第 4 章把想法说清楚：从一句话到可执行

判断「AI 能不能做」是一秒钟的事，拆「AI 具体怎么做」是四个小时的事。

先把上一章结尾欠你的那个故事讲完。

两年前，我接手自己的第一个 AI 项目。那天下午老板把我叫进会议室，说了一句话：「咱们用 AI 做内容审核吧，你出个方案。」

我当晚就开干了。查竞品、画流程图、写背景分析，熬到凌晨三点，写出一份八页的产品需求文档（Product Requirements Document，下文简称 PRD）。文档里有市场规模，有竞品对照表，有一张画得很漂亮的系统架构示意图，还有一段我自己相当满意的愿景描述：「系统应基于大模型能力，智能识别各类违规内容，显著提升审核效率与准确率。」

第二天上午，我把文档发给工程师，等着他夸我动作快。他翻完，抬起头，只说了一句话：

「你写的不是需求，是愿望。」

我当时是不服的。八页纸，凌晨三点，怎么就成愿望了？他也不跟我吵，只问了我三个问题：违规内容怎么定义，黄赌毒和阴阳怪气算不算一类？输入是什么，文本、图片，还是直播流？识别错了怎么办，错杀一个大客户谁负责？

我一个都答不上来。那一刻我才明白，八页纸里没有一个字是他能用的。我写的全是「这件事很重要、做成了很美好」，而他需要知道的是「输入什么、输出什么、错了怎么办」。在他眼里，我的八页纸和老板那句话是同一个东西——愿望。只不过老板的愿望一句话，我的愿望八页。

这一章在全书里的位置，值得先交代清楚。前三章都在换脑子：第 1 章确认这场革命躲不开，第 2 章把你的身份从「使用者」换成「老板」，第 3 章看清稀缺正从「知道」搬去「判断」。这一章是第一部「重置」的收尾，也是全书第一个动手动作——从这一页起，你不再只是换认知，你要上手了。要讲的，就是从那天起我补的课：怎么把一句模糊的话，拆成一份别人拿到就能开干的东西。在 AI 时代，这是你与 AI 协作的第一能力，排在所有提示词技巧、所有工具教学之前。

一、愿望与需求之间的一整层活

工程师那句话之所以扎人，是因为它精确。愿望和需求，听起来都像「要做的事」，中间却隔着一整层没人替你干的活。后来几年我前前后后重构过上百个业务流程，发现这条沟在哪个行业都一样宽：能把方向说出口的人满会议室都是，能把方向压成结构的人，一个项目组里凑不出两个。

判断「AI 能不能做」是一秒钟的事，拆「AI 具体怎么做」是四个小时的事。大多数人卡住，不是卡在前一秒，是卡在后四个小时——方向人人会指，结构没几个人会拆。

过去这层活为什么没暴露？因为一直有人替你干。你跟共事三年的同事说「把这个月的数据整理一下」，他不会反问你五十个问题。他知道你是要给周五的经营会用，知道老板只看毛利和复购，知道上次你嫌图表太花。他接住你那句模糊的话，自动补全了场景、格式、轻重缓急，然后才动手。这层翻译工作一直存在，只是它藏在同事的默契里，从来没人给它记过功。

AI 把这层翻译还给了你。它没有跟你共事三年，不知道周五有会，更不会放下手里的活来追问你。你给它一句愿望，它就用全网平均水平给你补全出一个谁都能要、谁也都不想要的答案。快是真快，但不是你要的。很多人由此得出结论「AI 不好用」。这个结论听上去很符合直觉，但它经不起推敲——这就像对着一个入职第一天的新人甩一句「把那个事弄一下」，然后抱怨新人能力不行。问题不在执行者，在那句没人翻译的话。

第 2 章说过，带队要做三件事：拆解、分派、验收。这一章讲第一件，它也是另外两件的前提——拆不清楚，分派就是甩锅，验收就没有标准。而拆解这件事，有一个可以直接上手的模型。我管它叫「三层颗粒度」。

二、三层颗粒度：方向、场景、字段

任何一个想法，从说出口到能执行，中间要走三层。

第一层，方向层。就是那句一句话愿望：「用 AI 做客服」「把首页改得高级点」「写篇文章讲讲我们的新产品」。说这话的通常是老板、客户，或者你自己脑子里灵光一闪的声音。方向层不是没用——它对齐了方向，划定了战场。但它的信息量只够回答「往哪看」，远不够回答「怎么干」。

