ARTICLE · 1065908
AI + 黄金圈法则:从怎么做升级到为什么,做事效率翻倍
昨天晚上十点，我盯着电脑屏幕发呆。
一天下来，开了三个会、回了五十封邮件、改了四版方案、帮同事擦了两个屁股。
忙到连喝水的空都没有。
可你问我今天干了啥——我答不上来。
就像被一只看不见的手推着走，事情一件接一件来，我一件接一件做。
做完了，累瘫了，然后呢？
忙了一整天，不知道忙了个啥。
——你是不是也这样？
我以前总觉得是自己效率不够高。
问题不在"怎么做更快"，而在——你从一开始就没搞清楚"为什么做"。
1
黄金圈法则：别从"做什么"开始
西蒙·斯涅克有个著名的"黄金圈"理论，很简单，三个同心圆：
最外层是 What——做什么。
中间是 How——怎么做。
最内层是 Why——为什么做。
绝大多数人思考问题，是从外到内：先想我要做什么，再想怎么做，至于为什么——有空再说吧。
高手反过来。从内到外。
先想清楚 为什么要做，再想 怎么做，最后才是 做什么。
举个例子。老板让你做一个活动页面。
普通人的思路：好的，我去设计页面、找开发排期、写文案——这是从 What 开始。
黄金圈的思路：先问 Why——这个活动是为了什么？拉新？促活？还是品牌曝光？目标用户是谁？想让他们看完之后做什么动作？
Why 想清楚了，How 自然就出来了——如果是拉新，那页面重点就是分享裂变机制；如果是促活，那重点就是老用户专属福利。
最后才是 What——具体页面长什么样、用什么颜色、放什么按钮。
你看，从外到内的人，忙了半天可能方向都错了。从内到外的人，每一步都踩在点上。
2
AI + 黄金圈，怎么用
道理都懂，但真遇到事的时候，人很容易又滑回"先干了再说"的模式。
毕竟从 Why 开始想，费脑子。
从 What 开始干，多简单。
这就是 AI 能帮上忙的地方。
它不会偷懒，不会嫌麻烦，你让它从 Why 开始，它就老老实实从 Why 开始拆。
我自己的用法很简单：
把你要做的事丢给 AI，然后要求它按黄金圈结构，从内到外拆解。
就这一句话，能把你的思考深度往上拔好几个档次。
以前你拿到一个任务，脑子里第一反应是"我该怎么做"。
现在有 AI 帮你先把 Why 这层挖透，你站的位置就不一样了。
3
完整可复制的 Prompt 模板
直接上干货。这是我自己一直在用的 prompt，复制粘贴就能用：
请你扮演一位资深战略顾问，帮我用黄金圈法则拆解以下任务。 任务：【在这里描述你的具体任务】 请严格按照 Why - How - What 的三层结构输出：第一层：Why（为什么） - 这个任务的根本目的是什么？ - 做完之后应该达成什么效果？ - 背后真正要解决的问题是什么？ - 如果不做这件事，会有什么损失？第二层：How（怎么做） - 达成目的的核心路径有哪几条？ - 每条路径的关键动作是什么？ - 优先级怎么排？先做什么后做什么？第三层：What（做什么） - 具体要交付哪些东西？ - 每一项的验收标准是什么？ - 时间节点怎么安排？ 要求：用大白话讲，不要用术语。每一层至少给出 3 个具体要点。
就这么一段。
你把任务描述填进去，扔给任何一个大模型都行。
我一般是先让 AI 拆一遍，然后我自己再调整。
AI 拆的不一定全对，但它能帮你把那些你本来不会去想的问题给拎出来。
关键不是 AI 替你想，而是 AI 推着你去想。 很多问题不是你想不明白，而是你根本没想过要去想。
4
三个场景，直接套用
光说不练假把式。
我挑三个最常用的场景，给你看看实际效果。
场景一：做一个项目
任务：下个季度要做一个用户增长项目。
以前你可能直接就开始想：拉新渠道选哪些？预算怎么分？KPI 定多少？
用黄金圈拆完之后——
Why：为什么要做用户增长？
