AI协作方法论框架
核心理念：从"执行者"到"架构师"
协作流程图
graph LR
A[你：架构师/决策者] -->|定义方向、标准、验证| B[AI：执行者/生成者]
B -->|产出内容、方案、代码| C[你：审查者/优化者]
C -->|反馈、调整、迭代| A
角色职责详解
你作为"架构师"的职责：
-
定义方向：明确"做什么"和"为什么"
- 确定任务目标
- 明确业务价值
- 设定成功标准
-
设定标准：定义"什么是好的"
- 制定质量标准
- 定义验收条件
- 建立评估体系
-
设计流程：规划"怎么做"
- 拆解任务步骤
- 设计执行顺序
- 设置检查点
-
验证质量：判断"做得怎么样"
- 审查输出结果
- 评估是否符合标准
- 识别改进空间
-
沉淀经验：积累"下次怎么做更好"
- 记录成功经验
- 总结失败教训
- 优化协作流程
AI作为"执行者"的职责：
-
理解需求：准确理解你的意图
- 解析任务描述
- 识别关键要素
- 确认理解正确
-
执行任务：按照标准产出结果
- 遵循既定流程
- 符合质量标准
- 产出结构化输出
-
自我评估：对输出结果进行自我检查
- 检查格式正确性
- 验证内容完整性
- 识别潜在问题
-
提供建议：基于经验给出优化建议
- 提出改进方案
- 推荐最佳实践
- 预警潜在风险
完整协作流程（8阶段模型）
阶段0：任务理解与边界定义
目标：明确任务范围，避免范围蔓延
步骤1：任务描述
输入：原始任务描述（可能是模糊的）
输出：结构化的任务定义
任务描述模板：
## 任务定义
### 核心目标
[一句话描述要达成什么]
### 背景信息
[为什么需要这个任务，上下文是什么]
### 成功标准
[如何判断任务完成？可量化的指标]
### 约束条件
- 时间限制：[如有]
- 技术限制：[如有]
- 资源限制：[如有]
- 其他约束：[如有]
### 不包含内容
[明确排除的内容，避免范围蔓延]
步骤2：需求澄清
向AI提问：
"请帮我分析这个任务，识别：
1. 任务的核心要素是什么？
2. 可能的实现路径有哪些？
3. 有哪些潜在的风险和挑战？
4. 需要哪些前置条件或依赖？
5. 这个任务可以拆分为哪些子任务？"
步骤3：边界确认
输出格式：
{
"task_scope": {
"in_scope": ["明确包含的内容"],
"out_of_scope": ["明确排除的内容"],
"assumptions": ["基于的假设"],
"dependencies": ["依赖的外部条件"]
}
}
阶段1：任务分析与拆解
目标：将大任务拆解为可执行的小任务
方法1：MECE原则（Mutually Exclusive, Collectively Exhaustive）
- 相互独立：子任务不重叠
- 完全穷尽：覆盖所有必要部分
方法2：分层拆解
第一层：主要阶段（Phase）
第二层：具体任务（Task）
第三层：执行步骤（Step）
拆解模板
## 任务拆解
### 阶段1：[阶段名称]
- **目标**：[这个阶段要达成什么]
- **输入**：[需要什么输入]
- **输出**：[产生什么输出]
- **验收标准**：[如何判断完成]
- **优先级**：[高/中/低]
- **依赖**：[依赖哪些前置阶段]
### 阶段2：[阶段名称]
...
