为什么
为什么需要 SMART 工作法
想象这样一个场景，当你去进行一个工作，或者和 ai 交流，是不是总是出现“为什么产生我不需要的代码”，“为什么这个事情还是做的不好”，“为什么写了计划到头来感觉没什么用”，这时就需要 SMART 工作法的协助
SMART 原则是什么
Specific 具体
Measurable 可测
Attainable 可达
Relevant 相关
Timebound 时间
一个项目的计划或者一个任务的计划需要遵循足够具体
得到的信息够多，并且这个任务完成具有具体的可量化的指标，
且是可以达到的，
大目标和小目标之间有一定的相关性不至于太过具体而不理解整体项目，
最后要有时间观念，维护一个时间表来明确这个任务或项目的具体情况
以下我来详细的介绍这些内容
Specific 具体
如果一个事情想的很多 但做的不好 一定是不具体
具体的内核是一个事情，目标，需要有具体的拆分和全面的理解，比如挣钱，挣多少，怎么挣，为什么挣，第一步是什么，如果问题不具体，则不会有高质量的行动
这一点核心就在于，让一个任务具体到有数字出来，因为只有数字是绝对客观的，如果数字不客观那只能是做数字的人不客观，说完具体性的重要，我有几个方法可以加深或者尝试让一个事情变得更加具体
反问：当和 ai 沟通的时候，可以使用 “如果有不理解的可以提出问题” 类似的这种话，他提出的 问题 ，就是我们要具体化的东西，这个方法通常用于 你也不清楚这个 任务或者学习内容 的具体要求的时候，让 ai 帮你提出，能够大大增强他的生成内容质量
记录：如果在一开始实在不知道如何具体，那就记录，在执行一个任务的过程中，不断的记录你不理解的内容，然后对上级汇报，或者自己审阅时，能够一个个回答出自己的问题，往往具体性就体现出来了，自己对自己的任务负责 Garbage in, garbage out
搜索：最简单粗暴的办法，通过互联网搜索相关的案例或最佳方案，将一个任务具体化
Measurable 可测
数据是话语权
与 Specific 相关，可测性的内核是一个事情需要有一个客观的指标。
一个事情具体到可测，这个事情就是 足够具体的事情，比如 减肥的每天测得多少减了多少千克，每个月提升学习多少技术栈，一个项目的响应速度得到多少提升，从 多少快慢 转变成具体可测的数字
但实际情况下，我认为可测还不止数字一个方面，还能添加上理解，也就是说，对于客观可以反映的事情，转换成数字汇报，比如任务量转换成 “构建的模块量” “完成时间的提高”，对于 主观和情感的方向，个人的理解也是一种可测性
当一个学生说自己能背完这首诗，那最好的可测性就是让他再背一遍，同理，如果一个知识点学习的好坏，最大的可测性或许就是和身边同行的人聊，或者做成输出分享出来，这就是可测性的另一种体现
Attainable 可达
可达性是建立在自然规律和数据规律上的
比如减肥，一个人不可能在 1 个月减下来 100 斤，在没有数据不考虑特殊情况下一个人也很难再 10 天挣 1百万美元，一个不进行任何改变的前提条件不会造成指数级的突变，只会是线性的
关键：
历史数据 - 同期历史数据，上期历史数据，总之通过历史数据在条件相似的情况下，基本上不会偏差太多
同行(相似)数据 - 身边相同人的数据，或者相同的事情的数据，比如 蝉妈妈 电商数据这种对手，同行，相似的数据
资源数据 - 当一个任务过高的时候，这时资源就是需要进行列出的可达性，也是一定要进行谈判的点
Relevant 相关
相关性和具体性是紧密联系的
"原本是手段达成目的，而最后手段变成了目的" 所以当一个大任务进行拆解的 具体 是，同样也要考虑 相关 的回归，比如一个大任务拆成了很多的小任务，而小任务却做着做着不知道和大任务有什么关系了
每一个事情做之前，最好多想想看这个事情是为了什么，人生也是如此，人作为具有主观能动性的生物，这时很重要的一点
OKR 是一个与 Relevant 很相关的管理手段，上层部署任务，下层主动靠拢这个任务达成目的
Timebound 时间
现代生产需要时间性，需要有一个具体的时间
一个具体的任务一定要配上具体的时间，比如 使用甘特图管理时间，如果这个时间管理自己不做出来，在日常生活中也会耗费人的精力去在大脑里维护这个时间表时间性，造成目标的焦虑
总结
与 AI 的沟通最重要的就是这个 SMART 原则，通过 具体，可测，可达，相关，时间这五个维度得到一个清晰的计划和项目的执行手段，这样才能详细高质量的完成一个任务