2.4 议题与目标：任务拆解的会议学

2.4 议题与目标：任务拆解的会议学

本节摘要：任务与目标机制决定"这场会讨论什么、讨论到什么程度算完"。本节讲 OWL 里目标（Goal）与议题（Task）的层次关系，给出把一句模糊需求改写成可验收议题的四要素法（对象、问题、标准、格式），并用贯穿案例做一次完整的拆解演练。

本节从名册转向机制：有了角色还不够，会议要开得成，议题本身得是"能开工、能验收"的。这是 2.2 主持人"拆解"环节的原理层，也是第 4 章跑会前必须想清楚的一步。

一、目标与议题：两层粒度

OWL 的任务模型里，目标（Goal）是用户要的最终结果，议题（Task）是为了达成目标而需要逐项完成、逐项验收的工作单元。两者粒度不同，混用是会议低效的第一大根源：拿目标当议题，一步干不动；拿议题当目标，干完也交不了差。

用贯穿案例对齐概念。目标是"产出发给管理层的竞品定价对比纪要"；议题则是一个清单——打开三个竞品的定价页、折算计费口径、计算差价、分析定价结构对应的功能取舍、成文。目标负责"为什么开这场会"，议题负责"这轮讨论什么、谁来做、做到什么标准"。

二、四要素法：把模糊需求改写成可开工议题

一句模糊需求要变成可开工议题，补齐四要素就够：对象（对谁做什么）、问题（要回答什么）、标准（怎么算做完）、格式（交付长什么样）。四要素缺一项，对应一种典型的返工现场：缺对象则范围失控，缺问题则资料堆砌，缺标准则验收扯皮，缺格式则成文返工。

def rewrite_task(raw: str) -> dict:
    """四要素改写示范：把一句模糊需求改写成结构化议题。
    真实场景由用户智能体在对话中补全，这里演示结构。"""
    return {
        "对象": "竞品A、竞品B、竞品C 的公开订阅定价",
        "问题": [
            "各竞品三档价位与我们的差价百分比是多少",
            "价位差异对应哪些功能取舍",
        ],
        "标准": [
            "价格统一折算为按月付年费口径",
            "差价百分比给出计算式，基期为我们的定价",
        ],
        "格式": "一页纪要：先结论表，后两段分析",
    }

# 输出（打印成议题卡）：
# 【议题卡】
# 对象: 竞品A、竞品B、竞品C 的公开订阅定价
# 问题: 1) 三档价位差价百分比 2) 价位差异对应哪些功能取舍
# 标准: 折算口径统一；差价给计算式，基期为我们的定价
# 格式: 一页纪要：先结论表，后两段分析
​

改写的价值在验收时兑现：主持人核表用的正是"标准"两个字段里的条目。没有这两个条目，"做完了"与"做好了"之间就是无穷拉扯。

三、工程实践要点：依赖关系与并行度

议题拆出来之后还有一道工序：标注依赖关系。哪几项可以并行（互不依赖，可同时开干），哪几项必须串行（后项吃前项的产出）。并行度直接决定会议时长——OWL 的会程是按轮次推进的，能并行的议题压在一起发，轮次显著缩短。

一个反直觉的取舍：先并后串

我建议的拆解顺序是"先把所有叶议题拆完，再统一标依赖"，而不是拆一个派一个。原因：拆解本身会暴露新议题（拆 T3 时才想到竞品C定价在手册里），边拆边派会导致已派出去的议题反复返工。先拆完、再排序、后下发，多花一轮思考，省掉多轮返工。

def schedule(tasks: list) -> list:
    """按依赖关系分层：返回按轮次分组的议题列表。
    tasks: 每项含 id 与 depends 字段。"""
    done, rounds = set(), []
    while len(done) < len(tasks):
        layer = [t["id"] for t in tasks
                 if t["id"] not in done and set(t["depends"]) <= done]
        if not layer:  # 依赖成环，会议开不下去了
            raise ValueError("议题依赖存在环，请人工梳理")
        rounds.append(layer)
        done.update(layer)
    return rounds

# 输出：
# schedule([
#     {"id": "T1", "depends": []}, {"id": "T2", "depends": []},
#     {"id": "T3", "depends": []}, {"id": "T4", "depends": ["T1", "T2", "T3"]},
#     {"id": "T5", "depends": ["T4"]}])
#   -> [['T1', 'T2', 'T3'], ['T4'], ['T5']]
​

案例展开：一次拆解翻车与重拆

背景：某团队第一次跑竞品调研，主持人把目标直接当成了唯一议题——"调研三个竞品并写纪要"，一轮下发。结果：浏览器专家接到巨单，抓了三个站点四十多个页面，上下文塞满，价格数据与功能描述混在一起，最终纪要里竞品 B 的价格串到了竞品 A 头上。解读：这不是专家无能，是议题粒度错了——没有验收标准的巨单，谁接谁砸。操作（重拆）：按四要素法把巨单拆成 T1 至 T5，叶议题并行下发，每个都带验收标准；二次跑会，全程十一轮，纪要一次过审。变式：如果你的议题天然带探索性（比如"找出市场上所有值得关注的新竞品"），允许第一轮只拆出"侦察议题"，侦察结果回来再拆正式议题——探索型任务允许两段式拆解。

⚠️ 议题卡不是越多越好。每张卡都有固定的轮次开销，五张以内的议题卡能覆盖八成调研类任务；超过五张，先合并同类项再开会。

议题卡的复用：模板化与参数化

议题卡写多了会发现一个规律：同类任务的卡片高度相似。竞品调研的卡片永远是"抓取、折算、分析、成文"四段；材料核对类任务的卡片永远是"登记、转换、核对、出清单"。把相似的卡片模板化，是议题机制里性价比最高的一步——模板存结构，参数存差异：

CARD_TEMPLATES = {
    "调研类": {"要素": ["对象清单", "问题清单", "口径标准", "纪要格式"],
               "默认并行": True, "默认验收字段": ["来源", "新鲜度"]},
    "核对类": {"要素": ["材料清单", "核对点", "通过标准", "差异报告格式"],
               "默认并行": False, "默认验收字段": ["差异项", "核对人"]},
}

def instantiate(template: str, params: dict) -> dict:
    """从模板生成议题卡：结构来自模板，内容来自参数。"""
    card = dict(CARD_TEMPLATES[template])
    card.update(params)          # 参数覆盖默认值，模板保底结构
    return card

# 输出：
# instantiate("调研类", {"对象清单": ["竞品D", "竞品E"]})
# -> {'要素': ['对象清单', '问题清单', '口径标准', '纪要格式'],
#     '默认并行': True, '默认验收字段': ['来源', '新鲜度'],
#     '对象清单': ['竞品D', '竞品E']}
​

模板化的收益不止省事：它让"这场的议题卡比上期少了口径标准"这类退化在开工前就暴露——模板里该有的字段不在，说明拆解退化了。第 5 章常设委员会的"议题卡模板统一"检查项，要求的正是这份模板库。

本节要点回顾

• 目标与议题分层：目标管"为什么开会"，议题管"这轮讨论什么"，混用是低效第一根源；
• 四要素法：对象、问题、标准、格式，缺哪项就有对应的返工现场；
• 依赖分层：叶议题并行、下游串行，先拆完再排序后下发；
• 两段式拆解：探索型任务允许先派侦察议题；
• 下一节解决"开完会就散"的问题：纪要怎么写进集体记忆。