5 个真实场景的 RBGO 改写：模糊提问 vs 精确提问

RBGO（角色-背景-目标-输出）框架上一篇已经讲过。但知道框架和会用框架之间，隔着一道坎：怎么把"我想要……“翻译成四要素？

下面 5 个场景都是日常高频需求。每个场景先给模糊版（大多数人实际会这么写），再给 RBGO 改写版，最后说明改了什么、为什么改。

场景 1：写工作邮件

模糊版：

帮我写一封邮件，催一下项目进度

AI 会给你一封通用催促邮件——语气、收件人关系、紧急程度全靠猜。

RBGO 改写：

你是一名项目经理（R）。我负责的"用户画像 2.0"项目，设计稿原定本周三交付，但设计团队昨天说需要延期到下周一（B）。我需要发邮件给设计负责人小李，礼貌但明确地确认新时间节点，并了解延期原因（G）。邮件不超过 200 字，语气专业但不过于正式，结尾请对方回复确认（O）。

改了什么：

R 帮 AI 选择项目经理的措辞风格，既不卑也不亢
B 给出具体项目名、时间节点，AI 不用编造细节
O 限制长度和语气，避免AI写出千字长文或过度客套

场景 2：做决策分析

模糊版：

我在考虑要不要换工作，帮我分析一下

AI 会给一堆泛泛的建议——“考虑薪资、发展空间、通勤”——你其实都知道。

RBGO 改写：

你是一名职业规划顾问（R）。我目前在一家中型互联网公司做前端开发，年薪 35 万，团队稳定但技术栈老旧。收到了一家创业公司的 offer，年薪 45 万但要带 3 人小组，技术栈是我一直想学的（B）。请从短期收益和长期成长两个维度分析利弊（G），用表格形式呈现，每个维度列出 3 个优势和 3 个风险（O）。

改了什么：

B 把模糊的"要不要换工作"变成两个具体选项，AI 才能做真正的比较
O “表格 + 每个维度 3 条"约束输出结构，避免 AI 写一堆车轱辘话
G 明确分析维度，AI 不会跑偏到"建议你先和老板谈谈"之类的无关建议

场景 3：学习新概念

模糊版：

什么是微服务

AI 会给你一篇百科词条——定义、特点、优缺点。你可能看完还是不知道"我该不该用”。

RBGO 改写：

你是一名面向初中级开发者的技术导师（R）。我是做全栈开发的，用过 Express 和 Next.js，项目规模在单体架构以内（B）。请解释微服务架构是什么，重点说明：和我目前的单体开发方式相比，微服务解决了什么问题，引入了什么新问题（G）。用比喻开头帮助理解，然后给一个具体的代码场景对比，最后用一段话总结"什么规模的项目适合上微服务”（O）。

改了什么：

R “面向初中级开发者的导师”——AI 会控制术语密度，不会上来就讲 Kubernetes 和服务网格
B 说明你当前的技术栈和项目规模，AI 的解释会锚定在你的水平上
O “比喻→代码对比→一句话结论"的三段结构，比百科词条实用得多

场景 4：制定计划

模糊版：

帮我制定一个健身计划

AI 会给一个通用计划——每周练几天、推腿背分化。但你的身体状况、时间安排、器材条件它一概不知。

RBGO 改写：

你是一名私人健身教练（R）。我 30 岁，久坐办公，体重 75kg，身高 172cm，膝盖以前有过轻微不适（已恢复）。目前每周能抽出 3 天、每次 45 分钟，只能在家里用哑铃和瑜伽垫（B）。请给我一个为期 4 周的入门训练计划，目标是减脂和增强核心稳定性，膝盖友好（G）。用表格按周/天排列，每个动作标注组数、次数和休息时间，最后附一周饮食建议要点（O）。

改了什么：

B 身体条件 + 时间限制 + 器材限制，三重约束让计划切实可行
G “减脂 + 核心稳定 + 膝盖友好”，避免 AI 给你安排深蹲跳和波比跳
O 表格格式 + 每个动作的详细参数，计划拿来就能执行

场景 5：审查和优化

模糊版：

帮我看看这段代码有没有问题

function getUser(id) {
  return fetch('/api/users/' + id)
    .then(res => res.json())
}

AI 会说"代码基本没问题，建议加错误处理”——正确但没有信息增量。

RBGO 改写：

你是一名资深前端工程师在做 Code Review（R）。这是一个 Node.js 项目的 API 调用函数，项目已经在线上运行，用户量约 10 万（B）。请审查以下代码的安全性和健壮性，列出所有潜在问题并给出修复建议（G）。按严重程度从高到低排列，每个问题标注：问题描述、触发场景、修复方案、修复后的代码片段（O）。

改了什么：

R “资深工程师做 Code Review”——AI 会按工程标准而非教学标准审查
B “线上项目 + 10 万用户”——安全问题的优先级大幅提升，AI 不会只说"建议加 try-catch"
O 按严重程度排列 + 每个问题四要素，审查结果有结构、可追踪

小结

5 个场景改写的共性规律：

R（角色）决定 AI 的视角高度——导师、顾问、审查者，不同角色给出完全不同层次的建议
B（背景）消除 AI 的猜测空间——你的具体情况越具体，AI 的回答越贴切
G（目标）划定边界——“分析利弊"比"帮我分析"更明确
O（输出）控制结果形状——表格、编号列表、字数限制，让输出直接可用而非需要二次整理

下一篇我们聊 Chain-of-Thought——什么时候该让 AI"一步步思考”，什么时候反而多余。

场景 1：写工作邮件#

场景 2：做决策分析#

场景 3：学习新概念#

场景 4：制定计划#

场景 5：审查和优化#

小结#

场景 1：写工作邮件

场景 2：做决策分析

场景 3：学习新概念

场景 4：制定计划

场景 5：审查和优化

小结