每周六上午十点，是我跟两位澳门大学生固定的学习时间。
这个学习计划，预计会持续三个月以上。
今天的主题是：如何定义问题。
为什么选这个话题？
因为过去一周，我给她们布置了一个小作业：每人找出5个自己在学习和工作中遇到的问题，并且要关注一些AI领域的博主，看看他们在说什么。
结果呢？
我发现一个很普遍的现象：能够把问题讲清楚，其实不太容易。
01 两个学生的真实困惑
颖知先分享她的5个问题。
第一个问题，是关于公众号写作的。
她说："第一篇公众号文章做得很成功，AI能快速按照我的偏好调整风格。但后面再做第二篇、第三篇，AI好像记不住我的偏好了，每次都要重新调整。"
我问她："你有没有在做好了之后，要求AI把所有东西封装成一个技能（Skill）？"
她说没有。
我告诉她：好的经验、好的实践，如果想让AI记住，必须包装成一个Skill。这个Skill会详细记录你用什么配色、什么语调、什么结构，下次调用就不会变了。
她现在的问题，是没有做这个动作。
第二个问题，她说是想快速学习HR领域知识，希望AI能帮她快速抓取和搜索相关知识。
但她的困惑是：AI总结的内容真实性需要核对，有些内容过时了，很难筛选出来。
这个问题很典型。
我给了她一个建议：先搭建框架，不要急着搜集具体信息。
很多人一上来就去搜"HR最新趋势"、"2026年HR十大变革"，信息过载不说，还会迷失方向。
正确的做法是：
第一步，让AI给你一个HR全貌的学习计划。比如以一个5000人的互联网科技公司为载体，了解HR组织架构怎么设计、流程怎么设计。
第二步，抓住一个最核心的流程深入学习。我建议选择"招聘配置"，因为这是所有人都有切身感受的模块——你自己找过工作，知道别人怎么面试你的。
千万不要大而全，一上来就学六大模块。
我的建议是：一周时间内，快速了解大概，然后抓住招聘这个切面，从人才需求提出到渠道选择，从面试筛选到Offer发放，把这条端到端流程搞透。
小欧的问题也很真实。
第一个问题：她用AI生成公众号文章，发布后阅读量和转发量不理想，读者停留时间短。
我跟她说了一个现实：公众号能做到100以上的阅读量都有难度，除非你主动转发。
所以不要太关注初始数据。
我给她的建议有两个：
第一，放平心态，把公众号当成学习日记，有人看不看无所谓，重要的是记录你的思考过程。
第二，文章里要放"钩子"。什么是钩子？就是在开头或结尾给读者一个关注你的理由。比如："我是用AI Skill做出这篇文章的，如果你也想要这个Skill，请关注我。"
这叫诱导性设计。
她的第二个问题：找论文文献时，AI能找到摘要和研究方法，但无法判断这些论文是否真的可用，有些最新文献找不到，也缺乏批判性分析。
这个问题，其实还是问题定义不够清晰。
我的建议是：不要自己从头做，先到GitHub上找现成的论文查找Skill，研究人家怎么做，然后复制过来，根据自己的需求改造。
改造的时候要明确告诉AI：
1. 我希望获得真实的论文，给我出处链接。
2. 时间区间必须是过去一年，我不要三年前的。
3. 不要只给我摘要，要给我批判性观点，帮我分析完整体报告。
然后封装成你自己的论文查找Skill。
02 为什么定义问题比解决问题更重要？
听完她们的问题，我引出了今天课程的核心。
在AI时代，答案变得极其廉价。
你随便问智能体一个问题，它都会给你一个答案。但这个答案的质量，完全取决于你怎么问。
你一句话，它给你一个笼统的答案。
你一段话，它给你一个相对精确的答案。
你是一个结构完整的描述——问题是什么、要求是什么、框架是什么——它会给你一个完善的答案。
有没有这个感觉？
爱因斯坦说过一句话：
"如果给我1小时解答一道决定我生死的问题，我会花55分钟弄清楚这道题到底在问什么。"
80%的AI项目失败，不是技术能力不足，而是问题定义错误。
就像小孩哭了，很多家长第一时间是制止哭声："不要哭了，给你买冰淇淋。"但他没搞清楚：小孩为什么要哭？
很多时候，我们急于解决问题，却连问题本身都没定义清楚。
回到这两个学生身上。
她们跟我学AI，真正的目的是什么？不是学AI本身，而是为了找到更好的工作。
基于"找到更好的工作"这个目标，她们缺的是AI学习能力、职业辅导、面试技巧。
