最近用上了manus团队版,先用manus做项目调研,然后开会讨论结论汇总,再把任务拆分给每个人深度,得出insight。各然后发现我的token使用量是最多的,仔细review了大家的过程,发现我的提问方式很不一样,manus给我的结果也最全最完整。
大部分同事是一句话提问的方式,从结果再继续提问。我是给一个完整的指令,从角色到任务目标到最终交付的详细要求。
我会先和GPT讨论一下,我最近在看一个什么东西,我特别关注的问题和细节有哪些,我最重视什么结果,让GPT先给我一个初稿,再在框架上highlight重点,补充不足,然后问他我想要一个完美符合我要求的内容,应该怎么和AI沟通,他就会给我一个prompt。最后调整这个prompt,给Manus,就能做出很高质量的调研报告了。
意识到几件事情
1. 可以用文字准确表达自己需求,想要什么样的东西,其实是一种在工作上的抽象能力。
要达成这种抽象能力,首先要明确你想要的结果是什么,以及达成这个结果有哪些不可或缺的重要要素。基于对结果的理解再去反推,才能让AI做得更好。而这种对工作的抽象能力是长期工作积累起来的,并不是一个 entry-level 的人可以拥有的。
所以团队里的年轻小朋友在跟AI对话时,即便得到了回复,还是:
1. 抓不住重点,AI给的信息很多,不知道哪些是决定性信息
2. 不知道如何挖掘信息背后的隐藏信息,比如指标背后是不是有幻觉,数据来源偏差
3. 不知道问出这些隐藏信息的方法
举个例子:
我们在调研 Polymarket 的实际日活时,如果仅在市场公开渠道调研,信息是有限的。我们可以基于初步调研去追问AI,让它去查看 Polygon 链上的gas 消耗情况,并以此来计算大概的日活。
AI的上限和下限都很高,感谢自己早出生几年,不然现在不光找不到工作,就算是工作了也容易lost,不知道怎么定义问题。