工具不会思考，但能放大你的思考。
4A 的不是格式，是对商业本质的追问。
---
<## id="section-0">一、为什么是 4A 标准</##>
很多人用 AI 写报告，最大的问题不是格式不够漂亮，而是思考不够深。
4A 公司的报告为什么值钱？不是因为 PPT 做得精美，而是因为他们会问对问题：
大部分 AI 生成的报告，输在「浅」——正确的废话一堆，actionable 的洞察没有。
OpenClaw 不是不能写深，是你没有要求它写深。
---
<## id="section-1">二、给 OpenClaw 的三个关键要求</##>
<### id="section-2">1. 角色设定：不是助手，是资深策略总监</###>
❌ 错误示范：
「帮我写一份产品分析报告」
✅ 正确示范：
「你是一位在 4A 公司工作 10 年的策略总监，服务过苹果、耐克、宝洁等品牌。现在请用你的专业框架，帮我分析这款产品。」
心法： 你给它什么角色，它就输出什么水平的思考。
---
<### id="section-3">2. 框架先行：先确认分析维度，再填充内容</###>
❌ 错误示范：
直接让 OpenClaw 开始写，写出来什么算什么。
✅ 正确示范：
「在开始写报告之前，请先列出你的分析框架。包括：市场分析、竞品分析、用户分析、SWOT、核心洞察、策略建议。确认框架后，我们再逐一填充。」
心法： 框架是思考的骨架，骨架歪了，肉再多也没用。
---
<### id="section-4">3. 迭代优化：第一稿只是起点，不是终点</###>
❌ 错误示范：
拿到第一稿就满意了，直接交差。
✅ 正确示范：
「这个洞察太浅了，再深挖一层——为什么用户会有这个痛点？底层原因是什么？」
「这个结论的 evidence 是什么？有数据支撑吗？」
「这个建议和客户的业务目标有什么关系？能帮他们赚到钱吗？」
心法： 好报告是改出来的，不是写出来的。
---
<## id="section-5">三、核心指令模板（认知层）</##>
这几句话，我每次用 OpenClaw 写策略报告都会问：
| 指令 | 目的 |
|------|------|
| 「请用 4A 公司的策略框架思考这个问题」 | 拉高思考维度 |
| 「在给出结论前，先列出你的分析维度」 | 确保框架完整 |
| 「这个洞察的底层逻辑是什么？再深挖一层」 | 避免表面分析 |
| 「客户真正的痛点是什么？表面需求 vs 本质需求」 | 挖掘真实需求 |
| 「这个结论，如果用一句话说清楚，是什么？」 | 提炼核心洞察 |
| 「有没有反例？这个结论在什么情况下不成立？」 | 检验思考严谨性 |
记住： 你问的问题越深，它回答得越深。
---
<## id="section-6">四、如何挖掘客户需求（关键）</##>
这是 4A 策略的核心，也是 AI 最容易翻车的地方。
<### id="section-7">需求的三层结构</###>
第一层：他们说要什么
↓
第二层：他们实际需要什么
↓
第三层：他们没意识到但应该要什么
<### id="section-8">实战演示</###>
客户说： 「我们要做一个小程序，提升用户活跃度」
第一层追问（表面需求）：
「现在的活跃度是多少？目标是多少？时间周期是多久？」
第二层追问（实际需求）：
「用户为什么不活跃？是产品问题，还是运营问题？还是渠道问题？」
第三层追问（本质需求）：
「活跃度真的是核心问题吗？还是说，你们真正需要的是提升转化率/复购率/LTV？」
让 OpenClaw 帮你问：
「假设你是客户的 CEO，你最担心的是什么？这个方案能解决你的担心吗？」
---
<## id="section-9">五、报告优化的心法</##>
拿到 OpenClaw 的第一稿后，用这三个动作优化：
<### id="section-10">1. 删</###>
去掉所有正确的废话。
比如：「随着互联网的发展，用户越来越注重体验」——这种话删掉。
<### id="section-11">2. 挖</###>
每个结论再问一次「所以呢」。
「用户喜欢便宜」→ 所以呢？→ 「所以定价策略应该是…」→ 所以呢？→ 「所以我们应该…」
<### id="section-12">3. 连</###>
把洞察和业务目标连起来。
这个洞察，能帮客户多赚多少钱？能省多少成本？能提升多少效率？
---
<## id="section-13">六、结语</##>
工具不会思考，但能放大你的思考。
OpenClaw 不是 4A 策略总监，但它可以成为你的「思考放大器」——
4A 的不是格式，是对商业本质的追问。
而 OpenClaw，可以帮你问得更好、更深、更准。
---
（完）
---
📅 2026-03-31 认知篇
这是 OCnote 饲养日记的第 18 篇，记录如何用 AI 工具输出专业级策略思考。