AI 输出质量的四层差距与 CARIO 提问框架

一句话提醒

AI 输出差距往往不是模型差距，而是信息对称程度差距；先把任务澄清清楚，再进入对话，结果上限才会变。

为什么今天看它

• 它把 AI 结果不够值钱的常见原因拆成目标、信息、角色、反馈四层，适合在你怀疑‘为什么回答总是正确废话’时快速定位问题。
• 它能把 Prompt 从写模板拉回任务澄清，提醒你先补背景、角色和输出要求，而不是盲目重开对话。

留一个问题

我现在这轮 AI 输出不够好，到底是模型问题，还是目标没收口、背景给少了、角色没设对、反馈没打磨？

参考思路

1. 1.先查目标层。确认这次真要 AI 帮你解决什么决策问题，而不是只给一个方向正确的回答。
2. 2.再补信息和角色。把业务背景、约束、已知信息和专业视角补齐，别让模型只能给保守通用答案。
3. 3.最后做反馈层迭代。第一轮只是草稿，不满意时继续修正输入，而不是直接重开。

03_知识库/综合/AI 输出质量的四层差距与 CARIO 提问框架.md