AI 越來越能幹，為什麼你還是用不好？
整理版優先睇
用好AI嘅關鍵係畀佢一張清楚嘅任務單，而唔係一句模糊嘅指令
呢篇文章係一個做公眾號嘅作者反思點解好多人覺得AI唔好用。佢發現問題唔喺AI度，而係用戶自己冇將任務講清楚。作者引用咗OpenAI Codex同Google Gemini近排嘅更新，指出AI已經由「答問題」變成「接任務做嘢」，所以用戶需要嘅係一張清楚嘅任務單，而唔係一句靚嘅prompt。
作者認為，好多時用戶畀AI一句「幫我寫篇文」或者「幫我整理下」，但自己腦入面有一大堆默認前提，AI完全唔知。結果出嚟嘅嘢「好似交到差但唔放心」。要解決呢個問題，就要將模糊嘅需求拆成目標、背景、對象、材料、約束、交付物同驗收標準呢7樣嘢。咁樣AI先可以真正幫你推進工作。
總括而言，隨住AI越嚟越能幹，人之間嘅差距反而更明顯：一種人仲停留喺搜索框模式，另一種人已經進入工作流模式，識得將模糊想法拆成結構化任務。下次打開AI，不妨先問自己一句：我把任務講清楚未？
- AI輸出泛、空嘅根本原因係用戶冇將任務講清楚，而唔係AI能力不足
- 有效嘅任務單要包含目標、背景、對象、材料、約束、交付物同驗收標準7項
- 唔同AI工具適合唔同崗位：Gemini做資料員、Claude做編輯、ChatGPT做多面手、Codex做執行者
- 任務單同提示詞嘅層次唔同：提示詞解決點樣問，任務單解決點樣交付
- 未來識用AI嘅人，會將模糊想法拆成結構化任務，而唔係沉迷「萬能提示詞」
AI任務單模板
一個可直接複製使用嘅結構化任務單，包含目標、背景、對象、材料、約束、交付物同驗收標準7項，幫你將模糊需求變成可執行指令。
問題根源：模糊指令令AI輸出得個樣
好多人用AI嘅第一句都係「幫我寫篇公眾號」、「幫我整理下資料」，跟住AI好快交嚟一份嘢，但睇落總係「好似交到差但唔放心」。其實問題唔喺AI度，而係自己交代得唔清楚。
你畀佢一句模糊嘅話，佢就只能畀你一個大概能睇嘅結果
作者話以前AI似聊天窗口，問得唔清楚答得泛啲都還好；但而家AI開始接任務做嘢，OpenAI Codex同Google Gemini嘅更新都顯示呢個趨勢。所以用戶需要嘅係一張清楚嘅任務單，而唔係一句靚prompt。
一張好任務單要講清楚7件事
- 1 目標：你希望AI最終完成咩？「幫我想想」太虛，要改成「整理成10分鐘課程大綱」呢類具體嘢
- 2 背景：件事點解要做？而家卡喺邊？以前試過咩？背景越清，AI越唔會套模板
- 3 對象：內容畀邊個睇？學生、同事定客戶？對象唔清，語氣就會飄
- 4 材料：你有咩資料可以畀？文章、表格、連結、舊稿，全部可以畀，AI唔會讀心
- 5 約束：唔好做咩？例如唔好堆術語、唔好超過1500字、唔好憑空編數據
- 6 交付物：最後要咩？文章、清單、表格、程序碼定下一步行動方案？越明確越少返工
- 7 驗收標準：點樣叫好？你會用邊幾個標準判斷？呢步好多人漏，結果AI只能估你偏好
任務單嘅價值在於令你有地方下手，第一稿粗啲好正常，但要講得出邊度唔對
分清崗位：唔同AI有唔同角色
好多人成日問「ChatGPT、Gemini、Claude邊個最強？」呢個問題有啲似問「編輯、資料員、項目經理邊個最強？」應該先問清楚件事需要邊個崗位。
- Gemini — 資料員：資料同背景可以先交畀佢，佢同搜索、長上下文結合得更緊
- Claude — 編輯：長文結構、語氣審查、邏輯拆解，佢更似一個有耐性嘅編輯
- ChatGPT — 多面手：多版本生成、清單整理、流程設計、反複改表達，做得好順
- Codex — 執行者：文件、代碼、網頁、自動化呢啲具體任務，尤其係做完要驗證嘅，佢似可以進入工作台嘅執行者
