用 Claude 做「一页纸商业计划书」：三个 Prompt 让输出从模板感变成真正可用的提案

你把 AI 生成的商业计划书发给对方，对方回复：

"看起来不错，但感觉不太像你们的项目。"

这句话你是不是很熟悉？格式完整、段落齐全、逻辑自洽，但就是差那么一口气——读起来像是从某个商学院教材里抠出来的，而不是你这个项目独有的东西。

你不是用错了工具，你是用错了方式。

---

一、为什么你用 AI 写的商业计划书「一眼假」

有一个数据值得警觉：投资人平均花不到 20 秒决定是否继续读一份 BP。这 20 秒里，他们在找的不是"这份文档格式对不对"，而是"这个人有没有真正想清楚"。

问题在于，大多数人给 AI 的第一条指令是这样的：

"帮我写一份商业计划书，项目是做工厂设备预测性维护的 SaaS，目标客户是中小制造业企业。"

这条 Prompt 本身没有错，但它是一条结果型指令——你在要求 AI 直接产出结论，而没有给它任何判断标准。

AI 怎么响应？它会从训练数据里调取"商业计划书"这个词频最高的模式：市场规模、竞争分析、商业模式、团队介绍、融资需求……五段式结构，整整齐齐，毫无灵魂。

这不是 Claude 的问题，这是你把思考权完全交出去了。

AI 输出的永远是"平均值"，而你的项目需要的是"差异点"。

解决方案不是换一个更强的模型，而是改变你和 AI 协作的方式——用三层引导式 Prompt 替代一次性指令，让 AI 先建立判断力，再动笔。

---

二、框架拆解：三个 Prompt 分别在做什么

这套方法的核心逻辑是：不让 AI 直接写，先让它思考，再让它质疑，最后才让它动笔。

Prompt 1：情境锚定——让 AI 扮演「挑剔的那个人」

大多数人让 AI 扮演"创业导师"或"商业顾问"，这个角色太宽泛，AI 会给出鼓励性的、面面俱到的回答。

换一个更有张力的角色设定：让 AI 扮演一个见过 500 份 BP 的早期投资人，并要求它输出对这个赛道的 3 个核心疑虑。

关键词是「疑虑」而不是「优点」。

当你问 AI"这个赛道有什么优点"，它会给你一张优点清单；当你问它"这个赛道让投资人最担心什么"，它会逼着自己进入批判性思维模式——而这正是你需要的校准信号。

这一步的产出不是文档，是你自己思路的镜子：如果 AI 列出的疑虑你答不上来，说明你的项目还没想清楚；如果你能一一反驳，那些反驳就是你商业计划书最有力的论点。

Prompt 2：结构逼问——用约束打碎模板感

把 Prompt 1 的输出（AI 的三个疑虑）反馈给它，加一个物理约束：

"基于以上疑虑，如果只有一页纸，哪三个论点必须出现？顺序是什么？为什么是这个顺序？"

「一页纸」这个限制是整套方法里最关键的设计。

没有物理约束，AI 会自动扩展到它认为"完整"的篇幅；加上"一页纸"的限制，AI 被迫做取舍——什么是必须说的，什么是可以舍弃的，什么放在第一行，什么放在最后。

这一步逼出来的不是内容，是优先级判断。而优先级判断，正是模板感的反面。

Prompt 3：语气校准——先预判读者，再动笔

最后一步，给定真实的受众画像，但不是让 AI 直接写——而是先让它做一个预判：

"这份文档的读者是一位有 20 年制造业从业经验、近三年开始做天使投资的投资人。请先告诉我：这位读者最可能在第几行失去兴趣，原因是什么？"

让 AI 先输出「失去兴趣的节点」，再据此写正文。

这个设计的逻辑是：最好的写作是从读者的失望点出发，而不是从作者的表达欲出发。

---

三、实战演示：从 Prompt 到成品全程拆解

项目背景：一个做工厂设备预测性维护的 B2B SaaS，目标客户是年产值 5000 万以上的中小制造业企业，核心卖点是通过传感器数据预测设备故障，减少非计划停机。

