：

• AnythingLLM——开箱即用，隐私天花板，个人 / 小团队首选；

• RAGFlow——吃扫描件、表格、复杂版式最准；

• FastGPT——中文优化、部署最快；

• Open WebUI——给同事一个像 ChatGPT 的本地界面；

• Cherry Studio——桌面端零配置，先试水。

说个好消息：内网算力主机就是这一级的雏形。 把它接上 RAG 和向量库，就是一个“鉴定专用助手”。我们鉴定中心也在 NAS 上部署了，后续准备试试腾讯刚开源没几天的 WeKnora。

本地服务器，数据不出内网

但别忘了合规那几件事：关掉默认端口、上访问白名单、关键结论必须给出处、全程留痕。 做到这几条，才敢让业务真用。

06｜第五级：校级平台，从“能跑”到“能扛、懂行”

这一级不是个人该操心的，是学校信息化部门的活。但它决定了天花板。

配法：vLLM（高并发推理）+ LoRA 微调（注入领域知识）+ Agent 编排 + 评测。

• Ollama 到 vLLM 的分水岭，一句话：Ollama 是一个人用，vLLM 是一群人同时用。（我们信息中心已经部署了本地免费大模型。）

• 微调补短板：RAG 管“知识不在模型里”，微调管“说话不像这行的”；

• 编排和评测：多智能体接力干活，同时建评测集——防止越训越差。

框架这一层，什么 LangChain / LangGraph、Dify、Coze、Manus，各有各的位子。真到这一级，那是纯技术的事了，咱就不管了。

07｜什么时候该往上走？

这才是关键。

不是所有人都要上第五级，也不是所有人都该老死在第一级。

升级，是被 “卡点” 推着走的：

你的信号 该动一动了 “AI 只会聊天，活还得自己干” 上 Agent（第二级） “同一个流程，我教了它三遍” 固化成技能 / 自动化（第三级） “这些材料涉密，不能上网” 转本地部署（第四级） “人多了一用就卡” 上 vLLM（第五级） “答得对，但不像我们这行的口吻” 上微调（第五级）

一句话：别急着给所有人配最强的，先给最卡的人配最对的。

回到开头那个问题——“要不要统一一个工具？”

我现在的答案是：工具可以统一，台阶不能。

学生就该轻，鉴定中心就该稳，中间那一层，该把流程沉下来。

最好的工具是能接住你那一级

最后问你一句：你带的团队，现在卡在第几级？你有没有给谁，配了一套他用不动的“最好的工具”？

💡 今日思考：最好的工具，往往不是最强的那个，而是刚好接住你那一级的那一个。顺祝大家中秋安康～🥮🌸

—— 全文完 ——

觉得有用？点个「在看」，转发给那个正在纠结“系里到底定哪个 AI 工具”的同事。

作者提示含AI生成内容。作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～