唔好做排行榜，要先做分工表；而分工嘅前提，仲係任務單
未來會用AI嘅人，識得將活派清楚
作者唔贊成繼續沉迷「萬能提示詞」。提示詞解決嘅係一句話點樣問，任務單解決嘅係一件事點樣交付，兩個層級唔同。未來AI越嚟越能幹，人之間嘅差距反而更明顯。
一種用法仲停留喺搜索框，另一種用法已經進入工作流
收藏再多提示詞，最後都要回到一件事：你能唔能夠將一團模糊想法，拆成目標、背景、對象、材料、約束、交付物同驗收標準。下次打開AI，先問自己一句：我今次，真係將任務講清楚未？
好多人用 AI 嘅第一句說話，通常都好類似：
"幫我寫一篇公眾號。"
"幫我整理嚇啲資料。"
"幫我做個方案。"
AI 好快交咗份嘢嚟。標題有咗，結構都有，語言仲幾順。
但係你越睇越覺得唔對路。
好似一篇交到差嘅稿。
但係真係要出，你又唔放心。
我做公眾號嘅時候最怕呢種稿。佢冇明顯嘅錯，但係邊度都差少少。你想改，又唔知從邊度落刀。
呢個時候好多人會話：呢個 AI 唔得。
我更願意先回頭睇一句話：頭先嗰個嘢，真係交代清楚咗未？
以前 AI 似一個聊天窗口多啲。你問一句，佢答一句。問得唔清楚，佢就答得空泛啲，問題都仲未算好大。
但係而家唔同咗。
AI 正喺度由"回答問題"，變成"接任務做嘢"。
OpenAI 最近喺 Codex 上連續更新：手機端遠程接入、Goal mode、Windows 上嘅 Computer Use。意思好直接，AI 唔再係齋坐喺聊天框入面等你問問題，佢開始可以喺你嘅設備、文件、網頁同項目入面推進一段真實嘅工作。
Google 都喺 Gemini 入面推 Daily Brief 同 Gemini Spark，一個方向係主動整理你每日應該睇嘅資訊，另一個方向係畀 AI 喺後台幫你推進跨應用任務。
呢啲更新唔好剩係當產品新聞咁睇。
背後嘅變化好樸素：AI 已經開始接嘢做喇。
咁個問題都跟住變咗。
當 AI 淨係可以傾偈嘅時候，你需要一句好 prompt。
當 AI 開始識得做嘢嘅時候，你需要一張清楚嘅任務單。
同樣係畀 AI 寫文章，呢兩種講法差別好大。
幫我寫一篇關於 AI 使用技巧嘅公眾號文章。
目標：寫一篇大概 1800 字嘅公眾號文章，話畀普通人知點解 AI 輸出空泛、空洞、唔似自己想要嘅，核心方法係將模糊需求改成任務單。
讀者：已經開始用 ChatGPT、Gemini、Claude，但係仲未形成工作流程嘅人。
材料：可以參考最近 Codex 同 Gemini 嘅 agent 化趨勢，但係唔好寫成新聞盤點。
約束：唔好堆砌術語，唔好寫成提示詞大全，唔好用居高臨下嘅語氣。
交付物：畀出完整文章、一個可以複製嘅模板、一個改寫示例。
驗收標準：讀者睇完之後可以即刻改寫自己嘅一條 AI 需求，仲願意轉畀一個"成日話 AI 唔好用"嘅朋友。
第一句好似隨口叫人幫手咁。
第二段已經可以交畀人繼續做。
好多人對 AI 嘅失望，成日從呢度開始：你個腦入面有一堆默認前提，AI 一個都唔知。
比如"寫得好啲"。
呢句話太常見喇，但係 AI 聽唔明你嘅"好"到底指咩。係觀點更硬啲，語言更似人話，定係更適合公眾號傳播？
"要有深度"都一樣。深度可以係行業趨勢，可以係個人經驗，亦都可以係將一個普通人日日遇到嘅問題講到透。
至於"排版好睇啲"，範圍更大。公眾號雜誌感、小紅書知識卡、PPT 式資訊圖，都可以叫好睇，但係做法完全唔同。
AI 唔怕你要求高。
佢怕嘅係你自己都唔知想要咩。
我而家越來越少將 AI 當"搜索框"咁用。
更多時候，我會將佢當成一個新同事。
既然係同事，就唔可以剩係掉低一句"你搞搞佢"。你要話畀佢知：呢件事點解要做，畀邊個睇，有啲咩材料，界線喺邊度，最後交啲咩，點樣先算合格。
一張好用嘅 AI 任務單，至少寫清楚呢 7 件事。