第二层，场景层。把方向落成三件套：具体场景，加用户角色，加期望效果。比如「AI 自动给售后工单分类，让客服不用再每天花一小时手动分拣，直接进入处理」。到了这一层，事情第一次变得可以讨论：值不值得做、先做哪个、跟老板怎么对齐预期，全在这一层发生。

第三层，字段层。输入是什么、输出是什么、按什么规则处理、失败了怎么兜底。比如「输入工单文本，50 到 500 字；输出主类目七选一、子标签零到三个、优先级高中低；涉及退款金额的不分类直接转人工；置信度低于 80% 转人工」。到了这一层，执行的人可以开干了——不管那个执行者是工程师，还是 AI。

注意，这三层不是并列关系：方向层划定战场，场景层做出判断，字段层给出图纸；上一层不落下来，下一层就是空的。

如果觉得抽象，想想装修。「我想要日式侘寂风」，这是方向层，你和设计师对齐了审美，但没有一个工人能拿着这四个字干活。「主卧是给爱在床上看书的人住的，床头要能窝着读两小时不累」，这是场景层，设计师可以开始出方案了。「床头壁灯距地一米五，色温三千 K，留双控开关」，这是字段层，电工今天就能开槽。没有人会拿着「侘寂风」三个字去买开关，但每天都有人拿着「用 AI 做客服」去写方案，拿着「写得有趣一点」去指挥 AI。

最常见的翻车方式，得有个名字才方便自查，我叫它「跳层」：从第一层直接跳到第三层。老板说「用 AI 做客服」，你立刻开始想「输入工单、输出回复」，中间的场景层整个跳过。结果干到一半，问题成串地冒出来：等等，客服范围这么大，我做的是售前还是售后？等等，这个「回复」是直接发给客户，还是给客服当参考？等等，这件事的投入产出真算得过来吗？

每一个「等等」，都是当初跳过去的那一层在收利息。

三层里最容易被轻视、也最值钱的，是场景层。方向层有老板把着，字段层有工程师兜着，唯独场景层是你真正做判断的地方——选哪个场景、服务什么人、达到什么效果，决定了后面所有工作的成败。跳过它，你不是在做事，是在抽奖。

当年那八页 PRD，就是一次标准的跳层：从老板的方向层一步迈进了我以为的字段层，而那个字段层因为没有场景支撑，连字段都是空的。「智能识别违规内容」，既没说输入，也没说输出，更没说错了怎么办。八页纸，三层全虚。

三、把问题抛回去：场景层的判断

模型讲完了，来走一遍全程。设想你在一家中型电商公司，老板在周会上说：「客服成本太高了，咱们用 AI 优化一下客服系统。」

会议室里一片点头，你也点头。但你现在知道，这句话停在方向层。面对这样一句话，流行的姿势只有两种。一种是照单全收：接了任务转身就走，显得干练——总觉得多问显得自己不专业。另一种是当场质疑：站起来说「您这需求不明确」，显得严谨。两种都错了。前一种接下愿望却不问问题，最后交不出东西的正是这种人；后一种听着像推诿，把澄清的责任原样踢了回去。成熟的姿势是第三种：带着判断去要信息。不是质疑对方没说清，而是用你的专业替他把模糊切开——「客服分售前售后两摊，痛点和解法完全不同，您最想先动哪一摊？」这一开口，老板就知道你已经在干活了。

所以你要做的第一件事不是回工位写方案，而是把五个问题抛回给老板：

你说的客服，是售前还是售后？你最痛的指标是哪一个？预算给多少？期望多久上线？失败可以接受吗？

这五个问题一点都不高深，但大多数人不敢问。我后来留意过一个细节：老板话音刚落，会议室里多数人忙着点头，真正会拆的那个人低着头，在本子上记的全是问题。

假设老板的回答是：「最痛的是售后工单响应慢，平均四小时才回，客户投诉一堆。预算五十万，三个月上线，失败可以接受，但别让客户骂上热搜。」

注意，这段回答的信息量极大：范围是售后，痛点指标是响应时长，约束是预算和工期，风险底线是不能出公开事故。现在你可以下到场景层了。「用 AI 做客服」这句话，光在售后这个范围里，就至少能拆出三个完全不同的场景。

