ai-problem-solving-methodology

name	ai-problem-solving-methodology
description	当需要运用AI工具系统性地解决一个未知或复杂的业务问题时

ai-problem-solving-methodology

When to Use

当需要运用AI工具系统性地解决一个未知或复杂的业务问题时description

Core Logic

执行步骤

1. 问题分解与框架化

   • 输入：一个宏观、复杂的问题或任务（例如，“如何为我的业务获取第一批客户”）。
   • 操作：使用AI将大问题分解为一系列逻辑清晰、可操作的子问题或步骤。要求AI提供解决该问题的通用框架或流程。
   • 判断标准：输出是否将一个模糊任务转化为多个定义明确的小任务。
   • IF AI提供的框架过于宽泛，THEN 要求其进一步细化，或提供2-3个不同的框架供选择。

2. 分步执行与迭代

   • 输入：从上一步得到的具体子任务。
   • 操作：针对每一个子任务，向AI提供具体上下文，并指令其生成可直接使用的输出（如文案、代码、列表、计划）。对AI的产出进行审核和修正。
   • 判断标准：每个子任务是否都产生了可用于下一步的实质性成果。
   • 常见误区：一次性要求AI解决整个大问题，导致输出质量低下或不可用。

3. 合成与优化

   • 输入：所有子任务的产出物。
   • 操作：将各个部分的产出组合起来，形成完整的解决方案。使用AI从整体角度进行审查、优化一致性、填补漏洞或提升语言质量。
   • 判断标准：最终成果是否完整、自洽，并解决了初始问题。
   • IF 合成后发现逻辑断层或缺失，THEN 返回步骤1或2，针对断层进行补充分解和执行。

4. 自动化与流程固化

   • 输入：已验证成功的解决方案流程。
   • 操作：分析整个解决过程中，哪些环节可以由AI脚本、模板或工作流固定下来，以便未来遇到同类问题时能快速复用。创建提示词模板、检查清单或自动化脚本。
   • 判断标准：是否建立了可重复使用的资产，能显著降低下次解决类似问题的时间成本。
   • 常见误区：每次遇到问题都从头开始，没有积累可复用的AI工作流。

输出格式要求

输出应为：

1. 问题分解图：以清单或流程图展示从大问题到子任务的分解结构。
2. 关键产出物：记录每个核心步骤由AI生成的主要成果。
3. 固化资产：总结出的可复用提示词模板、工作流步骤或检查清单。
4. 效能评估：对比使用该方法论前后，解决问题所需时间和质量的差异。

Metadata

属性	值
领域	人工智能应用
类型	procedural (procedural)
置信度	85%
前置条件	拥有可访问的AI工具（如大型语言模型）, 一个待解决的具体问题或任务
来源	AI致富指南：2：构建AI优先的一人媒体公司