向AI提问的提示词
"请将以下任务按照MECE原则拆解为3-5个阶段，每个阶段包含：
1. 阶段目标
2. 输入输出
3. 验收标准
4. 优先级
5. 依赖关系
任务：[你的任务描述]"
阶段2：标准制定
目标：定义可量化的质量标准
标准类型
1. 功能标准
## 功能标准
- [ ] 功能1：[具体描述] - 验收方式：[如何验证]
- [ ] 功能2：[具体描述] - 验收方式：[如何验证]
2. 质量标准
## 质量标准
### 代码质量
- 代码规范：[遵循什么规范]
- 注释要求：[注释覆盖率/格式]
- 可读性：[可读性评分标准]
### 性能标准
- 响应时间：[< X秒]
- 资源占用：[内存/CPU限制]
- 并发能力：[支持多少并发]
### 兼容性标准
- 浏览器兼容：[支持的浏览器版本]
- 设备兼容：[支持的设备类型]
- 系统兼容：[支持的操作系统]
3. 文档标准
## 文档标准
- README完整性：[必须包含的章节]
- API文档：[格式要求]
- 代码注释：[注释规范]
标准制定提示词
"请为以下任务制定质量标准，包括：
1. 功能完整性标准（功能清单）
2. 代码质量标准（规范、可读性）
3. 性能标准（响应时间、资源占用）
4. 文档标准（文档结构、注释要求）
任务：[任务描述]"
阶段3：输出格式定义
目标：确保每个阶段的输出都是结构化的、可验证的
输出格式设计原则
- 结构化：使用JSON、Markdown等结构化格式
- 可验证：包含验证方法
- 可复用：格式可被后续阶段使用
- 可追溯：包含版本信息
输出格式模板
## 阶段X输出格式
### 文件结构
output/ ├── main_output.[ext] # 主要输出 ├── metadata.json # 元数据 ├── checklist.md # 检查清单 └── notes.md # 备注说明
### 主要输出格式
[具体格式说明，如JSON Schema、Markdown模板等]
### 元数据格式
```json
{
"version": "1.0",
"stage": "阶段名称",
"timestamp": "2026-01-27T10:00:00Z",
"author": "AI",
"reviewer": "用户",
"status": "pending|approved|rejected",
"dependencies": ["阶段1", "阶段2"]
}
验证方法
- 格式验证：[如何验证格式正确]
- 内容验证：[如何验证内容正确]
- 完整性验证：[如何验证完整性]
#### 输出格式定义提示词
"请为以下阶段的输出设计格式，要求：
- 结构化（JSON/Markdown）
- 包含元数据（版本、时间戳、状态）
- 包含验证方法
- 可被后续阶段使用
阶段：[阶段描述] 输入：[阶段输入] 目标：[阶段目标]"
---
### 阶段4：执行计划制定
**目标**：确定执行顺序和检查点
#### 执行计划模板
```markdown
## 执行计划
### 执行顺序
1. 阶段1 → 检查点1 → [确认] → 阶段2 → 检查点2 → ...
2. 并行执行：[哪些阶段可以并行]
3. 关键路径：[哪些阶段是关键路径]
### 检查点设计
#### 检查点1：[阶段1完成后]
- **检查内容**：[检查什么]
- **检查方法**：[如何检查]
- **通过标准**：[什么算通过]
- **不通过处理**：[如何处理]
### 风险预案
- **风险1**：[风险描述]
- 概率：[高/中/低]
- 影响：[高/中/低]
- 预案：[如何处理]
### 时间估算
- 阶段1：[预计时间]
- 阶段2：[预计时间]
- 总计：[预计总时间]
阶段5：提示词工程
目标：为每个阶段设计有效的AI提示词
提示词结构（CRISPE模型）
Capacity（角色）: 你是一个[角色定义]
