AI工具的高效产出往往伴随着黑箱操作的风险——当汇报时被老板或开发追问细节，你是否能从容应对？本文通过一个电费预测工具的真实案例，揭秘如何用分步Prompt设计、结果验证与包装策略，在AI辅助工作中建立可信汇报体系。从初级HTML界面生成到复杂数学模型验证，你将看到如何用职场智慧填补AI与人性化汇报之间的鸿沟。

在工作中使用AI后，从结果看合理，但是中间过程清楚，导致无法有效应对汇报长江，担心老板对细节的挑战或者开发对细节的盘问时无法做出合理回答，最终AI的成果不过是工作中的海市蜃楼。

下面将会用一个贴近生活的案例分享在这个纠结过程中的一些心得。

一、需求定义

做一个中国家庭电费预测工具，能让用户通过输入尽量简单的信息完成对家庭未来12个月的电费预测

二、工具准备

AI选择

选择一个你喜欢的AI，或者是一个你已经付费充值的AI工具，在本案例中，我用的是Gemin，理由是因为我充钱，当然你也可以选择其他的，只要满足能支持中文交流并输出代码结果的即可。

代码编辑器选择

关于代码编辑器我用的是VS Code，同理，你可以选择任何能运行AI反馈的代码即可。而我选择这么不fancy的编辑器原因更简单，因为那个我还没得罪的开发同事比较熟悉VS Code。这个逻辑其实也很朴素，我不懂代码，所以如果过程中出现编辑器的问题，我能有兜底方案。虽然实践下来，我并没有麻烦我的同事，但是推荐你也这么选择，因为真的没必要在不擅长的领域为难自己。

三、初步尝试

第一个Prompt

「做一个中国家庭电费预测工具，能让用户通过输入尽量简单的信息完成对家庭未来12个月的电费预测」

先让AI给一个初步的思路

第二个Prompt给AI补充条件

「基于上海电价。我只会VS Code，请指导我运行软件，我需要能输出移动端界面的代码。枚举现有输入字段并以表格形式输出」

为什么我不一次把Prompt写全？

根本原因不是不想，而是我做不到，第一次透传需求是对脑力消耗最小收获最多的一种方式。

当我运行代码，收获一个页面

给汇报找亮点

「请对目前的输入做评级，分为必要和非必要，我希望用户的输入尽量简单，并告知我评级原因，结果用表格列出。枚举现有已经考虑的预测因素并输出更多可考虑的因素」

这里说明下，我让AI用表格列出是因为我习惯的阅读形式是表格，如果你喜欢脑图也可以选择脑图，反正原则是按自己舒服方式来即可。

获得结果：

总结现有已考虑因素

• 年度累计阶梯逻辑：上海特有的 3120/4800 度阶梯跳档
• 季节性权重分布：基于上海历史气候的夏季、冬季用电波动。
• 分时权重 (TOU)：初步拟合了峰谷电量的分布比例。

出于摸鱼原则：「宏观气象关联」、「分布式光伏补充」、「政策性波动」 决定不考虑，因为看不懂，可能汇报不明白，所以把注意力放在「行为习惯」和「设备」上

第四个 Prompt：输出界面

「增加家庭用电设备考虑，不只考虑空调。输入只考虑核心变量，其他为非必填。根据我们前面讨论的结果，生成一个用户输入的界面和结果输出界面，HTML（网页版)代码，要移动端的。列举过程中关键公式和对应公式解释」

整理汇报资料（1.0版本）

上面的结果我就不重复贴图了，直接放成品

其实到这里已经我已经想交差了，反正剩下怎么实现有开发同学会想，等他们想通了，抄下作业就好，但是都骗你看到这里了，好像不往下写会可能会挨骂。毕竟关于上面结论的可靠性我一个字都没说。

无论如何我们先总结下，现在我的脑子的画面是下面这样的

四、精装修

好了，为了不被领导challenge，还是需要做一点努力

1.验证

用已知的家庭电费，不知道的问下家里的财政大人

验证方法，比如已经有12个月的数据，那就输入7个月的，预测后面5个月的数据，再跟真实数据比对，也许你的AI牛逼，反正我的验证结果如下：

输入数据：上个月180元电费，勾选电动车，预测结果为未来12个月每月至少400元

这明显就不对，这不是明显从小康家庭突变成富裕家庭了嘛

2.认真的优化

「请根据比对结果，分析可能导致差异的原因，并列出每个原因的权重（可能性）」

上面这些说了很多，只能说想看就看（可以不看），主要解决方案其实是对齐输入电费的月份，这就能解决大部分偏差，下面是成果展示

3.希望来点数学之美

「形容预测偏差的数学模型有哪些，并基于上面事实分别做计算」

我暂时找到一个可能是亮点的目标，希望AI能给些看起来牛逼的公式，最好是公式晦涩的，数值的绝对值小的，当然更好的是老板数学不好。可惜我想多了，AI给的没什么用，这结果自己都忽悠不过去，别说忽悠老板了。

