第十七篇写旧案例不能直接套，要先变成现场问题。问题问准以后，方案通常会比一开始稳很多。但我最近更在意下一步：方案不是写完就算完成，它还要被客户接住。
这里有个很常见的错觉。服务方把需求拆清楚了，也找到了相似案例，还做了现场校准，最后交出一套看起来很完整的内容方案。标题、卖点、脚本、发布节奏都有。问题是，客户拿到以后停住了。方向他认，细节也能看懂，可轮到自己安排人、排时间、开口拍摄，就不知道从哪里开始。
这种停住，比公开反对更容易被忽略。客户会说“我再看看”“我们内部消化一下”，服务方以为对方需要时间。其实很多时候，方案已经超过了客户当下的执行带宽。
好方案也会卡在执行现场
我以前会更关注方案本身够不够准。现在看，一个方案能不能落地，还要看几个很土的问题：谁来做，多久能做一次，做错以后谁来改。
比如给一家小店设计朋友圈内容。方案里写“每周三次，围绕顾客痛点、真实案例和老板专业判断展开”。这句话没错，甚至很合理。但客户现场可能只有老板一个人能写，白天还要接待、发货、处理售后。你让他每周三次稳定输出，他第一周勉强能做，第二周就会断。
这时问题不在选题，而在动作颗粒太大。更可执行的交付可能不是一套完整排期，而是先做两类可重复动作：每周记录一个客户追问，每两天从聊天记录里摘一句真实顾虑。等素材开始稳定，再谈结构和节奏。
AI 很容易把方案补得很满。它擅长把空白填成表格，把一句需求扩成流程，把一个方向拆成十个步骤。对服务方来说，这看起来像专业；对客户来说，可能只是多了十件做不完的事。
交付物要带着使用方式
我越来越觉得，AI 服务里的交付物不能只交“内容”，还要交“怎么用这份内容”。这不是写说明书，而是把第一步动作嵌进去。
同样是一组短视频脚本，如果客户从来没有稳定拍过，直接给十条脚本并不友好。更好的做法是先标出两条最容易拍的，写清楚每条只需要准备什么场景、说哪三句话、拍完发给谁看。甚至可以把复杂建议暂时收起来，先让客户完成第一次拍摄。
有些建议晚一点给，效果反而更好。因为客户接住了第一步，才会相信后面的优化不是空话。服务方如果一开始就把所有判断摊开，常常显得很充分，但也把客户推到了一个很高的台阶前。
所以我现在更愿意克制交付密度。不是模型能给多少，就交多少。要看客户现在能拿走多少，能做出多少，下一轮能反馈多少。
能反馈，才算真正进入工作
方案被执行以后，才会出现真正有用的信息。客户哪句话说不顺，哪条内容发出去有人问，哪一步因为太麻烦被跳过，这些反馈比最初的需求描述更重要。
如果交付一开始就太重，反馈会变少。客户不是不想反馈，而是没有完成动作，自然不知道哪里卡。服务方只能继续在文档里优化文档，看起来还在推进，其实离现场越来越远。
我更愿意把 AI 方案拆成可以被验证的小段。先交一个最小动作，让客户做；拿到反馈后，再决定下一段。比如先让客户发三条围绕真实问答的朋友圈，而不是一次性搭完整内容矩阵。三条发完以后，看私聊有没有变化，看老板自己哪种表达最自然，再调整后面的脚本。
这样做慢一点，但更接近真实工作。因为服务不是把正确答案扔过去，而是让对方沿着一个能走的坡度往前走。AI 可以帮忙生成、对照、整理和改写，人要负责判断这个坡度有多陡。
第十八篇接着旧案例和现场校准往后走：经验被找到，问题被问准，最后还要变成客户能接住的动作。交付质量不只看文件有多完整，也看它能不能换来下一次真实反馈。没有反馈的方案，再漂亮也只是停在纸面上；能被执行、能被改回来的小动作，才会把判断带进下一轮工作。