首先寫目標
你想 AI 最後幫你完成啲咩？"幫我想諗"太虛啦。可以改成："整理成一份 10 分鐘課程大綱""寫一篇可以發布嘅公眾號初稿""將呢份資料轉成表格"。
再補返背景
呢件事點解要做？而家卡喺邊度？以前試過啲乜？背景越清楚，AI 越唔容易畀你套模板。
跟住說明對象
內容畀邊個睇？學生、家長、同事、客戶、公眾號讀者，佢哋在意嘅點完全唔一樣。對象唔清，語氣就會飄。
材料都要畀
你手上有啲咩資料？文章、表格、連結、舊稿、課堂經驗、歷史案例，都可以畀。AI 唔會讀心，佢只能根據你畀嘅嘢繼續做。
限制要提前講清楚
唔好做啲咩，同樣重要。例如唔好堆砌術語，唔好寫成營銷文，唔好超過 1500 字，唔好憑空編數據，唔好將語氣寫得太似老師訓人。
然後講清楚交付物
最後畀你啲咩？文章、清單、表格、腳本、PPT 大綱、代碼、檢查報告，定係下一步行動方案。交付物越明確，返工越少。
最後唔好漏咗驗收標準
點樣先算好？你會用邊幾個標準判斷佢用唔用得？好多人漏咗呢一點，所以 AI 只能估你嘅偏好。
呢 7 件事寫清楚之後，AI 嘅輸出未必一步到位，但至少進入咗一個可以改、可以驗收、可以繼續推進嘅狀態。
咁就夠啦。
做內容、做課件、做方案，第一稿粗啲好正常。真正麻煩嘅係你睇完淨係會話"唔啱"，但係講唔出邊度唔啱。
任務單嘅價值就在呢度。
佢令到你落手落腳有地方。
下次你要畀 AI 做嘢，可以將呢段先複製過去：
【AI 任務單】
目標：
我希望你最尾幫我完成啲咩？
背景：
呢件事點解要做？而家卡喺邊度？有啲咩前置資訊？
對象：
內容畀邊個睇？佢最在意啲咩？佢唔鍾意啲咩？
材料：
你可以參考邊啲資料、文稿、數據、連結或者歷史經驗？
約束：
唔好做啲咩？語氣、字數、格式、界線係咩？
交付物：
最後畀我啲咩？文章、清單、表格、腳本、PPT 大綱，定係可執行步驟？
驗收標準：
點樣先算合格？我會用邊幾個標準判斷佢好唔好？
唔使每次都寫咁滿。
小任務可以短啲。
比如：
目標：將下面呢段話改得更適合公眾號開頭。
對象：讀者係已經用過 AI，但成日覺得輸出空泛嘅人。
約束：唔好雞湯，唔好誇張標題，唔好超過 200 字。
驗收標準：第一段可以令讀者覺得"呢度講嘅咪就係我囉"。
呢個已經比"幫我潤色嚇"強好多。
因為佢將"潤色"呢個模糊動作，拆成咗目標、讀者、界線同判斷標準。
好多人而家仲喺度問：
"ChatGPT、Gemini、Claude，到底邊個最強？"
呢個問題有啲似問：
"辦公室入面，編輯、資料員、項目經理、程序員，邊個最強？"
冇得咁樣比。
先問清楚：呢件事需要邊個崗位？
Gemini — 資料員
資料同背景，可以交畀佢先。同搜索、長上下文結合更緊密。
Claude — 編輯
長文結構、語氣審查、邏輯拆解，往往更似一個有耐性嘅編輯。
ChatGPT — 多面手
多版本生成、清單整理、流程設計、反反覆覆改表達，做起身好順。
Codex — 執行者
遇到文件、代碼、網頁、自動化，尤其係"做完之後要可以驗證"嘅任務，更似可以入工作枱嘅執行者。
呢度唔好做排行榜，先做分工表。
而分工嘅前提，都係任務單。
你連任務係咩都冇講清楚，換再強嘅模型，都只係令佢更快咁估錯。
我唔係好建議大家繼續沉迷"萬能提示詞"。
提示詞當然有用，但係佢解決嘅係一句話點樣問。
任務單解決嘅係一件事點樣交付。
呢兩個層級唔一樣。
將來 AI 越來越犀利之後，人嘅差距反而會更明顯。
我見到嘅差距大概係咁：一種用法仲停留喺搜索框，每次問一句，複製一段，刪刪改改。
另一種用法已經進入工作流程：先定目標，再畀材料，再講界線，見到交付物之後，按驗收標準繼續改。
提示詞收藏得再多，最後都係要返返去一件事：你能否將一團模糊嘅想法，拆成目標、背景、對象、材料、限制、交付物同驗收標準。
