只说"模型输出不行"，很难判断问题来自输入资料、任务要求还是检查标准。技术与业务交流前，可以先准备一张最小问题单，让对方知道在哪里开始分析。
先讲任务：你正在为谁做什么
行业和岗位可以交代背景，但还需要一句具体任务。例如：我负责产品图文，希望根据确认过的产品资料，给新客户写一份介绍初稿。比"我做运营，想学AI"更便于讨论。
写清服务对象、交付物和当前做法，不必先列出自己用过的所有工具。任务范围太大，就拆出准备资料、初稿、审核或交接中的一段。
再定位卡点：哪一步出了什么情况
"不好用""效果一般"是感受，还需要说明观察到的现象。例如：初稿能写出来，但产品事实需要反复核对，修改后又出现措辞不一致。
把问题放进流程，区分自己观察到的情况和猜测的原因。可以问"怎样整理资料与审核标准"，先不要断言一定是模型能力不足。
带上尝试和样本：让别人看见问题
说明已经做过哪些调整、结果怎样，再准备一份输入和输出示例。保留有代表性的错误，比只展示最好的一次结果更便于分析。分享前遮去个人、客户及不宜公开的信息。
把期望结果也写清楚：希望先减少事实错误，还是先统一结构？哪些要求必须满足，哪些可以后续优化？一次先聚焦一个可以验证的目标。
建议附上脱敏的输入、实际输出、期望输出和复现步骤；区分可稳定复现的情况与偶发情况。此清单为本文方法建议，并非产品功能。
用一分钟说清，再约定下一步
可直接填写：我在___业务中，为___做___；目前卡在___，实际表现是___；已试过___，结果是___；这次希望先验证___。
场景示例：我做产品图文，资料已有，但审核反复。我试过补充产品说明，仍有事实遗漏。想先讨论如何做资料清单和事实检查表，再用同一任务试一次。这是表达示例，不是客户案例或效果承诺。
优秘圈由优秘智能发起，面向AI创业者、企业经营者、服务商和实战者，关注AI应用、资源链接与项目共创。带着具体问题交流、把建议带回工作验证，正是与这一实践方向相联系的行动。
交流结束前，可以记录准备尝试哪一步、由谁完成、怎样判断结果。你的问题卡里，最难写清的是哪一项？本文由AI辅助整理，配图为AI生成示意图。
