服装人用 AI：我是怎么建立自己的"AI 资产"

都用同一个 AI 工具，或调用同一个模型，有些人能事半功倍，有些人却总觉得"不 work"。这里想分享一个我的观察：多数朋友用 AI 还是在"试用阶段"，并没有真正进入到"使用"阶段。

大部分人与 AI 的互动，都停留在"浅尝辄止"

在服装电商行业，设计师用 AI 生成设计图，运营用 AI 写产品文案，似乎大家都在"用"AI。可深入观察就会发现，大部分人的使用方式是：问几个问题，生成几个款式，如果结果不理想，就觉得"AI 还不够成熟"，然后回到传统工作模式。

这种"浅尝辄止"的使用，实际上浪费了 AI 的真正潜力。我说的"会用 AI"，不只是"偶尔聊天"，而是用它解决具体问题，并建立深度互动。

先多用，建立对 AI 的直觉

我说的"多用"，不是指闲聊，而是尝试用 AI 解决你生活中的具体问题，并持续深入下去。你需要建立对模型的"直觉"——通过长期互动，形成一套 AI 能够理解、回应的思维逻辑。

像在服装行业，一个完整的链条涉及设计、面料、生产、运营、销售等多个环节。如果只是用 AI 生成几张设计图，那只是触及了最表层。

要深入了解，该怎么做？学会建立自己对 AI 的"手感"——比如，设计师不仅要测试 AI 能否生成"好看的款式"，还要测试生成款式的面料可实现性、成本控制空间、是否符合目标客群审美。不同面料的特性实现、历史爆款的设计元素、目标用户的偏好标签等等。用这些真实场景和目标去不同 AI 模型上走一遍，观察结果，慢慢知道不同的模型擅长什么、边界在哪。当接触一个新模型后，能快速理解它大概可以做什么。

你需要自己的评估标准

在建立手感的过程中，你可以积累自己的"测试集"，用它们去和不同的 AI 模型对话，观察输出结果，并进行你自己的评估。评估时，一定要用你自己的标准，而不是套用别人的"现成模板"。

为什么？就像你作为老板去招人。如果你不用自己的标准，而是拿张老板或李老板的标准去面，问题就来了：你虽然能 get 到他那个标准的表象，但你永远不知道那个标准的核心是什么。因为标准的核心，跟人的感受、内在判断是绑在一起的。它背后是价值观、方法论、经验，不是靠几行文字就能精准传递的。

如果你只是照着文本信息去"复用"别人的标准，你只能学个表象。结果就是：你拿着 Checklist 一条条打勾，招进来的人感觉好像也没那么好用。

这就像招设计师：你可以参考行业标准，但最终必须有自己的判断。因为好的设计不仅是"好看"，还要符合你的品牌调性、供应链能力、成本结构和目标客户喜好。服装电商领域尤其如此，大家都喜欢抄爆款，殊不知别人的爆款设计，放到你的供应链里可能根本无法实现；别人的营销话术，套在你的产品上可能完全不贴切。

说到底，你必须有自己的评估体系——你自己的价值观、你自己的判断逻辑。评估 AI 模型也一样，你需要建立自己的标准，明确你如何定义"好"、如何判断"可用"。用你的问题集去测试不同模型，观察它们的回答，逐渐形成直观感受：哪些模型适合解决什么问题？

这就是为什么在 AI 领域：evaluation 是非常非常非常重要的一 part。

学会"提问"，像面试一样与 AI 对话

和 AI 互动，本质上是一种"提问的艺术"。你需要学会有效地"提问"，引导它展现潜力。当你有了自己的标准，就可以像面试设计师一样"面试"不同的 AI 工具：

• 给你几个关键词（比如"新中式"、"亚麻面料"、"25-35 岁女性"），能产出什么设计方案？
• 针对某款连衣裙，能写出几种不同风格的详情页文案？
• 给出一个面料成本和目标售价，能建议什么样的工艺选择？

通过这样有针对性的"提问"，你会逐渐发现：有些 AI 擅长创意发散，适合设计初期；有些 AI 更懂电商语言，适合文案优化；有些 AI 能结合供应链数据，辅助成本核算。

到现在我依然觉得会 prompting 仍是应用 AI 最重要的能力之一，哪怕现在有很多 prompt 本身已经可以靠 LLM 完成。毕竟 AI 不会像面试者那样主动争取机会，因此你的提问能力显得尤为重要。通过不断优化你的提示（prompt），你能更深入地理解不同模型的逻辑、边界和潜力。

建立你的"AI 工作流"，积累未来资产

真正会用 AI 的人，最终会形成自己的"AI 工作流"——在哪个环节用哪个工具，如何提问能得到最佳结果，如何将 AI 产出融入现有流程。在服装电商行业，这可能意味着：

这个过程中积累的工作流框架、测试集、评估标准，就是你最宝贵的"AI 使用资产"。这些将会成为新的资产和资源，未来也会在市场上进行流通，优质资产也将会有很可观的溢价。