一句话总结
每周状态更新应该花 15 分钟，而不是 90 分钟。诀窍在于分工：AI 干无聊的 80%（把原料分桶、起 TL;DR、挑出一个被低估的风险和一个被忽视的胜利），你只留下机器写不了的 20%（你的判断和你的请求）。这篇给你完整的 prompt 链、能帮你自动拉原料的工具（Linear Agent、Slack AI 摘要、Notion 周报），以及一份能堵住 AI 两大毛病的检查清单：编造”势能”和篡改数字。
这篇适合谁看
PM、工程经理、运营 lead、Founder——每周或双周发项目状态更新的人。尤其适合跨多条工作流、有 exec 读者（只看第一段那种）的场景。普通 IC 也能用，把分桶简化成”做了 / 卡住 / 下周”三栏即可。
项目处于救火期就别用这套——救火期手写、每天发、每个风险配具名 owner。AI 只适合稳态。
该用哪个 AI 工具
三家前沿模型干这活都没问题——prompt 短、推理也轻。真正的区别在于哪个工具还能帮你把原料拉进来，省得你在五个标签页之间复制粘贴。截至 2026 年 6 月：
| 工具 | 方案 / 价格（美元/月） | 写状态更新强在哪 | 备注 |
|---|---|---|---|
| ChatGPT | Plus $20、Go $8、Pro $100/$200 | 起草 + 润色文字 | 默认 GPT-5.5；美国 Free 版有广告、额度很紧 |
| Claude | Pro $20、Max $100/$200 | 长原料（一次贴整个 sprint） | Opus 4.7 / Sonnet 4.6 都是 1M token 上下文，一整周的 ticket 一次贴进去都装得下 |
| Gemini | Google AI Pro $19.99 | 已经用 Google Workspace 的团队 | Gemini 3.1 Pro，1M 上下文；授权后能从 Docs/Gmail 拉数据 |
光写文字的话，任何 $20 档都绰绰有余——你又不是跑 benchmark，只是给 bullet 分桶。真正有意思的是拉数据那一层：
- Linear Agent（2026 年 3 月上线）：在任意评论里 @Linear，它就能综合项目上下文、起草更新，现在还能通过 Code Intelligence（2026 年 5 月）读你的真实代码库，并通过 MCP（2026 年 4 月）拉外部上下文。团队活在 Linear 里的话，这是摩擦最小的选项——本季度上了什么看 Linear 更新日志。
- Slack AI 摘要：能总结任意频道、私信或线索，并标注引用来源方便核对。注意它是付费插件，标准 Pro/Business+/Enterprise 方案都不含。
- Notion AI 周报：定时 agent 能查询任务库里过去七天完成的条目，自动生成一页结构化摘要。
AI 周报教程 里讲了更细的拉数据配置；这篇专注于把原料变成可转发更新的 prompt 链。
开始前准备
- 选准单一读者：skip-level、跨部门 partner，还是 exec。三类读者要的第一句话完全不同。
- 把原料收齐到一处：本周 merge 的 PR、关闭的 ticket（Linear/Jira）、值得 surface 的 Slack 线索、客户或 support 笔记。
- 提前定格式：Notion 文档、Slack 帖、还是邮件。长度上限是读者设备上的一屏。
- 把上周的更新打开，标出”变化”——读者真正想知道的是 delta，不是绝对数。
- 合规严格的公司先脱敏：把客户名换成角色标签。ChatGPT Enterprise 由管理员设保留期（最少 90 天），删除的对话 30 天内清除；Free/Plus 消费版要假设你的 prompt 可能被用来改进模型（除非你关掉），所以别把客户名和营收数字放进 prompt。
Prompt 链
在同一个对话里发四条独立消息，让模型保留上下文。Prompt 1 之后把原料贴在下面。
Prompt 1 —— 给原料分桶：
以下是我本周状态更新的原料：merge 的 PR、关闭的 ticket、Slack 线索摘要、
客户升级。把每一条归进且仅归进五栏：已发布、阻塞、按计划、有风险、下周。
去重。扔掉琐碎条目（拼写修复、依赖升级）。先别加评论——只给分桶。
[在这里贴原料 bullet]Prompt 2 —— 起草 TL;DR：
