开篇
含糊的任务,害你白干三天
老板在群里丢一句"帮忙做个活动方案",你吭哧干了三天,交上去被一句话打回:"不是这个感觉。"
你委屈,方案明明完整、排版也漂亮。但问题不在你做不好,在于从一开始就没人说清"做完了"长什么样——"做活动方案"五个字,对象是谁、给谁看、要促成什么动作、篇幅多久、什么风格算对,全空着。
把这句话丢给 AI,它也能吐一份"看起来很全"的方案。但因为你没定义验收,那份方案只是另一个模糊产物的高级版——你省了写字,没省返工。
收到含糊任务直接动手,十有八九返工。给一套用 AI 当陪练、20 分钟把需求逼成验收清单的最小动作。
老板在群里丢一句"帮忙做个活动方案",你吭哧干了三天,交上去被一句话打回:"不是这个感觉。"
你委屈,方案明明完整、排版也漂亮。但问题不在你做不好,在于从一开始就没人说清"做完了"长什么样——"做活动方案"五个字,对象是谁、给谁看、要促成什么动作、篇幅多久、什么风格算对,全空着。
把这句话丢给 AI,它也能吐一份"看起来很全"的方案。但因为你没定义验收,那份方案只是另一个模糊产物的高级版——你省了写字,没省返工。
多数人习惯收到任务就开干,把"完成"留到最后靠感觉判断。AI 时代这个坑更深:模型太会补位,你给个含糊开头,它顺手给你圆一个自洽的故事,你越看越像"对的",于是不澄清直接交付。
关键判断:一个没写清验收标准的任务,AI 做得越顺,你偏得越远。
因为 AI 补的是"它理解的合理",不是"提需求的人心里的标准"。两边标准没对上,产出越完整,返工越彻底——你不是改两行,是推倒重来。
| 维度 | 模糊需求 | 可动手需求 |
|---|---|---|
| 来路 | "做个东西""分析一下" | "做一个 X 页的 Y,给 Z 用" |
| 完成定义 | 没说,靠感觉 | "收到 Z 一句'可以'就算过" |
| 验收标准 | 凭审美临时判 | 提前写清 3 条具体验收点 |
| 返工风险 | 高,常推倒重来 | 低,方向早就对齐 |
区别在最右一列。模糊需求省了开头那 20 分钟,赔进去的是三天返工;可动手需求开头多花 20 分钟,换来的是"做一次就过"。
别把澄清当成跟人扯皮。用 AI 当陪练,四步把需求逼出验收标准:
四步加起来约 25 分钟,挡掉的是三天返工。注意第 4 步不能省——清单是给你和对方"对齐"用的,不是你自嗨的checklist,没确认就等于没对齐。
方法循环开头那一步叫"发现问题",很多人理解成"找到要解决的问题"。其实更靠前的是"把问题定义清楚"——连"做成什么样"都不知道,后面主动学习、与 AI 协作、完成真实任务全在打偏。
你多花 25 分钟定义"什么叫成",省下的是反复猜对方心思的无底洞。 这 25 分钟,是方法循环里性价比最高的一笔投入。
挑一个你手头最含糊、一直没动或返过工的任务,花 30 分钟走一遍上面四步,产出一份"验收清单"并发回确认。
30 分钟后,你手里不是一份赶工的产物,而是一张双方对齐过的"完工图"。下次再收到"随便做做",你第一个动作不是开文档,是先把"做成什么样"逼出来说清楚。