Role（任务）: 你的任务是[具体任务]
Insight（背景）: [提供背景信息]
Statement（陈述）: [明确的任务陈述]
Personality（风格）: [输出风格要求]
Experiment（实验）: [尝试不同的方法]
提示词模板
## 阶段X提示词
### 角色定义
你是一个[专家角色]，擅长[相关领域]。
### 任务描述
[具体任务描述]
### 输入格式
[明确的输入要求，包括格式、结构]
### 输出格式
[明确的输出要求，包括格式、结构]
### 质量标准
[可量化的质量标准]
### 约束条件
[技术约束、时间约束等]
### 示例
[提供好的示例和坏的示例]
### 注意事项
[特别需要注意的点]
阶段6：执行与迭代
目标：按计划执行，并在检查点进行反馈
执行流程
阶段1执行 → 检查点1 →
├─ 通过 → 进入阶段2
└─ 不通过 → 反馈修正 → 重新检查
反馈机制
## 反馈模板
### 反馈类型
- ✅ 通过：可以直接进入下一阶段
- ⚠️ 部分通过：需要小修正
- ❌ 不通过：需要重新执行
### 反馈内容
- **问题描述**：[具体问题]
- **期望结果**：[期望的输出]
- **修正建议**：[如何修正]
- **优先级**：[高/中/低]
迭代提示词
"基于以下反馈，请修正输出：
反馈：
[具体反馈内容]
当前输出：
[当前输出]
请提供修正后的输出。"
阶段7：质量验证
目标：全面验证输出质量
验证清单
## 质量验证清单
### 功能验证
- [ ] 所有功能点都已实现
- [ ] 功能符合需求
- [ ] 边界情况已处理
### 质量验证
- [ ] 代码规范检查通过
- [ ] 性能指标达标
- [ ] 兼容性测试通过
### 文档验证
- [ ] 文档完整性检查
- [ ] 文档准确性检查
- [ ] 代码注释充分
### 集成验证
- [ ] 与现有系统集成正常
- [ ] 依赖关系正确
- [ ] 无冲突
验证提示词
"请对以下输出进行全面验证，包括：
1. 功能完整性（对照需求清单）
2. 质量标准（对照质量标准）
3. 输出格式（对照格式定义）
4. 潜在问题（识别可能的问题）
输出：[输出内容]
需求：[需求清单]
标准：[质量标准]"
阶段8：总结与优化
目标：总结经验，优化流程
总结模板
## 任务总结
### 任务完成情况
- 完成度：[X%]
- 质量评分：[X/10]
- 时间消耗：[实际时间 vs 预计时间]
### 经验总结
#### 做得好的地方
- [经验1]
- [经验2]
#### 需要改进的地方
- [问题1] → [改进方案]
- [问题2] → [改进方案]
### 流程优化建议
- [优化建议1]
- [优化建议2]
### 可复用资产
- [可复用的提示词]
- [可复用的模板]
- [可复用的标准]
关键工具与方法
1. 任务拆解方法
方法A：WBS（工作分解结构）
项目
├── 阶段1
│ ├── 任务1.1
│ │ ├── 步骤1.1.1
│ │ └── 步骤1.1.2
│ └── 任务1.2
└── 阶段2
方法B：用户故事拆分
作为[角色]
我想要[功能]
以便[价值]
拆分为：
- 任务1：[具体任务]
- 任务2：[具体任务]
方法C：功能分解
功能模块
├── 子功能1
│ ├── 输入处理
│ ├── 业务逻辑
│ └── 输出处理
└── 子功能2
2. 标准制定方法
SMART原则
- Specific（具体）：标准要具体明确
- Measurable（可测量）：标准要可量化
- Achievable（可达成）：标准要现实可行
- Relevant（相关）：标准要与目标相关
- Time-bound（有时限）：标准要有时间限制
标准示例
❌ 不好的标准："代码要写得好"
✅ 好的标准："代码遵循ESLint规范，注释覆盖率>30%，函数复杂度<10"
