和 AI 交流时，最先值得整理的往往是问题本身。与其不断添加“专业一点”“详细一点”，不如先说明：希望完成什么、有哪些材料，以及什么样的结果才算有用。
先把任务拆成四部分
- 目标：这次希望解决的具体问题。
- 背景：读者、使用场景，以及已经掌握的信息。
- 约束：篇幅、格式、不能省略的条件。
- 验收：用什么标准判断输出是否合适。
一个可以直接改写的例子
目标：将下面的学习笔记整理为行动清单。
背景：面向刚开始接触 Python 的学习者。
约束：保留原文事实，不补写未经证实的信息。
输出：最多 5 项，每项包含动作和完成标准。
信息不足时：列出需要补充的问题。设计一次对照实验
选择同一份材料，分别使用“帮我总结一下”和结构化任务说明。保持模型、参数和材料一致，提前定义比较指标：事实保留、遗漏、格式符合程度和修改次数。分别重复几次，保留原始输出，再比较差异。
这是一份实验方案，尚未附带实测数据。结构化描述也不保证答案正确；涉及事实的内容仍需核对来源。
留下真正有用的记录
不要只保存最终那句提示词。将输入材料、模型版本、执行日期、原始输出和自己的判断一起留下，下一次才知道哪些条件发生了变化。