Appearance
6.1 从任务拆解到提示词设计
引言：不会拆解任务，就写不好提示词
绝大多数人写不好提示词的根本原因不是"词写得不对"，而是：任务本身没有拆解清楚。
如果任务不清晰，就算你写 20 行提示词，模型依然无法输出你想要的结果。本节是整个提示词工程中最核心、最基础、最关键的能力——任务拆解（Task Decomposition）。
6.1.1 为什么任务拆解比提示词本身更重要
在任何 AI 任务中，结构如下：
任务 → 提示词 → AI 输出大部分小白错误地以为"写提示词 = 写几句话就行"，但真正高手思维是：写提示词之前，要先拆解任务 → 抽象任务 → 结构化任务。如果任务是混乱的，AI 只能给你一个混乱的回答。
6.1.2 小白常犯的三个任务设计错误
| 错误 | 示例 | 问题 |
|---|---|---|
| 把任务交给 AI "自己决定" | "请帮我写一个短视频脚本" | 风格随机、主线不稳定、跑题 |
| 一个提示词试图完成所有事情 | "帮我写脚本、分析话术、优化表达、再改写成轻松风格" | 输出四不像，信息混在一起 |
| 任务目标描述不清 | "帮我总结一下" | AI 不知道总结什么 |
6.1.3 任务拆解的本质
任务拆解就是：把一个复杂任务拆成多个明确的小任务，保证 AI 每次只做一件事。
步骤包括：
- 理解任务的总目标（Goal Awareness）
- 识别任务的输入与输出类型（I/O Modeling）
- 拆解为子任务（Subtasks）
- 定义子任务之间的依赖关系（Dependency Graph）
- 为每个子任务设计结构化提示（Structured Prompt Block）
6.1.4 任务拆解的五步法
| 步骤 | 说明 | 示例 |
|---|---|---|
| 识别任务类型 | 生成/分析/优化/转换/规划/执行 | "任务属于生成类" |
| 确定任务输入 | 文本/音频/图像/视频/模板 | "输入包含：产品文案+产品照片" |
| 确定任务输出 | 分析报告/表格/脚本/结构化总结 | "输出为30秒短视频脚本" |
| 拆解子任务 | 把复杂任务拆成小任务 | "1.提取信息 2.理解调性 3.生成文案" |
| 转成提示词模块 | 将拆解结果结构化 | 使用【步骤1】【步骤2】格式 |
6.1.5 任务拆解实例
例子 1：写一个短视频脚本
原始任务： "请写一个短视频脚本"
拆解后的提示词：
【任务目标】
生成 30 秒短视频脚本。
【输入】
产品图像 + 简短产品文案
【步骤】
1. 提取产品卖点（来自图像+文案）
2. 输出脚本结构（开场/亮点/结尾）
3. 输出画面设计（3-5 个镜头）
4. 输出旁白内容
5. 控制在 30 秒例子 2：写一篇文章总结
原始任务： "帮我总结这段内容"
拆解后的提示词：
【任务目标】
生成结构化总结。
【步骤】
1. 提取 5 个核心观点
2. 提取行动项（若有）
3. 输出结构化总结（不超过 200 字）
4. 若信息不足请说明6.1.6 小白常见的"任务拆解盲点"
| 盲点 | 解决方案 |
|---|---|
| 不知道自己要什么 | 先定"任务类型" |
| 输入太模糊 | 明确告诉 AI "输入是什么" |
| 输出结构没定义 | 模板化结构 |
| 让 AI 同时做太多事 | 拆成子任务 |
| 没有限制项 | 禁止推测 |
6.1.7 任务拆解黄金模板
【任务目标】
请说明你要完成的任务。
【输入内容】
列出输入，例如图像、文本、音频等。
【任务类型】
请说明任务属于：生成 / 分析 / 转换 / 优化 / 规划 / 执行。
【拆解步骤】
1. ……
2. ……
3. ……
【输出格式】
请明确结构，例如：列表 / 表格 / 结构化段落
【限制】
- 禁止推测
- 若信息不足请说明
- 不得添加输入中不存在的信息本节小结
关键要点
- 任务拆解比提示词本身更重要
- 明确任务类型是拆解的第一步
- AI 必须知道输入和输出是什么
- 子任务越清晰，结果越稳定
- 模块化提示词是专业级工程师的基础能力
任务拆解是场景化提示的基础，接下来我们将学习：写作场景提示模板。