所以她们跟着我们学习，花三个月时间，是这个逻辑。
如果不把问题定义清楚，就会瞎学。今天学做个图，明天学做个表，没有主线。
好的问题定义，包含三个要素：
第一，清晰的边界。 是解决一个月后找到工作，还是半年后找到工作？是进外企、民企，还是小公司？
第二，可衡量的目标。 找到一份月薪1万以上、1.5万以上的工作？这个目标很具体，就知道该跟谁学、学什么。
第三，可行的路径。 不是一句"我要学好AI"就完了，而是要拆解成可执行的步骤。
03 AI项目研究五步法
我给她们讲了一个完整的方法论：如何从定义问题到落地解决。
第一步：现状流程还原。
在改造之前，你必须先回答：当前的流程到底是什么样的？
比如研究招聘流程，你要知道：业务部门怎么提出用人需求？HR怎么选择招聘渠道？简历怎么筛选？面试分几轮？Offer怎么审批？
一个节点一个节点地写出来，画成流程图。每个环节标注：谁干了什么活，用了什么工具，耗时多久，错误率多少。
然后识别痛点：哪些环节效率低？哪些重复劳动？哪些容易出错？
我给她们的作业是：颖知要把整个HR招聘流程画出来，颗粒度要极细，细到告诉一个外行人今天怎么操作。小欧要做一个账务处理流程，从银行账单产生到最终出三表。
第二步：机会洞察。
不是所有流程都需要AI，也不是所有流程都适合AI。
要找到高价值、高可行性的交集。
高价值场景的特征：高频、重复、规则明确、人力密集。
AI的能力强项：文本理解、图像识别、模式判断、批量处理。
可行性评估：数据可得性、技术成熟度、成本收益比。
第三步：方案设计。
输出必须包含：改造前vs改造后的对比，以及清晰的改造清单。
哪些节点要保留？哪些节点用AI替代？哪些节点可以删除？新增哪些AI节点？
然后产品化设计：输入是什么？输出是什么？机制如何运转？是否需要人工介入？用户如何交互？
第四步：技术选型。
技术选型不是追新，而是匹配业务需求。
大模型选择：文本理解用GPT-4或通义千问，图像识别用GPT-4V或Qwen-VL，成本敏感用开源模型。
提示词工程：系统提示词设定角色，Few-shot示例提升准确率，结构化输出便于解析。
Skill机制：将常用能力封装为Skill，支持组合调用，便于复用与迭代。
第五步：实施落地。
规划上线节奏：先小流量灰度5%，再逐步放量到20%、50%，最后全量上线100%。
角色分工：产品经理负责方案设计，算法工程师负责模型调优，运营团队负责效果监控。
运营机制：建立答疑与反馈渠道，定期效果复盘，持续迭代优化。
04 以终为始：用作业固化学习
今天的课，她们不一定吸收了很多。
但我用的是"以终为始"的策略。
我要求她们今天晚上必须把要解决的问题定义下来，然后出一篇公众号，public公之于众。
告诉所有人：我研究什么话题，我为什么选择这个话题，我接下来如何研究它，1、2、3、4、5、6、7、8步，以及为什么这个研究是有效的。
为什么要public？
因为公开承诺会倒逼你认真思考。
你不是随便说说，你是要告诉全世界你要做什么。这会让你更慎重地定义问题，更严谨地设计方案。
同时，这个作业的形式，会固化她们整个学习的方向和过程。
我希望通过三个月的系统训练，她们能够真正提高自己定义问题、解决问题的能力。
这个能力，将会成为她们职场的第一个有力武器。
05 写在最后
今天课程快结束的时候，我让颖知定了个7分钟后的会议，然后立马进入下一个会议。
为什么要这么做？
因为我想告诉她们：时间管理本身，就是一种问题定义的能力。
你如何定义这个时间的用途，决定了你如何安排它。
回到AI时代，你会发现：答案不再稀缺，稀缺的是提出好问题的能力。
谁能精准定义问题，谁就能让AI发挥最大价值。
谁只会泛泛而问，谁就会被海量的低质量答案淹没。
这是我给两位澳门大学生上的第二课。
接下来的每周六上午十点，我们会继续这个为期三个月以上的学习计划。
我会持续记录她们的成长过程。
因为我相信：教会一个人如何定义问题，比直接给她答案，有价值得多。
核心主张：在AI时代，定义问题的能力比解决问题的能力更重要。好的问题定义=清晰的边界+可衡量的目标+可行的路径。以终为始，用公开承诺倒逼深度思考，用结构化作业固化学习过程。