講到尾，AI 再犀利，方向盤都係喺你手度。
你畀佢一句模糊嘅話，佢就淨係可以畀你一個大概見得人嘅結果。
你畀佢一張清楚嘅任務單，佢先有機會幫你將件事向前推一段。
下次開 AI，不妨先唔好咁急問"邊個最強"。
先問自己一句：
我今次，真係將任務講清楚咗未？
很多人用 AI 的第一句話，通常都很像：
"幫我寫一篇公眾號。"
"幫我整理一下資料。"
"幫我做個方案。"
AI 很快交來一份東西。標題有了，結構也有，語言還挺順。
可你越看越彆扭。
像一篇能交差的稿子。
但真要發，你又不放心。
我做公眾號時最怕這種稿子。它沒有明顯錯誤，卻哪裏都差一點。你想改，又不知道從哪一刀下去。
這時候很多人會說：這個 AI 不行。
我更願意先回頭看一句話：剛才那活，真的交代清楚了嗎？
以前 AI 更像一個聊天窗口。你問一句，它答一句。問得不清楚，它答得泛一點，問題還不算太大。
但現在不一樣了。
AI 正在從"回答問題"，變成"接任務幹活"。
OpenAI 最近在 Codex 上連續更新：手機端遠程接入、Goal mode、Windows 上的 Computer Use。意思很直接，AI 不再只是坐在聊天框裏等你提問，它開始能在你的設備、文件、網頁和項目裏推進一段真實工作。
Google 也在 Gemini 裏推 Daily Brief 和 Gemini Spark，一個方向是主動整理你每天該看的信息，另一個方向是讓 AI 在後台幫你推進跨應用任務。
這些更新別隻當產品新聞看。
背後的變化很樸素：AI 已經開始接活了。
那問題也跟着變了。
當 AI 只能聊天時，你需要一句好 prompt。
當 AI 開始能幹活時，你需要一張清楚的任務單。
同樣是讓 AI 寫文章，這兩種說法差別很大。
幫我寫一篇關於 AI 使用技巧的公眾號文章。
目標：寫一篇 1800 字左右的公眾號文章，告訴普通人為什麼 AI 輸出泛、空、不像自己要的，核心方法是把模糊需求改成任務單。
讀者：已經開始用 ChatGPT、Gemini、Claude，但還沒有形成工作流的人。
材料：可以參考最近 Codex 和 Gemini 的 agent 化趨勢，但不要寫成新聞盤點。
約束：不要堆術語，不要寫成提示詞大全，不要用居高臨下的語氣。
交付物：給出完整文章、一個可複製模板、一個改寫示例。
驗收標準：讀者看完能馬上改寫自己的一條 AI 需求，並願意轉給一個"總說 AI 不好用"的朋友。
第一句像隨口喊人幫忙。
第二段已經能交給人接着做。
很多人對 AI 的失望，常常從這裏開始：你腦子裏有一堆默認前提，AI 一個都不知道。
比如"寫得好一點"。
這句話太常見了，但 AI 聽不懂你的"好"到底指什麼。是觀點更硬一點，語言更像人話，還是更適合公眾號傳播？
"要有深度"也一樣。深度可以是行業趨勢，可以是個人經驗，也可以是把一個普通人天天遇到的問題講透。
至於"排版好看一點"，範圍更大。公眾號雜誌感、小紅書知識卡、PPT 式信息圖，都能叫好看，但做法完全不同。
AI 不怕你要求高。
它怕的是你自己也不知道要什麼。
我現在越來越少把 AI 當"搜索框"用。
更多時候，我會把它當成一個新同事。
既然是同事，就不能只甩一句"你弄一下"。你得告訴它：這件事為什麼做，給誰看，有什麼材料，邊界在哪裏，最後交什麼，什麼樣算合格。
一張好用的 AI 任務單，至少寫清楚這 7 件事。
先寫目標
你希望 AI 最終幫你完成什麼？"幫我想想"太虛了。可以改成："整理成一份 10 分鐘課程大綱""寫一篇能發佈的公眾號初稿""把這份資料轉成表格"。
再補背景
這件事為什麼要做？現在卡在哪裏？以前試過什麼？背景越清楚，AI 越不容易給你套模板。