是因为营收压力？
还是因为融资需要？
还是产品刚上线需要验证？
不同的 Why，策略完全不一样。
如果是营收压力，重点应该是高价值用户转化；如果是融资需要，可能用户数量比质量更重要。
How：基于 Why 确定路径。
比如目标是高质量用户增长，那路径可能是：老用户裂变 > 垂直渠道投放 > 内容营销获客。
What：具体落地动作。
比如裂变活动做几场、投放渠道选哪几个、内容每周发几篇、每一项的负责人和截止日期。
看到没？如果不先想 Why，你可能忙活半天，方向跟老板要的根本不是一回事。
场景二：学一个技能
任务：我想学 Python。
很多人学编程的路径是：买课 → 从头学语法 → 学到一半放弃。
用黄金圈重新想——
Why：你学 Python 是为了啥？为了找工作转行？还是为了提升当前工作效率？还是纯粹好奇想玩玩？动机不同，学法天差地别。
如果是为了提升当前工作效率——比如你是做运营的，想自动化处理数据——那你根本不需要从语法开始学。直接找几个你工作中真实的场景，对着场景学，学完就能用。
How：以用带学。每周解决一个真实问题，遇到不会的就查就问。
What：第一周学怎么用 Python 读 Excel 表格，第二周学怎么批量处理文件，第三周学怎么生成报表。每一周都有具体的、能立刻用上的产出。
这么学，坚持下来的概率比从零语法开始高十倍。
场景三：写一篇文章
任务：写一篇关于 AI 的公众号文章。
普通人上来就想：写什么主题好呢？AI 最近有什么热点？
黄金圈思路——
Why：为什么要写这篇文章？想涨粉？想变现？还是想建立个人品牌？写给谁看？看完之后希望他们做什么？
如果目标是涨粉，那文章得有传播性，选题要戳痛点、标题要有钩子。如果目标是建立专业形象，那内容要有深度、有独家观点、有实际案例。
How：确定文章的核心结构和切入角度。是干货教程型？还是观点分析型？还是故事案例型？
What：具体写什么内容、分几个章节、配什么图、标题怎么起、什么时候发。
我写这篇文章的时候，就是先用黄金圈拆了一遍，才动笔的。
5
AI 的边界，你得心里有数
说了这么多好处，也得泼点冷水。
AI 拆黄金圈，有两个问题你得知道：
第一，它不知道你所处的真实环境。公司内部的政治、团队的能力边界、老板的个人偏好——这些信息你不告诉它，它就不知道。它拆出来的东西可能逻辑上完美，但现实中根本行不通。
第二，它说的不一定对。尤其是 Why 这一层，很多时候为什么做这件事，只有你自己心里最清楚。AI 只能给你一些可能性，最终判断还得你自己来。
AI 是思考的脚手架，不是替代品。 它帮你把框架搭起来，墙还得你自己砌。
我自己的习惯是：让 AI 先拆一遍，我看完之后自己再改一遍，改的过程就是我自己思考的过程。很多时候改着改着，就冒出 AI 没想到的点子。
这才是正确的用法。不是 AI 替你想，是 AI 帮你想得更全。
6
最后说几句
我们这一代人，从小到大接受的教育都是"怎么做"。
老师教你解题步骤，老板教你工作流程，教程教你操作方法。
所有人都在告诉你 How，很少有人问你 Why。
结果就是，我们很擅长把事情做完，但不太擅长判断这件事值不值得做。
忙不是问题，忙得没有方向才是。
黄金圈这个方法，说穿了不值钱。
就是让你多问一句"为什么"。
可真能做到的人，不多。
现在有了 AI，你不用逼自己每次都从 Why 开始想。
你只要把任务丢给 AI，让它先帮你把 Why 这层挖出来，你站在它的基础上再往下想就行。
门槛低了很多，效果一点不差。
建议你今天就试一次。
找一个你手上正在做的事，把上面那个 prompt 复制过去，看看 AI 能给你拆出什么。
预告
AI 怎么帮你整理知识库？
收藏了几百篇文章从没看过？AI 帮你盘活。