你让AI分析一个问题它给了你5个要点。但你仔细一看——第2点和第4点有重叠第3点可以从第1点推导出来而且还有一个重要的角度完全没提到。这就是没有遵循MECE原则的典型表现。今天我们学习如何让AI用MECE思维来分析和组织信息。一、MECE原则是什么1.1 核心定义MECE是麦肯锡咨询公司普及的一个分析原则全称是MEMutually Exclusive——相互独立各个部分之间没有重叠每个要点都是独特的CECollectively Exhaustive——完全穷尽所有部分加起来覆盖了全部可能性没有遗漏简单说就是不重不漏。把所有情况都覆盖到了不漏且每个分类之间界限清楚、没有交叉不重。1.2 为什么MECE对AI分析尤为重要AI在没有MECE约束的情况下输出的内容常常存在两个问题重叠换了个说法说同一件事导致信息冗余遗漏缺少某些重要的分析维度导致结论不全面而一旦你在提示词中引入了MECE原则AI会主动审视自己的输出——“这些分类独立吗有没有遗漏任何重要角度”二、MECE提示词的核心设计2.1 基本MECE提示词模板请用MECE原则来分析以下问题。 MECE原则要求 - ME相互独立你提出的每一个分类/要点/维度之间没有重叠。 如果两个要点可以用一个更上层的概念概括它们就不该并列。 - CE完全穷尽你的分类/要点/维度加起来覆盖了该问题的全部 重要方面。没有重大遗漏。 在分析完成后请自查 1. 有没有两个要点在说同一件事只是表述不同 2. 有没有任何重要的分析角度被你遗漏了 3. 你的分类标准是否统一2.2 MECE的五大分类逻辑在提示词中指定一种MECE的分类逻辑帮AI建立清晰的框架① 二分法是与否、内部与外部、可控与不可控② 过程法按时间/流程划分——输入→处理→输出③ 要素法按构成要素划分——人、财、物、信息④ 矩阵法用两个维度交叉构成四象限⑤ 公式法按数学公式分解——销售额客单价×客流量×转化率三、MECE提示词的实际应用3.1 商业分析场景请用MECE原则分析我们电商平台销售额下降的原因。 使用公式法作为顶层分类框架 销售额 流量 × 转化率 × 客单价 × 复购率 针对每个因子用MECE原则列出所有可能的影响因素。 确保各因素之间不重叠且每个因子下的因素列举是穷尽的。3.2 问题诊断场景请用MECE原则诊断以下运营问题[问题描述] 使用过程法分类引流→激活→留存→变现→传播 对每个环节列举所有可能导致问题的因素。3.3 方案设计场景请用MECE原则设计[某活动]的执行方案。 使用要素法分类人员、预算、物料、时间、渠道、风险预案 确保每个要素下的任务清单不重不漏。四、MECE与AI的结合优势与局限4.1 AI的优势AI在MECE分析中的完全穷尽方面表现优异——它能系统地扫描各个维度比人类更不容易遗漏。但在相互独立方面需要更明确的引导——AI倾向于用不同表述重复同一个观点。4.2 常见问题及修正分类标准不统一在一个分析中混用了多种分类逻辑。修正提示词中明确规定使用哪一种MECE分类逻辑。粒度不一致有的分类很粗有的很细。修正要求所有分类的粒度应大致相同。假MECE表面独立实际重叠。修正要求AI在每个分类后说明该分类与其他分类的边界是什么。✅ 本文核心要点总结MECE 相互独立不重叠 完全穷尽不遗漏五大MECE分类逻辑二分法、过程法、要素法、矩阵法、公式法AI在完全穷尽上表现优异在相互独立上需要更明确引导MECE提示词的核心是要求AI自检有没有重叠有没有遗漏本文是《提示词工程教程》系列的第88篇。下一篇将学习金字塔原理提示词。