AI优先｜先定义输出，再让AI开始工作
我现在越来越喜欢一个很简单的AI工作习惯：
先别急着告诉AI怎么做，先把最终要交付什么想清楚。
因为很多AI任务之所以反复修改，不是过程有问题，而是开始时根本没有明确最终产物。
比如同样是：
“研究一下这个法律问题。”
最后可能需要的是：
- 一段微信回复；
- 一份法律备忘录；
- 一个Excel案例表；
- 一份Word法律意见；
- 或者只是一个简明结论。
这几种输出，对AI的工作方式完全不同。
所以我现在越来越觉得：
先定义输出，往往比先设计过程更重要。
一、输出决定AI应该怎么处理材料
比如整理50个案例。
如果最终只是要一段总结，AI可以重点做归纳。
但如果最终需要一个可持续更新的案例库，那么一开始就应该结构化处理：
- 公司；
- 板块；
- 问题类型；
- 问询要点；
- 回复口径；
- 法律依据；
- 来源链接。
否则AI先写了几十段文字，最后再转成Excel，又要重新整理一遍。
所以很多返工其实都来自：
一开始没有想清楚最终格式。
二、不要让AI做完以后，再人工“搬运”
这是我现在特别想避免的一种工作方式。
AI先在聊天框里输出几千字；
然后人复制到Word；
再拆成表格；
再调整标题；
再整理格式。
这样AI虽然参与了，但最后的“最后一公里”还是人工完成。
更好的方式应该是直接告诉AI：
- 最终需要什么文件；
- 结构是什么；
- 保存到哪里；
- 命名规则是什么。
比如：
“最终输出一份Word法律备忘录和一份Excel案例清单，Word按结论、依据、分析、风险、建议结构输出，Excel按指定字段整理。”
这时候AI才是在真正交付成果，而不是只提供内容。
三、不同输出，对应不同工作深度
有些任务只需要一个判断。
例如：
“这个条款有没有明显风险？”
那就没有必要做一份20页报告。
但如果是：
“形成可以给客户使用的法律意见。”
那要求就完全不同。
可能需要：
- 法律依据核验；
- 事实梳理；
- 风险分级；
- 不同方案比较；
- 正式文书格式；
- 人工复核提示。
所以开始任务之前最好先确定：
这是内部快速判断，还是正式交付成果？
这会直接决定AI需要做到什么程度。
四、先设计表格字段，往往比先搜资料更重要
这一点在研究型任务里特别明显。
比如整理IPO问询案例。
如果先漫无目的地搜索，最后往往会得到大量零散信息。
更好的方式是先定义：
最终我要哪些字段？
例如：
- 公司名称；
- 上市板块；
- 审核阶段；
- 法律问题；
- 问询内容；
- 回复逻辑；
- 整改措施；
- 中介意见；
- 最终审核结果。
字段确定以后，AI就知道搜索时应该提取什么。
所以对于大量信息整理任务，我很喜欢一个原则：
先建表，再找数据。
五、先定义最终文件，也能减少上下文混乱
复杂任务很容易一路做下去，越做越多。
今天查法规；
明天找案例；
后天又补商业分析。
最后AI自己也不知道哪些内容最终要用。
如果一开始就定义：
最终只需要：
- 一份10页以内的法律备忘录；
- 一张风险清单；
- 一个附件索引。
那整个过程中产生的信息都可以围绕这三个交付物组织。
不相关的东西可以直接舍弃。
这其实也是一种上下文管理。
六、输出模板可以直接变成AI工作的骨架
如果某类工作经常重复，最好直接准备输出模板。
比如法律备忘录固定为：
- 结论摘要；
- 问题背景；
- 法律依据；
- 分析意见；
- 风险提示；
- 建议动作。
合同审查固定输出：
- 修改版合同；
- 修改说明表；
- 重大风险清单。
尽调固定输出：
- 资料缺失清单；
- 风险问题清单；
- 尽调报告。
这样Agent拿到任务以后，不需要重新设计最终结构。
只需要往既定结构里填充内容。
稳定性会高很多。
七、输出越明确，Subagent和工具也越容易分工
前面讲过复杂任务可以调用Subagent。
其实Subagent怎么拆，也经常取决于最终输出。
例如：
- 最终要生成一份完整尽调报告，那就可以按照报告章节拆给不同子代理；
- 最终要生成案例数据库，就可以按照公司批次或者字段来源拆分。
MCP和工具调用也是一样。
如果最终需要一个带来源的案例表，
AI自然就知道必须保存原始出处。
如果最终只是内部头脑风暴，
就没有必要设计那么复杂的数据结构。
所以：
输出不仅决定结果，也会反过来决定过程。
八、真正完整的任务，应该从“交付物”倒推
我现在越来越喜欢用一种倒推思路：
- 最终要交什么？
- 为了交这个东西，需要哪些信息？
- 这些信息从哪里来？
- 哪些可以AI直接做？
- 哪些需要工具？
- 哪些必须人工确认？
然后再开始执行。
这比一上来就说：
“你先查一下。”
通常高效得多。
所以如果以后要给Agent一个复杂任务，我觉得可以先问自己一句：
最后我希望在电脑里看到什么？
是一份Word？
一张Excel？
一个完成修改的文件夹？
一份项目交接说明？
还是一个可以持续运行的脚本？
这个问题一旦明确，很多后续问题都会变简单。
先定义输出，再设计过程。
AI不是为了“回答得很好”。
最终目的是：
交付一个真正可以继续使用的工作成果。
