先计划后执行
Plan-and-execute
学到 会用 就够：能亲手用起来
你可能会说
“我想让 AI 整理几十篇论文，又怕它一开始就乱写；先列任务计划再逐项完成，与直接回答有什么差别？”
先计划后执行是把复杂目标分成可完成的小步，再按依赖顺序做，并在证据变化时修订计划；计划本身不代表工作已完成。
使用 AI
科研里的例子
先建论文清单，再核对书目信息，取得授权全文后提取识别策略，最后对照问题写综合；每步保存实际结果。
Plan-and-Solve 是相关的具体提示研究；更广义的计划执行系统还包含工具调用、状态记录和重新规划，两者不应混为同一产品功能。一个可用计划要对应输入、输出和完成条件，而不只是“检索、分析、总结”三句口号。对必须取得原文才能判断的步骤，要显式保留依赖；若访问受阻，后续综述不能假装证据已经齐全。
在你的学科里，直接拿去用
把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。 我的原话：[粘贴] 可用材料：[列出文件、表、链接或说明目前没有材料] 使用者与用途：[填写] 先用普通中文复述目标，再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果，最多问3个问题；其他假设明确列出。先交付任务说明，不擅自执行与改文件。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明，再建议代码。 问题：[填写] 数据字典及已有规则：[提供] 可用软件与现有代码：[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析；缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据，所有转换写到派生结果并留记录；不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
判断
亲手检查一次
选一项计划步骤，检查是否有真实产物、来源和通过条件；把“准备做”“已尝试”“已完成”分开记录。
它做不到的
计划越细不一定越好；不确定任务需要调整，照着错误假设执行十步，可能比直接发现问题耗费更多时间。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Wang et al. — Plan-and-Solve Prompting2026-11-06 核对
- Anthropic — Building effective agents2026-11-06 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。