把 500 篇案例和 400 份文件，变成 AI 能读的数据

我在做什么

我供职于一家媒体机构，日常做经营分析与 AI 落地。这个案例讲的是两件「一直被工作量吓退」的事，怎么被 AI 一次跑完的：一是把过去几百篇客户合作案例变成结构化数据，二是把几百份混杂格式的客户策划需求文件变成可检索的文本。它们最后合并成两个数据库，成为后续 AI 应用的底座。

困局：一直想做，一直被吓退

客户合作案例这件事，团队想做很久了。它们是谈客户时最有力的证明——「我们为什么值得被选」。但材料散在公众号文章、视频号、各种历史文档里，要靠人工一篇篇读、一篇篇总结成结构化字段，工作量大到没人愿意开头；早年的 AI 效果也差，读长文总结出来都是空话。

一句话：不是不想做，是「需要人逐个喂」这件事本身把项目杀死了。

破题：把「逐个喂」变成「批量跑」

转机来自一次工具尝试：我拿到一批历史合作文章链接，交给批量分析工具，按「为什么选我们 / 客户需求 / 我们提供什么」三问框架跑。第一次跑通之后，我意识到这件事的形态变了——

过去要一个一个喂，现在给表格链接＋文章链接，批量就能跑。

落地一：500 篇案例，4-5 小时变成 311 条结构化数据

第一批规模是约 500 个历史合作文章链接。AI 按三问框架批量分析，产出 311 条结构化数据 + 311 份文档版分析报告，大约 4-5 小时跑完。剩余约 200 条是原始链接失效（视频号迁移、公众号改版）——不是分析失败，是源头没了。

几个超出预期的细节：

• 报告结构稳定：311 份报告的分析框架保持一致，质量没有随着批量放大而稀释；
• 断了还能续跑：中途额度耗尽、切模型报错，任务居然不丢进度，恢复后继续跑完；
• AI 自己标成败：它自动做「原始链接 vs 分析结果」对比，给每条结果标上成功或失败——验收都自动化了。

落地二：400 份混杂文件，2 小时、约 30 元

第二件事是客户策划需求：约 400 份文件，截图、PDF、Word、WPS、Excel 什么格式都有，目标是批量解析成结构化文本。用多维表格的 AI 能力跑，约 2 小时、约 30 元完成——成本和耗时都远低于预期。

踩的坑：模型「罢工」，却没有提示

这次也踩了一个真坑：AI 给出的预估时间不准，实际模型已经停止工作了，界面却还显示「正在跑」——我一度以为还在正常执行。后来跟产品方确认，是多维表格 AI 存在「罢工」现象且没有明确提示，需要对模型说「继续」才能恢复。

这是产品级体验问题，不是我的配置问题。但它给我一个提醒：跑批处理，进度显示会骗人；真正要紧的是能发现「停滞」——而不是相信「正在跑」。

下一步：两个库合起来，喂给销售

两个数据库（311 条案例 + 400 份需求）建完后，「非常贴合业务」。下一步计划基于两个库一起做销售 Agent：销售输入客户需求 → Agent 同时查需求库和案例库 → 自动出提案。库的价值不在建起来，在被消费。

经验沉淀

做对的：

• 换工具形态，不硬扛工作量：把「逐个喂」改成「批量跑」，被工作量吓退的事才可能开始；
• 让 AI 自己验收：原始链接 vs 结果对比、自动标成败，把验收也自动化；
• 两个库合并规划：案例库回答「凭什么选我们」，需求库回答「他们想要什么」，合起来才是提案的原料。

踩的坑：

• 别信「正在跑」：批量任务的进度显示可能失效，要设计发现停滞的机制；
• 原始链接会过期：视频号迁移、公众号改版会让存量链接失效——能跑通 311/500 已经是好结果；
• 预估时间不可靠：AI 给的时间估算仅供参考，别拿它当排期依据。

一句话方法论：历史资产结构化的关键不是「AI 能不能读」，而是「人愿不愿意开始」——把单次成本压到可接受，存量才有机会被唤醒。