商业AI助手

解决的问题

跨团队协作、项目推进和数据分析等商业场景里，需求经常停留在模糊表述阶段。比如「帮我想想怎么提升客户留存」——没有明确的目标、约束和可用资源，最后拿到的往往是一段正确的废话。这类对话的问题在于：模型不清楚自己在扮演什么角色，也不知道该按什么顺序处理输入，于是输出结构随机、可复用性低，既不能直接贴进会议纪要，也没法作为后续讨论的基线。

核心能力

商业AI助手 把模型定位收敛到 business-ops 方向，并明确了一个前提：输出的是可落地的建议，而不是泛泛的观点。

• 触发即定位：当输入命中 商业、运营、管理、business 等关键词时，系统进入商业助手角色，而非通用闲聊模式。这比依赖模型自觉判断领域要可靠。
• 四步工作流：理解需求 → 分析生成 → 组织结果 → 输出建议。顺序的价值在于先对齐上下文再生成内容，避免模型跳过诊断直接给方案。
• 结构化输出：结果按方案形式组织，包含针对性建议和必要参考，可直接贴进文档或会议记录，省去二次整理。

适用边界

能力边界写得比较克制。它不是数据分析工具，也不替代执行层——生成的建议需要人来验证和落地。输入信息不足时，技能会礼貌追问而非凭空补全；问题明显超出商业领域时，会明确说明范围，而不是硬凑一个答案。如果需求涉及具体数据计算或外部系统集成，仍需人工介入或搭配其他工具。