大任务怎么拆着问？把大活分成几步的具体做法

大任务直接丢给 AI，得到的多半是面面俱到却没法落地的泛泛回答；把大活拆成几步再逐块提问，回答质量会明显不同。所谓拆任务，就是把一个需要多环节完成的大活，分成目标明确、输入清楚、结果可检查的小块，让 AI 每次只处理一块。下面给出一套照着做就能用的拆分流程，并说明每一块该怎么问、容易在哪儿出错。

先判断一个任务算不算大

判断看三点：产出物是否只有一个、过程中要不要换材料、结果是否一句话说不清。写一封道歉邮件，产出物单一，不算大任务；做一份年度经营复盘，要汇总数据、分部门归因、再给出明年计划，三条占了后两条，就该拆。判断的意义在于省时间：小任务拆得太碎反而拖慢节奏，大任务不拆则注定返工。拿不准时可以把任务原样发给 AI，先问一句：这个任务你建议分几步完成，每一步需要我提供什么？它的回答本身就是一份现成的拆分草案，在这个基础上修改，比从零开始快得多。

四步拆法：从目标到清单

第一步写终态：用一句话描述拿到什么就算完成，比如一份含数据图表和三条结论的复盘文档。第二步列环节：把从起点到终点的路径切开，通常是收集材料、整理归类、逐块分析、汇总成稿。第三步定输入：每个环节写清要交给 AI 什么材料、什么格式、有哪些限制。第四步定验收：每一步的产出用哪条标准检查，例如要点清单必须覆盖材料的全部章节。四步走完，一张拆分清单就成型了，每行只有一个小动作，做到哪、查到哪，一目了然。这张清单本身也值得发给 AI 看一眼，让它指出哪一步缺输入、哪一步目标含糊，比自己闷头检查更快。

拆完之后怎么逐块追问

执行时按清单顺序推进，每个环节单独开一轮干净的对话。提问时带上三样东西：这一步的目标、这一步的材料、上一步已经确认的结论。以长材料写作为例，先让 AI 通读材料输出要点清单，确认无遗漏后，再让它基于这份清单逐节展开，而不是一次性索要全文。用 Kimi 处理这类多材料任务时，可以把整张拆分清单发给它，让它按步骤推进、每步结束停下等你确认，节奏就握在自己手里。逐块推进还有个附带好处：哪一步出问题当场就能发现，修改范围被限制在单步之内，不会牵动全局。

拆得太空或太细都会返工

拆太空的典型信号是某一步里还藏着「以及」「顺便」，两个动作被塞进同一块，AI 容易顾此失彼；拆太细则表现为每步只问一句话，大量轮次耗在来回切换上，上下文反而被稀释。合适的粒度是：一步一个动词开头的动作，做完能用一分钟检查完。常见错误还有跳过验收标准，等 AI 输出完才发现方向偏了，此时返工成本最高。把标准提前写进提问，输出时就能对齐，就算有问题也留在早期，修改的代价最小。每次开工前重读一遍清单，也能让当天的执行不偏离既定路线。

拆分粒度的两条边界

• 一步一个动词开头的动作
• 拆到三到六步，超过十步先重写终态
• 某步里藏着「以及」就该再切
• 验收标准提前写进提问

第三条最实用：读到「以及」「顺便」，说明这一步还藏着两个动作。

延伸阅读：长任务怎么设检查点、一次问一个还是全问、长提示和分步短提示。

把大活交给 AI 前要拆到多细？

• 拆到多细算合适？：一步一个可检查的动作，日常任务拆到三到六步即可；超过十步说明原始目标还没想清楚，先回头重写终态描述，再重新分块。
• 拆好后中途还允许改吗？：允许。执行中发现某步产出不理想，先修清单再继续，避免带着错误前提往下跑，越晚修成本越高。
• 不同环节要换工具吗？：按环节特长选，长材料阅读交给长文本工具，成稿排版交给文档工具，不必全程守着一个产品，搭配着用效率更高。