3. 输出格式设计方法
格式选择指南
- 结构化数据 → JSON/YAML
- 文档 → Markdown
- 代码 → 代码文件
- 配置 → 配置文件格式
格式验证
// JSON Schema验证示例
{
"$schema": "http://json-schema.org/draft-07/schema#",
"type": "object",
"required": ["field1", "field2"],
"properties": {
"field1": {"type": "string"},
"field2": {"type": "number"}
}
}
协作成功的关键
协作成功需要满足以下五个关键要素：
✅ 明确的输入输出格式
- 输入格式：清晰定义每个阶段需要什么输入，包括格式、结构、必填字段
- 输出格式：明确指定输出应该是什么样子，使用JSON Schema、Markdown模板等结构化格式
- 格式验证：提供验证方法，确保格式正确性
✅ 清晰的质量标准
- 可量化：使用SMART原则，标准要具体、可测量
- 可验证：提供明确的验证方法和检查清单
- 分层次：区分功能标准、质量标准、文档标准等不同维度
✅ 及时的反馈循环
- 检查点设置：在每个关键阶段后设置检查点
- 快速反馈：及时审查输出，给出明确反馈
- 迭代优化：基于反馈快速修正，避免问题累积
✅ 合理的任务粒度
- 原子性：每个子任务应该是独立的、可完成的
- 适度性：任务不能太大（难以执行），也不能太小（效率低）
- 渐进式：从粗到细，逐步细化任务
✅ 有效的知识沉淀
- 模板库：积累可复用的提示词模板、格式模板
- 标准库：建立质量标准库、检查清单库
- 经验库：记录成功经验和失败教训，形成最佳实践
1. 渐进式细化
第一轮：粗粒度拆解（3-5个阶段）
第二轮：细化每个阶段（3-5个任务）
第三轮：细化每个任务（具体步骤）
2. 检查点前置
在每个阶段开始前，先确认：
- ✅ 输入是否完整？
- ✅ 标准是否明确？
- ✅ 格式是否定义？
3. 版本控制思维
- 每个阶段的输出都标记版本
- 保留历史版本以便回滚
- 记录变更日志
4. 反馈循环优化
快速反馈 → 小步迭代 → 持续改进
5. 知识沉淀
- 建立提示词库
- 建立模板库
- 建立标准库
- 建立最佳实践库
常见陷阱与避免方法
陷阱1：任务拆解不够细
- 症状：AI输出过于简化
- 解决：使用MECE原则，确保每个子任务都是原子性的
陷阱2：标准不够明确
- 症状：AI输出质量不稳定
- 解决：使用SMART原则，制定可量化的标准
陷阱3：输出格式不统一
- 症状：后续阶段难以使用前序输出
- 解决：提前定义格式，使用Schema验证
陷阱4：缺少检查点
- 症状：问题在最后才发现
- 解决：每个阶段后设置检查点
陷阱5：一次性要求太多
- 症状：AI输出质量下降
- 解决：分阶段执行，每次聚焦一个目标
避坑指南
❌ 不要做的事情
❌ 不要一次性给AI过长的任务
- 问题：AI处理长任务时容易遗漏细节，输出质量下降
- 正确做法：将长任务拆解为多个小任务，分阶段执行
- 示例：
❌ "帮我开发一个完整的电商系统" ✅ "先帮我设计数据库表结构，然后设计API接口，最后实现前端页面"
❌ 不要省略验证环节
- 问题：没有验证就进入下一阶段，问题累积到最后难以修复
- 正确做法：每个阶段后设置检查点，验证通过后再继续
- 检查点清单：
- 格式是否正确？
- 内容是否完整？
- 是否符合标准？
- 是否满足需求？
❌ 不要忽略知识沉淀
- 问题：每次都要重新设计，效率低下，经验无法积累
- 正确做法：将成功的提示词、模板、标准保存为可复用资产
- 沉淀内容：
- 提示词模板库
- 格式模板库
- 标准模板库
- 检查清单库
❌ 不要让AI做决策性工作
- 问题：AI可能做出不符合业务逻辑的决策
- 正确做法：决策权在你，AI只负责执行和提供建议
- 决策类型：
