AI写作，让豆包AI、kimi秒懂你想要什么（简历修改、朋友圈文案等指令分享）

你有没有这样的经历？

和AI对话时，明明把需求说明白了，得到的回复却总差了那么点意思。比方说，想写一篇环保主题的文章。如果只是简单扔出一句：

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

“帮我写一篇关于垃圾分类的文章。”

AI确实会完成任务，生成的内容很可能像下图左侧这样：一篇四平八稳的科普文，该有的知识点都在，但总觉得哪儿都能用，独特性欠奉。

（一篇平淡的科普文，介绍垃圾分类的基础知识，通用性强但缺乏特色）

然而，换一种提问方式，效果立竿见影：

Background: 我正在为社区环保月活动准备材料，需要编写一份让居民感同身受的宣传文章。
Task: 请以“垃圾桶的独白”为视角，写一篇能引发居民共鸣的文章。
Requirements: 语气要幽默风趣，融入居民日常生活场景，点出分类错误的实际危害，800字左右
Response: 请先列出文章框架供我确认。

得出的结果，就成了下图右侧的模样。

看到如此鲜明的对比，或许会有人觉得：问AI写东西而已，有必要这么讲究吗？先别急着下结论。接下来，我们用三个大家几乎都经历过的场景，直观感受一下“会问”与“不会问”的天壤之别。

场景一：朋友圈文案焦虑

节假日发朋友圈，是不是常有这种纠结？文案删删改改十几次，发出去还是觉得平淡无奇。

• 普通提问：帮我写个春节朋友圈。
• BRTR方式：

B（背景）：我是一名普通上班族，平时很少发朋友圈，想在除夕发一条。

T（任务）：请帮我写一条既不会太高调，又能传达新年祝福的朋友圈。

R（要求）：要体现出对家人朋友的关心，语气要温暖自然，不要太文艺。

R（回复方式）：需要给我3个不同风格的版本供选择。

场景二：工作邮件困境

每次给领导写邮件都要琢磨半天，生怕措辞不当。

• 普通提问：帮我写封请假邮件。
• BRTR方式：

B（背景）：我是公司的产品经理，下周三需要请假半天。

T（任务）：需要一封既礼貌又简洁的请假邮件。

R（要求）：需要说明请假原因（体检），以及工作交接安排。语气要专业得体，并表达事后补充工作的意愿。

场景三：简历修改难题

面试季临近，面对简历不知从何改起。

• 普通提问：帮我修改简历。
• BRTR方式：

B（背景）：我是一名有3年经验的前端开发，想跳槽到大厂。

T（任务）：请帮我优化简历中的项目经历描述。

R（要求）：需要突出技术难点和解决方案，用数据体现项目价值。

R（回复方式）：请逐条分析现有描述的问题，并给出优化建议。

看出来了吗？一旦用上BRTR框架，AI给出的回答立刻变得精准、有料。这背后的逻辑其实很简单：它模拟了人与人之间高效沟通的模式。你不是笼统地说“帮帮我”，而是清晰地说明现状（Background）、目标（Task）、具体期待（Requirements），以及你希望对方如何回应（Response）。这就像在和一位经验丰富的前辈请教，信息越周全，得到的指导就越对路。

说到底，BRTR框架就是把这种高效的人类沟通思维，转化成了适用于AI的对话模板。熟练掌握它，就等于给AI装上了一套精准的“理解系统”。

拆解BRTR框架

需要明确的是，BRTR不是一套刻板的公式，而是一种结构化的思考路径。我们依然用“向资深前辈请教”这个比喻来拆解：

1、Background（背景）

核心是回答：“我是谁？我遇到了什么情况？”

• 错误示范：直接说“帮我写个PPT”
• 正确示范：“我是一名新入职的产品经理，下周要给完全不懂技术的运营团队讲解新功能。”

2、Task（任务）

核心是回答：“我具体要做什么？最终想达成什么效果？”

