收好這套 DRAG 框架：把 80% 的機械瑣事甩給 AI

AI時代，我們該如何聰明地使用工具而非被工具取代？這篇文章揭示了大多數人陷入的多巴胺陷阱與優先級盲區，并提供了DRAG框架——從草擬初稿到處理繁瑣雜務，教你如何將80%的低價值工作交給AI。

———— / BEGIN / ————

面對 AI 浪潮，很多人陷入了兩個極端：要么焦慮得想去學編程，要么把它當成一個好用的“自動搜索”。

事實上，大多數人并不需要學會寫代碼，也不需要獨立制作復雜的 Agent 。真正的競爭優勢，來自于你如何使用 AI 來訓練你的大腦，而不是讓它取代你的思考 。

這篇文章就是給普通人的“科技指南”：如何在 AI 時代，用最少的精力，換取最前沿的自由

《哈佛商業評論》的一項研究發現，首席執行官們有 72% 的時間都浪費在毫無實際意義的會議上。

這樣的會議我們都經歷過，本只需 15 分鐘就能做出決策的事，偏偏開了一小時的會，還難以叫停。

為什么那些成就斐然的人，也會陷入這樣的困境？因為我們都受一種生理認知偏差的影響，那就是 “完成偏誤”。

人類的大腦天生渴望完成任務后獲得的即時多巴胺獎勵，于是我們會把所有任務同等看待 —— 畢竟，無論是反復修改一封內部郵件，還是打磨一份價值百萬美元的戰略文檔，投入時間后得到的多巴胺獎勵似乎相差無幾。

所有事情都成了頭等大事，結果就是，沒有一件事真正被重視。

逃離多巴胺陷阱大腦也有惰性

即便有了 AI，普通人的工作依然每天陷在回不完的郵件、改不完的 PPT 中。

事實上，大多數人并不需要學會寫代碼，也不需要獨立制作復雜的 Agent 。真正的競爭優勢，來自于你如何使用 AI 來訓練你的大腦，而不是讓它取代你的思考。

比如如何避免優先級盲區？試試用兩條曲線來審視所有任務

1. 收益封頂曲線（低優先級任務）： 文章排版、寫內部通知、報銷流程 ，只需要追求“滿意化”——即做到“足夠好”就立刻停手，因為多花一秒鐘都是浪費 。

2. 收益無上限曲線（高級任務）： 比如產品設計、個人品牌、尋找人生合伙人 。哪怕只做到比別人好 1%，帶來的結果也遠非 1% 的提升，甚至能幫你解決剩下 99% 的問題。要為這類事全力以赴。

第一條曲線是你的 “偷懶區”，第二條曲線就是你的 “極致專注區”。

再說說 AI 該如何發揮作用：頂尖 1% 的人，會把AI 用在第一類 “偷懶區” 的任務上。把越多的第一類任務交給 AI，就有越多精力專注于第二類 “極致專注區” 的事。

使用DRAG 框架讓你學會把第一曲線的任務全部“甩”給 AI

D（Drafting）草擬初稿

我們都有面對空白頁面無從下筆的困擾，從 0 到 1 的第一步最難，而 AI 能幫上大忙。

告訴 AI“扮演某個角色，基于這些信息，完成這個目標”。借助這個方法，你能快速著手寫郵件、寫代碼、做演示文稿。

AI 生成的初稿可能粗糙拙劣，但這都沒關系 —— 有了起點，不用再對著空白頁面發呆，大腦也會被激活，接下來就能順理成章地推進工作。

R（Research）調研分析

幫你解決信息過載的問題。但凡需要深度調研的事，AI 都能大幅提升效率。

總結內容、提取關鍵信息、分析競品情報…… 這些事別自己埋頭做，交給 AI 就好。用 ChatGPT、Gemini 或 Claude 的深度調研功能。

AI 會自動發起數百次二次搜索，爬取海量網頁信息，整合結果，甚至會自查信息漏洞并主動補充，最終呈現一份詳實的報告。一位顧問需要做一周的調研， AI 十分鐘就能完成。

A（Analysis）數據分析

讓 AI 先對信息做一輪初步分析、總結和推理，尤其是非結構化數據 ——AI 能發現我們普通人難以察覺的規律，要學會好好利用這一點。

G（Grunt work）繁瑣雜務

調整格式、翻譯內容、制作表格、清洗數據…… 所有枯燥的手工活，全都交給 AI。

智慧進階別把AI當計算器

出于安全感，我們會偏愛有明確規則的世界，在計算器里輸入 2+2，答案永遠是 4，一切盡在掌控。

很多人對AI失望，是因為AI喜歡胡言亂語。

但AI 不是計算器，而是一個 “概率引擎”。同一個問題，再問 AI 一次，答案可能截然不同；除非你要求它驗證，否則它會毫無顧忌地編造信息。

AI 有時絕頂聰明，有時又混沌不清（也就是AI幻覺），但無論何時，它都絕不會承認自己一無所知，還總愛憑空捏造。所以，和 AI 溝通，不能像和普通人說話那樣隨意，必須精心設計你的問題。