- ❌ 业务逻辑决策（应该由你决定）
- ❌ 架构设计决策（应该由你决定）
- ✅ 技术实现建议（AI可以提供）
- ✅ 代码生成（AI可以执行）
✅ 应该做的事情
✅ 保持"你定义，AI执行"的原则
- 你的职责：定义方向、设定标准、验证质量
- AI的职责：理解需求、执行任务、产出结果
- 协作模式：
你：定义任务 → AI：执行任务 → 你：验证结果 → 你：反馈调整 → AI：修正输出
✅ 使用结构化输入输出
- 输入：使用模板、Schema、清单等结构化格式
- 输出：要求AI使用JSON、Markdown等结构化格式
- 好处：便于验证、便于复用、便于自动化
✅ 建立反馈循环
- 及时反馈：发现问题立即反馈，不要等到最后
- 明确反馈：指出具体问题，提供修正建议
- 迭代优化：基于反馈持续改进，直到达到标准
✅ 保持任务粒度合理
- 太大：任务难以执行，AI容易遗漏细节
- 太小：效率低下，增加沟通成本
- 合适：每个任务应该是一个独立的、可完成的单元
快速上手指导
按照以下6个步骤，快速开始与AI的高效协作：
1. 需求澄清：用5W2H方法分析
5W2H分析法：
- What（什么）：要做什么任务？
- Why（为什么）：为什么要做这个任务？
- Who（谁）：谁使用？谁负责？
- When（何时）：什么时候完成？
- Where（哪里）：在哪里使用？在什么环境？
- How（如何）：如何实现？
- How much（多少）：需要多少资源？成本是多少？
提示词示例：
"请用5W2H方法分析以下任务，输出结构化的需求分析：
任务：[你的任务描述]"
2. 任务拆解：用MECE原则分解
MECE原则：
- Mutually Exclusive（相互独立）：子任务之间不重叠
- Collectively Exhaustive（完全穷尽）：覆盖所有必要部分
拆解步骤：
- 识别主要阶段（3-5个）
- 每个阶段拆分为具体任务（3-5个）
- 每个任务拆分为执行步骤（具体可执行）
提示词示例：
"请按照MECE原则将以下任务拆解为3-5个阶段，每个阶段包含：
1. 阶段目标
2. 输入输出
3. 验收标准
4. 优先级
5. 依赖关系
任务：[任务描述]"
3. 标准定义：用SMART原则设定
SMART原则：
- Specific（具体）：标准要具体明确
- Measurable（可测量）：标准要可量化
- Achievable（可达成）：标准要现实可行
- Relevant（相关）：标准要与目标相关
- Time-bound（有时限）：标准要有时间限制
提示词示例：
"请为以下任务制定SMART标准，包括：
1. 功能完整性标准
2. 代码质量标准
3. 性能标准
4. 文档标准
任务：[任务描述]"
4. 格式设计：用JSON Schema规范
格式设计原则：
- 使用结构化格式（JSON/YAML/Markdown）
- 包含元数据（版本、时间戳、状态）
- 提供验证方法（Schema、检查清单）
提示词示例：
"请为以下阶段的输出设计格式，要求：
1. 使用JSON Schema定义结构
2. 包含元数据字段
3. 提供验证方法
阶段：[阶段描述]"
5. 执行验证：用检查清单验收
检查清单设计：
- 功能验证清单
- 质量验证清单
- 格式验证清单
- 集成验证清单
提示词示例：
"请为以下任务生成检查清单，包括：
1. 功能完整性检查
2. 质量标准检查
3. 格式正确性检查
4. 集成兼容性检查
任务：[任务描述]"
6. 知识沉淀：用模板库积累
知识沉淀内容：
- 提示词模板库
- 格式模板库
- 标准模板库
- 检查清单库
- 最佳实践库
提示词示例：
"请将以下内容整理为可复用的模板：
1. 提示词模板
2. 格式模板
3. 标准模板
内容：[你的内容]"
快速开始模板
任务启动模板
# 任务：[任务名称]
## 0. 任务理解
- 目标：[一句话描述]
- 约束：[约束条件]
