你不是不會寫 Prompt，是不會定義任務

新一代大型語言模型的突破改變了協作模式的本質。去年這個時候，你得把每一個步驟寫清楚、規定格式和語氣，因為當時的模型等同於「實習生等級」——不夠聰明，容易瞎猜，所以你寧願多花十分鐘把細節講透，也不想讓它發揮空間而出錯。那個時代的prompt engineering的主流玩法就是訓練自己如何把任務拆細到實習生不會搞砸。

但過去這半年，Opus 4.8和GPT-5.5等新模型已從「實習生」升級為「senior partner」等級。交辦給senior同事的方式完全不同——你不會說「打開Excel在A1輸入這個」，而是說「下季要做這個決策，這份分析要支撐它，背景大概是這樣，這些素材可以用，但這些底線別碰，最後給我建議」。但多數人仍在用實習生模式跟新模型對話，導致prompt越來越精緻（分段、舉例、推理步驟），任務本身卻還是含糊的。

這裡有個關鍵的誤區：許多人把「寫好prompt」和「定義清楚任務」混為一談，但它們是兩層完全不同的能力。Prompt engineering是措辭、格式、架構的技巧——屬於文筆層面；定義任務是你自己想清楚「我到底要什麼」，然後翻譯給另一個聰明的對象聽懂——屬於思考和溝通層面。前者是地板，人人必須會；但真正決定你的產出高度的，是後者。這也解釋了為什麼公司裡AI用得最好的人，通常不是技術最強的工程師，而是本來就懂帶人的主管——他們習慣先把任務想清楚再交辦，自然就用對了模式。

具體該怎麼定義任務？用五個欄位：目標、背景、素材、邊界、完成定義。以SaaS競品分析為例，爛prompt版本只說「幫我分析五家競品，列features、定價、優缺點」，結果平鋪直敘、五家長得一樣、你看完還是不知道該往哪走。用brief模式重新交辦：說明你「下季要決策USP方向，該往易用性還是便宜偏」（這是目標），交代「你们是年营收200万美元的中小企业SaaS，客户以50人以下公司为主，去年降价失败了」（背景），指定「只分析三家跟你客群重叠的竞品，根据官网和用户评论，找不到就留白不要编造」（素材），画出「不改价格架构、不用二手评论文章、不编数字」的底线（边界），最后说「先给我框架而不是完整报告」（完成定义）。这样AI产出的框架会直接指出「如果要往易用性走，B最值得对标，因为onboarding只三步，正好打中你客户的痛点」——这版本已经能直接开会讨论决策了。

重要的是，这不是什么新创造的流程，而是好的管理者一直在做的事。同一份brief你交给AI、下属、合作对象都是一样的模式，练的其实是管理和沟通能力。当AI拒绝自动替你补齐「你到底要什么」这个问题时，它反而逼你学会了更清晰地思考和表达——这个技能对跟任何人协作都有帮助。