把「会问 AI」变成团队资产:任务说明、示例与验收口径的三件材料

把「会问 AI」变成团队资产：任务说明、示例与验收口径的三件材料

核心判断

• 「会问 AI」若只留在个人的聊天记录里，人一换岗、活一交接，能力就归零；能留下的是三张纸：任务说明、示例对、验收口径。
• 任务说明要回答四件事——给什么、要什么、不要什么、输出成什么样。边界句往往比要求句更有价值，错误大多来自越界发挥。
• 示例对里反例不可省：多数偏差是格式漂亮但方向偏，比如把对方没有提供的需求也一并补上。
• 验收口径要落到岗位与五到八条可打勾的条款；不合格产出按「说明没写清、示例不全、能力不够」三类归因，前两类改材料，后一类才谈换工具。
• 材料绑的是任务，不是工具。留一组十到二十条历史样本做回归，更换工具或大改说明之前先跑样本，就知道偏差出在哪几条。

• 「会问」为什么留不下来

企业里已经出现过这种情形：某位同事用 AI 处理报价单，快得让人羡慕；换一个人接手，同样的工具、同样的模型，产出却差一大截。追问下去，窍门全在那位同事自己的聊天记录里——他会先贴一段产品目录，再说明「按客户行业分三档报价，缺参数就留空，不要自己补」，末尾还要一句「输出成表格，保持列名」。

这些动作没有任何秘密，但它们没有被写下来。于是「会问」成了一种个人手艺，人一走、岗一换，能力就归零。麻烦的是评价标准也随之消失：同样的任务，有人说能用，有人说不能用，争执落不到具体条款上，讨论往往以「再试试」收场。

所以问题不在于要不要用 AI，而在于能不能把用得好的做法从个人习惯变成团队材料。这里说的材料很具体，是几张可以复制、可以修改、可以交接的纸：任务说明、示例对、验收口径。它们不需要技术背景就能写，但决定了同一套工具在不同人手里有多大差别。

还有一个容易被忽略的原因：不少团队把精力放在挑选模型上，以为换一个更强的工具就能解决问题。可真正的变量常常在材料这一侧——要求含糊、示例缺失、验收无据，换谁来执行结果都不稳定。

材料一：任务说明

任务说明要回答四件事：给什么、要什么、不要什么、输出成什么样。四句写清，一份材料就够用了，不需要写成长篇文档。

「给什么」是输入清单。写清楚需要哪些字段、哪些字段缺了就停下来问人，而不是让执行者自己猜。很多返工不是能力不够，而是被要求在一堆空白里做填空，填出来的东西自然对不上。

「要什么」是动作与边界。比如「按行业分三档」是动作，「不新增对方没有提供的参数」是边界。边界句往往比要求句更有价值，因为错误大多来自越界发挥：多补一句、多算一项、多加一段说明，看着热心，实际上把可用变成了不可用。

「不要什么」和「输出成什么样」其实是一体的。禁止项要写成可对照的短句：不要加联系方式、不要写营销形容词、不要给建议只给对照表。输出格式则要固定到列名、单位、排序方式，否则每次拿到的表格都要重新整理一遍，省下的时间又还回去了。一份好的任务说明通常不超过一页，但它能让不同的人在同一件事上得到可比较的结果。

材料二：示例对

形容词是很没用的指令。「专业一点」「简洁一些」这类要求，在每个执行者心里的刻度都不一样，写的人觉得说清了，做的人只能靠猜。

示例对解决这个问题：一个正例、一个反例，效果往往胜过十句形容词。正例告诉执行者「照这个样子」，反例则指出「这个方向是错的」。反例尤其重要，因为多数偏差属于「看着对但方向偏」——格式漂亮、数据齐全，却把对方没提的需求也一并补上，或者把推测写成了结论。

示例对要挑得准。不要用精心修饰过的样本，要用真实任务里出现过的、经过人工改过一遍的成品。改动的痕迹本身就是信息：哪一句被删掉了、哪个字段被改成留空、哪段话被挪到了后面，这些细节比任何说明都直白。

数量上也不必贪多。每个任务配一对，覆盖典型场景即可；一次塞进十几条样本，反而让执行者不知道该学哪一条，不同样本之间的冲突还会把结果拉向平均，谁的特色都留不下来。

材料三：验收口径

没有验收口径，前面两份材料都只是倡议。倡议靠自觉，口径靠流程。

验收要回答三个问题：谁来看、看什么、不合格怎么处置。「谁来看」要指到岗位，而不是笼统写「大家把关」；比较稳的做法是业务提出人初审、主管部门抽检，两级都留记录，出了偏差能回溯到哪一步松了手。

「看什么」要写成可以打勾的条款。比如：列名是否一致、缺失值是否留空而没有编造、口径是否与既有报表对齐、结论是否只基于所给输入。条款数量控制在五到八条，多了没人执行，少了两头都会争。写条款时尽量用能对照的动作词，少用评价词。

「不合格怎么处置」常常被跳过。不合格的产出应当退回并记录原因，原因归到三类：说明没写清、示例不全、工具本身能力达不到。前两类去改材料，第三类才轮到换工具。不做这个归类，团队会把所有问题都算在工具头上，结果是工具换了一轮又一轮，材料一直是空的。

换工具那天怎么把材料带走

这三类材料还有一个好处：它们绑的是任务，不是工具。

工具会换、版本会更新、费用结构也会调整，这些企业控制不了；能控制的是自己手里那几张纸。为了让材料在更替时仍然能用，有两个习惯值得早一点建立。

一是集中存放与留痕。材料放在团队都能取到的地方，每次改动写明改了什么、为什么改。散落在个人电脑里的多个版本，等于没有版本。二是留一组小样本做回归：挑十到二十条历史任务，存好输入与人工认可的产出；更换工具或大改说明之后，先跑一遍这组样本，看偏差集中出现在哪几条。这一步不需要技术背景，只需要有人愿意做。

还有一件事要说：责任。材料做得再细，也需要有人定期翻一遍——季度看看条款是否还适用，任务变了就改，人换了就交接。做到这一步，AI 才算从某位同事的顺手工具，变成团队可以继承的工作方法。

对多数企业来说，这条路比追新工具慢，但它是可积累的。工具每年都在变，能留下来的只有自己写下的要求、挑出的示例和定下的验收条款。

本文内容同步自观潮智库官网「专家观点」栏目。

找专家、办活动，就找观潮智库。

官网：https://www.guanchaothinktank.org.cn

观潮智库 · 汇聚智慧，洞察未来找专家、办活动，就找观潮智库官网：www.guanchaothinktank.org.cn