M2-L1 · BROKE 框架：给 AI 的话是"条件信号"，不是命令
适合谁读这节课
适合：已完成模块 1，知道 AI 的工作机制和边界，现在要开始真正用 AI 做事的人。
不适合：还没学模块 1 的人——你需要先知道 AI 的局限，才能用得安全。
读完这节课你能做到什么：用一个五要素框架（BROKE）写出让 AI 第一次就给出可用结果的提示词，并理解背后的原理，而不是死记规则。
先理解：你说的话在 AI 那里是什么
上节课说了，AI 在做"预测下一个词"。这意味着：你说的每一句话，都是在改变 AI 预测的概率分布。
更直白地说：你给 AI 的提示词不是"命令"，而是"条件信号"。
举个例子：
如果你什么都不说，直接问"怎么写好一篇文章"——AI 会预测出一个"互联网上普通人对这个问题的普通回答"。
但如果你说"我是一个写 B2B SaaS 产品的技术型博主，读者是 CTO，现在要写一篇关于数据库选型的文章"——这些条件信号把 AI 的注意力引向了完全不同的知识区域，它会从技术角度、用决策层语气、用 CTO 能听懂的词汇来回答。
同样的 AI，同样的问题，两种答案可能差 10 倍。 差的不是 AI，是条件信号的质量。
BROKE 框架：五个条件信号
这是一个被验证有效的提示词框架，每个字母代表一个条件信号：
| 字母 | 英文 | 中文 | 作用 |
|---|---|---|---|
| B | Background | 背景 | 告诉 AI：你是谁，这件事的上下文是什么 |
| R | Role | 角色 | 让 AI 扮演一个特定的专家角色 |
| O | Objectives | 目标 | 说清楚：这件事完成后，什么样的结果是成功的 |
| K | Key Result | 关键结果 | 具体的格式要求：长度、结构、语气 |
| E | Examples | 示例 | 给一到两个你想要的结果样本 |
为什么 R（角色）这么重要
很多人觉得"让 AI 扮演角色"是一种技巧，感觉有点奇怪，不明白原理。
原理是这样的：
你可以把 AI 的训练数据想象成一个巨大的图书馆，里面有各种书——医学书、营销书、哲学书、编程书……
当你不指定角色，AI 随机从整个图书馆里"翻"——结果可能是什么都有一点的通用答案。
当你说"你是一个有 15 年经验的急诊室医生"——AI 就会优先"翻"医学相关的书，用医生的语言、医生的思维框架来回答。
这就叫"调台效应"：角色设定不是让 AI 假装成别人，而是让它知道要从哪个"频道"回答你。
为什么 E（示例）经常被忽视但效果惊人
告诉 AI"我想要的是X风格"，效果远不如直接给一个例子。
这在认知科学里有对应的原理："生成"比"描述"更容易——与其说"风格轻松接地气"（需要 AI 理解你对"轻松"的定义），不如直接说"类似这篇文章的第一段：[粘贴一段你喜欢的文字]"。
Few-Shot 提示法（少量示例法）：给 1 到 3 个你满意的例子，让 AI 模仿这个模式生成新内容。效果往往比写 500 字的风格描述还好。
BROKE 实际使用：对比版本
没用 BROKE 的版本：
帮我写一篇关于时间管理的文章
→ AI 输出：一篇通用、正式、没有特色的时间管理文章
用了 BROKE 的版本：
B（背景）：我运营一个给职场新人看的公众号，上周发了一篇关于"如何开会"的文章，反响不错。
R（角色）：你是一个擅长把硬知识讲得轻松有趣的内容策划。
O（目标）：帮我写一篇时间管理文章，让职场新人读完觉得"这个我能做到"，而不是"这太理想化了"。
K（关键结果）：800 字以内，开头是一个读者会有共鸣的场景描写，给 3 个具体的方法，每个方法配一个真实可操作的步骤。语气像朋友聊天，不用专业术语。
E（示例）：我喜欢这种开头风格：[粘贴一段你喜欢的文章开头]
→ AI 输出：一篇符合你账号风格、目标读者明确、格式结构清晰的文章，修改量大幅减少
不是每次都要写满五个要素
BROKE 是框架，不是教条。
- 快速的日常小任务：O + K 就够了（"帮我把这段话改短到 100 字以内，保持语气"）
- 重要的、要发出去的内容：尽量五个都填
- 越重要的内容，越值得花 2 分钟填完整
判断标准：如果 AI 猜错了要重新来，成本高吗？ 成本高就多填，成本低就少填。
给材料，不只是给指令
BROKE 的 B（背景）里，很重要的一部分是：把你手边的材料直接给 AI，而不是只让它凭空发挥。
两种用法的差距：
用法 A（只给指令）：告诉 AI "帮我整理一些关于小红书运营的信息"。AI 会从训练数据里拼凑通用信息，很多你已经知道，很多和你的情况不符。
用法 B（给材料）：把你这个月收藏的 20 篇参考文章粘贴进去，说"帮我从这些里面提炼出 5 个可以写的方向"。AI 处理你的真实材料，给的结果直接可用。
AI 处理你给它的内容，远比它凭空生成内容可靠。 这不只是"更准确"，更关键的是：基于你的材料，你对结果有审查能力（能判断对不对）；凭空生成的，你无法核查。
引导练习
准备：你手边任意一份材料（文字内容，500–3000 字最合适）。
任务：
- 用 BROKE 框架为这份材料写一段任务说明（五个要素至少覆盖三个）
- 发给 AI，看结果
- 记录：哪个要素有没有填，对结果影响最大？
对比测试（可选）：先发一个只有"任务"的版本，再发完整 BROKE 版本，对比结果差距。
独立挑战
关掉讲义，独立完成。
任务：你手边有一份 1000 字以上的内容（任何类型：文章、报告、会议记录、你自己的旧文章）。
不看讲义，写一段 BROKE 格式的提示词，让 AI 帮你从这份内容里提取出你需要的信息。
完成后评估：
- AI 做到你说的了吗？
- 有什么偏差？偏差是因为哪个要素没说清楚？
- 你会怎么修改这个提示词？
量规
通过条件：
- 你的提示词覆盖了 BROKE 的至少三个要素（能说出哪三个，以及为什么选这三个）
- 你提供了真实的材料给 AI（不是让 AI 凭空发挥）
- 你对结果做了核查，能说出哪里 AI 做对了、哪里出了偏差
不通过：只让 AI 凭空生成，没有给它材料——材料是 B 的核心，不给材料等于放弃了最关键的条件信号。
迁移挑战
场景：你要教一个刚来的实习生用 AI 帮你做内容素材整理。你会怎么向他解释 BROKE 框架？
用 100 字以内，写出你会说的那段话（不用技术词汇，用人话解释为什么每个要素都有用）。
下一节预告
M2-L2 · 三个反直觉规律：为什么你的提示词一直没用
BROKE 框架解决的是"说什么"的问题。下节课解决"怎么说"的问题——包括三个大多数人踩过但不知道为什么踩的坑，以及一个能让 AI "深度思考"的技术。