DRAG 框架
YouTube 频道 theMITmonk 提出的四步骤任务分类框架，帮助用户区分哪些工作适合外包给 AI、哪些必须自己完成
简介
DRAG 框架是一个用于 AI 时代任务管理的决策工具，核心解决的问题不是”怎么写提示词”，而是更上游的问题——“哪些任务该交给 AI，哪些必须自己做”。框架名称 DRAG 取自四个步骤的英文首字母（具体展开见下方核心特性），由 YouTube 频道 theMITmonk 在 AI 提示词系列视频中提出。
这个框架的独特价值在于它把提示词工程从”单次指令优化”提升到”任务分配策略”层级。多数提示词教程教的是”给了任务之后怎么让AI做得更好”，DRAG 框架解决的是”在给任务之前，先判断这个任务该不该给AI”——这是更根本的决策层。
DRAG 框架的四步骤核心逻辑是：先完整列出所有工作任务，再按”重复性”和”判断力需求”两个维度分类，高重复+低判断力的任务外包给AI，高判断力的任务自己完成但可以用AI辅助准备。这个分类模型与企业管理中的”核心能力 vs 外包能力”思维一致，只是把应用对象从组织层面下沉到个人工作层面。
在提示词工程方法论体系中，DRAG 框架占据”元认知层”——它决定你什么时候该用AI（决策层），而 提示词工程 的各种框架（6步公式、七类信息、Prompt-as-Code）解决的是”用的时候怎么用好”（执行层）。两者构成”决策→执行”的递进关系。
关键信息
- 类型：方法论 / 任务分类框架
- 领域：AI 效率管理、提示词工程、个人生产力
- 提出者：YouTube 频道 theMITmonk
- 核心问题：哪些工作适合外包给 AI，哪些必须自己完成
- 适用对象：所有使用 AI 工具的职场人士
- 相关概念：提示词工程、Meta-prompting、问题感
核心特性
框架四步骤详解
第一步：任务清单穷举 把日常工作中的所有任务完整列出，不遗漏。包括常规任务（周报、数据分析、邮件回复）和非常规任务（方案策划、客户谈判、团队管理）。
第二步：双维度分类 用两个维度对每个任务进行定位：
- 重复性（高/低）：这个任务是否经常出现，模式是否相对固定
- 判断力需求（高/低）：这个任务是否需要深度思考、经验判断或人际敏感度
第三步：AI 外包区识别 高重复性 + 低判断力的任务 → 外包给 AI。这类任务的特点是：输入输出格式固定、不需要创造性判断、重复频率高、人工完成耗时但价值密度低。典型例子：数据整理、格式转换、初稿生成、信息搜集、模板填充。
第四步：人机协作区设计 高判断力的任务 → 自己完成，但用 AI 辅助准备阶段。典型做法：让 AI 帮你搜集背景资料、生成初稿供参考、提供多角度分析供决策——但最终判断和执行由人完成。
与其他决策框架的关系
| 框架 | 决策层次 | 核心问题 |
|---|---|---|
| DRAG 框架 | 任务分配 | 哪些任务给 AI，哪些自己做 |
| 问题感 | 问题定义 | 什么问题值得解决 |
| 反向立项 | 行业选择 | 从哪个行业切入 |
| Working Backwards | 产品定义 | 先想终局再倒推 |
DRAG 框架是个人工作层面的任务管理工具，与企业层面的”核心能力外包”理论、AI 产品层面的”Agent 能力边界”讨论形成从微观到宏观的递进关系。
实际应用场景
知识工作者日常任务分类示例：
| 任务 | 重复性 | 判断力 | 处理方式 |
|---|---|---|---|
| 写周报 | 高 | 低 | AI 生成初稿，人工微调 |
| 数据分析报告 | 高 | 中 | AI 处理数据，人解读结论 |
| 客户方案策划 | 低 | 高 | AI 搜集资料，人制定策略 |
| 团队绩效评估 | 低 | 高 | 人独立完成 |
| 邮件回复模板 | 高 | 低 | AI 根据场景生成，人确认发送 |
| 竞品分析 | 中 | 中 | AI 初步整理，人深度分析判断 |
框架的局限性
DRAG 框架假设”重复性”和”判断力”两个维度能充分区分任务属性，但实际上存在第三维度——风险成本。有些任务虽然重复性高、判断力需求低，但一旦出错代价极大（如财务报表数字、法律文书条款）。这类任务需要额外的”人审”环节，不能简单外包给AI。
不同素材中的观点
- 2026-06-02-bnext-100-ai-prompts-map：數位時代在 100 组提示词完整地图中将 DRAG 框架归类为”提示词写法与技巧”类别的核心框架之一，与 Meta-prompting、降低幻觉、可复用工作流并列。文章定位 DRAG 框架为”帮你区分哪些工作适合外包AI、哪些必须自己完成”的元决策工具，强调其价值不在于给出具体提示词，而在于建立任务分配的认知框架。
实用信息
快速使用步骤
- 花 15 分钟列出你所有的工作任务（至少 20 项）
- 为每项任务标注”重复性”（高/中/低）和”判断力需求”（高/中/低）
- 把”高重复+低判断力”的任务列为第一批 AI 外包对象
- 为”高判断力”任务设计 AI 辅助准备环节（搜集资料/生成初稿/多角度分析）
适用场景
- 个人工作效率提升（最适合）
- 团队任务分配优化
- 企业 AI 导入前的任务盘点
- 提示词工程学习的前置思考
注意事项
- 先做任务分类，再学提示词技巧：很多人一上来就学提示词模板，但如果不先判断哪些任务该给AI，再好的模板也用不到正确的场景
- 分类会随时间变化：随着 AI 能力提升，原本”高判断力”的任务可能逐渐变成”中判断力”，需要定期重新评估
- 风险成本是隐藏维度：重复性高+判断力低不代表可以放心外包，要额外评估出错代价