今日实践

回忆一下你今天（或最近一次）问 AI 的第一个问题——越随意越好，不用挑。

把那个原问题原封不动地再问一遍，把回答存下来。

然后，用 RBGO 框架重写同一个问题：

  • R（角色）：你希望 AI 扮演谁——“资深运营”、“严格的技术评审”、“有耐心的老师”
  • B（背景）：你的具体情况——目标用户是谁、预算多少、时间线怎样
  • G（目标）：你想要什么——一份策略、一个排查思路、一封邮件草稿
  • O（输出）：你希望结果长什么样——3 条建议、表格格式、300 字以内

把重写后的回答也存下来。两份放在一起。

观察什么

把两份回答并排放着看：

  • 准确度：重写后的回答是否更贴合你的实际场景？
  • 可执行性：哪份回答拿过来就能直接用？
  • 废话量：模糊提问的回答里有多少"正确的废话"，RBGO 版本是否更精炼？
  • 信息密度：同样的篇幅，哪份给你的有用信息更多？

大多数人第一次做这个练习时的反应是：“这也差太多了吧。”

这就对了。

为什么重要

上一篇我们学了 RBGO 框架，知道了 Role-Background-Goal-Output 这四个要素。但"知道"和"做到"之间隔着一次亲手实践。这个练习就是让你用自己的问题、自己的场景验证：同一个需求，加上四行额外的信息，回答质量能产生多大变化。RBGO 不是理论，是你可以立刻装进口袋的工具。

今日收获

四行额外信息，就能让 AI 的回答从"正确的废话"变成"直接能用的方案"。

📖 系列导航