根据上面的分桶写一段 TL;DR：正好 4 句、60 词以内、白话。说清发了什么、
什么有风险、我需要什么。不要 buzzword。如果草稿里出现"赋能""协同"
"势能""解锁"，把那句重写。Prompt 3 —— 挖出原料藏起来的东西：
基于同一批原料，挑出 1 个被低估的风险（只提了一次或被埋掉的）和 1 个
被忽视的胜利。各一句。把来源那行原文引出来，让我能核实它是真的、不是
你推断出来的。Prompt 4 —— 组装：
按这个顺序组装最终更新：TL;DR 在顶，然后五个桶各列简短 bullet，再留一行
空白让我加自己的 ask。总长度必须装进一个手机屏。"按计划"那栏砍到一行。然后做 AI 做不了的那部分：加上人话那句。格式 Ask：我需要 X，在 Y 前，从 Z 拿，放在最后一行。skip-level 真正读的就是这一句。
两分钟先跑一遍
挑一个低风险周先跑，这样在它真正要紧之前你就能看清 AI 哪里帮忙、哪里帮倒忙。拿上周已经发出的更新，再拿一批新原料，按完整 prompt 链跑一遍不编辑，再和上周手写版对 diff。逐段标”直接能用 / 微调 / 完全错”。
多数团队的发现是：AI 分桶和 TL;DR 都准，但会编造不存在的”势能”——那就是你之后每次都要改的段。第二次跑只动一个变量，通常是分桶标签或读者标签。
发出前的质量检查
- TL;DR 测试： 只读第一段。读者完全不知情时，能不能搞清楚发了什么、什么有风险、你要什么？
- 数字审计： 草稿里每一个指标、日期、百分比都必须能在原料里查到。AI 会四舍五入、抹平、偶尔编造。这是性价比最高的一项检查。
- 风险诚实测试： 这句话你敢当着有风险的团队当面说吗？不敢，重写。
- 长度测试： 手机一屏。超了先砍”按计划”段——读者默认没提到的就是按计划。
- 语气检查： 朗读一遍。如果像新闻稿，“人话那句”没写。
怎么复用这套流程
- 把 Prompt 1–3 各存一条独立 saved message（或做成 custom GPT / Claude Project）。每个项目只改一行。
- 建一个
status-update/目录，按日期保存原料和输出。4 周后这些 delta 就是你季度回顾的素材。 - 用 Linear 的话，把跑通的 agent 对话存成可复用 skill——Linear 支持对周期性的进度回顾直接重放。
- 每 4-6 周不编辑直接跑一次 prompt 链，和你的版本对比。AI 在收敛说明 prompt 成熟了；在发散说明模型或项目变了。
- 把 prompt 分享给一个同事看。他的编辑会暴露你自己看不见的措辞偏见。
容易踩的坑
- 原样发 AI 草。 节奏和用词两句话就被识破。人话那句是解药。
- ask 埋起来。 skip-level 直接滚到最后一行；ask 放那里，绝不放在分桶中间。
- 回避不舒服的风险。 一份没有风险的状态更新读起来要么在撒谎要么在睡觉。
- 让 AI 编势能。 如果 prompt 是”写得正面点”，得到的就是小说。Prompt 3 的作用是挖出真信号，不是制造信号。
- 给所有人写。 挑一个读者写，其他人 cc。
- “没事可报”就跳过一周。 cadence 才是信任信号——4 句 + ask 也得发。
FAQ
- 真的没东西可报怎么办？ 4 句照样发：发了什么、卡在哪、下周做什么、一个 ask。skip-level 把”缺更新”读作”项目死了”。
- 让 AI 学我语气？ 不要。让 AI 写事实、写中性，语气你在人话那句和 ask 行里加——这就够像你了，还顺手避开了 AI 味的问题。
- 公司禁 ChatGPT 怎么办？ 用公司的企业版（ChatGPT Enterprise/Business 和 Claude for Work 默认不拿你的数据训练），或者跑本地模型处理脱敏原料文件。这套 prompt 短到小本地模型也能跑。
- TL;DR 应该多长？ 4 句，60 词以内。塞不下说明项目太宽，拆成两份更新。
- 哪个模型最适合？ 任何当前 $20 档（ChatGPT Plus、Claude Pro、Google AI Pro）都绰绰有余。只有当你想一次贴进整个 sprint 的原料时才选 Claude——它 1M token 上下文（Opus 4.7 / Sonnet 4.6）能一口吞下一整周的 ticket，不会被截断。
- 能用来写向上 1:1 更新吗？ 能，但分桶缩到 3 栏：进展、阻塞、ask。TL;DR 缩到 1 句。