直接问 vs. 三层引导：输出对比

❌ 直接问的结果（典型模板输出） 
【市场背景】

中国制造业设备维护市场规模超过 2000 亿元，


预测性维护渗透率不足 5%，市场空间巨大。



【产品方案】


基于 IoT 传感器 + 机器学习算法，实现设备故障


提前预警，准确率达 92%，帮助企业降低维护成本


30%-50%。



【商业模式】


SaaS 订阅制，按设备数量收费，年费 5-20 万元/厂。



【团队】


核心团队来自工业互联网领域，平均从业 8 年……

整洁，完整，毫无记忆点。

---

✅ 三层引导的结果（逐步展示） 第一步：Prompt 1 原文 
你是一位在中国早期投资领域工作超过 10 年、

亲眼看过 500 份以上 BP 的投资人，专注工业互联网赛道。



现在有一个项目要来找你：


「工厂设备预测性维护 SaaS，目标客户是年产值 5000 万以上


的中小制造业企业，核心技术是传感器 + 机器学习预测故障。」



请不要评价这个项目的优点。


只告诉我：作为一个见过太多类似项目的投资人，


你对这个赛道最深的 3 个疑虑是什么？


用第一人称、直接说，不需要客气。
Claude 的输出（节选）：
1. 交付能力的疑虑：这类项目 Demo 好看，但工厂现场部署是地狱。不同厂家设备协议不同、网络环境差、工人不配合——我见过太多团队在第 3 个客户就开始亏损交付。你们的单位部署成本是多少，有没有被验证过？

>

2. 决策链的疑虑：中小制造业老板是典型的"看到效果才付钱"心理，但预测性维护的价值要 6-12 个月才能体现。这个时间差怎么过？谁来承担这段时间的信任成本？

>

3. 护城河的疑虑：数据积累需要时间，但大厂（西门子、海克斯康）也在做，他们有更多历史数据。你们凭什么在数据壁垒建立之前不被复制？

---

这三个疑虑，比任何"市场规模分析"都更直指要害。

第二步：Prompt 2 原文 
基于你刚才提出的三个疑虑，

现在假设这个创始人只有「一页纸」来回应你。



请告诉我：


  • 哪三个论点必须出现在这一页纸上？
    • 

  • 顺序应该是什么？
    • 

  • 为什么是这个顺序，而不是其他顺序？
    • 



不需要帮我写内容，只需要给我结构和理由。
Claude 的输出：
论点顺序：交付能力 → 商业模式设计 → 差异化护城河

>

理由：投资人读 BP 的心理顺序是"这个团队能不能干成"→"钱怎么转"→"为什么是他们"。如果第一行就是市场规模，我会直接跳过——因为市场规模我比你更清楚。先告诉我你们交付了几个客户、单位成本是多少，这才是消除最大疑虑的第一步。

---

第三步：Prompt 3 原文 
这份一页纸的读者是：

  • 在制造业做了 20 年，最近 3 年开始做天使投资
    • 

  • 对 SaaS 商业模式不太熟悉，但对工厂运营痛点非常了解
    • 

  • 每天要看 5-8 份 BP，注意力有限
    • 



请先告诉我：这位读者最可能在第几行失去兴趣？原因是什么？


然后，基于你的判断，帮我写这一页纸的正文。


字数控制在 400 字以内，语言要像一个懂制造业的人在说话，


不要用"赋能""生态""数字化转型"这类词。
最终成品（节选）：
我们帮工厂少停一次机，一年省 200 万。

>

过去 18 个月，我们在 7 家汽配厂完成部署，平均每厂减少非计划停机 3.2 次/年。按行业均值，一次停机的直接损失是 60-80 万元——这是老板能看懂的数字，不是算法准确率。

>

我们怎么做到的：在关键设备上装传感器（2 小时，不停产），采集振动、温度数据，用我们训练好的模型提前 72 小时预警。工厂不需要懂技术，只需要收到预警后叫维修工提前备件。

>

为什么我们能持续做：我们签的不是项目制，是按设备数量的年费订阅。客户第一年按效果付费（故障减少才收钱），第二年起转标准订阅。目前 7 家客户续约率 100%，平均年费 12 万元。

>

为什么不容易被复制：我们的数据不是通用数据，是每台设备的"个人病历"。设备跑得越久，模型越准——这是时间壁垒，不是技术壁垒。

---

两个版本的差距，一眼就能看出来。

📌 文中所有 Prompt 均在 Claude Sonnet 4.6 上测试完成。如果你还没有稳定可用的 Claude 访问渠道，可以通过 [api.884819.xyz](https://api.884819.xyz) 直接调用——支持 API 接入和网页端使用，国内可访问，新用户注册即送体验 token，适合想系统练习 Prompt 技巧的读者。