- 不包含：[排除内容]
## 1. 任务拆解
[使用WBS或功能分解]
## 2. 标准制定
[功能标准、质量标准、文档标准]
## 3. 输出格式
[每个阶段的输出格式定义]
## 4. 执行计划
[执行顺序、检查点、风险预案]
## 5. 提示词设计
[每个阶段的提示词]
## 6. 执行记录
[记录执行过程和反馈]
## 7. 验证结果
[验证清单和结果]
## 8. 总结优化
[经验总结和流程优化]
实际应用示例：仿照网站开发HTML页面
阶段0：任务理解与边界定义
输入： "仿照某咖啡官网首页开发HTML页面"
输出：
{
"task_scope": {
"in_scope": [
"HTML结构还原",
"CSS样式还原",
"基础JavaScript交互",
"响应式布局"
],
"out_of_scope": [
"后端API集成",
"用户登录功能",
"购物车功能",
"支付功能"
],
"assumptions": [
"使用原生HTML/CSS/JS，不使用框架",
"浏览器兼容：Chrome, Firefox, Safari最新版"
],
"dependencies": [
"目标网站可访问",
"需要获取网站截图或设计稿"
]
}
}
阶段1：任务分析与拆解
拆解结果：
- 视觉与结构审计：分析设计系统、布局结构、响应式行为
- HTML骨架编写：编写语义化HTML结构
- 样式还原与响应式：编写CSS样式，实现响应式布局
- 交互与细节打磨：添加JavaScript交互功能
- 测试与验证：功能测试、性能测试、兼容性测试
- 迭代优化：修复问题，优化性能
- 文档化与交付：生成项目文档
阶段2：标准制定
质量标准：
- 视觉相似度 > 90%
- Lighthouse性能评分 > 85
- 移动端适配完整（<768px, 768px-1024px, >1024px）
- HTML通过W3C验证
- 代码注释覆盖率 > 30%
阶段3：输出格式定义
阶段1输出格式：
{
"design_system": {
"colors": {},
"typography": {},
"spacing": {}
},
"layout_structure": [],
"responsive_breakpoints": {},
"interactions": []
}
阶段4：执行计划
执行顺序：
- 阶段1（视觉审计）→ 检查点1 → 确认
- 阶段2（HTML骨架）→ 检查点2 → 确认
- 阶段3（CSS样式）→ 检查点3 → 确认
- 阶段4（JS交互）→ 检查点4 → 确认
- 阶段5（测试验证）→ 检查点5 → 确认
- 阶段6（迭代优化）→ 检查点6 → 确认
- 阶段7（文档交付）→ 完成
阶段5：提示词设计
阶段1提示词：
你是一个前端UI/UX专家。请分析目标网站并输出结构化设计规范。
输入：目标网站URL或截图
输出：JSON格式的设计规范，包括颜色、字体、布局、响应式断点、交互行为
要求：
1. 识别所有视觉元素
2. 分析布局结构
3. 确定响应式策略
4. 列出所有交互行为
完整检查清单
以下检查清单帮助你系统化地完成AI协作的每个步骤，确保不遗漏关键环节。
协作流程检查清单
| 步骤 | 核心动作 | 输入 | 输出 | 验证点 | 风险点 |
|---|---|---|---|---|---|
| 1 | 需求澄清 | 用户需求 | 需求规格书 | 目标明确性 | 需求理解偏差 |
| 2 | 任务拆解 | 需求规格 | 任务清单 | 粒度合理性 | 任务遗漏 |
| 3 | 标准定义 | 任务清单 | 质量标准 | 可衡量性 | 标准不明确 |
| 4 | 格式设计 | 质量标准 | 格式模板 | 可执行性 | 格式冲突 |
| 5 | 执行验证 | 格式模板 | 执行结果 | 符合性 | 执行偏差 |
| 6 | 知识沉淀 | 执行结果 | 知识资产 | 可复用性 | 经验流失 |