接着說明對象
內容給誰看？學生、家長、同事、客戶、公眾號讀者，他們在意的點完全不一樣。對象不清，語氣就會飄。
材料也要給
你手裏有什麼資料？文章、表格、連結、舊稿、課堂經驗、歷史案例，都可以給。AI 不會讀心，它只能根據你給的東西往下做。
約束要提前說
不要做什麼，同樣重要。比如不要堆術語，不要寫成營銷文，不要超過 1500 字，不要憑空編數據，不要把語氣寫得太像老師訓人。
然後說清交付物
最後給你什麼？文章、清單、表格、腳本、PPT 大綱、代碼、檢查報告，還是下一步行動方案。交付物越明確，返工越少。
最後別漏掉驗收標準
什麼樣算好？你會用哪幾個標準判斷它能不能用？很多人漏掉這一點，所以 AI 只能猜你的偏好。
這 7 件事寫清楚以後，AI 的輸出不一定一步到位，但至少進入了一個能改、能驗收、能繼續推進的狀態。
這就夠了。
做內容、做課件、做方案，第一稿粗一點很正常。真正麻煩的是你看完只會說"不對"，卻說不出哪裏不對。
任務單的價值就在這裏。
它讓你有地方下手。
下次你要讓 AI 做事，可以先把這段複製過去：
【AI 任務單】
目標：
我希望你最終幫我完成什麼？
背景：
這件事為什麼要做？現在卡在哪裏？有哪些前置信息？
對象：
內容給誰看？他最在意什麼？他不喜歡什麼？
材料：
你可以參考哪些資料、文稿、數據、連結或歷史經驗？
約束：
不要做什麼？語氣、字數、格式、邊界是什麼？
交付物：
最後給我什麼？文章、清單、表格、腳本、PPT 大綱，還是可執行步驟？
驗收標準：
什麼樣算合格？我會用哪幾個標準判斷它好不好？
不用每次都寫這麼滿。
小任務可以短一點。
比如：
目標：把下面這段話改得更適合公眾號開頭。
對象：讀者是已經用過 AI，但總覺得輸出泛的人。
約束：不要雞湯，不要誇張標題，不要超過 200 字。
驗收標準：第一段能讓讀者覺得"這說的不就是我嗎"。
這已經比"幫我潤色一下"強很多。
因為它把"潤色"這個模糊動作，拆成了目標、讀者、邊界和判斷標準。
很多人現在還在問：
"ChatGPT、Gemini、Claude，到底哪個最強？"
這個問題有點像問：
"辦公室裏，編輯、資料員、項目經理、程序員，誰最強？"
沒法這麼比。
先問清楚：這件事需要哪個崗位？
Gemini — 資料員
資料和背景，可以先交給它。和搜索、長上下文結合更緊。
Claude — 編輯
長文結構、語氣審查、邏輯拆解，往往更像一個耐心編輯。
ChatGPT — 多面手
多版本生成、清單整理、流程設計、反覆改表達，做起來很順。
Codex — 執行者
碰到文件、代碼、網頁、自動化，尤其是"做完以後要能驗證"的任務，更像能進工作台的執行者。
這裏別做排行榜，先做分工表。
而分工的前提，還是任務單。
你連任務是什麼都沒說清楚，換再強的模型，也只是讓它更快地猜錯。
我不太建議大家繼續沉迷"萬能提示詞"。
提示詞當然有用，但它解決的是一句話怎麼問。
任務單解決的是一件事怎麼交付。
這兩個層級不一樣。
未來 AI 越來越能幹以後，人的差距反而會更明顯。
我看到的差距大概在這裏：一種用法還停在搜索框，每次問一句，複製一段，刪刪改改。
另一種用法已經進入工作流：先定目標，再給材料，再說邊界，看到交付物以後，按驗收標準繼續改。
提示詞收藏得再多，最後還是要回到一件事：你能不能把一團模糊想法，拆成目標、背景、對象、材料、約束、交付物和驗收標準。
說到底，AI 再能幹，方向盤還是在你手裏。
你給它一句模糊的話，它就只能給你一個大概能看的結果。
你給它一張清楚的任務單，它才有機會替你把事情往前推一段。
下次打開 AI，不妨先別急着問"哪個最強"。
先問自己一句：
我這次，真的把任務說清楚了嗎？