AI优先｜复杂任务不要自己拆：先让AI做任务规划
上一篇讲的是：
不要陪AI工作，要学会把完整任务一次性交出去。
但一碰到复杂任务，很多人又会回到原来的工作方式。
因为复杂任务通常不是一句话就能完成。
比如：
- 做一套法律尽调；
- 整理几十家公司的IPO问询；
- 审阅一个交易项目的全部合同；
- 研究某个行业的监管规则；
- 整理一批诉讼材料；
- 搭建一个知识库；
- 修复一套复杂的电脑或服务器环境。
这类任务往往有很多步骤。
于是很多人会下意识地想：
我先把每一步都设计好，再让AI逐步执行。
我现在越来越觉得，这一步也可以交给AI。
也就是说：
复杂任务不要一上来就自己拆。
先把目标、材料、边界和交付标准告诉AI，然后让它先回答：
“这个任务应该怎么做？”
一、人最应该负责的是目标，不是所有步骤
以前做复杂项目，我们习惯自己先拆任务：
第一步查资料；第二步整理表格；第三步做分类；第四步分析；第五步写报告；第六步检查。
这个逻辑没有问题。
但问题是：
如果AI本身已经具备比较强的推理、规划和工具调用能力，那么这些步骤不一定全部需要人预先设计。
人的价值应该更多放在：
- 我要什么结果；
- 哪些边界不能突破；
- 什么标准才算完成。
至于中间怎么走，完全可以先让AI提出方案。
例如，不要直接告诉AI：
“先去找2026年已经上市的公司，再逐家下载问询回复，再识别律师发表意见的问题……”
可以先告诉它：
“我要建立2026年度A股和新三板法律问询案例库，最终需要按公司、板块、法律问题、问询要点、回复口径整理成结构化数据，并能够持续更新。现有资料和工具如下，请先设计完整执行方案。”
这时候AI首先承担的不是“干活”。
而是：
设计怎么干。
二、任务规划本身，也是AI非常适合做的工作
复杂任务最困难的地方，很多时候不是某一个具体步骤。
而是：
- 先做什么；
- 后做什么；
- 哪些步骤可以并行；
- 哪些步骤有依赖关系；
- 哪些信息缺失；
- 哪些地方风险最高；
- 什么阶段应该检查。
这其实就是项目管理。
而现在的Agent已经越来越擅长这一类工作。
例如它可以先给出：
- 任务分阶段；
- 所需资料；
- 工具调用方案；
- 输出结构；
- 异常处理方式；
- 验收清单；
- 预计可能出现的卡点。
然后再开始执行。
所以我现在处理复杂任务时，会倾向于增加一个固定动作：
先规划，后执行。
不是马上让AI开工。
而是先让它看看全局。
三、一个好的复杂任务，最好分成“规划”和“执行”两层
我觉得复杂任务的提示词可以分成两部分。
第一部分是：
任务目标。
告诉AI最终要得到什么。
例如：
“完成某公司的法律尽调，并形成风险清单和尽调报告初稿。”
第二部分是：
先做规划。
例如：
“开始前先检查现有材料，列出任务拆解、信息缺口、拟使用工具和输出结构；如无重大障碍，按该计划继续执行，不需要逐步等待确认。”
这句话非常重要。
因为它避免两个极端。
一个极端是：
人什么都不说，让AI乱做。
另一个极端是：
人把每一步都写死，AI只能机械执行。
更好的方式是：
人定方向，AI做计划，然后AI按计划执行。
四、先让AI看全部材料，再决定怎么做
复杂任务还有一个常见问题：
人往往在AI还没看完整材料之前，就提前设计处理步骤。
这很容易造成无效劳动。
比如做尽调。
如果一开始就规定：
先看工商资料；再看劳动合同；再看知识产权；再看诉讼。
但AI读完文件夹以后，可能会发现：
- 缺少核心公司章程；
- 文件命名混乱；
- 部分材料重复；
- 存在多个版本；
- 最重要的风险其实藏在另外一个目录里。
这时候原来的计划就要调整。
所以更合理的方式是：
先让AI盘点输入。
比如要求：
- 先扫描全部文件；
- 识别文件类型；
- 判断材料完整性；
- 发现重复和版本冲突；
- 列出关键缺口；
- 然后再生成执行计划。
这个动作很像一个项目开始前的“资料盘点”。
很多时候，它比马上开始分析更重要。
五、复杂任务要让AI识别依赖关系
不是所有步骤都能同时做。
有些任务必须先完成A，才能做B。
