任务分解Prompt：把大象放进冰箱分几步？
说实话，很多同学问我：「为什么我的Prompt写出来，AI总是答非所问？」
我通常会反问一句：「你让AI一口气干了几件事？」
答案往往是——三件、五件，甚至更多。嗯，问题就出在这里。
AI不是超人，它更像一个刚入职的实习生。你一次性交代太多任务，它一定会漏掉关键点。我个人习惯的做法是：把复杂任务拆成小块，一块一块喂给AI。这就是任务分解Prompt的核心思想。
为什么必须拆？
我在项目中遇到过这样一个场景：让AI写一份市场分析报告，要求包含竞品对比、用户画像、趋势预测、SWOT分析。结果呢？AI把竞品对比写成了产品说明书，用户画像全是刻板印象，趋势预测更是胡编乱造。
为什么会这样？因为AI的注意力是有限的。你想想看，一个Prompt里塞了四个子任务，AI只能平均分配算力，每个任务都做不深。
说白了，任务分解就是把「把大象放进冰箱」这个复杂问题，拆成「打开冰箱门」「把大象放进去」「关上冰箱门」三个具体步骤。每一步都清晰、可执行、可验证。
核心原则：一个Prompt只做一件事。如果一件事需要多个步骤，那就拆成多个Prompt串联执行。
子任务串联：像流水线一样工作
拆完任务之后，怎么把它们串起来？我习惯用「输出-输入」的链条模式。
举个例子，我要写一篇技术博客，拆成三步：
- 第一步：让AI生成文章大纲
- 第二步：把大纲喂给AI，让它逐段扩写
- 第三步：把扩写内容喂给AI，让它润色和校对
每一步的输出，就是下一步的输入。这就是串联。
# 示例：任务串联Prompt模板
# 步骤1：生成大纲
Prompt: "请为'微服务架构设计'生成一份详细的大纲，包含5个主要章节，每章3-4个小节。"
# 步骤2：基于大纲扩写
Prompt: "以下是大纲内容：[粘贴步骤1的输出]。请根据大纲的第1章'微服务概述'，扩写成800字的详细内容，包含定义、优缺点、适用场景。"
# 步骤3：润色校对
Prompt: "以下是一段技术文章内容：[粘贴步骤2的输出]。请检查语法错误、优化表达、确保技术术语准确。输出润色后的版本。"
你看，每个Prompt都很短，但任务很明确。AI不需要猜你要什么，它只需要执行。
我的小技巧：在串联时，给每个子任务加一个「上下文标签」。比如在第二步的Prompt开头写「基于上一步生成的大纲」，这样AI就知道这不是一个独立任务，而是流水线的一环。
依赖关系管理：谁先谁后，不能乱
任务拆好了，串联也设计好了，但还有一个坑——依赖关系。
我曾经犯过一个错误：让AI先写代码，再写测试用例。结果代码写完了，测试用例却和代码对不上。为什么？因为测试用例依赖代码的具体实现，而代码还没定稿。
正确的做法是：先确定代码的接口和逻辑，再写测试用例。这就是依赖关系管理。
| 任务类型 | 前置依赖 | 后置任务 | 注意事项 |
|---|---|---|---|
| 生成大纲 | 无 | 扩写内容 | 大纲必须包含关键点 |
| 扩写内容 | 大纲 | 润色校对 | 确保不偏离大纲结构 |
| 润色校对 | 扩写内容 | 最终输出 | 保持原意，只改表达 |
| 写代码 | 需求文档 | 写测试用例 | 代码接口需稳定 |
| 写测试用例 | 代码实现 | 执行测试 | 覆盖所有边界情况 |
嗯，这里要注意：依赖关系不是线性的。有时候任务A和任务B可以并行执行，然后合并到任务C。比如写市场分析报告时，「竞品数据收集」和「用户调研数据整理」可以同时进行，最后再合并分析。
避坑指南：我曾经在做一个自动化工作流时，把「数据清洗」和「数据标注」设计成了串行任务。结果数据清洗完才发现，标注需要原始数据的某些字段，而这些字段在清洗时被删掉了。从那以后，我每次设计依赖关系，都会先画一张「任务依赖图」，确保没有遗漏。
输出合并策略：把碎片拼成完整画面
任务拆了、串了、依赖关系理清了，最后一步——怎么把各个子任务的输出合并成一个完整的结果？
我常用的合并策略有三种：
- 顺序拼接：适用于文章、报告等线性内容。直接把各章节的输出按顺序拼起来，中间加过渡句。
- 结构化合并：适用于表格、清单等结构化数据。用统一的格式把各子任务的输出整合到一起。
- 摘要融合：适用于多个独立分析结果。让AI对每个子任务的输出做摘要，然后合并成一份总报告。
# 示例：输出合并Prompt
Prompt: "以下是三份独立的市场分析报告片段：
[片段1：竞品分析]
[片段2：用户画像]
[片段3：趋势预测]
请将这三份片段合并成一份完整的市场分析报告。要求：
1. 保持每个片段的原始信息不丢失
2. 在片段之间添加过渡段落，使文章流畅
3. 输出一份结构清晰、逻辑连贯的报告"
你想想看，如果让AI直接生成整份报告，它可能会遗漏细节。但如果你把每个片段都单独生成，再让AI合并，质量会高很多。因为每个片段都是AI「专注」产出的结果。
我的经验：合并时，最好让AI做一次「一致性检查」。比如检查术语是否统一、数据是否矛盾、风格是否一致。这一步虽然多花一次调用，但能避免很多低级错误。
实战案例：用任务分解写一份产品需求文档
最后，我分享一个实际用过的案例。写PRD（产品需求文档）是个典型复杂任务，我拆成了五步：
- 生成用户故事：让AI列出目标用户的核心需求
- 定义功能列表：基于用户故事，生成功能清单
- 设计交互流程：针对每个功能，描述用户操作路径
- 编写验收标准：为每个功能定义「什么样算完成」
- 合并成PRD：把以上四步的输出合并，加上背景、范围、排期
每一步的输出都作为下一步的输入。最终产出的PRD，结构清晰、逻辑严密，评审一次通过。嗯，这就是任务分解的力量。
记住一句话：复杂任务不可怕，可怕的是你试图让AI一口吃成胖子。拆开、串好、合并，三步走，AI就能成为你的得力助手。