請要用AI幫忙做事第一件事是要了解問題是什麼?或想解決的是什麼嗎?
提问
是。立正反复强调,先问清“为什么做、要解决什么”,再进入“怎么做”;否则容易做出没人需要的方案。
先问 Why,再问 How
材料里的观点立正在一段视频里说,不要马上 Go to How,要先问 5 到 10 个 Why:为什么做这件事、为什么是这些用户、为什么竞品这样做。问完这些,才提得出比较正确的问题,找到值得优化的方向,抓住重点1。他讲的是做事和做产品的顺序,不是专门给“用 AI”下的规则;但把它套到用 AI 上,就是先弄清要解决的是什么,再让 AI 动手。
常见错误是直接跳到理想方案
材料里的观点立正观察到,大家找到生活里的一个痛点后,第一反应往往是“我要做一个理想的 solution”,比如做一个有五个功能、要上架 App Store 的 app2。这正说明问题本身和解决方案是两件事:先有想解决的事,不等于已经想清楚要解决到什么程度、给谁用、怎样算解决。
把“要什么”讲清楚,AI 才可能做对
AI推演立正在讲 AI 产出质量时说,决定输出质量的不是 prompt 写得多漂亮,而是 AI 执行任务时看到了什么信息;你的审美偏好、判断原则、验收标准只在你脑子里,AI 只能猜3,4。他给的方法是结果导向指令:清楚定义输出长什么样、满足哪些标准、不能碰哪些边界,而不是逐步遥控4。这可以理解为:先明确问题和验收标准,再交给 AI 执行。这是 AI 对材料的应用性归纳,不是原文原话。
《技术不重要!技术不重要?技术不重要!》1讲的是做事与商业判断,不是专门针对“用 AI 做事”的论述;把它用于 AI 场景属于合理推演,原文没有直接这样表述。
回到4份原文
立正本人讲先问 Why、再进 How,是回答“先了解问题”的核心依据。
指出常见错误是一上来就做理想方案,说明问题与方案要分开。
同一判断的非技术岗位版本,补充隐性知识与结果导向指令。
解释 AI 产出质量取决于给它的信息和验收标准,支持“先讲清要什么”。