• MAE (绝对偏差)：326元
• MAPE (百分比偏差)：180%
• Bias (系统性偏差)：+326 元}

4.先开枪后画靶

第3步失败了，那就继续优化AI输出的代码目标是获得一个好的结果，注意是结果，就是直接去解决偏差。

• 1.增加峰值限制
• 2.增加月份对齐（上面做过了）

「增加一段峰值限制逻辑避免出现巨大偏差并输出全量代码给我」

这里注意，因为AI总想着能节约资源，所以经常只给增量代码，所以我会补充后半句

结果：MAPE (百分比偏差)：1.2% ，这个结果符合我预期

5.不会预测还不能包装嘛

我们已知了家庭电费，也知道家庭有什么用电的设备，将信息给到AI，要求AI自动拆分电费占比，结果be like

6.提前给自己找好退路

我们可以直接让AI生成偏差风险表并给出对应的输入项消除策略

这些结果不高级，但是还算实用。我们的核心目的是服务汇报，目前的回报思路已经整理如下：

至此，我们已经做好了转移，问题的方案，我们有机会把可靠性性的讨论转移到是否要用户输入这么多信息上面，但是如果我们心理素质不过硬的话，那就还得往下看

7.其实最后靠的还是人

什么叫预测可靠，这里我们其实还是没解决AI的代理问题，或者是信任问题，但是我们可以借鉴医疗AI的立法思路，下面是我们法规的定义：

“AI 软件被归类为**“第三类医疗器械”

注意，这里说的甚至不是助手，而是工具。

AI的服务目标是尽力取得签字医生的信任，而不是患者的信任，目前阶段并没有信任的真正的传递

代入我们的问题，说人话就是：老板信不信，其实是看汇报人，如果是自己信得过的人汇报，就信，不是则不信，因为最后不成功需要有一个人背锅，这就回归到一个职场传统问题了，简单说就是：

职场信任=学历证书（不好努力的）+经验（需要积累）+私下关系

剩下的就八仙过海，各显神通了。

汇总2.0版本的汇报公式为：

验证结果美化+问题转移+个人信用=顺利汇报

但是，假如我没学历，没经验，跟老板没关系的，那又该怎么办，那就是只能继续往下看，继续PUA自己了

五、这是真的在干活了

1.梳理逻辑

思路一：要预测——》要增加输入

思路二：要准确预测电费——》预测家庭电器使用情况——》家庭人员行为

思路三：真正有用的预测因素：天气、节假日、

思路四：根据近期实际情况做实时调整（但是要上监控设备）

2.核心策略

用能分布出发，锁定大功率设备即锁定预测基本盘，增加准确信息，

增加用户行为x输入，让用户行为干扰降到最低，实在改变不了的，变更成局限性

• 突增的高能耗设备添加
• 家庭成员变更
• 突发群体事件如：口罩

3.总结（3.0版本）

本质是增加了你的认知量，尽量去消化AI吐出来的信息点并转化为自己的语言进行二次输出并用一个更复杂的AI掩盖一个小复杂的AI，比如：Prophet、随机森林等，这些我不懂，但是离不开数字采，所以就变成了一个成本考量的拉扯环节，其实也是一种问题转移，就是采购电表多少钱，安装到家庭成本如何，ROI算的回来吗，毕竟老板都是希望花小钱办大事，但是如果结论是花大钱办大事，那给老板准备好台阶下来即可。

最后，3.0其实不会比2.0版本好多少，但是心里会踏实，AI对于普通人，不过是多了一个比自己聪明100倍的助理，所有的增量其实最后更像是对自己的心理按摩，按摩到位了，汇报其实就顺利了，也许AI+我=神 是老板最大的PUA。

最后放一张整体路线图，单纯图一乐，希望大家每天开心，快乐摸鱼。