用目标、信息、角色和反馈四层差距诊断 AI 输出质量

一句话提醒

AI 输出差距常来自任务信息不对称；先澄清目标、补足背景、设定角色，再通过多轮反馈打磨结果。

为什么今天看它

• 回答正确却不贴合业务时，问题可能在任务目标或输入背景，而不一定是模型能力。
• CARIO 的价值在于帮助完成任务澄清，让输出能够支持真实决策，而不只是看起来完整。

留一个问题

我是否说清要完成的决策任务、业务背景、AI 的思考视角、已有材料和期望输出？我会如何根据第一轮结果继续反馈？

参考思路

1. 1.明确要解决的真实任务和目标，不只说主题。
2. 2.补充场景、用户、约束、时间和资源等背景信息。
3. 3.指定合适的专业角色或要求 AI 站在反方检验。
4. 4.提供已有材料和信息，并说明证据范围。
5. 5.明确输出格式、深度和验收标准，再通过追问、修正和替代方案持续打磨。

03_知识库/综合/AI 输出质量的四层差距与 CARIO 提问框架.md