任务拆解：把大问题变小问题

为什么"一口气"让 AI 写商业计划书，总是一团糟？

很多同学喜欢一上来就丢给 AI 一个大任务："帮我写一份商业计划书""帮我做一份年度总结"。结果呢？AI 返回的内容看起来面面俱到——市场分析有，财务预测有，团队介绍也有——但你拿去交差，老板/老师/投资人看了直摇头："太空了，用不上。"

这真不是 AI 的锅，而是任务的锅。

核心思想：把"一步到位"变成"分步迭代"

商业计划书、年度总结、调研报告、运营方案……这些复杂任务都有一个共同特征：它们本身就不是一步能完成的事。它们天然包含好几个子环节，每一个都需要单独思考、单独产出。

打个比方：你让一个厨师"一锅出"佛跳墙，他要么糊弄你，要么直接摆烂。但如果告诉他："第一步备料，第二步吊高汤，第三步煨制，第四步调味装盘"——每一步都有明确标准，他每一步都能交付一个可验收的中间品，最后拼起来就是一桌硬菜。

这就是任务拆解的核心思想：不要追求"一步到位"，而是追求"分步迭代"。每一步都给 AI 一个清晰的子目标和验收标准，最后把所有中间产物拼装起来，就是一份真正能用的方案。

核武器：思维链 Chain of Thought

怎么让 AI 真的"一步步思考"，而不是假装思考？秘诀就一句话：用"让我们一步步思考"这类触发句，逼 AI 把思考过程显式写出来。这门技术有个专业名字，叫 Chain of Thought（CoT，思维链）。

举个例子，同样问 AI："我该不该辞职创业？"

普通提问："我该不该辞职创业？" → AI 给一个笼统的回答，你也不知道它怎么想的。

思维链提问："我今年 32 岁，在互联网公司做中层，月薪 3 万，有一个 3 万存款的家庭。我厌倦了重复性工作，但对创业方向还没想清楚。请让我们一步步思考：第一步，帮我梳理做这个决定需要考虑哪些维度；第二步，针对每个维度列出我目前的关键事实；第三步，根据事实给出利弊分析；第四步，给出不同倾向对应的行动建议。"

你会发现，AI 的回答质量断崖式提升。因为它被迫把思考过程拆开了，每一步都有依据，最终结论自然更扎实。这就是思维链的威力。

通用触发句模板（直接复制用）

1. "请让我们一步步思考：先……，再……，最后……"
2. "请按以下步骤分析：第一步……第二步……第三步……"
3. "在给出最终答案前，请先列出你的推理过程和关键假设。"
4. "请像一位资深顾问那样，分阶段回答我的问题，每个阶段先给结论再给依据。"

真实拆解示范：5 步搞定一份商业计划书

假设你要做一个"社区咖啡馆"的商业计划书，怎么让 AI 分步帮你做？

第一步：市场与定位
"请帮我分析'社区咖啡馆'这个赛道：目标客群是谁？主要竞争对手有哪 3 家？我们的差异化卖点可以是什么？输出格式：每个问题一段，不超过 200 字。"

第二步：产品与服务
"基于上一轮定位，请设计我们的核心 SKU（咖啡品类、轻食、会员服务各 3 项），并说明每项 SKU 对应的客群需求。"

第三步：运营与营销
"请设计开业前 3 个月的运营节奏：第 1 个月做什么、第 2 个月做什么、第 3 个月做什么，每个月给出 2 个核心动作。"

第四步：财务测算
"假设店面 80 平米，月租金 2 万，请帮我测算：单店投资预算（分项列出）、盈亏平衡点月销量、12 个月现金流走势（表格形式）。"

第五步：风险与对策
"请列出这个项目最可能踩的 3 个坑，每个坑给出 1 条预防措施和 1 条补救措施。"

最后，你把 5 步的输出拼装整合，一份结构完整、数据扎实的商业计划书就出来了，每一步都是可验收、可修改的。

"3-7 步"原则：拆解的颗粒度

拆解不是越细越好，也不是越粗越好。经验法则是 3-7 个子任务：

• 少于 3 步：说明拆解还不够，没体现"分步迭代"的价值。
• 多于 7 步：上下文容易断裂，AI 容易"忘记"前面的设定，效率也会下降。
• 最佳区间：5 步左右，兼顾清晰度和可控性。

另外两个颗粒度原则：每一步必须是"可交付"（有明确产出物，比如一段文字、一个表格、一组选项）；每一步之间的逻辑要连贯（上一步的输出能作为下一步的输入）。

本节核心要点回顾

1. 复杂任务天然不适合"一步到位"，必须分步迭代。
2. 思维链（CoT）的关键是用触发句逼 AI 显式思考，常用句式："让我们一步步思考"。
3. 商业计划书这类任务，按 5 步拆解最稳：定位→产品→运营→财务→风险。
4. 颗粒度控制在 3-7 步，每步可交付、上下连贯。

课后任务

挑选你工作/学习中一个真实想用 AI 搞定的复杂任务（写方案、做调研、做总结、设计课程都行），按本节方法拆成 5 个子任务，然后逐步交给 AI 完成，最后把 5 个产出拼装成最终成品。完成后欢迎回来分享你拆解的思路和 AI 的产出效果。