---

四、可复用的 Prompt 模板 + 常见踩坑

填空版模板

Prompt 1 模板 
你是一位在 [目标投资人类型，如：消费赛道早期投资] 领域工作超过 10 年、

亲眼看过 500 份以上 BP 的投资人。



现在有一个项目要来找你：


「[一句话描述你的项目：做什么、卖给谁、核心卖点是什么]」



请不要评价这个项目的优点。


只告诉我：作为一个见过太多类似项目的投资人，


你对这个赛道最深的 3 个疑虑是什么？


用第一人称、直接说，不需要客气。
Prompt 2 模板 
基于你刚才提出的三个疑虑，

现在假设这个创始人只有「一页纸」来回应你。



请告诉我：


  • 哪三个论点必须出现在这一页纸上？
    • 

  • 顺序应该是什么？
    • 

  • 为什么是这个顺序，而不是其他顺序？
    • 



不需要帮我写内容，只需要给我结构和理由。
Prompt 3 模板 
这份一页纸的读者是：

  • [目标读者的职业背景和从业经历]
    • 

  • [目标读者对你所在领域的熟悉程度]
    • 

  • [目标读者的注意力状态，如：每天要看几份文件]
    • 



请先告诉我：这位读者最可能在第几行失去兴趣？原因是什么？


然后，基于你的判断，帮我写这一页纸的正文。


字数控制在 400 字以内，语言风格是 [具体风格要求]，


禁止使用以下词汇：[列出你想避开的行业黑话]。

---

三个高频踩坑

❌ 错误一：跳过 Prompt 1，直接进 Prompt 3

很多人觉得 Prompt 1 是"多余的步骤"，直接让 AI 写成品。结果是：语气可能对了，但论点选错了。你不知道投资人最在意什么，AI 也不知道，最后输出的还是平均值。

Prompt 1 的核心价值不是让 AI 帮你找问题，而是逼你自己面对问题。 ❌ 错误二：去掉「一页纸」的物理约束

一旦去掉字数/页数限制，AI 会自动扩展到它认为"完整"的篇幅。完整不等于有效，投资人不会因为你写了 10 页就多看你一眼。约束是创意的来源，不是创意的障碍。

❌ 错误三：受众画像太模糊

"给投资人看"是无效的受众设定。"给一位有 20 年制造业经验、最近才开始做天使投资的老板看"才是有效的——它让 AI 能够具体预判这个人的知识盲区和注意力节点。

受众越具体，语气越精准，模板感越低。

---

迁移到其他场景

这套三层 Prompt 方法不只适用于商业计划书，同样适用于：

  • 融资邮件：Prompt 1 换成"你是一个每天收到 50 封陌生融资邮件的投资人"
  • 产品 PRD 摘要：Prompt 1 换成"你是一个排期永远排满的工程负责人"
  • 汇报 PPT 首页：Prompt 1 换成"你是一个开会前刚被 3 个事情打断的业务 VP"

核心逻辑不变：先建立批判视角，再倒推结构，最后校准语气。

---

五、结语：Prompt 的本质是给 AI 建立判断标准

这里有一个反直觉的结论值得你带走：

最好的 Prompt 不是"告诉 AI 怎么写"，而是"让 AI 先知道用什么标准评判，再让它写"。

大多数人优化 Prompt 的方向是"怎么把指令说得更清楚"——更多细节、更具体的格式要求、更长的背景描述。但这套方法的逻辑是反过来的：先让 AI 扮演评判者，再让它扮演写作者。

评判者和写作者是两种完全不同的思维模式。当 AI 先进入评判模式，它会带着那个批判性视角来写作——这才是"有灵魂"的输出和"模板输出"之间的本质差异。

更值得注意的是：你在用这套方法训练 AI 的同时，也在训练自己。

当你被迫回答 Prompt 1 逼出来的三个疑虑，当你被迫在"一页纸"的约束下做取舍，当你被迫具体描述你的目标读者——你会发现，你以为你在优化 AI 的输出，其实你在逼自己把项目想清楚。

工具没变，变的是你把思考权交出去多少。

---

下一篇预告

>

一页纸商业计划书解决的是"说清楚"的问题。但很多人更难过的一关是：想清楚。

>

下一篇，我们来聊一个更反直觉的用法——用 Claude 做你自己的"红队"，在你爱上自己的方案之前，先让 AI 把它批得体无完肤。

>

这个方法用好了，能帮你在真实融资路演之前，提前经历一次"最坏的投资人面试"。

---

本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。

#AI写作 #Prompt技巧 #Claude #商业计划书 #创业工具 #8848AI #人工智能 #AI实战