AI 超级个体进阶第 2 课：学会拆任务，把一件大事切成 AI 能逐个吃下的小块
哈喽，我是飞飞。
先说个我琢磨了挺久的事。同样一个 AI 模型，为什么有的人用出来的东西像样，有的人一团糟？我观察下来，差别经常不在谁的 Prompt 写得更花哨，而在一件更朴素的事，就是会不会拆任务。高手不会把一坨活整个甩给 AI，他会先在脑子里把它切成小块，再一块块喂。
这套打法我也是踩着坑摸出来的，不一定全对，但今天想毫无保留地掏给你。这一课不教提示词句式，那是上一课的事。它只讲一个更上层的能力：拆解。把一件大事，切成 AI 能逐个吃下、还能彼此交接清楚的小任务。我越用越觉得，这是 AI 时代最值钱的元能力之一。
为什么一坨活整个甩给 AI，它就容易翻车
你大概有过这种体验。你跟 AI 说「帮我写一篇关于 XX 的公众号文章，要有数据、有案例、配好图、顺便优化下 SEO」，它吐回来一篇四不像。数据是编的，案例是套话，结构松垮，你改起来比自己写还累。
这不怪它笨。问题出在你一口气让它同时干了太多件事。它要在一次回答里又查资料、又定结构、又组织语言、又配图、又顾关键词，每件事只分到一点点注意力，于是都干得半吊子。
Anthropic 那篇被反复引用的《Building Effective Agents》把这层意思讲得很直白。它说所谓 prompt chaining，本质就是把任务拆成一串步骤，每次模型调用只处理上一步的产出，好处是每一步都足够聚焦，模型能集中火力把这一小块做到位。亚马逊科学院讲任务拆解那篇也提到，理想的拆法是把任务切成彼此独立的子块，哪块出了问题你一眼就能定位，不用对着黑箱大任务从头查到尾。
说白了，AI 擅长聚焦、范围清楚的小活，最怕又大又糊、还要同时做一堆决定的大活。拆解干的，就是把后者变成前者。
你今天能做的动作：下次再想甩一个复合任务给 AI，先停一秒，问自己一句，这里面其实藏着几件事？
拆任务的第一刀，沿着「可交付物」切
知道要拆是一回事，怎么下刀是另一回事。我最顺手的一条原则是：沿着「可交付物」切，别沿着「动作」切。
什么意思？「可交付物」是每步结束时手里能攥住的一个具体东西。一份资料清单、一版初稿、一张封面图，都能看、能存、能直接递给下一步。而「动作」是「想一想」「润色一下」这种虚的，没有边界，你根本不知道它什么时候算干完。
拿我天天在干的活举例。写一篇公众号文章，我是这么切的：调研、提纲、初稿、配图、SEO 优化、发布。你注意，每一刀切下去，落点都是一个能交付的东西。调研交付一份带链接和数据的素材，提纲交付一份结构清单，初稿交付一篇完整文字，配图交付一张封面，SEO 交付标题和那段给搜索引擎看的描述。每一块都有明确的「做完长什么样」。
这一刀切对了，后面全顺。因为每一步要喂给 AI 的 Prompt，目标都变得特别清楚。我不再说「帮我写篇文章」，而是说「就这份素材，给我列一个三段式的提纲」。任务边界一清楚，AI 的发挥空间就被框住了，它没机会跑飞。
你今天能做的动作：把想拆的大活，按「每步结束我手里能拿到什么」列一遍。列不出实物的那步，多半还得再拆。
颗粒度怎么定，太粗抓不住，太细累死你
拆解这件事，「拆」这个动作本身不难，真正考验功夫的是「拆到多细」。这一刀的分寸，我磨了挺久才有点感觉。
拆得太粗，等于没拆。六步并成两步，AI 一次还是扛太多，翻车照样发生。但拆得太细也是病。我见过有人把写一段话拆成十几个微指令一句句喂，结果光是给 AI 交接上下文、把上句结果手动粘到下句，自己就累得够呛。这些步骤之间来回倒腾的功夫，比省下来的还多。
不少做 agent 的文章都在讲同一个分寸，oneuptime 那篇拆解指南有句话我记到现在：拆到任务可处理就够了，别拆到协调成本反过来盖过收益。颗粒度的甜区，是每一块小到 AI 能一次干漂亮，又大到不至于让你在步骤之间疲于奔命。