场景 A，工单自动分类。用户角色是客服。期望效果：工单进来三十秒内自动分好类，客服不再每天花一小时手动分拣，响应时长从四小时压到一小时。

场景 B，常见问题自动回复。用户角色是客户——注意，这是三个场景里唯一让 AI 直接面对客户的。期望效果：六成的常见问题由 AI 直接回答，这部分的客服压力清零。

场景 C，客服回复推荐。用户角色还是客服，AI 辅助而不替代。期望效果：客服打字时 AI 推荐三条候选回复，回复质量更稳、更快。

同一句话，三个场景，三种完全不同的风险和难度。这就是场景层的价值：它把「做不做」变成了「先做哪个」，把一团雾变成三道可以摆上桌比较的选择题。

怎么选？让我们算一笔账——不用财务模型，数量级就够。场景 A：三十个客服，每人每天省一小时，一个月二十二个工作日，就是六百六十个人时，差不多四个全职客服的工作量。场景 B 的账面更漂亮——六成咨询直接清零，折算下来比 A 还高，三个里最性感。但它也是唯一一个 AI 替你对客户开口的场景：错误率哪怕只有百分之五，乘上每月一万次咨询，就是五百次错误回复直达客户，正面撞上老板那条「别骂上热搜」的底线。一次截图发上社交平台，省下的人力全赔进去还不够。

这类场景有个名字，叫伪需求。注意，伪需求不等于假场景——这里也别掉进二分法：客户咨询是真的，痛点也是真的；它是那种「听起来对、但现在做亏」的真场景。这种账面最划算、风险最要命的账该怎么细算，第 9 章会专门拆。这里你只需要记住结论：先做 A。频次高、不直接对客、失败成本低，典型的第一仗。

四、字段层五件套：输入、输出、规则、兜底、标准

场景定了，下到第三层。字段层的核心是四件事：输入、输出、规则、兜底。外加一条现在必须写的：好的标准。还是用场景 A 走一遍。

输入。写「输入工单」不行，要写「工单文本，50 到 500 字的字符串，超长截断，过短报错；附带客户 ID 和订单号做上下文」。差别在哪？前一种写法，工程师造不出测试数据；后一种，他当场就能动手。这些数字也不是拍出来的：五十字以下的工单多半是「在吗」「没收到」，信息量不够分类，硬分只会分错；五百字以上的基本是长篇投诉，前五百字足够定类目。客户 ID 和订单号为什么要带？因为同一句「东西还没到」，新客户问一次，和投诉过三回的老客户再问，优先级不该一样。字段层的每一条约定背后，都站着一个场景层的判断。

输出。写「分个类」不行，要写「主类目七选一——物流、商品质量、退换货、售前咨询、发票财务、投诉建议、其他；子标签从三十个里选零到三个；优先级高中低；置信度 0 到 1」。每个输出字段都有明确的取值范围，这是字段层的硬标准。你不给范围，下游就接不住：分类结果是要进系统、进报表、触发流转的，AI 哪天自己造出一个没注册过的类目，整条流水线就卡在那一格。

规则。「涉及退款金额的工单不分类，直接转人工；出现『投诉』『差评』『曝光』这类敏感词的，强制设为高优先级；一个工单只过一遍 AI，不重复分类。」最后那条看着像废话，但你不写，工程师就可能在重试逻辑里让同一个工单跑三遍，三遍结果还不一样。还有一类规则最容易被漏掉，叫禁止行为：「禁止在分类结果里输出任何金额承诺。」为什么要专门写这一条？因为 AI 和传统软件犯错的方式不一样。传统软件出 bug 是停在原地不动，AI 会创造性地犯错——分错类目问题不大，但它要是自作主张地在结果里补一句「您可获得 500 元退款」，那就是事故。你不告诉它什么绝对不能做，它就什么都可能做。

兜底。「置信度低于 80% 的不写入分类，转人工；接口超时，退回原有的关键词匹配；AI 分错了，客服一键纠正，纠正的数据每周末喂回去，让模型下周比这周聪明一点。」注意这三道网接的是三种不同的摔法：没把握、没响应、答错了。很多方案只张了其中一道，另外两种失败发生的时候，全场干瞪眼。AI 一定会出错，这不是悲观，是它的工作方式。区别只在于：它错的时候，下面是一张提前张好的网，还是直接砸在客户脸上。