详细检查项
步骤1：需求澄清
输入检查：
- 原始需求是否清晰？
- 是否包含背景信息？
- 是否明确成功标准？
输出检查：
- 需求规格书是否完整？
- 是否使用5W2H方法分析？
- 是否明确任务边界（包含/不包含）？
- 是否识别了依赖和假设？
验证点：
- 目标是否明确？（能一句话说清楚）
- 成功标准是否可量化？
- 约束条件是否明确？
风险点：
- ⚠️ 需求理解偏差：需求描述模糊，导致后续方向错误
- 预防：使用结构化模板，要求AI复述理解
步骤2：任务拆解
输入检查：
- 需求规格书是否完整？
- 是否明确任务目标？
输出检查：
- 任务清单是否完整？
- 是否遵循MECE原则？
- 每个任务是否包含：目标、输入、输出、验收标准、优先级、依赖？
验证点：
- 任务粒度是否合理？（不能太大也不能太小）
- 任务之间是否相互独立？
- 是否覆盖所有必要部分？
风险点：
- ⚠️ 任务遗漏：拆解不完整，遗漏关键任务
- 预防：使用WBS方法，多角度验证完整性
步骤3：标准定义
输入检查：
- 任务清单是否完整？
- 是否明确质量标准维度？
输出检查：
- 质量标准是否完整？
- 是否使用SMART原则？
- 是否包含：功能标准、质量标准、性能标准、文档标准？
验证点：
- 标准是否可量化？
- 标准是否可验证？
- 标准是否现实可行？
风险点：
- ⚠️ 标准不明确：标准模糊，导致AI输出质量不稳定
- 预防：使用SMART原则，提供具体示例
步骤4：格式设计
输入检查：
- 质量标准是否明确？
- 是否了解技术约束？
输出检查：
- 格式模板是否完整？
- 是否包含元数据定义？
- 是否提供验证方法？
验证点：
- 格式是否结构化？
- 格式是否可验证？
- 格式是否可被后续阶段使用？
风险点：
- ⚠️ 格式冲突：不同阶段的格式不兼容
- 预防：统一格式规范，使用Schema验证
步骤5：执行验证
输入检查：
- 格式模板是否完整？
- 是否准备好执行环境？
输出检查：
- 执行结果是否符合格式？
- 执行结果是否符合标准？
- 是否通过所有检查点？
验证点：
- 功能是否完整实现？
- 质量是否达标？
- 格式是否正确？
风险点：
- ⚠️ 执行偏差：AI理解偏差，输出不符合预期
- 预防：设置检查点，及时反馈修正
步骤6：知识沉淀
输入检查：
- 执行结果是否完整？
- 是否记录了执行过程？
输出检查：
- 知识资产是否完整？
- 是否包含：提示词模板、格式模板、标准模板、检查清单？
- 是否便于后续复用？
验证点：
- 模板是否可复用？
- 经验是否可传承？
- 知识是否便于查找？
风险点：
- ⚠️ 经验流失：没有沉淀，每次都要重新设计
- 预防：建立知识库，定期整理更新
快速检查清单（一页纸版本）
开始任务前：
- 需求是否清晰？（5W2H）
- 任务是否拆解？（MECE）
- 标准是否定义？（SMART）
- 格式是否设计？（Schema）
执行过程中：
- 是否设置检查点？
- 是否及时反馈？
- 是否迭代优化？
任务完成后：
- 是否全面验证？
- 是否知识沉淀？
- 是否总结优化？
总结
与AI协作的核心是：
- ✅ 明确任务边界（阶段0）
- ✅ 合理拆解任务（阶段1）
- ✅ 制定明确标准（阶段2）
- ✅ 定义输出格式（阶段3）
- ✅ 设计执行计划（阶段4）
- ✅ 编写有效提示词（阶段5）
- ✅ 执行与迭代（阶段6）
- ✅ 验证与优化（阶段7-8）
记住：你是架构师，AI是执行者。你的思考质量决定了AI的输出质量。
文档信息
- 创建日期：2026-01-27
- 版本：1.0
- 作者：AI协作方法论框架
- 用途：指导与AI进行高效协作的通用方法论
更新日志
v1.0 (2026-01-27)
- 初始版本
- 包含8阶段完整协作流程
- 包含任务拆解、标准制定、输出格式定义等方法
- 包含最佳实践和常见陷阱
- 包含实际应用示例
