Skip to content

你不是不會寫 Prompt,是不會定義任務

Opus 4.8 跟 GPT-5.5 之后的 Agent,可以在一个指令下连续工作好几个小时,自己读档、改程序、验证。模型升了一整个等级,但多数人的 prompt 跟去年几乎一模一样。真正的瓶颈不在 prompt 技巧,在更上游的"定义任务"能力。


目录


核心论点:Prompt vs 任务定义

  常见误区                          实际瓶颈
  ─────────────                    ─────────────
  "模型不够强"  ──── ✗ ────►    "任务本身对 AI 来说是含糊的"
  "Prompt 写得不好" ─ ✗ ────►  "任务定义不清晰"

  写 Prompt = 文笔                  定義任務 = 思考
  (可以用技巧弥补)                (需要真正的结构化思维)

  现在拉开差距的是后者。

"写 prompt 可以写得很精致,任务本身对 AI 来说还是含糊的。写 prompt 是文笔,定义任务是思考,这是两种不同的能力。" — Gary Chen


Prompt 为什么过时了

模型的进化速度远超用户的 prompt 进化速度:

阶段 模型能力 用户典型做法
2024 实习生级别,需要详细指令 手把手教,step-by-step
2025 初级员工,能完成单步任务 开始用框架(如 CRISPE)
2026 Senior Partner,能连续数小时自主工作 还在用去年的 prompt

关键变化:Agent 时代的模型可以自主读档、改代码、验证、规划下一轮。这类模型需要的不是更精细的 prompt 技巧,而是一份清晰定义的任务 brief


四阶段指令模式

动手前必须经历的四个阶段,阶段错位的任务怎么写都救不回来

  ┌──────────┐     ┌──────────┐     ┌──────────┐     ┌──────────┐
  │ 1. 思考  │────►│ 2. 探索  │────►│ 3. 決定  │────►│ 4. 執行  │
  │  Think   │     │ Explore  │     │  Decide  │     │ Execute  │
  └──────────┘     └──────────┘     └──────────┘     └──────────┘
阶段 做什么 该下什么样的指令
思考 想清楚要什么 "帮我分析这个问题的维度"
探索 了解可选路径 "列出 3 种可能的做法和各自利弊"
決定 选定方向 "基于以上分析,推荐方案 B,理由是…"
執行 交给 AI 干活 "按照方案 B,产出竞品分析报告"

典型错误:跳过思考/探索/决定,直接下执行指令 → AI 只能猜你要什么 → 输出看似完整但实际无用。


五欄位 Brief 框架

视频的核心交付物。同一个 SaaS 竞品分析任务,从烂 prompt 一路改到完整 brief:

欄位 英文 说明 示例
目標 Goal 你要 AI 产出什么最终交付物 "一份 3 页的竞品分析报告,覆盖 5 个维度"
背景 Context 为什么做这件事,给 AI 决策依据 "我们在评估是否进入 PMF 阶段,需要了解竞品差异化策略"
素材 Materials AI 可以/应该使用的信息源 "附件是 3 个竞品的官网截图、定价页、G2 评价"
邊界 Boundaries 明确不要做什么,避免 AI 自作主张 "不需要财务数据分析,不要做技术架构对比"
完成定義 Done Definition 停在哪 + 什么算好 见下方详细拆解

从烂 Prompt 到完整 Brief 的对比

  ❌ 烂 Prompt(多数人现状):
  "帮我分析一下竞品 XXX 和 YYY 的差异"

  ✅ 完整 Brief:
  目標:产出一份对标 XXX 和 YYY 的竞品分析报告
  背景:我们正在 PMF 阶段,需要判断差异化空间
  素材:附件含官网截图、定价页、G2 评价
  邊界:不做技术架构对比、不做财务分析
  完成定義:3 页以内、每个维度有量化评分、最后给一句判断

完成定义的两半

"完成定義"是最容易被忽略但最关键的欄位,分两半:

问题 说明
停在哪 AI 做到什么程度该停? 防止 AI 过度展开或做了一半停下来
什麼算好 什么样的产出算合格? 把你的 taste 写进 brief,避免拿到"看起来完整但要重做"的版本

实践要点: - 停在哪 → 控制产出长度/深度/范围 - 什么算好 → 定义质量标准(格式、精度、风格) - 两半缺一不可,否则 AI 要么做得太多,要么做得不够


AI 为何不反问

一个反直觉的事实:模型被设计成立刻行动而非先确认

人类对接 AI 对接
"这个需求不太清楚,能详细说说吗?" 直接根据模糊指令开干
"你的意思是要 A 还是 B?" 自行选择一个方向执行
"做之前我先确认下范围" 假设范围 = 全部

原因:RLHF 训练倾向于"有用"(立即回答),而非"先确认再回答"。这意味着"想清楚"这件事只能由人类来补。

启示:你花在定义任务上的时间,是 AI 替你省不下来的。AI 不会替你想,但它会在你定义好的框架内做得极好。


定义任务就是管理能力

同一份 Brief 对人对 AI 都通用——这就是管理力。

企业实践 对应能力
Amazon 六页 Memo 制度 用书面 brief 强制思考,不允许 PPT 模糊表述
Microsoft / LinkedIn Work Trend Index 数据显示清晰的任务定义对团队产出影响巨大
Brief = 工作指派 不管接收方是人还是 AI,要素一样:目标、背景、资源、边界、验收标准
  管理 Brief          AI Brief
  ──────────         ──────────
  目標    ←→  目標
  背景    ←→  背景
  資源    ←→  素材
  範圍    ←→  邊界
  驗收標準  ←→  完成定義

本质:定义任务的能力 = 管理力。AI 时代,这种能力比 prompt 技巧值钱得多。


三支任务交辦 Prompt

Gary Chen 提供的三支辅助 Prompt(完整内容在 Patreon):

Prompt 用途 使用时机
Brief Builder 从零建 Brief 有模糊想法时,让 AI 帮你结构化
Brief Auditor 诊断现有 Brief 写完后送出前,检查是否完整
Stage Decider 判断当前阶段 动手前确认你在哪个阶段

参考资料

相关笔记