「没把握」这道网，难的不是写，是定那个 80%。门槛定高了，一半工单被踢回人工，AI 等于白请；定低了，模型硬着头皮分出来的错单，全砸在客户头上。我的土办法是先按 80% 跑一周，盯两个数字：转人工的比例，和转过去之后被人工改判的比例。转得多、改得少，说明门槛太严，往下放一点；转得少、改得多，说明门槛太松，往上收一点。这个数字不是会议室里定出来的，是线上跑出来的。文档里可以直说：「80% 为初始值，上线两周后按改判率调整。」一句话，把「我现在不知道」变成了「我什么时候会知道」。

「没响应」那道网有个前提：老系统得留着。很多团队上了 AI，第一件事就是把旧的关键词匹配删干净，图个清爽。别删。旧逻辑就像楼里的步梯，平时没人走，电梯停摆的那天，它是唯一能下楼的路。留着它，每个月跑一次确认还活着，维护成本几乎是零；换来的是模型服务全挂的那个下午，工单照样在分，客户毫无察觉。降级还要写清楚两头：什么条件算挂，超时几秒、连续失败几次；什么条件算恢复，是自动探活还是人工确认。只写「退回关键词匹配」七个字，工程师还是要回来问你。

「答错了」是三道网里最容易被做轻的一道。客服一键纠正，听着简单，魔鬼在按钮的位置：入口要是藏在三级菜单里，没人会去点，错误就永远收不回来；把它放在分类标签旁边，点一下选个正确类目，不弹窗、不填理由，纠正率能差出十倍。每周末喂回去这件事，也要落到具体的人头上：谁导出数据，谁把误点的剔掉，谁确认下周一生效。文档里没有名字的环节，等于没有这个环节。

三道网张完，还得在文档末尾补一句冷水：兜底不是越多越好。每多一道网，就多一处要维护、要测试、会在半夜出问题的地方。工单分类张三道，够了；要是你发现自己张到第六道还不放心，先停笔想想，是不是这个场景本身就不该让 AI 接。

最后是好的标准：「在 200 条人工标注的历史工单上，主类目准确率不低于 90%。」这一条过去的文档不写，现在必须写。传统软件的验收非黑即白，按钮点了，要么跳转要么没跳转；AI 产品你只能说「在这批数据上，它做对了九成」。所以你的心智要从「验收标准」换到「评估标准」：不是问「能不能用」，而是问「在什么条件、达到什么水平，才算能用」。你不定义这个数字，你和执行的人对「做好了」的理解就不一样，上线前必有一架。

评估标准还要顺手多写一句：上线后每周用同一批测试集跑一遍，准确率跌破 85% 自动告警。传统软件上线之后不会自己变差，AI 会——用户的说法在变，模型的版本在更新，世界本身在变。你不盯着，它就在你看不见的地方慢慢滑坡，等客服跑来骂的时候，坡已经滑了一个月。

写这五项的过程中，你多半会卡住几次：置信度到底定 80 还是 85？子标签三十个够不够？卡住不丢人，丢人的是假装没卡住。我的做法是直接在文档里写「这里我不确定，需要和工程师确认」，这句话不减分。准确率这种数字也没有标准答案，问自己两头：低于这个数，用户会明显觉得变差吗？高于这个数，成本会陡增吗？80% 和 95% 之间差的不是十五个百分点，可能是三倍的开发时间。在两头之间挑一个你能讲出道理的数，比抄别人的数有用得多。

到这里，从「用 AI 做客服」那句话出发，你手上已经是一页工程师拿到就能开干的东西，相当于电工拿到的那张标好开槽位置的图纸。中间走了三层，每一层都是你在做判断：第一层之后，你判断该问什么；第二层，你判断该先做哪个；第三层，你判断边界和底线画在哪里。AI 时代说「执行不值钱了」，指的是写代码、画图、生成文案这些动作；这三层判断，一秒都没有贬值。

五、交付前自查五问

拆完别急着交。我的习惯是当场用五个问题自查一遍——这是拆错了还能自己发现的最后机会，好比开槽之前的现场交底：这一步省二十分钟，后面返工两星期。

第一问，输入字段，执行的人能照着造出测试数据吗？反例长这样：「用户输入合理长度的文本」。合理是多长？十个字算不算？工程师对着这行字造不出一条数据，只能按自己的理解去造，错就从这里开始。