例如：
- 先确认公司名单，才能逐家找审核文件；
- 先识别合同版本，才能做条款比较；
- 先提取交易结构，才能分析法律风险；
- 先完成数据清洗，才能做统计。
但也有很多工作可以并行。
例如：
- 法规检索；
- 案例检索；
- 企业信息核查；
- 文件分类。
这些完全可以同时推进。
一个好的任务规划应该明确：
哪些工作有依赖，哪些工作可以并行。
这件事如果全部靠人手动安排，管理成本很高。
如果Agent自己能够识别依赖关系，就可以明显提高复杂任务的执行效率。
六、人不要陷入“微观管理”
很多人用了Agent以后，依然习惯：
“先做这个。”“现在去看第二个文件。”“接下来打开这个网页。”“然后再做一张表。”
这种方式的问题是：
你实际上成了AI的鼠标。
AI只负责执行你的一条条指令。
而你还在负责整个项目。
这没有充分发挥Agent的价值。
我更喜欢把任务说成：
“目标是这个，材料在这里，约束是这些，最后交付这几个文件。你先规划任务，再自行决定处理顺序；遇到非关键问题自行判断，重大不确定事项记录下来，最终统一汇报。”
这时候AI开始真正承担项目管理责任。
人只保留：
目标；边界；关键决策；验收。
七、复杂任务不是“一次跑到底”，而是设置关键检查点
让AI自己规划，并不意味着完全不管。
对于真正复杂的任务，我认为最好的方式不是每一步确认，也不是从头到尾完全无人干预。
而是：
设置少量关键检查点。
例如一个大型法律研究任务，可以这样：
- 第一阶段：材料盘点和研究计划；
- 第二阶段：资料获取完成；
- 第三阶段：初步结论和风险框架；
- 第四阶段：最终报告。
人只需要在真正会影响后续方向的节点介入。
例如：
- 样本范围对不对；
- 法律问题分类是否合理；
- 交易结构有没有理解错误；
- 最终分析框架是否符合客户需求。
其他机械步骤，不需要反复确认。
这比“每做一步都问人”高效得多。
八、让AI自己维护任务状态
复杂任务经常不是十分钟能完成。
可能跨越很多文件、很多步骤。
这时候一个非常重要的能力是：
让AI自己知道做到哪里了。
例如可以要求它维护：
- 已完成事项；
- 正在处理事项；
- 待处理事项；
- 失败任务；
- 缺失材料；
- 需要人工确认事项。
这样即使任务中断，也可以快速恢复。
如果需要另一个Agent接手，也可以直接把这个状态交出去。
这其实就是AI时代的项目交接。
所以复杂任务不只是“拆步骤”。
还需要：
状态管理。
九、任务规划也应该沉淀成模板
如果你经常做某类复杂任务，那么AI第一次规划出来以后，不要浪费。
例如第一次完成IPO问询整理以后，可以留下：
- 标准执行步骤；
- 数据字段；
- 资料来源；
- 检索规则；
- 异常处理方式；
- 输出格式；
- 验收标准。
下一次再做，就不需要重新规划全部流程。
这时候，临时规划就可以逐渐变成：
模板；Skill；脚本；标准工作流。
所以AI工作系统的进化路径往往是：
- 第一次，让AI规划。
- 第二次，复用上一次规划。
- 第三次，把它固化。
最终就从一个复杂任务，变成一个标准能力。
十、真正重要的是“任务设计能力”
以前很多人觉得，会用AI最重要的是会写提示词。
我现在越来越觉得，更重要的是：
任务设计能力。
你要知道：
- 最终目标是什么；
- 需要什么输入；
- 哪些地方可以让AI自行决定；
- 哪些地方必须人工把关；
- 什么时候应该设置检查点；
- 什么结果算完成。
至于具体怎么执行，可以越来越多地交给AI。
所以面对复杂工作时，不必先把自己变成一个项目经理，再把每个小任务分给AI。
可以换一种方式：
先把整个问题交给AI，让它先设计工作。
你再看它的计划是否合理。
如果合理，就让它继续。
这样人的位置才真正从：
执行者
变成：
目标制定者和结果验收者。
这也正是我越来越认可的AI工作方式：
简单任务，直接交出去。
复杂任务，先让AI规划，再交出去。
不要什么事情都自己拆到最细。
因为“怎么完成这个任务”，本身也已经成为了一项可以交给AI的工作。
