這基本上就是我所說的 AI 需要上下文的意思。 將一個混亂的問題轉化為清晰的檢查清單的同樣紀律，使得某人在使用 AI 時變得有效，而這歸結於具體性。 我與一些團隊交談，他們發誓他們給了模型「非常堅實的上下文」，但聽起來就像是有人在說「朝著山脈走，當感覺對的時候左轉」來給出指示。 這在實踐中看起來是這樣的： 「我們是一個服裝品牌，我們有大約 10 種 SKU，重複購買率不是我們想要的水平，我們該怎麼做？」 這聽起來很具體，直到你將其拆解。 什麼類型的服裝？ 哪些 SKU 表現不佳？ 目前的重複購買率是多少？ 你已經嘗試過什麼？ 當你強迫自己回答這些問題時，你最終會得到： 「我們是一個七位數的服裝品牌，運營著 7 種 SKU，涵蓋 2 種合身類別，全部專注於短袖和長袖襯衫。我們的重複購買率為 18%，其中大部分來自一個產品線（短袖襯衫），而我們上個季度表現最佳的電子郵件從在 90 天內購買兩次的客戶中獲得了 X 的收入。」 現在 AI 有東西可以使用了。老實說，你也是，因為花時間拆解問題會在模型甚至回應之前揭示答案。