大多數人用的是 “零樣本提示法”，比如直接問：“給我一個最好的創業新點子”。

AI 當然會給出答案，還會告訴你這個點子為何絕妙，但本質上就是碰運氣。

1）單樣本提示法

提問時，給 AI 一個清晰的例子，避免它盲目猜測。比如這樣提問：“寫一篇關于遠程辦公的領英帖子，以這篇帖子為風格模板”，然后把參考帖子粘貼到提示語對話框的附件里。這個簡單的做法，就比憑空讓 AI 作答靠譜得多。

2）多樣本提示法

給 AI 三個及以上的例子，讓它從中捕捉你想要的風格、內容和語氣。可以附上文檔、鏈接、數據或你過往的作品，也就是 “為模型錨定現實”，能讓 AI 停止編造，貼合實際。

比如這樣提問：“這是我之前的五份演示文稿，結合我的表達風格，寫一份關于 XXX 主題的新文稿”。

有個小技巧：先讓 AI 解釋它從例子中發現的規律。這會迫使 AI 清晰闡述自己的思路，更重要的是，也會讓你看清自己的思維模式 —— 這些規律是如何形成的？在這些協作中，你也會開始學著 “變聰明”。

3）思維連推理法

名字聽起來復雜，核心卻很簡單：讓 AI 深思熟慮后再作答。你要做的，就是放慢 AI 的思考節奏，要求它清晰展示推理過程，這也是減少它編造信息的有效方法。

比如你在做一份研究報告，可以這樣向 AI 提問：“先不要修改我的研究報告，分析后列出三個最需要優化的核心點，說明原因并給出解決方案，一步步推理，把每一步的思考過程都告訴我”

最后這句話，是整個提示語的關鍵。

4）智能體協作法

據賽富時數據顯示，在海外市場，僅網購狂歡周期間，AI 智能體就推動了全球 670 億美元的銷售額 ——AI 智能體早已融入我們的生活。

理解智能體的最佳方式，就是把它想象成你為某項任務雇的專業團隊。

比如你需要研究員、分析師和文案，只需一個智能體提示語就能實現：“深度調研 XXX 主題的行業趨勢，交叉分析所有趨勢并找出三個核心趨勢，草擬一份一頁紙的備忘錄總結研究結果，確保內容具備可操作性”

漸進式提問

這是高手與普通人拉開差距的分水嶺。

長期智力的構建不是通過便利，而是通過“阻力”。

頂尖 1% 的人，遵循著截然不同的原則：處理信息類任務，用 AI 減少阻礙；完成成長類任務，用 AI 增加挑戰。

過于依賴AI， 就像是思維的“零重力環境”，沒有摩擦力，就沒有成長 。

• 對于信息類任務（瑣事）： 用 AI 消除摩擦 。

• 對于轉型類任務（提升）： 用 AI 增加摩擦 。

在需要提升自身能力、變得更聰慧的事上，不妨把 AI 當成你的健身搭檔。

讓 AI 進行 “漸進式超負荷提問”，分四個難度等級：

1. 像考高中生一樣考我；

2. 像考大學生一樣問我問題；

3. 像招聘高管一樣嚴格盤問我；

4. 像覺得我毫無準備的嚴苛老板一樣挑戰我。

這樣的方式，才能真正深化你對概念的理解，讓思維變得更強大。

阻礙人變得聰慧的最大障礙，從來不是無知，而是自負。這也是為什么真正聰明的人，總執著于探索自己的未知領域。

人類的大腦始終具備神經可塑性，能不斷重新連接神經網絡。而這種重塑，只發生在能力的邊界處—— 在你犯錯時，在你感到沮喪時，在你直面不適時。

如果你從未覺得自己 “笨”，那你就從未真正學習過。

珍惜 AI 這個永遠不會對你翻白眼的“超級老師”：

• 去問那些你不敢問同事的“愚蠢問題” 。

• 要求 AI “像教 10 歲的孩子一樣解釋這個概念” 。

• 連續三次要求它“再簡化一點”，直到你徹底理解底層邏輯 。

有勇氣在當下做一個 “愚者”，才能在未來成為真正的智者。

本文來自公眾號：朱莉的產品筆記 作者：朱莉的產品筆記

想要第一時間了解行業動態、面試技巧、商業知識等等等？加入產品經理進化營，跟優秀的產品人一起交流成長！