OKR复盘提示词：用Copilot让AI说出修改理由

高效提示词设计的核心，不是让AI被动执行“重写”指令，而是构建一套能精准传达意图的指令框架。从初始阶段就明确修改规则，远比事后调整更有效。这才是提示工程的关键方法论。

当复盘OKR时，如何引导AI产出深度修改建议而非单纯同义替换？以下三项核心策略，能有效锁定AI的分析路径。

第一把钥匙：定义输出结构，用“三段式”强制呈现修改逻辑

在提示词起始位置明确设定输出格式。要求AI严格按照【原文】→【修改后】→【修改理由】三栏逐项输出，三者缺一不可。示例指令：“请逐句对比调整，并按以下结构输出：① 原文（完整引用）；② 修改后（仅显示改写结果）；③ 修改理由（聚焦目标对齐度、数据支撑力、归因合理性等维度，避免空泛评价）”。

这一约束必须写死。AI的默认输出倾向是直接给出最终结果，省略中间的推理步骤。若未强制格式，它大概率会跳过理由，直接返回一个润色版本。

第二把钥匙：嵌入判断锚点，限定分析维度

在提示词中插入三个必须回应的分析视角。例如：“所有修改理由必须从以下任一角度展开：是否强化了关键结果与目标之间的战略承接；是否将模糊表述转化为可验证的行动动词；是否去除了归因于外部因素但未提出应对措施的表述”。

缺少具体锚点，理由将沦为“更专业”“更简洁”等无效评语。AI会套用话术模板，例如“此处优化了语言流畅度”——这类结论对复盘毫无价值。

第三把钥匙：阻断偷懒路径，禁止模糊替换与主观美化

方法一：附加一条负面约束——“禁止使用‘更加’‘进一步’‘显著’等无实质信息的副词；若原文缺少数据，不得自行编造数值，而应标注‘此处需补充Q3实际达成率：__%’”。

方法二：要求反向验证——“每一条修改理由须指出对应OKR框架中的哪条原则（例如：《Google OKR手册》第4章‘关键结果必须可衡量’）”。

这两项措施能过滤掉AI仅凭语感生成的随机版本。它被迫调用规则库，而非依赖语言模型直觉，从而输出可追溯的修改理由。本质上，这不是训练一个自动改稿机器人，而是建立一套有章可循的人机协作规则。

来源：互联网