我有个土办法判断颗粒度对不对：看这一步能不能用一句话把目标说清楚，且做完的产物我一眼能验收。能，颗粒度就差不多了。一句话说不清，说明它还裹着好几件事，再切；切完发现根本不值得单独拎出来，就并回上一步。写文章那条线我定在六步，倒不是六这个数字有魔力，纯粹是这六块刚好每块都能一句话说清、产物都能一眼验收。
你今天能做的动作：拿你拆好的步骤挨个过一遍，一句话说不清目标的，再切；产物没法一眼验收的，也再切。
交接比拆本身更重要，上一步的产出要能当下一步的输入
拆完了，还有一道容易被忽略的功夫：交接。
很多人拆是拆了，但每步各写各的，上一步吐出来的东西下一步根本接不住，这就白拆了。真正让流水线顺起来的关键，是让上一步的产出能干干净净地直接当下一步的输入。
还是写文章那条线。调研那一步，我要求 AI 输出的得是一份结构化的素材清单，每条带着来源和关键数据，而不是一篇读完资料的感想。为什么？因为下一步写提纲要直接用它。要是调研吐回来一段绕来绕去的总结，提纲这一步就得先花力气把信息重新抠出来，交接就卡住了。同理，提纲我让它输出带层级的结构，初稿那一步拿过来就能照着填，不用再猜「他到底想分几段」。
这跟拆成独立子块是一个道理：子块之间接口越干净，整条链路越稳，哪步坏了你越好查。Anthropic 那篇还讲了个我很认同的设计，你可以在步骤之间加一道检查关卡，它管这叫「gate」，确认上一步产出合格了，再放行到下一步。我那条流水线就是这么干的。比如初稿那一棒交出去前，必须先过一遍我攒的几百条写作规则的 grep 扫描，破折号超标、对仗堆太多，直接打回，不合格的东西不许往下传。
你今天能做的动作：设计每一步时多想一句，我这步吐出来的东西，下一步能不能直接拿来用？不能，就调输出格式。
有两步，我打死都不会交给 AI
讲到这儿你可能觉得，把所有步骤拆好都喂给 AI，不就能全自动了？恰恰相反。我这条写文章的链路跑了上百次，但有两步，我一步都没敢撒手。
一个是最前头的选题。AI 能帮我把一堆资讯按热度、可写性打分排序，但最后点哪个，是我点。选题决定我这个号要跟读者聊什么，机器算得出哪个话题热，算不出哪个话题是「我飞飞真有话想说」。这个判断它替不了。
另一个是最末尾的终审。机器写得再顺、配图再好看，发出去那一下我一定自己从头到尾再过一遍。那篇东西署的是我的名，挂在我这个号上，这责任没法外包给任何模型。
你发现没有，这两关考的都是拍板，定方向、下判断，而非埋头执行。论把活干完，机器越来越行；可论拍板，它最不行，也最不该替你来。所以拆解的时候，不光要想哪些步能交出去，更得想清楚哪些步要自己攥着那道闸。一条好的 AI 流水线从来不是越自动越好，该放手的放手，该守住的守住，分寸才是真功夫。
把拆解练成肌肉，比记住任何 Prompt 模板都管用
绕回开头那句。高手用 AI 用得好，靠的真不是背了多少 Prompt 模板。他的本事在于，拿到一个大任务，脑子里会下意识地开始切。
这个能力迁移性极强。今天拿它拆「写一篇文章」，明天就能拿它拆一份竞品分析、一场活动策划、一个小功能上线，底层都是同一套动作：沿可交付物下刀、把颗粒度调到甜区、让上下步交接干净、把定方向和下判断的关卡留给自己。模型今年换一茬明年换一茬，但「会把大事切小、切清楚」这个本事是你自己的，不会过期。
所以我越来越相信，在 AI 这件事上真正拉开人和人差距的，不是谁的提示词写得更漂亮，是谁更会拆。拆得越清楚、交接得越利索，AI 就干得越准。
轮到你了。如果让你把手头一件天天重复的活，拆成几个能单独喂给 AI 的小步，你会怎么切？又有哪一步，你说什么都得自己守着那道闸？评论区聊聊，我挺好奇你那一刀切在哪。