第二问，每个输出字段都有明确的取值范围吗？我见过一份文档，输出栏里只写了「优先级」三个字。模型很配合地自由发挥，「高」「P0」「十万火急」轮着来。不是模型调皮，是你没给它围栏。

第三问，边界情况写了吗？最长、最短、为空、超长，各怎么处理？别觉得这是抬杠。上线第一天就会有客户只发一张截图不带一个字，也会有人把三千字的小作文整篇贴进来。边界不是会不会出现的问题，是哪一天出现的问题。

第四问，兜底入口具体吗？AI 失败转到哪里，转人工的按钮在哪，几秒能到？「失败转人工」六个字不算答案——转给哪个队列？客服在哪个界面看到？带不带前面的上下文？我见过的真实翻车是：写了转人工，没写转给谁，失败的工单进了一个没人订阅的队列，安安静静躺了两个星期。

第五问，也是前四问的总开关：工程师只看这一页，会来问我几个问题？

第五问是真正的标尺。问题越少，说明拆得越干净；超过五个，回去重拆；如果他看完只能问出一句「你到底想干啥」，说明你根本没下到字段层，还飘在场景层，甚至方向层。

这一问还有个隐藏的好处：它逼你换位。写的人永远觉得自己写清楚了，只有把自己摆到「只看这一页、没听过任何背景」的位置上，漏洞才会显形。把「工程师」三个字换成 AI，这一问照样成立——AI 就是那个只看这一页、没听过任何背景、还不会主动来问你的执行者。它不问，不等于它懂了；它会带着没懂的部分，给你生成一个看起来很完整的错误答案。

六、你和 AI 之间的带宽

讲到这里，你可能会想：我不写 PRD，不带工程师，这套东西跟我有什么关系？

关系在于，三层颗粒度拆的不是产品需求，是任何一件「从想法到交付」的事。换两个离产品最远的工种看看。

先看写作。你打开对话框，敲下「帮我写一篇介绍 AI 工具的公众号文章，要有趣一点」。三十秒后你得到一篇结构完整、语句通顺、热情洋溢的东西，从「在这个 AI 飞速发展的时代」开始，到「让我们拥抱变化」结束。你叹口气关掉窗口，心想 AI 写东西也就这样。

问题不在 AI，在你那句话停在方向层。拿三层颗粒度重拆一遍。

场景层：这篇文章给谁看——三十五岁上下、在传统行业做中层、对 AI 焦虑但一个工具都没装过的人。他在什么场景读——晚上十点，躺着刷手机，留给你的注意力只有三十秒。你期望什么效果——读完愿意去装第一个工具，判断标准是文末工具链接的点击数。

字段层：输入，你自己整理的三个真实案例和一份价格表；输出，1800 字，标题给五个备选——标题是判断题不是生成题，AI 出选项，拍板的是你；开头必须是一个具体的人的具体场景，三个工具各配一件「装好之后五分钟能干成的事」；规则，不许出现「时代」「浪潮」「赋能」这类词，价格必须用价格表里的数字；兜底，查不到的信息写「以官网为准」，没把握的事实单独列在文末标「待核对」，不许编。

同一个 AI，这一版指令下去，初稿就有七成能用。剩下三成是什么？是只有你能干的活：哪个案例放第一个，哪句话该删，文末标「待核对」的那两处事实，你得亲手去核。这不是什么新发明——出版这行干了上百年的事，叫给作者下写作简报（brief）。好编辑从不跟作者说「写一篇有趣的」，他说的是：两千字，写给通勤路上的年轻妈妈，开头别讲理论，先讲一个手忙脚乱的早晨。

再看设计。「把这个落地页改得高级一点。」Figma AI 或者 v0 会在几十秒内还你一版：渐变背景、衬线大标题、深色模式，确实「高级」，也确实没法用。因为「高级」是方向层的词，每个人脑子里的高级长得都不一样。

场景层：谁在看——企业客户的采购决策人，从一条投放广告点进来，平均停留不到十秒。期望效果——十秒内看懂我们是干嘛的，并且点「预约演示」。这个写法的好处是改完能验证：找五个没见过这页的人，看十秒，关掉，问他们我们是卖什么的。「提升品牌形象」就验证不了，改完只能开会互相点头。

