大多数用 AI 的人只是偶尔写写邮件或头脑风暴。有些人走得更远。

Dami-Defi 在 X 上发了一篇长文，记录他如何在几个月内用 Claude 系统性地自动化了大约 80% 的日常工作——没有定制软件，没有工程师团队，只有他、一个清晰的流程、和重新思考时间分配的意愿。

从审计开始

动手之前，他花了一整周记录自己做的所有事：每封邮件、每份报告、每个会议跟进、每条 Slack 消息。用三列表格：任务、做这件事花了多长时间、它实际上需要多少原创思考。

结果很有启发性：

  • 大约 80% 的工作日花在了有规律的任务上——每次做法相同、只有小变化的事情
  • 剩下的 20% 才真正体现他的价值：战略决策、关系建立、创造性解决问题、在模糊中导航

核心建议：不要猜什么可以自动化，测量它。 你会对一天中有多少是模式任务感到惊讶。

技术方案

他的自动化设置比想象中简单：

Claude Pro + Projects 是骨干。为每个 recurring workflows 创建专属工作区：周报、邮件草稿、研究、等等。每个项目有自定义指令，告诉 Claude 他具体怎么工作——语气、用什么格式、需要什么背景。这意味着很少需要重复自己。

Template + Prompt 链处理多步任务。复杂任务拆成步骤，顺序投喂给 Claude：

  • Step 1：提取关键点
  • Step 2：组织成章节
  • Step 3：写草稿
  • Step 4：润色语气

无需代码，无需 API，只需要细致的前期设计。

快速收获（每周省 8-10 小时）

邮件草稿：粘贴上下文、邮件线程、简报、请求，Claude 用他的语气草拟回复，他检查后微调一两行发出。以前每封邮件 10 分钟，现在 2 分钟。

会议摘要：粗糙笔记丢给 Claude，输出干净摘要，含行动项、负责人、截止日期。30 秒完成。

文档摘要：20-30 页报告丢给 Claude，输出一页摘要，含关键结论、风险、建议。以前吃掉半个上午，现在几分钟。

Slack 更新：周报、项目检查、状态报告都遵循相同结构，Claude 填模板，他检查后发布。

真正大的收获：复杂多步工作流自动化

研究综合：给 Claude 结构化研究 prompt，输出简报文档：背景、关键玩家、近期动态、开放问题。调优后的输出匹配他花 3-4 小时人工挖掘的内容质量。

报告生成：专属 Project，喂原始数据和要点，输出抛光格式报告——标题、执行摘要、建议，全部按他组织的风格定制。

内容流水线：博客、内部沟通、演示大纲，每个都有 prompt 链。第一遍生成粗糙结构，第二遍精炼论点，第三遍抛光语言。每步建立在前一步基础上。

数据解读：描述数据模式给 Claude，让它生成叙事洞察——"这意味着什么，我们该怎么办"——这是通常最消耗脑力的部分。

保留给人做的 20%

最终决策：Claude 可以展示选项和分析权衡，但有真正后果的决策留给人。自动化是顾问，不是决策者。

关系对话：困难反馈、敏感谈判、对团队的 career 对话——这些需要情商、读空气、真实的人类连接。

创意方向：Claude 擅长执行创意愿景，但"如果我们尝试完全不同的方法"那个 vision 仍然来自人。AI 用来生产，不是用来想象。

质量控制：Claude 生成的所有东西在发出之前都要经过检查。人是编辑、是质量门、是最后一双眼睛。

5 个最常用的 Prompts

The Email Drafter

Here's the context: [paste thread]. Draft a reply that is [professional/casual/direct]. Keep it under [X] sentences. My goal is to [state the objective].

The Summarizer

Summarize the following document in [one page / 5 bullet points / executive summary format]. Focus on [key decisions / risks / action items]. Audience is [stakeholders / my manager / the full team].

The Report Builder

Using the following raw notes and data points, create a report in this structure: [Executive Summary, Key Findings, Analysis, Recommendations]. Use a [formal/conversational] tone. Audience is [describe audience].

The First-Draft Generator

Write a first draft of [blog post / internal memo / project plan] on the topic of [X]. Tone should be [describe]. Length approximately [X words]. Include [specific sections].

The Feedback Refiner

Here's a draft I've written: [paste draft]. Review it for [clarity / tone / structure / persuasiveness]. Suggest specific improvements and explain your reasoning.

数字说明一切

自动化前：每周约 45 小时工作。 两个月后：约 25 小时 hands-on work，产出相同。

每周找回约 20 小时，不是工作更少，而是工作方式不同。

时间去了哪里：

  • 战略工作：终于有时间做那些"打算下个月做"的项目
  • 技能发展：用空闲时间学新东西，深化对 AI 工具的理解
  • 更好的工作质量：不疲惫地完成重复任务后，在重要工作上带来更敏锐的思考
  • 个人健康：有喘息空间，更少压力，更专注

失败中学到的

  • 太早自动化：在完全理解自己的流程之前就尝试自动化，结果是垃圾输出。先手动掌握任务，再自动化。
  • 过度信任输出：发出一封没仔细检查的 Claude 草拟邮件，技术上正确但语气完全不对场景。检查不是可选项。
  • 自动化一次性任务：为一个只做一次的任务建详细 prompt，setup 时间超过了直接手动做的时间。
  • 忽略 context window：长文档有时超出 Claude 单次处理能力。学会把大任务拆成块顺序处理。
  • 试图完全移除自己："set it and forget it"不工作。每个自动化工作流仍然需要人在循环中。

4 周行动计划

Week 1：审计工作 用 5 个工作日追踪一切。记录每个任务、时间、所需创意/战略思考。识别模式任务。

Week 2：选前三名 不要试图一次自动化所有事。从审计中选三个最耗时、最重复的任务。这些是快速收获。

Week 3：构建第一批 Prompts 每个任务写详细 prompt。包含 Claude 需要的上下文、想要格式、语气、目标。测试和调优直到输出稳定匹配人工质量。

Week 4：创建 Projects 为每个 workflow 设置 Claude Projects。写自定义指令，捕获偏好、组织风格、任何 recurring context。这是你的杠杆——意味着 Claude 随着时间变得更懂你的工作。

持续：扩展和调优 每周加一个新 workflow。根据效果调整 prompt。建 prompt 库。和团队分享有效的做法。