• 错误示范：“写得生动点”
• 正确示范：“需要准备一份10分钟左右的PPT，目标是让运营同事在听完后，能清晰理解新功能的用户价值和应用场景。”

3、Requirements（要求）

核心是回答：“有哪些具体的限制、偏好或标准？”

• 错误示范：“做得好看点”
• 正确示范：
  • 结构上，需要包含痛点分析、功能演示、数据预期三部分；
  • 风格上，多用实际用户案例和对比图表，避免技术参数；
  • 视觉上，配色需符合公司VI规范（主色调#4A90E2）。

4、Response（回复方式）

核心是回答：“你希望我如何呈现结果？”

• 错误示范：不说明，坐等最终成品
• 正确示范：“请先提供一页PPT大纲给我确认，确认后再深入撰写每页讲稿内容。”

实战技巧

理解了框架不等于会用。以下几个小技巧，能让BRTR的效力倍增：

（1）细节决定成败

对比下面两个背景描述，效果高下立判：

• 普通版：“我要做一个产品分析”
• 加强版：“我是一家K12在线教育APP的数据分析师，最近发现‘模拟考试’模块的用户完课率下降，需要分析具体原因并提出优化方向。”

（2）化整为零，分步推进

对于复杂任务，别指望AI一次搞定。比如撰写长文，可以这样分步：

第一步Task：“请基于以上背景，列出这篇文章的详细提纲。”
确认提纲后，下一步Task：“很好，现在请根据提纲，详细展开撰写‘问题分析’部分。”

（3）留出优化空间

可以在要求中加上一句：“如果你认为我的任务描述或要求中存在不合理之处，请先指出来，我们可以共同讨论优化。”这能有效避免因初期指令偏差导致的无用功。

常见误区

1. 背景交代过于笼统，让AI缺乏判断的依据。
2. 任务描述模糊不清，比如“写得好一点”、“优化一下”。
3. 要求过于主观或抽象，比如“要有高级感”、“足够震撼”。
4. 完全忽略回复方式的设定，导致AI输出的格式或详尽度不符合预期。

立即上手：你来试试

看了这么多案例，现在可以亲自练练手。这个场景你一定不陌生：

周末想在家露一手，给家人做顿饭，但对自己的厨艺没那么自信。你会怎么向AI提问？

• 普通提问：“教我做红烧肉”
• 试试用BRTR框架组织你的问题？

对比一下你的版本和下面这个参考答案：

Background：我是个厨房新手，家里只有电饭煲、平底锅和炒锅等基础厨具。想让家人周末尝尝我的手艺。
Task：请教我做一道成功率高的家常版红烧肉。
Requirements: 步骤必须详尽，关键步骤（如炒糖色、炖煮）最好有火候和时间的明确提示，并说明新手容易翻车的地方及补救方法。
Response：请先列出所需的所有食材和厨具清单，我确认备齐后，再提供分步骤的详细教程。

看，一个高质量的提问，往往能直接换来一个超出预期的回答。

写在最后

其实，BRTR框架揭示了一个朴素却常常被忽略的道理：再强大的工具，也需要正确的使用方法。AI如同一位知识渊博但需要明确指引的伙伴，与其模糊地喊一句“帮帮我”，不如把前因后果、具体要求摊开来说明白。

养成一个小习惯：每次向AI提问前，快速在心里过一遍这几个问题：

• 我的处境和目标，交代清楚了吗？（Background）
• 我要它做的具体事，说明白了吗？（Task）
• 我的具体标准和期待，讲到位了吗？（Requirements）
• 我希望它用什么方式回答我？（Response）

掌握了这套思维，就等于获得了一把高效开启AI潜力的钥匙。它不仅仅是一个提示词模板，更是一种提升日常沟通效率与逻辑性的底层方法。无论是与AI协作，还是工作汇报、向他人求助，把事情的前因后果、具体要求讲清楚，永远是有效沟通的第一步，也是最关键的一步。