让AI干活总糊弄？2942星开源方法把任务拆到底

让 AI 做调研，它回你三段套话；让它写方案，它列个提纲就交差。不是 AI 不会，是它偷懒，或者说，默认的干活方式让它倾向于差不多得了。

GitHub 上有个项目专门治这个：unlazy，2900多颗星。核心是一个叫"深度树"的方法：把大任务拆成N层小任务，一直拆到不能再拆的叶子节点，然后给每个叶子分配完整的执行预算。注意，是整个任务的时间预算，不是平摊。

这就改了 AI 的成本账：原来糊弄一个子项几乎没代价，现在每个子项都按全款对待，糊弄变得不划算了。

实际用法不复杂：把 unlazy 装进 AI 工具，之后布置任务它会先拆解再执行，每层都有产出物，你能清楚看到它干到了哪一步。

代价也明摆着：更费 token，更花时间，简单任务用它属于杀鸡用牛刀。但做行业调研、写长报告、排查复杂问题这类深度比速度值钱的活，这套方法确实能把质量拉上来一截。

一句话总结：AI 的能力上限一直都在，缺的是逼它用出来的机制。

GitHub 搜 unlazy。

ai 人工智能 AI效率 开源项目