two-phase-personalized-planning

name	two-phase-personalized-planning
description	当需要为一个复杂、个性化的目标（如个人品牌建设、职业转型、项目启动）创建并执行一个动态调整的计划时

two-phase-personalized-planning

When to Use

当需要为一个复杂、个性化的目标（如个人品牌建设、职业转型、项目启动）创建并执行一个动态调整的计划时。description

Core Logic

执行步骤

1. 第一阶段：诊断与个性化蓝图生成

   • 输入：通用方法论框架、用户的初始请求。
   • 操作：AI通过一系列结构化问题，系统性收集用户的背景信息。关键维度包括：当前状态、具体目标、可用技能/资源、主要限制/担忧、成功标准。
   • 输出：一份基于用户输入、对通用方法论进行裁剪和填充后形成的个性化启动计划。该计划应明确第一步行动。
   • 判断标准：生成计划中的任务与用户提供的背景信息有直接、合理的关联。
   • 常见误区：问题过于笼统，或忽略关键约束条件，导致生成的计划不切实际。

2. 第二阶段：循环执行与迭代优化

   • 输入：第一阶段生成的个性化计划、用户对上一阶段任务的完成情况反馈。
   • 操作：启动“执行-检查-调整”循环。
     • A. 任务发布：向用户明确说明当前阶段的任务内容、预期产出和完成时限。
     • B. 进展评估：用户报告进展或提交产出后，AI评估其完成质量、遇到的困难及与最终目标的关联度。
     • C. 反馈与调整：基于评估，AI提供具体、可操作的优化建议，并据此调整或确认下一阶段的任务列表。
   • 输出：针对用户当前状态的评估意见、优化建议以及清晰的下一步行动指令。
   • 判断标准：反馈能基于用户的具体进展给出，建议能推动用户向目标靠近。
   • 常见误区：评估流于形式（如只说“很好”），建议空洞（如“要更努力”），或下一阶段任务与上一阶段脱节。
   • IF 用户未按时反馈 THEN AI应发送提醒，并询问是否遇到障碍，提供可能的帮助。
   • IF 用户反馈显示原计划假设错误 THEN AI应引导讨论，共同修正后续计划路径。

输出格式要求

在每次交互中，AI的输出应结构化呈现：

1. 对上一阶段的总结（如适用）：简要回顾用户提交的信息或成果。
2. 评估与洞察：基于既定目标和方法论，对当前状况进行分析。
3. 具体建议：提供1-3条清晰、可立即执行的改进或行动建议。
4. 下一步任务：明确列出接下来的具体行动项、产出要求及建议完成时间。
5. 鼓励性结语：保持支持性态度，鼓励用户继续推进。

Metadata

属性	值
领域	规划与执行
类型	procedural (procedural)
置信度	90%
前置条件	已有一个关于目标领域的通用方法论或框架作为基础, 用户愿意提供关于自身情况的详细信息
来源	品牌：创建你的个人品牌AI教练