字段层：输入，品牌色值、字体规范、现有组件库、三条真实客户证言；输出，首屏标题不超过十四个字，全页只有一个主按钮，证言区放客户 logo 加一句话；规则，不用插画风，因为上一轮用户调研里它被点名吐槽「像儿童网站」，按钮文案不许写「免费试用」，因为销售流程根本不支持自助开通；兜底，出三个方向各一版，每版标注它牺牲了什么。

留意最后那条兜底。要三版不是贪多，是把「高级」这种没有标准答案的判断题摆开了让人选；让每版标注牺牲了什么，是逼方案诚实——主打信任感的那版，信息密度一定降；主打转化的那版，气质一定平。看牺牲，比看效果图更容易做决定。

这不是多余的讲究，是行业正在发生的分水岭。Telerik 2025 年的设计开发工作流报告里有两个扎眼的结论：一是像素级的手工劳动已经在商业生产中终结，Figma AI 和 v0 这类工具成了标配；二是一个资深设计师的产出量，达到了过去一个三人小组的水平。两件事放在一起读才有意思——工具人人都有，产出却差出三倍，差在哪？手上功夫被工具拉平之后，谁能把「高级一点」拆成机器能执行的字段，谁就是那个一个顶三个的人。

研究 AI 工作流的 UX Tigers 总结过重设工作流的四个动作：去掉交接环节、并行产出多个版本、人只处理例外、给流程加上评估回路。拿三层颗粒度对一下你会发现，四个动作每一个都以拆解为前提：拆清楚了，多个版本才能同时开跑；定义了兜底和好的标准，你才有资格「只处理例外」。拆解不是工作流里的一个环节，它是整个工作流能转起来的地基。

写文章、做设计、做产品，表面是三个行当，底下是同一道工序：把脑子里那团热乎但模糊的东西，压成一页冷静而具体的结构。过去这道工序的名字叫「专业」，现在它有了更直接的名字——你和 AI 之间的带宽。

七、拆解的原料是事实，不是想象

到这里你可能以为，拆解是个纯案头功夫：找个安静的下午，把三层表格填满就行。还差一步，而且是最容易被跳过的一步——你拆的那个场景，可能根本不是真实发生的场景。

回到工单分类的例子。「客服每天花一小时手动分拣」，这个事实是你确认过的，还是你坐在自己工位上替他们想象出来的？拆解的原料是事实，原料如果是想象，三层拆得再漂亮，也是空中楼阁。

办法土得掉渣：去找一个真实干这件事的人，聊十五分钟。不用订会议室，工位边上、午饭桌上都行，对象就是目标场景里的从业者本人——拆客服分类，就找客服，别找客服主管，主管嘴里的流程是规范里的流程，不是昨天下午真实发生的流程。五个问题就够。

第一问：你现在做这件事的具体流程是什么？让他讲流水账，别让他总结——总结里全是套话，流水账里才有真相。你问「你们怎么分类」，他会答「按规范来」；你让他讲昨天下午那一个小时具体干了什么，他会告诉你先开 A 系统查单号，再切到 B 系统把单号贴进去，中间还要在 Excel 里记一笔。你的方案要解决的，是后面这种话里的问题。

第二问：这个流程里，哪一步最让你烦、最浪费时间？注意听他的答案跟你的预设对不对得上。你以为烦在分类，他可能告诉你分类两分钟就完了。这一问就是请他来推翻你的。

第三问：你之前用过什么工具？为什么没解决？如果他试过三个工具全放弃了，先搞清楚死因再动手——大概率你想做的东西，跟那三个死掉的是亲戚。

第四问：如果有个工具帮你省一小时，你最想它干什么？注意主语是他，不是你。他要的可能小得让你意外，比如「自动把订单号带过来就行」。小，但他天天用；你设想的那个大功能，他一年用两次。

第五问：假设我做出来了，你愿意每天花五分钟用它吗？

第五问最残忍。对方但凡迟疑一下，说出「可能会用吧」，你就该警惕：这件事的真实频次，撑不起你的方案。现在听到一句敷衍，好过上线后看着空荡荡的使用数据。

访谈完，写纪要的时候重点记一类话：让你意外的话。用户说了你预期之中的话，那只是确认；说了你没想到的话，那才是发现。我见过最值钱的一条访谈纪要只有一句——「分类不烦，烦的是分完还要手动复制订单号」。一句话，把整个方案的方向掰了过来。

