给 AI 提需求之前，先写清三句话：目标、约束和验收标准

很多人用 AI 帮忙写东西、做表格、想方案，结果却来回改了五六遍，最后还是不满意。问题常常不在 AI 的能力，而在需求本身太模糊。一句“帮我写一篇好文章”里面，没有目标、没有约束、也没有验收标准，AI 只能凭猜测补全，猜错了就只能返工。反过来，如果你在提需求之前先写清三句话，效果会立刻不一样。这三句话分别是：你要得到什么结果，有哪些不能碰的边界，以及什么样的结果才算合格。写清这三句话，不需要多花十分钟，却能省下后面反复修改的一个小时。

第一句话是目标，而且要写成可以交付的样子。不要写“帮我了解一下市场”，要写“帮我整理一份三百字以内的要点清单，说明这个工具适合谁、不适合谁”。不要写“帮我写个方案”，要写“帮我写一份给团队内部讨论用的方案提纲，包含背景、三个可选做法和各自的成本”。目标越像一个可以交出去的东西，AI 就越不需要猜。你可以自己检验一下：如果把这句话交给一个刚入职的同事，他能不能直接动手？如果不能，说明目标还不够具体。AI 和新人一样，都需要一个明确的交付物，而不是一个模糊的方向。

第二句话是约束，就是这件事有哪些边界不能越过。约束通常有四类。第一类是格式约束，比如字数、结构、语言风格，是写成清单还是写成段落，是正式还是口语。第二类是内容约束，比如不能编造数据、不能出现没有出处的结论、不能推荐具体的产品。第三类是受众约束，比如这份东西是给完全不懂技术的人看的，还是给同行评审用的，两者的写法完全不同。第四类是时间或者篇幅约束，比如只讲今天能落地的三件事，不展开讲远期规划。把约束提前说清楚，AI 就不会在错误的方向上越走越远。很多人返工，就是因为约束藏在心里，没有说出来。

第三句话是验收标准，也就是你收到结果之后，用什么来判断它合不合格。验收标准要写得可以检查，而不是写“写得好一点”这种无法检查的要求。比如可以写：每一条建议后面都要跟一个可以马上做的动作；如果某个结论没有依据，就直接标明是推测，不要写成事实；最后要留一段，说明这个方案最大的风险是什么。验收标准写好之后，你检查结果就有了清单，不用凭感觉说“好像还差点意思”。更重要的是，验收标准也可以直接交给 AI，让它在输出之前自己先对照一遍，很多低级问题在这一遍里就能被发现。

这三句话写好之后，还可以再加一个小习惯：给 AI 一个例子。例子不用长，一段话就够了。比如你说“风格参考下面这一段：短句为主，每段不超过三行，先说结论再说理由”，AI 对风格的把握立刻就准了很多。没有例子的时候，AI 会从它见过的大量文本里随机选一种风格，选中的不一定是你想要的那种。有例子，等于你直接把标准样品摆在了它面前。例子越具体，返工越少。如果你一时找不到例子，也可以反过来做：先让 AI 出一版很短的试写，你指出其中两处喜欢和两处不喜欢的地方，再让它按这个反馈重写，效果往往比直接重写全文更好。

还有一个容易被忽略的点：一次只提一个任务。很多人习惯把五个任务塞进同一句话里，比如既要总结、又要翻译、还要顺便给建议，最后每个部分都做得马马虎虎。更好的做法是拆开做，先做第一步，确认结果合格了，再进入第二步。拆开做还有一个好处，就是中间任何一步出问题，你都能立刻定位是哪个环节的要求没说清，而不是面对一整篇不合格的结果无从下手。AI 擅长处理结构清晰的单任务，不擅长同时猜五个模糊任务的优先级。把任务拆开，就是把优先级的主动权拿回自己手里。

最后说一个检查清单，提需求之前花一分钟对照一下。第一，目标是不是一个可以交付的东西，能不能直接交给别人去做。第二，约束有没有写全，格式、内容、受众和边界有没有漏掉关键的一项。第三，验收标准能不能逐条检查，有没有留下“写得好一点”这种无法验证的要求。第四，有没有给一个短例子，或者准备好用试写加反馈的方式校准风格。第五，是不是一次只提了一个任务，有没有把多个任务混在一起。如果这五项都通过，再把需求发给 AI，你会发现返工次数明显下降。AI 不是越用越神奇的工具，而是越说清楚越好用的工具。先把自己的需求想清楚，再让 AI 帮你执行，这才是最高效的用法。