检查AI是否理解核心问题 将大问题分解为逻辑关联的小问题
2026-02-12
来源：
第二步分步拆解核心问题
操作流程：
需求复核：检查AI是否理解核心问题（如文具店案例的核心是"有限预算下的竞争环境突破"）
答案评估：独立判断回答质量，区分可用与需优化部分
问题细化：将大问题分解为逻辑关联的小问题（如先了解学生需求再设计促销）
例题:大学文具店促销活动
提问策略：
产品角度："大学新生常购文具需求清单"
客户角度："学生获取促销信息的渠道偏好"
执行角度："1000元预算下的线上线下活动方案"
**级原则：按营销活动逻辑排序问题（如产品选择**于推广形式）
3）第三步激活专业角色模式+聚焦问题
实施步骤：
角色设定：指定领域专家身份（如"10年文具行业营销专家"）
背景构建：补充专家资历（成功案例、专业年限等）
聚焦提问：针对特定问题请求专业建议（如**推广策略）
追问技巧
验证维度：
数据可靠性（如"转化率20%的依据来源"）
方案对比（如"线上直播与快闪店的优劣分析"）
模糊澄清（如"独特**形象的具体实现路径"）
4）第四步多AI追问，让答案无限迭代
实施方法：
交叉验证：将A AI答案交由B AI分析（如DeepSeek→豆包）
辩论机制：建立AI间对立观点（如设定正方/反方角色）
迭代优化：根据反馈持续完善方案（至少3轮以上）
例题:文具店直播内容规划
典型追问：
平台选择依据（为何选B站而非抖音）
内容吸引力评估（创意文具玩法对学生吸引力分析）
竞争应对策略（差异化方案设计）
5）第五步确定最终行动或者方案
输出选项：
完整执行方案：含时间节点/责任人/预算分配
风险评估报告：市场变化/竞争应对等预案
效果评估体系：销售额/客流量等量化指标
实践原则：先完成再完美，在执行中持续优化
2. 方法论总结
核心价值：通过多角色、多AI的协同思辨，将初级提问转化为**解决方案
智能本质：AI是"人工+智能"，用户需保持独立判断能力
协作理念：每个AI相当于一个专业顾问，多AI辩论可逼近最优解