这是这本书后面会反复出现的一种能力的第一次出手：把别人脑子里的真实图景挖出来，跟你的拆解对上。AI 能替你写方案，替不了你去听。

八、从八页到一页半

故事还有后半截。

被那句「你写的不是需求，是愿望」噎住之后的第二周，我把内容审核的文档重写了一遍。先去找了两个真正做审核的运营聊了一下午，然后老老实实走三层：方向层是老板那句话；场景层选定「先审用户评论区的文本，给审核员做预筛」，不碰图片，不碰直播；字段层写清输入格式、输出哪几类标签、什么情况直接拦截、什么情况转人工、两百条测试数据上准确率要到多少。

新文档一页半。工程师看完问了两个问题，当天下午开干，三周后第一版上线。

八页纸，三个月没动静；一页半，三周上线。中间差的从来不是文笔，也不是熬的夜——是颗粒度。从那以后我养成一个习惯，听到任何一句让人热血的「我们用 AI 做个什么」，先在心里过三个问题：场景是什么，角色是谁，效果怎么衡量。这个习惯帮我省下的时间，比任何一款工具都多。这就是那八页纸教我的、可以一直用下去的一句话：愿望按页数计价，需求按颗粒度计价。

本章要点清单

愿望和需求之间隔着一整层翻译的活。过去它藏在同事的默契里，AI 把它还给了你。方向人人会指，结构没几个人会拆。
三层颗粒度：方向层划战场，场景层做判断，字段层给图纸。三层不并列，上一层不落下来，下一层就是空的。
最常见的病叫「跳层」：从方向层一步迈进字段层。每一个「等等」，都是当初跳过去的那一层在收利息。
最值钱也最容易被轻视的是场景层。跳过它，你不是在做事，是在抽奖。
接到方向层的话，别照单全收，也别当场质疑，带着判断把五个问题抛回去：售前还是售后、最痛指标、预算、工期、失败可不可以接受。
账面最漂亮、风险最要命的场景叫伪需求——不是假场景，是「听起来对、但现在做亏」的真场景。细账第 9 章算。
字段层五件套：输入、输出、规则、兜底、好的标准。禁止行为要单独写——你不告诉它什么绝对不能做，它就什么都可能做。
兜底张三道网，对三种摔法：没把握、没响应、答错了。文档里没有名字的环节，等于没有这个环节。兜底也不是越多越好。
心智从「验收标准」换到「评估标准」：不问「能不能用」，问「在什么条件、达到什么水平，才算能用」。上线后还要盯着，AI 会自己变差。
交出去之前过五问，总开关是：执行的人只看这一页，会来问我几个问题？把「工程师」换成 AI，照样成立。
拆解的原料是事实，不是想象。先找真实干活的人聊十五分钟，重点记让你意外的话。AI 能替你写方案，替不了你去听。
愿望按页数计价，需求按颗粒度计价。

小结

这一章从一份八页的愿望文档讲起，到一页半的需求文档收尾。中间走的路，就是三层颗粒度：方向层对齐战场，场景层用五问和一笔粗账挑出第一仗，字段层把输入、输出、规则、兜底和好的标准一条条钉死，交付前再用五问自查，动笔前先去找真人把想象换成事实。每一层都不是文书工作，是判断工作——问什么、先做哪个、边界画在哪里，这三层判断在 AI 时代一秒都没有贬值。而且这把刀不只切产品：写作、设计，任何一件「从想法到交付」的事，都吃同一道工序。到这里，第一部「重置」走完了：你认清了这场革命躲不开，把身份从使用者换成了老板，看清了稀缺搬去判断那一侧，现在手上又多了第一件趁手的家伙——把模糊压成结构的能力。脑子换完了，接下来该练手上的功夫了。

但拆解只是协作的前一半。三层颗粒度帮你把「做什么」钉死了，可真把活交给 AI 的那一刻，你会撞上后一半的问题：「做到什么程度算好」。同样的场景、同样的字段，两个人写出来的指令，效果能差出一倍——因为一个只交代了任务，另一个把自己的判断标准也写了进去。为什么同一个工具，有人就是能用出两倍的效果？下一章，从一份只花了半小时的报告说起。